기업 내 쌓이는 데이터 어떻게 활용할까?
데이터를 어떻게 분석할까 전에 왜 분석하지에 대한 답부터
우버와 카카오택시, 티맵에는 어떤 데이터들이 쌓이고 있을까. 마켓컬리와 쿠팡에는 어떤 데이터들이 기록되고 있을까. 배달의민족과 토스, 카카오페이에는 어떤 정보들이 쌓이고 있을까. 기존 콜택시 업체나 내비게이션, 이마트, 상가수첩, 은행에는 어떤 데이터들이 쌓였을까. 그렇게 수집된 데이터들을 어떻게 활용하고 있을까.
카카오택시에는 누가, 언제, 어디서, 어디로, 어떤 경로를 이용해 어떤 택시를 타고 이동했는지 데이터가 수집된다. 이렇게 수백만 명의 택시 호출 정보들이 쌓이면서 카카오택시는 어떤 시점에 주로 어디서 어디로 이동하려는 택시 수요가 많은지를 예측할 수 있다. 또한, 택시들의 이동 속도도 측정할 수 있어 어떤 도로가 막히는지도 추정할 수 있다. 이런 데이터 덕분에 좀 더 효율적으로 택시를 배차하고 사용자들에게 모빌리티 정보를 추천할 수 있다.
쿠팡에 쌓이는 데이터는 어떤 주소에서 무슨 물건을 구매하는지에 대한 정보들이다. 이런 데이터를 분석하면 무슨 물건이 어떤 시점에 소비가 늘고, 어떤 브랜드가 사람들에게 인기 있는지를 실시간으로 추적할 수 있다. 더 나아가 어떤 물건을 산 사람들은 다음번에 어떤 물건을 구매하는지도 추정할 수 있다. 그런 데이터 덕분에 수요 예측을 해서 효율적으로 상품 매입을 하고 판매 계획을 수립할 수 있는 것이다.
이렇게 데이터 기반으로 비효율을 제거하고 새로운 고객 가치가 만들어지면서 기존 전통 기업의 경영진들은 데이터를 부르짖으며 고객 데이터를 수집해서 분석하라고 특별 지시를 내리며 전담 부서를 만들거나 관련된 컨설팅, 아웃소싱에 나서며 투자를 하고 있다.
그런데 그렇게 중요하다고 하는 데이터를 그간 왜 그렇게 신경 쓰지 않다가, 왜 지금에 와서야 신성시하게 된 걸까. 데이터를 이용해 어떤 가치를 만들고자 그런 투자를 하겠다는 것일까. 남들이 중요하다고 하니까 편승해서 목적도, 방법도, 수단도 그리고 어디에 활용해서 어떤 가치를 얻을지를 체계적으로 고민하지 않고 데이터 수집과 분석에 뛰어드는 것은 아닌가. 거기서 문제가 발생한다.
데이터를 사업 혁신에 활용하기 위해서는 그저 기술적으로 데이터를 수집, 분석하는 것만이 중요한 것은 아니다. 데이터의 분석을 통해 어떤 비즈니스 가치를 만들고자 하는지에 대한 정의부터 시작해야 한다. 그 목적을 명확하게 한 후에 현재 수집되고 있는 데이터의 부족한 부분과 추가로 측정해야 하는 데이터에 대한 파악을 해야 한다. 그리고 그런 데이터를 어디서 수집을 해서 어떻게 분석할 것인지 시스템에 대한 구축 방안을 수립해야 한다.
그런데 분석 시스템에 대한 설계와 투자의 의사결정은 쉽지 않다. 이럴 때에는 데이터 분석을 통해 얻고자 하는 목적에 맞는 작은 과제들을 발굴해서 가볍게 시도해보면서 회사의 수준과 규모 그리고 데이터 분석의 목적에 맞는 분석 시스템을 찾는 게 방법일 수 있다.
이후 실제 분석 시스템을 통해서 얻게 되는 다양한 산출물을 실제 사업적 가치로 만들어내기 위한 사업 현장과 데이터 분석 부서 그리고 경영진간 협의체를 구성해야 한다. 이를 통해 데이터 거버넌스가 수립되어야 실질적으로 데이터의 측정, 수집, 축적, 분석, 활용에 대한 선순환의 구조가 탄탄해지며 데이터 중심의 사업 혁신이 체계적으로 추진될 수 있게 된다.
이와 같은 프로세스의 고려 없이 그저 경영진이 데이터의 중요성을 어디서 보고 듣고 와서 회사에 기계적으로 도입하고자 하면 재앙을 만나게 된다. 회사 수준에 맞지 않은 과한 기술 투자를 하거나, 데이터 분석을 통해 얻게 된 인사이트가 사업에 실질적 도움은커녕 분란과 논쟁만 야기하게 된다. 장기적으로 전혀 도움이 되지 않는 데이터를 잘못 수집해서 쓰레기 데이터만 클라우드에 쌓여서 헛돈만 쓰게 될 수도 있다.
또한, DDDM에 있어 중요한 것은 조직 전반에 데이터 기반의 의사결정 체계를 가져가기 위한 역량개발 교육과 문화 그리고 의사결정 프로세스의 개선이다. 데이터를 비즈니스에 활용한다는 것이 정해진 기간 내에 순차적으로 처리되는 것은 아니다. 추가적인 데이터의 측정이 필요하면 이를 위해 고객 접점에서 새로운 데이터의 수집을 위한 준비를 해야 하며, 가치 있는 시사점을 도출하기 위한 데이터 분석 과정에 여러 데이터들을 교차 분석하며 현장의 비정형 정보와 결합한 협업이 요구된다. 그렇게 나온 결과가 실제 사업 일선에 적용돼 실행되기 위해서는 추가적인 데이터 분석, 시뮬레이션, 예측 등이 수반되어야 한다. 그렇기에 DDDM은 어느 한 부서의 역할이 아니라 회사 전반적인 문화가 이를 지원해야 효율적인 성과로 이어진다.
특히 유념해야 할 것은 이미 오랜 기간 사업을 하면서 고객 데이터를 수집해서 이를 분석에 바로 활용할 수 있다는 생각은 착각이라는 것이다. 기존에 수집하던 데이터가 데이터베이스로서 의미 있게 쌓이고 있는지, 기준 정보에 대한 정의는 제대로 되었는지, 이를 시스템으로 분석할 수 있을 만큼 체계적으로 분류가 되어 있는지를 점검해야 한다. 대개의 경우 그렇게 제대로 수집되지 않은 경우가 많다. 게다가 추가적인 데이터를 수집해야 의미 있는 분석이 가능한데 그런 데이터를 추가 수집하는 것이 불가능하거나 어려운 경우도 많다.
내비게이션, 상가수첩에서 수집하던 데이터와 티맵, 배달의민족에서 수집하는 데이터는 근본적으로 다르다. 그러므로 비즈니스 혁신을 위해 DDDM을 추구하고자 한다면 우리가 쌓고 있던 데이터의 한계를 직시하고 어떤 목적을 위해 앞으로 어떤 데이터를 어떻게 수집할 것인지, 사업 현장과 관련 부서와 어떻게 데이터 기반으로 의사결정을 함께 해갈 것인지에 대한 거버넌스와 체계를 수립해야 한다. 특히 새로운 가치를 만들기 위해서는 기존에 수집하던 것보다 더 정교하게 의미 있는 데이터를 추가로 수집해야 할 수도 있는 만큼, 이를 어떻게 추진할 것인지에 대한 사항도 유념해야 한다.
☞ 과연 여러분의 회사에서는 이렇게 Data에 기반해 의사결정을 하고 있는지 자문해보자. 개인의 직감이나 경영진의 개인적인 의견만으로 판단하고 있지는 않는가? 여러분의 기업에는 어떤 Data가 수집되어있고 그것을 어디에 저장해서 누가 언제 어떻게 분석하고 있을까? 부족한 Data는 어떻게 측정할 수 있고 이를 수집하기 위해서는 어떤 부서에서 무엇을 준비해야 할까? 이것이 DDDM의 첫걸음이다.
데이터를 클라우드에 쌓으며 기술적인 인프라를 담당하는 데이터 엔지니어와 이런 데이터를 분석해서 현장이나 경영진에 유의미한 정보를 추출해 시사점을 정리하는 데이터 사이언티스트가 데이터 관련 업무를 보는 사람들이다. DDDM은 이들이 중추적 역할을 하지만 만일 사업 현장과 의사결정권자가 함께 이들과 코웍을 하지 않으면 어렵게 수집한 Data와 힘들게 분석한 시사점이 실제 경영에 중요한 도움을 주지 못한다. 그러므로, DDDM의 전 과정에 현장과 의사결정권자가 Data 전담 인력과 함께 데이터의 측정을 시작으로 분석 결과를 활용하는 전 과정에 대해 서로 공유하며 데이터 중심의 의사결정을 해가는 문화를 만들어야 한다. 디지털 기술이 일상과 사회, 산업 전반에 확산되기 시작하면서 더욱더 많은 Data들이 수집될 것이고 21세기의 금광이라 불리는 이 Data를 잘 활용하는 기업이 보다 빠르게, 더 많은 성과를 만들어낼 것이다. 그런 이유로 Data Technology 즉 데이터 기술의 시대 DT가 중요한 패러다임이라고 말하는 것이다.
지금 우리 기업이 속한 산업에서 디지털 기술 기반의 어떤 혁신이 벌어질 수 있을까. 그것을 어떻게 우리 기업이 주도할 수 있을지를 고민하는데 있어 가장 먼저 할 수 있는 것이 바로 DDDM이다. 이미 하고 있는 우리의 사업에서 수집되고 있는 고객, 시장 데이터를 확인하고 이를 어떻게 사업 혁신에 활용할 수 있을지를 고민해보자. 그 고민을 하면서 추가로 필요로 하는 데이터를 정의하고, 사업 혁신에 활용하기 위해서는 데이터를 어떻게 분석해 사업의 주요 의사결정과 비즈니스 모델에 이용할 것인지 생각해보는 것이 디지털 트랜스포메이션의 첫걸음이다.
✍ 도서 추천 : IT사용설명서
http://www.yes24.com/Product/Goods/103335265
