[최재홍의 Tech Talk, IT Trend 읽기] Digital Transformation을 위한 Data Product와 Data Action

Digital Transformation에 데이터 활용과 분석은 빠질 수 없습니다. Arm 트레저데이터 한국 지사장인 고영혁님의 강연에서 힌트를 얻을 수 있었습니다. 강연 서두부터 데이터 분석으로 시작했습니다. 참석자들이 사전에 보낸 설문 결과를 상세하게 분석해 주셨습니다. 포인트 중 하나는 총량과 평균은 오류가 많으므로 주의해야 하며, 패턴이나 계수를 활용하는 것이 좋다고 말씀해 주셨습니다. 마침 『평균의 종말』이라는 책을 읽었는데, 단순한 산술적 평균은 삶의 질을 개선하거나 학습 수준을 높이는 데 오히려 방해가 될 수 있다는 내용이었습니다. 참석자들의 선호를 고려한 강연을 해 주셔서 더욱 뜻 깊은 시간이었습니다.

 

Data

이전에는 데이터 하면 ‘빅’ 데이터, 데이터 ‘분석’, 데이터 ‘사이언티스트’ 등이 연관 검색어로 떴습니다. 빅 데이터는 인사이트(통찰), 트렌드/예측, 소셜미디어와 주로 연결이 되었습니다. 소셜 미디어의 대량 데이터를 분석해 의미를 도출하는 전형적인 스토리텔링이었습니다. 인식은 쉽게 변하지 않습니다. 데이터 분석은 중간 과정입니다. 목표하는 바를 상세하게 정의할 수 있어야 합니다.

 

양 vs. 질

데이터에서는 양보다 질입니다. 양이 많고 질이 떨어지는 경우는 분석이 굉장히 어렵습니다. 양이 적고 질이 좋은 경우는 작은 것 무엇이라도 분석해낼 수 있습니다. 왕창 모으고 분석하기 보다, 일부 모아서 의미를 도출해 보고 양을 더해 가는 것이 좋습니다. Agile하게 개선점을 찾기가 수월합니다. 그래야 양과 질을 함께 획득할 수 있습니다. 예전과 달리 대기업이 아닌 스타트업도 양질의 데이터를 얻을 수 있는 시대가 되었습니다.

 

Digital Transformation

사람들의 경험은 디지털로, 데이터로 전환 되는 것이 ‘Digital Experience’입니다. 사람들이 어떤 맥락에서 왜 행동하는지를 파헤치는 경험 분석을 방향성으로 삼아야 합니다. 이제는 너무나 쉽게 행동 데이터를 실시간으로 데이터화 할 수 있습니다. 앱과 웹, 영화관, 카페, 주유소 등 모든 것이 Interaction이 발생하는 채널입니다. 그 Interaction을 정량적으로 파악하고 분석할 수 있어야 고객을 이해하고, 제어할 수 있습니다. 물론 모든 Interaction을 남길 수는 없습니다. 고객의 Context를 한정해 선호를 파악하는 등의 제약이 필요합니다.

 

Case Study

고객의 선호를 Tracking 하기 위해 Google은 검색을, Facebook은 Like를, Amazon은 장바구니를 분석합니다. C社는 CDP ^{Customer Data Platforms} 구축을 위해 여러 영역의 데이터를 통합했습니다. 1^st party data인 자사 POS, 검색 등의 데이터를 통합하고, 제품 리뷰 사이트와 제휴해 고객의 자사 제품 선호도, 경쟁사 분석 등 3^rd party data를 통합합니다. 고객의 상세 여정을 분석하는 것인데, 단순한 웹사이트나 모바일앱보다 여정을 서비스化 하는 것이 중요합니다. 샘플 하나를 제공할 때도 고객에게 더 나은 매장을 추천해 주고, 어떤 성향의 고객이 샘플을 받는지를 알 수 있게 합니다. 이 데이터를 기반으로 ML을 수행해 마케팅 활동이 가입, 구매 등 고객 행동에 어떤 영향을 미칠 수 있는지를 예측할 수 있습니다. 기존 통계보다 3배 이상 예측율이 높았습니다.

M社는 고객의 매장과 제품에 대한 선호 (Preferences) 를 축적하고, 재고 데이터와 결합해 고객이 Check-in 하면 준실시간으로 마케팅 활동을 수행합니다.

 

Implication

‘구슬이 서말이라도 꿰어야 보배’입니다. 데이터는 충분히 있습니다. 영양가 있는 데이터로 만들어 내는 것이 21세기의 중요한 창조성이 아닌가 생각해 봅니다. 이를 위해서는 구성원들이 데이터로 말해야 사고할 수 있어야 합니다.

사람들이 검색어를 치고 링크를 클릭하게 하는 Google의 힘, 사람들이 포스트를 Like 하게 하는 Facebook의 힘, 그것이 Data Product의 힘입니다.