데이터로 돈을 버는 기업, 돈을 쓰는 기업
인공지능을 한다고 모두가 돈을 버는 것은 아니다
데이터로 만들 수 있는 비즈니스 모델이 다양한 만큼 데이터를 다룬다고 모두가 돈을 버는 것은 아니다. 데이터의 세계에서는 철저히 돈을 쓰는 기업과 돈을 벌어들이는 기업으로 나누어진다. 언뜻 '데이터 혁신'을 생각할 때 가장 먼저 떠오르는 기업들인지라 당연히 데이터로 돈을 벌고 있을 거라 생각할 수 있다. 반은 맞고 반을 틀리다. 데이터로 소비자에게 특별한 서비스를 제공한다는 건 그만큼 기업이 데이터에 돈을 많이 투자하여 지출을 하고 있다는 소리와 같기 때문이다.
크게 데이터에 돈을 '쓰는' 기업과 돈을 '버는' 기업으로 단순하게 나눠서 생각을 해볼 수 있다. 먼저 데이터에 돈을 쓰는 기업은 사용자에게 서비스, 제품을 판매하는 비즈니스 업체들을 대부분이다. 이들 기업은 데이터로 비즈니스 모델을 만들어 소비자에게 새로운 서비스나 제품을 판매한다. 운전할 때마다 나에게 맞춤형 인공지능 비서 서비스를 제공해 주고, 시위 상황, 폭우, 폭설에 따른 실시간 교통상황을 반영한 내비게이션 정보를 제공하면서 사용자와 유대관계를 강화한다. 맞춤형 서비스에 대한 만족도가 올라갈수록 사용자의 충성도는 같이 올라가게 되지만 그만큼 맞춤형 서비스를 하기 위한 데이터 인프라 투자가 필수적이다.
데이터에 돈을 쓰는 기업들을 데이터로 기업의 효율적인 방안을 찾기도 한다. 가장 최적의 구매 가망 고객을 찾기 위해 고객 세분화를 하거나, 세분화된 고객층을 자동으로 추론해보기도 한다. 자동으로 추출된 고객의 행동 전후 맥락을 알아보기도 하고 특정 고객이 어떤 행동을 많이 하는지 찾아보기도 한다. 고객군을 탐구하면서 때론 적절한 타겟층에 마케팅을 하기도 하고, 서비스를 개선하기도 한다. 적합한 고객층을 잘 찾았다면 마케팅 효율을 올라가게 되면서 그동안 퍼붓던 마케팅 비용을 줄여나갈 수 있다. 서비스 역시 새로운 서비스를 발굴하고자 했던 고객조사, 동향 조사를 데이터가 자동으로 대체하면서 경영 효율화 효과를 얻을 수 있다. 물론 이렇게 아름다운 결과는 해당 기업이 일단 데이터에 돈을 써야만 가능한 일이다.
데이터 BI (Business Intelligence) 즉, 보여주고 인사이트를 제공하는 툴인 태블로그럼 돈을 버는 기업은 어떤 기업일까? 기술을 제공하는 기업들은 데이터로 인해 돈을 버는 기업들이다. '데이터 비즈니스'에서 전면에 보이진 않지만 데이터, 인공지능이 많이 활용되면 될수록 뒤에서 웃으며 돈을 벌 수밖에 없는 회사들이다. 이들 기업은 돈을 '쓰는' 기업들에게 인프라를 제공하거나, 소프트웨어, 서비스를 제공하면서 돈을 번다.
HW 인프라는 클라우드 컴퓨팅, 수많은 데이터를 빠르게 동작시키는 칩셋, GPU 등이 있다. 인텔, 엔비디아, 시스코와 같은 업체들이 대표적이다. SW나 서비스의 경우 데이터를 분석하거나, 시각화, 데이터 컨설팅 등을 제공하는 업체로 세일즈포스, 마이크로소프트와 같은 업체들이 대표주자이다.
어도비 Data Analytics
어도비의 이미지 생성툴 파이어플라이극단적으로 2개의 부류로 나눴지만 대부분의 기업들의 데이터를 바라보는 관점은 혼합적이다. '어도비'의 경우 데이터 분석과 컨설팅을 하면서 동시에 저절로 그림을 그려주는 신규 서비스 '파이어플라이'를 출시하였다. 수년 전부터 데이터 분야에 과감히 투자하는 전략을 구사하면서 동시에 기업의 동력으로 활용하고 있다.
겉으로 보기에는 데이터로 맞춤형 서비스도 만들어주고, 수많은 데이터 기반으로 내가 원하는 대로 글과 그림을 그려주는 서비스가 가장 각광을 받는 것처럼 보인다. Chat GPT에 모두가 열광하고 사용할 때 뒤에서 서비스 인프라를 받쳐주는 회사들이 웃고 있었다. 소비자에게 새로운 서비스를 보여주고 산업이 태동하기 위해서는 인프라가 구축돼야 한다. 데이터를 분석하고 시각화하여 보여줄 수 있는 툴도 기반이 돼야 한다. 보이지 않는 기업들이 뒷받침돼야만 서비스가 가능하다.
무조건 '인공지능', '데이터' 분야는 돈이 될 것이다라는 판단은 위험할 수 있다. 먼저 돈을 버는 인프라 영역인지, 나중에 꽃을 피우는 데이터기반 신규 서비스인지에 따라 돈을 벌 수도 있고 아닐 수도 있기 때문이다. 데이터 비즈니스 모델을 만들 때 과연 어떤 포지션으로 데이터를 바라볼 지에 따라 수익화를 할 수 있는 목표 시간, 수익예상 시점이 달라질 수밖에 없기에 '수익화'에 대해서는 다각도의 검토가 필요하다.
