편안한집

ADsP (1-6) - 빅데이터 분석과 전략 인사이트, 빅데이터와 데이터 사이언스의 미래 본문

ADsP/ADsP - 1

ADsP (1-6) - 빅데이터 분석과 전략 인사이트, 빅데이터와 데이터 사이언스의 미래

yng and rich 2020. 11. 3. 07:31

ADsP  - 빅데이터 분석과 전략 인사이트, 빅데이터와 데이터 사이언스의 미래

 



빅데이터의 가치 산정이 어려운 이유

 

빅데이터 열풍과 회의론

 

1. ‘고객관계관리(CRM)’를 통해 경험한 부정적 학습효과이다. CRM을 비롯한 IT 솔루션은 일종의 공포 마케팅이 잘 통하는 영역이다. 그래서 거액을 투자해 하드웨어 박스와 솔루션을 도입하지만 막상 도입하면 상황이 달라진다. 결국 관련 장비와 솔루션은 수십, 수백억원을 투자하고 방치하는 사태가 벌어진다.

 


2. 현재 소개되는 많은 빅데이터 성공사례가 사실 기존의 분석 프로젝트를 포장해 놓은게 많다. 과대포장들은 빅데이터 분석 전체의 신뢰성에 의심을 만들고 빅데이터 분석이 자리잡기도 전에 기반을 흔들어 놓을 수 있다.

 

 

빅데이터 분석, ‘big’이 핵심이 아니다.

1. 데이터 분석 기반의 통찰의 중요성에 대한 공감대를 키우며 빅데이터가 가져다 주는 기회에는 데이터의 크기보다 새롭고 다양한 정보 원천의 활용에 있다.

 

2. 무조건 ‘big’한 데이터를 찾는 것이 아니라 비즈니스의 핵심에대해 객관적이고 정확한 통찰을 줄 수 있는 데이터를 찾는 것이 중요하다.

 

 

전략적 통찰이 없는 분석의 함정

현재의 한국 경영문화는 여전히 분석을 국소적인 문제 해결 용도로 사용하는 단계에 머물고 있다. 스몰 데이터도 제대로 활용하지 않는 경우가 더 많다.

 

단순히 분석을 많이 사용하는 것이 곧바로 경쟁우위를 가져다 주지는 않으며 전략적 인사이트를 주는 분석을 통해 복잡한 사업 모델을 단순화하는게 보다 적합한 전략이다.

 

 

일차적인 분석 VS 전략 도출을 위한 가치 기반 분석

일차적인 분석을 통해 점점 분석 경험이 늘어가고 작은 성공을 거두며 분석의 활용 범위를 더 넓고 전략적으로 변화시켜햐 한다.

 

사업성과를 견인하는 요소들과 차별화를 꾀할 기회에 대해 전략적 인사이트를 주는 가치 기반 분석 단계로 나아가야 한다.

 

전략적 인사이트를 주는 가치 기반 분석을 위해서는 우선 사업과 이에 영향을 미치는 트렌드에 대해 큰 그림을 그려야 한다.

 

큰 그림에서 폭 넓게 사업을 바라보지 못한다면 비즈니스 성과와 경쟁력의 핵심인 전략적 이슈를 다룰 수 없다.

 

파편적이고 부분적인 정보로는 핵심적인 질문들, 어디서 성과를 올리고 어떤 요인이 성과를 좌우하는지 등을 평가할 수 없다.

 

 

빅데이터와 데이터 사이언스의 미래

 

빅데이터의 시대

디지털 환경의 진전과 더불어 실로 엄청난 ‘big’데이터가 생성되고 있다. 더불어 다양한 측면에서 활용되고 있다.

 

빅데이터는 기업들에게 비용절감, 시간절약, 매출증대, 고객서비스 향상, 신규 비즈니스 창출, 내부 의사결정 지원등에 있어 상당한 가치를 발휘하고 있다.

 

EX) 회사의 상품 광고 모델을 고를 수 있음, 선거운동 사례에서 오바마의 데이터 사이언스 팀 등 있다.

 

 

빅데이터 가치 패러다임 변화

 

디지털화 : 아날로그의 세상을 어떻게 효과적으로 디지털화하는 것이 이 시대의 가치를 창출해 내는 원천이었다.

연결 : 새로운 시대에서 디지털화 된 정보와 대상들은 이제 서로 연결되기 시작했고, 이 연결을 얼마나 효과적이고 효율적으로 제공해 주느냐가 이 시대의 성패를 가른다.

에이전시 : 복잡한 연결을 얼마나 효과적이고 믿을 만하게 관리해 주는가가 중요해 졌고 이런 이슈의 에이전시라는 키워드가 등장할 확률이 높아졌다.

 

수많은 빅데이터를 빠르고 정확하게 처리해 개인과 기기와 사물들이 맺고 있는 하이퍼 연결을 효과적이고 효률적으로 관리해주기 위한 핵심에는 박로 데이터 사이언스가 있다.

 

 

데이터 사이언스의 한계와 인문학

 

데이터 사이언스의 한계를 냉철히 바라볼 필요가 있다. 분석 과정에서는 인간의 해석이 개입되는 단계를 반드시 거치게 되고 이에 따라 사람마다 전혀 다른 해석과 결론을 내리게 된다.

 

데이터 분석은 와벽하지 않기에 데이터 사이언티스트는 인문학자들처럼 모델의 능력에 대해 항상 의구심을 가지고 가정들과 현실의 불일치에 대해 끊임없이 고찰하고 분석모델이 예측할 수 없는 위험을 살피기 위해 현실 세계를 분석하고 세상에 대한 통찰력과 함께 분석을 활용하는 것을 잊지 말아야 한다.

 


인문학적 사고의 필요성이 대두하게 된 사회경제적 변화

1. 단순한 세계화에서 복잡한 세계화로 변화.

2. 비즈니스의 중심이 제품생산에서 서비스로 이동.

3. 경제와 산업의 논리가 생산에서 시장창조로 바뀜.

Comments