(2) 데이터로 일하기 어려운 현실세계
팟캐스트 데이터홀릭 리뷰 - Ep(8) 생각보다 어려운 데이터로 일하기
'데이터로 일하기' 생각보다 별거 아닌 것 같고 당장 내일 출근해서 시작할 수 있을 것 같습니다.
그런데 왜 지금까지 데이터로 일하지 못하고 있을까요?
실무에서는 무엇이 걸림돌이 되길래 데이터로 일하기는 어렵다고 할까요?
분명히 데이터로 일하는 것은 합리적이고 지금보다 나은 일하는 환경을 만들어줄 수 있을 것 같은데 왜 잘 안될까요? 그리고 그 어려운 부분들은 어떻게 극복할 수 있을까요?
1. 듣보데 (듣도 보도 못한 데이터 문화)
업무를 하면서 엑셀이나 R, Python을 사용한다고 해서 데이터로 일하는 것이 아닐 것입니다. 데이터로 일하는 것은 단순한 기술의 변화가 아닌 문화의 변화라고 봐도 무방할 만큼의 근본적 변화입니다. 데이터에 기반한 합리적인 의사결정과 수치에 의한 평가와 보상의 과정이 기존과는 본질적으로 다르기 때문입니다. 특히 우리나라의 기업문화는 수직적 군대식 상명하복의 경직된 구조인 경우가 많습니다. 그래서 좋은 사례를 보고 배우는 경험 역시 적습니다.
사례와 경험의 절대적 부족은 변화를 주도하는 입장에서 매우 부담스러운 상황입니다. 선도해야 하기 때문입니다. 하지만 최근 수년 사이에 스타트업을 중심으로 많은 변화가 시작되어 좋은 성과를 만들어 내는 사례가 누적되고 있고, 전통적인 기업들에서도 이를 조금씩 받아들이고 있는 조짐이 보이는 것은 매우 고무적인 현상일 것입니다. 따라서 변화를 시작하기 위해서는 다양한 사례를 수집, 분석하여 벤치마킹하고 이를 변형 적용하는 과정은 데이터로 일하기 위한 중요한 과정이 될 것입니다.
2. 설득과 공감의 벽을 넘어 꿈과 희망의 세계로
변화와 혁신은 누구에게나 반가운 일은 아닙니다. 이는 다른 구성원들에게는 폭력적으로도 다가올 수 있기 때문에 신중하고 조심해야 합니다. 데이터로 일하는 것은 나뿐만 아니라 많은 구성원들에게도 변화를 가져오기 때문에 설득을 통함 공감을 이끌어 내야 합니다. 그리고 이 과정은 결코 만만치 않습니다.
공감을 이끌어내기 위한 최대한의 노력을 기울여야 합니다. 리포트를 제출했을 때 상사가 P-Value에 의한 의사결정에 대해서 왜 그래야 하는지?' 질문을 한다면 대답할 수 있어야 합니다. 변화를 주도하는 입장이라면 다양한 시나리오와 깊은 준비가 되어야 합니다.
전략적으로 접근할 필요가 있습니다. 한 번의 데이터 분석으로 조직의 기존 의사결정을 뒤집고 반박하는 혁명적이고 공격적인 프로젝트보다는 불편함을 해소하고 인지하지 못하던 불합리함을 느끼게 하는 프로젝트부터 접근하여 상호 간의 신뢰를 형성하는 것이 우선이 되면 탄력을 얻을 수 있지 않을까요?
공감이 곧 성과일 수 있습니다. 2013년 서울시의 '심야버스 노선(올빼미 버스)'사업은 교통 데이터와 KT 통신 데이터를 활용한 좋은 정책사례로 꼽히고 있습니다. 그런데 이 사례에서 특히 주목할만한 점은 데이터를 활용한 정책결정이 설득과 공감의 역할을 해주었다는 것입니다. 버스노선의 개편은 많은 이해관계자가 있기 때문에 쉽지 않은 사업인데 데이터 분석의 결과는 설득을 할 수 있는 객관적 근거가 되어 정책의 집행을 그 합리적 목적을 다하도록 가능하게 했다는 것입니다. 데이터로 일하기 위한 설득을 먼저 데이터로 일함으로써 가능하게 된 사례라고 생각됩니다.
3. 빨리빨리빨리! 한국사람은 빨리빨리빨리!
어떤 조직이든 저마다의 목표가 있고 특히 사기업은 이윤을 추구하는 것이 궁극의 목표입니다. 그리고 조직 구성원은 조직의 목표를 위한 일을 해야 하다 보니 성과를 내지 못하는 것은 곧 조급함으로 다가올 것입니다. 하지만 데이터로 일하는 것은 가설과 실험 그리고 학습의 반복이고 이는 매우 고통스러운 과정일 것입니다. 가시적인 성과를 내지 못한다고 해서 조급해하기보다는 단기, 중기, 장기 프로젝트로 구분하는 것도 방법이 될 것입니다. 원대하고 방대한 장기 프로젝트를 목표로 하면서 당장 이번 주 이번 달에 성과를 내지 못한다고 해서 실패로 치부하는 것은 결국 이후의 모든 시도를 막는 행위밖에 되지 않습니다. 경험이 축적되어야 합니다. 모든 게 새로울 수 없고 혁신은 자주 나타나는 일이 아닙니다.
4. 데이터는 만능의 도구가 아니다.
데이터로 일하는 것은 분명히 장점이 많습니다. 하지만 데이터로 일한다고 해서 수년간 해결하지 못하던 우리 회사의 난제가 해결되고, 모든 일의 효율이 급격히 좋아지지 않는다는 것을 인식해야 합니다. 데이터로 일하는 것은 시작이고 과정이지 그 자체가 즉시 가시적인 결과를 만들 수는 없습니다. 하지만 분명히 이전의 일하는 방식보다는 일을 해결하고 효율이 높아질 확률은 크게 높아질 것입니다.
5. Anyone can cook!? 데이터 근육을 키우자!
디즈니 애니메이션 '라따뚜이(Ratatouille, 2007)'의 주인공 생쥐 레미는 사람의 말과 글을 이해하는 신통방통한 재주를 지녔습니다. 레미는 존경하는 셰프 구스토의 'Anyone can cook!' (누구나 요리할 수 있어요!)이라는 격언에 자신감을 얻게 되어 거침없는 모험 길에 나서게 됩니다. 하지만 현실세계에서는 누구나 요리할 수 있지만, 누구나 요리를 하지 않습니다.
데이터로 일하려면 데이터를 다룰 줄 알아야 합니다. 물론 모두가 R이나 파이썬을 위시한 스크립트 방식의 도구를 사용할 줄 아는 환경이라면 더욱 좋겠지만, 그렇지 않더라도 엑셀과 같은 대중적이고 보편적인 도구를 다룰 줄 알아야 합니다. 목적을 달성하기 위해서 필요한 수준의 능력을 갖추는 것은 필수 불가결한 요소입니다. 현업에서는 엑셀이라고 하더라도 데이터 분석 도구로써 활용할 줄 아는 실무자는 생각보다 많지 않습니다.
데이터로 일하기 위해서 커뮤니케이션을 통한 문화를 만들어 가는 것은 당연히 중요하지만 그보다 앞서서 데이터를 다루는 역량, 데이터 근육을 키워야 합니다. 특히, 비개발자, 문과 출신이 대거 포진한 조직이라면 더욱 전략적으로 움직여야 할 것입니다. 물론, 기업은 교육기관이 아니지만 목표를 달성하기 위해 모두가 필요로 하는 교육이라면 개인에게 과제로 부여하기보다는 구색 맞추기가 아닌 실제로 우리 조직에 필요한 프로그램을 만들어서 함께 성장할 수 있어야 하겠습니다.
6. 아, 다르고 어, 달라요.
'바담 풍(風)'이라고 해놓고 '바람 풍(風)'이라고 인식하기를 바란다면 잘못된 시스템이기를 원하는 것입니다. 같은 일을 하는 조직과 구성원 사이에 다른 용어를 사용한다면 이는 잘못된 데이터로 일한 결과 막대한 혼란이 생길 수밖에 없습니다. 자동차 등록사업소에서 등록된 자동차 정보를 데이터화하는 과정에서 어려웠던 것 중 하나가 자동차의 색을 표현하는 문구가 굉장히 많았다는 부분이라는 사례가 있습니다. 하얀색을 표현하는 데에 흰색, 백색 등 너무도 다양한 표현이 있었다는 것이죠. 이 또한 어떤 기준이 없었기 때문일 것입니다.
이러한 혼란을 막고 정확한 데이터로 일하기 위해서는 메타데이터가 반드시 필요합니다. 메타데이터는 데이터를 설명하는 데이터 즉, 데이터셋에서 변수의 이름과 기능을 설명하는 기준이고 지침이 되는 자료입니다. 조직에서는 현업이 멈추는 각오를 하더라도 이것을 바로잡는 과정을 거칠 수도 있고, 삐걱 대더라도 천천히 정립해 나갈 수도 있겠습니다. 하지만 메타데이터의 작성과 관리를 업무의 한 과정으로 녹여내는 것이 필요합니다.
비단 데이터로 일하기가 아니라도 대부분의 변화는 쉽지 않습니다. 하지만 명확한 목표와 신념을 갖고, 이를 실행하기 위한 철저한 분석과 연구를 통해서 설득과 공감을 만들어 간다면 절대 불가능한 일 또한 아닐 것입니다.
다음 회에서는 데이터로 일하기 어려운 이유와 돌파구를 생각해 보도록 하겠습니다.
이 글은 데이터 전문 팟캐스트 '데이터홀릭'의 방송내용을 각색하여 재구성한 것입니다.
데이터홀릭 (DataHolic)
Audio
팟빵 | http://dataholic4.github.io/
애플 팟캐스트 | https://apple.co/2M3yFyc
네이버 오디오클립 | http://bit.ly/2YmoEBj
Video
유튜브 | https://www.youtube.com/dataholic4
Contact
이메일 | dataholic4@gmail.com
페이스북 페이지 | https://www.fb.com/dataholic4
