Article at a Glance과거엔 빅데이터가 강조됐다면 최근엔 고품질 소량 데이터의 중요성이 부각되고 있다. 단순히 데이터양에 초점을 맞추기보다 데이터가 수집되는 과정에 집중해 데이터의 품질을 관리하는 것이 중요하다. 특히 사업 특성상 보유한 데이터가 많지 않은 경우에는 데이터 기반 예측 모델을 만들었을 때 어떤 성능이 도출되는지, 기존 프로세스보다 더 효율적인지 파악하는 등 업무 퍼포먼스 관점에서 접근하는 것이 바람직하다. 한편 모든 실무자가 고도의 빅데이터 분석이나 관리 기법을 배울 필요는 없다. 그보다는 데이터를 바탕으로 추론하고 문제를 해결하는 데이터 리터러시 역량이 중요하다. 이를 키우기 위한 방법으로는 데이터 분석 목적과 도출하려는 결과 등을 가정해보는 훈련이 도움이 된다.
『플랫폼 제국의 미래』를 쓴 스콧 갤러웨이 미국 뉴욕대 교수는 2023년 테크 분야 핵심 키워드로 ‘인공지능(AI)’을 꼽았다. 그는 글이나 음악, 이미지 등을 만드는 제너레이티브 AI, 텍스트 생성 AI 등을 언급하며 “AI의 거대한 도약이 목전에 있다”고 전망했다. 실제로 오픈 AI가 텍스트 생성 딥러닝 AI 모델인 GPT-4를 2023년 초 공개할 것을 예고해 관련 업계가 주목하고 있다. 2020년 공개된 GPT-3는 매개변수 1750억 개를 활용했는데 공개를 앞둔 GPT-4는 매개변수 100조 개를 사용해 훨씬 뛰어난 성능을 보일 것이라고 전문가들은 예측한다.
AI가 과연 인간을 대체할까? 적어도 AI를 활용하는 담당자가 그렇지 않은 담당자를 대체할 것이란 예측은 현실화될 가능성이 높다. 이에 일부 기업은 노코드 기반 AI 도구를 도입해 데이터에 대한 깊은 직관을 가진 도메인 전문가들이 AI 전문가로 성장할 기반을 다지고 있다. 한편 AI의 핵심인 데이터 중심 조직으로 탈바꿈해 변화를 모색하는 기업도 늘어나고 있다. 데이터 분석으로 사업 전략을 피벗하며 코로나19 위기를 극복한 여행 플랫폼 스타트업 마이리얼트립이 대표적이다.
기술 혁신이 가속화되는 가운데 기업은 성장을 위해 어떻게 체질 개선에 나서야 할까? 데이터와 AI를 비즈니스에 효과적으로 활용하기 위해 유념해야 할 점은 무엇일까? ‘기업 성장을 위한 데이터 중심 비즈니스 전략’을 주제로 2022년 12월7일 열린 ‘동아비즈니스포럼 2022’의 조인트 세션 ‘AI•빅데이터 포럼’의 주요 내용을 요약 소개한다.
기업 성장의 핵심, 리터러시 강양석 딥스킬 대표
경영자 출신 데이터 전략가다. 딜로이트 컨설팅 전략 팀장, 인공지능 상장사 최고운영임원(COO)을 거쳐 현재 데이터 사고력 관련 강의, 출판 및 컨설팅 기업 딥스킬(deepskill.io) 대표로 재직하고 있다. 대표 저서로는 『데이터로 말하라(2015)』 『데이터 리터러시 (2021)』가 있다.
기업 성장을 위한 핵심 요소는 무엇일까? 강양석 딥스킬 대표는 데이터를 맥락에 맞게 읽고, 이를 기반으로 추론하는 역량인 ‘데이터 리터러시’의 중요성을 강조했다. 강 대표는 “모든 실무자가 고도의 빅데이터 분석이나 관리 기법을 배울 필요는 없지만 문제해결을 위해 데이터로 생각하는 힘을 길러야 한다”고 말했다. 데이터 리터러시를 키우기 위한 방법으로는 데이터 분석 목적과 도출하려는 결과 등을 가정하는 훈련을 반복할 것을 조언했다.
디지털 전환을 가속하는 데이터 리터러시2018년 가트너가 전 세계 150여 명의 최고데이터책임자(CDO, Chief Data Officer)를 대상으로 업무에 가장 큰 걸림돌이 되는 요소를 조사한 결과, ‘변화를 받아들이려 하지 않는 마음’과 ‘데이터 리터러시 부족’이 각각 1, 2위로 꼽혔다. 미국의 데이터 시각화 소프트웨어 회사 태블로가 2020년 기업이 가장 중요하게 생각하는 데이터 교육을 조사한 결과, 디지털 트랜스포메이션을 가속화했던 기업일수록 데이터 분석 기법과 도구보다는 기본적인 데이터 리터러시를 더욱 중시하는 것으로 나타났다.
1
이 두 설문 조사 결과는 데이터 리터러시의 중요성을 보여준다. AI를 특정 비즈니스 문제를 풀기 위해 활용한다면 데이터 과학자를 훈련하면 된다. 반면 AI를 조직 전체의 혁신 에너지로 쓰고자 한다면 현업 실무자가 데이터 프로젝트의 매니저, 즉 PM(Project Manager)이 될 수 있어야 한다. AI에 활용할 데이터의 적절성을 판단하고 데이터 과학자와 소통하며 데이터로 논증할 수 있는 데이터 리터러시 역량이 필요한 것이다.
또한 모든 개인이 자신의 실무 문제를 풀기 위한 데이터를 요청할 수 있어야 한다. 이는 세 가지 의미를 내포한다. 데이터로 문제를 해결하겠다는 욕망과 어떤 데이터로 문제를 해결할지 구상하는 기획력, 마지막으로 데이터에 대한 요구를 처리할 조직 체계를 갖추고 있음을 의미한다. 즉, 실무 문제를 해결하려는 목적으로 “이 데이터가 필요하다”고 직원 개인이 데이터 요청을 활발히 하는 조직이라면 데이터가 경영 체계의 자양분이 되고 있다고 볼 수 있다.
닫기
