박찬선 부사장 기자 2012.12.12 09:01:57
[프라임경제] 경영학의 대가이자 미래학자인 피터드러커는 "측정할 수 없으면 관리할 수 없고, 관리할 수 없으면 개선할 수 없다"라는 말을 했다.
사실 이 말은 영국의 물리학자 Kelvin 경(Lord)이 1892년에 "당신이 말하고자 하는 것을 측정하고 숫자로 표현할 수 있다면, 비로소 당신은 그것에 대해서 안다고 할 수 있다"라는 표현에서 인용한 말이 아닌가 생각된다.
근래에 와서 특히, 지극히 당연한 이야기이지만, 사회과학의 영역인 경영학 분야에서 측정의 중요성을 강조하고 숫자와 데이터를 기반으로 한 경영에 대한 통찰을 강조하고 있다.
이렇듯 현대의 경영과 산업은 온통 데이터의 수집과 분석, 관리에 기업의 모든 역량이 집중되는 듯 보이기도 하다.
가트너(Gartner) 선정 2013년 전략적 기술 트랜드 중에도 이러한 데이터 분석과 관련된 주제의 'Actionable Analytics'가 있는데 우리말로 표현하자면 실행 가능한 분석 또는 이용가능한 분석이라고 할 수 있다.
이 중 실행가능한 분석이라는 표현이 일반적으로 많이 사용되지만 의미상으로는 이용가능한 분석이라는 말이 보다 적합하지 않을까 생각된다.
데이터분석과 관련되어서는 어떠한 관점에서 바라보느냐에 따라 수많은 분석에 대한 정의와 개념이 존재하기 때문에 'Actionable Analytics(이하 AA)'라고 한다. 또한 새로운 분석개념이나 용어로 생각할 수 있다.
그러나 AA는 그러한 새로운 용어라기보다는 말 그대로 이제는 데이터분석이 사용자에 의하여 '이용 가능해야 한다'는 뜻을 제기하는 하나의 테마(Theme)으로 이해되어야 할 것이다.
데이터분석은 주로 엑셀(Excel)과 같은 도구를 이용하여 데이터의 집합을 기술적(Descriptive)으로 분석하는 것에서부터 시작된다. 물론 엑셀과 같은 스프레드쉬트 도구는 우리가 상상하는 수준 이상의 방대한 데이터분석이 가능하지만, 편의상 기술통계에 강점을 가진 도구로 표현했다.
그리고 데이터의 평균과 합계, 분산 등을 측정하고 이를 그래프나 차트로 표현하며, 더 나아가 이러한 데이터를 기반으로 회귀분석, 다변량분석, 상관분석 등 주로 예측과 추정을 위한 분석을 수행한다. 통계학에서 말하는 기술통계와 예측통계 등이 이러한 범주에 들어갈 것이다.
또 다른 관점에서는 데이터분석의 활용 측면이 있다. 통계학에서 말하는 분석기법을 경영분야의 마케팅이나 기획분야에서 활용하기 위해서는 좀 더 응용된 접근이 필요하다.
즉 기업에서 고객들을 어떤 특성이나 목적에 따라 세분화하고 타깃팅하기 위해서 고객의 특성과 거래실적을 분석하고 이와 같은 업무를 수행하기 위한 다양한 분석기법 등이 모색되는 것이다.
이러한 응용을 지원하기 위하여 데이터마이닝, 데이터웨어하우스·데이터마트 등의 용어와 개념이 제시됐다. 이와 같은 분석기법을 통해, 기업에서는 고객과 시장에 대한 STP (Segmentation-Targeting-Positioning), KPI, Scoring 등 다양한 측정지표를 개발하고 관리하고 있다.
근래에 새롭게 관심을 끄는 데이터분석의 관점은 IT관련 기반(Infrastructure) 기술적 관점이다. 즉 '수많은 데이터 소스(Source)로부터 생성되는 방대한 데이터를 어떻게 축적하고 분석하는가'와 관련된 문제를 해결하기 위하여 Big Data라고 하는 통합적인 데이터분석 개념이 제시됐으며, 이와 관련된 In-Memory 데이터분석, 분산파일시스템, 분산처리 또는 그리드컴퓨팅 등 많은 IT기술이 활용되고 있는 것이다.
그런데 AA라는 새로운 기술 트랜드가 제기되고 관심을 갖게 되는 것은 왜일까? 바로 기존의 데이터분석이 무엇을 분석하고 어떻게 데이터를 축적해 분석하는가에 집중했다면, 이제는 이러한 데이터분석이 사용자로 하여금 '과연 이용 가능한 가?'에 집중하기 시작해야 한다는 의미이다.
박찬선 넥서스커뮤니티 부사장 |
하지만 이러한 막강한 데이터분석 능력이 사용자들의 의사결정 순간에 유연하고 효과적으로 활용될 수 있는가? 현재로서는 그 답은 "아니다"일 것이다. AA가 지향하는 바는 사용자가 자신의 업무와 생활에서 데이터분석이 제공하는 엄청난 능력과 기회를 효과적으로 활용케 하는 것이며, 이것이 바로 데이터분석이 앞으로 나아가야 할 길이라고 생각한다.