앞으로 모든 CEO는 CDO가 되어야 한다
데이터 경영을 위해 CEO가 지녀야 할 마음 가짐
작가이자 연구자인 서기슬로는 자주 글을 써왔지만, (주)언노운데이터의 대표로서 이렇게 글을 쓰는 것은 처음이네요. 앞으로는 저희 고객들을 위해, 그리고 협업하는 파트너들을 위해, 작지만 몇 가지 지식과 통찰을 나누고자 한동안은 꾸준히 글을 써볼 계획입니다.
‘모든 CEO는 CDO(Chief Data Officer)가 되어야 한다’
이는 제법 거창한 선언처럼 보입니다. 다만 이것은 최근에 저희 언노운데이터가 고객사에서 성취하도록 돕고 노력하는 ‘가치’의 시작과 끝이라 할 수 있습니다. 새롭게 사업을 구상하는 모든 CEO들에게, 데이터 경영이 보편적인 방법론이 될 즈음에, 저희 언노운데이터는 다음 사업 영역으로 넘어갈 수 있을 것 같습니다. 수십 년 후에 주식회사 언노운데이터 역사를 정리할 때에, 1기 시기는 ‘B2B 컨설팅 및 리서치 비즈니스로서 모든 CEO가 CDO가 되도록 돕기 위해 노력하는 시기였다’라고 기록될 수 있으면 좋겠네요.
자 그렇다면, CEO가 CDO가 된다는 것은 무슨 의미일까요? by definition, 모든 데이터에 대한 수집, 저장, 가공, 활용을 책임지는 임원이 된다는 뜻입니다. 그런데 왜 저는 좋은 CDO의 덕목이나, 좋은 CDO를 선발하는 방법에 대해 얘기하는 것 대신에, 데이터에 대해 총괄하고 책임지는 일을 꼭 CEO가 해야한다고 말하고 있을까요?
그것은 데이터가 자산(Asset)이라는 것을 명확히 이해하는 데에서 모든 데이터 경영이 시작되고, 회사의 중요한 자산에 대한 의사결정에 있어 그 첫 번째 책임자는 CEO이기 때문입니다. CEO가 ‘데이터라는 자산’의 성질에 대한 명확한 이해를 획득한 후에는, 그 일에 대해 다른 사람을 CDO로 임명하여 위임할 수 있습니다. 물론 지금도 소수의 앞서 나가는 기업은, 이미 CEO들이 데이터에 중심의 전략을 채택하고 있고, 별도의 데이터 책임자를 두고 있습니다. 하지만, 아쉽게도 데이터가 4차산업 혁명의 석유와 같다거나, 말하는 것치고는, 2020년 현재 한국은 아직까지 데이터에 대한 경영적 해석과 활용 방법론이 보편적인 경영학 영역에 들어오지 못한 시기인 것 같습니다.
CEO는 회사가 디지털 영역에서 무엇을 저장하고 있는지 항상 알아야 한다.
“무엇이 어떻게 저장되고 있는지 알고 계신가요?”
컨설팅 과정에서 책임자를 직접 만나게 되면 제가 제일 먼저 묻는 질문입니다. 따져 묻거나 과실을 지적하려는 의도는 아닙니다. 책임자의 인식과 실무의 괴리를 파악하는 데에서 문제 파악이 시작되기 때문입니다. 물론 제대로 모르고 있거나, 사실과 다르게 알고 있는 경우가 많습니다.
“그거 우리한테 다 있는 것 아냐?”
이것은 제가 경영진과 실무의 괴리를 파악하여 리포트하면 제일 먼저 나오는 반응 중 하나입니다. 현업에서는 언제든 알 수 있지만 따로 저장은 하고 있지 않은 것, 혹은 개발이나 운영 효율을 위해 모두 낱낱이 로깅(logging)하고 있지는 않은 것들이 무척 많습니다. 항목이 있는 것은 맞지만 활용가능한 형태로 저장되고 있지 않은 것도 많습니다.
하지만 CTO(기술 책임자)를 위한 변명을 제가 대신 해보자면, CTO들은 아무 이유 없이 백엔드 시스템을 만들지 않습니다. CTO가 책임져야 하는 것은 단지 데이터를 저장하고 활용하고 이런 문제뿐 아닙니다. 오히려 ‘언제, 어떻게 활용될 지 모르는 데이터’를 무작정 쌓고 있는 것은 오히려 CTO로서 직무 유기일 수도 있습니다. CTO는 시스템을 얼마나 장애나 오류없이 안정적으로 운영할 수 있는가, 얼마나 속도와 효율성을 개선할 수 있을 것인가, 얼마나 유지보수가 수월한 개발 프로세스를 만들 수 있을 것인가 등, 기술 영역에서의 많은 챌린지를 해결합니다.
그렇기 때문에 ‘활용 방안이 명확히 정의되지 않은 데이터’의 저장 처리 비용을 축소하는 것이 오히려 CTO의 과업일 수 있습니다. 실제로 많은 기업들이 사업 영역이 확대되면, 인프라 운영 때문에 언젠가 한 번은 비용의 문턱에 마주하게 됩니다. AWS나 GCP 등의 클라우드 플랫폼 기반으로 개발과 서비스 제공을 하는 모든 기업들에게, 작은 비용의 누수를 줄이면서 각자의 저장 영역과 트랜잭션에 맞추서 아키텍쳐를 짜는 것은 중요한 문제이며, CTO는 이런 문제와 싸워야 합니다.
그런데 실제로 자문 명목으로 여기저기 불려다니며 회의에 참석하다보면, CTO에게 ‘데이터가 그렇게 중요하다던데 왜 그런 것도 저장 안 하고 있었어?’라고 되묻는 CEO분들도 없지 않았습니다. 하지만 회사 전체 자원 배분과 사업 로드맵을 고려하여 KPI(핵심 성과 지표를)를 설정하는 첫 번째 책임자는 CEO이기 때문에, 그런 장면을 보며 저는 더욱이 첫 번째 CDO는 CEO여야한다고 생각하게 되었습니다.
데이터라는 자산은 비유 그대로 원유와 같아서, 바로 다른 가치로 교환되는 유형자산과 다릅니다. 각자의 산업 분야에 맞게 연구를 하여 가공 체계를 만들고, 파이프라인을 만들어야 그제서야 부가가치가 됩니다. 실질적으로 최소 수개월, 혹은 수 년을 데이터를 축적해야만 그제서야 비즈니스 부가가치를 낼 수 있는 산업도 많습니다.
그렇기 때문에 큰 틀에서 기획하고 방향을 설정하는 역할을 CEO이자 CDO가 해야할 것입니다. CTO불러다가 웨어하우스를 늘린다고 해결되는 기술만의 문제가 아니라, 전체적인 비즈니스 모델과 사내의 자원 배분 문제이기 때문입니다.
너무 동어 반복적인 당연한 얘기지만, 저장해서 보유하고 있지 않은 것은 데이터가 아닙니다. 그럼에도 자신의 회사가 무엇을 어떻게 저장하고 있는지도 얘기하지 않고, 머신러닝이나 AI 적용을 먼저 외치는 분들도, 간혹 있는 것이, 안타깝지만 사실입니다. 그래서 늘 저는 이런 질문으로 시작합니다. “무엇이 어떻게 저장되고 있는지 알고 계신가요?”
재무제표 만들듯이 데이터 자산을 결산할 수 있어야 한다.
저는 비정형 데이터 분석 분야에서 프리랜서 연구자이자 컨설턴트로 오랜 시간을 보냈는데, 저 역시 CEO로서 ‘경영’을 해보기 전에는 이해 못하는 영역이 많았던 것 같습니다.
(주)언노운데이터는 아직은 작은 회사이지만 몇 가지 도전과 해결을 거치는 와중에, 저는 ‘기업은 여러 자원이 맞물려 기계처럼 돌아가는 것’이라는 인식을 갖게 되었습니다. 기업은 ‘부가가치를 만들어내는 거대한 기계’라는 관점이죠. 경영 자체에 대해선 미천한 지식과 통찰을 갖고 있을 뿐이지만, 결산을 하고 재무제표를 들여다보니 깨닫는 것이 많았습니다. 회사의 자원 흐름을 정량적 지표로 환원해서 파악하는 방법은, 오랜 시간을 걸쳐 발전하고 정교화된 방법론입니다.
인력 운용은 인건비 지출로 파악할 수 있고, 회사가 투자한 것과 지출한 것을 나누어볼 수 있으며, 자금이 어디에서 들어와서 어디로 흐르는지 알 수 있는 것이 재무제표입니다. 물론 새롭게 생겨나는 산업에서 무형자산의 세세한 부분을 회계하고 재무제표에 반영하는 방법에 대해선, 여전히 명확한 국제적 기준이 없는 부분이 많습니다. 꼭 데이터에 대한 부분뿐 아니라, 영업권이나 산업재산권, 라이선스 등을 어떻게 가치산정하여 반영해야 하는지에 대해서도 의견이 분분합니다. 그런 무형자산을 취득하는 데에 드는 비용을 명확하게 추산할 수 있는 경우, 그 ‘비용’을 토대로 결산을 하지만 이것이 꼭 무형자산의 ‘가치’를 반영하는 것도 아닙니다.
다만 그럼에도 불구하고 제가 ‘데이터 결산’을 할 수 있어야 한다고 주장하는 이유는 두 가지입니다. 첫 째는 경영진이 데이터 축적과 활용을 위해 드는 비용에 대한 의사결정을 내려야 하고, 둘 째는 축적된 데이터의 가치를 가늠하여 실질적인 사업 성과로 이어질 수 있는 KPI를 설정해야 하기 때문입니다. 막연히 인력을 들여 데이터 부서를 운영하는 경우도 많지만, 데이터야말로 모든 것을 정량적으로 환원할 수 있는 정보 자산임에도 불구하고, 데이터에 관련된 일에 대한 정량적 평가와 KPI를 갖고 있지 않은 곳이 2020년 현재 여전히 많은 것이 안타깝지만 현실입니다.
그렇기 때문에 우선은 회사 전체가 돌아가는 자원 흐름을 펼쳐 놓고, 얼만큼이 데이터에 투자되고 있는지 명확히 파악하고, 다시 그것이 어떻게 부가가치를 낼 수 있는지 고민하려면, 분기별 반기별 목표와 결산이 필요할 것입니다.
비정형 데이터가 얼마나 machine readable한 형태로 저장되고 있는지, 그것들이 실제 파이프라인에 꽂혀서 흐르도록 Map Reduce가 되어있는지, 사내에 축적된 데이터가 얼마나 자체적으로 API화되어 여러 부서에 활용될 수 있는지, 이런 것들은 고전적인 제조 혹은 유통 프로세스에 온전히 부합하는 것은 아니지만, 분명히 그 과정의 비용과 성과를 추산할 수 있는 것들입니다.
데이터의 가치를 굳이 추정하고 KPI를 설정하는 것이 너무 막연한 것이 아니냐 되물음을 받는 경우도 있는데, 그렇게 치자면 대부분 기업의 ‘매출 계획’과 ‘매출 추정치’ 역시 그 정도는 모호한 것 같습니다. 하지만 어림짐작이나 대중으로도 모두들 매출에 대한 예측 지표를 만듭니다. 그래야만 방향성을 갖고 업무를 할 수 있다는 것을 알고 있기 때문입니다. 매출이 정말로 모두에게 중요하다는 것을 알기 때문에 어떻게해서든 정확도는 떨어지지만 목표치를 설정하고 성과를 추정합니다.
저 역시 데이터에 관한 모든 비용과 성과를 추정할 수 있다고 얘기하는 것은 아닙니다. 그저, 중요성에 공감한다면 수행해봐야 한다는 것이지요. 오히려 데이터의 축적과 가공, 그것을 활용하는 알고리즘이야말로 다른 무형자산 대비 부가가치를 쉽게 예측 및 파악할 수 있는 대상입니다. 그 모델을 내부적으로 갖기 위해서라도 시뮬레이션과 연구가 필요하겠지만 말이죠.
사업의 모든 영역에 데이터 파이프라인이 연결되도록 해야 한다
데이터가 중요한 자산으로 작동하려면, 필연적으로 자동화 기획이 있어야 합니다. 이 또한 너무 상투적이고 뻔한 얘기지만, 2020년 정도 되었으면 이제는 이것이 구호에 그치지 않을만한 때가 되었다고 생각합니다.
데이터는 기업 내외의 작동과 흐름을 파악하고, 근거 기반의 의사 결정을 위해서도 필요하지만, 데이터가 정말 중요한 이유는 결국 자동화를 위한 자산이기 때문입니다. 그리고 우리는 많은 영역에 자동화를 적용시킬 수 있을 만큼의 기반 기술과 인프라가 갖춰진 시대를 살고 있습니다.
저는 과감히도, ‘앞으로 사람이 5분 보고 파악해서 해결할 수 있는 일은 모두 지능화 및 자동화시킬 수 있다’고 주장하고 싶습니다. 이것은 모든 부서의 업무에 적용됩니다. 법인카드 지출을 예로 들어보죠. 임직원이 평소 익숙하지 않은 특정 항목에 대한 법인카드 이용 지출을 할 수 있을지 경영지원팀 혹은 재무팀에게 물었을 때에, 질문을 받은 직원이 5분 보고 파악할 수 있는 일이라면 그 피드백을 자동화시킬 수 있습니다.
디지털 마케팅 부서에서 특정 프로모션을 실시했는데, 그 효과가 좋아서 계속 해야하는 것인지, 혹은 비용 대비 별다른 효과가 없어서 중단해야하는 것인지, 직원이 5분 보고 파악해서 결정할 수 있는 일이면 자동화시킬 수 있습니다. 다만 당장 판단이 안 되거나 규정 확인, 효과 파악 등으로 ‘회의’를 해야하는 일이라면 쉽게 자동화될 수 없겠죠.
그럼에도 사람이 최소한으로 터치하도록 자동화시킬 수 있는 일은 찾아보면 많습니다. 이는 곧 기업 경영 전체의 효율화와 비용 감소로 이어집니다. 물론, 자동화를 굳이 추구하지 않고 적절하게 사람으로 채우는 것이 더욱 효과적인 때도 있습니다. 하지만 제가 컨설팅을 진행하다보면 반대로, 기술을 잘 모르는 관리자가 ‘그게 가능해?’라고 생각하지만, 약간의 비용으로 상당한 효율을 낼 수 있는 자동화를 구축하는 경우도 현업에서는 많습니다.
이 때에 중요한 것이 ‘파이프라인’을 만드는 일입니다. 중간에 인력의 개입을 최소화시키고, 데이터로부터 작동으로 이어질 수 있도록 송유관과 전력선을 만드는 일이지요.
예를 들어, 마케팅에서 자동화를 동반한 데이터 분석과 활용에서는 다음과 같은 목표가 달성됩니다.
프로모션 결과에 따라 개별 이용자의 반응과 매출 효과를 파악할 수 있는 코드가 이미 서비스플로우 전체에 심어져 있음
고객 행동으로 생성된 데이터가, 자체적인 분석과 분류를 거쳐, 마케팅 메시지 팝업이라는 액션까지 자동으로 연결됨
고객 관여도에 따라 개인화된 홍보 메시지가 자동으로 팝업하는 시스템까지 마련되어 있음
이런 기반이 갖춰져 있다면 업무 목표는 ‘자동화’를 고도화시키는 것이 됩니다.
위의 얘기는 아주 가상의 시나리오가 아닙니다. 이미 알려진 사실이지만, 아마존 같은 경우 35%의 가량의 매출이 추천 엔진 기반의 클릭에서 나온다고 합니다. 이는 아마존의 사업 속성 자체가 디지털 플랫폼에서의 구매 행동으로 일어나는 일이기 때문에 가능한 것입니다만, 제조나 유통 어느 쪽의 기업이든 충분한 디지털 트랜스포메이션을 갖춘다면, 파이프라인을 만들고 부가가치를 창출할 수 있습니다.
최고의 엔진을 값싸게 빌려쓸 수 있는 시대
다시금, 제가 이 글을 쓰고 있는 이유는, 불과 몇년 전과 다르게 수많은 기업에서 자체적인 데이터 경영이 가능한 여건이 갖추어졌다고 보기 때문입니다. 물론 큰 기업에서는 반드시 내재화시켜야할 기능들이 있겠지만, 개방형 혁신의 자세로 외부의 기술을 ‘빌려’쓰려고 작정하면, 거의 매달 무궁무진한 자동화, 지능화 기능이 배포되고 있는 것이 지금의 생태계입니다. SaaS, PaaS가 제공하는 개별 엔진, 유료 API 서비스 등을 이용하면 ‘그런 게 돼?’ 라고 할만한, ‘언감생심’이었던 일들이 아주 적은 비용 투입으로 구현되기도 합니다.
저희 언노운데이터만 해도 작은 회사입니다만, 구글 클라우드 플랫폼의 서비스를 이용하여, 많은 분석과 데이터 전처리를 수행하고 있습니다. 이를테면, 저희뿐 아니라 많은 회사들이, 구글의 BigQuery가 없었다면 테라바이트 페타바이트 단위의 비정형 데이터 조직화 및 관리를 지금과 같이 손 쉽게 할 수 없었을 것입니다. 이전 같았으면 분산 처리나 호출, 연산 효율화 기술을 직접 개발해야했을텐데, 이제는 세계 최고의 구글 엔지니어들이 만들어놓은 것으로 ‘빌려다가’ 쓸 수 있습니다.
정말 세상 좋아졌다는 것을 느낍니다. 심지어 직접 하드웨어 서버를 운영하는 것에 비해 비용도 훨-씬 저렴합니다. 클라우드가 만들어내는 ‘규모의 경제’ 때문에 가능한 일이겠죠.
CEO가 모든 기술의 개별적 적용을 모두 낱낱이 이해할 필요는 없을지라도, 디지털 트랜스포메이션과 데이터 경영에 의지를 갖고 있다면, 그것을 가능케 하는 기술의 원리와 목록은 이해하고 있어야 한다고 생각합니다. 저는 한 번 더 감히 예측하건데, 10여 년 정도 지나면 경영학 교과서의 많은 부분이 바뀌지 않을까 합니다. 데이터 기반 의사 결정과 자동화가 보급되면, 인력이 필수 자원으로 여겨졌던 많은 일들이 변화할테니까요.
돌이켜보면, 대단히 자동화까지 가지 않아도 경영을 위한 의사결정에서 이렇게 ‘데이터’를 따지게 된 것도 최근 10여 년 사이 크게 변화한 것입니다. 경영 사항에 대해 보고할 때에 시각화된 차트를 기본으로 붙이고, 성과 지표 외의 기반 raw data를 요구하고, 모집단(population)을 따지며 묻고 하는 일도, 10여 년 전의 경영 환경에서만 보아도 아주 흔한 일이 아니었습니다. ‘매출 얼마야?’는 물어봤지만, ‘고개 행동 데이터 지표는?’은 많이 묻지 않았죠.
변화는 늘 생각보다 더 빨리 올 수 있습니다. 먼저 CEO가 CDO로 거듭나는 기업들에 더 큰 기회가 있으리라 믿습니다.
파트너십 문의: query@unknowndatacorp.com
