AI와 데이터를 마주한 이들에게 필요한 것
이제 다시 비즈니스의 현장으로 돌아가 보자. 우리는 다양한 문제를 마주하고, 그 문제를 해결하기 위해 ‘데이터’를 활용하고자 한다. 그렇다면 우리가 마주하는 문제는 과연 쉬운 문제일까? 물론 일부는 그럴 수 있다. 그러나 데이터 기반의 사고를 통해 조직에 새로운 원동력과 전략을 제안하고자 할 때, 우리가 해결하려는 문제는 대부분 간단히 답이 나오지 않는 ‘어려운 문제’에 가깝다.
그렇다면 우리에게 정말 필요한 것은 무엇일까? 바로 ‘사고’다. 데이터 이전에, 먼저 생각해야 한다는 사실을 인지해야 한다.
따라서 조직에서 말하는 ‘데이터 기반 의사결정 문화’란, 단순히 데이터로 답을 뽑아내는 환경을 구축하는 것이 아니다. 그것은 데이터를 기반으로 사고할 수 있도록, 조직의 사고방식이 작동하는 환경을 의미해야 한다.
하지만 우리는 여전히 데이터가 내뱉는 답을 기대한다. 그리고 그 답이 마음에 들지 않거나 틀렸다고 판단되는 순간, 데이터에 대한 신뢰는 급격히 무너진다. 많은 데이터 조직이 생겼다가 사라지고, 큰 비용과 시간을 들여 도입한 데이터 활용 도구가 실패로 끝나는 이유 역시 여기에 있다.
실제로 AWS에서 발행한 리포트에 따르면, 데이터 기반 의사결정 문화가 실패하는 주요 원인은 기술이나 자원의 부족이 아니라, 조직 구성원의 행동과 태도 변화의 어려움, 데이터 기반 문화와 의사결정의 부재, 그리고 데이터에 대한 이해 부족에 있다.
즉, 데이터는 답을 주지 않는다. 정확히 말하면, 답만을 내뱉어서는 안 되며 그럴 수도 없다. 전제부터 잘못되었기 때문이다. 어려운 문제를 해결하고자 하는 순간, 우리는 여전히 어떻게 해결할 것인지에 대해 사고해야 한다. 데이터는 그 사고의 과정을 효과적으로 도와주는 수단일 뿐이다.
매출이 부진한 이유, 사용자가 감소하거나 성장한 배경, 사용자가 어떤 콘텐츠에 관심을 보이는지는 이제 데이터로 관찰할 수 있다. 그러나 ‘사용자를 늘려야 한다’라는 어려운 문제 앞에서, 단순한 콘텐츠 조회 수 순위가 이 문제의 답이 될 수 없다. 어떻게 늘릴 것인지는 결국 사고의 영역이기 때문이다. 어려운 문제란 항상 새로운 조건과 환경 속에서 마주하는 문제이며, 과거의 답을 그대로 적용할 수 없는 문제다.
‘데이터는 답을 주지 않는다’는 데이터 기반의 답을 찾으려 했던 데이터 분석가가, 디자인적 사고를 통해 질문을 바꾸게 된 기록이다. 또한 데이터를 통해 사고를 유도하고, 그 사고의 흐름을 설계하는 방법에 대해 고민한 내용을 담고 있다. 이 책 자체도 하나의 ‘어려운 문제’를 마주한 사고의 과정이었다. 이 문제를 해결해 가는 사고의 흐름을 함께 즐겨주기를 바란다.
Davenport, T. H., Bean, R., & Wang, R. (2024). CDO 어젠다 2024: 데이터 및 생성형 AI 프론티어 살펴보기. Amazon Web Services.