◽빅데이터 분석과 전략 인사이트
-
시대의 분위기에 합류하기 위해 거액을 투자해 솔루션을 도입한 후 어떻게 활용하고 어떻게 가치를 뽑아내야 할지 첫번째 물음부터 다시 시작
-
현재 소개되는 많은 빅데이터 성공사례가 기존의 분석 프로젝트를 포장
-
과대포장은 빅데이터 분석 전체의 신뢰성에 의심을 갖게 만들거나 개념적 혼란을 불러일으켜 빅데이터 분석이 자리잡기도 전에 기반을 흔들 수 있다.
-
빅데이터 분석도 데이터에서 가치, 즉 통찰을 끌어내 성과를 창출하는 것 이 관건이다.
-
전략적 통찰력을 가지고 분석하고 핵심적인 비즈니스 이슈에 집중하여 데이터를 분석하고 차별적인 전략으로 기업을 운영하여야 한다.
-
일차적인 분석만으로는 큰 변화에 제대로 대응하거나 고객 환경의 변화를 파악하고 새로운 기회를 포착하기 어렵다.
-
일차원적인 분석을 통해 경험을 쌓고 분석의 활용 범위를 넓혀가며 전략적인 분석을 시도해야 한다.
◽ 왜 싸이월드는 페이스북이 되지 못했나?
전략과 비즈니스의 핵심 가치에 집중하는 전략적 통찰력의 중요성은 싸이월드의 예에서 확인할 수 있다.
◾데이터 분석 기반 경영 문화의 부재
- 데이터 분석에 기초해 전략적 통찰력을 얻고, 효과적인 의사결정을 내리고, 구체적인 성과를 만들어 내는 체계가 없었기 때문이다.
◾싸이월드
- 웹로그 분석과 같은 일차적인 분석이 이뤄지고 있었지만, 이는 경영진의 직관력을 보조하는 일부로서 활용했다.
◾사업 상황 확인을 위한 협소한 문제들에 집중하는 경향
- 성공적 인터넷 기업(구글, 링크드인, 페이스북)들은 대부분 데이터 분석과 함께 시작되고 분석이 내부 의사결정에 결정적 정보를 제공한다.
◾분석 기반 경영이 도입되지 못하는 이유
-
기존 관행 따를 뿐 중요한 시도 하지 않는다.
-
경영진의 직관적인 결정을 귀한 재능으로 칭송한다.
-
적절한 방법조차 제대로 익히지 못한 사람에게 분석 업무 할당
-
아이디어보다 아이디어를 낸 사람에게 관심을 두는 경향
◽ 빅데이터 분석, ‘Big’이 핵심 아니다
-
직관에 기초한 의사결정보다 데이터에 기초한 의사결정이 중요하다.
➡️데이터 자체의 중요성
-
데이터의 양이 아니라 유형의 다양성 과 관련
- 중요 목표와 잠재적 보상은 다양한 데이터 소스와 신종 소스를 분석할 수 있는 능력이지 대용량 데이터 세트를 관리할 수 있는 능력이 아니다.
- 중요 목표와 잠재적 보상은 다양한 데이터 소스와 신종 소스를 분석할 수 있는 능력이지 대용량 데이터 세트를 관리할 수 있는 능력이 아니다.
-
데이터는 크기의 이슈가 아니라, 거기에서 어떤 시각과 통찰 을 얻을 수 있느냐의 문제이다.
-
비즈니스의 핵심가치에 집중하고 이와 관련된 분석 평가지표를 개발하고 이를 통해 효과적으로 시장과 고객변화에 대응할 수 있을 때 빅데이터 분석은 가치가 있어졌다.
-
빅데이터와 관련된 걸림돌은 비용이 아니라 분석적 방법과 성과 에 대한 이해 부족
빅데이터 분석, 'BIG' 이 핵심이 아니다.
크기의 기준이 없다 SIZE 가 중요한게 아니다.
거기에서 어떤 시각과 통찰을 얻을 수 있느냐의 문제가 중요하다.
◽ 빅데이터의 미래 : 가치 패러다임의 변화
빅데이터의 다양한 활용과 가능성에도 서두에서 언급한 여러 문제들로 인해 대두되는 빅데이터 회의론을 넘어야 하는 과제가기다리고 있다.
회의론을 넘어 그 가치를 제대로 보기 위해서는 세상이 어떠한 방향으로 가고 있는지 알아내는 작업이 필요하다.
간략하게 이러한 커다란 흐름을 '가치 패러다임' 측면에서 살펴볼 수 있다.
◾디지털화(Digitalization)
-
아날로그 세상을 어떻게 효과적으로 디지털화하는가가 가치 창출의 원천
-
대표주자인 빌 게이츠는 윈도우 운영체제와 오피스 프로그램을 통해 그 가치를 창출했다.
◾연결(Connection)
-
인터넷과 함께 디지털화된 정보와 대상들이 연결되며 가치를 창출
-
구글은 연결을 활용한 검색 알고리즘으로 야후를 뒤안으로 물러나게 만들었다.
◾에이전시(Agency)
-
향후에는 '복잡한 연결을 얼마나 효과적이고 믿을만하게 관리해주는가'의 이슈인 에이전시가 키워드가 될 확률이 높다.
-
구글, 삼성, 애플 등에서 내놓는 웨어러블 기기들은 '에이전트 기능을 얼마나 잘 수행하느냐'를 핵심으로 한다.
◽일차적인 분석 vs 전략도출을 위한 필요 역량
-
빅데이터는 가치 창출이 가능해야 하고, 그 시점이 빠를수록 더 좋다.
-
가치 창출을 위한 핵심 과제는 각 산업의 특성이나 경쟁의 정도, 분석의 목적, 분석을 활용하는 수준에 따라 다양하다.
-
일차적 분석을 통해서도 해당 부서나 업무 영역에서는 상당한 효과를 얻을 수 있다.
-
일차적인 분석을 통해 점점 분석 경험을 늘어가고 작은 성공을 거두면, 분석의 활용 범위를 더 넓고 전략적으로 변화 시킴으로써 사업성과를 견인하는 요소들과 차별화를 꾀할 기회에 대해 전략적 인사이트를 주는 가치 기반 분석 단계로 나아가야 한다.
-
전략적 인사이트를 주는 가치 기반 분석을 위해 우선 사업과 이에 영향을 미치는 트렌드에 대해 큰 그림을 그려야 한다.
- 인구통계학적 변화, 경제사회 트렌드, 고객 니즈의 변화 등을 고려하고, 또한 대변화가 어디서 나탈날지 예측을 통해 트렌드에 대한 큰 그림을 도출한다.
전략적 수준에서의 분석은 사업성과를 견인하는 요소들, 차별화를 이룰 수 있는 기회에 대해 중요한 통찰을 줄 것 이다.
본질을 제대로 바라보지 못할 때 쓸모없는 분석결과만 잔뜩 쏟아내게 된다.차별적인 전략으로 기업을 운영해야한다.
💡 전략 인사이트 도출을 위한 필요 역량
데이터 사이언스란❓
-
데이터로부터 의미 있는 정보 를 추출해내는 학문
-
정형 또는 비정형을 막론하고 다양한 유형의 데이터를 대상으로 한다..
-
데이터 마이닝이 주로 분석에 초점을 두고 있는 반면, 데이터 사이언스는 분석뿐 아니라 이를 효과적으로 구현하고 전달하는과정 까지를 포함한 포괄적 개념
-
데이터공학, 수학, 통계학, 컴퓨터공학, 시각화, 해커의 사고방식, 해당 분야의 전문 지식을 종합한 학문으로 정의한다.
◽데이터 사이언스의 역할
-
전략적 통찰을 추구하고 비즈니스 핵심 이슈에 답을 하고, 사업의 성과를 견인한다.
-
데이터 사이언티스트의 중요 역량 중 하나인 소통도 여기에 근거해 길러진다.
-
훌륭한 데이터 사이언티스트는 비즈니스의 성과를 좌우하는 핵심요소를 정확하게 겨냥할 수 있고 이때 데이터 사이언스는 엄청난 위력을 발휘할 수 있다.
◽데이터 사이언스의 영역
-
IT ( 데이터 처리와 관련된 IT 영역) : 프로그래밍 , 데이터 엔지니어닝 , 고성능 컴퓨터
-
Analytics ( 분석적 영역 ) : 수학, 확률모델, 머신러닝, 분석학, 패턴 인식과 학습, 불확실성 모델링
-
비즈니스 분석 ( 비즈니스 컨설팅 영역) : 커뮤니케이션, 프레젠테이션, 스토리텔링, 시각화 등
-
데이터 사이언티스트 역할
- 데이터 사이언티스트가 갖춰야 할 역량 중 한 가지는 강력한 호기심
이다. 스토리텔링, 커뮤니케이션, 창의력 , 열정 , 직관력 , 비판적 시각 , 글쓰기 , 대화능력을 갖춰야한다.
- 데이터 사이언티스트가 갖춰야 할 역량 중 한 가지는 강력한 호기심
즉 IT 영역 + 분석 영역(Anlytics) + 비즈니스 컨설팅(분석)을 포괄한다.
◽ 데이터 사이언티스트의 요구 역량
◾Hard Skill
-
빅데이터에 대한 이론적 지식
➡️관련 기법에 대한 이해와 방법론 습득
-
분석 기술에 대한 숙련
➡️최적의 분석 설계 및 노하우 축적
◾Soft Skill
-
통찰력 있는 분석
➡️창의적 사고, 호기심, 논리적 비판 -
설득력 있는 전달
➡️ 스토리텔링, 시각화 -
다분야간 협력
➡️커뮤니케이션
- 전략적 통찰을 주는 분석은 단순 통계나 데이터 처리와 관련된 지식 외에 스토리텔링, 커뮤니케이션, 창의력, 열정, 직관력, 비판적 시각, 대화능력 등 인문학적 요소가 필요하다.
◽ 데이터 사이언스 : 과학과 인문의 교차로
- 데이터 사이언스가 더 높은 가치를 창출해내고 진정한 차별화를 가져오는 것은 '사고방식, 비즈니스 이슈에 대한 감각,고객들에 대한 공감능력' 등 전략적 통찰과 관련된 소프트 스킬 이다.
- 데이터 사이언스는 과학과 인문학의 교차로에 서있다.
전략적 통찰력과 인문학의 부활
공급자 중심의 기술 경쟁 하에서는 ‘산출물’만을 중시하지만 소비자가 어디에서 재미와 편의를 느끼는지 이해하기 위해서는‘창조과정’에 주목하는 인문학적 통찰력 이 필요하다.
기존의 사고의 틀을 벗어나 문제를 바라보고 해결하는 능력, 비즈니스 핵심가치를 이해하고 고객과 직원의 내면적 요구를 이해하는 능력 등 인문학의 역량이 점점 더 절실히 요구되고 있다.
| 외부 환경적 측면에서 본 인문학 열풍의 이유 | ||
| 외부환경의 변화 | 내용 | 예시 |
| 컨버전스 -> 디버전스 | 단순세계화에서 복잡한 세계화로의 변화 | 규모의 경제, 세계화, 표준화, 이성화 ➡️ 복잡한 세계, 다양성, 관계 연결성, 창조성 |
| 생산 -> 서비스 | 비즈니스 중심이 제품생산에서 서비스로 이동 | 고장 나지 않는 제품의 생산 ➡️ 뛰어난 서비스로 응대 |
| 생산 -> 시장창조 | 공급자 중심의 기술경쟁에서 무형자산의 경쟁으로 변화 | 생산에 관련된 기술 중심, 기술 중심의 대규모 투자 ➡️ 현재 패러다임에 근거한 시장 창조 현지 사회와 문화에 대한 지식 |
◾ 단순 세계화 ➡️복잡한 세계화
-
(과거) 단순 세계화 : 컨버전스의 동역학, 규모의 경제, 글로벌 효율성, 표준화, 이성화
-
(현재) 복잡한 세계화 : 디버전스의 동역학, 다양성, 관계, 연결성, 창조성, 생산기지이자 신규 시장이 된 신흥국
◾비즈니스의 중심이 제품생산 ➡️ 서비스
-
(과거) 제품생산 비즈니스 : 효용경제에 기초, 고장없는 뛰어난 품질 우선시
-
(현재) 서비스 비즈니스 : 체험경제, 고객 서비스 및 커뮤니케이션 우선
◾경제와 산업의 논리가 생산 ➡️ 시장창조
-
(과거) 생산의 논리 : 대규모 투자, 공급자 중심의 기술 경쟁
-
(현재) 시장창조 : 현지화 패러다임, 현지 문화에 암묵적(관습적) 지식 중요
◽ 인문학적 사고의 특성과 역할
| 과거 | 현재 | 미래 | |
| 정보 | 무슨일이 일어났는가? 리포팅(보고서) | 무슨 일이 일어나고 있는 가? 경고 | 무슨 일이 일어날 것인가? 추출 |
| 통찰력 | 어떻게 왜 일어났는가? 모델링 | 차선행동은 무엇인가? 권고 | 최악/최선의 상황은? 예측,최적화 |
- 정보 차원 : 단순히 정보를 활용한다고 할 수 있는 정도의 수준
- 통찰력 제시 : 사업 성과를 좌우하는 핵심적인 문제에 대해 대답
최고의 데이터 사이언티스트는 정량분석이라는 과학 과 인문학적 통찰 에 근거한 합리적 추론을 탁월하게 조합
◽데이터분석 모델링에서 인문학적 통찰력의 적용사례
◾인간을 바라보는 관점
-
타고난 성향의 관점 : 인간을 변하지 않는 존재로 상정
-
행동적 관점 : 한 사람의 행동을 지속적으로 관찰해 그 행동을 보고 사람을 판단하는 것이 더 정확하다는 관점
-
상황적 관점 : 특정한 행동을 지속하는 사람들도 주변 맥락이 바뀌면 갑작스레 행동 패턴이 변화(인간의 가변적 성향)
-
데이터 분석 모델링에서 인문학적 통찰력의 적용
- 모델의 예측력을 높이기 위해 인간은 어떤 관점에서 바라봐야하나,
이를 위해서는 어떤 데이터가 더 필요하며, 어떤 기술을 활용해야 할 것인가라는 질문에 중요한 가이드를 제공한다.
- 모델의 예측력을 높이기 위해 인간은 어떤 관점에서 바라봐야하나,
-
인간에 대한 새로운 해석 관점의 제공 외에도 인문학은 고정된 사고방식 에서 벗어나 혁신을 생각하고 진부한 상상의 굴레에서 벗어난 창의성을 토대로 남보다 앞서 새로운 가치 를 창출하고자 하는 데이터 사이언티스트들에게 중요한 가치창출의 원천이 될 수 있다.
💡 빅데이터 , 데이터 사이언스의 미래
◽빅데이터의 시대
-
2011 전세계 디지털정보량 : 1.8제타바이트(ZB)
-
기업들에게 비용절감, 시간절약, 매출증대, 고객서비스향상, 신규비즈니스 창출, 내부의사결정 지원 등 상당한 가치를 발휘하는 중이다.
-
선거예측, 비용절감, 시간절약, 매출증대, 고객서비스 향상, 신규 비즈니스창출, 내부 의사결정 지원 등 상당한 가치를 발휘한다.
본 게시물에 포함된 내용은 한국데이터산업진흥원에서 발행한]
[데이터 분석 전문가 가이드, 2019년 2월 8일 개정]에 근거한 것임을 알립니다.