[Adsp] 1-3장 가치 창조를 위한 데이터 사이언스와 전략 인사이트

 

1절 빅데이터 분석과 전략 인사이트

1-1. 빅데이터 열풍과 회의론

빅데이터 열풍은 "빨리 끓어 오른 냄비가 빨리 식는다."는 일종의 거품현상을 우려하는 시선도 있기에 빅데이터 분석에서 찾을 수 있는 수많은 가치들을 제대로 발굴해 보기도 전에 그 활용 자체를 사전에 차단해 버릴 수 있다.

 

1-2. 빅데이터 회의론의 원인 및 진단

1. 투자 효과를 거두지 못했던 과거의 CRM(고객관계관리)와 같은 프로젝트들

2. 빅데이터의 성공 사례라고 하는 것들이 실제 빅데이터가 아닌 단순 데이터 분석 프로젝트인 경우가 많았음

 

참고로, 한때 CRM만 구축하면 모든 문제들이 해결이 된다라는 붐이 일어난 적이 있었다. 하지만 대다수 프로젝트들은 큰돈으로 CRM을 구축하고 대부분 실패하게 되었는데 사실 빅데이터도 이미 비슷한 전철을 겪었다. 빅데이터가 세상을 바꾼다 떠들었을 때 빅데이터가 뭔지도 모르는 고객(특히 공무원들)들과 단순 데이터 분석 프로젝트를 빅데이터인척 하는 설루션 업체들 간의 무궁무진한 프로젝트로 수많은 프로젝트들을 거하게 말아먹은 사례들은 전례가 수두룩하다. 

 

1-3. 빅데이터 분석, 'BIG'이 아니다.

빅데이터는 데이터의 양이 아니라 유형의 다양성이 더 중요하다. 즉, 데이터 크기로 새로운 분석을 이끌어낸다는 것보다 기존에 분석하지 않았던 음성, 비디오, 텍스트, 이미지 등과 같이 다양한 포맷들을 분석하여 새로운 인사이트를 이끌어내는 것에서 빅데이터가 보다 더 의미가 있다.

 

1-4. 전략적 통찰 없는 분석의 함정

1. 분석을 많이 한다고 경쟁 우위를 가져다주지 않음

2. 본질을 바라보지 못할 경우, 쓸모없는 분석만 하게 된다.

3. 핵심적인 비즈니스에 집중하여 데이터를 분석하고 차별적인 전략으로 운영해야 한다.

아메리칸항공은 승무원 일정 및 비행 최적화의 분석기법을 도입하여 3년 만에 14억 달러 수익을 얻었으나 타 경쟁사들이 비슷한 분석을 통해서 경쟁우위에 하락하게 되었음. 사우스웨스트 항공은 단순하고 최적화된 모델을 통한 가격 책정과 운영을 하고 한 가지 기종의 비행기로 단순화하여 36년 연속 흑자를 낸 기업이 되었음

 

1-5. 일차원적인 분석 vs 전략도출 위한 가치기반 분석

산업별 분석 애플리케이션 (일차원적 분석)

금융서비스 : 신용점수 산정, 사기 탐지, 고객 수익성 분석

소매업 : 재고 보충, 수요 예측

제조업 : 맞춤형 상품 개발, 신상품 개발

에너지 : 트레이딩, 공급/수요 예측

온라인 : 웹 매트릭스, 사이트 설계, 고객 추천

 

일차적인 분석의 문제점

일차적인 분석만으로는 '환경변화' 같은 큰 변화에 대응하거나 새로운 기회를 포착하기 어려운 문제 직면한다.

 

전략도출 가치기반 분석

• 전랴걱인 통찰력 창출에 포커스를 뒀을 때, 중요한 기회 발굴 및 주요 경영진의 지원을 얻기에 강력한 모멘텀 생성
• 일차원적인 분석으로 경험을 쌓고, 성공을 거두면 분석의 활용 범위를 넓혀 전략적으로 변화 모색해야 한다.
• 사업성과를 견인하는 요소들과 차별화를 꾀할 기회에 대해 전략적인 인샤트를 주는 가치기반 분석단계로 나아가야 한다.

---

2절 전략 인사이트 도출을 위한 필요 역량

2-1. 데이터 사이언스의 의미와 역할

의미

데이터 사이언스란 데이터 공학, 수학, 통계학, 컴퓨터공학, 시각화, 해커의 사고방식, 해당 분야의 전문지식을 종합한 학문이다.

 

역할

데이터 사이언티스트는 비즈니스의 성과를 좌우하는 핵심이슈에 답을 하고, 사업의 성과를 견인해 나갈 수 있어야 한다.

 

2-2. 데이터 사이언스의 구성 요소

데이터 사이언스의 영역

• 데이터 처리와 관련된 IT영역 : 시그널 프로세싱, 프로그래밍, 데이터 엔지니어링, 데이터 웨어하우스, 고성능 컴퓨터
• 분석적 영역 : 수학, 확률모델, 머신러닝, 분석학, 패턴 인식과 학습, 불확실성 모델링 등
• 비즈니스 컨설팅 영역 : 커뮤니케이션, 프레젠테이션, 스토리텔링, 시각화 등

 

데이터 사이언티스트의 역할

• 복잡한 대용량 데이터를 구조화, 불완전한 데이터를 서로 연결해야 한다.
• 강력한 호기심을 통해 문제의 이면을 파고들고, 질문을 찾고, 검증 가능한 가설을 세우는 능력
• 스토리텔링, 커뮤니케이션, 창의력, 열정, 직관력, 비판적시각, 대화능력 등

 

2-3. 데이터 사이언티스트의 요구 역량

Hard Skill

• 빅데이터에 대한 이론적 지식 (관련 기법 및 방법론)
• 분석 기술에 대한 숙련 (최적의 분석 설계 및 노하우)

Soft Skill

• 통찰력 있는 분석 (창의적 사고, 호기심, 논리적 비판)
• 설득력 있는 전달 (스토리텔링, 비쥬얼라이제이션)
• 다분야 간 협력 (커뮤니케이션)

 

2-4. 데이터 사이언스: 과학과 인문의 교차로

데이터 사이언티스트는 분석 능력, 분석 설계능력과 같은 과학적 이론뿐만 아니라 스토리텔링, 의사소통, 창의력, 직관력, 글쓰기 능력 등과 같은 인문학적인 능력들도 필요하다고 강조된다.

 

2-5. 전략적 통찰력과 인문학의 부활

통찰력 있는 분석

• 직관과 전략, 경영 프레임워크 경험의 혼합을 통해 통찰력 있는 분석을 수행
• 전체 업계의 방향과 고객이 무엇을 중시하는지에 대한 이해
• 좁은 시각으로 보는 것이 아닌 넓은 시각으로 봐야 한다.

인문학의 열풍

• 기존 사고의 틀을 벗어나 문제의 관점을 바라보고 해결하는 능력과, 비즈니스의 목표 및 가치를 이해하곡 고객과 자원의 내면적 요구를 이해하는 능력 등 인문학에서 배울 수 있는 역량이 점점 요구되는 시대를 맞이하고 있다.

외부 환경적 측면에서 바라본 인문학 열풍의 이유

외부 환경 변화	내용
컨버전스 → 디저번스	단순세계화에서 복잡한 세계로 변화
생산 → 서비스	제품생산에서 서비스로 이동
생산 → 시장 창조	공급자 중심의 기술경쟁에서 무형자산의 경쟁으로 변화

---

3절 빅데이터 그리고 데이터 사이언스의 미래

3-1. 빅데이터 시대

전 세계적으로 생성된 디지털 정보량이 1.8 제타바이트나 된다.(대한민국 모든 사람이 18만 년 동안 쉬지 않고 1분에 3개의 글을 게시하는 것과 동일)

 

빅데이터 분석은 선거 경과에 결정적인 영향을 미칠 수도 있으며, 기업의 측면에서는 비용 절감, 시간 절약, 매출 층대, 고객서비스 향상, 신규 비즈니스 창출 등에 있어 상당한 가치를 발휘하고 있다.

 

3-2. 빅데이터 회의론을 넘어 가치 패러다임의 변화

가치 패러다임의 단계별 변화

• 과거 (Digitalization) : 아날로그 세상을 어떻게 효과적으로 디지털화하는지가 과거의 가치 창출 원천
• 현재 (Connection) : 디지털화된 정보와 대상을 서로 효과적이게 연결하여 효율적인 정보를 제공하는지가 성공 요인
• 미래 (Agency) : 복잡한 연결을 얼마나 효과적이고 믿을수 있게 관리하는지의 이슈

 

3-3. 데이터 사이언스의 한계와 인문학

데이터 사이언스의 한계

• 분석과정에서는 가정 등 인산의 해석이 개입되는 단계를 반드시 거친다.
• 결과가 의미하는 바는 사람에 따라 전현 다른 해석과 결론이 발생한다.
• 정량적인 분석이라도 모든 분석은 가정에 근거한다.

 

데이터 사이언스와 인문학

• 인문학을 이용할 경우 데이터에 묻혀 있는 잠재력을 풀어내고, 새로운 기회를 찾고, 누구도 보지 못한 창조의 밑그림을 그릴 수 있는 힘을 발휘하게 될 수 있다.