기초 통계 개념: 평균·중앙값·분산 쉽게 이해하기

하나의 팀에서 근무한다고 가정하자. 신입 사원부터 부장까지 다양한 급여 수준을 가진 인원들이 있다. 어느 날, 경영진이 평균 급여를 기준으로 연봉 인상안을 검토한다고 했다. 이때, 통계적 지표 중 어떤 것이 적절할까?

평균과 평균의 함정

가장 먼저 떠오르는 건 아마도 '평균'일 것이다. 월급을 모두 더한 뒤, 인원 수로 나누면 평균 급여가 나온다. 예를 들어, 5명의 팀원이 각각 3000, 3200, 3500, 3600, 100000(대리에서 부장으로 승진한 사람이 있다고 하자)이라고 치면, 평균은 급격히 높아진다.

하지만 여기서 조심할 필요가 있다. 평균은 큰 수나 작은 수의 영향력을 많이 받는다. 부장의 연봉이 지나치게 큰 경우, 평균은 구성원들의 일반적인 급여 수준을 제대로 반영하지 못한다. 실무에서 평균만 보고 평가하는 경우, 이러한 함정에 빠지기 쉽다.

중앙값이 주는 현실

이럴 때는 '중앙값'을 고려해볼 수 있다. 중앙값은 순서대로 나열된 데이터에서 한가운데 있는 값을 의미한다. 위 사례에서 중앙값은 3500이다. 이 수치는 부장의 연봉이 급격히 높아도 변하지 않는다. 중앙값은 극단적인 값이 있을 때 더 현실적인 지표를 제공할 수 있다. 통계조사에서 분포가 불균형한 경우, 그 가치가 더욱 높아진다.

분산과 데이터의 넓이

한편, 급여 데이터의 넓이를 알고 싶다면 '분산'을 확인해야 한다. 분산은 각 값이 평균으로부터 얼마나 떨어져 있는지를 측정한다. 예를 들어, 분산이 낮다면 데이터를 구성하는 값들이 평균에 더 가깝게 모여 있다는 뜻이다. 실무에서는 분산을 통해 집단의 다양성을 이해할 수 있다. 급여 정책 평가에서, 분산이 너무 크면 구성원 간의 급여 격차가 크다고 판단할 수 있다.

단, 분산을 계산하고 나서 그 값을 해석하는 데는 주의가 필요하다. 분산의 값이 크다는 것은 단순히 차이가 크다는 의미일 수 있지만, 조직 내에서 어떤 원인이 이를 만들고 있는지를 분석하지 않으면 섣부른 판단이 될 수 있다.

실무에서의 고려 사항

통계를 다루면서 자주 놓치는 부분은 이를 바라보는 '시각'이다. 평균, 중앙값, 분산 모두 각기 다르게 데이터를 해석하게 해준다. 현장에서는 갈등을 피하기 위해 다양한 지표를 함께 고려하는 것이 좋다. 예를 들어, 급여 조정안을 만들 때는 평균과 중앙값, 더 나아가 분산까지 검토하여 어떤 대안이 더 적절한지를 판단해야 한다.

통계를 업무에 활용할 때는 필요한 지표만 선택적이고 유연하게 쓸 줄 아는 감각이 필요하다. 다른 지표를 무작정 추가하기보다는, 문제의 본질을 이해하고 적절한 통계적 해석법을 선택하는 것이 아마도 더 현명할 것이다.