loading...

Data Transformation의 시대

Data Transformation의 시대

인터넷 시대의 석유라 불리는 Data는 AI의 마중물이자, 기업 디지털 트랜스포메이션의 근간이나 다를 바 없다. 특히 모든 것이 클라우드로 올라가는 디지털 시대에 마지막 남은 기업 경쟁력의 보루로서 Data를 손꼽고 있기도 하다. 그렇게 기본이자 핵심인 Data를 어떻게 활용해서 기업의 디지털 트랜스포메이션에 성과 창출을 할 수 있을까?

Data Transformation 패러다임

인터넷 비즈니스가 이렇게 크게 성장할 수 있었던 이유는 데이터를 잘 활용했기 때문이다. 일례를 들어, 신문이나 TV 광고와 인터넷 광고의 가장 큰 차이점은 무엇일까? 또, 이마트와 쿠팡을 이용할 때의 가장 큰 차이는 무얼까? 그리고, 내비게이션과 티맵의 다른 점은 무얼까? 모두 데이터를 서비스와 사업에 어떻게 활용하느냐의 차이다. 인터넷 사업은 다양한 종류의 데이터를 측정하고 수집하며, 이것을 사업에 활용해서 상품을 기획하고 마케팅을 하고 사업을 효율화하고 개선시키면서 진화한다. 철저한 데이터 중심의 의사결정과 사업 체계를 가지고 있다.

검색 광고는 특정 상품에 관심을 가진 구매 의사를 가진 사람들만 대상으로 마케팅을 할 수 있도록 해준다. 그렇게 노출한 광고를 누가 봤고, 몇 명이나 확인했으며, 광고를 보고 어떤 액션을 했는지를 추적할 수 있다. 그렇게 광고 효과를 측정하고 다음 광고를 개선하는 데 이용한다. 쿠팡은 어떤 지역에서 어떤 상품이 누구에게 많이 팔리는지, 특정 상품을 구매한 사람이 다음에 어떤 상품을 구매하는지 등을 분석해서 향후에 어떤 상품이 누구에게, 어디서 팔릴 것인지를 예측해 미리 상품을 매입해 창고에 보관하고 배송 준비를 한다. 이렇게 데이터를 기반으로 정교한 소비 예측이 가능하기 때문에 빠른 배송이 가능하고 창고에 재고를 쌓아두지 않아 비용의 효율화를 꾀한다. 티맵은 운전자들의 이동 경로와 차량 속도를 수집하고 분석해서 가장 빠른 실시간 경로를 알려주고 요일별, 시간대별로 목적지까지 이동하는 데 걸리는 시간을 예측해 준다.

카카오페이, 토스, 뱅크샐러드, 렌딧 등의 핀테크 기업들은 금융 데이터를 수집해서 이를 분석해 사용자에게 맞는 최적의 금융 상품을 추천하거나 재테크를 위한 금융 서비스를 제공합니다. 이렇게 다양한 산업 분야에서 데이터를 활용해 사업 혁신에 이용할 수 있게 된 것은 2가지의 기술이 뒷받침되었기 때문이다.

첫째, 이전에는 측정하기 어렵던 데이터의 수집이 쉬워졌다. 스마트폰과 각종 인터넷 서비스, 센서의 발전으로 인해서 정교한 데이터 측정과 이렇게 측정한 데이터를 클라우드에 수집해서 보관할 수 있는 기술이 발전했다.

둘째, 축적한 데이터를 효율적으로 분석할 수 있는 빅데이터 분석 기술이 발전했다. 특히 인공지능 기술의 발전이 데이터 분석의 퀄리티를 개선하고 있다.

자율 주행차가 상용화 수준까지 발전할 수 있는 것은 자동차가 인터넷에 연결되어 차량 주행 정보가 클라우드에 축적되고, 차량을 자동으로 운행할 수 있는 인공지능이 진화하고 있기 때문이다. 인공지능은 데이터를 계속 부어주면 자가 학습을 하며 더 나은 성능으로 진화되기 때문에 갈수록 성능이 더 나아진다.

그런 이유로 기업의 디지털 트랜스포메이션에서 가장 중요한 핵심이자 첫 시작은 바로 데이터이다. AI를 이용하든, 클라우드를 이용하든, 그 어떤 기술을 사용하든 그 기업의 DT 경쟁력의 핵심은 바로 데이터이다. 무슨 데이터를 얼마나 어디에 수집해서 이를 어떻게 분석해 사업에 활용할 것인지가 바로 DT의 핵심인 셈이다. 그러므로, DT 추진 과정에 가장 먼저 시작해야 할 것은 우리 기업은 무슨 데이터를 수집하고 있었는가에 대한 추적이다. 그간 우리가 쌓은 기업 경영활동 과정에서의 데이터는 무엇이었고, 그걸 어디서 어떻게 축적했고 그걸 어떻게 활용해 왔는지를 진단해야 한다.

Cloud
  • IoT - (Data -> AI : cloud)
  • 핵심 tech tool
  • DT
  • 기업 경영 혁신

그 지점에서 아쉬운 점, 한계를 직시하고 앞으로 개선할 사항에 대한 점검을 할 수 있다. 이를 개선하기 위해 어떤 기술이 추가로 필요한지, 그런 기술을 적용하기 위해서는 지금 우리가 가진 데이터의 한계는 무엇인지, 어떤 데이터를 어떻게 더 확보해야 하는지, 그런 데이터를 어디에 얼마나 앞으로 저장해서, 누가 어떻게 분석할 것인지를 정리해야 한다. 사실 기업이 수집해온 데이터 앞으로 추가로 수집해야 할 데이터는 다른 기업이 따라 할 수 없는 그 기업만의 경쟁력이다. 여타의 디지털 기술은 그 어떤 기업이 누구나 똑같이 따라 할 수 있는 것이지만, 데이터만큼은 그 기업 고유의 차별화된 경쟁력이다. 그런 만큼 DT 추진 이전에 기업은 데이터 수집과 분석 등에 대한 전략을 수립해 DT 고도화에 활용할 수 있어야 한다.

음악을 제작해 팬들에게 제공하는 음반 기획사나, 과자를 제조해 마트나 편의점을 통해 소비자들에게 판매하는 제조사라면 음악, 과자를 소비하는 고객들이 어디서, 언제, 어떻게 이들 상품을 구입해서 소비하는지 알아야 한다. 한마디로 누가 무엇을 어떻게 소비하는지 고객 데이터를 수집해서 분석할 수 있어야 상품을 더 많이 판매할 수 있다. 물론 신규 상품을 기획하고 마케팅하는 데 있어서도 이들 데이터가 중요한 역할을 수행하기도 한다. 그런 데이터가 없다면 혹은 있어도 제대로 분석하지 못하고 있다면 그 기업은 지속 성장하는 것은 둘째 치고 앞으로 생존하기 어려울 것이다.

DT의 시작, DDDM

디지털 트랜스포메이션 과정에는 기술이 중요한 지렛대 역할을 하기 마련이다. 기업이 어떤 목적으로, 무슨 영역에, 어떻게 사업 혁신을 하는지에 따라 적용할 기술은 다르기 마련이다. 대체로 AI, Blockchain, Cloud, Data 그리고 Edge computing, 5G, IoT와 메타버스, NFT 등의 기술들이 디지털 트랜스포메이션에서 이용되는 기술 도구들이다. 그중 가장 범용적이며 필수적으로 사용되는 것이 Cloud와 Data이며, 이런 도구의 활용이 보다 성숙해지면 자연스럽게 AI의 도입을 검토하게 된다. 아무래도 매번 일일이 데이터 분석가가 수집된 데이터를 분석하다 보면 시간도 비용도 들고 객관적 사실이 아닌 주관적 의견이 개입될 수 있지만, AI는 그런 면에서 적은 비용으로 정확한 분석 결과를 도출해준다. 게다가 시간이 흐를수록 AI의 분석 기술은 더욱 좋아지니 더할 나위 없다.

그렇게 기업의 경영 활동 과정에서 Data를 쌓고 이를 분석해 회사의 중요 업무 의사결정에 활용하는 것을 가리켜 DDDM 즉 Data Driven Decision Management라고 한다. 그런데, 기술이 발전하면서 그런 데이터는 갈수록 양적으로나 질적으로 좋아지고 있다. 그렇다 보니 디지털 트랜스포메이션을 말하는 DT를 가리켜 혹자는 Data Transformation이라고 말하기도 한다. 그만큼 디지털 트랜스포메이션의 가장 중요한 방법으로 거론되는 것이 데이터라는 것이다. 그래서, 기업이 디지털 기술을 혁신할 때 가장 중요하면서고 기본이 되는 것은 DDDM이라고 해도 과언이 아니다. DDDM은 기업이 의사결정을 하는 과정에 직감이나 리더의 개인적 판단이 아닌 데이터를 분석해서 체계적으로 판단하는 회사의 운영 체제를 말한다. 기업의 디지털 트랜스포메이션 과정에서 가장 범용적으로 적용 가능하고 실질적인 성과를 거둘 수 있는 방법이다. 단, 그렇게 하기 위해서는 회사 내에서 데이터를 체계적으로 수집할 수 있는 시스템을 구성하고, 그렇게 축적된 데이터를 전문적으로 분석할 수 있는 역량이 있어야 한다. 그리고, 그렇게 분석된 내용을 기반으로 실제 중요한 비즈니스 문제를 해결하는 데 활용하고 의사결정에도 적극 도입하려는 경영진의 리더십이 필요하다. 그런 전반적인 시스템이 DDDM이다.

DDDM이 중요하게 대두된 가장 큰 이유는 2000년대의 웹, 2010년대의 모바일 기술 플랫폼이 확산하면서 고객들에 대한 데이터 수집이 용이해졌고, 기업의 경영활동 과정에서 더 정교하게 다양한 데이터들이 축적됨으로 인해서 데이터 기반의 의사결정을 더 자주 정확하게 할 수 있는 계기가 만들어졌기 때문이다. 컴퓨터와 스마트폰에 이어 스마트워치와 자동차 등의 보다 많은 기기들이 인터넷에 연결되면서 클라우드에 더 많은 데이터가 쌓여가고 있다. 그렇게 클라우드에 더 많은 데이터가 쌓여가면서 인공지능으로 이를 효과적으로 분석해 보다 나은 경영활동을 하는 데 참고를 할 수 있게 되었다. 데이터의 시대를 맞이해 어떻게 데이터를 이해하고, DDDM을 통해 효과적인 사업 혁신을 할 수 있는 방법을 알아본다.

데이터 기반의 의사결정 체계를 위한 조직 운영

이렇게 이전에는 측정하기 어렵던 데이터를 수집하고 분석해서 사업에 활용하는 사례가 늘어가고 있다. 마케팅, 유통, 금융을 넘어 최근에는 의료, 제조업, 농업, 임업 등 다양한 분야로 데이터 기반의 의사결정 체계가 확립되어가고 있다.

단, 이와 같은 데이터 중심의 사업 체계를 갖추기 위해서는 기술 외에 회사의 시스템, 문화가 뒷받침되어야 한다. 이미 오래된 전통기업들도 사내에 많은 데이터가 쌓이고 있다. ERP, CRM, SCM 등의 다양한 기업 내 인트라넷과 IT 시스템에 데이터가 있다. 문제는 이렇게 쌓아온 데이터가 체계적으로 수집되지 않고 기준정보가 일관되지 않아 정작 분석하기 어렵다는 점이다. 게다가 분석한 결과를 실제 사업의 의사결정에 효율적으로 이용하지 않아 분석 따로 결정 따로 되기 일쑤라는 것이다. 이렇다 보니 전통기업들은 데이터의 중요성은 인지하지만 정작 이 데이터를 어떻게 분석해서 어디에 활용할 것인지 어려움을 겪는다.

성공적 DDDM(data driven decision management)의 추진을 위해서는 기술 투자 외에 고정관념의 탈피, 의사결정 프로세스의 혁신 등 일하는 문화의 변화가 수반
  • data 활용의 목적을 명확히 한 후, 기준 data 정의 > 작고 다양항 데이터 분석 과제 발굴 -> 시행착오 >it infra인 cloud,ai 등 기술 투자 >
  • 사업 현장 ⁢ ->기술, top ⁢ ->bottom 간 간극 해소를 위한 data 거버넌스와 협의체 마련 >
  • 프로세스와 business function별 효율화에 적용 >
  • product, 신사업, BM에적용하여 영역 확대
  • 전사 교육/켐페인을 통한 일하는 문화로 정착
  • data 측정 > 수집 > 축적 > 분석 > 활용

데이터 기반 체계를 갖추는 것은 기술만으로는 불가능하다. 기술은 도구일 뿐이며 결국 이 도구를 사용하는 체계가 갖춰지지 않으면 따로국밥이 될 수 있다. 그래서, DDDM을 추진하는 과정에서 기술을 활용할 수 있는 조직체계와 프로세스, 의사결정 문화를 갖추는 것이 중요하다. 이같은 측면에서 애자일한 조직 체계에 대한 관심이 커져가고 있다.

Agile 조직은 민첩하게 사업을 운영하는 조직체계를 뜻하는 것으로 주로 프로그래밍을 하는 개발 업무에 적용하던 방식이다. 주로 이같은 조직체계는 빠른 업무 추진력을 필요로 하는 스타트업과 기술 혁신이 사업의 중요한 성공요소인 인터넷 기업에서 적용되어오고 있다. 그런데 최근 들어 애자일 조직 체계가 굴뚝 산업인 금융, 제조, 에너지 등의 분야와 덩치 큰 대기업들에도 스며들고 있다. 왜 애자일 조직에 대한 관심이 급증하고 있는 것일까?

비즈니스의 모든 변화는 사람이 만들어낸다. 기업에서 사람은 조직으로 뭉치며 조직 구도에 따라 사람들의 성과는 큰 차이를 보인다. 시장 변화와 경쟁자의 움직임을 빠르게 캐치해서 기민하게 대응할 수 있는 조직체계가 급변하는 기술의 시대에 사람들의 지혜를 모아 민첩하게 실행할 수 있도록 해준다. 민첩한 사업 체계와 의사결정을 가져가기 위해서는 현장, 고객 중심의 사고가 필요하다. 이를 뒷받침해주는 것이 데이터 기반의 의사결정이고, 이를 가능하게 해주는 하나의 조직 체계로서 애자일 조직이 주목받는 것이다.

애자일 조직은 직무 중심으로 부서를 구분하지 않고 과제 중심으로 자기완결형의 일 처리를 할 수 있는 단일팀이 모여 있는 구조이다. 기획, 개발, 마케팅, 운영 등의 여러 직무 담당자들이 한데 모여 있거나 단일 직무인 개발자들이 모여 있더라도 특정 과제를 해당팀에서 자체적으로 수행할 수 있도록 함으로써 업무 집중도를 높이고 같은 생각으로 빠른 일 처리가 가능하다.

중요한 것은 이렇게 구성된 팀이 과제를 빠르게 수행하기 위해서는 의사결정의 기준이 필요하다. 그 기준이 현장에서 고객들로부터 수집한 데이터이다. 데이터를 기반으로 냉정한 판단을 해야 하죠. 팀장이나 임원의 개인 취향이나 경험에 의한 것이 아닌 고객 데이터를 기반으로 판단한다.

기존의 사업 운영 체계는 시장 조사를 해서 전략을 수립하고, 보고서를 상사에게 승인받고 예산과 인력을 할당받아 업무를 추진하는 방식이다. 이러한 의사결정의 구조는 시간도 오래 걸릴 뿐 아니라 잘못된 판단이 사업을 망칠 개연성이 높다. 애자일 조직은 이미 팀 내에서 시장과 고객을 완벽하게 이해하고 있어 굳이 시장 조사를 할 이유가 없고 자체적인 의사결정을 할 수 있어 보고를 할 필요가 없다. 예산과 인력 역시 이미 해당 팀 내에서 처리할 수 있는 권한이 있어 승인받는 과정에서 발생하는 커뮤니케이션이 생략된다. 하지만 사업 과정에서 서비스 전략, 상품 기획, 마케팅 전반에 대해 시장, 고객 데이터를 기반으로 수시로 의사결정을 한다.

이러한 조직 구성은 직무 중심의 계층으로 구성된 기존 기업에 적용하기가 쉽지 않다. 일부 프로젝트에 시도해볼 수는 있지만 전사 조직에 적용하기도 어렵고 그렇게 적용한다고 해서 빠른 성과를 내며 잘 작동하기도 쉽지 않다. 조직을 이렇게 구성했다고 해서 그 안에 속한 구성원들이 자율적으로 일 처리를 하는 것은 아니기 때문이다. 그간의 기업 문화에 젖어 있던 사람들이 새로운 조직체계에서 자기 주도적으로 책임과 권한을 설정하며 시장의 눈높이에 맞는 고객 중심의 의사결정을 하며 업무 처리를 해내기란 과거의 습관이 발목을 잡기 때문이다.

그러므로 애자일 조직체계를 갑작스럽게 모든 업무 분야에 적용해서 단기적 성과를 거두려고 해서는 안 된다. 신규 혁신 사업이나 단기적으로 명확한 목표 기반하에 단일 과제 수행을 할 수 있는 업무에 한해서 적용해가며 어떤 문제가 있고 이를 극복하는 경험 속에서 새로운 변화관리 방안을 찾아야 한다. 그러므로 이 과정에서 실패해도 용납할 수 있을 만큼의 작은 일이어야 한다. 너무 큰 프로젝트를 이렇게 해서 실패의 위험 부담을 떠안게 되면 차후 유사한 도전을 시도조차 하지 않으려 할 수 있어 실패를 허용할 수 있는 범위 내의 과제들에 적용하며 성공과 실패를 경험해야 한다.

더 나아가 이러한 조직은 언제든 해체와 합체가 자유로울 수 있도록 유연하게 운영해야 한다. 애자일 조직으로 구성된 단일팀은 업무 성과에 따라 혹은 과업 수행이 완료된 이후에는 쉽게 해체해서 또 다른 과업에 투입될 수 있어야 한다. 즉, 아메바와 같이 자유롭게 모였다 흩어질 수 있어야 합니다. 이러한 조직 구도가 되면 조직 이기주의에 빠지지 않고 일 자체에 집중해서 업무 중심의 일 처리가 가능해진다.

또한, 프로젝트의 산출물을 수시로 확인하고 고객 중심, 시장 중심에서 검증하고 개선 방안을 도출해가야 애자일 조직체계의 강점을 제대로 발휘할 수 있다. 오랜 시간 개발을 해서 완성된 최종 버전을 시장에 출시하는 것이 아니라 과제를 잘게 잘라서 각각의 산출물들을 테스트하고 검증받을 수 있도록 프로세스를 나누어 이들 결과물의 반응을 보고 빠르게 개선해가는 방법이 애자일 조직의 성과를 극대화할 수 있는 방법이다. 애자일의 민첩함은 그냥 무작정 빠르게 만드는 것이 아니라 중간중간 시장의 반응을 데이터를 수집해 분석함으로써 개선해가는 것에서 최적의 효율을 만든다.

놀랄 만큼 빠르게 사업 혁신을 추진하는 IT 기업과 스타트업들은 이와 같은 방식으로 조직을 구성해 고객 중심으로 업무 처리를 해 나간다. 그런 대표적인 기업들로 국내에서는 토스, 배달의 민족, 카카오뱅크 등이 있으며 해외에서는 구글, 스포티파이, 넷플릭스, 알리바바, 샤오미 등을 손꼽을 수 있다. 또한, 대기업 중에서도 이러한 조직 체계를 도입하고 있으며 대표적 기업으로 오렌지 라이프, 알리안츠생명, 현대카드, 중국의 가전기기 제조업체 하이얼, 일본의 전자기기 회사 교세라 등을 들 수 있다.

굴뚝 기업과 대기업에서도 애자일 조직이 귤이 회수를 건너 탱자가 되지 않으려면 무조건 이 체계를 도입할 것이 아니라 앞서 살펴본 유의점들을 참고해서 우리 조직에 맞는 체계로 다듬어야 한다. 그 과정에서 현장에서 수집한 데이터를 기준으로 분석해 시사점을 도출해 의사결정의 기준으로 삼아야 한다.

브라이틱스 애널리틱스와 데이터 플랫폼

그렇다면 우리 기업에서는 무슨 데이터가 어디에 수집되고 있으며, 이들 데이터를 누가 어떻게 분석해서 의사결정에 활용하고 있는지 한 번 돌아보자. 대개 데이터가 한곳에 모이지 않고 중구난방으로 쌓이고 있는 경우가 다반사이고, 분석 또한 매출이나 이익 등의 재무제표 수준의 데이터가 모여져 집계되어 분석될 뿐 상세한 분석이 이뤄지며 중요 의사결정에 활용되고 있지는 않을 것이다. 또한, 데이터만을 전문적으로 들여다보는 데이터 분석팀이나 데이터 사이언티스트도 없을 것이다.

데이터의 중요성을 인식했다면, 앞으로 우리 기업만의 DT를 위한 데이터를 어떻게 수집하고 분석해서 우리의 비즈니스 문제를 해결해갈 것인지에 대한 전략을 수립해야 한다. 그것이 DT 전략의 시작이다. 그게 바로 데이터 전략인 것이다. 사실 가장 이상적인 것은 하나의 시스템에 아카이빙되고 있는 데이터를 기반으로 전 사업부서에서 개별적인 대시보드를 통해 데이터를 분석해 사업에 필요로 하는 시사점을 찾아 의사결정에 활용하는 것이다.

또한, 별도의 데이터 분석팀을 두고 중요 경영 활동에 필요로 하는 의사결정 사항에 대해서 중립적이고 객관적인 데이터 분석 보고를 할 수 있도록 하는 것이다. 하지만, 이런 시스템과 조직 체계를 갖추는 것은 전문 IT 기업이 아닌 이상 상당한 투자와 역량을 필요로 한다. 그렇기에 요즘에는 클라우드 기반으로 회사의 전반적인 시스템을 운영하면 자동으로 데이터가 쌓여서 손쉽게 여러 분석을 할 수 있도록 도와준다. 그 과정에서 AI가 데이터 분석을 자동화하고 효율화해 주기도 하죠. 그렇게 클라우드와 AI는 데이터 분석에도 큰 역할과 도움을 준다.

그런 솔루션으로서 기업에 최적화된 분석 플랫폼인 Brightics Analytics Services와 경영 활동 과정에서 수집되는 데이터들을 직관적으로 한 곳에 수집 관리할 수 있도록 해주는 Brightics Data Preparation은 비즈니스 혁신을 위한 AI 기반의 분석 서비스를 쉽고 빠르게 도입할 수 있도록 해준다.

아키텍처 - 기업에 최적화된 AI 플랫폼 Brightics AI
  • * Brightics AI를 구성하고 있는 모듈을 클릭해보세요.
  • 데이터 수집 및 처리 / AI 기반 데이터 분석 플랫폼 / 전문 분석 서비스
  • data preparation > / machine learning > / deep learning > / analytics service >
  • data hub >

사실 기업의 DDDM 과정에는 필수적으로 Data를 저장해서 이를 통합 관리하고 AI 기반으로 관리할 수 있는 시스템이 필요하다. 그러한 시스템으로서 브라이틱스 솔루션들은 기업이 필요로 하는 것만 취사선택해서 도입할 수 있도록 해준다. 무엇보다 이들 시스템의 장점은 2가지다. 하나는 구독 기반으로 필요한 만큼만 사용하고 비용을 지불할 수 있어 과도한 초기 투자비의 부담이 없다는 점과 훌륭한 AI 알고리즘 덕분에 양질의 결과물을 손쉽고 간편한 비주얼 툴로 볼 수 있다는 점이다.

삼성 sds 브라이틱스 애널리틱스 - 현장에서 검증된 pre- built 분석모델로 비즈니스를 혁신하는 엔터프라이즈 AI 분석 서비스

DDDM의 필요성은 느끼지만 막상 기업 현장에 이를 적용하려다 보면 복잡한 기술과 부담스러운 시스템 도입 비용 때문에 망설이기 쉬운데 이같은 솔루션을 이용하면 필요한 만큼만 그때그때 선택해서 사용할 수 있어 경제적이다.



▶   해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶   해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.


이 글이 좋으셨다면 구독&좋아요

여러분의 “구독”과 “좋아요”는
저자에게 큰 힘이 됩니다.

subscribe

김지현
김지현

김지현 | 테크라이터

기술이 우리 일상과 사회에 어떤 변화를 만들고, 기업의 BM 혁신에 어떻게 활용할 수 있을지에 대한 관심과 연구를 하고 있습니다.