ADsP 131 데이터 사이언스와 전략 인사이트

 

 

1. 빅데이터 분석과 전략 인사이트

 

빅데이터 성공사례 중에는 기존의 분석 프로젝트를 과대포장 해놓은 경우가 있다. 예전부터 사용해오던 CRM 을 이용한 분석결과를 빅데이터를 이용한 것처럼 부풀리는 것이다. 이런 경우 사실 빅데이터도 필요가 없을 수 있다. 성과에 급급해한다면 빅데이터의 본질을 이해하지 못하고 데이터에서 통찰을 끌어내지 못한다.

 

빅데이터의 본질은 많은 양의 데이터를 보유하는 것이 아니다. 정형, 비정형 데이터를 활용하는 분석 문화와 조직이 자리를 잡아야 한다. 비용보다는 분석적 방법에 대한 이해가 필요하고 가치를 추출해서 성과를 내는데 주목해야 한다.

 

때론 기업들이 분석 자체에 초점을 맞출 때도 있다. 단순히 분석을 많이 한다고 해서 경쟁우위를 갖는 것은 아니다. 복잡한 분석은 다른 회사들이 비슷한 분석 역량을 갖게 되었을 때 경쟁우위를 상실하게 된다. 전략적 통찰이 없는 분석의 함정에 빠지게 되면 분석이 쓸모 없는 비즈니스 모델을 뒷받침하는데 그치게 된다. 전략전 인사이트를 주는 분석을 바탕으로 선택과 집중을 한다면 비즈니스 모델의 단순화가 더 적합한 전략이 될 수 있다.

 

2. 일차적인 분석 vs 전략도출을 위한 가치기반 분석

 

일반 통계와 같은 일차적인 분석을 통해서도 해당 부서나 업무 영역에서 상당한 효과를 얻을 수 있다. 하지만 일차적인 분석은 대부분 내부의 문제에 초점을 둔기 때문에 변화를 파악하고 새로운 기회를 포착하기 어렵다. 더 발전하기 위해서는 전략적 인사이트를 주는 가치기반 분석을 해야 한다. 이를 위해서는 트렌드에 대한 큰 그림을 그려야 한다. 또한 데이터 사이언스에 대한 역략이 필요하다.

 

3. 데이터 사이언스와 데이터 사이언티스트

 

데이터 사이언스란 정형, 비정형 데이터를 포함한 다양한 데이터로부터 지식과 인사이트를 추출하는 학문을 말한다. 데이터 마이닝과 유사하지만 보다 포괄적인 개념이고, 기존의 통계학과는 다르게 총체적 holistic 접근법을 이용한다.

데이터 사이언스는 전략적 통찰을 추구하고 비즈니스의 핵심 이슈에 답을 하며 사업의 성과를 견인한다. 이것이 단순한 데이터 분석과 데이터 사이언스의 차이점이며 데이터 사이언티스트에게 요구되는 역량이기도 하다.

 

데이터 사이언티스트는 문제를 파고들어 질문을 찾고 검증 가능한 가설을 세우는 능력이 필요하다. 호기심이 강해야 할 수 있는 일이다. 데이터에 대한 이론적 지식과 방법을 잘 알아야 하며 분석 기술(hard skill)에 숙련되어 있어야 한다. 또한 통찰력있는 분석과 설득력 있는 전달 능력, 협력하는 소통력(soft skill)도 갖추어야 한다.

 

데이터 사이언티스트가 다룰 수 있는 핵심질문은 정보를 단순히 활용하는 수준과 통찰력까지 제시하는 수준으로 나눌 수 있다. 정보를 단순히 활용하는 수준의 질문은 다음과 같다.

- 과거에 무슨 일이 일어났는가(보고, 리포팅)?

- 지금 무슨 일이 일어나고 있는가(경고)?

- 앞으로 무슨 일이 일어날 것인가(추출)?

 

통찰력까지 제시할 수 있는 수준의 질문은 다음과 같다.

- 과거에 사건이 어떻게 왜 일어났는가(모델링)?

- 지금 할 수 있는 차선의 행동은 무엇인가(권고)?
- 앞으로 최악과 최선의 상황은 무엇인가(예측, 최적화)?

 

4. 데이터 사이언스 3대 구성 요소

 

데이터 사이언스의 핵심 구성 요소는 다음과 같다.

 

IT (Data Management) : 프로그래밍, 데이터 엔지니어링, 데이터 웨어하우스

Analytics : 수학, 확률 모델, 머신러닝, 통계, 패턴 인식

비즈니스 분석 : 커뮤니케이션, 프리젠테이션, 스토리텔링, 시각화

 

5. 데이터 분석 모델링에서 인문학적 통찰력의 적용사례

 

인간을 바라보는 관점은 무수히 많지만 유형별로 세 가지로 나눌 수 있다. 모델링 시 중요한 가이드로 활용

첫 번째는 유전적 요소처럼 인간은 타고났기 때문에 변하지 않는다고 보는 관점이다. 두 번째는 사람의 행동을 지속적으로 관찰해서 그 행동을 보고 사람을 판단해야 한다는 관점이다. 세 번째는 비슷한 상황에서 특정 행동을 하는 사람은 비슷한 상황에서는 앞으로도 그 행동을 반복할 확률이 높다는 관점이다.

이러한 인문학적 관점은 데이터 사이언티스트가 마케팅 모델을 개발할 때 중요한 가이드로 활용할 수 있다. 마케팅 모델을 개발할 때 성향적 관점, 행동적 관점, 상황적 관점 중 어떤 관점을 갖고 있는냐에 따라 다른 결과가 나올 수 밖에 없다.

 

6. 가치 패러다임의 변화

 

급변하는 환경 속에서 커다란 흐름을 보기 위해 가치 패러다임의 변화를 살펴보자. 가치 패러다임의 변화는 크게 세 단계로 구분된다.

 

초기엔 아날로그의 세상을 효과적으로 디지털화 하는 것이 그 시대의 가치를 창출해내는 원천이었다. 이 시기에는 디지털화 도구를 제공하는데 초점을 맞추었다.

 

세상이 디지털화 되어가자 다음에는 연결이 키워드가 되었다. 이미 디지털화 된 지식과 정보들은 인터넷을 통해 서로 연결되기 시작했다. 이때는 이 연결을 얼마나 효과적이고 효율적으로 제공해 주는지가 성공의 열쇠였다. 사물인터넷까지 가세하면서 모든 것이 연결되고 점차 복잡해져 갔다.

 

복잡해진 세상에서 다음 가치 패러다임으로 등장할 만한 것이 무엇이 있을까? 아마 에이전시가 아닐까 한다. 복잡한 연결을 효과적으로 믿을 수 있게 관리해주는 기술과 디바이스가 주목을 받을 것이다. 이런 변화의 중심에 데이터 사이언티스트가 있다.