2015.01.28

기고 | 데이터 애널리틱스가 알려주는 것, 알려주지 않는 것

Stephen Balzac | Computerworld
GPS가 없던 시절의 여행 방식을 기억하는가? 익숙한 길을 따라 여행하는 경우는 문제가 없지만, 긴 여행을 가면 흥미진진해지기도 한다. 어떤 나들목으로 나가야 되더라? 빨간 건물을 지났나? 주유소 직원이 세 번째 신호등에서 꺾으라고 그랬나 네 번째 신호등에서 꺾으라고 그랬나?

뒷좌석에서 칭얼대는 아이들은 바뀌지 않았지만 이제는 GPS 화면을 보면서 이러한 질문에 대한 답을 찾을 수 있다는 게 다행이다. GPS는 우리가 어디에 있던지 우리가 가기 원하는 곳으로 데려다 주며, 또 우리가 정확히 어디에 있는지 알려주기도 한다.



현 위치를 우선 파악하지 않으면 가고자 하는 곳에 어떻게 가야 하는지 알아낼 수 없다. 그리고 이는 기업 인재 관리에 있어서 조직적 변화가 언제나 아주 어려운 이유이기도 하다:

어디로 가고 싶은지 알고 있다 하더라도, 즉 조직이 어떤 모습이 되어야 하는지 안다 하더라도, 현재 시작점을 제대로 아는 경우는 거의 없다.

우리는 비즈니스를 두고, 사람들에 이야기를 할 수 있다. 안타깝게도 GPS의 비유로 보면 이런 상황은 마치 우리가 창 밖을 보고 나무와 길을 볼 수는 있지만, 그를 통해서 우리가 어디에 있는지는 파악하기 힘든 것과 흡사하다. 더 큰 맥락에서 우리를 보지 못한다면 우리 손에 들어온 정보의 가치에 제약이 생긴다. 그럼 우리는 어떻게 해야 하나?

다행히 이 부분에 빅데이터가 도움이 될 수 있다. ‘빅데이터’를 어떻게 정의하던 빅데이터가 데이터에 관한 것이 아니라는 점을 기억하는 게 중요하다; 빅데이터에 있어서는 데이터 애널리틱스가 데이터 주도적 의사 결정에서 제공하는 통찰이 핵심이다.

데이터 애널리틱스는 실제 어떤 일이 진행되고 있는지에 대한 현황을 우리에게 알려준다: 우리가 어디에서 시작하고 있는지도 말해줄 수 있다. 당연히 여기에는 조직차원의 행동과 심리에 대한 지식을 가진 사람이 그 데이터를 로드맵으로 옮기는 일이 수반되어야 하지만, 단순한 추측보다는 훨씬 낫다.

예를 들어 표 1에 나온 차트를 한번 보자. 이 표는 제조 회사 내 단순한 연령 분포로 매크로마이크로(Macromicro)가 개발한 데이터 애널리틱스 엔진을 활용해 생성된 것이다. 이 단순한 표는 회사가 리더십 진공상태에 직면해있다는 사실을 우리에게 알려준다: 젊은 신참 직원들이 많이 있고, 그 다음으로 상대적으로 나이든 직원들 두 부분으로 연령대가 모여있는 것을 볼 수 있다.

그 사이가 얼마나 좁은지도 유의해서 보라. 이 회사의 리더십과 경험이 나이든 직원에 집중되어 있는 것을 파악하는 건 어렵지 않다. 어느 시점에 이르면 이 직원들은 은퇴하게 될 것인데 그 때는 누가 회사를 이끌게 될까?


1-1 조직 리더가 최상위에 있다. 이 조직은 17개국에 걸쳐 3만 7,000명의 종업원을 보유하고 13개 부문으로 구성돼 있다.

1-2 높이는 보고 계층의 숫자를 반영한다.

1-3 파란색 필드는 조직 전반에 걸쳐 연령대를 보여준다. 옅은 파란색일수록 나이가 어리다.

1-4 이 인터랙티브 히스토램은 연령 분포를 보여준다. 이 조직은 20살 인근의 연령(1.4.1)과 은퇴를 앞둔 연령(1.4.2)에 밀집돼 있다.


좋다, 여기서 끝일까? 우리 모두가 이 데이터를 이해할 수 있다면 이제 무엇을 해야 하는지도 알 수 있다. 직원들을 훈련해야 한다. 물론 급하게 하라는 의미는 아니다.

이 정보를 볼 수 있는 것은 데이터 애널리틱스의 축복이자 저주다. 우리가 데이터가 어떤 의미를 지니고 있는지 그 데이터로 무엇을 해야 하는지를 안다고 해서 우리가 구체적으로 무엇을 해야 하는지 완전히 알고 있다는 의미는 아니다.

비유하자면 IQ 테스트는 당신이 얼마나 똑똑한지에 대해 어느 정도 알려준다. 그러나 당신에게 교육이 얼마나 필요한지에 대해서는 아무것도 말해주지 않는다: 당신에게 더 어려운 교과과정이 필요하다는 점을 안다고 하더라도 그게 정교한 지침인 것은 아니다. 다른 전문가가 그 IQ 점수를 특정 교육 과정에 변환시켜줘야 한다.

그와 비슷하게, 리더십 공백이 점진적으로 생길 것이라는 안다고 해서 누구를 개발하고 어떻게 할지에 대한 지식이 생기지는 않는다. 그런 분석적 엔진은 필요한 팩트를 줄 뿐이다. 그런 팩트들을 유용한 정보와 용도로 바꿔주는 것은 전혀 다른 역량이다.

이런 이야기가 실망스러울 수 있다는 걸 알고 있다: 조직차원의 변화나 성장을 위한 실제적인 GPS 그 어느 것도 우리가 마음 편히 길을 꺾을 수 있게 해주진 않는다. 길 찾기와 달리 조직은 절대 정적이지 않다. 데이터 애널리틱스는 우리가 성공적으로 계속적으로 변화하는 조직적 지형을 헤쳐나가는데 필요한 정보를 주지만, 그게 도착점은 아니다. 데이터 애널리틱스는 끝없는 여행이다.

* Stephen Balzac는 리더십 및 조직 개발 전문가이자 컨설턴트다. ciokr@idg.co.kr 



2015.01.28

기고 | 데이터 애널리틱스가 알려주는 것, 알려주지 않는 것

Stephen Balzac | Computerworld
GPS가 없던 시절의 여행 방식을 기억하는가? 익숙한 길을 따라 여행하는 경우는 문제가 없지만, 긴 여행을 가면 흥미진진해지기도 한다. 어떤 나들목으로 나가야 되더라? 빨간 건물을 지났나? 주유소 직원이 세 번째 신호등에서 꺾으라고 그랬나 네 번째 신호등에서 꺾으라고 그랬나?

뒷좌석에서 칭얼대는 아이들은 바뀌지 않았지만 이제는 GPS 화면을 보면서 이러한 질문에 대한 답을 찾을 수 있다는 게 다행이다. GPS는 우리가 어디에 있던지 우리가 가기 원하는 곳으로 데려다 주며, 또 우리가 정확히 어디에 있는지 알려주기도 한다.



현 위치를 우선 파악하지 않으면 가고자 하는 곳에 어떻게 가야 하는지 알아낼 수 없다. 그리고 이는 기업 인재 관리에 있어서 조직적 변화가 언제나 아주 어려운 이유이기도 하다:

어디로 가고 싶은지 알고 있다 하더라도, 즉 조직이 어떤 모습이 되어야 하는지 안다 하더라도, 현재 시작점을 제대로 아는 경우는 거의 없다.

우리는 비즈니스를 두고, 사람들에 이야기를 할 수 있다. 안타깝게도 GPS의 비유로 보면 이런 상황은 마치 우리가 창 밖을 보고 나무와 길을 볼 수는 있지만, 그를 통해서 우리가 어디에 있는지는 파악하기 힘든 것과 흡사하다. 더 큰 맥락에서 우리를 보지 못한다면 우리 손에 들어온 정보의 가치에 제약이 생긴다. 그럼 우리는 어떻게 해야 하나?

다행히 이 부분에 빅데이터가 도움이 될 수 있다. ‘빅데이터’를 어떻게 정의하던 빅데이터가 데이터에 관한 것이 아니라는 점을 기억하는 게 중요하다; 빅데이터에 있어서는 데이터 애널리틱스가 데이터 주도적 의사 결정에서 제공하는 통찰이 핵심이다.

데이터 애널리틱스는 실제 어떤 일이 진행되고 있는지에 대한 현황을 우리에게 알려준다: 우리가 어디에서 시작하고 있는지도 말해줄 수 있다. 당연히 여기에는 조직차원의 행동과 심리에 대한 지식을 가진 사람이 그 데이터를 로드맵으로 옮기는 일이 수반되어야 하지만, 단순한 추측보다는 훨씬 낫다.

예를 들어 표 1에 나온 차트를 한번 보자. 이 표는 제조 회사 내 단순한 연령 분포로 매크로마이크로(Macromicro)가 개발한 데이터 애널리틱스 엔진을 활용해 생성된 것이다. 이 단순한 표는 회사가 리더십 진공상태에 직면해있다는 사실을 우리에게 알려준다: 젊은 신참 직원들이 많이 있고, 그 다음으로 상대적으로 나이든 직원들 두 부분으로 연령대가 모여있는 것을 볼 수 있다.

그 사이가 얼마나 좁은지도 유의해서 보라. 이 회사의 리더십과 경험이 나이든 직원에 집중되어 있는 것을 파악하는 건 어렵지 않다. 어느 시점에 이르면 이 직원들은 은퇴하게 될 것인데 그 때는 누가 회사를 이끌게 될까?


1-1 조직 리더가 최상위에 있다. 이 조직은 17개국에 걸쳐 3만 7,000명의 종업원을 보유하고 13개 부문으로 구성돼 있다.

1-2 높이는 보고 계층의 숫자를 반영한다.

1-3 파란색 필드는 조직 전반에 걸쳐 연령대를 보여준다. 옅은 파란색일수록 나이가 어리다.

1-4 이 인터랙티브 히스토램은 연령 분포를 보여준다. 이 조직은 20살 인근의 연령(1.4.1)과 은퇴를 앞둔 연령(1.4.2)에 밀집돼 있다.


좋다, 여기서 끝일까? 우리 모두가 이 데이터를 이해할 수 있다면 이제 무엇을 해야 하는지도 알 수 있다. 직원들을 훈련해야 한다. 물론 급하게 하라는 의미는 아니다.

이 정보를 볼 수 있는 것은 데이터 애널리틱스의 축복이자 저주다. 우리가 데이터가 어떤 의미를 지니고 있는지 그 데이터로 무엇을 해야 하는지를 안다고 해서 우리가 구체적으로 무엇을 해야 하는지 완전히 알고 있다는 의미는 아니다.

비유하자면 IQ 테스트는 당신이 얼마나 똑똑한지에 대해 어느 정도 알려준다. 그러나 당신에게 교육이 얼마나 필요한지에 대해서는 아무것도 말해주지 않는다: 당신에게 더 어려운 교과과정이 필요하다는 점을 안다고 하더라도 그게 정교한 지침인 것은 아니다. 다른 전문가가 그 IQ 점수를 특정 교육 과정에 변환시켜줘야 한다.

그와 비슷하게, 리더십 공백이 점진적으로 생길 것이라는 안다고 해서 누구를 개발하고 어떻게 할지에 대한 지식이 생기지는 않는다. 그런 분석적 엔진은 필요한 팩트를 줄 뿐이다. 그런 팩트들을 유용한 정보와 용도로 바꿔주는 것은 전혀 다른 역량이다.

이런 이야기가 실망스러울 수 있다는 걸 알고 있다: 조직차원의 변화나 성장을 위한 실제적인 GPS 그 어느 것도 우리가 마음 편히 길을 꺾을 수 있게 해주진 않는다. 길 찾기와 달리 조직은 절대 정적이지 않다. 데이터 애널리틱스는 우리가 성공적으로 계속적으로 변화하는 조직적 지형을 헤쳐나가는데 필요한 정보를 주지만, 그게 도착점은 아니다. 데이터 애널리틱스는 끝없는 여행이다.

* Stephen Balzac는 리더십 및 조직 개발 전문가이자 컨설턴트다. ciokr@idg.co.kr 

X