KR EN

Blog

Detail Page | Tech 메인메뉴

Detail Page | Tech

기업에 꼭 필요한 데이터 분석, 어디서부터 시작해야 할까요?

2024.05.20

 

데이터는 ‘21세기의 석유’로 불릴 만큼 디지털 시대의 핵심 자원입니다. 글로벌 컨설팅 기업 ‘맥킨지’는 ‘비즈니스 환경을 바꿀 10가지 기술 트렌드’ 중 하나로 ‘빅데이터 활용’을 꼽았습니다. 언론과 기업에 ‘빅데이터’에 주목하고 있지만, 관심에 비해 잘 활용하고 있는 기업은 많지 습니다. 데이터를 쥐는 자가 패권을 잡을 수 있게 된 지금, 방대한 데이터 속 새로운 기회를 발견할 수 있는 데이터 분석은 어떻게 해야 할까요? 

 


 

첫째, “우선적으로 해야 할 것은 올바른 문제 정의(제대로 된 가설 수립)”

 

무턱대고 데이터를 모으는 것보다 더 중요한 것은, 문제 제기를 통해 ‘무엇을 분석할 것인가(어떤 가치를 창출해 낼 것인가)’를 명확히 하는 것입니다. 문제 정의 없이 데이터 수집부터 하는 것은 과녁이 어디인지 모른 채 화살만 마구 날리는 것과 다름없습니다. '무엇을 분석할 것인가’가 분명해야 어떤 데이터를 얼만큼, 어떻게 수집할지 결정할 수 있습니다. 데이터 분석에 기업의 한정된 자원을 투입하고 그 결과가 조직의 전략 방향을 좌우하는 만큼, 경영 목표를 달성하기 위한 문제 정의를 구체적으로 해야 합니다.

 

[예]

  • ‘상위 5%안에 드는 고객이 누구인가’ (X)

➨ ‘우리가 가지고 있는 데이터베이스에서 지난 5년간 활동한 진짜 핵심고객은 누구인가’ (O)

 

  • ‘우리 제품에 대한 고객의 후기’ (X)

➨ ‘우리 제품군 중 특정 제품에 대한 소비자의 생각 및 개선안’ (O)

 

  • ‘바람직한 리더의 조건’ (X)

➨ ‘고성과 영업팀장이 가지고 있는 직무역량’ (O)

 

  • ‘고객의 구매패턴은 어떻게 진행되는가?’ (X)

➨ ‘고객이 특정채널에서 구매하는 패턴은 어떻게 진행되는가?’ (O)

 

 

 

둘째, “데이터 집계는 분석이 아니다”

 

당신의 생각을 하지 말고, 데이터를 가져와라  -아마존-

 

꼭 엄청난 양의 데이터를 집계하는 것이 빅데이터 분석은 아닙니다. 데이터 분석의 목적은 문제 해결과 의사 결정을 위한 인사이트 도출에 있습니다. 어마어마한 양을 수집하고 집계 수준에 그치는 것이 아닌, 확보 가능한 데이터로 의미 있는 결과를 얻기 위한 노력이 필요합니다. 분석을 할 때는 작은 단위로 시작해 큰 단위로 넓혀가는 것이 효과적입니다. 이 때, 내부 데이터를 객관적으로 정제하고 활용하는 것에 더해, 외부의 다양한 정보를 함께 분석하면 더 좋은 통찰을 얻을 수 있습니다.

 

 

셋째, “롱데이터 분석은 의사결정의 위험을 줄여준다”

 

롱데이터(Long Data)’에 관심을 기울여야 한다. -네트워크 과학자 사무엘 앨버즈먼-

 

특정 시점의 데이터 분석도 경영 의사 결정에 유용하지만, 롱데이터(Long data)도 살펴볼 필요가 있습니다. 롱데이터란 시계열 흐름과 반복적 주기를 가진 데이터 집합을 말합니다. 경영 활동은 대부분 한번에 끝나는 이벤트가 아닌, 주기를 가지고 반복되는 경우가 많으므로 여러 기간에 걸친 데이터를 시간의 흐름에 따라 분석할 경우 더욱 의미 있는 결과를 확인할 수 있습니다. 특정 시점의 데이터 분석에서 생길 수 있는 오류에서 벗어나 시간의 흐름에 따라 변하는 현상과 원인을 읽고 경영의 전략적 의사결정에 도움을 얻을 수 있습니다.

 

 

넷째, "분석결과의 인사이트를 통해 더 고차원적인 분석을 시도할 수 있다"

 

특정 주제에 대한 문제정의와 데이터 분석을 통해 경영에 대한 새로운 인사이트를 얻은 것으로 만족하기엔 아직 이릅니다. 분석된 데이터 결과를 통해 더 고차원적인 문제정의를 하고, 심도 깊은 데이터 분석을 진행할 수 있습니다. [문제정의-데이터분석]의 각 단계가 반복되고 심화될 수록 데이터를 통해 유용한 정보 패턴, 추세를 찾아 낼 수 있고 이것이 롱데이터와 합쳐 진다면 리더(경영진)의 의사결정은 더 빠르고 정확하게 진행 될 수 있습니다. 고도화된 데이터 기반의 의사결정은 한정된 자원을 더 효율적/효과적으로 활용하고 리스크도 줄일 수 있게 되지요.

 

[예] 첫번째 가설에서 더 고도화된 문제정의

 

  • ‘우리가 가지고 있는 데이터베이스에서 지난 5년간 활동한 진짜 핵심고객은 누구인가’ 
  • ➨(고차원) ‘5년동안 활동한 핵심고객의 구매패턴은 어떻게 진행되는가?’ 

➨(고차원) ‘핵심고객들의 제품구매빈도 혹은 다른 제품군으로의 구매를 확대유도하기 위해 어떤 홍보전략을 세워야 하는가?’

  •  
  • ‘우리 제품군 중 특정 제품에 대한 소비자의 생각 및 개선안’ 
  • ➨ (고차원) ‘소비자의 실제의견을 바탕으로, 긍정적인 브랜드 이미지 형성을 위한 실행전략 도출’
  •  
  • ‘고성과 영업팀장이 가지고 있는 직무역량’
  • ➨ ‘고성과 영업팀장이 가지고 있는 직무역량을 모든 영업팀장에게 내재화 하기 위한 학습계획’

 


 

경영진의 훌륭한 ‘직관’에서 오는 빠른 의사결정과 과감한 투자가 경영에 도움이 될 때도 있지만 이제는 ‘직감’으로 모든 결정을 할 수 없는 불확실성의 시대에 살고 있습니다. 경영진의 ‘직관’과 그 직관을 검증할 수 있는 ‘데이터 분석’이 맞물리면 기업은 더 빠르고 정확한, 그리고 자신 있는 의사결정을 통해 더 나은 미래전략을 구사할 수 있을 것 입니다.