로그인|회원가입|고객센터
Top
검색버튼 메뉴버튼

IT에 엄청 투자해도 왜, 분석은 잘 안될까

도널드 A. 마천드(Donald A. Marchand) | 140호 (2013년 11월 Issue 1)

 

 

편집자주

이 글은 <하버드비즈니스리뷰(HBR)> 2013 1∼2월 호에 실린 IMD 전략 실행·정보 관리 교수 도널드 A. 마천드(Donald A. Marchand)와 크랜필드대 정보 시스템 교수 조 페퍼드(Joe Peppard)의 글 ‘Why IT Fumbles Analytics’를 전문 번역한 것입니다.

2013 Harvard Business School Publishing Corp

 

 

많은 기업들이 조직 내외부에서 수집 가능한 방대한 양의 데이터를 통해 통찰력을 얻기 위해 IT 도구에 많은 투자를 하고 앞다퉈 데이터 과학자를 고용한다. 하지만 대부분이 가치 있는 결과를 얻기 위해 여전히 고군분투 중이다. 빅데이터, 분석 프로젝트가 IT 프로젝트와 전혀 다르다는 사실을 깨닫지 못한 채 둘을 동일하게 취급하기 때문이다.

전사적 자원관리(enterprise resource planning· ERP) 시스템이나 고객관계관리(customer relationship management·CRM) 시스템을 설치하는 경우를 비롯한 전통적인 IT 프로젝트 접근방법은 제 시간에, 계획과 일치하는 방식으로, 예산 범위 내에서 기술을 개발하고 배치하는 것을 중시한다. 전통적인 IT 프로젝트 접근방법하에서는 정보 요구 사항과 기술 사양이 프로세스를 재설계하는 설계 단계에 미리 결정된다. 지금껏 전통적인 IT 프로젝트 접근방법이 끔찍한 결과를 초래한 경우가 많았다. 그럼에도 불구하고 비즈니스 프로세스 개선을 목표로 삼고 IT 프로젝트의 결과물인 조직 변화를 효과적으로 관리하는 경우라면 이런 접근방법도 도움이 된다.

하지만 필자들은 그동안 이런 프로젝트가 효율성 개선, 비용 절감, 생산성 증진에 기여했을 때조차 경영자들이 불만을 느끼는 경우를 숱하게 목격했다. 그 이유가 무엇일까? 일단 시스템이 작동되기 시작하면 그 누구도 시스템 내에서 생성되는 정보를 활용해 좀 더 훌륭한 결정을 내리거나 비즈니스의 핵심 측면에 관한 좀 더 심층적인 통찰력(예상치 못했던 통찰력이 될 수도 있다)을 얻기 위한 방법을 찾는 데 관심을 기울이지 않기 때문이다.

 

예컨대, 보험회사가 보험금 청구 처리 프로세스 자동화를 위해 설치한 시스템이 효율성 개선에 커다란 도움이 될 수도 있다. 하지만 그와 동시에 이 시스템이 그 누구도 기대하거나 예상하지 못했던 용도의 정보를 내놓을 수도 있다. 보험회사는 새로운 데이터를 활용해 보험 가입자가 허위로 보험금을 청구했을 가능성을 추정하기 위한 모형을 개발할 수 있다. 또한 보험회사는 운전자의 주행 속도, 코너를 도는 방식, 브레이크 사용 방식, 가속 페달 사용 방식 등에 관한 데이터(자동차에 내장된 센서를 통해 실시간으로 수집되는 정보)를 활용해 책임감 있는 운전자와 상대적으로 책임감이 떨어지는 운전자를 구별하고, 사고 가능성을 평가하고, 데이터 분석 결과에 따라 보험료를 수정할 수 있다. 하지만 시스템을 구축한다고 해서 자동적으로 이와 같은 지식을 습득하게 되는 것은 아니다.

 

필자들은 여러 산업에서 활동하는 50개 이상의 국제 조직을 조사하는 등 다각도로 연구에 접근했다. 이 과정에서 빅데이터와 분석 프로젝트를 활용하기 위한 새로운 접근방법, 즉 기업이 지속적으로 새로운 방식으로 데이터를 활용하는 데 도움이 되는 방법을 찾아낼 수 있었다. 필자들이 찾아낸 새로운 접근방법은 기술 배치(deployment of technology)가 아니라 정보 활용(exploration of information)에 주목한다. 또한 이 접근방법은 정보를 데이터베이스 내에 존재하는 자원(전통적인 IT 시스템을 설계하고 실행할 때 효과적인 관점)으로 여기기보다 사람들이 직접 가치를 부여해야 하는 존재로 바라본다.

따라서 사람들이 어떤 식으로 정보를 생성하고 활용하는지 이해하는 것이 중요하다. 이는 곧 팀 내에 데이터 공학, 컴퓨터 과학, 수학뿐 아니라 인지 과학과 행동 과학에 대해 잘 알고 있는 구성원이 있어야 한다는 뜻이다. 프로젝트를 진행하는 것이 그리 간단하지 않다는 뜻이기도 하다. 분석을 위해 IT 도구를 배치하는 일은 상대적으로 쉽다. 하지만 IT 도구가 어떤 식으로 활용될지 그 방식을 이해하기는 훨씬 힘들다. 프로젝트를 시작하는 단계에는 해당 도구를 활용해 향후에 어떤 것을 지원하게 될지, 도구가 어떤 질문에 대한 답을 제시하는 데 도움이 될지 그 누구도 알 수 없다.

 

따라서 빅데이터, 분석 프로젝트를 전통적인 대형 IT 프로젝트와 같은 방식으로 대해서는 안 된다. 후자의 경우에는 어떤 결과를 내놓아야 할지 미리 정의돼 있고, 어떤 과제를 수행해야 할지 요구사항이 명확하게 제시돼 있으며, 구체적인 실행 계획이 뒤따르기 때문이다. 빅데이터, 분석 프로젝트는 훨씬 규모가 작고 진행 기간이 짧은 편이다. 누군가가 감지한 문제나 기회에 대응하기 위해 가동되는 이런 류의 프로젝트는 데이터를 통해 답을 찾게 될 가능성이 있는 질문을 명시하고, 가설을 수립한 다음, 반복적인 실험을 통해 지식을 습득하고 정보를 이해한다. 이와 같은 방식으로 발견의 여정을 진행하는 데 도움이 되는 다섯 가지 방법을 소개하고자 한다.

 

 

1. 실질적인 사용자를 프로젝트의 중심에 배치하라.

IT 도구와 빅데이터 프로젝트에 많은 투자를 하는 것은 관리자에게 좀 더 신속하게, 좀 더 우수한 정보를 제공하면 관리자가 문제를 해결하고 가치 있는 통찰력을 얻는 데 도움이 될 것이라는 믿음 때문이다. 이것은 잘못된 생각이다. 정보가 제아무리 훌륭하다 하더라도 관리자가 정보의 가치를 이해하지 못한 탓에 정보를 폐기할 수도 있고, 관리자에게 효과적으로 정보를 활용할 만한 인지 능력이 없을 수도 있으며, 관리자 역시 다양한 편견에 사로잡혀 있을 수도 있다는 점이 고려되지 않았기 때문이다.

실제로는 관리자를 비롯한 많은 사람들이 데이터를 갖고 일하는 것을 불편하게 여긴다. 정보 기반 프로젝트를 추진할 때는 이 같은 사실을 인정하고 실질적인 사용자(정보에서 의미를 찾아내는 사람)를 중심에 둬야 한다. 결론을 내리고 결정을 하는 과정에서 사용자가 데이터를 사용하는 방식, 혹은 사용하지 않는 방식에 이의를 제기하고 사용자에게 육감보다는 공식적인 분석에 의존할 것을 촉구해야 한다. 또한 정보 기반 프로젝트를 진행할 때는 고객, 공급자, 시장, 제품에 대한 가정에 의문을 제기해야 한다.

유럽에서 활동하는 화학제품 제조업체 켐코(ChemCo, 가명)는 이런 식으로 마음가짐을 변화시키는 것을 목표로 삼았다. 켐코는 인수를 통해 빠른 속도로 성장했으며 켐코의 신임 CEO는 고객에 대한 일관성 있는 그림을 그려보기로 마음먹었다. 켐코 CEO는 직급을 막론한 모든 관리자와 직원들이 데이터를 활용해 켐코의 비즈니스를 좀 더 명확하게 이해하고 좀 더 효과적으로 의사결정을 내리기를 바랐다.

 

CEO와 경영팀은 데이터를 중시하고 사용 가능한 정보를 만들어내는 것을일상적인 비즈니스 활동의 일부로 삼아야 한다고 강조했다. 이들은 즉각 대규모 CRM 시스템을 구축하면 잘못된 메시지(새로운 시스템이 관리자가 고객 정보를 활용하고 공유하는 방식을 바꿔놓을 것이라는 메시지)를 전달하게 될 것이라고 생각했다. 뿐만 아니라 켐코 CEO와 경영팀은 새로운 프로젝트가 단순한 IT 프로젝트로 비춰질 것을 우려했다. 어느 고위급 관리자는 다음과 같이 이야기했다. “직급을 막론한 모든 관리자들이 좀 더 증거 중심적인 방식으로 일하기를 바란다는 점을 명확하게 전달해야만 했다. 관리자들은 명확한 근거를 바탕으로 일을 해야 한다.”

켐코는 먼저 회사 곳곳에서 활동 중인 기존의 데이터 분석 전문가를 한데 모아 여러 개의 정보 지원팀을 꾸렸다. 각 정보 지원팀에 1∼2개의 사업 부문을 할당하고 각 사업 부문의 결정과 정보 요구를 심층적으로 파악한 후 직원들이 데이터에 접근하고 데이터를 활용하는 방식을 개선할 수 있도록 지원할 것을 요청했다. 처음에는 직원들이 고객과 공급업체를 방문할 때마다 정보 지원팀이 따라다녔다. 어떤 정보가 고객 응대 업무와 관련이 있으며, 해당 정보가 어떻게 사용되고, 어떤 곳에서 해당 정보를 사용할 수 없고, 어떤 곳에서 해당 정보가 판매 협상과 같은 업무를 수행하는 데 도움이 되거나 방해가 되는지 파악하기 위해서였다. 각 정보 지원팀은 고객 응대 담당 직원들과 함께 워크숍을 진행하며 직원들을 따라다니며 현장에서 배운 내용을 설명하고, 좀 더 개선된 정보를 제공하기 위한 방안을 제안하고, 피드백을 수집했다.

 

정보 지원팀은 워크숍 결과를 토대로 다양한 정보 보고서의 원형을 개발한 후 사업 부문과 협력해 시험에 돌입했다. 정보 지원팀은 정보를 시각적으로 표현하면 두뇌의 정보 처리가 한결 수월해진다는 사실에 입각해 그래픽과 도표, 화면 레이아웃을 원형에 포함시켰다. 이 실험은 직원들이 정보를 제대로 소화하는지, 직원들이 어떤 행동을 보이는지, 결과적으로 직원들이 일을 따내는 데 성공하는지 파악하는 데 도움이 됐다. 켐코는 이 단계에 이르러 직원들의 정보 사용 방식에 대한 심층적인 통찰력을 확보한 후에야 조직 전체에 CRM 시스템을 적용했다.

켐코가 자사의 상황에 걸맞은 맞춤형 시스템을 개발하기 위해 다른 기업들보다 더 많은 노력을 기울인 것은 아니었다. 하지만 켐코는 대부분의 기업들보다 어떤 정보가 수집되고 유지될지, 수집된 정보가 어떻게 사용될지 훨씬 명확하게 이해했다. 또한 켐코의 영업사원들은 시작 단계에서부터 프로젝트에 참여했기 때문에 증거 중심적인 방식으로 일할 필요가 있다는 데 적극 동의했다.

 

영업 직원과 서비스 직원들이 새로운 정보를 좀 더 효과적으로 활용하기 시작하자 관리자들은 이들을 지원하기 위해 고객 데이터베이스를 수정할 방법을 고민했다. 켐코 CEO는 여러 사업 부문의 영업 관행과 정보 활용 관행을 적극적으로 표준화하는 방안을 장려하는 한편 고객에 대해 공통된 견해를 가질 수 있도록 지원했다. 켐코 CEO는 항상우리가 이것이 사실이라고 생각하는 것인가, 우리가 이것이 사실이라는 것을 알고 있는 것인가하고 자문해야 한다고 이야기한다. 켐코의 각 부서들은 고객에 대해서 어떤 점을 잘 알지 못하는지, 고객과의 상호 작용을 악화시키고 비즈니스 손실을 초래할 수 있는 영업 관행이 무엇인지 찾아냈다. 고객과의 상호 작용이 개선되자 켐코의 매출도 늘어났다. 또한 매출이 증가하자 영업사원들은 성과 개선에 도움이 될 만한 양질의 고객 정보와 영업 정보를 제공해 달라며 목소리를 높였다. 선순환의 고리가 생겨난 것이다.


2. 정보 활용이 곧 IT에서 가치를 찾아내기 위한 방법이라는 점을 강조하라

기존 시스템이나 새로운 데이터 소스에서 정보를 추출하는 것을 목표로 하는 프로젝트를 진행할 때는 그 과정이 매우 골치 아프고 복잡하다는 사실을 받아들여야 한다. 사람들은 진공 상태에서 사고를 하지 않는다. 사람들은 자신이 갖고 있는 지식, 심성 모형, 경험 등을 토대로 상황을 이해한다. 또한 사람들은 전후 사정을 고려해 각기 다른 방식으로 정보를 활용한다. 예컨대, 조직 문화는 사람들이 결정을 내리고 협력하고 지식을 공유하는 방식에 영향을 미친다. 뿐만 아니라 사람들은 역동적이고 반복적인 방식으로 정보를 활용한다. 잠재적인 문제나 기회를 파악하고, 어떤 정보가 필요한지 결정한 다음, 정보를 수집하고 정리하고 해석하는 단계는 일종의 주기를 형성한다.

전통적인 IT 개발 접근방법은 이런 현실을 외면한다. 대다수의 IT 시스템을 설계할 때는 중요하고 통제 가능한 것으로 여겨지는 데이터를 고려한다. 이런 식으로 현실 세계의 복잡성을 배제하고 공식적이고 논리적인 데이터 처리 규칙을 만들면 시스템 설계를 간소화하고 명확하게 정의된 상품을 제공할 수 있다. 고객 주문 처리와 같이 정확한 묘사가 가능하고 매우 구조화된 활동을 하는 경우라면 이런 접근방법을 활용해도 된다. 조직이 컴퓨터의 경이적인 처리 능력을 활용하고 가능한 모든 지점에서 인간의 개입을 배제시킬 수 있도록 정보를 인간의 영역에서 기술의 영역으로 이동시키는 것이 가장 이상적이다.

많은 기업들이 이와 같은 철학을 거꾸로 적용해 데이터를 유용한 정보로 전환하기 위해 기술 영역에서 데이터를 추출해 인간 영역에 접목하는 것이 문제다. 이런 식의 접근방법은 대개 실패로 끝난다. 관리자의 경우에는 관리자의 역할 자체가 복잡한 경우가 많은데다 거의 구조가 없는 것이 문제가 된다. 관리자의 정보 요구를 이해하기 위해 노력하는 조직조차도 단면을 엿보는 차원에서 그치는 경우가 많다. 따라서 관리자가 맡고 있는 역할이 얼마나 까다로운지 제대로 파악하지 못한다. 관리자는 어느 순간에는 구체적이고 한계가 명확한 결정을 지원하기 위한 데이터를 필요로 하지만 다른 순간이 되면 새로운 비즈니스 기회를 제시하거나 문제를 알려주는 패턴을 찾으려 한다. 관리자는 두 부류의 지식 모두를 구축할 수 있는 능력을 갖춰야 한다.

관리자들과 마찬가지로 지식 근로자들 역시 전통적인 접근방법만으로는 원하는 것을 모두 얻을 수 없다. 우주선 엔진 제조업체에서 일하는 엔지니어의 경우를 생각해 보자. 진단 소프트웨어만으로는 기업이 생성해내는 방대한 양의 엔진 성능 데이터를 활용해 문제의 원인을 찾아낼 수 없다. 여러 데이터의 관계를 찾아내고 데이터에 관한 질문을 던지려면(이를 위해 가설 검증을 하는 경우가 많다) 엔지니어가 상당 수준의 전문성과 지식을 갖고 있어야 한다. 또한 분석 결과를 해석하려면 이전의 경험을 토대로 오해의 소지가 있거나 잘못된 설명을 제외시켜야 한다. 어느 엔지니어는 필자들에게 진동 분석 분야에서 30년간 경력을 쌓아왔지만 여전히 데이터를 걸러내고 해석하는 방법을 공부하는 중이라고 이야기했다.

분석 프로젝트를 성공적으로 진행하려면 정보를 활용하고, 질문에 답하고, 결정을 내리는 방식에 이의를 제기하고 개선하기 위해 노력해야 한다. 도움이 되는 몇 가지 방법을 소개하고자 한다.

 

2차적인 질문을 던져라. 영업 전문가들이오늘 어떤 제품을 진열대 위에 올려둬야 할까라는 질문에 손쉽게 답할 수 있도록 도와주는 시스템을 만들기보다 먼저 재고 보충 방식을 결정하는 데 도움이 될 만한 좀 더 좋은 방법이 있을까라는 질문에서부터 출발하는 것이 좋다. 2차적인 질문(질문에 대한 질문)을 던지면 의사결정권자가 운영 방식을 개선할 것이라는 가정이 프로젝트의 토대가 된다.

 

자신에게 어떤 데이터가 있고, 어떤 데이터가 없는지 확인하라. 비즈니스 운영 방식에 대한 특정한 가정과 논리를 토대로 하며 쉽게 접근 가능한 데이터와 시스템에 얽매이지 않도록 해야 한다. 과거에는 문제가 없었을지라도 이런 데이터와 시스템이 지속적으로 변화하는 비즈니스 상황 및 경쟁 환경을 따라잡지 못할 가능성이 매우 크다. 또한 R&D, 엔지니어링, 영업, 서비스 운영 등 분리돼 있는 여러 부서에 함몰돼 있는 방대한 양의 데이터가 제대로 사용되지 않을 가능성이 크다. 예컨대, 하나의 금융기관을 구성하는 여러 사업 분야는 서로 데이터를 공유하지 않는다. 이런 태도는 기업이 개별 고객에 대한 일관성 있는 관점을 발전시키고 시장 추세와 비교해 고객 포트폴리오를 이해하는 데 방해가 된다.

 

IT 프로젝트 팀에 비즈니스 문제를 재구성할 수 있는 권한을 부여하라. 영국과 이스라엘을 비롯한 일부 국가의 중앙 은행가들은 포괄적인 경제 추세와 식기세척기, 에어로빅 강좌, 자동차, 기타 고가 상품에 대한 정보를 찾기 위해 구글(Google)에서 검색을 하는 소비자의 행위 간에 강력한 상관관계가 존재한다는 사실을 깨달았다. 이들이 이 같은 깨달음을 얻을 수 있었던 것은 새로운 시각을 통해 개방적으로 문제에 접근했기 때문이다. 한 사람의 예감이 두 가지 요소 간의 관계를 찾기 위한 노력의 시발점이 됐다. 구글 본사에서 근무하던 어느 경제학자는 특정한 키워드가 전통적인 경제 보고서 결과의 전조가 되는지 탐색하기 시작했다. 중앙은행에서 일하는 경제학자들 사이에서 구글 소속 경제학자의 노력 끝에 탄생한 보고서가 퍼져 나갔고 중앙 은행 경제학자들은 둘 간의 상관관계에 관심을 갖게 됐다.

필자들은 연구를 진행하던 중 IT 프로젝트가 오래된 문제를 해결하는 데 도움이 되는 새로운 방법을 탐색하도록 장려하는 역할을 수행하지 못한다는 사실을 발견했다. 데이터 자체, 그리고 데이터가 비즈니스에 기여하는 가치에 대한 근시안적인 관점으로 인해 창의성이 부족해지는 경우가 많다. 일부 조직들은 이런 태도를 뿌리뽑기 위해 브레인스토밍, 가정 표현, 가정 검증 등과 같은 기법을 도입했다. 요즘은 조직 전반에서 활동하는 직원들이 새롭게 진출해야 할 시장, 새로운 고객 추세, 이런 지식을 활용하기 위한 새로운 방법에 관한 아이디어를 자유롭게 개진하는 온라인 디스커버리 포럼이 점차 증가하는 추세다.


3. IT 프로젝트 팀에 인지 과학자와 행동 과학자를 투입하라

대부분의 IT 전문가들은 공학, 컴퓨터 과학, 수학 등을 전공한 사람들이다. 당연하게도 이런 배경을 갖고 있는 IT 전문가들은 매우 논리적이며 프로세스 중심의 사고를 한다. 또한 이들은 IT를 구성하는 두 가지 요소 중 ‘I(information·정보)’보다는 ‘T(technology·기술)’에 더욱 주목하는 편이다. 금융 거래나 소매 거래를 처리해야 하는 경우에는 이런 기술이 매우 이상적이다. 하지만 지식 발견을 돕는 것이 목표라면 이런 기술은 방해가 된다.

많은 기업들이 비즈니스에 대한 심층적인 지식을 가진 사람을 IT 프로젝트 팀의 일원으로 충원하고, IT 전문가들을 복잡한 비즈니스 문제에 노출시키고, 좀 더 많은 데이터 과학자를 고용하는 등 이런 문제를 해결하기 위해 노력 중이다. 하지만 이런 방법만으로는 충분하지 않다. 방대한 양의 데이터세트를 처리하다 보면 여러 변수 사이에서 통계적으로 의미 있는 관계를 발견하게 될 수도 있다. 이런 관계를 실전에서 효과적으로 활용하려면 비즈니스에 대한 지식이 필요하다. 하지만 한 가지 딜레마가 있다. 비즈니스 지식이 사고 영역을 제한할 가능성이 있기 때문이다.

바로 이런 이유 때문에 빅데이터 프로젝트를 비롯한 분석 프로젝트를 진행하려면 인지 과학과 행동 과학에 대해 잘 알고 있는 사람이 필요하다. 다시 말해서, 다른 사람들이 어떤 식으로 문제를 인식하고, 어떤 식으로 정보를 활용하며, 솔루션과 아이디어, 지식을 개발하는 과정에서 어떤 방식으로 아이디어를 분석하는지 잘 알고 있는 사람이 필요한 것이다. 이런 변화는 경제학에서 행동경제학(사람들이 시장과 경제 환경 내에서 생각하고 행동하는 방식을 새롭게 이해하기 위해 사회심리학, 인지과학, 행동과학에서 얻은 지식을 활용하는 경제학)이 대두되는 현상과 일맥상통한다.

일부 조직들은 이미 이런 분야에 전문적인 지식을 갖고 있는 사람들을 빅데이터 및 분석 프로젝트에 포함시키고 있다. 영국 국세청(Her Majesty’s Revenue and Customs·HMRC)은 최근 조직 심리학자들을 채용해 분석팀이 해석 능력을 개선할 수 있도록 지원한다. 영국 국세청의 조직 심리학자들은 분석팀에서 활동하는 팀원들이 자신이 확증 편향(자신이 갖고 있는 편견을 강화하는 방식으로 정보를 탐색하거나 해석하는 경향)을 갖고 있다는 사실을 인지할 수 있도록 돕고 있다. 분석팀 직원들이 갖고 있었던 편향 중 하나로 특정한 채권 추심 접근방법이 특정한 부류의 납세자에게 효과적이라는 선입견을 들 수 있다.

영국 국세청 지도부는 데이터 과학자들이 국세청 업무가 어떤 식으로 돌아가는지 파악하는 차원을 넘어서 채권 추심업자의 사고방식과 채무자의 행동을 이해할 필요가 있다는 사실을 깨달았다. 예컨대 어떤 사건이 법정으로 가는지, 어떤 프로세스가 뒤따르는지, 일부 소송에서 패소하는 원인이 무엇인지 파악하는 데서 그치지 말고 일부 납세자들은 소송이 진행되기 전에 연체된 세금을 내는 반면 또 다른 부류의 납세자는 그렇지 않은 이유가 무엇인지 이해할 필요가 있었다. 조직 심리학자들이 이런 원인을 파악하는 데 많은 도움이 된다. 조직 심리학자들은 조사관(세무 조사 담당자) 및 콜센터 직원(납세자와 협상하는 담당자)들과 현장에서 많은 시간을 보낸다.

직원들이 사고를 하고 의사결정을 내리는 과정에서 데이터를 좀 더 중시하기 바란다면 직원들이 언제 데이터를 활용하고, 어떤 식으로 질문을 구성하고, 가설을 수립하고, 실험을 진행하고, 결과를 해석해야 할지 이해할 수 있도록 훈련시켜야 한다. 대부분의 경영대학원은 현재 학생들에게 관련 교육을 제공하지 않고 있다. 이런 관행은 바뀌어야 한다.

 

 

4. 학습에 주목하라

 

 

빅데이터 프로젝트를 비롯한 분석 프로젝트는 IT 프로젝트라기보다 과학 연구나 임상 실험에 좀 더 가깝다. 분석 프로젝트는 대개 문제나 잠재적인 기회를 감지하는 데서 시작된다. 또한 누군가의 예감이 이런 과정의 시발점이 될 수도 있다. 그런 다음, 분석 프로젝트가 특정한 결과나 효과의 존재에 관한 이론을 개발하고, 가설을 수립하고, 관련 데이터를 찾아내고, 실험을 진행하는 단계로 나아가는 경우가 많다. 다시 말해서 분석 프로젝트가 새로운 것을 발견하기 위한 기회가 된다.

문제나 기회를 감지하고 분석하고 발견하는 주기는 여러 차례 반복될 수 있다. 프로젝트 진행 기간은 비즈니스 문제의 복잡성, 내외부 데이터의 활용 가능성과 데이터의 질, 실험의 본질, 채택된 분석 기법 및 도구 등에 따라 몇 시간이 될 수도 있고 6개월 이상이 될 수도 있다. 하지만 구조가 점진적이고 주기적인데다 상대적으로 프로젝트 진행 기간이 짧기 때문에 분석 프로젝트는 전통적인 IT 프로젝트에 비해 비용 통제가 훨씬 수월하다.

빅데이터 프로젝트와 분석 프로젝트를 진행할 때 학습을 강조하고자 하는 조직이라면 다음 방법을 활용해보기 바란다.

 

정보를 공유하는 문화를 고취시키고 장려하라. 조직 내에서는 대개 같은 팀에서 일하는 동료들이 상호작용을 하는 과정에서 학습이 이뤄진다. 따라서 협력적인 문화를 조성하는 것이 무엇보다 중요하다. 다시 말해서 투명성과 신뢰, 공유를 강조해 관리자와 데이터 과학자들이 최고의 아이디어와 지식을 기여하도록 장려해야 한다. 지식 창출을 위해 계획을 추진할 때 정보를 자유롭게 공유하지 않고 실패와 실수를 감추는 환경을 용인해서는 안 된다.

필자들이 살펴본 어느 금융 서비스 기업은 다양한 기능 부문에서 활동하는 관리자와 데이터 과학자를 한데 모아데이터 실험실(data lab)’을 설립했다. 이들이 일상적인 업무로 인한 압박감에서 벗어나 자유로운 발견 학습 환경 내에서 특정한 문제를 해결하는 데 주력할 수 있도록 지원하는 것이 데이터 실험실의 목표였다. 데이터 실험실이 설립되자 관리자와 데이터 과학자들은 전문 분야에 구애받지 않고 다양한 사람들과 자유로운 대화를 주고받으며 데이터를 새롭게 해석하고 참신한 비즈니스 아이디어를 내놓았다.

 

가정과 편견, 맹점을 노출하라. 이미 용인된 비즈니스 관행이 받아들여진 이유, 해당 관행과 관련된 세부적인 내용, 용인된 관행이 활용되는 방식 등을 재구성하려는 의지를 갖고 있어야 한다. 가설 수립 및 검증을 통해 자신이 알고 있는 것과 모르는 것의 한계를 파악해야 한다.

 

원인과 결과를 명확하게 제시할 수 있도록 노력하라. 분석이란 결국 데이터 내에 숨어 있는 관계와 의미 있는 패턴을 찾아내는 것이다. 예컨대, 특정한 결과를 야기할 것으로 추정되거나 특정한 결과와 관련이 있는 요소 등을 찾아내기 위한 것이다. 따라서 단순한 증상을 넘어서서우리가 해결하고자 하는 문제가 무엇인가?’ ‘근본 원인이 무엇인가?’ ‘어떤 요인이 특정한 결과에 영향을 미치는 것으로 추정되는가?’ ‘우리가 다른 방식으로 행동하려면 어떻게 해야 할까?’와 같은 질문에 답을 해야 한다.


영국 국세청에는 매년 약 30만 건에 달하는 유산 상속 신고서가 접수된다. 그중 약 20만 건에는 상속받은 금액이 상속세 납부 기준 이하라는 주장이 담겨 있다. 매년 다량의 상속 신고서가 접수되는 탓에 실제 상속액이 신고 금액보다 많은 경우를 찾아내기가 쉽지 않았다. 국세청은 허위 신고서를 적발하기 위해 데이터 간의 관계를 파악하기로 했다. 국세청 직원들은 그동안 정확하지 않은 것으로 판정된 신고서를 역추적해 과소신고 가능성이 있음을 시사하는 요인에 관한 이론을 수립했다. 국세청 직원들은 이런 이론을 토대로 가설을 수립한 후 기존 데이터를 활용해 가설을 검증했다. 국세청은 여러 차례 반복적으로 검증을 한 끝에 다양한 공개·비공개 데이터 자료에서 추출한 재산 소유, 재산 거래, 기업 소유권, 대출, 은행 계좌, 고용 기록, 납세 실적 등에 관한 데이터를 종합하면 허위 신고됐을 가능성이 있는 신고서를 적발하는 데 도움이 된다는 사실을 발견했다. 국세청은 이 데이터를 바탕으로 어떤 상속재산에 조세 채무가 있는지 예측하기 위한 모형을 개발했다. (영국 국세청은 계속해서 모형을 개선해 나가고 있다.) 국세청은 현재 상속세 납부 대상이 아닌 것으로 신고됐으나 몇 가지 특징적인 요소를 갖고 있는 재산에 대해 추가적으로 정밀 조사를 벌인다. 이런 노력 덕에 영국 국세청이 벌어들이는 세수가 큰 폭으로 증가했다.

 

적절한 기법과 도구를 찾아내라. 데이터 과학자와 분석가들은 저마다 다른 기법과 데이터 소스를 선호한다. 새롭게 쏟아져 나오는 방대한 양의 데이터를 처리할 방법을 찾고자 하는 관리자라면 각 기법과 데이터 소스의 강점과 약점을 이해해야 한다.

이런 도전에 직면한 산업으로 제약업계를 들 수 있다. 제약업계는 현재 약물 실험 비용을 낮추고 질을 개선하기 위해 관찰(monitoring) 기술을 활용하는 초기 단계를 지나고 있다. 새로운 약품에 대해 미식품의약국(U.S. Food and Drug Administration)의 승인을 얻으려면 약 10억 달러가 소요될 수도 있다. 뿐만 아니라 식품의약국의 승인을 받기 위해서는 수백 명의 환자를 상대로 임상 실험을 진행해야 한다. (실험 대상이 수천 명으로 늘어날 수도 있다.) 예전에는 의사들이 임상 실험 참가자들을 관찰하기 위해 참가자들에게 주기적으로 진료실을 방문할 것을 요청했다. 하지만 오늘날에는 환자의 신체에 부착 가능한 센서를 비롯한 각종 기술 덕에 24시간 내내 임상 실험 참가자를 관찰할 수 있게 됐다. 뿐만 아니라 이런 기술 덕에 임상 실험 참가자가 치료법을 제대로 지키고 있는지, 약물이 환자의 인체에 긍정적인 영향이나 부정적인 영향을 미치는지 실시간으로 데이터를 수집할 수 있게 됐다.

이제 제약업체들은 이 모든 정보를 분석하고 어떤 정보가 실제로 유용하며 어떤 정보가 아무 짝에도 쓸모가 없는지 구분할 방법을 찾아야 한다. 이를 위해서는 모형과 시뮬레이션을 개발해 신약에 미 식품의약국이 승인할 만한 효능이 있음을 증명해 보이는, 신뢰할 수 있고 과학적으로 유효한 결과를 제시해야 한다.

분석 기법과 대조 실험은 사고를 위한 도구와 같다. 하지만 실제로 생각을 하고 학습을 하는 것은 다름 아닌 사람이다. 따라서 관리자들은 비즈니스 통찰력을 확보하기 위해 반복 프로세스를 거치는 동안 온갖 골치 아픈 일을 감당할 각오를 해야 한다. 물론 아이디어와 통찰력이 재빨리 떠오르는깨달음의 순간도 있을 것이다. 하지만 데이터 전문가와 분석 전문가뿐 아니라 관리자들이 문제에 대해 다시 고민하고, 데이터에 이의를 제기하고, 기대를 제쳐 놓아야 하는 경우가 더 많을 것이다.

 

 

5. 기술 배치보다 비즈니스 문제 해결에 좀 더 많은 관심을 기울여라

전통적인 IT 프로젝트 관리 방식은 위험을 회피하려 든다. 전통적인 IT 프로젝트 관리 방식은 새로운 시스템을 성공적으로 적용하지 못하도록 방해하는 위협을 상쇄하는 데 거의 모든 노력을 쏟아붓는다. 반면 정보 활용, 빅데이터 등과 관련된 프로젝트를 진행할 때는 기술 배치와 관련된 위험 관리에 쏟는 관심을 줄이되 비즈니스 문제 해결에 좀 더 많은 관심을 쏟아야 한다. 다시 말해서 이런 프로젝트를 진행할 때는 성공적인 비즈니스 결과를 얻지 못할 위험을 피하기 위해 노력해야 한다. 이와 같은 방식으로 초점을 이동시키는 것은 합리적이다. 앞서 설명한 것처럼 분석 프로젝트는 ERP CRM 시스템만큼 규모가 크지도 않고 후자의 경우처럼 값비싸지도 않기 때문이다.

필자들이 연구 과정에서 살펴본 어느 소매업체의 사례를 생각해 보자. 유럽에서 전자제품을 판매하는 이 소매업체는 자사 매장에서 근무하는 모든 점원들에게 아이패드(iPad)를 지급하고자 했다. 점원들에게 판매 과정에서 유용하게 사용될 가능성이 있는 제품 정보를 제공하는 것이 아이패드를 지급하려는 주된 이유였다. 아이패드를 지급하면 매장 관리자와 영업사원들의 효과적인 제품 판매와 제품 레이아웃을 지원하고 이들에게 판촉 및 마케팅 활동에 관한 최신 정보도 제공할 수 있을 것으로 여겨졌다. 소매업체가 이 프로젝트를 통해 해결하고자 했던 중요한 비즈니스 문제 중 하나는 매장 내 판매 활동이 그다지 성공적이지 않다는 것이었다.

소매업체는 영업사원과 고객 간의 상호작용을 개선할 방안을 찾기 위해 대조 실험을 진행했다. 실험에 참가한 영업사원들은 고객과의 의사소통을 위해 제품에 관한 다양한 정보 레이아웃과 프레젠테이션 스타일을 활용했다. 초기에는 대조 실험으로 인해 직원용 아이패드 배치가 지연됐다. 아이패드 배치가 지연되자 프로젝트가 마감 기한까지 마무리되지 않고 예산이 초과될 위험이 커졌다. 이 소매업체가 전통적인 IT 프로젝트 관리 접근방법을 적용했다면 프로젝트의 범위가 줄어들었을 수도 있다. 하지만 어떤 정보 레이아웃이 도움이 되는지 학습이 이뤄지자 판매 기회를 놓칠 위험이 줄어들었다. 필자들은 연구를 진행하면서 사람과 사건 간의 연관성이 정보 활용의 주요 동인이라고 여겼다. 사람들은 사회적 상호작용(: 다양한 고객 세그먼트를 상대할 때 판매를 위한 대화가 어떤 역할을 하는가)과 관계(: 고객 세그먼트가 특정한 형태의 제품 레이아웃에 어떻게 반응하는가)를 이해하기 위해 정보를 활용한다. 이와 같은 상호 연결성을 제대로 이해하면 관련 있는 정보를 제공할 수 있다. 아이패드를 매장 내에 적절히 배치하는 것은 중요한 문제다. 하지만 판매 관리자와 담당 직원들이 판매 증진을 위해 정보를 활용하는 방식을 개선시키겠다는 목표를 무엇보다 중요시해야 한다.

많은 조직들이 오래 전부터 거래를 자동화하고, 정보 흐름을 간소화하고, 차후에 활용할 목적으로 데이터를 저장하는 등 데이터를 통제하기 위해 IT를 활용해 왔다. 전통적인 방식으로 IT 배치에 접근하면 이런 목표를 달성하는 데 도움이 된다. 하지만 역설적이게도 한때 데이터 관리에 도움을 주는 것으로 여겨졌던 기술이 지금은 방대한 양의 데이터를 생성해내고 있다. 요즘은 많은 조직들이 내외부의 데이터를 활용하기 위해 노력을 기울인다. 하지만 근본적으로 다른 접근방법과 사고방식이 필요한 상황에서 전통적인 방법을 활용하게 될 위험이 있다.

기업이 데이터에서 가치를 뽑아내는 방법을 개선하기 위해서는 분석 도구만으로는 부족하다. 이를 위해서는 사람들이 기업 데이터와 자신의 지식을 활용해 조직의 운영 성과 및 전략 성과를 개선할 수 있는 환경을 조성해야 한다. 이와 같은 새로운 패러다임하에서 관리자들은 조직에 도움이 될 만한 것을 발견하고 조직을 위태롭게 만들 가능성이 있는, 알려지지 않은 무언가를 찾아내기 위한 노력을 우선시해야 한다.

 

 

도널드 A. 마천드조 페퍼드

도널드 A. 마천드(Donald A. Marchand)는 스위스 로잔에 위치한 IMD의 전략 실행·정보 관리 교수다. 조 페퍼드(Joe Peppard)는 영국 크랜필드대(Cranfield University) 경영대학원 정보 시스템 교수다.

 

번역 |김현정 translator.khj@gmail.com

 

인기기사