기존 운영시스템과 BI시스템의 순환적 프로세스
오늘날 기업은 IT를 통해 거대한 한 개의 빨간 ROI 단추를 만들어 내고자 하는 신념에 가득 차 있다. 이러한 기업의 노력은 크게 운영 시스템(Opera tional Systems), 비즈니스 인텔리전스(Busi ness Intelligence; BI), 예측분석(Predictive Analytics)이라는 3가지 국면으로 살펴볼 수 있다.
점입가경으로 가속화되는 오늘날의 기업 경쟁구도에서 소멸되지 않고 살아남으려면, 기업은 비용절감, 매출신장, 시장점유율 확대 등의 3가지 명제를 순차적이 아닌 동시다발적으로 이루어야만 한다. 경쟁이 심화됨에 따라 기업은 고객만족, 제품품질, 재고관리, 내부직원 만족, 고객유지, 비용통제, 매출 예측력, 우수고객 유용성 등을 끊임없이 확대시켜야만 한다. 그래서 기업은 ERP 시스템, CRM 시스템, ERM 시스템, Web 시스템 등의 운영 시스템 구축에 막대한 비용을 쏟아 부어 반복적인 프로세스를 조직화하는데 노력하고 있다. 이러한 운영 시스템에 대한 투자는 ROI의 관점에서 볼 때 장점과 단점을 동시에 가지고 있다.
장점은 이러한 운영 시스템을 통해 반복적이고 통제 가능한 프로세스를 만들어 낼 수 있고, 비교적 양질의 설명적 데이터를 만들어 낸다는 점이다. 반면에 단점은 비용이 많이 들고 시간이 매우 오래 걸린다는 점이고, 많은 기존의 프로세스를 단지 재적용 한다는 점이며, 명백한 ROI를 얻게 하는 확실한 지름길을 제공하지는 않는다는 점이다.
경쟁에서 유리한 위치에 서기 위하여 기업은 게임의 법칙을 바꾸기 위하여 새로운 분석적 기술과 신속한 데이터 전개를 통해 많은 기업들이 기업자신, 경쟁회사와 고객에 대한 이해도를 높이고자 노력하고 있다. 이러한 노력은 운영 시스템으로부터 양질의 데이터를 추출하여 고객만족, 매출창출, 상품생산비용, 인력고용, 불필요한 재고, 파트너 인식 등의 BI를 개발하는데 집중되고 있다. 그래서 기업은 ETL, 데이터 품질, 데이터 웨어하우스, 질의 & 보고, OLAP 등에 막대한 비용을 쏟아 부어 보다 효과적이고 신뢰할 수 있는 계량적 측정치를 만들어 내고 있다.
그러나 이러한 BI에 대한 투자도 역시나 ROI 측면에서 볼 때 장점과 단점을 동시에 가져 다 준다. 장점은 쉽게 통합된 기업데이터에 접근할 수 있으며, 비즈니스 수행 결과를 정확히 측정할 수 있으며, 초기 투자효과를 끌어낼 수 있다는 점이다. 반면에 단점은 이러한 시스템은 과거의 관점에만 의존하여야 하는 구조적 약점을 가지고 있으며 반복적인 프로세스에 대한 다소간의 향상만을 가져다 주며 명백한 표면적인 상관관계만을 밝혀낼 수 있다는 점이다.
성공적인 분석예측은 대용량의 다채널 데이터를 여과하여 과거를 학습하여 현재를 이해하며 나아가 미래를 예측하는 것이다. '예측'의 사전적 의미는 "관측, 경험, 과학적 근거를 통해 사전에 앞으로 일어날 일을 단언하고 가리키는 것"이다.
이러한 예측분석기술을 통해 고객유지, 교차판매/상승판매, 고객유치, 제품유사성, 프로모션 최적화, 수요계획, 품질향상, 고용인 유지 등에 대한 의사결정에 최대의 ROI를 가져다 준다.
오늘날 기업은 데이터마이닝(Data Mining), 스코어링시스템(Scoring System), 추천엔진(Recommendation System)등의 시스템에 투자하고 있으며, 비즈니스 지식을 분석에 통합시키고, 분석의 결과를 운영 시스템에 접목시키고, 실시간 분석에 잠재적으로 활용하여 새로운 비즈니스 기회를 발견하고 이용하고 있다.
이러한 예측분석에 대한 투자 역시 장점과 단점을 동시에 가져다 준다. 장점은 이러한 시스템을 통해 미래의 관점을 가질 수 있고 운영 시스템과 BI 시스템에 보다 가시적인 ROI를 가져다 줄 수 있다는 것이다. 반면에 단점은 만병통치나 마술 같은 하나의 분석접근방법이나 알고리즘이 존재하지 않기 때문에 내부의 분석역량을 강화시키기 위한 인적자원에 대한 투자가 필요하다는 점이다.
분석이란 주어진 문제를 해결하기 위한 구체적인 행위라 할 수 있다. 따라서 올바른 분석을 위해서는 문제를 정확하게 인식하고, 접근방법을 수립하고, 필요한 자료를 수집하는 사전 단계가 수행되어야 하며, 접근 방법에 따라 정성적 분석, 정량적 분석 등을 수행할 수 있다. 분석을 수행하는 과정은 분석자에 따라 다를 수 있으나 마치 흩어져 있는 점을 연결하여 점차 그 형상을 이해해 가는 과정처럼, 어떠한 프로세스에 따라 반복적이면서 한걸음씩 나아가는 것이다.
일반적으로 분석의 시행착오를 최소화하기 위하여 타인이 수많은 경험의 결과를 객관화 시켜 수행방법론이라는 것을 따라 분석을 수행하게 되는데 가장 정형화되어 있는 방법론에 대해 언급하면 다음과 같다.
1. 비즈니스 이해
분석하고자 하는 비즈니스를 이해하는 단계로서 비즈니스 모델의 배경 및 성공요인들은 무엇이며, 현재의 상황은 어떠하며, 비즈니스의 제약조건, 위험요인, 대응방안 등에 대하여 파악하고, 당면 문제를 해결하기 위한 분석의 목적, 성공요인, 방법론 등을 포함하는 분석 계획서를 만든다.
2. 데이터 이해
분석하고자 하는 데이터의 소스를 파악하여 수집하고, 수집된 데이터의 설명을 붙이며, 데이터의 질(Quality)을 평가하고, 데이터 탐색을 통해서 데이터에 대한 충분한 이해를 하는 단계이다.
3. 데이터 준비
분석 마스터 데이터를 생성하는 단계로 앞 단계인 데이터 이해를 바탕으로 목적하는 분석결과가 잘 나타나도록 데이터를 마사지하는 단계라고 보면 된다. 원천 데이터를 정제, 가공, 병합하여 분석에 적합한 데이터를 생성하는 과정을 말하며, 분석에 있어서 시간과 노력이 많이 들며 중요한 과정이라 할 수 있다.
4. 분석 및 모델링
실질적인 분석을 수행하는 단계로서 분석목적과 기대하는 결과에 적합한 분석 방법을 택하여 분석을 수행한다. 일반적으로 많이 이용되는 분석방법은 분류(Classification)와 예측(Prediction)이 있다.
5. 평가
분석결과에 대한 검증과 평가를 수행하고, 활용을 위한 준비를 하는 단계이다. 이 단계에서 비즈니스 이해 단계에서 설정해 놓은 성공요인에 부합되지 않는다고 판단이 되면 다시 데이터 준비의 단계로 돌아가 분석 및 모델링 과정을 반복적으로 수행하여야 한다.
6. 전개
분석 결과를 바탕으로 활용방안 및 대처방안 등의 향후 행동에 대해 계획을 세우고 실천을 하는 단계이다.
이러한 수행방법론에 의해 진행되는 분석작업은 한번 이루어지고 마는 작업이 아니다. 새로운 행동은 기업의 비즈니스 활동에 변화를 주어 새로운 데이터를 운영 시스템에 쌓이게 만들고 BI System에 변화를 주어 좀 더 고도화된 양질의 데이터를 만들어 내게 되고 이는 좀더 차원 높은 예측적 분석으로 발전시켜나가는데 원동력이 된다.
오늘날 자연상태에서 데이터를 채굴하여 데이터의 패턴을 찾아내는 데이터 마이닝(Data Mining)보다는 비즈니스의 궁극적인 목적을 달성하기 위하여 끊임없이 데이터를 가공, 육성하여 수확물을 만들어내는 데이터 화밍(Data Farming)적 관점의 접근 노력이 더욱 확실한 ROI를 만들어 내는 지름길이라 생각한다.
결론적으로 오늘날 기업이 주목하여야 하는 것은 거대한 한 개의 빨간 ROI 단추를 만들어 내려는 환상에서 빨리 깨어나서, 요소요소에 적용되는 여러 개의 작은 빨간 ROI 단추를 만들어야만 궁극적으로 진정한 ROI를 이끌어 낼 수 있다는 점을 인지하는 것이다. 즉, 내부의 분석적 핵심역량을 지속적으로 강화하여 기존 운영 시스템과 BI 시스템에 시너지 효과를 주어서 함께 어울려 그 효과가 나타나도록 순환적 프로세스를 반복하여야만 진정한 의미의 ROI를 이룰 수 있다는 것이다.
정성원
jung@spss.co.kr