자 그렇다면 빅데이터 분석이란 무엇을 말하는 것일까요? 바로 대량의 데이터로부터 숨겨진 패턴과 알려지지 않은 정보를 찾아내기 위한 과정이라고 보면 됩니다. 이는 창의성을 “존재하지 않는 관계를 보는 능력”이라고 정의했던 통계학자 토머스 디시의 말과 맥을 같이 합니다. 데이터 분석의 관점에서 보면 “존재하지 않는다”는 말은 이 세상에 없다는 것이 아니라 “우리가 아직 그 의미를 파악하지 못했다”라고 볼 수 있습니다. 또한 “관계”란 단어는 통계학적인 관점에서 보면 변수들 혹은 데이터들 간에 인관관계를 말합니다. 즉, 자료 속에 숨어 있는 규칙적 패턴이나 관련성을 말하는 것입니다.

결국 데이터 분석 관점에서 창의성이란 “수많은 데이터 속에서 우리가 찾아내지 못한 변수들 간의 인과관계를 찾아내어 새로운 가치를 창출해 내는 과정”이라고 볼 수 있습니다. 룰브레이커라 불리는 세계 최고의 창의적인 기업의 공통점도 데이터 분석을 통해 창의성을 극대화 시켰습니다.

정보 모으기의 제왕들, ‘구글과 아마존, 그리고 테슬라’

1998년 창업한 구글은 “다양한 구글 서비스들과 함께 전 세계의 모든 정보를 체계화하여 모든 사용자가 유익하게 사용할 수 있도록 한다”라는 사명으로 지금의 구글을 만들었습니다. 그들은 ‘좋은 논문은 많이 인용되는 논문’이라는 학계에서 인정한 패턴을 웹페이지에도 그대로 적용해, 특정 사이트가 다른 사이트로 연결되는 백링크를 알아내고 이것을 기본으로 웹페이지 랭킹을 매기는 ‘페이지랭크’를 구현했습니다. 이 ‘페이지랭크’는 유용한 정보를 빠르게 습득할 수 있게 함으로써 전 세계 검색엔진 시장을 장악했던 것입니다.

아마존은 1994년 온라인으로 책을 팔기 시작하면서 고객들의 데이터를 모으기 시작했습니다. 그리고 1997년 제품라인을 확대하면서 온라인 전자상거래 시장을 장악했으며, 현재 전세계 최고의 기술력을 자랑하는 IT 기업으로 성장했습니다. 아마존이 단순히 온라인 책방에서 클라우드 컴퓨팅, 전자상거래, 미디어, 하드웨어, 오프라인 유통 사업으로 확장할 수 있었던 것은 바로 온라인 전자상거래를 통해 확보한 고객들의 데이터에 있었습니다.

어마어마한 빅데이터를 분석하고 서로 다른 영역을 연결시켜가며 비즈니스 영역을 확장한 것이 지금의 아마존을 만든 것입니다. 2003년 창업한 테슬라 역시 데이터로 성공한 기업입니다. 우리는 단순히 전기자동차를 생산하는 기업으로 알고 있지만 내면을 살펴보면 수많은 데이터를 수집하고 이를 분석해 다양한 사업들을 전개해 나가고 있습니다.

최근 기업에서 업무에 데이터를 사용하고, 해석하고, 생성하는 일이 많아졌습니다. 디지털 네이티브의 등장으로 ICT 기술을 활용하는 것이 더욱 용이해진 것입니다. 하지만 많은 기업에서 데이터를 관리하고 활용하는데 어려움을 겪습니다. 왜일까요?

데이터에 대한 책임소재가 불분명 하기 때문입니다. 데이터 관리에 시간과 열정을 쏟는데도 데이터를 제대로 활용하지 못하기에 품질은 낮아지고, 직원들은 데이터를 신뢰하지 않게 되는 것입니다. 조직 내 제대로 된 데이터를 생산하고 활용하기 위해서는 무엇을 해야 할까요? 데이터 품질 솔루션의 토마스 레드먼(Thomas Redman)은 데이터 리더십을 발휘하기 위한 5가지 가이드라인을 제시하고 있습니다.

조직구성원 모두를 참여시켜라!

첫 번째는 조직구성원 모두를 참여시키라는 것입니다. 이유는 명확합니다. 데이터를 다루는 업무의 대부분은 현장에 근무하는 일반직원들이 하기 때문입니다. 그런데 대부분의 기업들은 데이터 관련 부서를 지정해 놓고, 이들에게 데이터의 수집부터 품질관리까지 전권을 위임하고 있는 것입니다. 고객 접점의 현장 직원들은 데이터를 생성하고 해석합니다. 고객을 만족시키기 위해 데이터를 사용하고, 전략을 수립합니다.

하지만 항상 데이터를 수집하고 활용하기 위한 기획단계에서 배제되기 일쑤입니다. 코끼리 전체를 보지 못한채 다리나 꼬리를 더듬으며 코끼리 형상을 상상하는 꼴입니다. 이를 위해 리더들은 데이터에 대한 조직구성원들의 역할과 책임을 명확히 명시해야 합니다. 그리고 그들의 역할과 책임을 효과적으로 수행할 수 있도록 교육하고, 지원하고, 협업을 아끼지 말아야 합니다.

이를 위해 스타벅스는 현장의 직원들에 데이터를 사용하여 다양한 의사결정을 내릴 수 있도록 적극적 지원을 하고 있습니다. 매장 레이아웃 및 제품 제공에 대한 데이터 뿐만 아니라 고객 트래픽 패턴과 선호도를 분석하여 현장 작업자가 각 위치에 대한 최적의 매정 레이아웃과 제품 구색을 결정하는데 도움을 주고 있습니다. 또한 현장 관리자가 판매, 재고수준 및 고객행동에 대해 실시간으로 데이터에 접근할 수 있도록 모바일 데이터 도구에 투자하고 있습니다. 이를 통해 효율적인 재고관리와 인력배치, 제품제공을 통한 고객만족을 만들어 가고 있는 것입니다.

협업의 인프라를 구축하고 적극적으로 활용하라

두 번째는 협업의 인프라를 구축하고 적극적으로 활용하라는 것입니다. 데이터는 다양한 부서에서 사용될 때 가치가 높아지기 때문입니다. 왜일까요? 기업은 밸류체인(Value Chain)으로 구성되기 때문입니다. 가치사슬 이라고 불리는 밸류체인은 기업이 제품 또는 서비스를 생산하기 위해 원재료, 노동력, 자본 등의 자원을 결합하는 과정에서 발생하는 부가가치 생태계를 뜻합니다. 기업이 경쟁우위를 찾고, 이를 강화하기 위한 기본적인 분석도구이기도 합니다.

그 중에서 직접적인 가치 창출 영역인 구매, 제조, 물류, 판매, 서비스 등을 본원적 활동이라고 하고, 이를 지원하는 활동이 재무관리, 인적자원관리, 연구개발, 조달 등입니다. 이때 다양한 영역에서 발생하는 데이터는 아주 중요합니다. 밸류체인의 타고 산소를 공급하는 적혈구와 같은 존재이기 때문입니다. 그런데 조직 내 부서 이기주의나 사일로 현상이 데이터의 흐름을 막습니다. 또한 데이터만 잘 흘러서는 시너지를 만들어 낼 수 없습니다. 타 부서에서 사용할 수 있도록 지속적인 품질관리가 필요합니다. 이를 위해 체계적으로 데이터의 흐름을 조정할 수 있는 인프라를 구축해야 합니다.

협업인프라의 대표적 사례는 플랫폼 생태계를 구축하는 것입니다. GE는 프레딕스라는 산업용 사물인터넷을 통해 데이터를 수집하고 예지정비를 통해 설비장애를 사전에 예방하는데 활용하며, 전 세계 400여개의 생산시설을 지원하고 있습니다.

지멘스는 제조업을 위한 클라우드 플랫폼 마인드스피어(Mindsphere)를 구축하여 생산부터 배송까지 원스탑으로 운영될 수 있도록 지원하고 있으며, CPS(Cyber Physical System)를 활용해 기초 인프라 영역인 데이터 수집과 처리, 시뮬레이션 분야의 플랫폼을 확장하고 있습니다. 국내기업으론 포스코가 데이터수집과 분석 플랫폼인 포스프레임을 자체 개발하여 생산공정을 개선하고 표준화된 데이터를 현업 담당자가 쉽게 분석할 수 있도록 다양한 머신러닝과 딥러닝 분석도구를 탑재하고, 지속적 교육을 진행하고 있습니다.

데이터 관리의 책임은 현장에 위임하고 IT 부서는 이를 지원할 수 있는 기술에 집중하라

세 번째 데이터 관리의 책임은 현장에 위임하고 IT 부서는 이를 지원할 수 있는 기술에 집중하라는 것입니다. IT 부서는 데이터를 생성하지 않습니다. 그러다 보니 데이터의 출처와 의미는 더더욱 모릅니다. 이들은 데이터가 잘 활용되고 흘러갈 수 있도록 인프라를 구축하는데 힘을 쏟아야 합니다.

코칭과 조정이 필요하다면 전문 데이터팀을 활용하라

코칭과 조정이 필요하다면 전문 데이터팀을 활용하는 것이 더욱 효율적입니다. 이것이 리더가 데이터 리더십을 발휘해야 하는 네 번째입니다. 우리 팀의 데이터 문제는 다양한 주제에 대해 전문지식을 보유한 데이터팀과 협업해야 합니다. 데이터팀은 데이터 분석가, 현장전문가, HR 전문가, 재무 담당자, 제조 및 연구개발 담당자 등 기업의 밸류체인에 속해있는 다양한 영역의 전문가로 구성해야 합니다. 기업에서 생성되는 다양한 분야의 데이터에 대한 일상적인 작업을 수행하고 책임져야 하기 때문입니다. 이 팀의 절반은 일반 직원들이 데이터를 잘 활용할 수 있도록 교육을 지원하고, 인프라 구축을 주도해야 합니다. 또한 데이터 표준화를 통해 데이터의 공용어를 만들어야 합니다. 데이터의 모델링 개발을 통해 효율적인 데이터 활용을 선도하는 것도 이들의 몫입니다.

가장 대표적인 사례가 맥도널드입니다. 맥도널드는 전세계 4만여 개의 매장관리자가 레스토랑 운영 관련 데이터를 쉽게 수집하고 관리할 수 있도록 데이터 허브라는 글로벌 플랫폼을 구축했습니다. 이를 통해 현장재고, 판매수치 등 운영관련 데이터를 모두 입력할 수 있도록 했으며 이를 분석해서 빠르고 정확한 의사결정을 할 수 있도록 방식을 바꾼 것입니다.

임원 차원에서 적극적으로 지원하라

마지막은 C 레벨의 임원 참여로 적극적인 지원을 아끼지 말라는 것입니다. 기업이라는 거대한 생명체를 움직이는 원동력은 자본과 인력이기 때문입니다. 고위급 임원들의 지원이 없다면 혁신은 딜레마에 빠지게 됩니다. 조직은 태생적으로 편안하고 익숙한 환경을 좋아하기 때문입니다. 지금까지 데이터 과학은 기업의 성장에 많은 기여를 해왔습니다. 고객에 대한 통찰력을 제공했을 뿐만 아니라, 일하는 방식의 효율을 통해 비용을 절감하고, 다양한 비즈니스 모델을 만드는데 아이디어를 제공했습니다. 하지만 아직까지 우리는 디지털 네이티브 기업에 국한된 방식이라고 생각합니다. 익숙하지도 않고, 새로운 것을 시도하는게 두렵기 때문입니다.

이를 극복하기 위해 리더들은 두 가지에 집중해야 합니다. 하나는 주변에 있는 다양한 데이터와 비즈니스 문제를 연결해 보라는 것입니다. 연결은 창의성을 창발시키는 촉매제가 되기 때문입니다. 또 하나는 문제 해결에 필요한 인적 역량을 구축하라는 것입니다. 새로운 인재를 선발하는 것도 좋고, 내부에 열정이 넘치는 인재를 양성하는 것도 좋습니다.

GE는 데이터 분석과 기계 학습을 활용하여 제조 프로세스를 최적화하고 고객 성과를 개선하는 것을 목표로 하는 “산업 인터넷 플랫폼”이라는 디지털 혁신을 시작했는데, 바로 당시 GE의 수장이었던 제프 이멜트가 주도했습니다. 또한 GE의 고위 경영진을 조직 전체에서 디지털 기술 및 데이터 분석의 채택을 추진하는 데 적극적으로 참여시켰는데, IT팀과 긴밀히 협력하여 효율성과 생산성을 개선하기 위해 데이터 분석을 적용할 수 있는 영역을 식별하고 직원들이 새로운 기술을 수용할 수 있도록 지원 및 리소스를 제공한 것입니다.

대표적인 사례는 GE의 디지털 트윈기술 프레딕스(Predix) 입니다. 이를 통해 제조 프로세스를 개선하고 비용을 절감하며, 고객들의 만족을 극대화 시켰고, 이 모든 과정에 CEO와 고위임원들의 적극적 참여가 조직 전체를 움직이는 촉매제 역할을 했던 것입니다.

기존의 리더십은 리더의 경험과 직관에 의존해왔습니다. 이 행위가 리더의 편향과 독선을 만들어 낸 것입니다. 모든 의사결정이 자신의 경험에 의한 것일 수밖에 없었기 때문입니다. 하지만 CLS를 사용하면 이러한 편향적 사고를 제거할 수 있습니다. 데이터에 기반한 합리적 의사결정을 할 수 있기 때문입니다. 따라서 CLS는 일상적인 리더십의 일부가 되어야 합니다. 다양한 데이터와 AI분석 알고리즘으로 무장한 CLS는 조직 내 인간관계 관리부터 전략적 의사결정까지 리더십에 막대한 영향을 미치기 때문입니다.

특히 리더십에서 디지털 전환을 받아들이는 것이 핵심입니다. 용감한 리더는 두려움을 깨고 새로운 기술이나 낯선 곳으로의 여행을 즐기는 사람이기 때문입니다. 이를 위해 리더 자신의 근본적 변화와 데이터에 기반한 의사결정 조직문화는 만들어야 합니다.