2012.10.10

예측 분석을 실무에 적용하기··· 앞선 기업들의 생생한 조언

Robert L. Mitchell | Computerworld

올랜도 매직(Orlando Magic)의 분석 팀은 거의 2년 동안 새로운 비즈니스 분석 기술을 갈고 닦아 왔다. NBA 프랜차이즈의 비즈니스 전략 이사 앤토니 페레즈는 “18~20개월 전, 우리는 예측 분석(predictive analytics)에 대해 아는 것이 전무했다”고 말했다.

사실 그의 팀은 예측 분석이 무엇인지 알기 전부터 예측 분석을 해왔다. 그러나 당시 활용한 도구들이 충분한 통찰을 제공하지 못했었고, 그 결과 더 많은 노력이 투입되어야만 했었다고 페레즈는 덧붙였다. 그래서 페레즈는 더 강력한 새로운 소프트웨어를 SAS에서 도입했으며, 지금까지 계속 익혀오고 있다.

올랜도 매직의 예측 분석 업무는 이제 자리를 잡은 상태다. 입장권 판매 최적화는 물론 각각의 경기마다 최고의 선발선수를 예측하는데 코치진에게 통보한다. 또 연봉에 비해 가장 높은 성과를 내는 경제적인 선수를 찾아내는데도 한 몫하고 있다.

페레즈의 팀은 초기 어느 경기가 매진되고, 어느 경기의 좌석이 남게 될지를 예측하는데 분석 모델을 사용하기 시작했다. 이 정보를 이용하여 경기장 관중 수와 이윤에 있어서 최대치가 되도록 입장권 가격을 조정했다. 그는 “지난 시즌에 우리는 역사상 최대 입장권 매출을 기록했는데, 이는 보통 45경기 시즌 중 직장 폐쇄로 인해 34경기밖에 치루지 못한 상황에서 나온 것이었다”라고 말했다. 이제 그 모델들을 사용하여, 경기장 입장권 가격이 매일매일 조금씩 조정된다.

한편 맞대결 선발진과 게임 전략을 예측하는데 이 모델이 어떻게 쓰이는지에 대해서는 페레즈가 말을 아꼈다. “그건 아무도 이야기하지 않는 일종의 기밀이다”라고 그는 전했다.

이 모델이 아직 완전히 성숙한 것은 아니다. 그럼에도 불구하고, 다른 팀들 또한 알고리즘 모델을 역사적 데이터와 합쳐 특정 고객이 시즌입장권을 재구매할지 여부 등을 예측하는 데이터-마이닝(data-mining) 기법 예측 분석을 도입해가고 있다. 그 모델은 각각의 사람들에 가능성을 할당하는데, 그 데이터만 있으면, 기업은 취할 행동을 미리 준비할 수 있다. 또 추가적인 분석을 통해 다른 행동들이 각각 얼마나 성공적일지를 예측해볼 수도 있다.

가트너의 애널리스트 가레쓰 허셀은 예측 분석에 대한 활용이 전자통신, 금융 서비스, 소매 등의 업계에선 이미 보편적이라고 말했다. 그는 “그러나 전체적으로 보면, 예측 분석을 이용하는 조직들의 비율은 여전히 비교적 적은데, 5%정도 수준으로 보고 있다”라고 덧붙였다.

그는 이어 예측 분석에 대한 관심이 고조되고 있다면서, 특히 ‘기술적 분석’(descriptive analytics)에 집중하고 있는 기업들, 마케팅과 위험 관리 등을 넘어 예측 분석을 확대하고 싶은 기업들 사이에서 그렇다고 전했다.

분석 모델들은 웹사이트 광고 연결률을 예측하고, 어느 직원이 이직할지 인사부에서 예측할 수 있도록 돕는다. 또한 어느 전화상담자가 맡겨진 이용자 질문에 가장 잘 대답할 수 있을지를 결정함으로써 헬프데스크 콜 라우팅(call routing)을 최적화하는데도 사용된다.

컨설팅업체 애봇 애널리틱스(Abbott Analytics)의 회장 딘 애봇은 “더 많은 데이터가 있으면 더 많은 이익이 창출되는 것”이라고 말했다.

그러나 어디에나 단계가 있듯, 예측 분석은 데이터를 많이 필요로 하기 때문에, 고민없이 혹은 무턱대고 받아들일 수 있는 것이 아니다. 업계의 신생 기업들과 백전노장 기업들 모두에게 예측 분석과 관련한 경험을 공유해줄 것을 요청했다.




2012.10.10

예측 분석을 실무에 적용하기··· 앞선 기업들의 생생한 조언

Robert L. Mitchell | Computerworld

올랜도 매직(Orlando Magic)의 분석 팀은 거의 2년 동안 새로운 비즈니스 분석 기술을 갈고 닦아 왔다. NBA 프랜차이즈의 비즈니스 전략 이사 앤토니 페레즈는 “18~20개월 전, 우리는 예측 분석(predictive analytics)에 대해 아는 것이 전무했다”고 말했다.

사실 그의 팀은 예측 분석이 무엇인지 알기 전부터 예측 분석을 해왔다. 그러나 당시 활용한 도구들이 충분한 통찰을 제공하지 못했었고, 그 결과 더 많은 노력이 투입되어야만 했었다고 페레즈는 덧붙였다. 그래서 페레즈는 더 강력한 새로운 소프트웨어를 SAS에서 도입했으며, 지금까지 계속 익혀오고 있다.

올랜도 매직의 예측 분석 업무는 이제 자리를 잡은 상태다. 입장권 판매 최적화는 물론 각각의 경기마다 최고의 선발선수를 예측하는데 코치진에게 통보한다. 또 연봉에 비해 가장 높은 성과를 내는 경제적인 선수를 찾아내는데도 한 몫하고 있다.

페레즈의 팀은 초기 어느 경기가 매진되고, 어느 경기의 좌석이 남게 될지를 예측하는데 분석 모델을 사용하기 시작했다. 이 정보를 이용하여 경기장 관중 수와 이윤에 있어서 최대치가 되도록 입장권 가격을 조정했다. 그는 “지난 시즌에 우리는 역사상 최대 입장권 매출을 기록했는데, 이는 보통 45경기 시즌 중 직장 폐쇄로 인해 34경기밖에 치루지 못한 상황에서 나온 것이었다”라고 말했다. 이제 그 모델들을 사용하여, 경기장 입장권 가격이 매일매일 조금씩 조정된다.

한편 맞대결 선발진과 게임 전략을 예측하는데 이 모델이 어떻게 쓰이는지에 대해서는 페레즈가 말을 아꼈다. “그건 아무도 이야기하지 않는 일종의 기밀이다”라고 그는 전했다.

이 모델이 아직 완전히 성숙한 것은 아니다. 그럼에도 불구하고, 다른 팀들 또한 알고리즘 모델을 역사적 데이터와 합쳐 특정 고객이 시즌입장권을 재구매할지 여부 등을 예측하는 데이터-마이닝(data-mining) 기법 예측 분석을 도입해가고 있다. 그 모델은 각각의 사람들에 가능성을 할당하는데, 그 데이터만 있으면, 기업은 취할 행동을 미리 준비할 수 있다. 또 추가적인 분석을 통해 다른 행동들이 각각 얼마나 성공적일지를 예측해볼 수도 있다.

가트너의 애널리스트 가레쓰 허셀은 예측 분석에 대한 활용이 전자통신, 금융 서비스, 소매 등의 업계에선 이미 보편적이라고 말했다. 그는 “그러나 전체적으로 보면, 예측 분석을 이용하는 조직들의 비율은 여전히 비교적 적은데, 5%정도 수준으로 보고 있다”라고 덧붙였다.

그는 이어 예측 분석에 대한 관심이 고조되고 있다면서, 특히 ‘기술적 분석’(descriptive analytics)에 집중하고 있는 기업들, 마케팅과 위험 관리 등을 넘어 예측 분석을 확대하고 싶은 기업들 사이에서 그렇다고 전했다.

분석 모델들은 웹사이트 광고 연결률을 예측하고, 어느 직원이 이직할지 인사부에서 예측할 수 있도록 돕는다. 또한 어느 전화상담자가 맡겨진 이용자 질문에 가장 잘 대답할 수 있을지를 결정함으로써 헬프데스크 콜 라우팅(call routing)을 최적화하는데도 사용된다.

컨설팅업체 애봇 애널리틱스(Abbott Analytics)의 회장 딘 애봇은 “더 많은 데이터가 있으면 더 많은 이익이 창출되는 것”이라고 말했다.

그러나 어디에나 단계가 있듯, 예측 분석은 데이터를 많이 필요로 하기 때문에, 고민없이 혹은 무턱대고 받아들일 수 있는 것이 아니다. 업계의 신생 기업들과 백전노장 기업들 모두에게 예측 분석과 관련한 경험을 공유해줄 것을 요청했다.


X