빅데이터 리더십

빅데이터 리더십



김진호, 최용주 지음

북카라반 / 2018년 7월 / 293쪽 / 16,000원





리더십은 비전을 현실로 바꾸는 능력이다



리더는 무엇을 리드하는가?



리더는 조직이나 기업을 이끄는 사람이다. 그런데 리더가 조직이나 기업을 이끌기 위해 하는 일 중에서 가장 중요한 일은 의사 결정이다. 사실 기업 경영은 의사결정의 연속이며 의사 결정의 성공 혹은 실패가 기업의 성과와 심지어는 흥망을 좌우한다. 한편 기업의 목표는 경쟁우위를 확보ㆍ유지해 높은 성과를 올리는 것인데, 기업의 경쟁우위는 비즈니스의 다양한 영역에서 1~2퍼센트를 증대시키거나 감소시키는 것이다. 예를 들면 원가, 수율, 이상 탐지, 새로운 기회 포착 등의 측면에서 경쟁사보다 1~2퍼센트를 높이거나 감소시키는 것이 바로 경쟁우위다.

그리고 기업 내외부에 데이터가 넘쳐나는 빅데이터 시대에는 그러한 경쟁우위를 달성할 수 있는 안성맞춤의 수단이 바로 데이터 분석이다. 데이터 분석을 통해 고객과 시장에 대한 인사이트를 추출하고, 그것을 바탕으로 현명한 의사결정을 할 때 지속가능한 경쟁우위를 창출할 수 있다. 더욱이 저성장 속에서 경쟁이 더욱 격화되고 있는 현 시점에서는 경험이나 직관이 아니라, 데이터 분석에 근거해 의사결정을 하는 것은 매우 중요하며, 이제 데이터 분석에 근거하지 않은 의사결정은 내릴 가치가 없다.

예를 들어 데이터가 폭증하는 빅데이터 시대에 구글이나 아마존 등 많은 세계적인 기업은 철저한 데이터 분석에 근거한 의사결정으로 독보적인 경쟁우위를 굳히고 있는데, 이 기업들은 많은 데이터를 체계적으로 수집ㆍ관리하고, 그로부터 문제의 핵심을 파악할 수 있는 정보를 추출해 이를 기업 전체의 차원에서 의사결정에 적극적으로 활용함으로써 차별적인 경쟁우위를 확보한다.

성공하는 리더는 어떻게 이끄는가?



성공하는 리더가 되기 위해서는 첫째, 비전을 잘 제시해야 한다. 둘째, 이 비전을 실현하기 위한 체계를 적절히 갖춰야 한다. 셋째, 직원들이 비전과 체계 속에서 최선의 능력을 발휘할 수 있도록 임직원 교육에 아낌없이 투자해야 한다.



빅데이터를 어떻게 분석할 것인가?



현명한 의사결정을 위한 조건



일반적으로 의사결정은 문제점을 인식하고 이를 해결하기 위한 대안을 모색한 뒤, 이를 평가해 최선의 대안을 선택하는 과정을 거친다. 그런데 의사결정자가 여러 대안을 평가할 때는 계량적 정보와 비계량적 정보를 모두 고려한다. 비계량적 정보는 문화적ㆍ사회적 배경이나 법적ㆍ정치적 요소 등에 의한 영향을 고려하는 것이고, 계량적 정보는 문제와 관련된 데이터 분석에서 추출한 정보를 말한다. 어느 정보가 더 중요한지는 의사결정의 상황에 따라 다를 수 있지만, 투명하고 합리적인 의사결정을 위해서는 계량적 정보가 더욱 중요하다.

현명한 의사결정을 위해 계량적 정보가 필요하다면, 구체적으로 무엇에 관한 정보가 있어야 할까? 데이터 분석에 근거해 경쟁하는 기업들은 ‘6가지 근본적인 질문에 대한 데이터 기반 분석 기법’을 활용해 답을 구한다. 심층적인 데이터 분석은 단순한 보고 수준의 정보를 훨씬 넘어서서 현명한 의사결정을 위한 깊은 지혜 혹은 통찰력을 제공해준다. 이상 징후를 미리 탐지해 즉각 대응하는 것은 물론 통계적 모델링으로 그런 일이 왜, 어떻게 발생하는지를 파악한다. 또 이 모델은 자동화된 인공지능으로 시스템에 장착되어 실시간으로 대응하고 추천한다. 아울러 미래 상황을 예측하고 자신이 원하는 최선의 상황을 유도하기 위해 필요한 조치를 최적화한다.

분석적 기업이 경쟁우위를 확보ㆍ유지할 수 있는 것은 이런 현명한 의사결정으로 다양한 영역에서 1~2퍼센트의 효율을 증대시키기 때문이다. 물론 이 같은 데이터 기반의 분석을 적용해 질문을 던지고 답을 구하는 과정은 생각보다 쉽지 않다. 그러나 이런 혁신에 익숙해지고 나면 놀라운 변화가 일어난다. 이제 실제 비즈니스 사례로 들어가 보자.

타깃은 어떻게 임신부를 발견했을까?



타깃은 미국에서 월마트 다음으로 큰 대형 할인점으로 1,800여 개 매장을 운영하고 있다. 타깃이 주목한 것은 인생의 여러 중대한 사건 중에서 임신이었다. 이 시기에 임신부는 걱정에 휩싸이고 체력적으로도 힘들어서 쇼핑 습관이 그 어떤 시기보다도 변하기 쉬운데, 이때 그들에게 필요한 산모용품이나 신생아용품 등을 타깃 매장에서 쿠폰으로 구매하도록 유인한다면, 그들로 하여금 식료품, 수영복, 장난감, 의류 등도 구매하도록 유도할 수 있다.

그래서 타깃은 임신한 고객을 식별해야 했다. 그것도 타이밍에 맞게 일찍 식별할 수 있어야 했다. 신생아가 태어난 후 산모들은 다양한 기업에서 거의 동시에 쿠폰과 인센티브 등이 집중 세례를 받기 때문이다. 따라서 다른 할인점들이 아기가 태어날 것이라는 것을 알기 전에 임신부를 먼저 식별해야 한다. 임신부가 임신복이나 태아 비타민같이 다양한 종류의 상품을 구매하기 시작하는 때가 임신 4개월에서 6개월 사이다. 이 시기에 임신부를 겨냥한 특별 쿠폰과 인센티브로 그들이 타깃 매장에서 구매하도록 유도한다면, 그들은 아기 우유병, 신생아복은 물론 오렌지주스, 화장지 등 다양한 물품도 구매할 것이다. 그리고 이렇게 해서 바뀐 새로운 쇼핑 습관으로 인해 계속 타깃 매장을 찾게 될 것이다.

타깃은 어떻게 해서 고객들의 임신 사실을 미리 알 수 있었을까? ‘베이비 샤워’ 등록 프로그램을 이용했다. 베이비 샤워란 임신을 축하하는 행사로 임신부가 가까운 지인들에게서 신생아와 관련된 선물을 받는데, 이 프로그램에 임신부가 등록하면 타깃은 인센티브와 선물을 제공했다. 임신부들이 구매한 제품에 관한 데이터를 분석한 결과, 임신 이후에 그들의 쇼핑 행태가 어떻게 변화하는지 파악되었다. 예를 들면 임신 4개월부터는 향이 없는 로션을 다량 구입하기 시작했고, 5개월부터는 칼슘, 마그네슘, 아연이 보충된 비타민을 구매했다. 또한 누군가가 갑자기 향이 없는 비누, 대용량의 약솜, 손 세정제, 타월을 구매하기 시작하면 출산일이 가까워지고 있음을 의미했다.

세밀한 데이터 분석을 통해 타깃은 임신과 관련이 있는 25개 제품을 확인했고, 이를 활용해 고객에 대한 임신지수를 계산하는 모델을 개발했다. 타깃은 이 모델을 전국 1,800여 개 매장의 모든 여성 고객에게 적용해 임신이 거의 확실한 수만 명의 고객을 식별했고, 이들에게 산모와 신생아 관련 상품의 쿠폰을 발송했다. 얼마 지나지 않아 임신부들이 타깃 매장을 방문하기 시작하며 쿠폰 응답률이 30퍼센트 증가했고, 산모와 신생아 관련 상품의 매출이 폭발적으로 증가했다. 그에 따라 타깃의 총매출도 2002년에서 2010년 사이에 440억 달러에서 670억 달러로 크게 늘었다.

사실 대형 할인점을 비롯해 은행이나 심지어는 우체국에 이르기까지 거의 모든 대형 소매점은 좀 더 효율적으로 마케팅을 하기 위해 오래전부터 그들의 고객에 대한 정보를 수집해왔다. 그리고 그 데이터들을 활용해 고객을 여러 집단으로 구분하고 각 집단의 선호와 특성을 분석해왔는데, 타깃은 이런 데이터 분석을 가장 잘하는 기업이다. 예를 들면 타깃은 쿠폰을 받은 임신부들의 반응에도 신경을 썼다. 타깃의 쿠폰을 받은 일부 임신부들은 타깃이 자신들을 염탐(?)하고 있다며 화를 낼 수도 있다.

세밀한 데이터 분석에 바탕을 둔 타깃의 마케팅 정책이지만, 임신부의 예민한 정서에 해를 끼칠 수도 있고 사회적으로도 문제가 될 소지가 있었다. 타깃은 이런 위험을 줄이기 위해 산모용품과 신생아용품 쿠폰을 임신부들이 결코 구매하지 않을 상품의 쿠폰과 섞어서 보낸다. 예를 들어 기저귀 쿠폰에 잔디 깎는 기계 쿠폰을 섞거나 신생아 옷 쿠폰에 와인 잔 쿠폰을 섞는 식이다. 이런 식으로 쿠폰을 받으면 아무런 의심 없이 자신에게 필요한 쿠폰을 사용하기 때문이다.



빅데이터와 리더십



빅데이터 리더십을 위한 전략



빅데이터 리더십은 ‘빅데이터 시대의 리더십’ 혹은 ‘빅데이터 시대에 성공을 보장하는 리더십’을 줄여 쓴 것이다. 빅데이터 리더십은 사업의 차별화와 혁신을 통해 경쟁우위를 확보ㆍ유지하기 위해 ‘디지타이징 비즈니스(digitizing business)’를 하는 것이다. 구체적으로는 빅데이터 시대의 5대 핵심 기술, 즉 소셜미디어, 모바일, 사물인터넷, 클라우드, 빅데이터를 자신의 사업을 혁신하는 도구로 활용해 비즈니스를 차별화하고 혁신하는 것이다. 이 5대 핵심 기술은 이미 우리 곁에 와 있기 때문에, 이제 모든 산업에서, 모든 기업이 예외 없이 그 영향력 안에 놓여 있다. 리더에게는 이런 변화가 자신의 기업과 나아가서는 자신의 산업에 어떤 영향을 미칠지, 그리고 어떻게 대응해야 하는지를 진지하게 고민해야 할 책임이 있다. 사례를 살펴보자.

해러스 카지노와 빅데이터



해러스엔터테인먼트도 위기에서 구원투수로 등장한 빅데이터 리더십 덕분에 세계 최대의 카지노 그룹으로 우뚝 섰다. 1990년대 초 라스베이거스의 카지노들은 고객 유치를 위해 치열한 경쟁을 벌이고 있었다. 경쟁의 초점은 호사스러운 호텔 시설과 쇼에 투자해 고객들을 끌어들이는 것이었다. 업계 강자인 시저스는 이미 수억 달러를 들여 화려한 호텔과 쇼 무대 등 시설에 투자하고 있었다. 하지만 자금이 부족했던 해러스는 시설 투자 대신에 고객 데이터에 눈을 돌렸다.

지역별로 산재된 자사의 카지노 시스템을 통합해 전국적으로 고객들에 대한 데이터베이스를 구축했다. 그러나 숙박과 카지노 이용에 대한 보상을 제공하는 해러스의 회원 프로그램은 정작 회원들의 재방문 유인에 별 효과를 거두지 못했다. 회원 중 65%가 다음에는 다른 카지노에서 도박할 정도로 충성도가 낮았으며, 해러스는 경쟁에서 뒤처지기 시작했다. 위기감을 느낀 해러스는 1998년 미국 하버드대학 경영대학원에서 서비스 경영을 가르치던 게리 러브먼 교수를 영입했다. 카지노 업계에서는 이론가 실제가 다른데 과연 학자 출신인 러브먼이 반전을 일으킬 수 있을지 회의적이었다. 그러나 그의 분석 지향 리더십으로 해러스는 승승장구했고, 업계 라이벌인 시저스를 인수하는 성공을 거두었다. 그가 성공할 수 있었던 요인은 무엇일까? 아마도 다음의 몇 가지로 요약할 수 있을 것이다.

첫째, 데이터 수집의 초점을 회원들의 해러스에 대한 충성도를 높이는 데 맞춘 것이었다. 충성도를 높이기 위해서는 고객들의 여행과 숙박, 카지노 내의 지출 등 모든 행동에 대한 데이터가 필요했다. 러브먼은 기존 회원제도를 강화한 토털 리워드(Total Reward)라는 회원카드를 통해 회원들의 개인 정보는 물론 그들이 호텔에 머무는 동안 행하는 모든 행동을 추적했다. 고객들은 해러스에서 모든 결제를 이 카드로 해야 하는데, 레스토랑 이용은 물론 슬롯머신도 이 카드를 기계에 꽂아야 할 수 있고, 룰렛 등 다른 도박을 위한 칩도 이 카드로 구매했다. 이를 통해 해러스는 어떤 고객이 어떤 상점에서 얼마를 지출했으며, 어떤 도박을 얼마만큼 이용했고, 얼마를 잃거나 땄는지 추적했다.

둘째, 데이터 웨어하우스와 분석 소프트웨어 등 분석 인프라에 투자하고 분석 인력을 고용해 축적된 데이터를 분석했다. 데이터 분석 결과는 놀랍게도 카지노의 전통적인 인식과는 달랐다. 카지노 수익의 82퍼센트는 26퍼센트의 고객에게서 발생했는데, 수익에 기여도가 높은 고객들은 큰돈을 자주 베팅하는 하이 롤러(high roller)가 아니라 적은 돈으로 도박하는 로 롤러(low roller)였다.

그들은 소득이 낮은 중년 이상의 고객들로 하루에 50달러 정도의 적은 돈으로 도박하지만, 1년에 30회 정도 카지노를 방문했다. 충성도 상승과 소비 촉진을 위해서는 이들이 어떤 보상을 좋아하는지 알아야 했는데, 기프트숍 할인은 매력적이지 않았으며 호텔 숙박비 할인을 선호했다. 또한 고객들은 카지노 인근에 사는 사람들이었는데, 이들은 호텔에 숙박하지 않아 보상으로 카지노 칩을 선호했다.

셋째, 분석 결과를 회원들의 충성도를 높이기 위한 마케팅 정책에 적극적으로 활용한 것이었다. 구체적으로 회원들을 인구통계변수와 지출 이력을 바탕으로 무려 80개의 이질적인 집단으로 구분한 뒤 각 집단의 특성에 적합하도록 차별적으로 마케팅을 했다. 예를 들면 슬롯머신을 주로 이용하는 회원들에게는 그들이 선호하는 슬롯머신을 파악해 배치를 바꾸거나, 방이 꽉 차는 휴가철에도 예약을 늦게 하는 하이 롤러의 특성을 고려해 그들을 위한 방을 미리 빼두는 식이었다.

또한 개인이 도박을 하고 있는 중에도 필요한 경우에는 개개인에게 실시간으로 대응했다. 가령 개개인이 잃고 따는 금액을 실시간 추적하다가 어떤 개인이 그의 인내 한계점, 즉 총 잃은 금액이 도박을 중지하도록 만드는 액수에 가까워지게 되면 직원이 접근해 공짜 식사나 쇼 티켓을 무료로 제공해 기분을 누그러뜨리고 계속 호텔에 머물도록 유도하는 식이었다. 그리고 직원들에 대한 인센티브나 성과급도 그들이 창출한 매출이 아니라 그들이 봉사했던 고객들의 만족을 기반으로 산정했다.

넷째, 가장 중요한 요인은 러브먼이 해러스에 분석 지향적인 조직 문화를 성공적으로 구축한 것이었다. 예로 러브먼은 직원들에게 “그냥 그렇게 생각하는 것인가, 아니면 데이터 분석을 통해 알아낸 것인가?”라는 질문을 자주 던진다. 계획이나 전략에 관한 아이디어를 제시하는 직원은 누구나 이를 뒷받침하는 데이터 분석에 입각한 증거를 제시해야만 했다. 심지어 러브먼은 “우리 회사에서 해고되는 사유는 3가지다. 절도, 성희롱, 근거가 되는 데이터 없이 말하는 것”이라고 역설한 것으로 유명하다.

게리 러브먼을 영입한 후 고객들이 해러스에서 도박에 지출하는 돈은 약 40퍼센트가 증가했으며, 영업이익도 평균 27퍼센트나 늘었다. 특히 2003년에서 2006년 사이 해러스의 주식 가격이 14달러에서 85달러로 약 6배나 폭증했다. 또한 2005년에는 업계 라이벌 시저스를 인수한 뒤 인지도를 고려해 기업명을 시저스엔터테인먼트로 바꾸었다. 현재 시저스는 미국의 13개 주에 26개 카지노를 운영하고 있고, 세계적으로는 7개국에서 51개 카지노를 운영 중인 세계 최대 카지노 그룹이다.



빅데이터와 디지타이징 비즈니스



데이터를 어떻게 구분할 것인가?



디지타이징 비스니스의 유형을 설명하기 전에 우선 기업 내에서 수행되는 데이터 분석을 심층적으로 구분해보자. 기업이 경쟁우위를 확보ㆍ유지하기 위해서는 데이터 분석을 통해 효율을 1~2퍼센트 향상시키거나 비용을 1~2퍼센트 감소시키는 현명한 의사결정을 해야 한다. 그렇게 하려면 사업과 관련된 6가지 근본적인 질문에 대한 인사이트를 데이터 분석에서 추출해야 한다. 이런 데이터 분석을 하지 않는 기업은 그동안의 경험과 직관을 바탕으로 무슨 일이 일어나고 있는지 추측하는 수준에 그치고 만다.

문제에 대한 관찰과 보고에서 최적화 단계로 올라갈수록 분석의 난이도는 높아지지만, 분석 결과에서 얻을 수 있는 인사이트와 그에 따른 경쟁우위의 수준도 높아진다. 사실 이 6가지 질문은 과거, 현재, 미래 시점에 입각한 분석으로 분석의 연장선 측면에서 볼 때 단계적으로 수행되는 특성을 갖는다. 즉 과거 데이터를 탐구해 무슨 일이 왜 일어났는지에 대한 모델링과 검증이 없이는 현재에 벌어지는 이상을 조기 탐지하거나, 미래를 예측할 수 없다.

한편 기업에서 수행하는 데이터 분석의 목적은 연구자에 따라 다양하게 구분된다. 예를 들어 사업적 의사결정 지원, 비용 절감, 시간 절약, 새로운 제품 개발과 서비스 제안으로 구분하기도 하고, 생산성 향상, 문제 해결, 의사결정 향상, 새로운 가치 창출로 구분하기도 하며, 비용 절감, 수율 향상, 매출 증대, 효과적인 의사결정으로 나누기도 한다.

그리고 데이터 분석을 구체적으로 시작하려면 우선 기업 내부에 어떤 데이터가 있는지 확인해야 한다. 명확히 정의된 어떤 데이터가, 어느 기간만큼, 어느 정도 정제되어 있는지, 품질은 좋은지 등을 점검하는 것이 중요하다. 또한 기존에 POS(판매시점 정보관리), CRM(고객관계관리), ERP(전사적자원관리) 등을 통해 보유하고 있는 데이터 외에도 센서나 전자태그(RFID) 등을 활용해 어떤 데이터를 추가로 수집할 수 있는지도 확인해야 한다. 내부 데이터와 다양한 원천에서 제공되는 외부 데이터를 합치면 더 높은 수준의 인사이트를 추출할 수 있다. 그러므로 내부 데이터와 관련된 어떤 외부 데이터가 획득이 가능하고, 이를 어떻게 내부 데이터와 ‘매시업(mash up)’할 수 있는지도 확인해야 한다.