데이터 기반으로 경영을 해야 한다면 모든 경영자는 고개를 끄덕일 것이다. 하지만 실제로 회사 내 결정이 데이터 기반으로 진행되는지 다시 묻는다면 시선을 피할 경영자들이 많을 것이다.
■ 한국 데이터 분석 능력과 현주소
"경영은 과학과 예술의 총체적 결과물이다." 경영 본질을 논할 때 자주 사용해온 고전적 문장이다. 하지만 데이터를 이 문장에 더하면 좀 더 세련되면서도 납득 가능한 문장이 된다. "경영은 회사 내 축적된 데이터를 ‘과학적 분석’하고, 사람 내 축적된 데이터를 ‘예술적 직관’으로 적용한 총체적 결과물이다." 데이터 기반으로 경영을 해야 한다면 모든 경영자는 고개를 끄덕일 것이다. 하지만 실제로 회사 내 결정이 데이터 기반으로 진행되는지 다시 묻는다면 시선을 피할 경영자가 많은 것이 실제 현실이다.
그런데도 성공한 글로벌 대기업은 성공 비결을 ‘데이터 기반 의사결정’ 또는 ‘데이터 분석 활용’을 꼽고 있고, ‘머신러닝’이나 ‘딥러닝’ 언급을 하며 ‘직관’ 데이터만 활용하는 기업을 구시대적 회사로 평가 가치를 절하하고 있다. 전경련 분석보고서(2020) 따르면 이런 현실이 ‘데이터’로 나타나고 있다. 한국은 ICT 인프라 전 부문에서 모두 1위를 차지했지만, 기업 분야별 ICT 활용은 OECD 평균에도 이르지 못했다고 한다. 단적으로 빅데이터 분석수행을 수행여부를 묻는 질문에 OECD 평균 12.5%에 한국은 7.7%를 기록했고 CRM(고객관계관리), 클라우드 등 생산성을 개선하는 기술 활용을 아직 적극적으로 사용하지 않는 비중이 높았다. 물론 다른 회원국 대비 기업 내 산업용 로봇이나 정부 공공데이터 접근성과 가용성이 가장 우수한 측면도 있었으나 현재 우리 현실이 안타까운 것은 사실이다.
■ 데이터 분석 능력의 중요성
그렇다. 데이터 분석이 요즘 뜨겁다. 해외 인재는 물론이고 국내 데이터 분석이나 AI를 전공한 박사급 인재를 고액의 연봉으로 모셔가는 분위기다.그 이유는 무엇일까? 쉽게 표현하면 그들이 가진 것은 ‘렌즈’다. 같은 물체를 보더라도 현미경 내 특정 렌즈를 사용하면 그 물체의 본질을 볼 수 있다. 같은 현미경이 있어도 초점을 제대로 못 맞춘다면 볼 수 없다. ‘렌즈’를 가진 사람도 차이가 있다. 다양한 분석 방법을 아는 사람은 다양한 렌즈를 가지고 있는 것처럼 좀 더 실체를 볼 수 있는 확률이 높고, 분석 능력이 있다 하더라도 한 가지 ‘렌즈’만을 쓸 수 있는 사람은 실체에 따라 그 본질을 못 볼 수도 있다.
물론 지금 기업 내 실무자들도 ‘렌즈’를 가지고 있다. 간단히 말하자면 전국망을 가진 기업에서 A라는 지역에만 아이스크림 광고를 했다는 가정에 타 지역 대비 판매량이 얼마나 증가했는지 볼 수 있고 ROI 접근 방법도 써볼 수 있을 것이다. 하지만 좀 더 깊게 들어가면 너무나 많은 변수가 있다. A 지역이 유난히 기온이 높아 판매량이 증가했을 수도 있고, 타지역보다 역량이 뛰어난 영업사원이 있을 수도 있다. 이런 모든 변수를 고려한 분석이 가능할지 과거에는 의문을 가졌지만 시대가 흐르면서 각종 분석 방법이 등장했고, ‘빅데이터 분석’이라는 이름으로 과거에 불가능했던 분석들이 지금은 가능해지고 있다.
만약 기업 간 경쟁에 있어 이런 빅데이터 분석 방법이 있다는 것을 알고, 내부 혹은 외부 도움을 받아 분석한 보고서를 갖고 체계적으로 접근하는 회사와 막연하게 작년 매출액만을 가지고 접근하는 회사가 있다면 승자는 누구일까?
모두가 데이터를 읽고 분석할 줄 알아야 하는 이유 (출처 : TedTalk)
■ 데이터 분석 능력을 배양하는 방법
[Knowledge]
사실 데이터 분석 능력은 어느 시대나 중요했다. 베이비붐 세대 시절에는 ‘기장’을 작성하기 위해 주판과 계산기를 학습시켰고, 그다음 세대는 ‘엑셀’, 요즘 세대에게는 ‘코딩’까지 교육하고 있다. 다행인 점은 분석방법 및 툴이 점점 ‘사용자’를 위해 친절해지고 있다는 것이다. 지금 분석방법과 툴이 전문가들이 쓸 수 있는 ‘주판’이라면, 일반인도 쓸 수 있는 ‘전자계산기’ 같은 분석방법이 나오기 시작한 것이다. AI를 활용하는 예측모델을 포함한 분석적(Analytics) 접근방식은 해석이 어려워 접근하기가 어려웠다면, 묘사적(Descriptive) 접근 방식으로 대체됨으로써 시각적 분석이 가능해져 비전문가인 일반 사용자도 스스로 분석할 수 있는 셀프서비스 모델로 발전하며 전반적으로 분석이 더 쉽고 강력한 지원도구가 되어가고 있다. 물론 데이터와 분석을 통해 중요한 현상을 이해하고 예측하려면 충분한 데이터와 어느 정도의 전문 지식이 아직까지는 필요하다.
[Skill]
많은 데이터 분석 방법을 익히려는 사람들이 가장 먼저 묻는 말은 ‘파이썬’과 ‘R’ 중 어떤 것을 학습해야 하냐고 묻는다. 이 질문은 ‘MS-WORD’와 ‘한글’ 사용법 중 어떤 것을 먼저 익히는 것이 맞는지 묻는 것과 같다. 하나를 어느 수준까지 학습한다면 다른 것도 상대적으로 금방 배울 수 있기에 상관없다. 중요한 것은 Raw data를 가지고 끝까지 결과물을 만들어보는 경험이 중요하고 이때 다양한 것을 깨달을 수 있다. 해당 분석 툴 활용 스킬은 물론이고 데이터에서 어떤 프로세스가 시간이 걸리고 어려운지를 깨닫는 것인데, 이런 경험은 차후 해당 전문가와 일할 때의 ‘Communication Skill’을 깨닫게 된다. 내가 직접 머신러닝을 할 수 없더라도 ‘데이터를 돌려본 경험’이 전체 프로세스를 빠르게 이해하게 만들고 ‘전문가와 대화하는 방법’ 스킬을 얻도록 도와준다.
[Attitude]
데이터 기반 업무 경험은 좀 더 객관적으로 업무를 바라볼 수 있도록 만들어주는 기준이 된다. 경영자도 마찬가지다. 중요한 의사결정에 데이터가 객관적 의견을 줄 수도 있고, 없을 수도 있다. 그리고 데이터가 의견을 주더라도 경영자의 직관으로 데이터와 반대 방향으로 의사결정을 내려야 할 때도 있다. 그 후 필요한 것은 결과를 쫓아 분석해보는 것이다. 직관에 따른 결정과 데이터가 조언해준 방향이 어떻게 달랐는지 분석하고 차후 의사결정에서의 ‘데이터’로 참고해야 할 것이다. 이렇게 데이터가 직접 또는 간접적으로 모든 업무에 도움을 줄 수 있는데, 오늘부터 내가 하는 업무에서 어떤 데이터가 중요하고 이를 수집하고 참고하여 활용하려는 태도가 중요하다.
글 / 이노핏파트너스 DT프로젝트사업본부 김구종 팀장, 한양대학교 교육공학 박사 수료
(위 글은 중소기업 CEO리포트에 기고 된 글입니다)
