인사이트
이노핏파트너스의 노하우로 디지털 트랜스포메이션 시대의
‘산업별’ 핵심 지식과 트렌드를 큐레이션한 지식혜택
beneFIT 인사이트 | 데이터가 흐르는 조직문화를 만드는 8가지 핵심 원칙
데이터 기반의 조직문화, 어떻게 만들어야 할까요? 이노핏파트너스가 그 원칙을 8가지로 정리하여 알려드립니다.


데이터는 현대 비즈니스 환경에서 가장 중요한 자산 중 하나가 되었습니다. 그러나 단순히 많은 데이터를 보유하는 것만으로는 충분하지 않습니다. 기업들은 이제 데이터를 효과적으로 활용하여 의사 결정 과정을 개선하고, 혁신을 추진하며, 경쟁 우위를 확보해야 하는 도전에 직면해 있습니다. 이러한 배경에서, 데이터 중심 문화를 구축하는 것이 기업의 성공에 결정적인 역할을 하게 되었는데 오늘은 데이터가 흐르는 문화를 만드는 핵심 8원칙에 대해 실무적인 입장에서 설명드리고자 합니다.
하나. 경영진으로부터 시작하는 데이터문화
데이터 문화는 최고 경영진부터 시작된다는 사실을 잊지 마세요. 실제로 데이터를 기반으로 결정해야 한다는 것을 명확히 하고, 이게 특별한 게 아니라 일상적인 일이라고 생각하는 회사들이 데이터 기반의 문화를 잘 지키고 있어요.

예를 들어, 한 소매 은행의 최고 경영진은 제품 출시 결정을 위해 시장의 실험 결과를 함께 검토해요. 기술 기업의 고위 임원들은 회의 시작 때 제안서와 그 근거가 담긴 자료를 30분 동안 읽고 나서 데이터에 기반한 의견을 제시하고, 회의 내용을 바로 실천해요. 이런 문화가 생기게 되자 문화가 자연스럽게 아래로 퍼져 직원들도 상사와 대화할 때 그들의 언어를 사용하려고 하죠. 소수의 사람들이 보여주는 모범이 큰 변화를 이끌어낼 수 있습니다.
둘. 지표 설정에 신중해야 한다
데이터 분석 시 가장 중요한 것은 지표 선정이에요. 지표 선정을 통해 리더들이 어떤 지표를 측정하고 직원들에게 기대하는지 선택함으로써 행동에 큰 영향을 줄 수 있기 때문이에요.

한 통신업체는 네트워크가 주요 고객에게 최상의 사용자 경험을 제공하도록 하고 싶어 했는데, 단순히 네트워크 성능에 대한 집계된 통계만 모았기 때문에 누가 어떤 서비스를 받고 있는지, 그 품질이 어떤지 잘 몰랐어요. 이후 수많은 과정을 통해 고객 경험에 대한 세밀한 지표를 만들어 네트워크 업그레이드가 소비자에게 미치는 영향을 분석할 수 있게 됐죠.
셋. 데이터 교육은 투입 직전에 진행할 것
많은 회사들이 대대적인 데이터 교육 프로그램에 투자하지만, 직원들이 배운 내용을 바로 사용하지 않으면 금방 잊어버려요. 그래서 기본적인 기술, 예를 들어 코딩 같은 것은 기본 교육의 일부여야 하지만 전문 분석 개념이나 도구는 필요 직전에 교육하는 게 더 효과적이에요. 예를 들어, 한 소매업체는 첫 시장 시험을 진행하기 직전에 지원 분석가들을 실험 설계의 미세한 점에 대해 교육했어요. 지식이 잘 유지되었고, 한때 낯설었던 개념들, 예를 들어 통계적 확신 같은 것들이 이제 팀원들의 일상 언어가 되었죠.
넷. 데이터는 무조건 일관적일 것
데이터에 의존하는 많은 회사들은 각기 다른 '데이터 부족'을 가지고 있어요. 즉 각각이 선호하는 정보 출처, 맞춤형 지표, 좋아하는 프로그래밍 언어가 달라요. 조직 전체의 관점에서 이는 대재앙이 될 수 있어요. 일관성을 맞추기 위해 너무 오랜 시간이 걸리기 때문이에요.

따라서 데이터의 양식, 코딩하는 프로그램 툴 등 자잘한 것부터 미리 맞춰놔야 데이터가 원활하게 공유될 수 있어요.
다섯. 우아한 아이디어가 아닌, 할 수 있는 아이디어를 찾자
분석에서는 유망한 아이디어가 실용적인 아이디어보다 훨씬 많아요. 회사들이 콘셉트 증명을 생산에 투입해보기 전까지는 이 차이를 명확히 알기 어렵죠. 한 대형 보험사는 내부 해커톤을 열고 우승자를 선정했어요. 온라인 프로세스를 개선한 아주 우아한 아이디어였죠. 하지만 그 아이디어는 기본 시스템에 비싼 변경이 필요해 보여서 결국 포기했어요. 

반면 한 데이터 제품 회사는 매우 기본적인 과정을 끝까지 작동시켜 구현했어요: 작은 데이터 세트가 소스 시스템에서 제대로 흘러가고 간단한 모델을 통과한 후 최종 사용자에게 전송됐죠. 그것이 자리 잡은 후에, 모든 것이 여전히 조화롭게 작동한다는 것을 알게 되면, 회사는 독립적으로 각 구성 요소를 개선할 수 있어요: 데이터 양을 늘리고, 더 독특한 모델을 사용하며, 실행 성능을 향상시키죠. 결론적으로 기본에 집중하는 것, 실행할 수 있는 아이디어를 찾는 데 데이터 분석을 활용하는 것이 무엇보다 중요하다는 의미이죠.
여섯. 데이터 분석가 팀을 만들지 말 것
데이터 전문가들이 회사 내에서 격리되어 있으면, 그들과 비즈니스 리더들이 서로를 잘 모르게 되고 데이터 사일로가 발생할 수 있어요. 이렇게 되면 조직의 데이터가 효과적으로 영업부서나 개발부서, 운영부서에 전달될 수 없어요. 가장 좋은 방법은 데이터 분석가를 다양한 팀에 배치시키는 것입니다.

일례로 한 글로벌 보험사는 우수 센터에서 일하는 직원들을 현장 역할로 전환시켜 아이디어를 확대하고 다시 센터로 돌아오게 하는 정책을 진행하고 있어요.
일곱. 데이터의 정합성을 정량화할 것
확실성의 수준을 명확하고 수치적으로 표현하도록 요구하는 건 세 가지 큰 효과가 있어요. 첫째, 의사 결정자가 직접 불확실성을 판단할 수 있어요. 데이터가 신뢰할 만한지, 예시가 충분히 많은가, 경쟁사 데이터 등 참고할 데이터가 없는 요소는 어떻게 반영할 수 있는가 등을 복합적으로 고민할 수 있기 때문입니다. 또한 불확실성을 엄격하게 평가할 때 데이터 분석 구조를 더 깊이 이해하게 돼요. 또한 불확실성을 이해하려는 강조는 회사가 실험적인 시도를 통해 작은 실패와 성공을 반복할 수 있는 건강한 조직 구조를 만들 수 있어요.
여덟번째, 데이터를 상호 공유할 것
가장 흔한 불만은 사업부서 사이에서 기본 데이터조차 얻기 어려운 구조일 경우 데이터문화를 세우는 것입니다. 부서 간 정보가 부족하면 분석을 할 수 없고, 데이터 중심 문화가 자리 잡기는커녕 번성할 수도 없죠.