2012 DBR FORUM : Big Data Optimization “Let Data Answer”

3900원 커피 한 잔 값에도 빅 데이터가 …

109호 (2012년 7월 Issue 2)





편집자주

이 기사의 제작에는 동아일보 미래전략연구소 인턴연구원 서진원(서울대 응용생명화학과 4학년) 씨와 성진원(고려대 경영학과 3학년) 씨가 참여했습니다.

 

빅데이터를 수집하고 제대로 분석해 경영상 의미 있는 결과를 도출해내려는 기업들의 관심이 커지고 있다. 반면 구체적인 방법이나 전략은 증폭되는 관심에 못 미치는 상태다. DBR은 빅데이터의 정확한 의미를 진단하고 실증적인 방법을 제시하기 위해 73일 딜로이트컨설팅과 함께 대한상공회의소에서 ‘Big Data Optimization: Let Data Answer’라는 주제로 포럼을 열었다. 이 자리에 연사로 참석한 이성욱 딜로이트컨설팅 상무는메리어트호텔과 월마트, 구글, 아마존, 자라와 같은 유수 기업들이 성공한 이유는 이들이 가진 제품이나 서비스 자체가 월등하다기보다는 그것을 제공하는 과정에서 애널리틱스를 활용하는 능력이 뛰어났기 때문이라며이제 기업들의 비전은애널리틱스를 이용해 수익을 높이자에서애널리틱스 자체가 핵심 경쟁력이 되도록 하겠다로 전환돼야 한다고 강조했다. 포럼에서 논의된 주요 내용을 요약한다.

 

애널리틱스는 왜 필요한가

애널리틱스는 빅데이터에서 의미 있는 결과를 이끌어내기 위한 분석 방법을 통칭한다. 다시 말해 빅데이터를 제대로 활용하기 위해서는 애널리틱스부터 제대로 고안해야 한다. 애널리틱스가 필요한 것은 다음의 세 가지 이유 때문이다.

 

첫째, 직관의 함정이다. 그동안 기업들이 애널리틱스를 도입하는 데 가장 걸림돌이 된 것은 복잡한 분석 없이 경험과 직관만으로도 이제껏 의사결정을 잘 내려왔고 성공적으로 기업을 이끌어왔다는 맹신이다. 하지만 직관이란 다시 말하면 감()인데 어느 곳에서보다도 정교하고 과학적이어야 할 경영의 현장에서 감에 의존해 중요한 결정을 내린다는 것은 어불성설(語不成說)이다. 이러한 직관의 위험은 애널리틱스로 극복할 수 있다.

 

둘째, 인간 능력의 한계다. 피자집에 50명의 고객이 왔다고 해보자. 이들은 전부 다른 종류의 피자를, 각각 다른 시간에 가져다 달라고 주문했다. 그런데 불행하게도 프라이팬이 하나뿐이다. 피자마다 조리시간이 다르고 식는 데 걸리는 시간이 다르며 설거지 시간도 다르다. 이럴 때 가급적 조리 시간과 설거지 양을 줄이고 싶다면 어떻게 해야 할까. 또 피자가 최대한 식지 않게 하면서 정시에 서빙하려면 어떻게 해야 할까. 인간의 능력으로는 50개의 피자를 제대로 서빙하기 위한 최적의 조합을 찾아낼 수 없다. 애널리틱스의 힘이 필요한 영역이다.

 

셋째, 가격 민감도다. 스타벅스가 좋은 사례다. 스타벅스는 매년 가격표 하나를 정하는 데 엄청난 비용과 노력을 쏟아붓는다. 커피의 원가를 따져볼 때 아메리카노는 500∼600원 정도, 카라멜크림프라푸치노는 700∼800원 정도 한다. 그런데 판매 가격은 아메리카노가 3900, 카라멜크림프라푸치노는 5300원이다. 원가 대비 가격만으로 보면 카라멜크림프라푸치노는 4300원쯤이면 적당할 것이다. 그럼에도 불구하고 5300원이나 받는 것은 그만큼 사람들의 가격 민감도가 낮기 때문이다. 아메리카노는 판매량이 가장 많을 뿐 아니라 모든 커피 전문점에서 취급하는 메뉴이기 때문에 가격이 조금만 비싸져도 소비자가 예민하게 반응한다. 이런 원리를 알지 못하고 정직하게 원가에 정해진 비율의 마진만 더해 가격을 결정한다면 더 큰 수익을 얻기 어렵다. 이처럼 무의식적으로 결정되는 많은 것들을 데이터화해서 의식의 영역으로 끌어내기 위한 것이 애널리틱스다.

 

장영재 카이스트 산업 및 시스템 공학과 교수는아직도 기업 운영의 상당 부분이 감과 눈대중으로 이뤄진다 “M&A와 같은 중대한 결정뿐만 아니라 매일 반복되는 작은 의사 결정도 데이터를 분석해서 그 의미를 적용하면 훨씬 나은 결과를 만들 수 있다고 말했다.

 

 



애널리틱스에서 성공하려면

애널리틱스에서 성공한 기업들은 다음과 같은 공통점을 지닌다. 첫째, 데이터에 욕심이 많다. 비즈니스 현장에서 발생하는 수많은 데이터의 수집 및 축적 자체를 중요한 자산으로 생각한다. 둘째, 빅데이터와 스몰데이터가 각각 어떤 역할을 하는지 명확하게 이해하고 이들을 통합하는 과정을 중요시한다. 스몰데이터를 무시하고 빅데이터에만 집중한 기업 중에 성공한 사례는 없다. 셋째, 중요한 것은 데이터가 아니라 해결하고자 하는 문제라는 점을 알고 있다. 과거에는 데이터 분석이라고 하면 일단 여러 가지를 반복적으로 돌려보고 그러다가 뭔가 하나 걸리면 이를 확대 해석하는 경향이 강했다. 데이터부터 수집하는 것이 아니라 비즈니스 문제를 정의한 후 이 문제를 푸는 데 도움이 될 만한 데이터를 모으는 것이 바람직한 순서다. 넷째, 데이터 기반의 의사결정 체계를 갖고 있다. 아무리 데이터가 좋아도 이를 토대로 의사결정하지 않으면 의미가 없다. 다섯째, 애널리틱스를 이야기할 수 있는 환경을 만든다. 이는 리더십의 영역이다. 리더가 먼저 나서서 애널리틱스가 활발하게 논의되는 환경을 이끌어야 한다. 여섯째, 작은 과제들의 성공 사례를 쌓는다. 작은 과제라도 일단 성공 사례를 여러 개 만들고 이를 프로토타입(prototype)화해서 공유하는 것이 중요하다.

 

이때 가장 중요한 것은 비즈니스 전문가들과 데이터 사이언티스트(Data Scientist)들이 효과적으로 협업할 수 있는 분위기와 체계를 만드는 것이다. 양쪽의 사람들이 서로의 입장을 존중하고 이해하면서 끊임없이 커뮤니케이션할 수 있어야 한다. 그래야 이들의 전문성이 통합돼서 실질적인 성과로 이어질 수 있다. 결국 중요한 것은 데이터를 토대로 하는 의사결정 문화를 조성하는 것이다. 대기업이라고 해서 특별히 애널리틱스 활용에 유리한 것도 아니다. 기업 규모가 클수록 빅데이터 분석결과가 의사결정에 반영되는 절차가 복잡하기 때문에 오히려 중소기업이 나을 수 있다.

 

 

빅데이터 성공 사례

이날 포럼에서 딜로이트컨설팅은 진행했던 프로젝트를 크게 5가지로 구분해 성공 사례를 소개했다. 이성욱 상무는월마트는 상점당 10만 개의 상품을 취급하고 시간당 100만 거래를 하고 1주일에 2억 명의 사람들이 몰려오지만 껌 한 통도 그 자리에 놓아야 할 이유를 알기 전에는 놓지 않는다고 말한다데이터에 기반한 의사결정은 점점 더 중요해지고 있다고 말했다.

 



Customer Analytics

- Micro Segmentation

이 분야에서 가장 대표적인 것은 고객 분류다. 최근에는 Micro Segmentation이라고 불리는 목적별 고객 분류가 주요 트렌드로 자리 잡고 있다. 호주의 한 항공사는 950개에 달하는 정보를 고객별로 수집해서 넣고 상세하게 분류해 항공권 마케팅에 활용해 성과를 거뒀다. 미국의 한 통신사는 마케팅 방법에 따른 ROI를 실시간으로 분석해 어떤 채널에 어떤 내용으로 어떤 형식의 광고를 집행했을 때 수익성이 가장 좋았는지를 파악했다. 그리고 어떤 부분을 강화하고 어떤 부분을 생략할 것인지 결정해 최적의 마케팅 전략을 수립할 수 있었다.

 

- Social Analytics

미국의 한 제약회사는 영업사원의 마케팅 활동에 고객별 네트워크를 활용할 수 있도록 했다. 제약사의 마케팅 대상은 의사들이다. 이 회사는 의사들이 서로 누구와 네트워킹돼 있는지 분석하고 이를 활용해 어떤 방법으로 컨택하는 것이 효과적인지 파악해 영업에 적용했다.

Supply Chain Analytics

- Demand Forecasting

새로운 제품을 본격적으로 시장에 내놓기 전 수요를 예측할 때 애널리틱스를 활용할 수 있다. 이때 과거 동일/유사 제품의 판매량, 지역별 고객 프로파일, 자사 및 경쟁사의 가격 변경 이력, 자사 및 경쟁사의 프로모션 이력과 그 결과 등 다양한 요인들이 변수로 작용할 수 있다. 이를 총체적으로 분석하기 위해 애널리틱스를 활용한다.

- Integrated Analytics

국내 한 화학제조업체는 제품별 수요 트렌드와 납기일, 생산에 소요되는 기간 등을 종합적으로 분석해 생산량 확대, 기간 단축, 비용 절감 등 목적에 따라 생산 속도를 최적화하는 프로젝트를 진행하고 있다.

Financial Analytics

미 재무부는 7800개 은행의 분기별 데이터와 2700개의 내외부 변수를 활용해 은행별 파산 가능성을 도출했다. 이는 파산 위험 은행을 선별하고 공적자금 투입 여부를 결정하는 데 결정적인 자료로 활용됐다.

Workforce Analytics

신입사원 채용은 그야말로 직관의 영역이다. 한 조사에 따르면 기업의 면접관들이 중요하게 생각하는 요인과 실제로 해당 사원들이 3년 뒤 낸 실적을 매칭했을 때 상관관계가 전혀 발견되지 않았다. 그런데 애널리틱스를 활용하면 새로 직원을 채용할 때 좀 더 분석적으로 접근할 수 있다. 개별 지원자가 갖고 있는 여러 가지 정보들을 분석해서 기업 내부에서 현재 일하고 있는 사람 가운데 성과가 좋은 사람 혹은 그렇지 못한 사람의 프로파일과 비교하는 방식이 그 예다.

Risk & Regulatory Analytics

캐나다의 한 카지노 회사는 직원들이 결탁해 기계를 조작하고 돈을 빼돌린다는 루머에 대응해 애널리틱스를 활용했다. 어떤 시간에 어떤 기계들이 돌아가고 그 시간에 누가 일하고 있었으며 어떤 고객이 게임을 즐기고 있었는지를 분석해 어떤 위험이 있는지를 사전에 파악하는 방식을 썼다.

 

 

 

최한나 기자 han@donga.com

동아비즈니스리뷰 350호 Smart Worcation 2022년 08월 Issue 1 목차보기