비즈니스 혁신의 근원으로서의 분석 Analytics as a Source of Business Innovation

❍ Reading Summary 

본 글은 비즈니스 이노베이션에 있어서 분석에 관한 자료로서, 데이터 분석이 기업에게 있어 어떤 이유로 대두되고 있으며, 현 상황을 조망하여 최종적으로 기업에게 필요한 Data Governance를 제시하고 있다. 

본문 초반 Moody의 미국 타이어 및 자동차 수리점인 Bridgestone의 분석 부서에 대한 이야기로 시작한다. 매장의 새로운 위치를 선정하기 위한 정교한 작업에 데이터 분석이 효과적인 역할을 수행하였으며, 이러한 분석 사용이 수 많은 기업간 경쟁에서 이기는데 도움이 되는 것을 강조하고 있다. 이러한 사례들이 늘어나면서 비즈니스의 기능뿐만 아니라 비즈니스 모델을 데이터 분석을 활용하여 근본적으로 혁신하는 기업이 늘어남에 따라, 본 글은 데이터 분석 기반의 혁신의 원동력에 대해 다루고 있다. 

주목할 만한 점은 본 글의 근거가 수많은 데이터 관리자들에 대한 설문을 통해 이루어졌다는 점이고, 이를 통해 보다 현실적인 기업의 데이터 분석 활용에 대해 알 수 있었다는 점이다. 이를 테면, 기업들은 현재 데이터가 넘쳐나는 환경에 처해 있으며, 보다 올바른 데이터 거버넌스를 필요로 한다는 점, 이제는 더 이상 경쟁 우위에 데이터 분석이 작용하고 있지는 않지만 그 만큼 보편화 되었다는 점 등을 들 수 있다. 

특히, 본 글에서 실제로 데이터 분석이 자주 그리고 효과적으로 사용되는 부서에 대해 언급하여 어떻게 기업들이 ‘현재’ 데이터 분석을 활용하고 있는지 들여다 볼 수 있었다. 예를 들어 신제품 혁신에 있어 판매(58%), HR(56%), 제품 개발(52%), R&D(49%)부서가 데이터를 사용한다는 구체적인 수치를 통해 기업의 관심과 협업 대상에 대해 짐작할 수 있었다. 

그리고 최종적으로 공유할 수 있는 데이터와 없는 데이터를 제어하여 데이터 공유를 장려하는 데이터 거버넌스에 대한 중요성을 통해 데이터 기반의 협력의 중요성을 강조하며 끝을 맺고 있다. 

❍ Comment 

본 글에서 언급되는 최적화나 혁신이나 기업 비즈니스 모델 개선에 있어서 데이터 분석의 ‘영속성’에 대해 좀 더 다루어졌으면 하는 바램이 있다. 기존의 다양한 데이터 기반의 분석 프로젝트를 수행하면서, 특히 본 수업시간에서 다루는 Feature Based Prediction 기반의 데이터 분석을 수행함에 있어서 과연 데이터 분석이 얼마나 꾸준히 업무가 생길 것이냐 하는 부분에 항상 의문이 있어왔다. 

물론, 파생변수를 생성하고 외부 2차 데이터간의 결합을 통해 끊임 없이 Feature를 만들어 낸다는 점은 얼핏 보면 영속성을 지니는 것처럼 보이지만 그 효율성 측면에 있어서는 그렇지 못하다. 이를 테면, 본문 초반의 자동차 수리점의 위치선정에 있어서 데이터 분석을 사용하여 핵심 key feature 기반의 모델을 수립했다고 하자. 해당 모델을 다른 2차 자료를 통해 보강하고 추가할 수 있겠으나, 한 번 특이점을 지난 모델을 만들어 내면 그 이후에 효율성이 증가하는 수치는 멱함수의 법칙에 의해 미비한 것이 사실이다. 이렇게 되면 해당 데이터 분석을 수행한 팀은 회사내의 다른 프로젝트로 옮겨지게 될 것이고 데이터 분석이 필요한 모든 부서에 핵심 모델들을 만들어 낸다면 그 이후의 일에 대한 the next thing에 대한 고민이 필요하게 된다. 

하지만, 본 글에서는 아직은 효율이 좋은 데이터 분석의 ‘현재’에 대해서만 언급되어 있는 부분이 아쉬운 부분이다. 새로운 서비스를 끊임없이 만들어 낼 수 있는 ‘개발’이나 ‘AI’ 분야에 비해 ‘데이터 분석’이 지니는 한계점까지 다루어 줬으면 하는 개인적인 바램이 있었으나 아쉬운 측면이 있는건 사실이다. 

또한, 본 글에서는 AI나 Machine Learning에 대해 사람을 대체하기 보다는 사람이 혁신 업무에 투입될 것이라는 가정에 기반을 두고 작성되었다. 본 글을 읽는 독자가 ‘기계가 아닌 사람’임을 고려하고 염려한 기술 방식이라고 추측된다. 혹은 대외적으로 기업들이 공개한 ‘사람들에게 더 나은 일자리를 제공할 것’이라는 HR 홍보부의 말을 그대로 옮긴 듯해 보인다는 점도 간과할 수 없다. 실제로 현장에서 이루어지는 데이터 분석의 자동화로 인한 일자리 감소로 인한 혁신에 대해서도 다루었으면 하는 아쉬움이 남는다. 

그럼에도 불구하고, 본 글은 현 시점이 데이터 분석 직군이 처음 신설되고 태동하는 단계임을 고려하였을 때, 다양한 실제 기업의 사례와 예시를 통해 효과적으로 데이터 분석의 중요성을 강조하고 있음에 그 의의가 있다. 특히, 대부분의 데이터 분석의 글에서는 마치 황금알을 낳는 거위마냥 상징화 하는 부분이 많았으나, 본 글은 다양한 수치 통계 기반의 해석과 데이터 분석이 경쟁의 핵심역량으로 여겨지는 비율이 상대적으로 보편화 되어감에 따라 떨어지고 있다는 점 또한 지적하고 있어 보다 객관성을 확보한 글이라 판단된다.

 

또한, ‘데이터 분석’에서 끝나는 글이 아니라 ‘데이터 거버넌스’를 비롯한 구체적인 데이터 분석 역량 확보 방안을 강조한 점 또한 인상적인 글이라 할 수 있겠다.