오늘 글은 특별히 #30일까지#무료 랍니다.
최근 통계에 따르면 기업의 단 20%만이 데이터드리븐 조직이라는데요.
디시젼메이커들이 흥부자라 삘경영 하시는 것도 문제지만,
#데이터드리븐 에는 기회와 함께 #함정 도 있는 법이랍니다.
당신의 조직이 데이터드리븐 문화를 갖지 못한 이유, 알아보셔유~
edited by 하지영
안냐세요~ 상쾌한 아침입니다! 오늘의 이야기는 요번 넥스트커머스 2022의 주제와도 깊은 관련이 있는 이야기예요. 올해 어젠다가 ‘직관, 밸류, 데이터’인데요. 그런 만큼.. 하핫 요 글은 30일까지 무료로 공개합니당..😀
여러분의 조직은 얼마나 ‘데이터 드리븐(Data-driven)’한가요?
미국엔 리테일 전문가들이 현재의 이슈를 가지고 토론하는 잼난 사이트가 있어요. Retailwire라는 사이트인데, 몇 주 전 ‘What are the hurdles to becoming data-driven?(데이터 드리븐이 되려 할 때의 허들은 무엇입니까?’란 토론이 열렸답니다.
이 토론이 열린 계기는요. NewVantage Partners란 데서 올 초에 ‘데이터 기반 리더십 달성을 위한 탐구(The Quest to Achieve Data-Driven Leadership)’라는 주요 기업 설문 조사를 발표한 적이 있었거든요.
이 보고서가 발표됐을 때에도 근가 부다.. 싶었는데, 1달 뒤에 하버드 비즈니스 리뷰가 이 데이터 드리븐 문제를 심층 보도했고, 이후 3월 말에는 DOMO라는 데이터 기업에서 또 추가 보고서를 냈어요.
이 보고서의 심층 보도들을 종합해보면 어느 기업이나 데이터 드리븐을 강조하고 있지만 현실과 이상의 차이는 생각보다 컸어요.
NewVantage Partners에 따르면 전체 조사 기업의 19.3%만이 기업 내에 데이터 드리븐화를 구축했다고 답했답니다. 그럼 나머지 80.3%는 뭐냐구요..? 움.. 데이터 드리븐을 했다가 안 했다가… ㅋㅋㅋ 이거시 데이터드리븐잉가봉가 하는 수준인 거죠.. ㅋㅋㅋ
흥미로운 건 보고서 자체보다도, 이 수치들을 두고 전문가들이 벌이고 있는 토론이었어요. 데이터 드리븐의 허들이 무엇인지를 지적하는 전문가들의 의견 속에는.. 격하게 공감되는 문구들이 섬뜩하게 박혀있었죠. 제 마음에 가장 후비고 들어온 말은…
The trick is to create an atmosphere where both data and “gut instinct” can thrive together.
비결은 ‘데이터’와 ‘직감적 본능’이 함께 번성할 수 있는 분위기를 만드는 것입니다.
우어어어~! 지금 가슴에 화살 날라 꽂히신 분, 손..?
오늘은 요 얘기를 좀 해볼까 해요.
조직에서 데이터 드리븐이 안되는 이유는 무엇인지, 데이터 드리븐이 되고도 해결 안 되는 영역은 무엇인지, 데이터 드리븐 조직을 구축하려면 어떻게 해야 하는지 등등요.
좌, 그면 출발합니다~ 고고씽!
이제 92.1%의 기업이 데이터 및 AI 투자에서 측정 가능한 수익을 보고 있습니다
NewVantage Partners에서는 2012년부터 주요 기업 경영진들에게 설문조사를 해왔어요. 이 10년의 통계를 비교해보면 세상이 얼마나 빠르게 변하고 있는지 실감하게 돼요.
이들이 2012년 처음 설문조사를 시작했을 때에는 설문조사 기업의 총 12%만이 조직 내에 데이터/데이터 분석 책임자를 두고 있었다고 해요. 하지만 2022년 조사했을 때에는 무려 73.7%가 데이터 책임자를 조직 내에 두고 있었죠.
그리고 데이터 및 AI에 대한 투자가 수익으로 이어지고 있느냐는 질문에 대해서는 2017년까지만 해도 절반 이상(51.9%)의 기업들이 ‘아니오’라고 대답을 했었답니다. 하지만 4년이 지나서 다시 물었을 때, 기업들의 92.1%가 이제 ‘수익을 보고 있다’고 답했어요. 우어어~! 여러분도 그러셔요..?
기업의 AI 투자는 점점 늘고 있어요. 2022년 조사 기업의 26.0%가 광범위한 생산에 AI 시스템을 보유하고 있었고, 이는 작년 12.1%의 두 배 이상이에요. 이제 데이터와 AI를 활용해야 한다는 이니셔티브는 비즈니스 전반에서 확립되었다고 봐도 무방해요. 좌, 이건 돈 된다는 거 인정!
“그런데… 대체 어떤 기업들이 조사 대상입니까?”
움…사실 쫌 빵빵하답니다. ㅋㅋㅋ 아래가 조사 대상 목록이에요.
그런데 삘 경영이 아직까지 넘쳐나는 이유는 무엇인가요?
그런데 말이죠.. 이렇게 많은 기업들이 데이터 드리븐의 길로 가야 한다는 건 확신하고 있지만… 통계는 전혀 다른 기업의 현실도 함께 반영하고 있었어요.
아래 2019년부터 2022년까지의 조사 내용을 보면… 어째 ‘데이터 분야에서 경쟁력이 있다(Competing on Data and Analytics)’고 대답한 기업의 숫자는 4년간 제자리걸음에 가깝구요. ‘데이터 기반 조직을 만들었다(Created a Data-Driven Organization)’는 기업의 수는 살짝 줄어들었으며.. ‘데이터 문화를 정착시켰다(Established a Data Culture)’는 기업의 수는.. 훅 하고 줄어들었어요… 멍미..??
이제 오로지 19.3%에 달하는 기업만이 데이터 드리븐 문화를 가지고 있다고 대답해요. 데이터 드리븐한 조직을 가지고 있는 기업도 26.5%에 불과하구요.
92.1%의 기업이 데이터 투자로 재미를 보고 있지만 이들은 ‘아직 갈 길이 멀었어’라는 걸 실감하고 있다는 뜻이에요. 그 현타는 지난 4년간 점점 심해져 왔죠. 훔.. 이건 알면 알수록 모르는 것도 많아지기 때문일까요?
실제로 Domo가 2주 전 발표한 보고서에서는요. CIO와 최고 데이터 책임자들을 대상으로 조사한 결과, 기업들이 그 어느 때보다 빠른 속도로 데이터에 투자하고 있는 건 사실인데요. 무려 55%의 응답자가 조직의 의사 결정 프로세스에선 데이터가 전혀 반영되지 않았고 대부분 데이터가 아닌 “직관에 의해” 결정이 내려졌다고 말했어요.
그니깐.. 데이터 책임자도 있고, 데이터 수집 시스템, 분석 시스템도 있기는 한데요. 결정할 땐 의사결정자의 마음과 삘이 더 크게 작용한다는 슬픈 사실… ㅋㅋㅋㅋ 내가 딱 보면 알어, 응..?!
NewVantage Partners 보고서에선 응답자의 91.9%가 이 데이터 드리븐을 달성하는 데 있어 가장 큰 걸림돌이 ‘문화’라고 봤어요. 이 문화가 4년 연속 1위 요인이라네요. 하핫.
흥부자라서 삘 경영 하는 게 아니에요
문화의 구축이란 말이 의미하는 저변은 생각보다 커요.
만약 싸장님이 회의 시간에 “우린 이렇게 가기로 했어. 어제 점쟁이가 이렇게 해야 성공한다고 했그등” 이랬으면 어떤 회사건 놀래 자빠졌겠지만 “우린 이렇게 가기로 했어. 내가 삘이 왔그등” 하면 많은 회사들이 살짝 어이만 상실할 뿐 놀래 자빠지지는 않을 거예요. 왜..? 아직은 문화가 그런 걸 허용하니까요.
만약 데이터 드리븐 문화가 형성된 조직이라면 싸장님이 저렇게 말했을 때 놀래 자빠졌겠죠.. 데이터 없이 말한다는 건 점쟁이 믿는 거랑 똑같아 보일 걸유? ㅋㅋㅋㅋ 여러분의 회사는 어떤 레벨이에유..?
근데 말이죠. 여기서 한 가지 의문을 품어야 할 것은요. 기업의 의사결정자들, 즉 싸장님이나 회장님들이 흥부자여서 삘을 강조하는 것만은 아니란 거예요.
신용 보고 기관인 Experian이 지난 가을 고위 경영진을 대상으로 실시한 설문 조사에 따르면요. 일단 데이터 드리븐 조직이란 게 가능하려면, 다음 3가지 요소가 필수적이에요. 와~ 이거 짜릿했다요.
1. 데이터 품질에 대한 높은 수준의 신뢰 (44%가 지적)
데이터가 고품질이어야 사실 Data-driven이 의미가 있어요.
예를 들어 고객 판매 데이터를 가지고 있는데.. 달랑 가진 게 카드 번호와 구매 금액뿐이라면, 여기서 무슨 데이터 드리븐 결정을 하지요..? 무얼 샀는지, 그걸 산 고객이 어디에 사는지, 나이는 몇인지, 뭘 알아야 리텐션 마케팅을 똑 부러지게 해볼 거잖아요..?
저는 제일 황당할 때가 패션 기업들이 이런 질문을 하실 때예요.
‘패션에선 소재와 컬러가 중요한데, 고객들이 원하는 소재별로, 컬러별로 추천이 이뤄졌으면 좋겠더라구요. 그런데 인공지능 추천 스타트업 애들이 그걸 못하네요.’
헉.. ㅋㅋㅋ 그건 말이죠. 여러분이 상품 데이터에 소재 항목과 컬러 항목을 가지고 있으셔야 스타트업 애기들이 뭐라도 할 수 있답니다.
어떤 패션 기업들은 상품 데이터라는 게 고작 엑셀 파일일 뿐이구요. 그 엑셀도.. 웹사이트상에선 전부 웹디자이너들이 무한 스크롤 이미지로 짜넣고 있어요.. 그 옷이 블랙이란 걸 소비자에게 알려주고 있기는 한데… JPG 파일 안에 이미지로 기록하고 있는 거지요.
어떤 기업은 문서 더미를 한 아름 보여주시면서 제게 그러시더라구요.
“봐, 우리 데이터가 얼마나 많은지!”
끄응… 데이터가 될 것만 같은 재료를 가지고 계신 것과 DB를 가지고 계신 것의 차이를 이해 못 하는.. ㅠㅠㅠ 아니 쓸 수 있는 데이터가 어딨다능겨? ㅋㅋㅋ
데이터의 질이 낮으면 할 수 있는 게 많이 없어요.
200만 명을 상대해야 하는데 고작 20명의 데이터만 가지고 있으면 뭘 할 수 있을까요?
또 잘 짜여진 데이터라도 리스크는 있기 마련이에요. 빅데이터는 보통 인공지능이 처리하는데요. 알고리즘 방향이 잘못되면 신뢰할 수 없게 돼요.
정확하기로 소문났던 Zillow Offer의 인공지능이 Zillow를 엉뚱한 방향으로 끌고 갔던 거 잊지 않으셨쥬..? 구글 같은 경우도 그 빵빵한 인공지능이 흑인을 ‘사람’으로 분류하지 않고 ‘고릴라’로 분류하고 있어서 난리가 났으니까요.
결국 누군가 계속 데이터를 보강하고 다듬고, 새로운 변수를 넣고, 알고리즘의 편향을 찾아내 바로잡는 작업을 해줘야 해요.
Retailwire 댓글 중에 어떤 게 있었냐면요.
“The complexity of today’s multichannel process makes it a challenge to effectively draw insights across structured and non-structured data.”
“오늘날 멀티 채널 프로세스의 복잡함은 ‘구조화된 데이터’와 ‘구조화되지 않은 데이터’ 사이에서 인사이트를 효과적으로 끌어내기 어렵게 만듭니다”
오오.. 가슴 찡한 명문! 사실 그러해요. 기업들이 뭔가 기록을 가지고 있다는 것과 구조화된 데이터를 가지고 있다는 건 전혀 다른 이야기예요.
2. 사용하기 쉬운 데이터 관리 도구 (40%가 지적)
또 데이터 드리븐 조직이 가능하려면 데이터 관리 도구가 사용하기 쉬워야 돼요. 어렵게 값비싼 데이터 관리 툴을 선택했는데.. 겁나 어려워서 아무도 못 쓰고 있다면 어찌 되겠어요?
데이터 관리 도구가 사용하기 쉬우려면, 쉬운 툴을 택해야 하고 동시에 직원 교육도 시켜야 해요.
전 사실 아래 두 가지 경우를 모두 봤답니다.
한번은 웬 스타트업이란 친구들이 겁나 어렵게 짜놓아서 그 누구도 쓸 수 없는 툴을 만들어 팔고 있는 걸 봤어요. 그런데 이렇게 하면 쓰기 어렵지 않냐고 질문하면 ‘요건 요래 쓰면 돼요’, ‘조건 조래 쓰면 돼요’ 요러구 있어요. ㅋㅋㅋ 어우…너나 써, 임마!
반대로, 이 정도면 충분히 누구나 쓸 수 있다고 생각하는 툴을 ‘이렇게 어려우면 아무도 쓸 수 없다’고 말하시는 기업도 봤답니다…헐.. 아니.. 이게 어려우면 스마트폰은 어찌 쓰세유, 그래..? ㅋㅋㅋㅋ
3. 필요에 따라 확장할 수 있는 데이터에 대한 빠르고 유연한 액세스 (39%가 지적)
이것도 밑줄 쫙이에요. 재택근무하고 있는데 급하게 써야 할 보고서가 있다고 쳐요. 근데 회사 그룹웨어에 접속하니까 오피스에 와야만 접속할 수 있다고 뜨는 거예요. 귀찮은 건 둘째치고.. 회사까지 가는 데 걸리는 시간이 얼마람요..?
또 어떤 데이터는 실무급이 보고 현장 전략을 짜야 하는데 임원만 접속할 수 있기도 하고, 또 어떤 데이터는 다른 회사랑 협력하고 있어서 그들과 정보를 셰어해야 하는데 회사가 길길이 뛰면서 안된다는 거예요. 이런 상황에서 누가 데이터 드리븐 비즈니스의 성과를 달성할 수 있을까유?
저기요. 리테일은 어느 정도 삘 산업입니다
한편, 리테일 산업에선 꼭 생각해야 할 부분이 있어요.
데이터와 AI는 ‘우리가 이런 디자인을 하면 몇 장이나 팔릴지’라든가, ‘이 제품의 가격을 얼마로 설정하는 게 좋을지’ 등등에 대해서는 말해줄 수가 있어요.
하지만 기술은 ‘무엇이 우리 고객들의 마음을 두근두근 하게 할까요?’ 같은 질문에는 답할 수가 없답니다. 왜냐면 소비자들은 ‘못 보던 것’, ‘새로운 것’에 두근두근 해 하거든요. 다시 말해 ‘데이터가 없는 것’에 두근두근 하는 거예요. ㅋㅋㅋㅋ 없는 걸 만들어내는 건 사람의 몫이지 데이터와 AI의 몫이 아니랍니다.
과연 AI와 데이터 테크놀러지가 아무리 고도화된다 할 지라도 리테일 산업에서 ‘감성’이란 요소가 사라질 수 있을까요? 이게 인정이 안되면 우리가 리테일 산업을 할 수 있나요?
춘천감자빵이란 게 나오기도 전에 그게 유행할 지를 알아낼 수 있는 AI는 없는 거예요. 그게 어느 지역에선가 인기를 끌기 시작하면 그때부턴 빠르게 감지하고 분석할 수 있겠지만 없는 걸 만들어낼 수는 없는 거지요.
데이터가 없는데 무언가를 만들어낸다는 건 그 자체로 risk-taking한 거예요. 베테랑 유통들은 늘 risk-taking한 제품과 cash cow 제품들의 밸런스를 추구하며 유통을 흥미진진하면서도 수익을 내는 비즈니스로 키워왔어요. 그게 바로 리테일업의 DNA예요.
Retailwire에서 이뤄진 이 데이터 드리븐의 함정과 기회에 대한 토론에서 Dick Seesel이란 사람이 이런 얘기를 해요.
It’s interesting to read that few senior data-management officers feel that their own companies are sufficiently data-driven. (If you asked the company CEOs, they would probably give a much different answer although they aren’t as close to the ground.)
기업의 데이터 책임자들 중 자신의 회사가 충분히 데이터 드리븐 하다고 생각하는 사람이 거의 없다는 건 흥미롭습니다. (아마 기업 CEO에게 물어보면, 기업 CEO는 좀 다른 대답을 할 것입니다.)
Part of the data managers’ response may be self-serving, since they would argue for more spending in every budget cycle, but they have a point. Are companies maximizing data science to target the right customers, to offer more regionally tailored assortments, or to bend the curve of supply chain costs?
데이터 책임자들이 이런 문제에 대응하는 방법 중의 하나가 모든 예산 주기마다 더 많은 지출을 요구하기 때문에 자칫 이기적으로 보이겠지만 이들의 요구에는 일리가 있습니다. 기업들은 적합한 고객을 타겟으로 삼거나, 지역별로 맞춤화된 제품군을 더 많이 제공하거나, 공급망 비용을 줄이기 위해 정말 데이터 과학을 충분히 극대화하고 있을까요?
All that being said, CEOs need to find a cultural balance between “data-driven” and the kind of risk-taking that has always characterized the great retailers. The trick is to create an atmosphere where both data and “gut instinct” can thrive together.
하지만 말이죠. CEO는 “데이터 드리븐”과 함께, 언제나 대형 리테일러들의 주요 특징이었던 risk-taking 사이에서 문화적 균형을 찾아야 합니다. 비결은 ‘데이터’와 ‘직관’이 함께 번성할 수 있는 분위기를 만드는 것입니다.”
끄앙~ 짱이쥬? ㅋㅋㅋㅋ
여러분의 조직은 얼마나 데이터 드리븐 하신가요~ 직원들더러 넌 왜 데이터 드리븐 하지 않냐고 혼내시기 전에, 우리 회사 데이터가 과연 상질의 것인지, 직원들이 액세스나 할 수 있는 건지도 함 점검해보시기 바랍니다~ 이 글 읽고 막 역시 삘대로 간다고 우기는 건 반칙이에여! 92.1% AI로 수익내고 있단 현실도 기억하시옵소서~!
그리고, 가기 전에!
이번 컨퍼런스 Day2 첫 번째 세션에서 삼성생명 배미향 상무님이 해주실 이야기도 바로 요거거든요. “지금은 직관과 데이터가 함께 성장해야 할 때”요. 넥스트커머스에 직접 오셔서 왜 삼성생명이 ‘삼성생명미(米)’랑 ‘삼성생명 박카스’를 만드는지, 한국의 30년 데이터 분석 베테랑의 이야기를 꼭 들어보셔요.
이 세션이 있기 전 키노트 시간엔 해외에서 데이터를 다루는 방식이 어떻게 달라지고 있는지 제가 쌔끈하게 정리해 드립니다.
ㅋㅋㅋ 막판에 약팔았다고 미워하기 없기예여!
사랑해요, 여러부운~! ❤️❤️
