[디지털비즈온 김맹근 기자] 분석, 빅데이터, 인공지능 등을 포함한 데이터 사이언스는 이제 새로운 개념이 아니며, 고품질 데이터 생성을 위한 주요 기반 개념도 안이다. 데이터 사이언스와 고품질 데이터가 다양한 기업, 특히 디지털 업계 기업의 큰 성공에 기여한 두 가지 요소라는 점은 분명하다. 하지만 업계 내에서 어느 정도 입지를 갖춘 기업의 전반적인 성장률은 대단히 더딘 편이다.

의욕적으로 추진한 비즈니스가 실패할 확률도 높을 뿐 아니라, 특정 비즈니스 분야의 성공을 토대로 하여 타 분야에서 활용하려고 할 때 목표를 달성하지 못한 경우도 많다. 임원 한 사람이 비즈니스를 추진하는 경우가 많아서 해당 임원이 퇴사하면 비즈니스 추진 속도가 크게 느려지거나 비즈니스 자체가 중단되는 경우도 많다.

여러 기업의 데이터 활용 과정에 참여하면서 데이터를 효율적으로 활용하는 데 필요한 방식, 기술 및 조직 문화의 변화 등과 관련하여 데이터 품질, 데이터 사이언스, AI 등의 분야에서 자문을 제공해 왔다. 조직이 데이터를 활용하는 과정에서 저지르는 가장 큰 실수는 다음의 두 가지이다.

첫째, 데이터를 적극적으로 활용(즉, 데이터 및 데이터 분석 기술을 원하는 방식으로 최대한 활용)하는 데 필요한 조직(직원, 구조 또는 문화), 프로세스 및 전략적 혁신 과정에 충분히 투자하지 않는다.

둘째, 데이터 품질을 제대로 파악하지 못하여 일상적인 문제 처리 과정에 중요한 리소스(시간 및 비용)를 낭비하고 있다. 데이터가 불량하면 데이터에 대한 신뢰도도 낮아지므로 경쟁력 확보 과정이 더욱 지연된다.

구체적인 상황은 기업마다 다르지만, 데이터를 제한적으로 정의하는 경향이 있습니다. 즉, 데이터 관리를 전사적인 차원에서 생각하지 않고 IT 팀이나 데이터 사이언스 조직의 일부 업무로 정의하는 것이죠. 이렇게 되면 데이터를 활용해 업무 방식을 획기적으로 개선할 수 있는 가능성을 간과하게 되므로 위에서 언급한 조직, 프로세스 및 전략적 변화 과정에 충분히 투자할 수 없게 된다.

불필요한 데이터 품질관리 작업 중단

일상적인 작업에서 시간과 비용이 낭비되는 경우가 대부분이어서 제대로 인식을 하지 못하는 것뿐입니다. 가령 영업 사원이 마케팅 부서에서 받은 데이터의 오류를 수정한다거나, 데이터 사이언티스트가 데이터를 확인하는 데 업무시간 중 80%를 할애하거나, 재무 팀이 보고서를 수정하는 시간이 전체 업무 시간 중 3/4이나 되거나, 의사 결정권자가 직원들이 제공하는 수치와 지침을 신뢰하지 못해 재차 확인을 하는 등의 경우를 예로 들 수 있을 것이다.

이와 같이 낭비되는 시간과 비용을 줄이려면 현재의 ‘구매자/사용자 책임’ 사고방식, 즉 불량 데이터 사용 시의 책임은 사용자에게 있는 것이 아니라 ‘데이터를 처음부터 정확하게 생성해야 한다’ 는 사고방식으로 전환해야 한다.

적극적인 접근 방식

이번에는 적극적인 데이터 활용의 사례로 AI 예산 책정을 살펴보겠다. 대부분의 경우 신규 알고리즘 개발을 위한 데이터 사이언스 분야에는 충분한 예산이 책정된다.

그런데 자동화된 기계 학습 프로그램이 대부분의 작업을 처리하므로 알고리즘 개발 비용은 계속 낮아지고 있다. 하지만 프로세스 구축, 담당자 교육, 변화에 대한 두려움 해소, 기업 문화 조정 등에 책정되는 예산은 대단히 적기 때문에 유용한 알고리즘이 개발되지 못하는 경우가 많다.

확고한 데이터 관련 전략 추진

데이터가 중요한 자산이라는 사실을 인지하고 있다는 것을 보여주려면 경영진은 몇 가지 행동을 취해야 한다. 우선, 비즈니스 및 데이터전략을 매출 증대의 기회로 적극 활용해야 한다. 기업이 소유한 데이터를 최대한 활용하고, 기업의 모든 비즈니스 분야에서 분석 기능을 활용하고, AI를 사용해 모든 결정 과정을 가상으로 지원하는 등 데이터와 관련한 다양한 기회를 확보할 수 있다.

결과적으로 수많은 디지털 기업과 대기업의 개별 부서에서 그 우수성도 검증된 바 있다. 앞으로는 데이터의 활용도가 더욱 높아질 것이 확실하므로 더 이상 선택의 여지는 없는 것이나 마찬가지이다. 어떤 분야에서든 마찬가지이지만 행운은 용감한 자의 편이다.