당신은 주제를 찾고 있습니까 “경영 빅 데이터 – [에듀빅] 경영빅데이터분석사 무료강의“? 다음 카테고리의 웹사이트 https://you.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: https://you.maxfit.vn/blog/. 바로 아래에서 답을 찾을 수 있습니다. 작성자 에듀빅 이(가) 작성한 기사에는 조회수 933회 및 좋아요 9개 개의 좋아요가 있습니다.
경영 빅 데이터 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 [에듀빅] 경영빅데이터분석사 무료강의 – 경영 빅 데이터 주제에 대한 세부정보를 참조하세요
본 영상은 에듀빅에 게시된 경영빅데이터분석사 강의 중
기초 또는 핵심 내용만 편집한 영상입니다🔖
전체강의는 에듀빅에서 수강가능합니다.
———————————————-
👇에듀빅 바로가기👇
https://www.edubig.co.kr
———————————————–
#에듀빅#경영빅데이터#경영빅데이터분석사#빅데이터#Edubig#자격증#빅데이터강의#빅데이터교육#자격증공부 #빅데이터분석기사
경영 빅 데이터 주제에 대한 자세한 내용은 여기를 참조하세요.
경영 빅데이터 분석사
경영 빅데이터 분석사 소개, 원서접수 및 자격증발급, 수험정보, 문제유형 등 제공.
Source: www.bigtest.or.kr
Date Published: 8/6/2021
View: 3321
기업 경영의 미래, 빅데이터 – LinkedIn
빅데이터는 통제된 환경에서 획득된 실험 데이터가 아닌, 비즈니스에서 활용하기 위한 목적으로 구축된 데이터다. 따라서 빅데이터를 활용하는 것은 …
Source: kr.linkedin.com
Date Published: 12/20/2021
View: 4050
빅데이터 경영, 선택 아닌 필수 ‘애물단지’ 데이터도 다시 보자
빅데이터 분석을 통해 의사 결정을 내리고 새로운 비즈니스 모델을 창출하는 ‘빅데이터 플랫폼 전략’은 이 시대 가장 중요한 경영 패러다임으로 떠올랐다.
Source: www.mk.co.kr
Date Published: 9/13/2021
View: 2273
빅데이터 환경과 경영의 새로운 패러다임 – 기술과혁신 웹진
빅데이터 환경과 경영의 새로운 패러다임 빅데이터는 구글과 같은 대용량 데이터를 다루는 기업들만의 이슈였다. 그러나 그 의미가 확대 재생성되고 있다.
Source: webzine.koita.or.kr
Date Published: 11/27/2021
View: 5218
빅데이터, 경영을 바꾸다(함유근, 채승병 지음 / 삼성경제연구소)
2 2부 빅데이터는 어떻게 경영을 바꾸는가? 2.1 3장 새로운 차원의 생산성 향상; 2.2 4장 ‘발견’에 의한 문제 해결; 2.3 5장 의사결정의 과학화와 …
Source: sites.google.com
Date Published: 1/24/2021
View: 2589
빅데이터 시대 기업경영의 필수 – ‘글로벌 정보경영전략(GIMS)’
빅데이터 시대 기업경영의 필수 ‘글로벌 정보경영전략(GIMS)’ 우리는 쏟아지는 정보 속에서 살고 있다. 21세기를 불확실성의 시대라고 전문가들은 흔히 말한다.
Source: dataonair.or.kr
Date Published: 2/27/2022
View: 3254
빅데이터, 의사결정 패러다임 바꾼다 | 경영일반 | DBR
경영 과학은 첨단 알고리즘과 데이터 분석 기술로 기업의 두뇌 역할을 하면서 경영학 … DARPA에서 실시한 빨간 풍선 찾기 실험은 빅데이터 시대의 새로운 패러다임의 …
Source: dbr.donga.com
Date Published: 6/28/2022
View: 5093
경영 빅데이터 분석사 2급 합격후기, 빅데이터 자격증에 관한 …
비전공자 경영 빅데이터 분석사 2급 찐 합격 후기. 4차 산업혁명의 유행으로 다양한 비전공자분들이 유입되고 있습니다. 아마 방문자님 또한?
Source: koreadatascientist.tistory.com
Date Published: 8/11/2022
View: 5867
산업경영·빅데이터공학
산업경영‧빅데이터공학전공 Industrial Management & Big Data Engineering Major. 4차 산업혁명을 선도할 창의적인 산업빅데이터 인재 양성.
Source: pite.deu.ac.kr
Date Published: 5/18/2022
View: 4501
경영 빅데이터 분석 – 알라딘
경영빅데이터 분석사 양성 과정의 책이며, 연습문제 및 정답 해설로 시험대비에 유용한 수험서다. 한국경제신문 경영 빅데이터 분석 공식 수험 교재 …
Source: www.aladin.co.kr
Date Published: 5/5/2021
View: 9206
주제와 관련된 이미지 경영 빅 데이터
주제와 관련된 더 많은 사진을 참조하십시오 [에듀빅] 경영빅데이터분석사 무료강의. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
![[에듀빅] 경영빅데이터분석사 무료강의](https://i.ytimg.com/vi/JvEmpzx86J8/maxresdefault.jpg)
주제에 대한 기사 평가 경영 빅 데이터
- Author: 에듀빅
- Views: 조회수 933회
- Likes: 좋아요 9개
- Date Published: 2021. 3. 25.
- Video Url link: https://www.youtube.com/watch?v=JvEmpzx86J8
기업 경영의 미래, 빅데이터
빅데이터는 통제된 환경에서 획득된 실험 데이터가 아닌, 비즈니스에서 활용하기 위한 목적으로 구축된 데이터다.
따라서 빅데이터를 활용하는 것은 철저히 영리 및 비영리기관이 가지고 있는 고객, 상품, 서비스, 운영, 인사 등 이슈를 해결하는 것에 초점이 맞춰져 있다.
그렇다면 빅데이터 분석은 기존에 알고 있던 통계적 분석, 고객관계관리(CRM) 등과 어떤 차이점이 있을까?
수학은 데이터들의 완벽한 관계를 추구하고, 통계학은 데이터들의 관계를 살펴볼 때 조금의 오차는 인정하더라도 관계를 단순화해 유의미한 차이나 공통점을 찾는 데 관심을 둔다.
반면, 빅데이터는 분석적 접근에서는 통계학과 유사하지만 매일 쏟아져 나오는 대용량의 데이터를 기존 처리 방식이나 분석으로는 감당할 수 없어 기계학습을 활용해 시스템적으로 데이터를 처리하고 모델을 수시로 수정하고 업데이트하는 과정을 수반한다. 이 점이 기존 접근 방법과 다르다.
1.빅데이터와 고객 경험
1.1 고객이 우선(Customer First)
일반적으로 기업들은 매주 월요일 회의를 열고 지난주의 매출 성과를 분석하고 개선안을 도출하며 실행한다. 문제는 매출 분석에만 집중한 나머지 고객에 대한 상세한 분석은 없다는 데 있다. 현장에서 만난 한 기업 관계자는 회의 순서를 마케팅, 상품, 운영, 온라인 등 각 부서별로 순차적으로 진행하는 방법이 아니라 고객을 중심에 두고 각 사업부별로 관리하는 고객에 대한 핵심성과지표(KPI)를 발표했다. 고객 상승 및 하락 원인을 데이터 자료로 발표하고 개선안을 도출했다. 또 다른 기업은 상징적인 의미로 회의석 한 자리를 ‘고객’의 자리로 비워 두어 최고경영자CEO의 의지를 직원들에게 보이기도 했다. 이러한 변화를 통해 빅데이터를 분석하고 활용하는 것이 데이터 담당 부서의 전유물이 아니라 모든 부서에서 활용해야 하는 자료로 바꾸어 나갈 수 있다. 당연히 그 결과는 긍정적인 고객 경험 향상으로 연결된다.
1.2 디지털 전환(Digital Transformation)
기업 관점에서 디지털 전환의 가장 큰 혜택은 모든 것을 측정 가능한 데이터 형태로 바꾸어 준다는 데 있다. 빅데이터는 이 과정에서 자연스럽게 수집되는 부산물이다.영국의 유통업체 테스코(Tesco)와 호주의 슈퍼마켓 및 식료품 체인 울워스(Woolworths)는 스푼 구루(Spoon Guru)라는 스타트업이 제공하는 디지털 상품 정보를 바탕으로 고객 경험을 향상시켰다. 스푼 구루는 상품 포장지에 붙어 있는 이미지 정보를 디지털화해 그 상품 속성 정보를 빅데이터 분석을 위한 기초 자료로 활용하도록 구축했다. 검색 필터를 도입한 후 매출 기여도는 6% 상승했고, 순매출은 1.6~2.1% 증가한 것으로 보고되었다. 즉, 소비자들이 상품을 검색하고 구매할 때, 빅데이터로 분석한 개인화된 상품 추천은 즐거운 고객 경험과 연결되어 재방문이나 로열티 지수를 높이는 데 기여한다고 할 수 있다.
1.3 시도하고 또 시도하라
<빅데이터는 어떻게 마케팅의 무기가 되는가>라는 책을 보면 “작은 시도를 반복해 혁신으로 연결하자”는 말이 있다. 빅데이터는 기계학습을 적극적으로 활용한다. 고객 경험을 향상시키기 위해 빅데이터를 활용하는 것은 크게 ‘예측’과 ‘개인화된 추천’으로 분류된다. 일반적으로 기계학습에서 ‘예측’은 목표 변수가 있을 때 그 정확도를 높이기 위해 사용한다. 쿠폰을 제공해 방문 가능성을 예측하는 것이 대표적이다. ‘개인화된 추천’은 유사한 성향을 보이는 고객들을 세분화해 새로운 상품이나 콘텐츠를 추천하는 것이다. 넷플릭스의 전략이 대표적이다.
빅데이터가 기존 CRM과 다른 점은 수많은 REPORT시도를 통해 수집한 데이터를 다시 학습에 활용해 더 좋은 결과를 가지기 위해 다음 시도에 적용하는 데 있다. 따라서 빅데이터를 잘 활용하기 위해서는 지속적으로 시도해야 하고 이런 방법을 권장하는 조직문화가 병행되어야 한다.
2. 중소기업이 빅데이터를 활용하는 방법
고객은 데이터를 남긴다. 그 데이터에는 미처 파악하지 못한, 그러나 알고 싶은 고객 경험에 대한 내용이 숨겨져 있다. 이에 대한 객관적인 정형·비정형 데이터 분석이 수반되어야 기업은 더 나은 고객 경험을 제공할 수 있고 지속 가능한 기업으로 성장할 수 있다.
2.1 실행할 사람이 더 중요
빅데이터 프로젝트를 진행하다 보면 항상 ‘사람, 시간, 돈이 부족하다’고 느낀다. 성공적인 빅데이터 도입과 활용을 위해서는 반드시 현업 담당자의 참여가 필요하다. 대부분 기존 업무를 하면서 부가적으로 빅데이터 프로젝트에 참여하는데, 이 경우 나중에 활용하지도 못하는 결과를 내거나 단발성으로 끝나 지속적으로 빅데이터를 활용하지 못하게 된다. 중소기업에서 작게나마 빅데이터를 도입해 성공 사례를 맛보기 위해서는 현업에서 필요로 하는 단기적 이슈를 발굴하고 이를 해결하는 과제에 빅데이터 분석 결과를 적용하는 것이 좋다. 정형·비정형 데이터에 대한 빅데이터 분석을 위해 많은 기업들이 시스템 도입을 검토하지만 비용이 높아 엄두를 내지 못한다. 빅데이터 분석은 대용량 서버와 소프트웨어를 통해서뿐만 아니라 개인용컴퓨터PC에서도 가능하다. 데이터 크기가 아니라 데이터 분석 결과를 바탕으로 한 실행력이 중요하다. 즉, 실행을 위한 사람에 투자해야 한다.
2.2 공공데이터 가공, 융·복합 데이터 활용
많은 현업 분석 담당자들이 막상 데이터를 활용하려고 하면 쓸 만한 데이터가 없다고 말한다. 이에 대한 해답으로 2가지 방법을 제안한다. 하나는 공공데이터 포털(www.data.go.kr)을 활용하는 방법이다. 정부는 데이터 산업을 육성하기 위해 많은 데이터를 공개하고 있다. 이 공공데이터를 가공해 비즈니스 모델을 만들 수 있다. 또 하나는 기업 간 데이터를 융·복합해 새로운 활용 방안을 모색하고 비즈니스 가치를 상승시켜 보는 방법이다. 최근 정부에서 플랫폼과 센터 사업자를 중심으로 한 데이터 생태계 조성에 지원하고 있다. 플랫폼 사업자와의 데이터 결합 또는 센터들 간 데이터 결합 등을 통해 더 다양한 데이터를 생산할 수 있다. 이를 바탕으로 새로운 고객 경험을 제공하는 기업들이 등장할 것으로 예상한다. [감사합니다.]
빅데이터 환경과 경영의 새로운 패러다임
빅데이터 환경과 경영의 새로운 패러다임
빅데이터는 구글과 같은 대용량 데이터를 다루는 기업들만의 이슈였다. 그러나 그 의미가 확대 재생성되고 있다. 일반 기업들도 구글의 분석과 같은 대용량 데이터 분석을 통해 기업의 새로운 기회를 포착하고 더 나아가 기업의 역량으로 승화시킬 수 있는 길이 열렸기 때문이다.
기업들이 데이터의 가치를 재조명하기 시작했고 한발 더 나아가 전문가가 아니더라도 대용량 데이터를 저장하고 분석할 수 있는 기술과 환경이 속속 등장하고 방대한 정보를 모으고 함께 분석하는 가치가 새롭게 부상하면서 빅데이터가 화두로 떠오르게 되었다.
시간은 2054년 워싱턴 DC. 살인사건이 일어날 찰나 ‘범죄예방수사대’ 소속 경찰들이 들이닥쳐 범인을 체포하고 인명을 구한다 1) . 바로 ‘프리크라임 시스템(Precrime)’이 작동한 결과이다.
( 1) 마이너리티 리포트와 구글 검색의 내용은 필자의 저서 「경영학콘서트」에서 일부 발취하였다.)
이처럼 ‘범죄예방수사대’는 가까운 미래의 범죄를 예측할 수 있는 프리크라임이란 시스템을 이용해 사건이 일어나기 전 현장을 덮쳐 범죄로부터 시민을 보호한다.
2002년 개봉한 스티븐 스필버그 감독의 영화 <마이너리티 리포트>이야기다. 실타래처럼 엉킨 복잡한 이 영화의 플롯은 바로 미래의 범죄를 예방하는 시스템인 ‘프리크라임’에서 출발한다.
유전공학 실험의 우연한 부산물로 살인 예지능력이 있는 초능력자들이 탄생하고, 미국 정부는 이들을 이용해 범죄예방수사대를 발족해 범죄를 미연에 방지한다.
이 같은 사전 예지능력이 영화에서처럼 먼 미래에나 가능한 이야기일까? 놀랍게도 이미 예지능력을 가진 존재들이 우리의 생활에 깊숙이 들어와 우리 일상을 바꿔 놓고 있다. 마치 <마이너리티 리포트>에서 프리크라임이 범죄율을 90%나 낮춘 것처럼 말이다.
현대의 미래를 예측한 예지력의 놀라운 사례를 알아보자.
오바마 정부의 예측 실패 사례
2009년, ‘경제 재건’과 ‘새로운 미국’이란 슬로건을 내걸고 출범한 오바마 정부. 정부 부처에 엘리트를 포진시켜 정책 입안과 운영 혁신을 추진하겠다던 오바마 정부가 그해 여름 난처한 상황에 봉착했다.
경제위기 극복과 친환경 정책의 일환으로 실행한 ‘노후차량 보상 프로그램(Cash for Clunker)’의 예산이 실행 한달 만에 바닥나버린 것이다.
노후차량 보상 프로그램이란 연비가 낮고 대기오염에 주범인 노후차량을 폐기하고 새 차량을 구입할 경우, 정부가 대상자에게 최고 4,500달러까지 지원하는 프로그램이다.
예를 들어 포드사의 1998년형 중형차 토러스를 중고시장에 팔아봐야 기껏 2,000달러 남짓 받을 수 있지만 2) 이 차량을 폐기하고 새 차량을 구입하면 정부로부터 최대 4,500달러까지 신차 구입비용을 지원받을 수 있다. 새 차 구입을 망설였던 사람에게는 군침 도는 제안이다.
( 2) 미국 중고차 시세 사이트 Edmunds.com)
정부의 목적은 이산화탄소를 대량 배출하는 노후차량을 폐기함으로써 환경 개선을 도모하고 동시에 자동차 구매수요를 높여 경제위기로 어려움에 처한 자동차 업계를 돕는 것이었다.
2009년 7월 1일부터 같은 해 11월 1일까지 4개월 동안의 시행을 목표로 미국 정부는 10억 달러의 예산을 편성했다. 정부 내 경제학자들과 정책연구가들은 이 정도 예산이면 넉 달 동안의 실행에 문제가 없다고 예상했던 것이다.
처음 정부가 이 프로그램을 계획할 때는 그리 낙관적으로 보지 않았다. 경제위기로 많은 사람들이 지갑을 열지 않는 상황에서 과연 새 차를 구입하려 할까 하는 우려 때문이었다.
하지만 막상 뚜껑을 열자마자 정부의 예상과는 정 반대의 결과가 나타났다. 많은 사람들이 새 차를 구입할 절호의 기회라며 앞 다퉈 딜러에게 달려가 차량을 구입한 것이다. 결국 10억 달러의 예산은 한 달 만에 동나고 7월 말 의회는 추가로 20억원의 긴급 추가예산을 편성하기에 이르렀다.
노후차량 보상 프로그램의 호응도가 기대 이상이어서 목표했던 자동차 업계의 매출 향상은 달성했지만 그렇다고 정부가 춤추며 기뻐할 상황은 아니었다. 오히려 그 반대였다. 이 프로그램의 빗나간 호응도 예측과 이로 인한 충분치 못한 예산편성으로 국민들은 경제정책 계획 신뢰도를 의심하기 시작했다.
이에 대한 오바마 정부의 해명은 간단했다. 대공항 이후 한 번도 겪어 보지 못한 최악의 경제위기 상황에서 올바른 예측은 불가능하다는 것이었다. 경제학자들도 정부의 해명에 큰 이견을 보이지 않았다. 대부분 예측이 과거 데이터를 바탕으로 이뤄지는데 이와 같은 대규모 경제위기는 처음이라 정확히 예측하기가 힘들다는 것을 잘 알기 때문이었다.
그런데 정말 그럴까? 과연 한 번도 겪어보지 못한 사실에 대한 정확한 예측은 전혀 불가능할까? 오바마 정부가 처음 노후차량 보상 프로그램을 발표하고 10억 달러의 예산을 책정했을 때, 한 달이면 이 10억 달러는 바닥날 것이라고 정확히 예측한 이들이 있었다. 바로 구글이다 3) .
( 3) ‘At Gov 2.0 Conference, Web 2.0 Comes to Washington’ Washington Post(2009.9.9))
경제 엘리트들이 포진한 미 정부도 예측하지 못한 노후차량 보상 프로그램의 호응도를 구글은 어떻게 정확하게 예측할 수 있었을까? 그렇다면 유수한 경제 관료와 학자들도 예측하지 못한 자동차 수요 예측을 구글은 어떻게 한 것일까? 바로 빅데이터 분석이다.
빅데이터의 패러다임
빅데이터란 구글의 검색어와 같이 다양한 곳에서 시시각각 유입되는 엄청난 양의 데이터를 의미한다. 이러한 빅데이터의 의미는 구글이나 야후와 같이 일반 대량의 데이터를 다루던 기업들이 실시간으로 유입되는 엄청난 데이터의 저장, 전송, 그리고 분석을 고민하면서 생긴 기술적인 용어다.
앞의 구글이 노후차량 보상 프로그램의 호응도를 예상한 것도 바로 실시간으로 유입되는 검색어 데이터 패턴을 통해서다. 이 보상 프로그램에 관한 계획이 발표되자 구글 검색창에 관련 검색어 검색이 폭등했다.
구글은 이를 바탕으로 호응도를 정확히 예측할 수 있었다. 사람들이 정보를 검색할 때 쓰는 검색어와 검색 패턴으로 관심도를 추출할 수 있는 기술력을 가진 구글로서는 이 프로그램의 호응도를 예측하는 건 그리 어려운 일이 아니었다.
불과 몇 년 전까지만 하더라도 이러한 빅데이터는 구글과 같은 대용량 데이터를 다루는 기업들만의 이슈였다. 그러나 그 의미가 확대 재생성되고 있다. 일반 기업들도 구글의 분석과 같은 대용량 데이터 분석을 통해 기업의 새로운 기회를 포착하고 더 나아가 기업의 역량으로 승화시킬 수 있는 길이 열렸기 때문이다.
기업들이 데이터의 가치를 재조명하기 시작했고 한발 더 나아가 전문가가 아니더라도 대용량 데이터를 저장하고 분석할 수 있는 기술과 환경이 속속 등장하면서, 방대한 정보를 모으고 함께 분석하는 가치가 새롭게 부상하면서 빅데이터가 화두로 떠오르게 되었다.
이러한 새로운 트랜드에 맞춰 과거 전문가들 사이에서만 통용되던 ‘빅데이터’의 정의도 확대되고 있다. 과거 특정 용량 이상이나 기존 데이터베이스로 처리가 불가능한 양의 데이터를 빅데이터라 칭하는 의미도 기술혁신에 맞춰 다시 정의되어야 했다.
새로운 데이터 처리기술의 개발로 어제는 처리 못하던 용량의 데이터가 내일은 처리 가능하다면 어제의 빅데이터를 오늘에는 일반데이터로 칭해야 된다는 모순이 생긴다. 이처럼 나날이 속속 신기술이 선보이는 세상에서 어느 특정요량을 구분해 빅데이터냐 일반데이터냐를 구분하는 것은 의미가 없다.
그렇다면 요즘 부각되고 있는 빅데이터의 의미는 무엇인가? 바로 현대 데이터 시대를 바로보는 새로운 패러다임이 바로 빅데이터가 의미하는 바다.
과거 패러다임에서는 우리가 내리는 의사결정에 필요한 데이터는 늘 부족하다는 가정을 담고 있었다. 즉 정확한 데이터가 부족해서 좋은 결정을 내리기 어렵다는 것이었다.
그러나 빅데이터의 패러다임에서는 이러한 의사결정의 기본 가정이 변화하고 있다. 바로 우리가 필요한 정보는 원하면 언제든지 큰 비용을 지불하지 않고도 얻을 수 있다라는 것이다.
IT 기술과 휴대폰과 같은 개인용 휴대기기 그리고 트위터나 페이스북과 같은 소셜네트워크 서비스의 발달로 정보량은 폭등하고 있다. CCTV와 요즘 유행하는 자동차 블랙박스는 내 주변의 모든 상황을 영상정보로 담고 있다.
또한 기업운영에 모든 발자취는 기업 내 데이터베이스에 저장되고 고객이 어떤 물건을 어느 매장에서 어떤 다른 상품과 함께 구매한다는 내역까지 일일이 저장되고 있다. 이제 더 이상 정보가 부족해 의사결정을 못내린다란 의미는 사라지고 있다.
이러한 새로운 빅데이터 패러다임에 맞춰 그저 쌓아놓기만 했던 고객들의 주문 정보를 유통사들이 분석하기 시작했고, 카드사들도 카드회원 고객들의 구매 패턴에 관심을 기울이기 시작했다.
교통 물류 기업들도 상품의 이동 경로와 여행객들의 이동경로가 상당한 기회를 줄 수 있다는 사실을 파악했으며, 광고회사도 개개인의 취향을 파악하면 고도화된 광고전략을 세우고 과거 상상도 할 수 없었던 광고 효과를 얻을 수 있다는 확신을 갖기에 이르렀다.
빅데이터, 경영을 바꾸다(함유근, 채승병 지음 / 삼성경제연구소)
1부 빅데이터의 시대가 온다
* 빅데이터 활용 사례 – 타깃(미국 할인매장)의 임신 예측 시스템: 임산부들의 특이 구매 패턴을 찾아내는 예측 모형을 가동해 임신, 육아용품 광고를 보냄 – 마이크로소프트사 연구소에서 빅데이터를 활용해 울혈심부전증 예측 모형을 개발하여 건강관리 비용을 줄임
1장 왜 빅데이터에 주목하는가?
* 빅데이터 급부상
– 2012년 세계경제포럼에서 ‘빅데이터’를 국제 개발의 새로운 가능성을 여는 중요한 기술 중 하나로 지목
– 12년 3월 29일 미국 백악관 과학기술정책실(OSTP : Office of Science and Technology Policy)에서 미국의 빅데이터 역량을 강화하기 위한 범정부적인 연구개발 계획 발표
* 빅데이터의 세 가지 특징(3V)
1. 규모 (Volume) : 수 테라바이트 ~ 수 페타바이트
2. 다양성 (Variety) : 비구조적 데이터 증가
3. 속도 (Velocity)
* 빅데이터란?
– 빅데이터란 보통 수십에서 수천 테라바이트 정도의 거대한 크기를 갖고, 여러 가지 다양한 비정형 데이터를 포함하고 있으며, 생성-유통-소비(이용)가 몇 초에서 몇 시간 단위로 일어나 기존의 방식으로는 관리와 분석이 매우 어려운 데이터 집합을 의미한다.
– 빅데이터란 기존의 방식으로는 관리와 분석이 매우 어려운 데이터 집합, 그리고 이를 관리, 분석하기 위해 필요한 인력과 조직 및 관련 기술까지 포괄하는 용어이다.
* 기업 빅데이터의 두 가지 유형
– 다양성을 기준으로 : 구조적 형태의 데이터 + 비구조적 형태의 데이터
– 데이터가 어떻게 생겨나는지를 기준으로 : 빅 거래 데이터 + 빅 상호작용 데이터
* 빅 거래 데이터
– 레거시 시스템에 존재하는 데이터
– 온라인 거래 처리 (OLTP : Online Transaction Processing) -> 데이터웨어하우스(DW : Data Warehouse) -> 온라인 분석 처리 (OLAP : Online Analytical Processing)
* 빅 상호작용 데이터
– 사람과 사람, 사람과 기계, 기계와 기계 간의 삭호작용으로 생성되는 데이터로 과거에는 단편적으로만 활용했음
2장 무엇이 빅데이터를 촉진하는가?
“데이터를 얻는 능력, 즉 데이터를 이해하는 능력, 처리하는 능력, 가치를 뽑아내는 능력, 가치를 뽑아내는 능력, 시각화하는 능력, 전달하는 능력이야말로 앞으로 10년간 엄청나게 중요한 능력이 될 것이다.” – 구글의 수석 경제학자(Cheif Economist) 할 배리언(Hal R. Varian) “데이터는 소프트웨어 인프라가 대부분 오픈소스화 또는 범용품화되는 시스템에서 (가치의) 유일한 원천 요소이다.” – 오라일리 미디어의 최고경영자 팀 오라일리(Tim O’Reilly) * 빅데이터 활용 배경1 – 꿈을 현실로 만드는 기술 환경의 변화 – 저장 매체의 발달과 저장 비용의 하락 – 사람과 사람, 기계와 기계 간 ‘연결’ 증가 : 곳곳에 컴퓨터 내장 – 급격히 진보하고 있는 데이터 관리 및 분석 기술 * 빅데이터 활용 배경2 – 기업 경쟁 환경의 격화 – 노키아, 소니, 야후 등 IT 대표주자들의 급격한 쇠퇴 – 인텔, 마이크로소프트, 휴렛팩커드 영향력이 예전 같지 않음 – 구글, 아마존, 페이스북, IBM, 애플, 삼성전자 각광받음 – 기업 경쟁력의 무게중심 변화: 하드웨어 -> 소프트웨어 -> 데이터 * 빅데이터 활용 배경2 – 기업 경쟁 환경의 격화
Insight 빅데이터 기술의 이해
* 빅데이터 기술: 데이터의 획득 – 저장/관리 – 분석 – 활용 전반에 걸친 광범위한 기술을 모두 포괄
– 전산학, 수학, 통계학, 물리학, 인지과학, 경영학, 더욱 광범위한 공학, 심리학, 언어학, 인류학…
– 기존 기술(SQL과 관련된 기술) +
새로운 기술(NoSQL, 맵리듀스, 분산파일 시스템 등 비구조적 데이터 관련 기술)
* 데이터 서버의 성능 업그레이드 – 종적 대 횡적 확장
– 횡적 확장(Horizontal Scaling) : PC급의 개별 컴퓨터(노드를) 여러 개 병렬로 연결하여 처리하는 클러스터 시스템. 관리가 까다롭지만 유지 비용이 대푹 줄어든다.
* 데이터 파일의 효율적인 분산 관리 – 구글 파일 시스템
– 구글이 수집한 데이터는 수많은 조각(chunk) 서버에 64메가바이트 크기의 조각으로 나뉘어 저장됨
– 중간중간 데이터 조각을 복제하여 다른 조각 서버에도 저장해놓음
– 외부 응용프로그램에서 데이터 요청 -> 마스터 접수 -> 현재 부하가 적은 조각 서버를 찾아 접속 -> 파일 받아가라고 안내 -> 응용 프로그램과 해당 조각 서버가 직접 통신하며 파일을 전송
* 구글의 데이터 처리 프로그래밍 모델 – 맵리듀스
– Map(key, value 순서쌍으로 만듦) + Reduce(key별로 정렬하고, 중복된 key들은 모두 합친다)
ex) ‘감자’라는 단어가 5번 있는 글 -> (감자,1) (감자,1) (감자,1) (감자,1) (감자,1) -> (감자,5)
– 특정한 형식의 맵리듀스 모델을 정해놓고 작업을 분담시키면 일정한 결과가 나온다
– 우수한 확장성, 다양한 비정형 데이터 처리할 수 있는 뛰어난 유연성
* 맵리듀스의 공급사슬 관리 오픈소스 구현 – 빅데이터의 대명사 ,하둡
– Hadoop : 더글러스 커팅(Douglas R. Cutting)이 개발한 오픈소스 소프트웨어 프레임워크
– 야후가 하둡 개발에 기여, 2000년대 중반부터 광범위하게 사용됨
– 하둡 커먼(Hadoop Common : 일반적인 관련 유틸리티 모음) + 하둡 분산파일 시스템(HDFS : 구글 파일 시스템에 해당) + 하둡 맵리듀스로 구성
* 데이터베이스 관리 시스템의 새로운 지평 – NoSQL
– 전통적으로 데이터를 관리하는 방식 : 관계형 데이터베이스 관리 시스템(RDBMS)
– RDBMS에서는 SQL 이용 ex) SELECT 나이, 성별 FROM 사용자 WHERE 이름 =”영희”
– 빅데이터를 위해 등장한 방식 – 비관계형 데이터베이스 관리 시스템(NoSQL)
2부 빅데이터는 어떻게 경영을 바꾸는가?
빅데이터가 기업 경영과 고객의 편익 및 후생에 끼치는 긍정적인 측면
* 빅데이터에 의한 경영 혁신 단계
1. 생산성 향상
2. 발견에 의한 문제 해결 – 다양한 발견
3. 의사결정 향상 – 과학화, 자동화
4. 새로운 가치 창출 스마트 비즈니스 – 고객 가치 창출
3장 새로운 차원의 생산성 향상
* 정보기술을 생산과 물류 활용에 광범위하게 도입하는 움직임
– 전사적 자원 관리 시스템(ERP : Enterprise Resource Planning)
: 기업의 자금, 인력, 자재 등 모든 자원을 통합적으로 관리하고 기능 분야별 정보 교류 부족을 해결하는 시스템
– 공급사슬 관리 시스템(SCM : Supply Chain Management)
: ‘공급사슬’은 원자재 공급업체에서부터 자재, 정보, 대금, 서비스가 공장과 창고를 거쳐 최종 고객에게까지 도달하는 흐름을 말함. SCM은 이러한 여러 활동들을 계획하고, 조직화 · 최적화하는 시스템
– 판매 시점 관리(POS : Point Of Sale), 주식이나 전자상거래 시스템, CIM(Computer Integrated Manufacturing)
– 빅데이터를 이용하면 추가 비용을 거의 들이지 않고도 생산성을 향상시킬 수 있다
* 생산성 향상 기회
1. 실물 움직임을 포착하는 센서 기술 : 불필요한 작업과 프로세스를 제거/최적화
– 홍콩 대학 도서관은 책에 RFID(Radio Frequency Identification) 태그 부착
– UPS의 텔레매틱스 : 트럭 상태에 대한 지표 정보를 GPS로 수집하여 배송 차량을 모니터
US익스프레스의 No Data Left Behind(데이터를 남겨두지 말라) 프로그램 : 트럭 정보를 분석
– 문구 유통업체 스테이플스의 재고 관리 : RFID 부착하여 재고 유지, 상품 위치 정밀 파악
2. 가치사슬 흐름의 재설계 : 가치 창출에 기여도가 낮거나 마이너스가 되는 부분을 재구축/최적화
– 글로벌 소싱회사 리앤펑(Li&Fung)은 플랫폼에 인터넷을 도입하여 생산성 향상
– 대한지적공사의 금융 공급사슬 관리(Financial Supply Chain Management)
3. 환자의 불필요한 재방문을 줄인 병원 : 디지털화된 환자 임상 자료인 개인 전자의료 기록(EMR) 및 관련 의료보험 자료들(예를 들어 HRA : Health Reimbursement Accounts)을 빅데이터 기법으로 분석
4장 ‘발견’에 의한 문제 해결
* 구글 애널리틱스(Google Analytics), 구글 트렌드(Google Trends), 구글 상관관계(Google Correlate)를 이용해 누구나 손쉽고 저렴하게 콜럼버스가 될 수 있다!
* SNS 분석을 통한 발견
* 고객 감성 분석(Customer Sentiment Analysis)
– 데이터 추출 -> 사전 준비(문장 분할 등) -> 분석 기법 적용 -> 정보 제공 -> 기존 모델 개선
– 소셜 미디어에서 고객 감성을 파악하기 위해 사용하는 지표들
: 토론에 대한 관심, 토론 가치, 토론 분량, 인구통계학적 지표, 영향력 수준, 메시지 전달 범위, 감성 유형, 목소리 비중, 주제 빈도, 입소문 요인
* 빅데이터에 의한 예측 사례
– 선뎀/티어니의 연예인 결혼 기간 예측 공식
– 취향을 분석해 행동을 예측 (추천 시스템)
– 검색어로 독감 유행을 예측
* 시각화
– 워턴버그의 그리드 형태 시장 지도(http://www.SmartMoney.com)
– 워드 클라우드(Word Cloud)
– 사이토스케이프 : 생명과학, 의학 연구에서 널리 쓰이는 무료 시각화 도구(http://www.mind-mapping.org)
* 빅데이터를 활용한 다이내믹한 맞춤화
5장 의사결정의 과학화와 자동화
* 의사결겅 과정에서 발생하기 쉬운 편견
– 확증 편향(confirmatino bias) : 자신의 주장에 부합되는 정보만 찾음. 자신이 믿고 싶은 것만 믿음.
– 매몰 비용 오류(sunk cost fallacy), 몰입 상승 효과(escalation of committment) : 이미 투자하여 회수 불가능한 비용에 집착해 결정. 계속 투자하는 것이 실패로 보일 경우에도 추가로 투자함.
– 기점화와 조정(anchring and adjustment) : 처음의 생각에서 크게 벗어나지 않으려는 경향.
* 의사결정 자동화
– 은행 대출, 보험금 청구 처리 결정 등의 분야
– 고객이 원하는 솔루션 찾아주기(Solution Configuration)
– 수익률 최적화)(Yield Optimization)
– 순서 결정과 고객 세분화
– 재고 수준 유지를 위한 동적 예측, 물리적 환경 변화를 감지 대응하는 운영 통제 등에 적용
* 의사결정에 빅데이터의 통찰력을 활용하는 4단계
1. What Happened? – 어떤 일이 발생했는지
2. Where exactly is the problem? – 어떤 부분이 문제인지
3. What is happening next? – 원인을 찾아내고 무엇이 발생할지 예측
4. What’s the best that can happen? – 의사결정 프로세스를 최적화
* 의사결정을 위한 빅데이터 처리의 흐름
소스 데이터에 접근 -> 데이터 통찰과 관리 -> 데이터 분석과 결과 제시 -> 결과의 발견과 개선
* 의사결정을 위한 두 가지 빅데이터 분석 방법
– 빅데이터를 저장한 후 분석하는 방법 : 데이터웨어하우스 -> 애널리틱스
관계형 데이터베이스 관리 시스템(ARDBMS), 비관계형 데이터베이스 관리 시스템(NoSQL)
– 빅데이터를 분석하면서 저장하는 방법 : 비즈니스 프로세스에 분석적인 프로세싱을 내재화, 네트워크상이나 시스템들 사이에서 실시간 흐름 데이터 분석
6장 새로운 고객 가치와 비즈니스의 창출 * 스마트화 과정 : 종이문서(~1987년) -> 전산화(1987~1995년) -> 정보화(1995~2008년) -> 예측/지능화(2008~2015년) * 스마트 비즈니스 진전 사례 1. 공급사슬을 가시화한 트루 밸류(True Value)-공구 판매 협동조합 2. 이메일 반응을 높이기 위한 록시땅(L’Occitane)의 시도-케어제품 제조판매업체의 개인맞춤화 3. 빅데이터 분석의 선두에 선 징가(Zynga)-소셜네트워크게임에서 사용자 프로파일, 게임습성 분석해 아이템 추천 4. 고객 피드백 분석을 개선한 허츠(Hertz)-공항렌터카업체, 피드백을 지속수집, 신속분류분석 5. 스마트 인형으로 불만을 잠재운 디즈니-CRM전략을 세우고 Pal Mickey 인형 제작
* 새로운 비즈니스 창출은 다음과 같은 다섯 가지 기회의 확대 혹은 역량의 증가에 기인한다 – 고객 소비 행동은 물론 일상적인 행동에 대해 정보를 수집함으로써 고객의 행태를 반영한 사업 기회가 늘어난다. – 상황 혹은 맥락 인식 능력이 향상된다 – 센서 중심의 자동화된 판단(의사결정)이 가능해진다 – 자원 이용을 최적화하는 데 스마트화를 광범위하게 활용한다 – 복합적인 자동 시스템을 실현해야 한다
* 맥락/상황 인식 비즈니스 : 맥락 인식으로 고객 의도까지 파악 * 스마트 모비리티 : 스마트폰을 중심으로 맥락/상황 인식 컴퓨팅이 진전되고 있는 현상 * 자원 이용 최적화 : ex)스마트 빌딩
Insight 산업별 빅데이터 활용 동향
<기술적 특성에 따라 >
* 빅데이터에 의한 생산성 향상이 클 것으로 예상되는 산업(맥킨지 자료)
– 정보산업, 컴퓨터/전자제품, 제조업, 금융업, 공공 부문
* 새로운 가치를 창출할 가능성이 높은 산업(맥킨지 자료)
– 정보산업, 금융업, 공공 부문
* 빅데이터의 혜택을 받을 것으로 예상하는 산업(클라우드 데이터 스토리지 업체 EMC 자료)
– 금융업, 바이오테크, 미디어 산업, 석유 및 가스 산업, 정부 연구 개발
<비즈니스적 특성에 따라 >
* 빅데이터의 영향이 큰 산업
– 물리적 대상보다는 디지털화된 정보나 서비스를 다루는 산업
– 생산성 향상 기회가 많은 산업: 사람, 원자재, 상품, 돈, 정보 등의 움직임이 많고 복잡한 산업
– 고객의 충성도가 낮으며 취향 변화도 상대적으로 빠르고 큰 산업: 의사결정 기회 많은 산업
– 장치 집약적이 돼서 자동화 수준이 높아지고 디지털 데이터 수집이 용이해지는 산업
* 제조업
생산성 향상이 이미 어느 정도 성숙되어 있어 생산성 향상 가능성은 비교적 크지 않다.
(PS, ERP, SCM, CRM 등 기존 정보기술 존재)
글로벌한 공급사슬에 연계된 제조업체들이 빅데이터를 활용할 것으로 예상.
* 금융업
비교적 빅데이터의 영향이 클 것으로 전망.
생산성 향상, 각종 위험 관리와 마케팅, 뉴스와 sns 같은 비구조적 데이터를 통한 시장 예측,
디지털지급결제분야 ex) 구글 지갑과 같은 NFC 사례
* ICT산업(IT+통신산업)
빅데이터의 영향이 아주 클 것으로 예상.
생산성 향상 기회가 매우 높음.
빅데이터를 활용해 새로운 비즈니스 모델을 창출하는 것이 관건
* 소매유통업
고객의 수요와 취향 변화를 빨리 파악하고 대응하는 데 빅데이터를 중요하게 활용할 것.
아마존, 테스코, 베스트바이, 월마트 등 빅데이터의 선두주자들
재고관리에 빅데이터가 중요한 역할을 할 것 ex)센서 기술
생산성이 급격히 향상될 기회는 상대적으로 크지 않음.
* 공공 부문
가장 단기간 내에 빅데이터의 효과가 가시적으로 나타날 분야 중 하나.
전력 및 수자원 생산 효율적 관리, 교통 문제, 치안 문제, 대기오염 문제, 에너지 문제 등
빅브라더 문제에 대한 사회 여론의 흐름이 걸림돌
ex) 노스캐롤라이나 과거 위법행위 정보 통합 DB로 범죄 예방, 샌프란시스코 범죄 사전예보 체계
* 의료 서비스
빅데이터가 대박을 터뜨릴 가능성이 높은 부문.
전세계에서 고비용을 촐하는 공공 의료보험 제도를 개선하는 데 중요한 수단
ex) 증거 기반 진료, 유전자 분석, 센서 시장 발달, 구글 독감 트렌드, 트위터 데이터 분석으로 전염병 발생 예측시 자동적으로 알려주는 연구(하버드 의대)
* 디지털화에 의한 산업별 새로운 응용 서비스(글로벌 경영컨설팅 회사 부즈앤 컴퍼니, 2011년)
– 제조업 : 공급사슬 분야, 클라우드 소싱, 주문 생산
– 금융업 : 점포에서의 생산성 향상, 맞춤화된 금융 서비스, 예측에 의한 금융상품
– ICT산업 : 서비스 제공의 자동화 촉진, 개인화된 코넨츠 제공을 위한 분석 기법 활용, 사용자 주도의 플랫폼을 통한 신규 서비스 등장.
– 소매유통업 : 오프라인채널에서 온라인 채널로 판매 통로 이동, 온라인에서 다양한 고객 경험을 유발하고 분석
– 공공 부문과 의료 서비스 : 일상적으로 반복되는 교통/환료/진료 관리 업무에서의 생산성 향상, 치안/질병 등 예빵적 업무에서의 빅데이터 발견과 의사결정
3부 빅데이터 시대를 위한 제언
빅데이터의 미래에 대한 냉철한 진단
* 세상의 모든 상품과 스며든 기술은 세가지 목표를 충족시키기 위해 발전한다.
– 사용의 편의성, 가격의 현실성, 혜택의 우월성
7장 빅데이터 시대, 한국은 준비되어 있는가?
* 빅데이터를 활용하는 국내 회사는 거의 없다. 외국은 데이터를 중요시하는 풍토가 있었기 때문에 빨리 자리잡은 것. “우리는 절대로 데이터를 내다버리지 않는다” – 제프 베조스(Jeff Bezos, 아마존 창업주)
* 빅데이터 역량 강화 선순환구조 : 데이터 축적 -> 업무 활용 -> 관련 기술 성숙 -> 데이터 축적
* 한국의 문제점
1. 국내는 빅데이터 자체가 수집되지 않고 빅데이터가 있어도 쉽게 공유되지 않음.
2. 의사결정자가 결론을 내린 후 이를 합리화하는 수단으로만 데이터를 일회성으로 소모함.
(선진 기업은 사후에도 주도면밀하게 데이터를 활용: 당시의 판단이 옳았는지 사후 검증)
3. 빅데이터를 가공하고 분석할 수 있는 충분한 기술력과 인력이 없다
(한국의 소프트웨어 산업 경쟁력은 하위권인 14위, 연구개발비 재투자 비율이 낮음, 노동 강도에 비해 급여도 늘지 않음)
Insight 빅데이터 시대의 뜨거운 감자 – 개인정보 보호 vs. 데이터 활용의 자유
프라이버시 문제
데이터 남용 문제(데이터가 가리키는 바가 실제와 전혀 다를 수도 있다)
데이터 수집 및 공유 문제(지적재산권은 누구에게 있는지)
데이터 활용에 대한 상반된 법 제도적 환경(판례: 공공 이익을 위해 공개된 정보를 사용했을 때만)
8장 빅데이터 시대, 어떻게 맞이할 것인가?
* 빅데이터 시대에 대한 의구심
1. 20년간 되풀이된 IT 혁신 유행
ex) 2000년대 초반 CRM 도입 열풍 -> 뚜렷한 체감 성과 없음
2. 나름의 독자적인 영역을 갖고 있던 기술들이 ‘빅데이터’라는 이름으로 갑작스레 통칭
– 통계 분석, 데이터 마이닝, 인공지능 기술의 연장선상
– 빅데이터 유행이 지난 후의 실망을 걱정 ex) 유비쿼터스
* 가트너의 과장광고 곡선(Hype Curve)
1단계 기술 도입기(Technology Trigger) – 기술이 주목받는 계기
2단계 기대 절정기(Peak of Inflated Expectations) – 부풀려진 기대의 절정
3단계 실망/침체기(Trough Disilusinment) – 환멸의 바닥: 실망 확산, 여론 관심이 식음
4단계 재조명/부상기(Slope of Enlightment) – 이해의 상승: 실직적인 기술 발전, 기대 점점 회복
5단계 생산성 안정기(Plateau of Productivity) – 생산성의 안정: 업계에 수용, 안정적으로 정착
2011 과장광고 곡선에서 빅데이터 기술의 위치는 1단계->2단계로 넘어가는 과정
1단계 기술도입기 – 3D 바이오프린팅, 인간강화, 양자컴퓨팅, 소셜TV,
빅데이터 및 거대정보 처리/관리, 자연어 질의 응답, 사물 간 인터넷,
2단계 기대절정기 – 이미지 인식, 3D 프린팅, 게임화, 소셜 분석,
인터넷TV, NFC 결제, 증강현실, 클라우드 컴퓨팅, 태블릿
3단계 실망/침체기 – 동작인식, 사물간 통신 서비스
클라우드/웹 플랫폼, 가 상세계, e북 리더
4단계 제조명/부상기 – QR 코드, 생체인증, 모바일 앱스토어,
예측분석, 음성인식
5단계 생산성 안정기 – 위치인식 앱
* 빅데이터를 수용하기 위한 기업의 대응 역량 네 가지 구분 by EIU(Econmist Intelligence Unit)
1. 데이터 낭비자(Data Wasters) – 데이터 수집X, 수집해도 거의 활용X
2. 데이터 수집가(Data Collectrs) – 데이터 저장 이외에 다른 조치X
3. 적극적 데이터 관리자(Aspiring Data Managers) – 선두에 못 미치는 기업
4. 전략적 데이터 관리자(Stragetic Data Manager) – 선두에 있는 기업
* 빅데이터 활용 원칙
1. CEO가 적극적인 후원자가 되어 빅데이터 문화를 구축하라
2. 정보 관리를 실현하고 적절한 사람 확보, 배치하라
3. 적절한 과제를 선택해 실행 경험을 축적하라
4. 기술도 중요하지만 시작이 더욱 중요하다
빅데이터 시대 기업경영의 필수 – ‘글로벌 정보경영전략(GIMS)’
빅데이터 시대 기업경영의 필수
‘글로벌 정보경영전략(GIMS)’
우리는 쏟아지는 정보 속에서 살고 있다. 21세기를 불확실성의 시대라고 전문가들은 흔히 말한다. 과거에는 먼 미래를 내다보고 국가나 기업이 계획을 수립했지만 지금은 한치 앞도 예측 하기 어렵다. 과연 미래예측은 기업에게 어렵고 불가능한 일인가. 기업은 변화에 발 빠르게 적응 할 수 있어야 한다. 이번 호에는 변화하는 환경에 기업이 어떻게 대처할 것인가에 대한 고민과 해답을 찾기 위해 국가정보전략연구소가 개발한 GIMS 사상을 접목해 살펴보기로 한다.
변화하는 기업환경과 CIMS 사상
기업은 환경변화에 어떻게 대처할 것인가
전문가들은 21세기를 불확실성의 시대라고 말한다. 과거 국가나 기업은 최소한 10년, 20년 이후를 내다 보고 계획을 수립했다. 하지만 이제는 5년이 아니라 3년 이후도 예측하 기 어렵다고 하소연한다. 미래를 예측할 수 있다면 인생을 고민할 필요도 없다. 기업경영도 편하게 할 수 있다. 그렇다 면 미래예측은 기업에게 불가능한 일일까 이런 고민에 대 한 해답을 찾기 위해 국가정보전략연구소가 개발한 GIMS 사상을 접목해 보도록 하겠다.
누구도 예측하기 어려운 불확실의 시대
최근 국내 다수의 대기업이 잘못된 미래예측으로 어려움 에 봉착해 있다. 기업 경영자의 가장 큰 덕목인 사업방향 (direction) 예측이다.
20세기 산업화 시대는 무조건 열심히 일만 하면 성공하 던 시대였다. 하지만 이제는 열심히 일을 하는 것보다 방향 을 잘 잡는 것이 더 중요하다. 즉 내부 혁신보다는 외부의 변화를 잘 예측하고 적응해야만 기업도 살아남을 수 있게 된 것이다. 이런 점에서 [그림 1]에서 표현된 생활부문과 기 업부문의 환경변화 추세를 살펴봐야 한다.
먼저 생활부문은 의사소통과 정보폭증, 기술과 지식의 융 합, 인식파괴와 가치관의 재구성이라는 주요동인(key drive factor)이 있다. 인터넷의 발달로 전세계는 1일 24시 간, 1년 365일 시공간을 초월해 연결되어 있다. 인터넷은 모 바일(mobile) 인터넷의 확산으로 편의성이 증대되었다. 트 위트(Twitter), 페이스북(Facebook) 등 SNS(Social Network Service)가 활성화되면서 개인이 기존 미디어 매체보다 더 강력한 영향력을 행사하고 있다. 신문, 방송보다 신뢰성 있는 파워 블로그(power blogger)나 팔로워 (follower)를 많이 거느린 트위트 사용자의 힘은 상상 그 이 상이다.
모바일 인터넷 시대는 과거 아날로그 시대와 비교한다면 수백 배, 아니 수천 배의 정보가 유통된다. 유선전화나 편지 를 통해 소통하던 방식을 벗어나 무선전화, 각종 무료 SNS 서비스로 소통하면서 비용이 절감될 뿐만 아니라 실시간 의 사소통이 가능해졌다. 또한‘1:N’이 아니라‘N:N’의 의사 소통이 일상화되면서 엄청난 양의 정보가 생성되어 인터넷 에 떠돌아 다닌다. 소위 말하는 빅 데이터(Big Data)의 시대 가 열린 것이다.
문제는 이런 정보는 신뢰성을 검증하기 어렵다는 점이다. 활용할 데이터는 많은데, 어떻게 활용할 것인지는 숙제로 남아 있다. 최근 빅 데이터를 활용하기 위한 각종 솔루션과 논리가 개발되고 있지만 상용화 단계까지 가기에는 갈 길이 멀다.
기술과 지식의 융합(convergence)도 새로운 트렌드 (trend)이다. 세계 최고 IT기업으로 불리는 애플도 기술 (technology)과 지식(knowledge)의 융합으로 제조공장 하 나 없이 고속으로 성장했다. 반면 삼성전자는 기술에만 집 중하면서 소프트웨어 경쟁력을 잃었고 선도기업으로 발돋 움 할 수 있는 기회를 놓쳤다.
기업의 경영자나 기술자가 가져야 할 지식은 인문학적 소 양에 기반하고 있다. 애플의 스티브 잡스는 불교의 선(禪)철 학이나 동양의 서예에서 많은 영감을 얻어 사용자 친화적인 아이맥, 아이팟, 아이폰, 아이패드라는 혁신적인 제품을 개 발했다.
IT기술이 생활을 변화시키면서 사람들의 기존 인식이 파 괴되고, 가치관이 재구성되고 있다. 국가, 국경, 인종에 대 한 고정관념이 사라지고 있으며 지식과 기술의 구분도 없어 졌다.
2차 대전 이후 태어난 베이비 부머 세대들이 경제적 부 (wealth)를 위해 일을 했던 것과는 달리, 신세대들은 자신의 꿈(dream)을 이루기 위해 직업을 선택한다. 이들은 육체적 만족 못지 않게 정신적 행복을 더 추구한다. 일을 위해서라 면 세계 어디든지 갈 수 있고, 도덕적으로 문제가 되지 않는 다면 어떤 일도 기꺼이 감수한다.
이런 생활부문의 변화로 인해 사회 불확실성이 증폭됐다. 이는 기업부문의 변화로 이어진다. 기업의 전쟁터는 국내를 넘어 글로벌로 이행된 지 오래다. 1993년 YS의 문민정부가 들어서면서‘세계화’라는 용어로 티격태격한 지가 엊그제 같은데 이미 세상은 물리적 국경과 국적의 의미가 퇴색되어 버렸다. 일부 국내 대기업이 국내시장의 위치만 생각하다가 몰락하는 사례가 늘어나고 있다. 이미 눈에 보이지 않는 경 쟁자가 언제 나타나 기업의 시장을 잠식할지 아무도 모른 다.
글로벌 경쟁의 위험성은 국가간, 산업간 격차(gap)에서도 생긴다. 농업뿐만 아니라 제조업, 서비스업 자체도 국가간격차가 생긴다. 천연자원의 차이, 노동의 질, 자연환경, 사회정치적 안정, 보건환경과 같은 요소는 국가의 경쟁력을 결정한다. 산업도 다양한 국가요소에 따라 경쟁력의 핵심요 소(key factor)다.
한국도 1960년대 가발과 합판 중심의 경공업에서 1970년 대 중화학 공업, 1980년대 전자산업, 1990년대 반도체와 조 선산업, 2000년대 IT산업으로 변천했다. 정부의 정책도 중 요하지만 사회환경, 자연환경도 이에 못지 않게 중요하다. 과거 기업의 평균수명이 30년은 되었지만 지금은 10년도 채 되지 않는다. 그만큼 기업의 부침이 심해졌다는 말이다. 중소기업뿐만 아니라 대기업이라고 해도 마찬가지다. 1997 년 IMF 외환위기 이후 한국의 간판 대기업 몇 개가 사라졌 고, 다수는 크게 위축됐다. 삼성, LG, SK와 같은 대기업은 오히려 더 성장했다. STX와 같은 신생대기업도 생겼다. 제 품의 생명주기도 매우 짧아졌다. 음악을 듣는 MP3는 휴대 폰과 스마트폰에 의해 설 자리를 잃었다. TV의 핵심부품인 브라운관도 LCD와 LED에 자리를 내줬다. 잡지, 신문, 방 송 등 기존 미디어도 인터넷 포탈사이트에 의해 대체되고 있다.
두렵고 성공이 불확실하지만 전진을 멈출 수는 없다
아무리 불확실성의 시대라고 해도 그냥 멈출 수는 없다. 기업도 사람과 마찬가지로 생노병사(生老病死)의 고통을 경 험하게 되지만 목숨이 남아 있는 한 열심히 목표를 향해 나 아가야 한다. [그림 2]에서 보듯이 아무리 거대한 기업과 위 대한 개인이라도 거대한 변화의 파도 속을 작은 통나무 배 로 뚫고 가는 것은 마찬가지다. 기업과 개인이 미래를 예측 하기 어렵고, 변화는 작은 파도가 아니라 폭풍우와 같이 몰 려오기 때문이다. 수 많은 기업이 파도를 헤쳐나가지 못하 고 익사한다.
각종 통계자료를 확인하면 지난 30년간 한국 기업의 평 균 생존율은 16%에 불과하다. 특히 중소기업의 평균수명은 3.7년이다. 이에 반해 글로벌기업은 30년간 38% 이상이 살 아 남았다. 차이는 무엇일까 변화를 예측하고 대비했다는 것 외에는 달리 해답을 찾기 어렵다. 경쟁자보다 더 빨리 파 도를 헤쳐나가 기회를 포착하는 것이 단순히 위험(risk)을 극복하는 것보다 중요하다. 살아남는다는 것과 살아남아 성 장하는 것과는 다른 얘기다. 기회해야 한다.
동양에서 위기(危機)는‘위험하지만 기회’라는 의미로 사 용된다. 서양에서 위기를‘위험이 최고조에 이르렀다’는 의 미로 해석하는 것과는 차이가 있다. 기업이 다가오는 미래 의 불확실성을 회피할 수는 없다. 적극적으로 미래를 예측 하고 위험을 대비하는 것이 중요하다. 다만 위기를 헤쳐가 는 와중에 많은 희생이 따른다는 점은 미리 대비해야 한다. 돈과 사람을 잃을 수 있다. 모두 가 위기를 동일한 수준으로 인 식하지 않기 때문에 자기만 살 려고 배에서 뛰어 내리는 사람 이 존재한다. 이때 모든 구성원 을 하나로 뭉치게 할 수 있는 리 더의 역할이 매우 중요하다.
아프리카 속담에‘빨리 가려 면 혼자 가고, 멀리 가려면 같이 가라’는 말이 있다. 기업의 경영 이나 인생은 단거리 경주가 아 니라 장거리 마라톤이다. 단기 적으로 승부가 나지 않는다는말이다. 서로 합심해서 가기 위해서 필요한 것은 내부통합 노력보다는 외부환경에 대한 정보습득이다. 외부환경에 관 한 정보가 없으면 내부통합도 불가능하다. 기업경영에서 환 경변화에 관한 정보의 중요성은 아무리 강조해도 지나치지 않다.
그럼에도 불구하고 대부분의 기업경영자는 정보분석보다 는 자신의 경험이나 직관력에 의존하는 경우가 많다. 모든 것이 확률이기는 하지만 과학적 기법에 의한 정보분석이 경 험이나 직관력보다 확률이 높을 것이라고 믿는다.
최근 대기업의 대규모 M&A 실패는 경영진이 자신이 수 집한 제한된 정보와 직관력에 의존하기 때문에 실패했다고 본다. 웅진, 금호, STX의 오너와 최고경영자는 과거의 성공 체험을 너무 자만하지 않았나 판단된다.
위기대응을 위한 전략수립과 타겟팅 방향
미래는 언제나 불확실했다. 다만 과거는 변화의 폭이 좁 아 예측할 수 있는 여지가 있었다. 현재는 변동폭이 넓어져 예측이 불가능한 수준에 이르렀 다는 점이다.
최근에 기업의 경영자들을 만나 대화를 하면‘자신감’보 다‘두려움’을 먼저 내비친다. 지난 수십 년 동안 자신이 경 험해 온 환경과 너무 다르다는 것을 강조한다. 자신의 경험 과 직관만으로 충분하게 기업을 경영해 왔지만 요즘은 자신 의 경험과 직관만을 믿기에는‘불안하다’고 토로한다. 그 만 큼 변화와 위기가 복잡해졌다는 것을 의미한다.
세계적 경영전문가인 게리 하멜(Gary Hamel)은“열심히 하라. 그러면 망할 것이다”라는 말로 경영자들을 긴장시켰 다. 과거에는 품질을 개선하고, 원가절감만 하면 기업은 생 존할 수 있었다. 하지만 현재는 경쟁자와 경쟁제품이 언제, 어디에서 나올지 예측하기 어렵다. 시계, MP3, 디지털 카메 라를 생산하는 기업의 경쟁자는 산업내의 다른 기업이 아니 라 애플, 삼성전자, LG전자, 팬텍, HTC 등 스마트폰 제조사 이다.
국내 이동통신회사들도 비슷한 경험을 하고 있다. SKT, KT, LGU+ 등 국내 이동통신회사들이 엄청난 마케팅비용 을 투입하면서 가입자 확보라는 혈투를 벌일 때 카카오톡이 라는 메신저 사업자가 나타나 통신망에 무임승차하면서 막 대한 이윤을 창출하고 있다. 카카오톡은 무선통신망을 활용 하면서 한 푼도 투자하지 않았다. 과거 다이얼패드라는 무 료 인터넷전화가 유행하면서 통신회사들을 긴장시켰던 것 과는 차원이 다른 전쟁이 벌어지고 있다. 카카오톡이 무료 문자를 넘어 무료통화까지 안정화시킨다면 통신회사들의 수익성은 더욱 악화될 것이다.
그렇다면 이런 변화의 위기를 어떻게 대처할 것인가 국 가정보전략연구소가 정립한 GIMS 사상에 그 답이 있다. 지 피지기(知彼知己)의 위기대응이 중요하다. 환경에 대해 충 분하게 이해(知彼)하고, 자신의 역량에 대해 냉정하게 평가 해야 한다. GIMS, 즉 글로벌정보경영전략은 그 방법으로 전략(Strategy)의 수립과 타겟팅(Targeting)을 제시한다. 과거 군사학에서나 사용하는 전략이라는 용어가 기업경 영에 광범위하게 사용되게 된 1990년대 초는 경제의 불확 실성이 커지던 시기였다. 2012년 현재는 1990년대 초와는 비교할 수 없을 정도로 미래가 불투명하다. 전략은 장기적 인 관점에서 기업의 방향(direction)을 정하는 것이고, 타 켓팅은 정보수집의 목표(goal)을 명확하게 정하는 것이다. 정보의 부족보다는 정보의 홍수 속에 살기 때문에 자사에 필요한 정보를 정의(definition)하고 수집(collection), 분 석(analysis), 소비(consumption)하는 종합적인 전략체계 의 수립이 중요하다.
글로벌정보경영전략체계로 불확실성을 해소하라
기업의 경영자와 직원은 불확실성의 시대에 어떻게 대 처하고 있는지 알아보자. 국내 중소기업은 말할 것도 없고 대기업의 대부분이 글로벌정보전략이 없다고 볼 수 있다. 먼저 전략이 없는 기업은 불안에 둘러 쌓여 조직이 불안 정하다. 경영자는 미래가 보이지 않아 잠이 오지 않는다고 하소연한다. 책임감이 강한 경영자일수록 자신의 의사결 정에 따라 목숨이 달려 있는 수천, 수만 명의 직원과 가족 들을생각하면어깨가무거워진다‘. 누구도예측하지못한 경쟁자가나타나면어떡할까’,‘ 핵심직원이그만두면어떡 할까’하는 고민도 달고 산다. 그리고 직원들이 보고하는 일만 열심히 챙기는 관리업무에 열중한다.
전략이 없는 기업의 직원도 불안하기는 마찬가지다. 이 들은 열심히해 봐야 나만 손해이므로, 형식적으로 일하고 월급이나 잘 챙기자는 생각을 갖고 있다. 현장에서 취득한 정보도 중요한지 여부를 판단하지 못하고 보고를 망설이 게 된다. 수집된 정보가 중간에서 관리자의 편의에 따라 왜 곡되고 사라지기도 한다. 현장의 정보가 사라지거나 왜곡 된다는 사실을 인지한 경영자는 더욱 자신의 경험과 직관 에 의존해 의사결정을 한다. 아니면 일부 신뢰할 수 있는 비공식 채널을 통해 수집한 정보를 절대적으로 신뢰해 오 판을 한다.
하지만 전략이 있는 기업의 경영자와 직원은 일사분란 (一絲不亂)하게 미래를 개척한다. 경영진은 미래에 대한 확 신을 가지고 의사결정을 하게 된다. 위기 속에서도 기회를 찾고 놓치지 않아 성장동력을 확보한다. 핵심직원이 그만 두는 것을 걱정하지 않고, 업무노하우를 축적해 기업 자산 화한다. 직원이 보고하는 업무만 관리하는 수동적인 태도를 벗어나 직원들에게 미래방향을 제시하고 전진을 독려하 는 능동적인 자세를 견지해 리더십을 보여준다. 리더가 불 확실한 미래에 확신을 가지지 못하고 머뭇거리면 직원들은 누구도 위험부담을 택하려고 하지 않는다.
리더가 전략을 가지고 앞장 서 나가면 직원들은 자신의 업무 범위에서 열심히 일을 한다. 시키는 일만 하는 것이 아 니라 회사에 도움이 되는 일을 찾아서 한다. 그리고 기업의 정보전략에 따라 할당된 정보를 충실하게 수집하고 해석한 다. 이렇게 수집된 정보는 경영진에게 왜곡되거나 누락되지 않고 전달돼 의사결정에 도움을 준다. 기업은 경영자의 리 더십도 중요하지만 의식 있는 직원들의 역량에 따라 경쟁력 이 결정된다.
내.외부 경영환경이 불확실하다는 것은 모든 기업에게 동 일한 조건이다. 차이점은 그 불확실한 경영환경을 두려워해 소극적으로 회피하느냐, 아니면 도전의식을 가지고 적극적 으로 대처하느냐라고 볼 수 있다. 어차피 피하지 못할 것이 라면 즐겨야 한다. 명확한 글로벌정보전략을 가지고 전략을 수립하고 타깃을 정하면 미래의 불확실성을 어느 정도 해소 할 수 있다. 아무런 준비도 없는 기업의 입장에서 글로벌정 보경영전략을 하루 아침에 수립하고 실천하기는 매우 어렵 다.
그렇다고 넋 놓고 앉아서 다가오는 미래를 맞이할 수도 없다. 다른 경쟁자는 오늘도 영리하게 전략을 수립하고 글 로벌 선도기업으로을 잊기 않기를 바란다.
지난 20여 년 동안 세조화해 글로벌정보경영전략(GIMS)을 만든 이 유가 기업의 미래적응력과 경쟁력 확보할 수 있도록 조언하 기 위함이다. 앞으로 기업이 활용할 수 있는 팁(tip)을 제공 하기 위해 정보의 순환사이클(life cycle)을 분류해 실행방안 을 제시하도록 하겠다.
빅데이터, 의사결정 패러다임 바꾼다
편집자주
경영 현장에 수많은 수학자와 과학자들이 포진해 있습니다. 이들은 전략, 기획, 운영, 마케팅 등 다양한 분야에서 첨단 수학·과학 이론을 접목시켜 기업 경쟁력 강화에 기여하고 있습니다. 경영 과학은 첨단 알고리즘과 데이터 분석 기술로 기업의 두뇌 역할을 하면서 경영학의 새로운 분야를 개척해나가고 있습니다. <경영학 콘서트>의 저자인 장영재 교수가 경영과학의 새로운 패러다임을 소개합니다.
2009년 미국 국방고등기술연구원인 DARPA (Defense Advanced Research Projects Agency)는 흥미로운 이벤트를 열었다. 12월 첫째 주 토요일, 미리 알려지지 않은 미국 10개 지역에 기상 관측용 붉은 색 풍선을 띄우고 이들 10개의 위치를 가장 먼저 파악하는 팀에게 4만 달러의 상금을 수여하는 이벤트였다. 당일 아침 10시를 기해 대학가 운동장, 공원, 백화점 광장 등 사람들이 많이 모이는 10개 지역에 숫자 표를 단 붉은색 풍선이 하늘로 올라갔다. (http://www.youtube.com/watch?v=U8NYUCPht7A).
당시 이 이벤트는 그 자체로 세간의 관심사로 떠올랐다. 비록 공공 장소에서 풍선을 띄워 보내긴 했지만 미국이라는 거대한 나라에서 불과 단 10개의 풍선 위치를 정확히 찾는다는 건 사실상 불가능에 가깝기 때문이다. 하지만 비상식적인 이벤트 자체보다도 더 놀라운 사실은 풍선의 위치를 정확히 찾은 팀이 나왔다는 데 있다. 그것도 불과 9시간 만에! 당시 참가했던 팀들 중 MIT 학생들로 구성된 팀은 페이스북과 트위터를 이용해 자신들의 팀을 지원할 서포터들을 모집했다. 그리고 미국 전역에 걸쳐 있는 서포터들로부터 유입되는 정보를 바탕으로 단 9시간 만에 풍선들의 정확한 위치를 찾아냈다. 특히 이들은 자신들의 정보원 역할을 하는 서포터들이 정보 교환을 원활하게 진행할 수 있도록 자체 서버를 구축했다. 또한 수학적인 알고리즘을 이용해 정보의 진위를 파악하기도 했다. 소셜 미디어의 데이터 확산력과 즉각적으로 유입되는 수많은 데이터를 실시간으로 분석해내는 능력이 MIT팀이 1위를 차지하게 만든 원동력이었다. 1)
의사결정의 기본 가정 변화
위에 언급한 빨간 풍선 찾기 사례는 빅데이터의 영향력을 여실히 보여준다. 미국이라는 방대한 지역에서 10개의 붉은 풍선을 찾는다는 건 과거에는 상상도 할 수 없는 일이었다. 그러나 지금은 스마트폰, SNS와 같은 진보된 기술 덕택에 전 세계 어느 지역에서 어떤 일이 벌어지는지를 쉽게 알 수 있다. 스마트폰에서 캡처된 동영상, 사진, 음성 정보는 실시간으로 전송되고 SNS란 뉴 미디어의 확산력을 통해 폭발적인 정보유통이 가능하다. 더욱이 요즘 그 기술이 발달하고 있는 화상인식 기술과 보편화 단계에 들어선 자동차 블랙박스와 같은 스마트 정보 생성기술은 또 다른 정보 소스를 탄생시켰다. 말 그대로 정보와 데이터를 감지하는 새로운 형태의 ‘디지털 촉각’이 하루가 멀다 하고 등장하고 있다.
나날이 개발되는 디지털 촉각들 덕택에 이제 원하는 데이터는 어디에 있든 구할 수 있는 시대가 도래했다. 발전하는 컴퓨팅 기술과 수학 알고리즘을 통해 시시각각 유입되는 데이터를 실시간으로 분석해 의사결정에 활용할 수 있는 시대 역시 다가오고 있다. DARPA에서 실시한 빨간 풍선 찾기 실험은 빅데이터 시대의 새로운 패러다임의 가능성을 실험한 역사적인 이벤트다. DBR 101호 ‘화두는 빅데이터… 결정의 패러다임이 바뀐다’에서 언급했던 것과 같이 빅데이터는 단순한 경영 운영의 문제가 아닌 패러다임의 이슈다. 즉 이제 인류 문명에서 의사결정을 둘러싸고 있던 가정을 바꿔야 할 때가 도래했다.
우리가 내리는 의사결정에 필요한 모든 정보는 언제든지 취합할 수 있고 이를 통해 정확한 의사결정을 내릴 수 있다는 게 빅데이터의 새로운 패러다임이다. 과거 데이터가 지금처럼 풍부하지 않고 데이터 분석 역량에도 한계가 있던 시절에는 우리가 의사결정을 내릴 때 필요한 정보가 충분하지 않다는 암묵적인 가정이 존재했다. 이런 불충분한 데이터 때문에 소수 데이터를 바탕으로 전체를 파악하는 고전 통계가 탄생했다. 선거 때 자주 사용되는 출구 조사나 공장에서 불량률을 파악하는 샘플링이 좋은 예다. 그러나 이제 반도체 공장과 같은 첨단 시설이 이용되는 제조 시설에는 시시각각 제조되는 모든 상황이 DB에 저장되고 전 제품의 상황이 모조리 모니터된다. 기술의 발달로 일부만 검사할 필요 없이 모든 사항을 검사하고 실시간으로 불량 여부를 판단할 수 있기 때문이다. 공장뿐 아니라 이젠 사회의 이슈도 소수나 일부의 의견을 통해 전체를 파악하는 수준에서 벗어나고 있다. 대중의 관심사나 이슈를 검색어 순위 등을 통해 실시간으로 파악해 곧바로 현상에 대한 통찰력을 얻을 수 있다. 구글의 검색어를 통한 전염병 확산 여부 산출이나 경기지표 파악이 이 범주에 속한다. IBM이 최근 선보인 슈퍼컴퓨터 왓슨은 과거 컴퓨터의 기계어에 의한 단순 계산이 아닌 사람이 내린 언어를 이해하고 그 문맥을 파악한다. 대용량 데이터 분석을 통해 답을 제시하는 수준을 넘어 지식을 전달하는 단계에까지 이르고 있다. IBM은 이 기술을 이용해 질병을 파악하고 의료 진단을 내리는 의료 서비스를 조만간 제공할 계획이다.
물론 아직 이러한 기술이 우리가 필요한 모든 의사결정에 100% 정확한 답을 지원하지는 않는다. 그러나 기술의 발전 속도를 가늠하면 조만간 의사결정에 필요한 모든 정보를 담아 보다 나은 의사결정에 도움을 주는 시대가 곧 오리라는 사실에는 의심의 여지가 없다. 이제 인류가 의사결정을 내릴 때 필요한 정보가 부족하다는 가정을 수정해야 될 때가 왔다. 이게 바로 빅데이터가 창조하는 새로운 패러다임이다.
1) <경영학콘서트>, 장영재, 비즈니스북스, 2010.
3V
– Volume (양), Variety (다양성), Velocity (속도)
기존 패러다임에서 이야기하는 데이터와 새로운 패러다임, 즉 빅데이터에서 이야기하는 데이터는 근본적으로 다르다. 많은 학자들은 3V, 즉 Volume(양), Variety(다양성), Velocity(속도) 등 3가지 측면에서 기존 데이터와의 차별점을 지적한다. 2) 우선 데이터 양이다. 페타바이트(Petabyte)나 제타바이트(Zetabyte)처럼 엄청난 양의 데이터 생성은 빅데이터와 과거 데이터 간 확연히 드러나는 차이점이다. 데이터의 다양성 측면에서도 차이를 보인다. 과거에는 데이터라면 정형화된 데이터만을 의미했다. 매출액, 비용, 고객의 성별, 직업, 나이 등 이미 DB상에 카테고리가 형성돼 있는 분석 가능한 데이터였다. 그러나 이제는 음성, 화상, 그리고 일반 생활에서 나누는 소소한 대화까지 데이터 범주에 포함한다. 음성을 인식해 키워드를 찾아내는 기술은 이미 상용화된 지 오래다. 특히 대화 내용을 바탕으로 문맥을 컴퓨터가 인식하는 기술도 아이폰 시리(siri) 서비스처럼 상업화됐다. 여기에 IBM에서 개발된 인공지능 컴퓨터 왓슨은 단순한 대화뿐 아니라 사람이 던진 문맥과 뉘앙스, 핵심 키워드를 자체적으로 파악하고 컴퓨터에 입력된 방대한 정보를 자체적으로 검색해 질문에 대답하는 수준에 이르렀다. 심지어 왓슨은 미국 인기 TV 퀴즈쇼인 ‘제퍼디’에서 인간 챔피언과 겨뤄 승리했을 정도로 비정형화된 텍스트를 이해하고 검색하는 기술까지 지니고 있다. 그 외 자동차 블랙박스에서 입력되는 데이터도 분석 가능한 형태로 컴퓨터가 자체적으로 인식 분석하는 기술이 나날이 발달되고 있다. 기존 정형화된 정보의 벽을 넘어 이처럼 비정형화된 데이터를 분석하는 기술이 발달함에 따라 이들 데이터의 가치가 재조명받게 되고 빅데이터의 새로운 핵심 정보로 부상하게 됐다.
새로운 운영 혁신 필요
“우리는 늘 수요 예측이 어려운데 데이터가 많고 분석 역량이 강화되면 시장이나 수요 예측을 좀더 정확하게 할 수 있지 않나요?”
“늘 재고가 남거나 모자라 문제인데 적정 재고 산출도 빅데이터로 가능한가요?”
“광고의 효과나 ROI를 분석하기 어려운데 이 데이터를 분석하면 좀 더 정확히 효과나 ROI를 예측할 수 있나요?”
필자가 빅데이터를 이야기할 때 늘 당면하는 질문은 위와 같이 ‘예측’의 정확도다. 데이터가 많고 좀 더 정확한 분석이 가능하다면 기존 매출이나 비용, 혹은 시장 분석을 좀 더 정확하게 예측할 수 없겠느냐는 게 요지다.
물론 데이터가 많고 분석기술이 발달해서 기존 방식보다 좀 더 정확한 예측이 가능한 건 사실이다. 그러나 이러한 질문은 기존 비즈니스 운영의 틀은 변하지 않고 기존 틀에 빅데이터와 애널리틱스를 구현해보겠다는 의미다. 이는 마치 인력과 삽으로만 건물을 짓다가 포크레인과 굴착기를 구입해 놓고 기존에 삽질하던 운영방식을 그대로 고수하겠다는 것과 같다. 물론 사람이 하나하나 삽질하던 일을 자동화 장비로 진행한다면 땅 파는 일 그 자체는 큰 효율을 거둘 수 있다. 하지만 이는 첨단 장비를 잘 활용한다고 말하기는 힘들다. 이들 장비를 활용하기 위해서는 작업의 진행방식, 작업의 규모, 그리고 다양한 운영에서 새롭게 그 판을 짜야 한다.
새로운 운영의 판을 짠 사례로 세계적인 패션기업 자라(Zara)를 꼽을 수 있다. 2008년 세계적인 금융위기 이후 지속된 경제하락과 이로 인한 패션업계의 불황에도 불구하고 자라는 성장세를 이어가고 있다. 그 이면에는 바로 빅데이터의 패러다임인 데이터분석과 애널리틱스, 그리고 이를 적극적으로 활용한 운영 전략이 있었다.
일반 패션업계는 상품의 기획-제조-배분이라는 단계를 거쳐 패션 상품이 매장에 비치되는 데까지 약 1년의 기간이 소요된다. 즉 상품 기획이란 1년 후 유행할 상품을 예측한다는 의미로 해석할 수 있다. 그러나 요즘처럼 모든 게 빨리 변화하는 세상에서 패션처럼 유행에 민감한 상품을 1년 전에 예측해 기획한다는 건 거의 불가능에 가깝다. 물론 이러한 예측의 리스크를 조금이라도 줄이고자 많은 패션업체들이 상품 계획에 설문조사나 고객 집단 분석 등 다양한 노력을 기울이고 있다. 하지만 그 효용에는 전문가들조차 의문을 가지고 있다.
그렇다면 기존 데이터 분석이 아닌 빅데이터의 대용량 데이터 분석이라면 1년 후 패션 상황을 좀 더 정확하게 예측할 수 있을까? 물론 기존 방식보다 아주 미약하게나마 조금은 타당한 분석이 가능하겠지만 별 차이는 없을 것이라는 게 필자의 견해다. 아무리 데이터가 많아도 시시각각 변화하는 상황을 1년 전에 예측한다는 건 예측이 아닌 예언에 가깝다. 그리고 예언은 과학의 영역이 아닌 ‘도사’의 영역이다. (아쉽게도 자라에서 도사를 고용했다는 소식은 듣지 못했다). 기존 시장을 분석해 수요를 예측한다는 것은 과거 패러다임의 운영방식이다. 아무리 데이터가 많고 빅데이터 첨단 애널리틱스 기법을 이용해도 과거 운영방식의 틀에 갇혀서는 그 효용을 기대하기는 어렵다.
대신 자라는 이러한 새로운 빅데이터 패러다임에 맞는 적절한 대응 전략을 창조했다. 실시간으로 유입되는 정보를 바로 분석해서 신속히 대응한다는 전략이다. 자라는 전 세계 모든 매장에서 유입되는 정보를 실시간으로 분석해 현재 어떤 상품이 유행인지를 파악하고 이를 바탕으로 어떤 상품이, 얼마만큼, 어느 매장으로 배송돼야 하는지를 수학적 최적화와 애널리틱스를 통해 결정한다. 즉 단순히 예측이란 과거 운영을 고수하는 게 아니라 실시간으로 유입되는 데이터를 바로 분석해 그 의미를 찾고 이를 수학적 알고리즘을 통해 곧바로 실행에 옮긴다는 빅데이터의 새로운 패러다임을 수용한 것이다. 그리고 이를 위해 제조에서 배분까지의 프로세스를 4주로 단축하는 혁신을 이뤄냈다. 빅데이터의 패러다임을 바탕으로 운영의 혁신을 이루고 이를 통해 빅데이터의 효용을 극대화한 것이다. 자라를 단기간 유행하는 상품을 바로 매장에 판매하는 패스트 패션으로만 치부하면 빅데이터와 그 효용의 의미를 명확히 이해하기 힘들다. 자라의 진정한 가치는 빅데이터라는 새로운 패러다임에 걸맞게 운영을 혁신했다는 데 있다.
새 술은 새 부대에 담으라는 말처럼 새로운 패러다임을 수용하기 위해서는 새로운 혁신이 반드시 필요하다. 빅데이터의 패러다임은 새로운 차원의 운영 혁신을 요구한다. 기존 운영 방식에 새로운 패러다임을 끼워 맞추려 하거나 데이터의 가치와 기회를 상실하는 오류를 범하지 않기를 기대한다.
2)http://www.forbes.com/sites/oreillymedia/2012/01/19/volume-velocity-variety-what-you-need-to-know-about-big-data/2/
장영재 KAIST 산업 및 시스템 공학과 교수 [email protected]
필자는 미국 보스턴대 우주항공학과를 졸업한 뒤 미국 매사추세츠공대(MIT) 기계공학 석사 학위와 MIT 경영대학원(슬론스쿨)에서 경영과학 석사 학위를 받았다. 이어 MIT 기계공학과에서 불확실성을 고려한 생산 운영방식에 관한 논문으로 박사 학위를 취득했다. 이후 반도체 기업인 마이크론테크놀로지 본사 기획실의 프로젝트 매니저로 과학적 방식을 적용한 원가절감 및 전략적 의사결정을 지원했다. 현재는 카이스트 산업 및 시스템 공학과 교수로 재직 중이다. 저서로는 <경영학 콘서트>가 있다. 트위터 아이디는 @youngjaejang이다.
경영 빅데이터 분석사 2급 합격후기, 빅데이터 자격증에 관한 놀라운 사실 #1 :: 존버력을 길러보자
비전공자 경영 빅데이터 분석사 2급 찐 합격 후기
4차 산업혁명의 유행으로 다양한 비전공자분들이 유입되고 있습니다. 아마 방문자님 또한?
우리들에게 만만한것이 파이썬이나 R, SQL같은 코딩일까요? 아마도 아니겠지요.
우선 문돌이들이(물론 요즘은 공대도 많이 유입되긴 하지만) 가장 만만하게 느끼는건 아무래도 빅데이터 자격증이 아닐까 생각해봅니다.
수학, 통계, 코딩이 필요하지 않고 경영학에서 배우는 MIS(경영정보시스템) 정도? 혹은 어려워봐야 공대 자격증인 정보처리기사 정도 수준의 시험이 뭔가 없을까 보면 보통 ADsP, SQLD, 경영빅데이터분석사, 그리고 최근에 나오는 빅데이터분석기사에 대해 눈길이 갈 것 입니다.
그런데 나는 컴퓨터 개념엔 문외한이다?!
심지어 리눅스나 GIT이 뭔지도 잘 모르는 사람들이 이 자격증 시험을 붙을 수 있을까?!
하는 고민들이 많습니다.
그렇다면 잘 찾아오셨습니다.
저 또한 여러분들과 같은 길을 학부생때 걸었으며 비전공자로써 무엇부터 시작해야될지 막막하였습니다.
컴퓨터공부를 해야되는건지, 수학공부를 해야되는건지, AI공부를 해야되는건지, 통계 공부를 해야되는 것인지 모를 때에 저의 글이 조금이나마 여러분들의 자격증 취득에 도움이 되었으면 하는 바람으로 글을 씁니다.
제가 가장 처음 접했던 빅데이터 자격증이 경영빅데이터분석사 2급 자격증이었습니다.
해당 챕터에서는 전반적인 시험에 대한 객관적인 정보를 한번 훑어보겠습니다.
해당 자격증에 대해서 주저리 안쓰고 핵심 내용만 추려봤습니다.
해당 부분을 간과하지 마시고 꼭 정독해주시길 바랍니다. 지피지기 백전백승입니다.
「경영 빅데이터 분석사(Big data Analytics for Business)」
경영 업무를 위한 이론과 실무능력 검증
빅데이터 분석 전문가 양성 목적
빅데이터 분석 기획, 분석, 시각화를 통한 과학적 의사결정 지원하도록 함
민간자격(공인자격 아님)
2015년에 출시
1급 7만원, 2급 5만원
자격기관: 한국경제신문
시험기간: 약 분기별 1회
시험시간: 80분 – (1급:45문항, 2급:75문항)
2급은 컴싸로 봄
합격기준: 각 과목별 40점 이상, 총 평균 70점 이상
시험장소: 서울, 대전, 부산 각 지역별 대학교 협조(시험마다 다름)
시험 범위 (1급)
경영빅데이터분석사 1급시험 범위
시험 범위 (2급)
경영빅데이터분석사 2급시험 범위
1급과 2급의 차이
1급은 실기(R 코딩)가 있다 1급은 좁지만 깊게, 2급은 넓지만 얕게 같은 시간동안 2급이 더 문항수가 많다
이게 아쉬운게, 요즘은 보통 파이썬으로 데이터를 많이 다루는 추세인데, R을 여지껏 고집하고 있다는것은 조금 아쉽습니다. 통계처리나 시각화에는 R이 조금 좋다는 평가를 받지만, 파이썬이 최근 프로그래밍 언어계에서 C나 Java급과도 용호상박인 상태입니다.(심지어 자동화나 머신러닝, 딥러닝과의 연계도 뛰어남) 앞으로 데이터를 다루는데에 독보적인 위치가 되지 않을까 생각이 듭니다.
2급의 범위가 너무 많은것 아니냐 라고 생각하시겠지만, 내용 자체가 어렵지 않습니다. 굉장히 얕습니다. 그래서 ‘이게 쓸모가 있는가?’ 싶기도 하지만 우리들이 지금 걱정하는건 난이도의 문제입니까? 취득하냐 마냐가 문제인것 아니겠습니까?
데이터 분석에 대한 개론 정도로 이해하시면 좋을 듯 합니다. 지금당장 통계공부를 하기에 막막하다거나, 수학 공부는 커녕 코딩도 모르겠는데 데이터분석을 위한 공부를 원하신다면 이런 가벼운 듯한 시험을 보시는게 워밍업으로 좋으리라 생각됩니다.
이 자격증을 취득하고 활용하기에는 본인 나름입니다. 모든 자격증은 그 활용성에 대해 무한한 가능성을 열어놓게 적어놓지만, 실제로는 그렇지 않지요. 마치 컴활을 생각해보시면 쉬우실듯.. 경영학원론 배웠다고 기업가 되는게 아니듯이.. ^^
결론: 2급 먼저 따놓고 생각하자(어차피 1급은 2급을 따야 지원 가능)
그래서 2급의 난이도는 어떤데?
난이도는 쉽다 외울것은 많다 문제 풀다가 좌절할 수도 있다(?!)
난이도는 두루두루 얕게 내기 때문에 어렵지는 않습니다. 대학 중간고사 1주일 공부하고 B+ 받으면 되는 느낌이랄까?
그래도 익숙치 않은 용어들이 종종 등장합니다. 해당 개념에 대해선 익숙해질때까지 보고 숙달시키는 방법밖에 없습니다.
첫 문제풀이에서 상당히 좌절한 적이 있습니다. 40점 정도 맞았던 것 같아요. 아마 제가 제일 점수 낮을걸요? 한번 풀어보세요. 아무리 첫 모의고사라도 30점대 한명도 못본거 같아요.
#1 총평
지금까지 경영 빅데이터 분석사 시험에 대한 전반적인 내용을 살펴봤습니다.
시험에 대한 정보와 간략한 내용들을 남겼는데요.
앞으로도 해당 자격증 외에도 다양한 빅데이터 자격증에 대한 후기를 쓸 예정입니다.
이어지는 글에서는 경영빅데이터분석사에 대한 조금 더 구체적인 내용과 저의 주관이 좀 많이 섞인(?) 글이 올라갑니다.
구체적으로 어떤 책을 사용했는지, 공부시간은 얼마나 되었는지, 효율적인 학습 방법, 취업시장에서의 인정 등등
이번 글에서 조금 흥미를 느끼셨다면 아래 글을 참조하셔서 깊은 후기를 읽어주신 뒤에 공부에 임하시면 좋은 결과가 있을거라 생각합니다.
https://koreadatascientist.tistory.com/76?category=900115
합격 인증
해당 사진은 타인의 자격증을 도용한 것이 아니며 본인의 것임을 보장합니다.
40점 맞던 걔 맞아? 빅데이터자격증 합격후기
키워드에 대한 정보 경영 빅 데이터
다음은 Bing에서 경영 빅 데이터 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 [에듀빅] 경영빅데이터분석사 무료강의
- 동영상
- 공유
- 카메라폰
- 동영상폰
- 무료
- 올리기
YouTube에서 경영 빅 데이터 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 [에듀빅] 경영빅데이터분석사 무료강의 | 경영 빅 데이터, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.