로그인|회원가입|고객센터
Top
검색버튼 메뉴버튼

데이터가 흐르는 조직

데이터 리더십 첫발은 ‘분석 제목 달기’

강양석 | 388호 (2024년 3월 Issue 1)
Article at a Glance

임원에게 필요한 빅데이터 분석 역량은 제목과 키 차트의 시각화를 통해 분석의 목표를 명확히 하는 것이다. ‘제목 달기’를 할 때는 어떤 가치를 추구할 것인지를 중심으로 문제 정의를 명확히 해야 한다. 또한 키 차트에는 문제가 되는 관점이 명확히 담겨야 한다. 이를 통해 임원은 분석의 기준을 분명히 함으로써 데이터 과학자와 생산적인 대화를 하고 빅데이터 분석의 실효성을 높일 수 있다.



빅데이터 분석 결과에 관한 소통은 차트 데이터로 이뤄진다. 이때 분석의 끝, 즉 분석 결과를 요약하는 능력이 빛을 발한다. 그런데 역설적이게도 ‘분석의 끝을 요약할 수 있는 역량’은 분석의 초창기에 발휘될수록 더욱 부가가치가 커진다. 즉, 분석을 하기 전부터 만약 이 분석이 성공한다면 우린 어떤 결과를 얻게 될지를 기획할 수 있어야 한다는 얘기다. 물론 어떤 데이터로 어떤 기법을 사용할지 알 수 없기에 기획의 완성도가 떨어지겠지만 이런 모호함을 넘어 분석의 목표를 명확히 제시하는 역량이야말로 임원이 가져야 할 데이터 리더십(Data Driven Leadership)의 핵심이다.

분석을 하기도 전에 분석의 끝을 요약한다는 것은 어떤 의미일까? 얼핏 가설을 설정하는 역량으로 이해할 수도 있다. 그런데 빅데이터 분석은 가설 없이 탐색적으로 진행되는 경우도 많기 때문에 가설적인 답의 내용을 분석 초반부터 명확히 정하라는 것은 무리한 요구가 될 수 있다. 업력이 많은 임원에게조차도 말이다. 그럼 뭘 정하라는 것일까? 정확히 말하면 분석의 제목을 달고, 분석이 성공한다면 얻게 될 키 차트(Key Chart)를 그리라는 것이다. 가설은 분석 경과에 따라 늘 변화무쌍하게 변할 수 있기 때문에 무리하게 가설을 수립하는 것보다 제목과 분석의 최종 이미지만 정해 보는 것이다. 그도 그럴 것이 빅데이터 안에 어떤 패턴이 숨어 있을지 알 수가 없기에 분석 중 발견되는 다양한 패턴이 우리의 가설을 무수히 바꾸게 된다. 그러므로 가설적인 내용 없이 분석의 목적을 명확히 보여줄 수 있는 툴이 더 유용할 수 있다. 제목과 키 차트만 잘 작성해도 조직 내 수많은 분석 프로젝트들의 성공 확률이 극적으로 높아질 수 있다. 그래서 임원의 ‘제목 달기’와 ‘키 차트 그리기’ 역량은 분석 기획의 꽃이라고 부를 수 있다.


제목 달기

자, 그럼 우선 ‘제목 달기’부터 해보자. 일반적으로 데이터 분석 기획을 하라고 하면 적게는 두 장, 많게는 십수 장에 이르는 기획서를 쓰곤 한다. 그런데 이런 방식은 굉장히 비효율적이다. 분석도 하기 전에 힘이 다 빠져버리기 일쑤이고 무엇보다도 분석 소결이 데이터가 가진 패턴에 의해 지속적으로 변하기 때문이다. 빅데이터 분석일수록 더욱 그렇다. 결국 보여주기식 기록에 그치기 십상이다. 이런 상황을 벗어나고자 필자가 고안한 방법은 아래의 4가지 요건을 갖춰 제목을 달아보는 것이다. 이는 단 30글자 내로 분석의 큰 그림을 압축적으로 표현한다는 것을 의미한다. 그 4가지 요소는 다음과 같다.


A. 어떤 데이터로

B. 어떤 분석을 실시해

C. 어떤 결과를 얻어

D. 어떤 가치를 추구할 것인가.

GettyImages-1419815378_[변환됨]


한마디로 어떤 데이터로, 어떤 분석을 해서, 어떤 결과물로, 어떤 가치(Business Impact)를 조직에 만들어 낼지를 가장 압축적으로 작성해 보라는 것이다. 언뜻 쉬워 보이지만 이 4가지 요소를 밀접하면서도 유기적으로 써내는 것은 생각보다 쉽지 않다. 실제로 많은 리더가 자신의 문제를 이렇게 표현하는 데 곤란을 겪곤 하는데 그럴 때마다 이런 가이드를 준다. “여러분의 제목이 잘 작성됐는지 스스로 점검하고 싶으시면 D를 보고 C가 반드시 필요한지, C를 보고 B가 요구되는지, 그리고 B를 보고 그 A 데이터가 핵심이 맞는지를 역방향으로 읽어 보세요.” 그럼 스스로 깨닫게 된다. D 분석의 가치를 명확히 하는 것이 얼마나 중요한 일인지 말이다. 실제로 분석을 하다 보면 D를 어떻게 정했는지가 나머지 모두를 결정하는 경우가 많다. 예를 들면 동일한 수요 예측 프로젝트를 한다고 해도 D를 악성 재고 감소(물류팀)라고 정하느냐, 고객 만족도 제고(마케팅팀)로 정하느냐에 따라 나머지 A, B, C 요소가 영향을 받게 된다.

그러면 예시로 국내 모 보험사 임원이 작성한 다음 제목을 살펴보자.


손해율 불량한 국내 근재보험 계약자 현황 데이터를(A), 보험료민감도/취급자충성도 분석(B)을 통해 각 그룹별 손해율 개선 방안(C)을 도출하고 수익성을 개선(D)함


언뜻 보면 데이터 분석 제목 치곤 너무 긴 것 아니냐는 평이 있을 수 있다. 그런데 데이터 과학자들과 상의해 보면 ‘짧고 모호한 것보다 길더라도 명확한 제목’이 훨씬 낫다고 한다. 체계가 잡혀 있기 때문이다. 실제로 조직 리더들이 문제 정의를 명확하게 하지 못해 데이터 분석 프로젝트가 실패하는 경우가 많다. 어찌 보면 데이터 분석은 추상적인 비즈니스 문제를 손에 잡히는 데이터로 빗대어 풀어가는 ‘명확화와의 지난한 싸움’이라고 볼 수 있다. 그러니 그 명확성의 가장 큰 아웃라인은 임원이 최소한도로 정해줘야 한다.


20240226_161241

키 차트 그리기

제목 달기가 끝나면 이를 키 차트라는 형식을 통해 명확히 시각적으로 표현해야 한다. 이때 주의할 점은 차트에 들어가는 내용을 명확히 구성할 필요는 없다는 것이다. 키 차트 단계에서 중요한 것은 분석 결과의 내용보다 관점의 명확화라는 것을 잊어서는 안 된다. 이 둘만 잘 표현돼 있어도 분석의 승기를 반 이상 잡았다고 볼 수 있다. 당연히 제목과 키 차트가 수미상관해야 하는 것은 말할 필요도 없고 말이다.

앞선 사례의 핵심은 ‘이슈가 발생할 수 있어 보이는 고객을 어떻게 발견(관점)하고, 어떻게 대응할 것인가(의도)’이며 [그림 1]의 키 차트는 이를 성공적으로 표현하고 있다. 일단 고객을 어떤 시각으로 바라볼지에 대한 중요한 결정이 담겨 있다. 바로 취급자 충성도와 보험료 민감도 같은 표현으로 말이다. 이를 단순히 제목에 기술했을 때보다 키 차트로 시각화해 보니 그 관점의 쓰임새가 명확히 드러난다. 더 나아가 이렇게 구분된 고객군에 대해 가설적으로 어떤 대응 방안이 있을 수 있을지를 추가적으로 기재했다. 이런 상세 내용은 없어도 된다. 아직 분석을 통해 나온 결과가 아니기 때문에 간략히 어떤 내용이 들어갈지를 분위기만 적어줘도 된다.

그럼 데이터 분석가들은 이 제목과 키 차트에서 어떤 가치를 느낄까? 우선 분석 전반의 지향점을 한눈에 이해할 수 있다. 의외로 글과 그림으로 자신의 문제의식을 스스로 명확히 표현하지 못하는 임원이 많다. 또한 키 차트를 통해 분석의 기준을 명확히 이해할 수 있을 것이다. 취급자 충성도와 보험료 민감도 말이다. 이때 여러분은 이런 생각이 들 수 있다. 취급자 충성도와 보험료 민감도는 어떻게 계산하느냐고 말이다. 당연히 이 질문은 중요하지만 그건 이제부터 논의를 통해 정해 나가면 된다. 즉, 키차트를 통해 앞으로 논의를 통해 뭘 정해야 할지를 결정했다는 것만으로도 훌륭하게 첫 삽을 뜬 것이다. 이 정도 콘셉트를 잡았다면 데이터 과학자가 이 내용을 보다 상세화하는 중요한 역할을 할 수 있다.


의사결정 리터러시의 중요성

임원급 리더들과 제목 달기와 키 차트 그리기 연습을 하면서 발견한 몇 가지 재밌는 사실이 있다. 첫째, 생각보다 고급 분석 기법과 데이터 과학적 요소를 필요로 하는 문제가 많지 않다는 것이다. 우리 팀의 경험에 따르면 고급 분석 기법과 빅데이터를 필요로 하지 않는 주제가 약 70%에 달하는 것 같다. 이는 디지털 환경과 투자 문제에 매우 중요한 시사점을 제공한다. 우리가 디지털 및 데이터 기반 성공 사례를 접하는 경로를 잘 살펴보면 대부분 그런 서비스를 수행하는 전문가들의 입을 통할 때가 많다. 그들의 설명은 늘 잘 짜여 있고 체계적이라는 장점이 있지만 다소 거창하고 두렵고 엄두가 나질 않는다. 오죽하면 종교, 학원, 컨설팅 서비스의 공통점은 ‘공포를 파는 서비스’라는 말까지 나오겠는가? 한마디로 말하면 조직은 자신의 문제를 쭉 펼쳐 놓고 본 적이 없는 상태에서 두려움에 직면하고 쫓기듯 혁신을 강요당하게 될 수 있다. 서툴고 거칠지만 당장 우리가 풀고 싶은 문제가 무엇인지 살펴보는 기회가 필요하다. 그러면 현업 리더들이 당장 풀고 싶은 문제들의 모음집을 만들 수 있다. 그 모음집으로부터 어떤 기술, 어떤 데이터가 필요할지에 대한 청사진을 그려야 한다. 기술에서 시작하면 과투자하기 십상이다.

둘째, 많은 임원이 제목 달기에서 D(분석 가치)를 명확히 제시하는 것부터 힘들어 한다. 예를 들면, D를 ‘~를 통한 자동화된 시스템 개발’이라고 적는 식이다. 시스템 개발은 문제 해결의 종착지가 아니다. 그런 시스템을 통해 실시간 수익 파악이 가능해졌다든지 조직 간 간접비 배분의 투명성이 제고됐다는 등의 가치를 설명해야 하는데 그저 시스템 론칭이 D가 되고 만 것이다. 앞서 말한 대로 임원은 데이터 분석의 가치(또는 비즈니스 임팩트)를 특정하는 역할을 반드시 해줘야 한다. 임원은 가치를 추구하는 사람들이기 때문이다. 가치가 명확해야 문제 정의의 내용, 의사결정 원리 선택, 분석의 접근 방식, 필요 데이터의 상세 구성 등 전체 분석 과정이 일관성을 가질 수 있다. 그래서 D 부분은 너무 거창하지도 않으면서 너무 지엽적이지 않게 적정하게 정해야 한다.

셋째, 고급 분석 기법을 모르면 B(어떤 분석)를 작성 못한다고 오해하는 것이다. 임원이 정의해야 할 분석의 콘셉트는 데이터 과학자에게 요구되는 세세한 분석 기법까지를 의미하지 않는다. 당연히 분석 기법을 많이 알면 분석의 핵심 콘셉트를 기술하는 데 도움이 될 수 있다. 그런데 기법보다 중요한 것이 분석의 관점 또는 의사결정 원리이다. 기법은 관점과 의사결정 원리를 달성하는 수단이다. 가령, 어떤 문제를 효과성 또는 효율성 관점에서 결정할지를 정하지 않은 상태에서는 어떤 기법도 무용하다. 성장하는 시장에서 신규 사업성을 검토하는 문제는 효과성 관점이 분석의 전 과정에 면면히 흘러야 하지만 공정 최적화를 위한 최적 원료 배합률 탐색 문제는 효율성 관점에서 봐야 하듯이 말이다. 이런 의사결정의 콘셉트(B)는 당연히 D(분석의 가치)와 일맥상통해야 하며 데이터(A)의 필요성 여부에 결정적인 영향을 준다. 그러니 편하게 요인 분석, 그룹 간 상이성 검토, 요소 간 영향도 측정 등을 자연어로 풀어 설명해도 충분하다. 이 정도만 적어줘도 데이터 과학자와 대화를 통해 상세화할 여지는 충분하니 말이다. 오히려 임원들이 B를 길게 잘 풀어줘야 데이터 과학자는 분석 기법을 더 잘 고를 상황 정보를 얻을 수 있다.

마지막으로 가장 중요한 시사점이 있다. 임원들이 의외로 데이터 리터러시가 아니라 의사결정 리터러시(Decision-Making Literacy)가 부족할 수 있다. 이게 무슨 뚱딴지같은 소리인가 싶겠지만 정확히 얘기하면 데이터 기반 의사결정 리터러시를 말하는 것이다. 즉, 데이터 기반 문제 해결의 저해 요소는 분석 기법이나 툴을 몰라서라기보다는 어떤 결정을 하기 위해서, 어떤 결정들이 선행적으로 필요한지를 섬세하게 구성하지 못하는 게 더 큰 문제다. 직관의 시대에는 크게 중요하지 않았으나 분석의 시대에는 너무나도 중요한 역량이다. 우리는 이를 큰 비즈니스 질문을 작은 분석 질문들로 쪼개는 역량(Conversion From Business Question To Analytical Questions)이라고 부른다. 그도 그럴 것이 지금 대부분의 임원 세대는 직관의 시대를 헤쳐 나온 인재다. 그런데 세상은 증거 기반(Evidence-based) 의사결정의 시대로 바뀌었다. 이에 발맞춰 리더십을 발휘하려 하니 기존 의사결정 습관의 한계가 드러나고 있다. 데이터의 양이 늘어났다 해서 판단 습관이 덩달아 갑자기 바뀌는 것은 아니니 말이다. 이를 반영하듯 국내 모 선두 금융지주의 임원 강의를 실시했을 때 해당 조직의 인사 담당자가 자사의 임원을 ‘화염병 세대’라 부르는 것을 듣고 적잖이 놀란 적이 있다. 새로운 시대, 새로운 의사결정 스타일에 지금의 임원진이 잘 적응할지에 대한 근본적인 구심을 느낄 수 있었다.


키 차트 그리기 실습 사례

데이터 기반 의사결정은 고도의 분석적 사고력을 요구하고, 감성을 자극하는 강력한 증거 하나보다 모두가 납득 가능한 충분한 증거 여럿을 필요로 한다. 그래서 구조적, 분석적, 논리적, 인과적 사고가 필수적이다. 한마디로 생각의 사각지대가 없는 상태를 유지할 수 있어야 한다는 것인데 키 차트를 보면 여실히 이 이슈가 드러난다. [그림 2]를 통해 살펴보자.

20240226_161252


이 제목과 키 차트에 대해 어떻게 생각하는가? 내용의 핵심을 살펴보면 자사의 다양한 사회공헌 프로그램을 적절히 평가해 사회공헌 사업의 포트폴리오를 최적화하겠다는 의도를 알 수 있다. 제목의 데이터(A), 분석 콘셉트(B), 결과물(C), 가치(D)가 골고루 표현돼 있다. 나아가 어떤 관점(기부 완료 속도와 기사 조회 수)으로 분석할 것인가도 제시돼 있다. 언뜻 보면 잘 작성된 제목과 키 차트인 것 같다. 하지만 잘 생각해보면 의심이 든다. 왜 기사 조회 수와 기부 완료 속도라는 관점 사이에서 최적화를 고민해야 하는가 말이다. 그냥 둘 다 제고하면 되는 거 아닌가? 즉, 모든 점을 우측 상단으로 옮기면 왜 안 되는지가 잘 드러나 있지 않다는 것이다. 이게 잘 드러나지 않으면 문제가 문제로 공감받기 어렵고 데이터 분석의 쟁점도 모호해진다. 다시 말하지만 문제의 쟁점이 명확해야 데이터의 쓰임새가 명확해진다.

모든 비즈니스의 본질은 선택과 집중이다. 경영 자원이 유한하기 때문이다. 이 상황에서 리더의 의사결정은 대부분의 경우 양립할 수 없거나 상충하는(trade-off) 사이에서 절충의 형태로 발생한다. 그래서 위 키 차트처럼 좋은 것(기사 조회 수)과 좋은 것(기부 완료 속도) 사이에서 발생하는 의사결정은 문제가 아니기에 분석의 대상이 되기 애매하다. 그래서 다음과 같은 데이터 과학자의 예상 질문을 통해 키 차트를 수정해 나가야 한다. (그림 3)

20240226_161303


이런 수정 과정을 통해 키 차트가 단순히 화려해 졌다고만 해석하지 않았으면 한다. 리더의 문제의식과 가설적인 관점이 명확히 읽히느냐가 중요하다. 제목에서 가장 중요한 개념은 각 사회공헌 사업의 ROI이다. 그렇다면 당연히 그 성과(R: Return)와 투자 규모(I: Investment)의 구성 요소를 정하는 것이 이 분석의 핵심이 될 것이다. 그러니 이를 충분히 구성해줘야 한다. 또한 평가를 한다는 것은 선택을 하기 위한 사전 정지 작업이다. 그러므로 그 평가 기준을 대략적으로나마 표현해줘야 한다. 바로 [그림 3]처럼 경쟁사와 비교할지, 또는 자사 브랜드와의 적합성을 기준으로 할지 말이다. 이런 판단을 위한 최소한의 기준을 리더가 마련해주지 못하면 절대로 분석가들이 온전한 분석을 할 수 없다. 분석에는 반드시 관점과 기준이 필요하기 때문이다. 그래서 이렇게 제목 달기와 키 차트를 수행해 보면 리더가 추구하고자 하는 문제의식과 그 문제 해결을 위해 반드시 필요한 최소한의 관점과 기준에 대해 리더가 정리된 생각이 있는지 없는지를 대번에 알 수 있다. 빅데이터 기반 문제 해결 과정도 크게 다르지 않다.
GettyImages-1304942693_[변환됨]


정리해 보자. 분석(分析)은 한자를 풀이하면 나누어서 이해하는 능력을 의미한다. 데이터와 데이터를 계산해 새로운 데이터를 만드는 것은 엄밀히 말해 분석이 아니라 가공이다. 그런데 어떤 문제를 나눠서 이해할 때 제일 중요한 것은 나누는 기준을 명확히 하는 것이다. 그러니 누군가 기준을 명확히 해주지 않으면 분석은 수행될 수 없다. 그렇다면 임원의 역할은 가공일까, 기준을 세우는 것일까? 당연히 후자일 것이다. 그래서 임원이 목적 의식과 의도와 기준을 명확히 해줄수록 조직의 데이터 기반 의사결정 문화가 강해질 수 있다. 분석 결과의 ‘내용’을 가설적으로 정하는 것은 어렵지만 분석의 ‘기준’을 정하는 것은 임원의 몫이다. 실제로 이 훈련을 통해 많은 임원이 데이터 분석가들과 협업하려면 자신이 어떤 역할을 해야 할지가 명확해 졌다고 술회했다. 또 데이터 과학자들도 반드시 듣고 싶은 내용을 들을 수 있었다고 평가했다. 자, 이제 어렵고 복잡하게 수 장짜리 데이터 분석 기획서를 작성하려 하지 말고 가볍게 종이, 연필, 지우개를 들고 제목과 키 차트부터 스케치해 보자. 임원은 기준을 세우는 사람이다.
  • 강양석 | 딥스킬 대표

    강양석 대표는 대표는 딜로이트컨설팅 전략팀장, 글로벌 1억 명 사용자 비즈니스 플랫폼의 최고전략임원(CSO), 인공지능 서비스 상장사 최고운영임원(COO)을 거친 경영자 출신 데이터 전략가이다. 현재 딥스킬(deepskill.io)의 대표로 강의, 출판, 컨설팅을 통해 데이터 사고력(Soft skill)과 툴을 다루는 힘(Hard skill)의 균형을 확산시키고자 한다. KT그룹, 현대자동차그룹, KB금융그룹 임원을 대상으로 디지털 및 데이터 관련 강의를 했다. 2021년 국가인재원 데이터 리터러시 분야 자문위원으로 활동하고, 2022년 행정안전부 장관상(데이터 사고력 공적 인정)을 수상했으며, 저서로 『데이터로 말하라(2015)』, 국회도서관 추천 도서인 『데이터 리터러시(2021)』가 있다. 고려대 경제학과를 졸업했다.
    stephen.kang@deepskill.io
    이 필자의 다른 기사 보기
인기기사

질문, 답변, 연관 아티클 확인까지 한번에! 경제〮경영 관련 질문은 AskBiz에게 물어보세요. 오늘은 무엇을 도와드릴까요?

Click!