Deloitte Anjin Review 2014 APRIL NO.1 68 Business Focus Deloitte Analytics 빅데이터 애널리틱스를 고민하는 국내 선도 기업의 성공요인 Three Rules 관점에서의 성공적 활용 방안 이성욱 상무 Deloitte Analytics 02-6676-3816 sungwlee@deloitte.com
69 Business Focus Deloitte Analytics Big Data는 더 나은 경영의사 결정을 위한 기회이자 위험 요소이다 Big Data, 의사결정자들의 새로운 키워드 바야흐로 빅데이터 애널리틱스(Big Data Analytics)의 시대다. 더 나은 의사결정을 위해 오랫동안 데이터를 분석해온 기업 조차 수많은 데이터들이 회사 곳곳에 방치되고 있으며, 심지어 어디에 있는지도 모른 채 활용되지 못하고 있다. 회사 외부 역시 여러 채널들로 부터 쏟아져 나온 데이터들이 쌓여가고 있다. 이처럼 회사 내 / 외부의 다양한 채널을 통해 유의미한 데이터가 넘쳐나게 되면서 소위 빅데이터는 더 나은 경영의사결정을 위한 기회이자 위험으로 인식되고 있다. 경영환경에서 새로운 키워드가 등장할 때마다 기업 의사결정자들은 혼란을 느낀다. 온갖 매체에서 빅데이터를 외치는 지금도 의사결정자들은 앞서나갈 것인가, 조금 더 기다려 볼 것인가의 기로에서 갈팡질팡한다. 그 속에서 혹자는 성공하고, 혹자는 실패를 경험한다. 그렇다면 무엇 때문에 빅데이터 애널리틱스의 성공과 실패가 결정되는 걸까. 빅데이터 애널리틱스에 대한 명확한 이해는 기업 의사결정자가 고려해야 할 가장 중요한 요소이다 빅데이터 애널리틱스에 대한 오해와 이해 빅데이터 애널리틱스의 성공을 위해 기업 의사결정자가 가져야 하는 가장 중요한 요소는 시대에 대한 명확한 이해 이다. 정확하게 말하자면 빅데이터 와 애널리틱스 가 갖는 의미는 무엇이고, 이전의 분석에 비해 무엇이 달라진 것인지를 이해해야 적절한 대응을 할 수 있다는 뜻이다. 하지만 딜로이트에 자문을 요청했던 많은 기업의 의사결정자들은 흔히 편협하거나 잘못된 관점을 가지고 있었다. 이러한 관점의 전환을 위해 대표적인 빅데이터 애널리틱스에 대한 오해를 사례를 통해 알아보고 빅데이터 애널리틱스가 갖는 의미를 명확히 파악할 필요가 있겠다.
Deloitte Anjin Review 2014 APRIL NO.1 70 첫 번째 오해 : 빅데이터는 기업 외부의 데이터가 중심이다? 많은 기업들은 빅데이터의 대표 사례로 소셜 네트워크 데이터에 주목한다. 소셜 네트워크 데이터는 텍스트 데이터로 비정형적이며 급속한 Volume 확장이라는 대표적인 빅데이터 속성을 지니고 있으며 과거 CRM의 약점이었던 고객에 대한 이해 부족을 해소할 수 있을 것이라는 기대감을 주기 때문이다. 그러나 소셜네트워크가 전부라고 생각해서는 곤란하다. 빅데이터 애널리틱스를 고민하는 기업들은 딜로이트가 설명하는 아래의 3가지 종류의 데이터에 이해가 선행되어야 한다. <기업이 관심 가져야 할 3가지 데이터> 1 Known knowns (기지의 범주) : 기업 내에 축적된 노하우와 같은 것으로 그 가치를 알고 있지만 체계적 데이터화가 되어 있지 않은 경우가 많은 데이터 2 Known unknowns (인지의 범주) : 기업 내에 체계적으로 정리되어 있는 데이터이지만, 데이터 자체의 가치는 고급 분석을 통하기 전에는 인식되지 못하는 데이터 3 Unknown unknowns (미지의 범주) : 기업 내 외부에 존재하는 데이터이지만 그 존재조차 파악되지 않은 경우가 많으며, 가치에 대해서도 알려지지 않은 데이터 위의 데이터들은 체계적인 분석을 통해 저마다의 가치를 창출하나, 창출되는 가치의 크기는 데이터 마다 다르다. 기업이 분석을 통해 즉각적인 가치를 창출 할 수 있는 데이터는 그 내용과 축적환경을 잘 알고 있는 기업 내부의 데이터이다 분석 즉시 가장 빠른 가치를 창출할 수 있는 데이터는 marginal value가 가장 높은 Known knowns (기지의 범주) 이다. 기업의 경영과정에서 산출되는 이 데이터는 의사결정 문제를 해결할 수 있는 가장 직접적인 열쇠를 포함하고 있다. 그렇기 때문에 반드시 분석에 포함시켜야 하고 더욱 고도화해야 할 1차적 분석대상이다. 그런데, 빅데이터 시대에 기업들은 종종 이처럼 중요한 내부 핵심 데이터를 이미 알고 있던 것 으로 치부해버리고, 한 번도 분석해보지 않은 정확하지 않은 외부 데이터에 매달리곤 한다. 이는 최근 많은 기업들이 빅데이터 애널리틱스에 많은 자원을 투입하고도 활용도 낮은 결과를 산출하는 주요 원인이다.
71 Business Focus Deloitte Analytics 알려지지 않은 가치 Target 데이터 기업 데이터 빅 데이터 인사이트 도출가능성은 풍부하나, 희소한 데이터 기업 내에 체계적으로 정리되지 않은 경우가 대부분이나 경영문제와 밀접하게 관련된 노하우 또는 통찰력이 담겨 있어 분석을 통해 큰 가치를 창출 할 수 있는 데이터 가장 흔하게 접하게 되는 기업 데이터로 다양한 소스에서 만들어지며, 데이터 간의 결합을 통해 가치 창출을 기대할 수 있는 데이터 기업 내외부에 존재하며 통찰력을 이끌어 내는데 상당히 많은 자원투자가 이루어져야 하는 데이터 한계 가치 Known knowns Known unknowns Unknown unknowns SOURCE : Deloitte LLP Data volume and complexity 데이터의 규모 / 복잡성과 데이터 유발가치와의 관계 빅데이터 애널리틱스 시대에도 우선 기업 내부데이터를 제대로 통합하여 분석하는 것이 애널리틱스의 메인이 되어야 하고, 기업 외부 빅데이터는 내부 데이터와 통합되어 화룡점정 의 차원에서 분석되어야 한다. 선후가 뒤바뀐 상태에서의 접근은 제대로 성공하기가 어렵다. 이코노미스트지의 조사에서 세계 500대 기업의 75% 경영자가 우선적으로 고려하는 빅데이터가 기업 내부 데이터라는 결과도 우리 기업이 가지고 있는 기업 외부데이터 의존의 위험성을 말해주고 있다. 분석 인프라와 데이터 축적 이전에, 해결하고자 하는 의사결정 목표 설정이 선행되어야 한다 두 번째 오해 : 분석 인프라 투자와 데이터를 축적하기만 하면 가치 는 저절로 따라온다? 물론 데이터 광산에서 열심히 마이닝(Mining)을 하다 보면 어느 정도의 수확은 있을 수 있다. 문제는 이 과정에서 너무 많은 시간과 비용이 낭비될 수 있다는 데 있다. 빅데이터 시대의 접근방법은 조금 더 스마트해야 한다.
Deloitte Anjin Review 2014 APRIL NO.1 72 Lean principles for big data 피드백 및 인사이트 내재화 (Feed back insights into business process) 지속적인 자원 할당 (Pull, don t push) 빅데이터를 위한 원칙 프로세스 정의 및 의사결정 (Process and agree Customer Objectives) 관련 데이터 정의 (Identify relevant data) 애널리틱스 구현 (Implement analytics and measure outcomes) 분석 프레임 워크 정의 (Design analysis framework) Big Data Smart Principles 의사결정 목표 설정이 선행되는 6가지 원칙을 따르면 바람직한 빅데이터 애널리틱스 로드맵을 설정할 수 있다 딜로이트에서는 적은 투자로 목적 부합한 가치를 창출하기 위해 인프라와 데이터 축적이 우선이 아닌, 해결하고자 하는 의사결정 목표 설정이 선행되는 <Big Data Smart Principles>을 제안하고 있다. (1) 프로세스 정의 및 의사결정 목표 설정 : 비즈니스 이슈를 관리 가능한 단위로 구분하고, 해결하고자 하는 목표 이미지를 설정함 (2) 관련 데이터 정의 : 이슈와 관련되어 해결 목표에 영향을 줄 수 있는 데이터를 정의함 (3) 분석 프레임워크 정의 : 데이터 축적, 분석, 시각화 처리 절차를 비즈니스 프로세스와 통합하여 설계 (4) 애널리틱스 구현 : 애널리틱스 작업을 수행하고, 결과 값을 이용해서 비즈니스 프로세스를 평가함 (5) 지속적 자원 할당 : 분석목표에 최적화된 데이터 및 분석자원의 지속적 공급 / 안정화 (6) 피드백 및 인사이트 내재화 : 저품질, 저가치 데이터 개선 작업을 상시화하고 애널리틱스 인사이트를 반영한 전략 / 프로세스 고도화 실행 빅데이터 애널리틱스 추진방향성을 의사결정 목표에 둠으로써, 분석 결과의 활용성이 높아지고, 분석 과정에서 기업마다 어떤 데이터를 더 보강해야 하는지, 어떤 분석역량이 필요한지를 파악할 수 있게 된다. 이러한 과정을 거치다 보면 자연스럽게 각각의 기업에 맞는 빅데이터 애널리틱스 로드맵도 제대로 된 방향성을 갖게 된다.
73 Business Focus Deloitte Analytics 빅데이터 애널리틱스 성공 요인 : 조직적 합의와 문화의 중요성 똑같은 목표와 방법론을 가지고 빅데이터 애널리틱스를 도입하더라도 모두가 성공하는 것은 아니다. 최근에 한 기업의 임원은 기업 내 빅데이터 도입과정에서 예상 밖의 조직적 저항에 부딪혀 결국 용두사미가 되어버렸다고 어려움을 털어놓았다. 기업의 데이터는 새로운 비즈니스 법칙과 같은 기대 이상의 가치를 제공하기도 하지만, 과거의 잘못된 의사결정을 드러나게도 하기 때문에 때로는 불편한 상황을 초래한다. 따라서 분석의 과정에서도 전략적 방향성과 변화관리와 같은 다양한 요인들이 고려되어야 한다. 최근 마케팅 투자 효과를 파악하기 위해 똑같이 빅데이터 애널리틱스를 시도했던 두 기업의 명암은 이러한 어려움에 힌트를 던진다. A사의 마케팅 투자 효과 분석은 TV광고에 집행되는 비용이 너무 과다하다는 문제의식에서부터 출발하였다. TV광고는 고객에게 브랜드 가치를 인지시키는 가장 효과적인 채널로 여겨졌다. 그러나 너무 높은 비용이 수반된다는 문제가 있었고, 어느 정도 브랜드가 알려진 상황에서는 TV광고의 의미가 크게 없을 것이라는 의견이 타당성을 얻고 있는 상황이었다. A사의 경우, TV광고 집행비용 적정성 평가를 위한 마케팅 투자효과 분석을 진행하였다 그 결과 TV 광고비 30%를 절감하였으나, 타 마케팅 채널로 고객이 유출되고 매출이 동시에 감소되는 역풍을 맞게 되었다 A사는 실제로 마케팅 투자 비용과 매출 및 고객 반응 데이터를 자체 분석하여 TV광고비용이 투입대비 효과가 매우 낮다는 사실을 밝혀내고, 30%의 비용절감을 추진하였다. 일부에서는 TV광고의 효과를 매출과 직결된 것으로 한정하는 것이 무리가 있다는 의견이 있었으나, 이런 의견은 기득권을 지키려는 것으로 치부되었고 광고비용절감은 실현되었다. A사는 빅데이터 애널리틱스를 통해 광고비용은 삭감되었지만, 그것이 바람직한 의사결정인지에 대해서는 논란이 계속되었다. 실제로 TV광고비용 절감과 동시에 예상치 못했던 타 마케팅 채널로의 고객유출이 발생했고, 매출이 감소되었다. 때문에 TV광고가 갖는 전체적인 효과를 고려하지 않고 비용절감의 목적만 지나치게 강조된 데이터 분석이 아니었냐는 의심은 커져갔다. 더욱 심각한 문제는 조직 전체가 데이터 기반 의사결정의 효과성에 대한 의구심과 거부감이 당연시 되면서, 이후 A사의 의사결정은 오히려 이전보다 더욱 직관에 의존되어 진행되었다.
Deloitte Anjin Review 2014 APRIL NO.1 74 A사 TV광고 Radio B사 SNS PPL TV광고 Mobile Internet / Blog 반면 B사는 특정채널의 비용 분석이 아닌 모든 채널에서 고객이 마케팅 메시지를 어떻게 이해하는지, 각 마케팅 채널의 역할을 규명하고자 하였다 B사의 경우, TV 광고와 대 고객 채널과의 연계점을 찾는데 마케팅 분석 역량을 집중하였다 마케팅 비용은 증가하였으나, 투입비용의 3배에 달하는 매출 신장을 실현하였다 하지만 방법론상으로는 동일한 마케팅 투자 효과분석을 수행한 B사의 경우 빅데이터 도입 목표에서 차이가 있었다. 더 나은 의사결정을 위해서는 고객이 모든 채널에서의 마케팅 메시지를 어떤 구조로 인식하고 이해하는지 알아내는 것이 중요하다고 생각했다. 즉, 특정 채널의 비용효과 분석이 아닌 고객 중심으로 각 마케팅 채널의 역할을 규명하는 분석목표를 가졌던 것이다. 이 회사의 분석 결과 A사와 마찬가지로 TV광고만으로는 기대했던 비용효과를 찾기 어려웠다. 하지만 TV광고는 매출 증대를 위한 직접적인 수단이 아니라 고객에게 제품을 인식시켜 자연스럽게 기타 채널로 연결하는 기반이 된다는 매우 중요한 발견을 하였다. TV광고에 대한 의사결정 시 반드시 다른 채널과 연계하여 고려해야 하고, 타 채널과의 최적화된 연결이 매출 신장의 주요 성공의 법칙이었던 것이다. 이에 따라 B사는 TV광고 주기와 기타 채널에서의 마케팅 시점을 면밀히 고려하고, 상호 상승작용을 일으키는 최적 지점을 찾는데 분석역량을 집중했다. 그 결과, 마케팅 비용은 이전보다 오히려 증가했지만 투입비용의 3배에 달하는 매출 신장을 실현하게 되었다. "처음부터 우리의 목적은 더 나은 고객 이해를 통한 매출신장이었습니다. 성장을 목표로 하니 모든 관계자들이 거부감 없이 분석에 참여하였고, 최적화를 위한 협력과 연계를 고민하는 과정에서 당장의 매출 신장보다 더 값진 조직적 자산이 만들어지게 되었습니다." 이 회사 CMO의 이야기처럼 빅데이터 애널리틱스 도입 이후에 조직 문화는 더욱 긍정적이고 진취적으로 변모하였고, 임직원 모두가 계속해서 다음 목표를 열망하는 기질을 갖게 되었다.
75 Business Focus Deloitte Analytics 누구도 빅데이터 도입의 효과를 확신하지 못한다면 분석의 주제를 포괄적으로, 미래지향적으로, 절감보다는 최적화에 초점을 맞추는 것이 좋을 것이다 빅데이터 애널리틱스 성공법칙과 우월한 성과 기업이 지키고 있는 Three Rules법칙은 일맥상통한다 빅데이터 애널리틱스를 도입하는 것은 말처럼 쉬운 일이 아니다. 자신의 직관을 믿고 있었던 의사결정자에게 데이터 기반 문화는 그 간의 권위에 대한 도전으로 받아들여져 저항의 빌미가 되어 왔다. 조직원 누구도 빅데이터 도입의 효과를 확신하지 못하는 상황 - 지금의 시장 상황처럼 - 이라면 분석의 주제를 1) 단편적이기 보다 포괄적으로, 2) 과거 실적의 비판적 평가보다는 미래 지향적으로, 3) 절감보다는 최적화에 초점을 맞추어야 한다 미국의 소설가 마크트웨인은 사람들이 통계를 이용하는 방식이 주정뱅이가 가로등을 이용하는 것과 같다고 말했다. 가로등을 내가 가야 할 앞길을 밝혀주는 목적으로 쓰지 않고, 휘청대는 현재의 자신을 기대는 목적으로 쓴다는 이야기이다. 빅데이터 애널리틱스를 미래의 의사결정이 아니라 현재의 자신의 목표를 합리화하는 데 사용한다면 바로 애널리틱스라는 가로등에 그저 기대어 선 주정뱅이가 되는 것이다. 딜로이트가 발간한 '이례적인 기업의 세가지 법칙 (The Three Rules : How exceptional companies think)' 에서는 1) 저가보다는 고품질 (Better Before Cheaper) : 가격이 아닌 가치, 2) 원가보다는 수익을 (Revenue Before Cost) : 비용절감 보다는 판매량 확대 지향 - 을 지속적으로 성장하는 기업의 비결로 제시하였다. 이것은 빅데이터 애널리틱스 성공 법칙과 일맥상통한다. 모든 조직의 변화 과정에서 비용절감을 통한 경쟁력을 도모하는 것은 자칫 다양한 형태로 연계된 조직 가치에 의도치 않은 손실을 유발할 가능성을 내포하며, 그 과정에서 조직원에게 비전 상실과 같은 상처를 입힐 수 있기 때문에 조심해야 한다. Three Rules의 세가지 법칙을 기반으로 빅데이터 시대에 임한다면 우월한 경쟁력을 확보할 수 있을 것이다 아직도 빅데이터 시대에서 혼란을 느끼는 의사결정자가 있다면 : 딜로이트의 세가지 법칙(Three Rules)을 - 1) 저가보다는 고품질을 (Better Before Cheaper), 2) 원가보다는 수익을 (Revenue Before Cost), 3) 이 외에 다른 규칙은 없다. (There are no other Rules) - 천천히 음미할 필요가 있다.