돈이 되는 빅데이터,
언제까지 전문가에게 맡길 것인가?

빅데이터가 본격적으로 부각된 2008년 이후로 10년이 넘게 시간이 흘렀다. 이제는 모든 곳에서 빅데이터를 이야기한다. 한국판 뉴딜 정책 중 하나로 ‘데이터 댐’ 계획이 2020년에 발표되기도 했다. 하지만 우리가 진짜 빅데이터를 제대로 알고, 제대로 사용하고 있는 것일까? 혹시 데이터를 취합한 보고서의 결론을 확인했으니, 그걸로 빅데이터를 이용한 것이라 착각하고 있는 것은 아닐까? 아니면 전문가에게 맡겼으니 어려운 용어나 컴퓨터 때문에 머리 아플 일이 없다고 외면하고 있지는 않을까?
과장이 아니다. 진짜로 세상은 이미 데이터로 지배되고 있다. 더군다나 데이터가 없으면 물건도 살 수 없다(예를 들어 온라인 쇼핑몰에서 배송주소를 입력하는 것이 그렇다). 『돈이 되는 빅데이터 읽기』에 나오는 기업들은 그렇게 규모가 크지 않다. 전 세계를 대상으로 하는 구글, 넷플릭스, 페이스북 규모의 빅데이터를 얘기하는 것이 아니다.
중요한 건 기업의 규모가 크든 작든, 자신이 큰 기업을 운영하든 동네의 옷가게를 운영하든 데이터가 필수인 시대에 살고 있다는 것이다. 이런 세상에서는 전문가가 아니라도 데이터를 써먹을 수 있는, 혹은 전문가를 고용해도 그들이 무엇을 하는지 바로바로 이해할 수 있는 빅데이터 활용법을 알고 있어야 한다. 이 책은 빅데이터 세계를 헤매는 그런 이들을 위한 것이다.

 

지금 시대는 과거의 경험에만 의존하는 감이 아닌
데이터로 움직이는 세상이다!

빅데이터란 단어도 이제 낯설지 않아졌다. 체계적인 시스템이 있든 없든지 간에, 가지고 있는 데이터 양이 많든지 적든지 간에, 거의 모든 기업(동네 치킨집이나 커피숍까지 포함해서)이 데이터를 기반으로 운영된다. 테이크아웃 커피숍 쿠폰도 이제 스마트폰으로 찍는 시대다. 이런 시대에서는 ‘빅데이터 시스템을 어떻게 구축할 것인가’보다는 ‘빅데이터를 어떻게 잘 이용할 것인가’가 관건이다.
데이터를 잘 이용하려면 어떻게 해야 할까? 전문가를 데려오고 외부 전문 업체에게 의뢰해야 할까? 아니면 시간이 걸리더라도 내부에 전문 인력을 양성해야 할까? 누군가를 모셔오든 키우든, 빅데이터 혹은 데이터 과학을 잘 아는 사람이 있어야 한다. 하지만 안타깝게도 모든 기업이 페이스북처럼 할 수는 없는 법이다.
특별한 기술이나 엄청난 비용을 들여서 기업에 빅데이터 시스템을 구축하면 21세기에 걸맞는 기업이 될 수 있을 것이다. 하지만 정리된 시스템이 없어도, 100% 온라인 기반 기업이 아니라도 작은 커피숍부터 큰 기업까지 데이터는 쌓이는 법이다. 큰 기업은 멤버십카드나 온라인 주문을 통해, 작은 커피숍은 온라인 쿠폰 등을 통해서 쌓는다. 다만 그게 데이터라고 인식하지 못하고, 이용할 생각을 하지 않을 뿐이다.
완벽하게 준비해야만 데이터 기반 기업이 되는 것은 아니다. 생각해보면, 넷플릭스도 시작은 DVD를 우편으로 대여하는 사업이지 않았는가? 어느 정도의 지식과 마인드와 요령만 있다면, 이미 가지고 있는 데이터로도 기업을 이익을 늘릴 수 있다. 특히 소매업체라면 소비자가 원하는 것을 재빨리 상품으로 내놓을 수 있을 것이다. 왜냐하면 21세기에는 과거의 영광에 매달리는 올드한 감각에 의존하는 전략이 더 이상 통하지 않기 때문이다.

데이터가 지배하는 세상에서 어떻게 돈을 벌 것인가?
넘쳐나지만 아직은 쓸모없는 빅데이터를 활용하는,
비전문가도 바로 써먹는 데이터 기술의 모든 것!

『돈이 되는 빅데이터 읽기』의 목적은 간단하다. 데이터로 가능한 일이 무엇인지 알아보고, 데이터 분석 기술이 어떻게 수익을 창출하는지 사례를 살펴보고, 데이터를 통해 실험해볼 수 있는 간단한 방법을 알려주는 것이다. 이것을 위해 전문가급으로 공부를 할 필요는 없다. 데이터를 써먹기 위한 최소한의 용어와 요령만 알면 된다. 이 책을 읽음으로써 당신이 혹은 당신이 속한 기업이 보유한 데이터를 점검하고, 데이터로 할 수 있는 일을 찾으며, 실질적으로 이익의 변화를 이끌어낼 단서를 찾을 수 있을 것이다.
이 책은 3개 파트와 16개 챕터로 이루어져 있다. 파트 1은 데이터 분석에 대한 것이다. 보유한 데이터로 할 수 있는 일, 데이터 분석을 수익으로 전화시킬 수 있는 방법, 분석 기술의 종류를 다룬다. 그리고 현실에서 데이터를 다룰 때의 유의점을 정리한다.
파트 2는 데이터 수집에 대해 다룬다. 기업이 이미 가지고 있는 데이터가 무엇이며, 그것으로 무엇을 할 수 있는지 이야기한다. 고객 이외의 다른 유형 데이터, 즉 재고, 점포, 기업 성과 관련 데이터도 정리한다. 또 기업 밖에서 생성되는 데이터인 고객만족도 조사, 순추천고객지수도 알아본다.
파트 3은 기업의 중심에 데이터를 구축하는 방법을 검토한다. 그것이 기존에 해오던 방식을 뒤엎고 기업 문화를 크게 변화시킬 수 있음도 경고한다. 그렇지만, 상당히 힘든 일이지만, 데이터 중심 기업으로 전환해야만 변화하는 시대에서 실질적인 수익을 얻을 수 있음을 알려준다.

모든 기업이 데이터에 집중하는 데는 그만한 이유가 있다. 오로지 온라인 사업만 하는 기업은 최신 기술과 많은 비용이 드는 점포나 쓸모없는 투자에서 자유롭다. 이러한 기업의 도약으로 기존 소비자 기업은 전 세계적으로 엄청난 도전에 직면한다. 신생 온라인 기업이 가진 다른 이점들이 충분하지 못한 것 같지만, 온라인 기업은 데이터가 넘쳐난다. 왜냐하면 온라인 기업에 이메일 주소와 실제 주소를 제공하지 않고는, 온라인으로 산다는 행위가 불가능하기 때문이다. 온라인 기업은 자연스럽게 고객 데이터베이스를 획득한다. 그리고 온라인 기업은 당연하게도, 이런 데이터의 이점을 무자비하게 활용해 예측 모형을 구축하고 통찰을 얻는다. 그래서 일반적인 경쟁 업체보다 개별 고객이 조금 더 소비를 하도록 촉진시킬 수 있다.
_서문

기업이 데이터를 다룬다는 것은, 어떻게 데이터에서 수익을 창출하는지 파악하려 애쓴다는 의미다. 데이터를 다룰 때, 헤드라인에 나온 통계를 피하는 다른 방법은 없다. …(중략)… 업계에 분석 전문가가 정말 있을까? 누가 이 모든 데이터를 분석하고 우리에게 결론을 간단히 전달할까? 아마도 있을 것이다. 데이터를 캐묻는 방법에 스스로 친숙해질 때 한 가지 장점이 있다. 분석 전문가가 수행하는 업무를 더 쉽게 이해하고, 분석 전문가에게 더 수준 높은 질문을 할 수 있다는 것이다. 또 다른 장점은 데이터와 친숙해질수록 기업이 평균에 속아 흔히 저지르는, 값비싼 실수를 더 많이 피할 수 있다는 것이다. 데이터를 분석하는 여정을 계속하기 전에, 다음 장에서 매우 전형적인 실수 한 가지를 짚어보려고 한다. 아마 남 일 같지 않아서 읽으면서도 편하지는 않을 것이다.
_Chapter 1 데이터 분석을 위한 몇 가지 유용한 개념

마케팅 커뮤니케이션 관점에서 세분화 연습은 더 이상 유용하지 않다. 그렇더라도 기업의 생각이나 다른 소외된 부분을 발전시키는 데는 유용한 요소가 될 수 있다. 가능한 한 해당 세그멘트를 보고에 포함시켜, 고객이 서로 어떻게 다른지 앞에서 관찰할 수 있을 것이다. 뿐만 아니라 다른 세그멘트가 다른 시장 움직임이나 전략적 행동에 어떻게 반응하는지 추적하는 것도 가능하다.
_Chapter 4 모두가 똑같지는 않다

구축할 모형이 무엇이든지, 사업 전반에서 중요한 단계 몇 가지를 미리 생각해봐야 한다. 예측 모형을 구축하는 것은 단지 데이터 분석팀만의 업무가 아니고, 데이터 분석팀도 그저 학구적으로 연습하는 게 아니다. 다른 팀도 고려해야 한다. 먼저 당신의 팀이 분석 전문가와 함께 논의할 의제는 분명하다. 예측할 수 있는 유용한 무언가를 찾을 수 있을까? 이 논의를 시작하기 전에, 기업이 성공하는 데 필요한 핵심 작업을 고려해야 한다. 그리고 어떤 데이터 모형이 훌륭하게 다음을 예측하는 데 도움을 줄지 스스로에게 물어보자.
_Chapter 5 미래를 예측하는 과학

시나리오에서 사용하는 브라우저와 휴대전화 광고 클릭에 대한 2가지 통계는 독립적이지 않은 대신 함께 치우쳐 있다. 사용하는 브라우저를 아는 것이 단서다. 당신이 크롬을 사용한다면, 휴대전화 광고에 더 긍정적으로 반응하리라 결론 내릴 수 있다. 흥미롭게도 이런 상관관계는 일종의 누적 품질을 갖는, 즉 더 많은 데이터가 축적될수록 결과가 좋아진다. 그래서 웹사이트 방문 기록, 어떤 정보로 당신이 휴대전화 구매자가 되는지 등 여러 가지 정보를 알면 당신에 대해 점점 더 확신할 수 있게 된다. 어쩌면 기술 관련 기사를 읽는 웹사이트 방문자가 휴대전화를 살 가능성이 더 높을지도 모른다.
_Chapter 7 확률은 얼마나 될까?

그러나 가장 놀라운 점은 ‘고객과 연결시킬 수 있는 거래 비중’ 수치가 다양한 범위에 있다는 것이다. 이는 다른 기업과 비교할 때 알 수 있다. 나는 매장을 기반으로 한 소매업체와 일을 한 적이 있다. 이 업체는 거래의 70~80%를 인식할 수 있지만, 비슷한 업종의 다른 소매업체는 20% 미만이었다. 이 차이는 대단히 중요하다. <파트 1>에서 본 여러 종류의 모형과 세분화 모형을 구축하는 능력은 데이터 보유량에 제한될 것이다. 데이터 보유량이 많은 최상위권 업체는 모형을 구축할 수 있지만, 최하위권 업체는 어쩌면 거의 불가능할 수도 있다.
_Chapter 9 먼저 고객부터 시작하라

전사적으로 책임과 의무에 대해 주의 깊게 생각하자. 누가 데이터 또는 데이터 분석 변경 프로그램을 소유하며 책임을 지는가? 다른 부서도 확실하게 이 변화를 진지하게 받아들이며 ‘다른 사람의 문제’라고 여기지 않도록, 다른 부서의 책임과 의무, 직무 기술서를 어떻게 변경할 수 있을까? 각 주요 부서에서 핵심 데이터팀과 함께 일하는, 데이터 중심 사고방식을 갖춘 이를 임명할 수 있을까?
_Chapter 13 문화 충돌, 그리고 마음이 편안한 사일로

데이터 중심 기업이 되려고 결정한 뒤 직면하는 가장 큰 도전은 대부분 조직 차원의 문제다. 기업의 심장부(중심부)에 데이터를 모으기 위해 필요한 새로운 기술을 어떻게 습득할 수 있을까? 데이터 중심 기업에 도달하려면 어떤 프로젝트를 시작해야 할까? 프로젝트 초기 단계에 우리가 원하는 기술을 보유한 컨설턴트나 자문가나 외부업체와 일해야 한다면, 어떻게 일해야 할까?
_Chapter 15 자체 고용 vs 외부 고용, 어떻게 할 것인가?

서문

Part 1 수익을 창출하는 데이터 분석의 모든 것
1. 데이터 분석을 위한 몇 가지 유용한 개념
2. 우리 모두가 한 번쯤은 저지르는 실수
3. 고객 데이터 세트 세부사항 살펴보기
4. 모두가 똑같지는 않다
5. 미래를 예측하는 과학
6. 우산을 들었다고 비가 오는 것은 아니다
7. 확률은 얼마나 될까?
8. 현실 속 데이터 과학은 어떻게 시작해야 할까?

Part 2 가치 있는 데이터, 어디서 찾을까?
9. 먼저 고객부터 시작하라
10. 충성도 프로그램, 그 너머를 생각하라
11. 재고, 점포, 기업 성과도 검토하라
12. 기업 밖에서 보는 관점의 데이터도 검토하라

Part 3 데이터 중심 기업 구축하기
13. 문화 충돌, 그리고 마음이 편안한 사일로
14. 데이터 중심 기업으로 가는 가장 중요한 과정
15. 자체 고용 vs 외부 고용, 어떻게 할 것인가?
16. 데이터 중심 기업으로 변화하는 즐거움

이 책의 최종 결론
감사의 말