중견기업에 맞는 최신 데이터 분석 트렌드를 반영하여 비즈니스 가치 실현하기
데이터 분석은 중견기업에 상당한 수익을 가져다줄 수 있고 기업의 차별화와 장기적 생존을 위해 매우 중요한 요소로 자리 잡고 있습니다. 농업 분야에서의 중견기업은 혁신적인 데이터 분석을 통해 회사의 생산성, 매출 증대와 이윤 창출을 급진적으로 이루고 있습니다. 동일한 직원 혹은 더 적은 직원으로 면적 대비 농작물 생산성을 기하급수적으로 높일 수 있게 되었을 뿐만 아니라 비디오 분석 기법과 데이터 시각화를 활용해 중간 소매업자는 고객의 쇼핑 프로필이나 패턴을 이해할 수 있게 되었습니다.
금융 서비스를 제공하는 중견기업에서는 위험 평가를 정확하게 할수록 수익률을 높일 수 있기 때문에 위험 모델을 개선하기 위한 노력을 끊임없이 하고 있습니다. 제조업체의 경우, 민감도 분석과 예측 모델을 결합한 ‘가상(what if) 분석’을 활용하여 품질 변동의 원인을 조사하는 추세입니다.
| 데이터 사이언스 컨셉(출처=미카엘 바버)
이렇게 다양한 산업의 혁신과 변화에 대처하기 위해서 주요 중견기업은 새롭고 단순한 기술을 도입하여 확장된 데이터 사이언스 능력에 대처하고 있습니다. (* 여기서 잠깐, ‘확장된 데이터 사이언스’에 대해 정확한 개념을 살펴볼 필요가 있습니다. 데이터 사이언스는 데이터 분석에서 한 단계 나아가 비즈니스 질문에 답을 할 수 있는 전략적 인사이트를 추구하고, 사업의 성과를 만들어내는 역할을 합니다. 그 때문에 커뮤니케이션 능력 또한 중요하게 여겨지는데요. 이런 의미에서 기존의 기술적인 면이 강조되는 ‘데이터 분석’ 개념과 다소 맥락을 다르게 합니다. 그래서 ‘확장된 데이터 사이언스’ 능력의 중요성과 이에 대처할 필요성을 강조한 것으로 해석됩니다.)
여기에는 시민 분석가가 증강분석을 효율적으로 사용하고 가치를 창출할 수 있도록 지원하는 것 또한 포함합니다. (*증강분석(Augmented Analytics)은 데이터 전처리부터 시각화까지의 프로세스를 사람이 아닌 기계가 자동으로 처리하고 숨겨진 패턴을 찾아 예측 분석을 빠르게 하는 기술입니다. 통계 분석 전문가가 아닌 일반 사용자, 즉 시민도 증강분석을 통해 인사이트를 발견할 수 있는 환경이 마련되었으며, 이 같은 ‘시민 분석가’ 또는 ‘시민 데이터 과학자’의 등장이 데이터 분석 트렌드로 주목되고 있습니다. 실제로 기업, 기관에서 많이 도입하는 데이터 분석 솔루션인 BI 시장에서도 증강분석 기능을 적극적으로 도입하고 있는데요. 이른바 Self-Service 도구로써의 역할이 확대되고 있음을 알 수 있습니다.)
가트너의 애널리스트 부사장 앨런 D. 던컨은 “데이터 분석 트렌드는 머신러닝과 인공지능(AI)의 부상을 포함하며 무시할 수 없을 정도로 상당한 성장을 보입니다. 중견기업 CIO는 새로운 비즈니스 가치를 실현할 수 있는 데이터 드리븐 조직을 개발하려는 노력을 기울여야 합니다.”
데이터 분석 트렌드 1
더 나은 데이터 기반 의사결정을 위한 시각적 데이터 발견 환경 구축
| 데이터 발견 환경(시각화 대시보드) 예시 화면
전통적으로 중견기업은 데이터를 각자 다른 플랫폼에서 수집하고 확인하는 구조였습니다. 그런데 최근 5년간 각각 다른 곳에서 수집된 데이터를 잘 구성된 인터랙티브 시각화로 계층화하는 기술이 등장하였습니다. 이러한 시각적 데이터 발견(시각화를 통해 데이터를 파악하고 숨겨진 인사이트를 발견할 수 있는 환경)은 CIO가 데이터를 빠르게 가공할 수 있게 되면서 비즈니스 문제를 진단하고 현재 운영 방식의 효과를 정기적으로 테스트할 수 있도록 합니다.
이러한 시각적 발견을 할 수 있는 플랫폼은 주로 클라우드 기반으로, 심층적인 데이터 분석 환경뿐만 아니라 유연하고 확장 가능한 기술을 지원합니다. (*여기서 말하는 플랫폼은 데이터를 시각적으로 정리하고 분석하여 의사결정에 활용할 수 있도록 하는 솔루션인 비즈니스 인텔리전스(Business Intelligence, BI)를 말합니다. BI는 데이터의 시각적 분석, 그리고 기업에서 데이터 활용의 해결방안으로 많이 도입하는 추세입니다.)
데이터 분석 트렌드 2
더 나은 생산성과 데이터 거버넌스를 위한 데이터 준비를 위한 도구 사용
| 데이터 준비 도구 시장 현황(출처=블로어 리서치)
데이터를 활용하기 위해 준비하는 작업은 어렵고 시간이 많이 소요될 수 있으며, 중견기업에서 올바른 지원을 하지 못하는 경우가 있습니다. 데이터 준비(Data preparation)는 반복적이고 민첩한 프로세스로, 간소화된 증강 데이터 준비 작업을 가능하게 하고 데이터 공유, 재사용 및 거버넌스를 개선할 수 있습니다. (* 데이터 거버넌스(Data governance)란 기업에서 산재한 데이터를 같은 저장소에서 관리, 비정형 데이터를 규칙에 맞게 표준화하는 전사 차원의 빅데이터 관리 체계라고 볼 수 있습니다. 데이터 거버넌스가 잘 구축된 기업일수록 비즈니스 목적에 부합하고 최적의 정보를 활용할 수 있는 환경이 마련되어, 빅데이터 활용의 효과를 지속해서 얻을 수 있습니다. )
데이터 준비를 위한 도구를 사용하면 데이터 내에서 주요한 연결을 확인하고 결과를 공유할 수 있는데요. 증강 머신러닝(augmented machine learning), 데이터 카탈로그와 같은 새로운 기술의 발전으로 기업에서는 비즈니스 인사이트를 더욱더 쉽게 공유할 수 있게 되었습니다. (* 데이터 카탈로그(Data Catalog)는 전사 데이터를 신속하게 찾고 파악할 수 있도록 도와주는 기능입니다. )
데이터 분석 트렌드 3
더 나은 생산성과 데이터 거버넌스를 위한 데이터 준비를 위한 도구 사용
| 셀프서비스 도구(BI) 시장 현황(출처=가트너)
중견기업에서 데이터 시각화를 통해 일부 데이터 분석 과제를 단순화할 수 있지만, 분석 모델을 구축하고 인사이트를 구별하는 작업은 여전히 복잡하고 시간이 많이 소요되는 문제로 남아 있습니다. 어떤 인사이트가 중요하고 어떤 액션을 취해야 하는지 분간하는 일 또한 어렵습니다. 그러나 최근에는 향상된 분석에 인공지능 기술이 접목되어 데이터 준비, 인사이트 발견 및 공유와 같은 분석 업무를 자동화하여 단순하게 사용할 수 있습니다. “이는 비즈니스 사용자와 시민 데이터 사이언티스트가 모델을 구축하거나 알고리즘을 만들지 않고도 상관관계, 예외, 클러스터, 세그먼트, 특이점, 예측과 같은 분석 결과를 자동을 찾아내고 시각화하며 관련 분석 결과를 설명해준다”라고 던컨은 설명합니다.
데이터 분석 트렌드 4
예측 분석 도입을 통한 가치가 높은 비즈니스 시나리오 분석 최적화
예측 분석은 ‘무슨 일이 일어날까?’와 같은 질문에 답을 줍니다. 전에는 고객이 어떤 행동을 할 가능성을 알아내기 위해서는 마케터가 전문 기술을 알아야 했지만, 요즘은 어느 때보다 많은 비즈니스 애플리케이션에 예측 분석이 포함되어 있습니다. 예측 분석을 사용하는 기업이 계속해서 좋은 결과를 얻고, 데이터의 양이 증가함에 따라 이러한 분석 기술에 대한 관심이 증가하고 있습니다.
이 같은 4가지 사용 사례로 살펴본 분석 트렌드를 중견기업에서는 주로 패키지형 애플리케이션 형태로 도입합니다. 하지만 패키지형의 경우, 각 기업의 니즈에 맞는 유연한 대응, 커스터마이징이 어렵고 경쟁력 있는 차별점을 갖는 부분에 있어 제한적입니다. 이를 보완하기 위한 방법으로 분석 기술과 디자인씽킹이 가능한 내부 IT 팀을 구성하거나, 외주 데이터 분석 서비스 제공 업체와 함께 협력하는 방안을 고려할 수 있습니다.
위 번역된 칼럽에서 말한 중견기업 CIO가 고려해야할 데이터 분석 트렌드 4가지를 요약하자면 아래와 같습니다.
1. 웹 기반 시각적 데이터 분석 도구(BI)는 비즈니스 의사결정을 개선한다.
2. 데이터 준비 도구는 데이터 분석과 거버넌스에 도움이 된다.
3. 셀프서비스 또는 자동화가 가능한 솔루션은 복잡한 프로세스를 간소화한다.
4. 예측 분석은 가치가 있고 우선순위가 높은 인사이트를 비즈니스에 반영하는데 최적화한다.
기업에서 데이터 기반 문화를 장착하고, 기업의 내외부에서 발생하는 빅데이터를 운영 관리하여 장기적인 가치로 만들어내는 과정은 쉬운 일이 아닙니다. 중견 기업의 경우, 데이터 분석 솔루션과 문화를 도입이 대기업보다 상대적으로 유연할 수 있어 보다 데이터 분석 트렌드를 반영하기에 수월할 수 있지 않을까 생각하는데요. 그러나 기업 규모와 상관없이 국내에 전사적으로 빅데이터 시스템이 구축되지 않은 경우가 대다수일 것이라고 생각되는 만큼, 빠르게 진화하는 데이터 분석 기술의 트렌드를 고려해 보다 효율적인 조직과 팀을 운영하는 데에 이번 글이 참고가 되었으면 합니다.
* 본 콘텐츠는 카세이 페네타(Kasey Panetta) 저자의 Top 4 Data and Analytics Trends for Midsize Enterprises 칼럼을 토대로 작성했습니다. (*이해를 돕기 위해 의역 및 필자의 설명을 덧붙였습니다.)
뉴스젤리와 모비인사이드의 파트너쉽으로 제공되는 기사입니다.
