1-3 가치창조를 위한 데이터과학과 전략 인사이트

제 1절 빅데이터 분석과 전략 인사이트

 

 

1. 빅데이터 열풍과 회의론

- 거품현상, 빅데이터도 시간이 지나면 웹 2.0 소셜 같은 한 때의 유행처럼 잊혀질 것이다.

- 2013년 말을 기점으로 주춤해 지며 대중의 관점이 식어감

- 고객관계관리(CRM)을 통해 경험한 부정적 학습효과 : 거액 하드웨어 투자효과 거두지 못함

- 기존의 분석 프로젝트를 빅데이터로 과대포장 : 신뢰성 의심, 개념적 혼란, 기반이 흔들림

- 성과 창출이 관건이나 쉽지 않기 때문에 근본적인 어려움을 피해나가자는 얄팍한 유혹이 문제

 

2. 왜 싸이월드는 페이스북이 되지 못했나?

- 분석에 기초한 전략적 통찰력 부족

- 데이터분석 기반 경영문화의 부재, 직관에 근거한 의사결정

- 데이터 분석에 기초해 전략적 통찰 얻고 효과적인 의사결정 내리고 주체적인 성과내는 체계가 없음

- vs. 구글, 링크드인, 페이스북 : 데이터 분석에 따른 내부 의사결정에 결정적 정보 제공

 

• 기존 관행을 그냥 따를 뿐 중요한 시도를 하지 않는다

• 경영진의 의사결정은 정확성이나 공정한 분석을 필요로 하지 않으며 오히려 정반대로 직관적 결정을 귀한 재능으로 칭송한다. 그렇지 못한 CEO는 똑똑하지만 직관력 이 떨어지는 것으로 여겨진다.

• 분석적 실험을 갈망하거 나 능숙하게 해내는 사람이 거의 없어， 적절한 방법조차 제대로 익히지 못한 사람들에게 분석 업무가 주어진다.

• 사람들은 아이디어 자체보다는 아이디어를 낸 사람이 누구인지 관심을 두는 경향이 있

 

- OLAP 인프라는 있었지만 경영진의 직관력은 보조하거나 상황 확인을 위한 협소한 문제에 집중

- 전략적인 분석은 치열한 시장에서 기업 생존을 좌우할 정도

- 핵심고객이 불만족 상황, 핵심 고객가치는 대변화를 요구하였지만 실패

- 링크드인 '당신이 알 수도 있는 사람들'

 

3. 빅데이터 분석, 'Big'이 핵심 아니다.

- 데이터를 보유하는 관심은 과유불급이고 혼란을 야기할 수 있음

- 데이터에 기초한 의사결정이 필요

- 양보다 유형의 다양성 관련 : 잠재적 보상은 다양항 소스와 신종 소스를 분석할 수 있는 능력, 양이 아님

- 어떤 기각과 통찰을 얻을 수 있느냐의 문제, 비용이 아니라 분석적 방법과 성과에 대한 이해 부족

 

4. 전략적 통찰이 없는 분석의 함정

- 기업의 양질의 데이터 기반을 구축하면 경영사는 더 나은 의사결정을 내리는데 관심의 초점을 옮긴다.

- 분석 활용과 사업성 사이의 상관관계, 5배 이상 차이남

- 분석적 통찰력을 갖춘 응답을 통해 분석 내재화의 어려움 파악 가능

- 일차원적이고 부분적인 분석만 하면 전략적 통찰이 없는 분석에 빠질 수 있음

→ 아메리카 항공 : 복잡한 최적화는 오히려 비즈니스에 마이너스, 쓸모없는 저가격 비즈니스 모델 활용

→ 사우스웨스트 항공 : 매우 단순한 모델, 단일기종활용을 통한 비용, 복잡성 줄임

※ 단순히 분석을 많이 사용 것은 경쟁 우위가 아님, 어디에 포커스를 두어야 하는지 확인

 

5. 일차적인 분석과 전략 도출 위한 가치 기반 분석

- 일차원분석은 업계동향을 알고 경쟁사들의 활동을 알 수 있음, 내부문제에 포커스

 

전략적 인사이트

- 가치 기반을 분석, 사업과 트렌드에 큰 그림 필요

- 인구통계학적 변화, 경제사회 트렌드, 고객니즈변화, 대변화 예측 : 폭넓게 확인 필요

- 분석은 중요한 기회 발굴, 경영진의 지원, 강력한 모멘텀을 만들 수 있음

 

제 2절 전략 인사이트 도출을 위해 필요한 역량

 

1. 데이터 사이언스의 의미와 역할

- 데이터로 부터 의미있는 정보를 추출해내는 학문

- 정형, 비정향을 막론하고 다양한 데이터 대상으로 효과적인 구현 및 전달하는 포괄적 개념

- 전략적 통찰을 추구하고 비즈니스 핵심 이슈에 답하고 사업의 성과를 견인

Ex) 링크드인 : 당신이 알 수도 있는 사람들 : 삼각관계 원리

 

2. 데이터 사이언스의 구성 요소

- IT 영역 + 분석적(Analytics) 영역 + 비즈니스 컨설팅(비즈니스 분석) 영역

- 깔끔한 패턴이나 통찰력 있는 해결책, 비즈니스가 나아갈 방향 제시

- 데이터 사이언티스트가 갖춰야할 역량

- 강력한 호기심

- 하드스킬 : 분석 기술 관련

- 소프트 스킬 : 분석, 전달, 협력

 

3. 데이터 사이언스 : 과학과 인문의 교차로

- 진정한 차별화는 전략적 통찰과 관련된 소프트 스킬

- 통찰력 있는 분석 = 직관, 전략, 경영 프레임워크, 경험 → 큰 그림을 그릴 수 있어야함

 

4. 전략적 통찰력과 인문학의 부할

사회경제적 변화

1) 단순세계화에서 복잡한 세계화로의 변화 : 디버전스의 동역학이 작용

2) 비즈니스의 중심이 제품생산에서 서비스로 이동 : 고객과의 인터페이스

3) 경제와 산업의 논리가 생산에서 시장창조로 변경 : 새로운 현지화, 암묵지(무형자산) 중요

 

5. 데이터 사이언티스트에 요구되는 인문학적 사고의 특성과 역할

- 비판 : 인문학의 정수, 익숙한 것을 불편하게 볼 때 기존의 상식을 뒤집은 곳에서 출발

- 첫 번째 차원은 단순히 정보를 활용한다고 할 수 있는 수준 : 패턴 파악

- 두 번째 차원은 통찰력을 제시하는 단계 : 핵심적인 문제 파악

→ 정량 분석(데이터과학) + 인문학적 통찰에 따른 합리적 추론 + 강한 호기심

 

6. 데이터 분석 모델링에서 인문학적 통찰력의 정용 사례

- 금융업 '신용리스크 모델' : 벤치마킹 모델이 없어지고 새로운 현실에 맞는 모델이 필요해짐

- 인간을 바라보는 관점 : 어떤 관점에서 어떤 데이터가 필요하고 어떤 기술을 활용해야 하나

1) 성향적 관점

2) 행동적 관점(신용 행동을 근거로 판단)

3) 상황적 관점(깨진 유리창의 법칙) - 주위에 암 환자가 많은 분들에게 암보험 판매

- 인문학은 고정된 사고방식에서 벗어나 혁신 생각하고 창의성을 토대로 새로운 가치 창출 원천

 

제 3절 빅데이터 그리고 데이터 사이언스의 미래

 

1. 빅데이터의 시대

- 회사 상품 광고 모델 결정, 선거 결과 예측, 주식 선별  등 활용

- 비용절감, 시간절약, 매출증대, 고객서비스향상, 신규비즈니스 창출, 내부 의사결정 지원

 

2. 빅데이터 회의론을 넘어 : 가치 패러다임의 변화

- 변화의 물결, 예측하지 못했던 전환이나 위기에 빨리 적응 할 수 있는 능력

- 세상의 변화를 읽고, 숨은 뜻과 흐름, 세상이 어떤 방향으로 가는지 알아내는 작업 필요

- '가치 패러다임' : 특정기간 지배적으로 작용하는 부의 원천

1) 디지털화 : 빌게이츠의 오피스 프로그램

2) 연결 : 구글의 검색, 네이버, 고리의 무한 증대, 사물인터넷의 성숙

3) 에이전시 : 복잡한 연결을 얼마나 효과적이고 믿을 만하게 관리해주는가

 

3. 데이터 사이언스의 한계와 인문학

- 모든 분석은 가정에 근거, 실제 외부 요인은 계속해서 변화함, 수집된 데이터 내에서 정확할 뿐

- 데이터 분석의 미완벽성, 인문학자 처럼 의구심을 가지고, 불일치를 고찰하고, 위험을 살펴야함