BI
2019.03.13

'결정의 과학' 바이엘의 '애널리틱스' 사례 분석

Thor Olavsrud | CIO
바이엘 크롭 사이언스(Bayer Crop Science)의 CIO이자 디지털 트랜스포메이션 책임자인 제임스 스완슨은 애널리틱스에 대한 깊은 믿음을 가지고 있다. 이 믿음의 시작은 종자를 농장에서 가공 공장으로 운반하는 트럭의 뒤편에 달아 놓은 작은 센서와 함께 시작됐다. 발상은 단순했다. 센서에서 나온 데이터를 이용해 종자 손실을 방지한다는 것이었다. 

© Getty Images Bank

스완슨은 “GPS 위치가 표시된 센서로 트럭을 추적하고 종자가 파괴될만큼 트럭이 뜨거워지는지 파악할 수 있었다. 이런 신호가 감지되면 해당 트럭을 열의 가장 앞쪽으로 이동시킨다”라고 말했다. 이때부터 스완슨과 그의 팀은 종합 물류, 운송 경로 설정으로부터 수요 예측, 계획까지 사업의 모든 측면에 애널리틱스를 적용했다. 그는 “데이터를 수집해 몇몇 모델을 적용하면 사람들이 이를 쉽게 이해할 수 있다”라고 말했다. 

그 결과 오늘날 바이엘 크롭 사이언스는 인공 지능(AI)과 머신 러닝을 이용해 데이터 중심의 의사 결정을 내린다. R&D, 공급망, 판매/마케팅, 디지털 농업 같은 분야다. ‘모든 사업 결정에 AI와 머신 러닝을 통합'하는 이 프로젝트를 통해 바이엘 크롭 사이언스는 디지털 혁신 부문에서 2019 디지털 엣지 50 어워드를 수상했다. 

머신 러닝 변형 
바이엘 크롭 사이언스의 데이터 지향적 트랜스포메이션은 몬산토 사례와 비슷하다. 실제로 스완슨은 몬산토의 CIO를 역임했다. 독일의 다국적 제약 및 생명과학 회사인 바이엘은 2018년 몬산토를 인수했고 이를 바이엘 크롭 사이언스 사업부에 통합했다.

바이엘은 AI와 머신 러닝에 이용해 종자 선정과 고객 유지 등 각종 사업 의사 결정을 강화했다. 머신 러닝 덕분에, 바이엘 연구자는 수천 종의 씨앗이 농지에서 어떤 성과를 거둘 것인지 더 정확하게 예측할 수 있다. 이제 미생물이 씨앗 및 식물 성장의 생산성에 긍정적 효과를 갖도록 예측적 선별을 이행하는 것도 가능하다. 아울러 바이엘은 정확한 초기 세대 시험으로 풍미 프로파일이 강화된 산물을 규명하는데 도움이 되는 예측 모델을 이용하고 있다.

바이엘의 연구자는 기후학자와도 협력해 기후 변화가 농업에 어떠한 영향을 주는지를 모델링하고 있다. 애널리틱스를 이용한 스마트 필드-테스팅 장비는 최적의 수확 시기를 결정하는 데 도움이 된다. 그리고 이는 단지 농업에 국한되지 않는다. 바이엘 크롭 사이언스의 판매팀과 마케팅 프로그램은 농가 고객의 요구를 더 정확하게 규명할 수 있는 예측 모델을 이용한다. 

스완슨에 따르면 이는 IT 트랜스포메이션이 아니라 비즈니스 트랜스포메이션이었으며, 실제 성과도 확인됐다. 센서 기술과 머신 러닝을 연간 30만 건 이상의 씨앗 화물의 이동을 추적하고 계획하는 데 적용했다. 그 결과 정확한 배송은 물론 바이엘이 이산화탄소 배출량을 8% 줄이는 데에 기여하였다. 

데이터 사이언스를 초월한 성장 
바이엘 크롭 사이언스에서 데이터 사이언스 센터(Data Science Center of Excellence, COE)를 지휘하는 네이빈 싱글러는 “문화적 관점에서, 우리 회사가 성공한 가장 큰 요인은 IT와 사업부서 사이의 경계가 흐릿하다는 점이다. IT는 더 이상 효율을 추동하는 비용 부서가 아니다. 우리는 사업의 일부이고, 사업 부서와 함께 일한다. 사업 부서가 우리에게 가져오는 문제를 해결하는 것만이 아니라 사업에 동등하게 관여한다. 이를 통해 한층 우수한 식물 종자를 만들 수 있고, 우리 제품을 더 깊이 이해하고 가격을 책정할 수 있다”라고 말했다. 

사실, 싱글러는 회사가 ‘디시전 사이언스’라는 용어를 ‘데이터 사이언스’라는 용어보다 더 선호한다고 말한다. 의사 결정 과정이 주제 전문가와 데이터 과학자 사이의 심도 있는 협력에 의존하기 때문이다. 그는 “이게 데이터 사이언스와 디시전 사이언스의 차이다. 데이터 사이언스는 통찰에 관한 것이다. 반면 디시전 사이언스는 중대한 통찰, 우리가 더 좋은 결정을 내리는데 기여하는 통찰에 관한 것이다. 그래서 주제 전문가를 관여시킨다. 식물 브리더는 자발적으로 우리가 알고리즘을 도출하는데 도움을 준다. 이들은 자신이 속한 영역의 지식을 가져오고 이러한 이해가 모델에 반영된다”라고 말했다. 

스완슨은 바이엘 성공의 핵심 요소로 하이브리드 모델을 꼽는다. 싱글러의 데이터 사이언스 COE가 IT에 의해 주도되지만, 한편으로 데이터 과학자가 모든 비즈니스 계열에 포진해 있는 형태다. 따라서 데이터 과학자는 근본적 수준에서 각 비즈니스의 핵심 문제를 이해할 수 있다. 스완슨은 “최대한 빨리 이러한 분산 모델에 도달해야 한다. 그곳에서 성과가 현실화되기 때문이다”라고 말했다. 
 
디지털 리더십의 재구성 
아울러 스완슨은 순차적으로 역량을 구축해야 한다고 조언했다. 즉, 테스트, 학습, 반복이다. 진정으로 무언가를 현실화하려면 IT는 물론이고 회사 전체에 걸쳐 데이터에 관한 숙련성, 스킬, 문화를 구축해야 한다. 스완슨은 “3년의 경험을 쌓은 후 COE를 시작했다. 만약 조기에 만들었다면 실패했을 것이다”라고 말했다.

트랜스포메이션의 초기 단계에서 IT는 HR과 협력해 회사의 모든 업무에서 디지털 스킬을 구축하는 프로그램을 만들었다. 처음에 이는 디지털 숙련 과정이라고 불렸지만, 이내 디지털 리더십이라는 말로 바뀌었다. 이들이 구축 중인 것이 바로 그것이었기 때문이었다. 

스완슨은 “식물 관리자든, 영업 직원이든, 마케팅 전문가든, 육종가든 회사 내 모든 직무에 디지털 스킬과 역량을 배양해야 했다. 기본적 데이터 스킬을 갖춘 새로운 인재상을 다시 만드는 작업이다. 자신의 업무 분야에 모델을 적용하는 법, 기술과 데이터 렌즈를 통해 업무를 재구성하고 시너지를 창출하는 방법을 누구나 기본적으로 이해하고 있어야 했다”라고 말했다. 

물론 이 과정에서 고통도 있었다. 스완슨은 기존의 IT 조직을 30% 정도 축소해 현대적 기술, 즉 데이터 과학자, 빅데이터 엔지니어, 클라우드 엔지니어링 전문가, 풀-스택 개발자를 위한 공간을 따라 마련해야 했다. 

이에 따라 회사의 IT 지출에 대한 사고방식도 바뀌었다. 스완슨은 “그 전에는 IT 예산이 이 정도인데 이걸로 무엇을 할 수 있는가라는 질문에서 출발했다. 그러나 이제는 광고든, 공급망이든, R&D든, 사업 예산이 이 정도인데 디시전 사이언스 모델과 기술, 새로운 종자 계열, 새로운 식물, 수많은 영업 인력에 대해 각각 얼마나 돈을 쓰고 싶은가라는 질문으로 논의가 바뀌었다. 즉 낡은 IT 및 비용 제약 모형을 떠나 회사 전체 예산을 놓고 경쟁하고, 기회가 있을 때마다 예산을 확보한다. IT가 사업의 일부로써, 예산을 확보하는 것이다. 이는 일종의 절충이었다. 투자를 늘리는 중요한 단계이기도 했다”라고 말했다. 

전체적으로, 스완슨은 단순한 기술 차원을 넘어서 생각하는 것이 핵심이라고 지적했다. 그는 “이제 기술은 회사를 변혁하고 업무와 공정을 변혁해 고객 가치를 높이는 핵심 요소다. 그리고 우리가 만들 수 있는 새로운 사업 모델에 관해 생각하는 것이다. 이 과정에서 결정 과학이라는 요소가 없었다면 이를 할 수 있는 방법이 없었다. 우리는 농업과 회사를 재구성하려 했다. 단순히 강화하는 것이 아니었다”라고 말했다. ciokr@idg.co.kr



BI
2019.03.13

'결정의 과학' 바이엘의 '애널리틱스' 사례 분석

Thor Olavsrud | CIO
바이엘 크롭 사이언스(Bayer Crop Science)의 CIO이자 디지털 트랜스포메이션 책임자인 제임스 스완슨은 애널리틱스에 대한 깊은 믿음을 가지고 있다. 이 믿음의 시작은 종자를 농장에서 가공 공장으로 운반하는 트럭의 뒤편에 달아 놓은 작은 센서와 함께 시작됐다. 발상은 단순했다. 센서에서 나온 데이터를 이용해 종자 손실을 방지한다는 것이었다. 

© Getty Images Bank

스완슨은 “GPS 위치가 표시된 센서로 트럭을 추적하고 종자가 파괴될만큼 트럭이 뜨거워지는지 파악할 수 있었다. 이런 신호가 감지되면 해당 트럭을 열의 가장 앞쪽으로 이동시킨다”라고 말했다. 이때부터 스완슨과 그의 팀은 종합 물류, 운송 경로 설정으로부터 수요 예측, 계획까지 사업의 모든 측면에 애널리틱스를 적용했다. 그는 “데이터를 수집해 몇몇 모델을 적용하면 사람들이 이를 쉽게 이해할 수 있다”라고 말했다. 

그 결과 오늘날 바이엘 크롭 사이언스는 인공 지능(AI)과 머신 러닝을 이용해 데이터 중심의 의사 결정을 내린다. R&D, 공급망, 판매/마케팅, 디지털 농업 같은 분야다. ‘모든 사업 결정에 AI와 머신 러닝을 통합'하는 이 프로젝트를 통해 바이엘 크롭 사이언스는 디지털 혁신 부문에서 2019 디지털 엣지 50 어워드를 수상했다. 

머신 러닝 변형 
바이엘 크롭 사이언스의 데이터 지향적 트랜스포메이션은 몬산토 사례와 비슷하다. 실제로 스완슨은 몬산토의 CIO를 역임했다. 독일의 다국적 제약 및 생명과학 회사인 바이엘은 2018년 몬산토를 인수했고 이를 바이엘 크롭 사이언스 사업부에 통합했다.

바이엘은 AI와 머신 러닝에 이용해 종자 선정과 고객 유지 등 각종 사업 의사 결정을 강화했다. 머신 러닝 덕분에, 바이엘 연구자는 수천 종의 씨앗이 농지에서 어떤 성과를 거둘 것인지 더 정확하게 예측할 수 있다. 이제 미생물이 씨앗 및 식물 성장의 생산성에 긍정적 효과를 갖도록 예측적 선별을 이행하는 것도 가능하다. 아울러 바이엘은 정확한 초기 세대 시험으로 풍미 프로파일이 강화된 산물을 규명하는데 도움이 되는 예측 모델을 이용하고 있다.

바이엘의 연구자는 기후학자와도 협력해 기후 변화가 농업에 어떠한 영향을 주는지를 모델링하고 있다. 애널리틱스를 이용한 스마트 필드-테스팅 장비는 최적의 수확 시기를 결정하는 데 도움이 된다. 그리고 이는 단지 농업에 국한되지 않는다. 바이엘 크롭 사이언스의 판매팀과 마케팅 프로그램은 농가 고객의 요구를 더 정확하게 규명할 수 있는 예측 모델을 이용한다. 

스완슨에 따르면 이는 IT 트랜스포메이션이 아니라 비즈니스 트랜스포메이션이었으며, 실제 성과도 확인됐다. 센서 기술과 머신 러닝을 연간 30만 건 이상의 씨앗 화물의 이동을 추적하고 계획하는 데 적용했다. 그 결과 정확한 배송은 물론 바이엘이 이산화탄소 배출량을 8% 줄이는 데에 기여하였다. 

데이터 사이언스를 초월한 성장 
바이엘 크롭 사이언스에서 데이터 사이언스 센터(Data Science Center of Excellence, COE)를 지휘하는 네이빈 싱글러는 “문화적 관점에서, 우리 회사가 성공한 가장 큰 요인은 IT와 사업부서 사이의 경계가 흐릿하다는 점이다. IT는 더 이상 효율을 추동하는 비용 부서가 아니다. 우리는 사업의 일부이고, 사업 부서와 함께 일한다. 사업 부서가 우리에게 가져오는 문제를 해결하는 것만이 아니라 사업에 동등하게 관여한다. 이를 통해 한층 우수한 식물 종자를 만들 수 있고, 우리 제품을 더 깊이 이해하고 가격을 책정할 수 있다”라고 말했다. 

사실, 싱글러는 회사가 ‘디시전 사이언스’라는 용어를 ‘데이터 사이언스’라는 용어보다 더 선호한다고 말한다. 의사 결정 과정이 주제 전문가와 데이터 과학자 사이의 심도 있는 협력에 의존하기 때문이다. 그는 “이게 데이터 사이언스와 디시전 사이언스의 차이다. 데이터 사이언스는 통찰에 관한 것이다. 반면 디시전 사이언스는 중대한 통찰, 우리가 더 좋은 결정을 내리는데 기여하는 통찰에 관한 것이다. 그래서 주제 전문가를 관여시킨다. 식물 브리더는 자발적으로 우리가 알고리즘을 도출하는데 도움을 준다. 이들은 자신이 속한 영역의 지식을 가져오고 이러한 이해가 모델에 반영된다”라고 말했다. 

스완슨은 바이엘 성공의 핵심 요소로 하이브리드 모델을 꼽는다. 싱글러의 데이터 사이언스 COE가 IT에 의해 주도되지만, 한편으로 데이터 과학자가 모든 비즈니스 계열에 포진해 있는 형태다. 따라서 데이터 과학자는 근본적 수준에서 각 비즈니스의 핵심 문제를 이해할 수 있다. 스완슨은 “최대한 빨리 이러한 분산 모델에 도달해야 한다. 그곳에서 성과가 현실화되기 때문이다”라고 말했다. 
 
디지털 리더십의 재구성 
아울러 스완슨은 순차적으로 역량을 구축해야 한다고 조언했다. 즉, 테스트, 학습, 반복이다. 진정으로 무언가를 현실화하려면 IT는 물론이고 회사 전체에 걸쳐 데이터에 관한 숙련성, 스킬, 문화를 구축해야 한다. 스완슨은 “3년의 경험을 쌓은 후 COE를 시작했다. 만약 조기에 만들었다면 실패했을 것이다”라고 말했다.

트랜스포메이션의 초기 단계에서 IT는 HR과 협력해 회사의 모든 업무에서 디지털 스킬을 구축하는 프로그램을 만들었다. 처음에 이는 디지털 숙련 과정이라고 불렸지만, 이내 디지털 리더십이라는 말로 바뀌었다. 이들이 구축 중인 것이 바로 그것이었기 때문이었다. 

스완슨은 “식물 관리자든, 영업 직원이든, 마케팅 전문가든, 육종가든 회사 내 모든 직무에 디지털 스킬과 역량을 배양해야 했다. 기본적 데이터 스킬을 갖춘 새로운 인재상을 다시 만드는 작업이다. 자신의 업무 분야에 모델을 적용하는 법, 기술과 데이터 렌즈를 통해 업무를 재구성하고 시너지를 창출하는 방법을 누구나 기본적으로 이해하고 있어야 했다”라고 말했다. 

물론 이 과정에서 고통도 있었다. 스완슨은 기존의 IT 조직을 30% 정도 축소해 현대적 기술, 즉 데이터 과학자, 빅데이터 엔지니어, 클라우드 엔지니어링 전문가, 풀-스택 개발자를 위한 공간을 따라 마련해야 했다. 

이에 따라 회사의 IT 지출에 대한 사고방식도 바뀌었다. 스완슨은 “그 전에는 IT 예산이 이 정도인데 이걸로 무엇을 할 수 있는가라는 질문에서 출발했다. 그러나 이제는 광고든, 공급망이든, R&D든, 사업 예산이 이 정도인데 디시전 사이언스 모델과 기술, 새로운 종자 계열, 새로운 식물, 수많은 영업 인력에 대해 각각 얼마나 돈을 쓰고 싶은가라는 질문으로 논의가 바뀌었다. 즉 낡은 IT 및 비용 제약 모형을 떠나 회사 전체 예산을 놓고 경쟁하고, 기회가 있을 때마다 예산을 확보한다. IT가 사업의 일부로써, 예산을 확보하는 것이다. 이는 일종의 절충이었다. 투자를 늘리는 중요한 단계이기도 했다”라고 말했다. 

전체적으로, 스완슨은 단순한 기술 차원을 넘어서 생각하는 것이 핵심이라고 지적했다. 그는 “이제 기술은 회사를 변혁하고 업무와 공정을 변혁해 고객 가치를 높이는 핵심 요소다. 그리고 우리가 만들 수 있는 새로운 사업 모델에 관해 생각하는 것이다. 이 과정에서 결정 과학이라는 요소가 없었다면 이를 할 수 있는 방법이 없었다. 우리는 농업과 회사를 재구성하려 했다. 단순히 강화하는 것이 아니었다”라고 말했다. ciokr@idg.co.kr

X