by
Jul 22. 2019
어떤 경우에 thick data적으로 분석할 것인가?
사람과 사람, 사람과 사물간에 관계와 상호작용의 강도가 중요
빅데이터 적용의 실패사례
노키아는 아이폰이 출시되기 직전 전세계 1억명 이상의 고객 정보를 분석했지만 스마트폰의 대세를 짐작하지 못했다(*글로벌 컨설팅회사와 당시 피처폰 회사의 데이터 분석에서 나타나지 않았음) . 또한, 윈도우 8은 개발비 10조원을 들여서 메트로UI(*큼직한 타일들을 배치한 디자인으로 스마트폰, 테블릿, PC등 환경에서 터치 및 조작이 적합한 User Interface)라는 파격적이며 그 이후 디지털 UI디자인의 트랜드를 바꿔버린 혁신을 보여줬지만, 사용자들이 익숙해져 있던 '시작(start)버튼' 같은 사소한 고객경험을 무시하여 실패하였다.
빅데이터 적용의 성공사례
반면 미국의 한 여고생 딸을 둔 아버지가 타겟(Target) 매장에 찾아가서 항의를 했다. 여고생 딸에게 임산부용 쿠폰을 보낸 것에 격분해서 였다. 그러나 며칠 뒤 그 아버지는 딸이 임신 3개월인것을 알게 됐고, 그 매장에 찾아가서 정중히 사과했었다. 2013년도 뉴욕타임스에 보도된 기사로서 고등학교 여학생의 구매패턴을 분석해서 다른 여고생과 다르게 출산용품을 구매하는 것을 알게되고, 임신여부를 알아낸 것이다. 구글은 2008년 부터 '독감 트렌드' 정보를 제공했다. 특정 지역에서 발열이나 김침 등 독감 관련 검색이 늘어나는 빅데이터를 분석해서 독감을 예보하는 방식이었다. 병원이나 각 주 건강관리 부서의 보고에 의존하고 있는 미국 질병통제센터보다 2주 먼저 감기 발생 지역을 찾아내는 성과를 거뒀다. 빅데이터의 가능성과 미래를 보여주는 대표적인 케이스들이다.
4가지 사례들은 모두 세계 최고의 기업에서 철저하게 데이터를 분석하여 진행한 경우이다. 하지만, bigdata적 접근이 적합(성공)할 때도 있었고, 그렇지 않은 경우(실패)도 있었다. 여기에 나타나는 데이터의 특징은 무엇인가?
빅데이터 적용 실패사례 원인 분석
무선방식으로 휴대할 수 있는 전화기가 보편화된 이후 휴대폰은 개인의 삶에 다양한 관계를 맺고 상호작용을 하고 있다. 비싼가격이지만, 대부분의 현대인들은 휴대폰이 없는 일상을 상상할 수 없다. 성별, 나이, 취향에 상관없이 좀 더 좋은 휴대폰을 사용하고 싶어하고 자랑하고 싶어한다. 이러한 과정에서 다양한 목적과 의도로 관계를 맺게되고 그로인한 상호작용은 상당히 강하다. 이 경우 사람과 전화기, 전화기를 매개로한 사람과 사람의 관계와 상호작용이 강한 경우여서 휴대폰에 대한 선호도 등을 묻는 설문이나 휴대폰 이용패턴 등에 대한 광범위한 빅데이터 조사에서는 휴대폰으로 인하여 발생하는 동적 관계에 대한 데이터는 의미있는 데이터(스마트폰으로의 패러다임 변화)가 패턴화되지 못했던 것이다.
MS사의 윈도우8도 상당한 관계와 상호작용이 존재하고 있다. 업무적이거나, 시간때우기, 커뮤니케이션, 오락 등 다양한 관계속에서 일방적인 방식이거나 상호적이거나 메시지 등을 주고 받는 등의 여러가지 상호작용이 크게 발생한다. 이 경우는 사람들이 선호하는 기술 및 서비스 트랜드, 이용시간, 제품 및 서비스의 가격 등에 관한 빅데이터에서는 지금까지 MS사의 OS를 이용해 왔던 고객들의 경험속의 상호작용이 나타나지 않았던 것이다. MS사의 OS를 사용할 때는 MS사에서 그래픽 기반 OS인 윈도우 시리즈를 선보인 후 줄 곳 익숙해져 있던 관계와 상호작용의 시작이던 왼쪽 하단의 시작(start)버튼이 없었던 것이다.
빅데이터 적용 성공사례 원인 분석
타겟(Target)의 데이터들은 여고생이 소매점에서 기존에 사던 물건이 아닌, 임신 여성에 필요한 것들을 구매하는 데이터를 분석했다. 물건을 선택하고, 비용을 지불하는 상황은 광고 등으로 접한 정보를 스스로 결정하는 과정으로 다른 사람들과의 관계나 상호작용적 고려의 요소 등이 거의 없었다. 또한, 구글의 '독감 트렌드'데이터도 검색했던 결과값을 일방적으로 해석한 것이지 발생과정에서 다른 사람들이나 또다른 사물과의 관계가 일어나거나 상호작용이 발생하는 부분은 크지 않았다.
즉, 2가지 경우에서 고객과 타겟 매장, 구글 검색과 이용자 사이에는 관계와 상호작용이 없던것은 아니지만, 크지 않았다는 것을 알 수 있다. 성공하는 빅데이터 적용사례들이 대부분 이러한 관점에서 발생하는 데이터를 분석하고 적용한 경우다.
'사람과 사람', '사람과 사물'간에 '관계와 상호작용이 강한 경우'에서 발생하거나 수집할 수 있는 데이터 분석에서는 thick data적 접근이 중요
여기서 알 수 있는 것이, 무조건 많은 데이터를 디지털화하고 수치화하여 분석한다고 좋다는 것이 아니라 경우에 따라서는 감성과 같은 수치화되기 어려운 값을 수집하고, 해석하는 것이 중요하다는 것이다. 위에서 설명한 것처럼 '관계와 상호작용의 강한 상태'의 데이터를 thick data라고 할 수 있다.
빅데이터의 활용가치는 데이터 안에 숨어있는 가치있는 정보의 의미가 궁금하기 때문이다. 여기서 주목해야 할 부분은 숨어있는 정보가 반복되는 패넡에 숨어있다면 다행이지만, 그렇지 않은 경우가 문제가 된다. 피처폰이 대세이던 시절에 스마트폰의 대중화에 대한 패턴이 빅데이터 분석에서 나타나지 않았듯이 패턴화 되지 않은 정보에서 인사이트가 나타날 확률이 존재한다. 이 의미는 사람을 중심으로 관계와 상호작용이 작은 경우는 빅데이터접 접근이 적합하지만, 자주 일어나지 않는 사건의 데이터와 같이 예측과 측정이 어려운 정보, 불확실성이 증대하는 정보에 대해서는 다른 대안이 필요하다는 결론이다.
'사람과 사람', '사람과 사물'간에 관계와 상호작용이 강한 경우에서 발생하는 데이터들은 과거의 수 많은 데이터들을 분석해서 예측하는 것보다는 현재의 관계와 상호작용을 깊이있게 들여다보는 thickdata적 접근으로 데이터를 수집, 분석, 가공하는 것이 더 효과적이다.
Thick (두꺼운) data 개념왜 deep이 아니고, thick인가?
그렇다면 thickdata를 심리학적 관점에서 뇌파 등을 측정하여 객관화하는 인지과학적 접근은 어떨까?
사람들은 표현하지 않지만 가지고 있는 독특한 특성이 있는데, 이것이 자주 나타나지 않기에 측정하기 어렵고 그와 같은 상황이 발생하려면 누군가와의 관계와 상호작용이 있어야 하는데 그래서 그 경우수가 적다. 인지과학적 접근의 특징은 한명의 사람을 중심으로 깊이있게 보는 방식이지만, 의미있는 데이터가 추출되는 경우는 사람들이 맺는 두꺼운 관계속에 유의미한 정보량이 존재하고 있다.
Thick하게 보는 관점과 Deep하게 보는 관점의 차이경험데이터 기반의 고객분석 서비스, I Know You_AI
