📚 MBTI 검사
• 구글링을 하던 중 MBTI와 데이터 분석과 관련된 흥미로운 내용을 발견했다. 요즘 빠질 수 없는 대화 주제가 MBTI이다. '너 MBTI 뭐야'라는 질문을 어느 모임에 가도 일상적으로 듣는 것 같다. 일상적인 대화 맥락에서는 MBTI가 굉장히 매력적이고 흥미로운 주제라는 것에는 공감한다. 사람마다 천차만별인 성격과 성향을, 16개의 일반화된 유형으로 분류하여 알려주기 때문에 때문이다. 상대방을 파악하는 데에는 정말 많은 노력과 시간이 필요하고 인간은 귀찮음의 동물이니... 편리하게 그룹화를 해주는 MBTI에 흥미를 느끼는 것은 당연하다.
• 개인적으로는 나는 MBTI 검사를 할때마다 모든 항목이 50 : 50 언저리로 나와서 특별한 유형이 없다. 학부 1학년 때 마이어스의 심리학 개론을 교양 과목으로 들으면서 처음 테스트를 했었는데, 설문 항목도 모호하고 체계적이지는 않은 것 같아서 의아했다. 같이 수업 듣는 동기들은 상당히 흥미로워했지만 속으로 의문이 많이 들었다. 당시에도 겨우 93개의 항목으로 모든 사람을 16개의 독립적인 성격으로 분류하는 것에 대한 반감이 컸던 것 같다. 그래서 이러한 MBTI 검사를 완전히 무의미 하다고 보는 의견도 많다.
(https://www.vox.com/2014/7/15/5881947/myers-briggs-personality-test-meaningless)
• 지금 MBTI 검사가 인기가 많은 이유는, 사람의 심리적인 요소에 대한 clustering 아주 잘 했기 때문이라고 생각한다. 특히 16개라는 항목의 수가 아주 절묘하다. 혈액형은 4개라서 일반적인 관점에서도 분류가 상세하지 못해서 비 과학적인(?) 느낌이 있었는데, MBTI 유형을 무려 16개로 상세하게 분류해서 알려주니 다른 사람과 공통점 또는 차이점을 비교하는 과정이 훨씬 흥미롭다. 반대로, 유형이 16개보다 더 많았으면 지나치게 복잡하게 느껴져서 지금처럼 많은 관심을 받기 어려웠을 것이다. 과학적인 기준은 아니지만 이목을 끌기에는 매우 적절하다.
📚 MBTI 와 데이터 분석
MBTI와 Income을 주제로 descriptive analysis를 실시한 사례가 있다. 이 분석 (Jenna Ross, 2021) 총 72,331명을 대상으로 MBTI 유형과 소득의 상관관계(correlation)를 살펴보았다. 흥미로운 내용들이 꽤 있었지만 어디까지나 causality가 아니라 correlation임을 명심해야 한다.
• 유형에 다른 평균 소득을 살펴보았을 때, 그룹별로 편차가 큰 것을 확인할 수 있었다. 전반적으로는 E유형과 T유형인 경우에 평균보다는 높은 소득을 가지고 있다.
• 어떤 유형이 highest income을 가지고 있는지 비교해 보았을 때, 외향적이고 사고적인 유형이 전반적으로 상위권임을 알 수 있다. 한편, INTJ 유형은 I 유형 중에서도 비교적 높게 나타났다.
• 특히 각 유형을 연령대에 따라서 살펴보면 더 재미있는 결과를 파악할 수 있다. 전반적으로 나이가 많아질수록 소득이 많아지지만, 40~50대까지 계속 증가하는 유형이 있고 감소하는 유형이 있다.
• MBTI 자체가 categorical 하기 때문에, 위와 같이 여러 방식으로 시각화가 가능하다. 이렇게 차이가 있다는 것은 보여줄 수 있지만 이에 대한 정확한 설명이 없는 점은 아쉽다. (인과관계가 아니니까 설명이 안 되는 것이 당연할 수도 있다)
📚 정리
• 이 분석처럼 사람의 성격 유형과 소득의 관계를 살펴보는 것은 흥미롭기는 하나, 한편으로는 위험하게 해석될 수도 있다. 예를 들어 첫 번째 그래프에서 E, T유형인 경우에 소득이 높게 나타났다. 하지만 이는 개인이 소득이 높은 직업을 가지게 되면서 그러한 성향이 나타난 것일 수도 있다. 즉, E/T 유형이 개인의 직업과 소득에 영향을 미치는 것이 아니라, 직업이 개인의 성향에 영향을 미칠 수도 있다. 이러한 어디까지나 correlation을 descriptive 하게 나타낸 것이기 때문에, 확대 해석을 하지 않도록 주의해야 한다.
• 분석 자체의 인사이트는 부족하지만 시각화 방식은 굉장히 깔끔하고 직관적이라고 느꼈다. barplot 위주의 시각화지만, 막대와 배경의 적절한 색 조합으로 깔끔하게 나타냈다. 깔끔하고 시인성 좋은 시각화는 분석이 체계적이라는 느낌을 줄 수 있다. 데이터 분석가에게는 분석 결과를 누가 사용할 것인가에 따라서 적절한 리포팅을 하는 것도 매우 중요하기 때문에 간결하고 직관적인 시각화를 틈틈이 배워둘 필요가 있다고 느꼈다. matplot/seaborn/ggplot/태블로 틈날 때마다 공부해둬야 겠다...!
📚 Reference
• https://www.visualcapitalist.com/myers-briggs-personality-income/
• https://medium.com/@garagegouch/mbti-data-analysis-1bbad3b40cc9
'이슈, 관심사 > IT 일반' 카테고리의 다른 글
자연 검색 vs 검색 광고 통계 (0) | 2021.10.31 |
---|---|
모바일 게임 데이터 분석 (0) | 2021.10.18 |
모바일 광고 생태계 (0) | 2021.10.18 |
댓글