Chapter1(데이터이해) – 제3장_가치 창조를 위한 데이터 사이언스와 전략 인사이트

제 3장 가치 창조를 위한 데이터 사이언스와 전략 인사이트

제1절 빅데이터 분석과 전략 인사이트

1. 열풍과 회의론

  • 거액의 빅데이터 솔루션을 도입하고도 어떻게 활용하고 어떻게 가치를 뽑아내야 할지
  • ‘빅데이터의 새로운 가치’라고 거론되는 부분은 엄밀히 말하면 굳이 빅데이터가 필요 없는 경우가 대부분(우수고객 이탈 예측, 고객 구매패턴 분석 등은 오래전부터 CRM에서 해오던 고객분석)
  • 국내 빅데이터 업체들은 성과 내기에 급급해 기존 CRM분석을 빅데이터 분석으로 포장
  • 빅데이터 분석도 기존의 분석과 마찬가지로 데이터 에 가치를 창출하는것이 관건

2. 왜 싸이월드는 페이스북이 되지 못했나?

  • 데이터 분석 기반 경영 문화의 부재
  • 구글, 링크드인, 페이스북 등 성공적인 인터넷 기업들은 대부분 데이터 분석을 통해 의사결정에 결정적 정보를 제공
  • 반면, 싸이월드는 직관에 근거해 의사결정을 내리는 회사에 머물고 있었음
  • 분석 기반 경영이 도입되지 못한 이유

– 기존 관행을 따를 뿐 중요한 시도를 하지 않음

– 분석에 따른 결정보다는 직관적인 결정을 더 중요한 재능으로 여긴다

– 분석적 실험에 대한 역량을 갖춘 사람이 없다

– 아이디어 자체 보다는 아이어를 낸 사람에 관심을 두는 경향

3. 빅데이터 분석, ‘Big’이 핵심 아니다

  • 데이터 분석에서의 가치 창출은 데이터의 크기에 의해 좌우되는 것이 아니다
  • 빅데이터의 분석의 핵심은?

– 음성, 텍스트, 로그, 이미지 등 새로운 정보 원천이 주는 기회
ex) 삼성전자,  콜센터의 변환데이터(음성데이터->텍스트데이터)분석 후 고객 불만 사항 개선

– 비지니스 핵심에 대한 객관적이고 종합적인 통찰을 줄 수 있는 데이터를 찾는 것이 중요

– 빅데이터와 관련된 걸림돌은 ‘비용’이 아닌 ‘분석적 방법과 성과에 대한 이해 부족’일 것이다

4. 전략적 통찰이 없는 분석의 함정

  • 단순히 분석을 많이 사용하는 것이 곧바로 경쟁우위를 가져다 주지는 않는다
  • 거대 기업들 조차 데이터 분석에 기초한 전략적 통찰을 갖추기는 쉽지 않다
  • 전략적 통찰과 성과는 정관계가 있다

5. 일차적인 분석 vs. 전략 도출 위한 가치 기반 분석

산업분석
금융 서비스신용점수 산정, 사기탐지, 가격 책정, 프로그램 트레이딩, 클레임 분석, 고객 수익성 분석
소매업판촉, 매대 관리, 수요 예측, 재고 보충, 가격 및 제조 최적화
제조업공급사슬 최적화, 수요 예측, 재고 보충, 보증서 분석, 맞춤형 상품 개발, 신상품 개발
운송업일정 관리, 노선 배정, 수익 관리
헬스케어약품 거래, 예비 진단, 질병 관리
병원가격 책정, 고객 로열티, 수익 관리
에너지트레이딩, 공급, 수요 예측
커뮤니케이션가격 계획 최적화, 고객 보유, 수요 예측, 생산능력 계획, 네트워크 최적화, 고객 수익성 관리
서비스콜센터 직원 관리, 서비스 수익 사슬 관리
정부사기 탐지, 사례관리, 범죄 방지, 수익 최적화
온라인웹 매트릭스, 사이트 설계, 고객 추천
모든 사업성과 관리
  • 일차적인 분석은 대부분 업계 내부의 문제에만 포커스를 두고 있음
  • 전략적 인사이트를 가진 가치 분석을 위해서는?

– 사업에 영향을 미치는 인구 통계학적 변화, 경제사회 트렌드, 고객 니즈의 변화 등을 고려해야한다

– 사업 성과를 견인하는 핵심 요소를 중심으로 큰 틀에서 프레임워크를 잡아야 한다

– 경쟁의 본질에 영향을 미치는 무엇인지 파악해야 한다

ex) 제약회사(회사 가치가 지적자산과 관련된 회사), 분석적 실험과 의사결정에 집중
인터넷기업(가치 네트워크에 기반을 둔 회사), 어떻게 고객과 서비스 네트워크를 높일 수 있을지를 검토

 

제2절 전략 인사이트 도출을 위한 필요 역량

1. 데이터 사이언스의 의미와 역할

  • 정형/비정형을 막론하고 데이터로 부터 의미 있는 정보를 추출해 내는 학문이다.

2. 데이터 사이언스 구성 요소

data_sci_1

  • 구성요소 : 분석(수학, 확률모델, 머신러닝 등) , IT (데이터 엔지니어링, 고성능 컴퓨팅 등) , 비지니스 컨설팅(시각화, 프레젠테이션 등)
  • 데이터 사이언 티스트 필요 역량

– Hard Skill : 빅데이터에 대한 이론적 지식, 분석 기술에 대한 숙련

– Soft Skill : 통찰력 있는 분석 (창의적사고, 논리적 비판, 호기심), 설득력 있는 전달, 다분야간 협력(커뮤니케이션)

다) 데이터 사이언스

– 과학과 인문의 교차로 : 데이터 사이언티스트에 요구하는 사고방식과, 비지니스 이슈에 대한 감각, 고객들에 대한 공감 능력 등 인문학적 능력의 강조

5. 데이터 사이언티스트에 요구되는 인문학적 사고의 특성과 역할

  • 비판적으로 사고하는 것이 인문학적 사고
  • 왜 우리는 여태 이런 식으로 생각했나, 왜 우리는 세상이 그런줄만 알았나? 라는 질문을 던지는 것이다
  • 분석으로 다룰 수 있는 핵심 문제
 과거현재미래
정보Q: 무슨일이 일어났는가?
A: 리포팅(보고서 작성 등)
Q: 무슨일이 일어나고 있는가?
A: 경고
Q: 무슨일이 일어날 것인가?
A: 추출
통찰력Q: 어떻게, 왜 일어났는가?
A: 모델링, 실험 설계
Q: 차선 행동은 무엇인가?
A: 권고
Q: 최악 또는 최선의 상황은 무엇인가?
A: 예측, 최적화, 시뮬레이션

6. 데이터 분석 모델링에서 인문학적 통찰력의 적용 사례

  • 성향적 관점, 행동적 관점, 상황적 관점

– 금융업의 ‘신용리스크 모델’,

– 성향적 관점 : 관상을 보고 대출여부 판단

– 행동적 관점 : 특정 행동 유형을 가진 사람들의 부도 확률을 계산하여, 이를 근거로 대출 여부 판단

– 상황적 관점 : 사람은 상황에 따라 특정 행동을 취함. 행동 뿐만 아니라 상황과 맥락을 고려하여 대출 여부 판단

참고자료

데이터 사이언티스트관련 영상1:
https://www.youtube.com/watch?v=NFt1MbChFMU&list=PLnW70HqwYkP-0YKFkyaOhmPI3QFETGx6g

데이터 사이언티스트관련 영상2:
https://www.youtube.com/watch?v=BmH8lF_PFxg

 

 

연습문제

  1. 다음 설명 중 맞는 것은 무엇인가?

① 빅데이터 과제의 주된 걸림돌은 비용이 아니라 분석적 방법에 대한 이해 부족이다.

② 분석을 다방면에 많이 사용하는 것이 경쟁우위를 가져다 주는 첫번째 요소이다.

③ 빅데이터 분석에서 가치창출은 데이터의 크기에 의해 좌우된다.

④ 성과가 높은 기업들은 대부분 폭넓은 가치 분석적 통찰력을 갖추고 있다.

  1. 전략적 가치기반 분석을 위해 고려해야 할 요소가 아닌 것은 무엇인가?

① 사업에 영향을 미치는 트렌드에 대해 큰 그림을 그려야 한다.

② 사업 성과를 견인하는 핵심 요소에 집중해야 한다.

③ 기존 성과를 유지하기 위해 필요한 것이 무엇인지에 주의해야 한다.

④ 경쟁의 본질에 영향을 미치는 단계에까지 나아가야 한다.

  1. 다음 설명 중 틀린 것은 무엇인가?

① 강력한 호기심은 데이터 사이언티스트의 중요한 특징이다.

② 과학적 분석 과정에는 가정과 인간의 해석이 개입하지 않는다.

③ 분석은 미세한 관점에서 접근할 때 큰 효과를 보기 어렵다.

④ 뛰어난 분석적 리더들은 의사결정에서 과학과 직관을 호흡한다.

댓글 남기기