[빅 데이터] 비즈니스 가치 창출의 조건 Preview

[2013 비아이월드 컨퍼런스 강연 내용 Preview]

빅 데이터 - 비즈니스 가치 창출의 조건

 

전용준 / 리비젼컨설팅 대표

xyxonxyxon@empal.com

 

 

빅 데이터가 2013년 최고의 화두로 자리잡으면서 본격적 실행이 시작되어야 하는 시점이 되었다. 이제는 막연한 개념의 수준에서 넘어서서 구체적으로 빅 데이터가 어떠한 비즈니스 가치를 만들어낼 것인가에 대한 구체적인 검토가 요구되는 단계에 이르렀다. 하지만 여전히 비정형 데이터에 대한 분석, 초대규모 데이터에 대한 전수 분석, 실시간 데이터에 대한 실시간 분석 등과 같은 기술적인 측면에 대해서만 빅 데이터를 이해하고 있을 뿐 그 것이 어디에 적용될 경우 비즈니스적인 측면에서 어떤 가치를 얼마나 크게 만들어 낼 것인가에 대해서는 명쾌하게 생각을 정리하지 못한 경우가 많다.

따라서 비즈니스 가치라는 측면에 대해서 어떠한 논의들이 최근에 이루어지고 있는가를 파악하고 기존에 이미 알려진 사례들 이외에도 좀 더 많은 추가적인 사례들까지를 대입해 비즈니스 가치 창출을 위해 어떤 조건이 필요한 것인가에 대한 구체적인 시사점을 찾아야 한다.

 

기존에 이미 구글이나 아마존, 링크드인, 타깃 등은 대표적인 빅 데이터 사례로 잘 알려져 있으나 최근 추가적인 여러 사례들도 등장하고 있다. 포드는 부품에 대한 소비자 반응을 텍스트 마이닝을 통해 파악했고, UPS는 배송차량의 운행을 실시간으로 모니터링 하여 배송시간을 단축하고 비용을 절감했으며, 인터콘티넨탈호텔그룹은 통합된 데이터베이스를 활용한 보다 세분화된 캠페인을 통해 멤버십 프로그램에 대한 타겟 마케팅 성과를 향상시켰다.

 

빅 데이터 관련 동향에 대한 조사들도 꾸준히 이루어지고 있다. 최근의 조사 결과들 중 일부를 살펴보면 기업내 여러 업무기능 또는 분야 중 특히 고객관리와 고객경험 개선이라는 부분이 우선순위가 높은 적용 영역이 되고 있다. 어떤 업종에서 어떤 업무영역에 어떤 식으로 적용하는가에 따라 비즈니스 가치는 달라질 수 밖에 없기에 주된 적용영역에 대한 파악은 중요하다. 새로운 데이터의 수집과 활용 보다는 새로운 인사이트를 얻는 것에 초점을 둔다는 점과 분석 그 자체뿐 아니라 ‘테스트와 학습’ 방식 적용의 중요성에 대한 인식이 높아진다는 점도 조사들에서 나타나고 있다.

 

최근의 빅 데이터 관련 행사들에 발표자로 참여하는 기업이나 조직들의 목록을 살펴보면 어떤 업종의 기업들이 빅 데이터 점 더 빠른 행보를 보이고 있는가가 보이는데 그 목록 안에는 NASA, 미국방부, GE, 샌프란시스코 경찰청, 미보건부, 컴캐스트와 같은 통신사, 신용카드사 등도 포함되고 있다. 빅 데이터 적용 기업들이 업종을 불문하고 전방위적으로 확산되고 있다는 의미로 해석된다.

 

이처럼 다양한 적용이 이루어지고 있다고 해도 빅 데이터가 자동적으로 큰 비즈니스 가치를 제공할 것이라는 맹목적인 기대는 위험하다. 어떤 측면에서 비즈니스 가치가 만들어지는가에 대해 이해하고 방향을 제대로 잡아야 한다. 매킨지가 제시하는 투명성 제고, 변형과 실험, 세분화와 커스터마이제이션, 인간 의사결정의 지원과 대체, 비즈니스 모델, 상품, 서비스의 혁신 등 다섯 가지 측면은 보다 구체적인 방향 설정에 참고가 될 수 있을 것이다.

 

빅 데이터에서 비즈니스 가치까지의 과정은 데이터 – 분석 – 인사이트 – 의사결정 – 적용과 실행 등의 일련의 과정으로 이루어진다. 이 과정중의 각각이 모두 성공적이어야 할 뿐 아니라 그 연결이 매끄럽게 이루어지는 것도 성공적인 비즈니스 가치 창출의 중요한 조건이다.

 

세부적으로 본다면, 먼저 분석 자체만이 아니라 그 분석결과가 실행되고 운영될 수 있는 프로세스가 존재하는 것이 매우 중요하다. 또 ‘규모 측면에서 Big’에만 집중하는 대신 ‘다양한’ 데이터를 어떻게 종합해 분석할 것인가를 중시해야 한다. 이 과정에서 수집된 결과를 연결시켜 분석할 수 있도록 통합하고 정비하는 작업에 많은 노력을 기울여야 할 것이다. 마지막으로 분석을 위해 수집한 데이터가 바이어스를 가진다는 매우 근본적인 위험성도 심각하게 검토해야 한다. 구글이 독감 감염자를 실제의 두 배가 넘는 11%로 잘못 예측한 것과 같은 사례를 교훈 삼아야 할 것이다.