데이터 캐즘 (Data Chasm)

데이터 경제의 기업

아래와 같이 2가지 유형으로 나눌 수 있을 것이며, 세부 사항에 대해서는 다음과 같다.

1. 데이터 주도기업 (Data Driven Enterprise)
   • 본업의 성과를 높이는데 데이터를 사용 (ex. 쿠팡, 마켓컬리)
     → 데이터를 분석하여 수요를 미리 예측하고 물류 활동에 반영
     → 데이터는 본업인 배송을 위해 사용
   • 카드사가 데이터를 활용하여 고객의 신용도를 평가하고 여신 서비스에 적용하는 것은 데이터 주도기업 비즈니스!
   • 기존 비즈니스에 강점이 있는 기업은 데이터 주도기업을 지향하는 것이 유리
2. 데이터 기업 (Data Enterprise)
   • 데이터로 성과를 창출 (ex. 구글, 페이스북)
     → 검색 서비스를 제공하여 데이터를 획득하거나 데이터 기반으로 광고에서 수익을 창출
     → 데이터가 본업, 검색은 데이터를 위한 수단
   • 카드사의 경우, 데이터 기업이 되어가고 있음 (지급결제 서비스를 제공하여 확보한 데이터로 수익 창출, 데이터 판매 및 데이터 기반 마케팅으로 돈을 벌기도 함)
   • 데이터 기업의 비즈니스 비중이 더 커질 것으로 전망
   • 양질의 데이터 생산이 수반되는 기업의 경우, 본업을 버리고 데이터 기업을 지향하는 것이 더 큰 성과를 거둘 수 있을 것

공통점은 데이터를 잘 다룰 수 있어야 한다는 것이며, 데이터의 가치와 데이터의 중요성은 이미 대부분의 조직이 잘 알고 있다.

하지만 데이터를 잘 다루는 조직은 드물 것이며, 이는 "데이터 캐즘"이 존재한다는 것이다.

캐즘 (Chasm)

캐즘(Chasm)은 제프리 무어(Jefferey Moore)가 1991년에 발간한 'Crossing the Chasm'에서 처음 사용한 용어이며, 지질학에서 사용되는 용어로 얼음이나 땅이 갈라진 틈새를 말한다.

스타트업의 대부분이 실패하는 이유는 캐즘을 건너지 못하기 때문으로 설명한다. 새로운 서비스를 만드는 데는 성공했지만 대다수의 고객이 이를 받아들이는 상태로 나아가지 못하는 것이다.

데이터 (Data)

데이터 주도기업이 되기 위해서는 데이터를 잘 다뤄야 한다!
다음은 데이터에 대한 설명이다.

• 데이터는 새로운 자원
• 사용해도 줄어들지 X
• 생산하는데 별도 비용이 들지 X
• 공유 가능
• 대규모로 발생
• 생산자, 소유자, 사용자가 각기 다름
• 가치는 절대적으로 매겨지지 않고, 용도에 따라 상대적!

따라서, 데이터 자원의 특성에 맞는 접근을 해야 하며, 기존 프로세스, 기존 기술, 기존 직무와 스킬 등이 바뀌어야 한다.

하지만 90%의 조직은 데이터 캐즘을 극복하지 못하여 데이터 주도기업으로 나아가지 못하고 있다.

데이터 캐즘은 데이터 주도기업 또는 데이터 기업이 되기 위해서 뛰.어.넘.어.야 하는 틈새이다. 🏃🏻🏃🏻‍♀️

데이터 캐즘 (Data Chasm)

데이터 캐즘은 다음과 같이 3가지로 나누어 볼 수 있다.

1. 자산화 캐즘

   • 내부 및 외부에서 발생하는 데이터를 쌓기는 하지만 활용하기 어려운 형태로 축적하는 현상
   • 데이터 수집, 데이터 분류, 데이터 준비 등에서 발생
   • 과거의 경우, 데이터 원천이 명확했고, 모든 데이터는 트랜잭션 처리로 발생하지만 지금의 데이터는 사용자의 모바일 환경, 소셜 네트워크 등에서도 발생
   • 고객 콜센터나 웹사이트 등과 같이 고객 접촉을 통해서도 발생
   • 데이터 원천은 점점 늘어날 뿐만 아니라 발생하는 형태도 다름

   이를 해결하기 위한 방안으로는 다음과 같다.

   (1) 데이터 수집 어려움 → 고객 데이터 플랫폼(CDP, Customer Data Platform) 도입 확대
   (2) 데이터 검색 어려움 : 확보한 데이터를 분류하는 것과 관련된 문제 → 데이터 카탈로그를 통해 수집된 데이터의 의미를 관리해야 데이터 활용자가 필요한 데이터를 쉽게 찾을 수 있다.
   (3) 데이터 준비 어려움 → Analytics Factory

2. 활용 캐즘 (= 데이터 가치창출 캐즘)

   • 데이터를 쌓기는 했지만 활용이 되지 않는 현상
   • 양질의 데이터를 확보했다 하더라도 가치가 창출되기 위해서는 활용의 과정을 거쳐야 함
   • 데이터는 생산되는 시점과 사용되는 시점이 다름

   이를 해결하기 위한 방안으로는 다음과 같다.

   (1) 생산과 사용 분산 → 데이터를 생산하는 사람, 데이터를 사용하는 사람, 데이터 권한을 가진 사람이 다르며 이들이 유기적으로 협업할 수 있는 업무 기준을 정리해야 하며 이를 Data Governance라고 한다.
   (2) 활용 역량 미비 → 데이터는 새로운 비즈니스 언어이다. 기존 임직원들이 데이터 언어를 배워서 사용할 수 없다면 데이터는 활용되지 않을 것이다. 데이터 언어 구사 능력을 Data Literacy라고 한다.
   (3) 분석 사용 저조 → Embedded Analyrics

3. 플랫폼 캐즘

   • 데이터를 관리하기 위한 기술 환경을 제대로 갖추지 못하는 현상
   • 데이터 확보, 저장, 준비 연계 등은 새로운 데이터 기술의 도입을 필요로 함
   • 도입을 위해 검토해야 할 기술요소는 많을 뿐만 아니라 하나의 아키텍처로 표현되어야 함
   • 이를 해결하지 못하면 데이터 기술 부채를 안게 되며, 과거의 기술을 계속 사용하는 것은 전체 비용을 더 많이 들게하며 뿐만 아니라 더 나은 서비스를 이요하지 못함
   • 데이터 기술 발전 속도는 상당히 빠를 뿐 아니라 이를 쫓아가지 못하는 기업은 더 큰 기술 부채를 지게되며 결과적으로 비즈니스 경쟁력에 나쁜 영향을 미치게 됨

   이를 해결하기 위한 방안으로는 다음과 같다.

   (1) 분석의 민주화 → Data Portal
   (2) 분석의 기민성 → Multi Cloud
   (3) 데이터 연결 → Open API

데이터 캐즘 극복 방법

결국 데이터 캐즘은 뛰.어.넘.어.야 한다.
Quantum Jump가 필요하다!

자산화 캐즘이 극복되지 않은 상태에서는 활용 캐즘을 뛰어넘을 수 없으며, 세가지 캐즘은 한꺼번에 뛰어 넘어야 한다.

1. 캐즘의 현재 수준을 측정하고 원인을 분석 → 캐즘 극복 목표 수준 설정
2. 목표 수준 달성을 위한 과제를 정의 → 각 과제의 우선순위, 선후관계 등 평가
3. 목표를 달성하기 위한 최적 경로 설정 → 최적 경로를 바탕으로 마스터 플랜 수립

🔗

데이터캐즘의 3가지 종류와 캐즘을 뛰어넘는 전략