데이터 ‘확보’보다 ‘활용’이 관건

36호 (2009년 7월 Issue 1)

필자는 국내에서 구할 수 없는 전문 학술 서적을 종종 세계 최대 인터넷 서점인 아마존에서 주문한다. 아마존에 접속하면 필자가 과거에 구입한 책들이 일목요연하게 자료로 남아 있어 과거 구매 내역을 상세히 알 수 있다. 뿐만 아니라 필자가 주로 구입하는 책과 관련이 깊은 신규 서적을 소개하는 창도 뜬다.
 
이런 책 중 하나를 골라 내용을 훑어보면 ‘이 책을 산 고객들이 동시에 구매한 책들은 다음과 같습니다’라는 내용과 함께 비슷한 종류의 다른 책까지 줄줄이 나온다. 이를 모두 살피다 보면 시간이 어떻게 가는지 모를 정도다. 처음 접속했을 때 전혀 생각지도 않았던 책을 구입할 때도 많다.
 
여러번 이런 경험을 하면서 느끼는 점은 아마존의 데이터 관리 능력이 대단하다는 사실이다. 일단 아마존은 필자의 구매 행태에 관한 매우 상세한 기록을 갖고 있다. 특히 그 기록을 분석한 후, 필자가 관심을 가질 만한 책들을 골라 필자가 보는 화면에 자동으로 올릴 수 있는 능력은 타의 추종을 불허한다. 

 

 

국내의 어떤 인터넷 서점도, 옥션이나 G마켓과 같은 온라인 쇼핑몰도 고객 개개인의 특성에 어필할 수 있는 제품을 소개하는 별도의 화면을 제공하지 못한다. 하나의 물품을 사면 끝이지, 그 물품과 연관된 다른 물품을 소개해줄 정도로 친절한 인터넷 쇼핑몰은 국내에 아직 많지 않다. 따라서 아마존이 제공하는 서비스에 익숙해지면 다른 쇼핑몰을 이용하는 빈도가 현저히 낮아진다.
 
아마존은 필자 하나만을 위해 이런 서비스를 하지 않는다. 아마존을 이용하는 전 세계 수천만 명의 고객들을 위해 이런 서비스를 똑같이 제공한다. 그렇다면 과연 아마존이 이 방대한 데이터를 관리하고 분석하는 비용은 얼마일까? 아마 엄청난 돈이 들어갈 것이다. 물론 그 비용을 상쇄하고도 남을 만큼 고객들이 아마존을 자주 이용하기 때문에 이런 서비스를 제공하겠지만, 데이터 관리 비용이 엄청나다는 사실은 분명하다.
 
아마존과 비교하면 아직 미미한 수준이지만 국내에서도 이 같은 조짐이 나타나고 있다. 현재 일부 카드 회사들은 고객에게 매달 보내는 우편물을 고객의 성향에 따라 몇 가지로 나눠 제작하고 있다. 고객 성향에 따라 각각 다른 서비스를 제공하는 카드도 발급하고 있다. 네이버 같은 포털 사이트도 개인의 취향에 따라 초기 화면을 선택할 수 있는 옵션을 두고 있다.
 
정확한 원가 계산 시스템의 효과
필자는 아마존의 데이터 수집 능력보다 관리 능력이 더 뛰어나다고 생각한다. 이미 많은 한국 기업들도 아마존 못지않은 데이터를 보유하고 있다. 그러나 데이터를 갖고만 있을 뿐 제대로 활용하는 기업은 많지 않다. 즉 이용도 하지 않는 데이터를 획득하고 보유하기 위해 엄청난 돈을 낭비하고 있는 셈이다. 필자는 바로 이 차이가 세계 초일류 회사와 평범한 회사를 구분하는 기준이라고 생각한다.
 
필자가 얼마 전 방문했던 한 국내 기업은 매우 정교한 원가 계산 시스템을 갖추고 있었다. 이 회사는 요즘 널리 사용되는 ‘활동 기준 원가 계산 시스템(Activity-Based Costing system·ABC)’을 사용하고 있었다. ABC는 균형 성과표(Balanced Scorecard·BSC)의 창시자로 유명한 로버트 캐플란 하버드대 교수가 1980년대 말에 개발한 새로운 원가 계산 기법이다.
 
ABC를 이용하면 제품별로 투입된 생산 원가와 작업당 시간을 모두 추적할 수 있다. 예를 들어 원가를 계산할 때 100개의 요소가 필요하다면, 100개의 요소 각각에 해당하는 비용과 관련자를 모두 찾아낼 수 있다는 뜻이다. 생산 후 첫 번째로 출고된 제품이 생산에 투입된 시점, 그 제품의 조립 라인에서 일한 근로자의 이름, 각 근로자가 일한 시간, 정확한 원가 등을 모두 파악할 수 있기 때문에 종합 원가 계산법이나 개별 원가 계산법 등 과거의 방식보다 정확성이 월등히 높다.
 
문제는 이 훌륭한 시스템을 도입할 때 상당한 시간과 비용이 든다는 점이다. 시스템을 도입하고 설치할 때는 외부 전문가의 도움을 얻을 수 있지만, 이후에는 회사 내부 역량으로 그 시스템을 운영해야 한다. 생산 공정이 변할 때마다 원가를 구성하는 요소도 계속 변한다. 원가 요소가 동일하다 해도 원가 배분율이 변한다. 이런 변화를 계속 추적하고 그에 맞춰 시스템을 바꾸려면, 시스템을 구축할 때보다 더 많은 비용이 들 수도 있다.
 
그만한 가치가 있다면 아무리 비싸더라도 이 시스템을 보유해야 한다. 문제는 많은 기업들이 하루에도 수천, 수만 개의 제품을 생산한다는 사실이다. 불과 몇 원에 불과한 첫 번째 제품의 원가와 두 번째 제품의 원가 차이가 과연 얼마나 큰 의미를 지닐까. 이 정보가 그 기업의 의사결정에 상당한 영향을 주는 일은 거의 없을 것이다.

 

A
기업은 30개의 원가 요소를 사용하는 ABC를 도입했다. 이 ABC의 원가 계산 정확성은 95%다. 이 정확성을 99%로 높이기 위해 원가 요소를 100개 사용하는 ABC를 도입했다고 가정해보자. 원가 계산의 정확성을 4%포인트 올리기 위해 회사가 쓴 돈보다 이를 통해 회사가 얻을 수 있는 이익이 적다면, 결국 시스템 개선 비용은 낭비에 불과하다. 하지만 많은 기업들은 이 점을 간과한 채 무조건 최고, 최신 시스템을 구축하려 애쓰고 있다.
 
불필요한 고성능 제품의 구입과 파킨슨 법칙
이는 비단 원가 계산 시스템에만 해당되지 않는다. 많은 기업들은 기계, 설비, 사무용품 등을 구입할 때 대부분 최고급 제품을 구입하려 한다. 문제는 이렇게 구입한 설비나 비품의 최신 기능 중 상당수가 실제 생산 공정에서 큰 쓸모가 없다는 점이다. 휴대전화의 여러 기능 중 필자가 한 번도 안 써본 기능이 절반이 넘는다. 필자와 비슷한 사람들이 엄청 많을 것으로 추정된다.
 
기업도 마찬가지다. 휴대전화의 가격은 불과 수십 만원이지만, 생산 현장에서 사용되는 기계의 가격은 적게는 수억 원, 많게는 수십, 수백억 원에 이른다. 불필요한 지출 때문에 어마어마한 돈이 낭비되고 있는 셈이다. 10층짜리 사옥을 지으면서 초고층 빌딩에서나 필요한 값비싼 초고속 엘리베이터를 설치하고, 디자인은 세련됐지만 냉난방비가 더 많이 나오는 자재로 지은 건물이 모두 이런 사례다.
 
원가를 계산하는 부서는 최고의 원가 계산 시스템을 구입하는 데만 신경을 쓴다. 그 결과 회사가 얼마의 추가 비용을 지출해야 하는지에 대해서는 별로 신경 쓰지 않는다. 생산 부서 역시 최첨단 기술로 무장한 기계를 갖고 싶어 하지, 그 기계를 구입할 때 얼마의 비용이 들어가며 이로 인해 회사가 얻을 손익이 얼마인지에 대해서는 관심을 갖지 않는다. 인사나 총무 부서들도 단지 자기 부서에 더 많은 인력을 보유하고 싶어서 별로 필요하지도 않은 일을 만들어 인력 충원에 나선다.
 
이게 바로 ‘파킨슨 법칙(Parkinson’s law)’이다. 1955년 영국의 경제학자 노스코트 파킨슨은 업무량에 관계없이 공무원 수가 늘어나는 현상을 자신의 이름을 따서 파킨슨 법칙이라고 이름 붙였다. 한국에서도 새로운 정부가 출범할 때마다 대통령은 정부 부처를 축소하고 인원을 감축하겠다고 강조한다. 하지만 그 대통령의 임기가 끝날 때에는 부처의 수와 인원이 감축 전보다 오히려 더 늘어나 있다.
 
기업도 마찬가지다. 새로운 경영자가 취임하거나 위기가 닥칠 때마다 본사 인력을 축소해 현장으로 배치하겠다는 말이 나오지만 잠시뿐이다. 한번 줄었던 본사 인력은 어느새 축소 전보다 늘어난 상태다. 파킨슨 법칙이 등장한 지 60년이 지났음에도 이 현상이 아직도 나타나고 있다는 사실이 씁쓸할 따름이다.
 
비용 절감과 수익 향상을 위한 방안
이런 문제점을 해결하려면 최고경영자(CEO)나 구매 부서가 원가 절감 팀을 운영해야 한다. 중요한 물품을 구매할 때 담당 부서와 원가 절감 팀이 함께 논의해 그 물품이 진정으로 필요한지를 냉정히 판단해야 한다. 구매 부서는 현장 부서만큼 기계나 시스템에 대해 잘 알지 못한다. 따라서 협의 과정이 없다면 대다수 구매 부서는 현장 부서의 요구대로 최첨단 장비를 구입한다. 협의 과정을 거쳐 문제점을 한번 생각해보기만 해도 불필요한 요구가 상당수 줄어들 수 있다.
 
시스템을 도입할 때도 그 시스템에서 얻을 수 있는 데이터가 얼마나 쓸모 있는지, 그 데이터로 창출할 수 있는 수익이 어느 정도인지를 낱낱이 분석해야 한다. 앞서 말했듯, 불필요한 데이터를 모으고 보관하는 일 자체가 큰 낭비이기 때문이다.
 
외부 컨설팅을 받을 때에는 원하는 바가 무엇인지를 컨설팅 업체에 미리 명확하게 규정해야 한다. 그렇지 않으면 불필요한 과다 컨설팅을 받느라 시간과 비용을 있는 대로 쓰고, 지나친 조언으로 회사의 전략이나 문화 전체를 한꺼번에 뒤바꾸려 하다가 조직 전체가 혼란에 빠질 수도 있다. 그야말로 배가 산으로 가는 격이다.
 
비용 절감보다 더 중요한 점은 현재 사용하고 있는 시스템이나 데이터를 통해 추가로 수익을 얻을 방안을 고려하는 일이다. 필자는 많은 인터넷 게임 업체들이 ‘고객이 어떤 상황에서 게임을 그만두는지’에 관한 데이터를 상세히 분석해야 한다고 생각한다. 게임을 그만둔 고객에게 어떤 혜택을 제공하면 다시 게임을 시작할지, 새로 게임을 시작한 고객에게는 어떤 방식으로 인센티브를 주면 계속 게임을 하는지에 관한 데이터 수집도 가능하다.
 
이런 실험 결과를 자세히 분석하면 기존 고객의 이탈률을 줄이고, 신규 고객이 게임을 지속하는 비율을 높일 수 있다. 아마존처럼 보유 데이터를 적절히 활용해 고객에게는 더욱 큰 만족감을 주고, 회사는 더 많은 수익을 올릴 수 있다는 얘기다.
 
다른 예를 보자. 리조트 회사들은 성수기에는 고객이 넘쳐나 비명을 지른다. 하지만 비수기에는 객실이 비어 있을 때가 많다. 이때 어떤 할인 혜택을 제공해야 고객의 비수기 이용률을 높일 수 있을지 실험해야 한다. 실험 결과에 따라 적절한 할인 혜택을 고객군별로 제공한다면 수익성을 높일 수 있다. 리조트 산업은 변동비가 거의 없다. 비수기 방 값을 50% 이상 할인해줘도 고객이 없는 것보다는 낫다는 뜻이다.

아마존은 한때 동일 제품 가격을 소비자의 성향에 따라 다르게 책정하는 실험을 했다. 즉 접속 후 곧바로 제품을 구입하는 고객과 여기저기 돌아다니며 가격을 비교하거나 쿠폰을 이용해 싸게 구입하는 고객을 분류했다. 이후 각각의 고객 성향에 따라 화면에 다른 가격이 떠오르도록 했다. 당연히 전자의 소비자에게 제시한 가격이 비쌌다.
 
아마존의 이 차별적 가격 정책은 언론에 알려지자마자 거센 비난을 샀다. 결국 아마존은 이 정책을 오래 활용하지는 못했다. 하지만 고객의 성향을 개별적으로 분석하는 시도 자체를 나쁘게 볼 수는 없다.
 
카드 회사, 인터넷 쇼핑몰, 홈쇼핑 회사, 게임 회사들도 이런 시도를 계속해야 한다. 카드 업계의 후발주자였던 현대카드가 급속한 성장을 이룬 이유는 고객 개개인의 정보를 차별적으로 이용하려고 애썼기 때문이다. 현대카드가 가진 고객 정보는 다른 카드 회사들도 모두 갖고 있던 공통 정보에 불과했다.
 
문제는 그 자료를 적절히 사용한 회사가 현대카드뿐이었다는 점이다. 이는 데이터의 올바른 활용 여부가 얼마나 큰 차이를 가져오는지 보여준다. 필자는 미국 GE가 현대카드를 파트너로 선택한 이유도 이런 특성에 주목했기 때문이라고 생각한다.
 
일본 야구가 강한 이유
한국의 국보급 투수와 타자였던 선동렬 감독과 이승엽 선수는 모두 일본 진출 초기 상당한 성공을 거뒀으나, 곧 슬럼프를 겪었다. 두 선수에 대한 데이터를 축적한 일본 야구단이 그들의 약점을 집중 공략했기 때문이다.
 
두 선수가 한국에서 10년 넘게 선수 생활을 했어도 이 단점을 파악하는 사람은 거의 없었다. 설사 알았다 해도 이를 활용하는 사람이 많지 않았다. 그러나 일본은 단 1년 만에 그들의 약점을 모두 파악했다. 다행히 한국이 낳은 최고의 선수답게 두 선수 모두 이를 악문 훈련으로 이를 극복했다. 하지만 자료를 철저히 분석하고 이를 경기에 이용하는 일본 야구의 힘은 정말 대단하다.
 
필자는 한국이 2009년 월드베이스볼클래식(WBC) 결승전에서 일본에 진 이유도 여기에 있다고 생각한다. 한국은 2008년 베이징 올림픽 준결승에서 일본을 격파했고, 결승전에서는 쿠바마저 꺾으며 금메달을 땄다. 류현진과 김광현이라는 두 어린 투수가 세계 최고라는 쿠바와 일본 타선을 꽁꽁 묶었기 때문이다.
 
하지만 올림픽에서 일본 킬러로 각광받았던 김광현은 WBC 1차 라운드 첫 경기에서 난타당했다. 결국 그 경기에서 한국은 일본에 콜드게임 패라는 수모를 당했다. 불과 몇 개월의 시차밖에 없었음에도 일본이 김광현의 장단점을 철저하게 파악해 약점을 집중 공격했기 때문이다.
 
올림픽 이후 일본의 스카우터들은 한국에 몇 개월씩 상주하며 경기장에서 류현진과 김광현의 투구 형태를 철저히 분석했다. 하라 다쓰노리 일본 대표팀 감독이 경기 전부터 “류현진과 김광현에 대한 분석을 끝냈다. 일본 선수들은 이에 잘 대비하고 있다”고 자신한 이유다. 결국 그 자신감은 사실로 드러났다.
 
WBC에서 봉중근 선수가 호투한 이유도 같은 맥락에서 해석할 수 있다. 베이징 올림픽을 치를 때만 해도 일본은 봉중근을 류현진이나 김광현과 맞먹는 선수라고 평가하지 않았다. 때문에 봉중근 선수에 대해서는 김광현 선수만큼 세밀히 대비하지 않았다. 1라운드 두 번째 경기와 2라운드 순위 결정전에서 한국이 일본을 이긴 이유도 여기에 있다.
 
하지만 두 차례의 경기 후, 결국 일본은 봉중근 선수에 대한 분석마저 끝냈다. WBC 결승전에서 봉중근 선수는 최선을 다했지만, 일본 선수들은 앞선 두 경기 때보다 훨씬 그의 공을 잘 받아 쳤다.
 
1980년대 말∼1990년대 초, 빙그레 이글스(현 한화 이글스)를 이끌었던 김영덕 감독은 철저한 분석 야구로 유명했다. 비록 단기전인 한국 시리즈에서는 당시 최고의 전성기를 구가했던 김응룡 해태 감독(현 삼성 라이온스 사장)에게 막혀 준우승에 머무를 때가 많았지만, 빙그레의 분석 야구는 그야말로 한 시절을 풍미했다.
 
선동렬, 김성한, 이순철, 조계현 등 국가 대표급 선수들을 여럿 보유한 해태와 달리, 빙그레의 주축 선수들은 대부분 다른 팀이 방출한 선수나 신인, 연습생 출신이었다. 선수들 개개인의 기량만을 보면 해태가 독보적 1등을 하고, 빙그레는 꼴찌를 차지해야만 했다. 그럼에도 불구하고 빙그레는 거의 매년 정규 리그 우승을 차지했다. 철저히 자료를 분석해 작전을 세움으로써 선수 개개인의 능력을 초월하는 성적을 거둘 수 있었기 때문이다. ‘지피지기면 백전백승’이라는 속담은 바로 빙그레의 선전을 두고 한 이야기다.
 
21세기에는 김영덕 감독보다 더한 데이터 야구의 신봉자가 등장했다. 바로 SK 와이번스의 김성근 감독이다. 그의 머리에는 8개 구단 선수들의 데이터가 낱낱이 입력돼 있다. 스스로도 “상대 팀과 투수를 고려해 수백 가지 배팅 오더를 만들 수 있다”고 강조한다. 데이터와 상대 타자에 따라 수없이 투수를 갈아치우는 소위 ‘벌떼 야구’도 김성근식 데이터 야구의 결과물이다. SK 와이번스가 괜히 2007∼2008년 연속 정규 리그 1위 및 한국 시리즈 우승을 차지한 게 아니다.
 
물론 어떻게 사용하느냐에 따라 데이터는 약이 될 수도, 독이 될 수도 있다. 하지만 아직 많은 한국 기업들은 데이터를 제대로 활용하려는 노력조차 하지 않는다. ‘아는 것이 힘’이라는 말이 왜 나왔겠는가. 모르는 건 약이 아니라 병임을 명심하자.

편집자주 서울대 최종학 교수가 딱딱하고 어렵게만 느껴지는 회계학을 쉽게 공부할 수 있도록 ‘회계를 통해 본 세상’ 시리즈를 연재하고 있습니다. 이 시리즈를 통해 독자들이 회계를 좀더 친숙하게 받아들이고 비즈니스에 잘 활용할 수 있을 것으로 기대합니다. 독자 여러분의 많은 성원 바랍니다.
동아비즈니스리뷰 334호 세계관의 세계 2021년 12월 Issue 1 목차보기