Article at a Glance4차 산업혁명이라는 거대한 변화에 기업이 적극적으로 대응하기 위해서는 ‘디지타이징 비즈니스(digitizing business)’로 자신의 사업을 혁신해야 한다. 디지타이징 비즈니스란 빅데이터 시대의 5대 핵심 기술(소셜미디어, 모바일, 사물인터넷, 클라우드, 빅데이터 분석)을 자신의 사업을 혁신하는 새로운 도구로 활용해 비즈니스를 혁신하는 것을 말한다.
디지타이징 비즈니스에는 총 7가지의 유형이 존재하는데 이번 아티클에서는 기존 시장에서의 비즈니스 유형 구분 4가지를 중점적으로 다뤘다. 유형 1은 생산성 향상이나 이상 탐지 등으로 운영 효율을 높이는 유형이다. 유형 2는 매출 증대의 목적으로 예측이나 최적화를 하는 형태다. 유형 3은 축적된 분석적 역량을 서비스화해 개별적으로 컨설팅하는 형태다. 유형 4는 아예 이런 서비스를 종합적으로 제공하는 플랫폼을 만들어서 다수의 고객에게 동시에 서비스를 제공하는 유형이다.
편집자주4차 산업혁명의 중심에 빅데이터가 자리 잡고 있습니다. ‘혁명적인 변화’가 일어나고 있는 만큼 리더십 자체도 혁명적으로 변화해야 합니다. 국내 최고의 빅데이터 전문가인 김진호 교수와 영업혁신의 대가 최용주 교수가 ‘빅데이터 리더십’을 통해 새로운 리더십 해법을 제시합니다.
IT에서의 지난 10년은 사람들이 일하는 방식을 변화시키는 것과 관련됐다. IT에서의 다음 10년은 당신의 비즈니스를 변혁하는 것과 관련될 것이다.
- 애론 리비 Box 회장
데이터 분석의 단계4차 산업혁명과 빅데이터 시대의 5대 핵심기술은 소셜미디어, 모바일, 사물인터넷, 클라우드, 빅데이터 분석(기계학습)이다. 이 기술들은 제각기 독립적으로 작용하는 것처럼 보여도 실제로는 서로 다양하게 결합하면서 넓게는 글로벌 수준에서, 좁게는 우리의 소소한 일상생활에까지 엄청난 영향을 주고 있다. 다시 말해서 이 5대 기술들은 다양하게 조합하면서 사람들이 일하고, 놀고, 먹고, 공부하고, 여행하고, 쇼핑하고, 의사소통하고, 사회활동하고, 사업하는 방식을 변혁시키고 있다. 이제 모든 산업에서, 모든 기업이 예외 없이 그 영향력 안에 놓여 있다. 기업이 이런 변화에 적극적으로 대응하기 위해서는 ‘디지타이징 비즈니스(digitizing business)’로 자신의 사업을 혁신해야 한다. 디지타이징 비즈니스란 빅데이터 시대의 5대 핵심기술을 자신의 사업을 혁신하는 새로운 도구로 활용해 비즈니스를 혁신하는 것을 말한다. 이제 기업은 사업의 어느 영역에서, 5대 핵심기술 중에서 어떤 기술을 어떻게 결합해 도입함으로써 혁신을 이룰 것인지를 끊임없이 고민하고 시도해야 한다. 그렇지 않으면 가만히 앉아서 적극적으로 빠르게 대응하는 경쟁자들이 앞서가는 것을 지켜볼 수밖에 없다.
이번 글에서는 디지타이징 비즈니스의 유형과 사례를 다룬다. 디지타이징 비즈니스의 유형을 설명하기 전에 우선 기업 내에서 수행되는 데이터 분석을 심층적으로 구분해 보자. 기업이 경쟁우위 확보·유지를 위해서는 데이터 분석을 통해 효율을 1∼2% 향상시키거나 비용을 1∼2% 감소시켜주는 현명한 의사결정을 해야 한다. 그렇게 하려면 <그림 1>에서 제시된 바와 같이 사업과 관련한 6가지의 근본적인 질문에 대한 통찰력을 데이터 분석으로부터 추출해야 한다.
어떤 일이 어디에서, 얼마나 많이 일어났는지에 대한 관찰과 보고는 대부분의 기업에서 일상적으로 행해지는 보고에 포함돼 있다. 하지만 그 사건이 왜, 어떻게 일어났는지에 대한 분석은 일부 기업에서만 행해진다.
2015년 가트너의 조사결과에 따르면, 리스크를 줄이기 위해서 현재 무슨 일이 일어나고 있는지를 탐지해 실시간으로 대응하고자 하는 분석은 약 30% 정도의 기업에서 행해진다. 이런 데이터 분석을 하지 않는 기업은 그동안의 경험과 감을 바탕으로 무슨 일이 일어나고 있는지를 추측하는 수준에 그치고 만다. 미래에 무슨 일이 일어날 것인지를 예측해 최선의 결과가 나오도록 최적화하는 분석은 10% 미만의 기업에서 수행된다. <그림 1>에서 오른쪽 위로 올라갈수록 분석의 난이도는 높아지지만 분석결과에서 얻을 수 있는 통찰력과 그에 따른 경쟁우위의 수준은 더욱 높아진다.
사실 이 6가지 질문은 과거, 현재, 미래 시점에 입각한 분석으로서 분석의 연장선(continuum) 측면에서 볼 때 단계적으로 수행되는 특성을 갖는다. 즉, 과거 데이터를 탐구해 무슨 일이 왜 일어났는지에 대한 모델링과 검증 없이는 현재에 벌어지는 이상(異狀)을 조기 탐지하거나 더 나아가서는 미래를 예측할 수 없다. 온라인 기업의 예를 들어 보자. 온라인 기업에서 중요한 것은 전환율(conversion rate)을 높이는 것이다. 전환율은 웹 사이트 방문자가 제품 구매, 회원 등록, 뉴스레터 가입, 소프트웨어 다운로드 등 웹 사이트가 의도하는 행동을 취하는 비율을 말한다. 기초적인 분석은 우선 전환율이 언제, 어디서, 얼마나 일어나고, 그 추세가 어떠하며, 무엇인 문제인지를 확인하는 것이다. 그다음엔 그런 전환율의 결과가 왜, 어떻게 해서 일어났는지를 여러 설명변수들로 추정하고 다양한 모델(기계학습 알고리즘)을 적용해 그 관계를 규명한다. 이런 분석 결과는 전환율이 특정 범위를 벗어나서 평소와는 다른 이상(異狀) 상태로 변화하는 경우 이를 즉각 탐지해 실시간으로 대응할 수 있도록 한다. 다음 단계에서는 이런 추세가 계속될 경우 미래에는 전환율이 어떻게 변할 것인지를 예측하고 주어진 현실의 제약조건하에서 전환율을 최대로 하기 위한 조치(action)를 최적화한다.
데이터 분석을 기업 전체의 시각에서 분석 목적, 데이터, 인적 판단의 개입 정도, 의사결정과 액션에 이르는 과정을 시각화하면 <그림 2>와 같다.
1
기업에서 수행하는 데이터 분석의 목적은 연구자에 따라 다양하게 구분한다. 예를 들어 사업적 의사결정 지원, 비용 절감, 시간 절약, 새로운 제품개발과 서비스 제안으로 구분하기도 하고,
2
생산성 향상, 발견에 의한 문제 해결, 의사결정 향상, 새로운 가치창출로 구분하기도 하며,
3
비용 절감, 수율 향상, 매출 증대, 효과적 의사결정으로 나누기도 한다.
4
사실 기업 내에서 데이터 분석의 목적은 현안 문제를 해결하거나, 새로운 문제를 발견해서 풀거나, 더 나은 의사결정으로 일을 해서 성과를 높이거나, 고객에 대한 이해를 높여서 서비스를 개선하거나(매출을 늘리거나), 새로운 매출을 일으킬 수 있는 상품이나 서비스를 개발하는 것이다. 이는 운영효율 향상과 매출 증대의 목적으로 크게 구분할 수 있다. 이 글에서는 <그림 2>의 맨 왼쪽에 제시한 바와 같이 운영효율 향상의 목적으로 생산성 향상과 리스크 감소(이상탐지)로, 매출 증대 목적으로는 기존 매출 증대와 새로운 매출 창출로 구분했다.
분석을 구체적으로 시작하려면 우선 기업 내부에 어떤 데이터가 있는지를 확인해야 한다. 명확히 정의된 어떤 데이터가, 어느 기간만큼, 어느 정도 정제돼 있는지, 품질은 좋은지 등을 체크하는 것이 중요하다. 또한 기존에 POS, CRM, ERP 등을 통해서 보유하고 있는 데이터 외에도 센서나 RFID 등을 활용해 어떤 데이터를 추가로 수집할 수 있는지도 확인해야 한다. 내부 데이터에 다양한 원천(source)에서 제공되는 외부 데이터를 합치면(mash up) 더 높은 수준의 인사이트를 추출할 수 있다. 그러므로 내부 데이터와 관련된 어떤 외부 데이터가 획득이 가능하고, 이를 어떻게 기존 데이터와 ‘매시업’ 할 수 있는지도 확인해야 한다. <그림 2>의 왼쪽에서는 분석 목적과 그에 따른 데이터 확인의 순서로 단계를 나타냈다. 하지만 이는 편의상으로 나타낸 순서일 뿐이다. 실제로는 그 반대의 순서, 즉 구체적인 분석의 목적 없이 먼저 데이터 확인하고 탐색하는 과정에서 현상을 이해하고 문제를 발견해 이를 해결하고자 구체적인 분석을 진행하는 경우도 많다.
5
닫기
