2020.09.03

낭비이기 십상··· 애널리틱스가 '실제 성과’로 이어지게 하는 방법

Thor Olavsrud | CIO


자빌(Jabil)은 비즈니스 부문 직원과 임원들에게 비즈니스 이니셔티브에 영향을 주도록 애널리틱스 변화방법론을 중시하는 회사 중 하나다. 이 제조 관련 서비스를 제공하는 회사는 몇 년 동안 데이터를 더 많이 활용하는 회사가 되기 위해 노력을 집중했다. 데이터 사이언티스트 유치에 어려움을 겪었을 때, 보유한 데이터 마이닝에 도움을 줄 시티즌 데이터 사이언스 프로그램을 만들기도 했다.

자빌의 개리 칸트렐 CIO는 데이터를 더 많이 활용하는 회사가 되려는 노력에 중요했던 2가지가 있다. 비즈니스 문제 극복에 철저히 초점을 맞추고, 임원들의 지원과 후원을 유도하는 노력을 경주한 것이 그것이다.

비즈니스 리더와 고위 경영진을 동참시키는 데 어려움이 따랐지만, 이는 애널리틱스를 성공시키는 데 특히 중요한 요소 중 하나였다. 자빌은 시티즌 데이터 사이언스 프로그램의 일부로 주요 임원들에게 이틀 동안 집중적으로 데이터 사이언스 트레이닝 프로그램을 제공하는 임원급 트레이닝 코호트(cohort)를 만들었다. 

이 프로그램은 임원들이 데이터 기반의 조직으로 변모해야 하는 중요성을 이해하도록 도왔다. 또 열정적인 지원과 후원을 이끌어내, 데이터로 극복할 비즈니스 문제를 찾기 시작하도록 만들었다. 이 프로그램은 각 코호트가 프로그램을 끝낼 때 실시하는 브리핑에 고위 임원들을 참여시키는 방식으로 계속해서 경영진의 지원과 후원을 강화하고 있다.

칸트렐은 “임원과 경영진들이 극복해야 할 문제, 조직을 더 낫게 만들 결과와 성과들을 확인하기 시작하면서 폭넓게 수용이 되기 시작했다. 임원과 경영진이 열정을 갖도록 만들기 위해 3년을 투자했다. 그 결과, 2년 전부터는 ‘좋다. 애널리틱스로 하고 있는 일을 이해했다. 다음은 무엇인가?’라는 말을 듣게 되었다. 시간이 조금 걸렸지만, 마침내 이들이 가치를 보는 비즈니스와 연결시켜 메시지를 전달할 수 있게 되었다”라고 말했다.

데이터 사일로 무너뜨리기
시대에 뒤떨어진 데이터 프랙티스도 데이터를 비즈니스 가치로 전환시키는 역량을 방해할 수 있다. 주된 문제점은 무엇일까? 데이터 사일로(고립)이다.

바이엘 크롭 사이언스는 지난 몇 년간 모든 비즈니스에 머신러닝과 인공지능을 적용하려 노력했다. 중요하게 초점을 맞췄던 분야 중 하나는 정밀 농업(Precision agriculture)이었다. 바이엘 크롭 사이언스 산하 식물 생물공학 부문의 R&D 관련 데이터 전략을 책임지고 있는 미쉘 레이시는 자신의 회사는 사이언티픽 데이터가 발행한 과학적인 데이터 관리 및 책무에 대한 가이드라인인 ‘FAIR’를 바탕으로 데이터 기반 트랜스포메이션을 추진했다고 말했다. 이는 데이터 사일로를 없애도록 도움을 줬다.

FAIR(Findable, Accessible, Interoperable, Reusable)란 일종의 데이터 ‘헌장’이다. 사용자는 데이터를 쉽게 찾을 수 있어야 하고, (사이버 보안 정책을 준수하면서) 의사 결정을 내리는 데 필요한 데이터 액세스할 수 있어야 하고, 데이터는 상호운영 및 재사용 가능해야 한다고 규정하고 있다.

레이시는 “이는 아주 중요하다. 우리 데이터 전략의 토대이다”라고 강조했다.

그에 따르면 특정 그룹이 개발한 데이터가 다른 그룹이 진행하고 있는 일에 도움을 주는 경우가 많다. 데이터를 효율적으로 활용하기 위해서는, 여러 그룹이 데이터의 존재 여부, 이를 찾는 방법을 알고 있어야 하고, 데이터가 호환되어야 한다.

레이시는 “현장 검사이든 실험실의 여러 다양한 실험이든 특정 식물에 여러 검사를 실시하는 경우, 이런 데이터를 통합할 수 있어야 한다. 퍼즐로 생각할 수 있다. 이런 여러 다양한 검사들은 퍼즐 조각이다. 프로젝트 책임자는 이런 퍼즐 조각들을 맞춰야 한다”라고 말했다.

그리고 ‘신뢰’
다른 많은 변화와 마찬가지로, 데이터 기반 조직으로의 변화는 신뢰에 달려있다. 팀원들에 대한 신뢰, 새 프로세스에 대한 신뢰, 데이터에서 도출한 인사이트가 비즈니스에 긍정적인 영향을 가져올 것이라는 점에 대한 신뢰를 의미한다.

엑스페리안은 모든 머신러닝 및 AI 프로젝트에 4가지 토대가 되는 원칙을 적용하고 있다. 퍼포먼스, 스케일링, 도입, 신뢰가 여기에 해당된다.

산타남에 따르면, 과거 금융권이 애널리틱스 모델로 할 수 있는 일을 가로막은 주인공이 바로 신뢰였다. 산타남은 “많은 포지셔닝 모델이 꽤 단순한 로지스틱 회귀 모델이었다. 여기에는 이유가 있다. 더 복잡하고 불투명한 무언가를 만드는 것에 대한 신뢰 여부가 규제를 많이 받는 기업이나 조직이 수용할 수 있는 위험을 넘어서는 위험의 수준을 결정하기 때문이다”라고 설명했다.

그는 이어 “그러나 규제를 많이 받는 산업의 기업들이나 규제의 틀 모두 더 복잡한 알고리즘, 더 복잡한 기법의 가치를 인식하기 시작했다. 이에 설명이 가능한 AI 프레임워크로 이 분야를 책임 있게 단계적으로 발전시키는 방식을 취하고 있다”라고 덧붙였다.

그는 “영향을 만들기 위해서는 위에서 설명한 4가지가 모두 다 필요하다. 목표인 비즈니스 성과를 염두에 두지 않으면 방향을 잃기 쉽다”라고 말했다.
 

ciokr@idg.co.kr




2020.09.03

낭비이기 십상··· 애널리틱스가 '실제 성과’로 이어지게 하는 방법

Thor Olavsrud | CIO


자빌(Jabil)은 비즈니스 부문 직원과 임원들에게 비즈니스 이니셔티브에 영향을 주도록 애널리틱스 변화방법론을 중시하는 회사 중 하나다. 이 제조 관련 서비스를 제공하는 회사는 몇 년 동안 데이터를 더 많이 활용하는 회사가 되기 위해 노력을 집중했다. 데이터 사이언티스트 유치에 어려움을 겪었을 때, 보유한 데이터 마이닝에 도움을 줄 시티즌 데이터 사이언스 프로그램을 만들기도 했다.

자빌의 개리 칸트렐 CIO는 데이터를 더 많이 활용하는 회사가 되려는 노력에 중요했던 2가지가 있다. 비즈니스 문제 극복에 철저히 초점을 맞추고, 임원들의 지원과 후원을 유도하는 노력을 경주한 것이 그것이다.

비즈니스 리더와 고위 경영진을 동참시키는 데 어려움이 따랐지만, 이는 애널리틱스를 성공시키는 데 특히 중요한 요소 중 하나였다. 자빌은 시티즌 데이터 사이언스 프로그램의 일부로 주요 임원들에게 이틀 동안 집중적으로 데이터 사이언스 트레이닝 프로그램을 제공하는 임원급 트레이닝 코호트(cohort)를 만들었다. 

이 프로그램은 임원들이 데이터 기반의 조직으로 변모해야 하는 중요성을 이해하도록 도왔다. 또 열정적인 지원과 후원을 이끌어내, 데이터로 극복할 비즈니스 문제를 찾기 시작하도록 만들었다. 이 프로그램은 각 코호트가 프로그램을 끝낼 때 실시하는 브리핑에 고위 임원들을 참여시키는 방식으로 계속해서 경영진의 지원과 후원을 강화하고 있다.

칸트렐은 “임원과 경영진들이 극복해야 할 문제, 조직을 더 낫게 만들 결과와 성과들을 확인하기 시작하면서 폭넓게 수용이 되기 시작했다. 임원과 경영진이 열정을 갖도록 만들기 위해 3년을 투자했다. 그 결과, 2년 전부터는 ‘좋다. 애널리틱스로 하고 있는 일을 이해했다. 다음은 무엇인가?’라는 말을 듣게 되었다. 시간이 조금 걸렸지만, 마침내 이들이 가치를 보는 비즈니스와 연결시켜 메시지를 전달할 수 있게 되었다”라고 말했다.

데이터 사일로 무너뜨리기
시대에 뒤떨어진 데이터 프랙티스도 데이터를 비즈니스 가치로 전환시키는 역량을 방해할 수 있다. 주된 문제점은 무엇일까? 데이터 사일로(고립)이다.

바이엘 크롭 사이언스는 지난 몇 년간 모든 비즈니스에 머신러닝과 인공지능을 적용하려 노력했다. 중요하게 초점을 맞췄던 분야 중 하나는 정밀 농업(Precision agriculture)이었다. 바이엘 크롭 사이언스 산하 식물 생물공학 부문의 R&D 관련 데이터 전략을 책임지고 있는 미쉘 레이시는 자신의 회사는 사이언티픽 데이터가 발행한 과학적인 데이터 관리 및 책무에 대한 가이드라인인 ‘FAIR’를 바탕으로 데이터 기반 트랜스포메이션을 추진했다고 말했다. 이는 데이터 사일로를 없애도록 도움을 줬다.

FAIR(Findable, Accessible, Interoperable, Reusable)란 일종의 데이터 ‘헌장’이다. 사용자는 데이터를 쉽게 찾을 수 있어야 하고, (사이버 보안 정책을 준수하면서) 의사 결정을 내리는 데 필요한 데이터 액세스할 수 있어야 하고, 데이터는 상호운영 및 재사용 가능해야 한다고 규정하고 있다.

레이시는 “이는 아주 중요하다. 우리 데이터 전략의 토대이다”라고 강조했다.

그에 따르면 특정 그룹이 개발한 데이터가 다른 그룹이 진행하고 있는 일에 도움을 주는 경우가 많다. 데이터를 효율적으로 활용하기 위해서는, 여러 그룹이 데이터의 존재 여부, 이를 찾는 방법을 알고 있어야 하고, 데이터가 호환되어야 한다.

레이시는 “현장 검사이든 실험실의 여러 다양한 실험이든 특정 식물에 여러 검사를 실시하는 경우, 이런 데이터를 통합할 수 있어야 한다. 퍼즐로 생각할 수 있다. 이런 여러 다양한 검사들은 퍼즐 조각이다. 프로젝트 책임자는 이런 퍼즐 조각들을 맞춰야 한다”라고 말했다.

그리고 ‘신뢰’
다른 많은 변화와 마찬가지로, 데이터 기반 조직으로의 변화는 신뢰에 달려있다. 팀원들에 대한 신뢰, 새 프로세스에 대한 신뢰, 데이터에서 도출한 인사이트가 비즈니스에 긍정적인 영향을 가져올 것이라는 점에 대한 신뢰를 의미한다.

엑스페리안은 모든 머신러닝 및 AI 프로젝트에 4가지 토대가 되는 원칙을 적용하고 있다. 퍼포먼스, 스케일링, 도입, 신뢰가 여기에 해당된다.

산타남에 따르면, 과거 금융권이 애널리틱스 모델로 할 수 있는 일을 가로막은 주인공이 바로 신뢰였다. 산타남은 “많은 포지셔닝 모델이 꽤 단순한 로지스틱 회귀 모델이었다. 여기에는 이유가 있다. 더 복잡하고 불투명한 무언가를 만드는 것에 대한 신뢰 여부가 규제를 많이 받는 기업이나 조직이 수용할 수 있는 위험을 넘어서는 위험의 수준을 결정하기 때문이다”라고 설명했다.

그는 이어 “그러나 규제를 많이 받는 산업의 기업들이나 규제의 틀 모두 더 복잡한 알고리즘, 더 복잡한 기법의 가치를 인식하기 시작했다. 이에 설명이 가능한 AI 프레임워크로 이 분야를 책임 있게 단계적으로 발전시키는 방식을 취하고 있다”라고 덧붙였다.

그는 “영향을 만들기 위해서는 위에서 설명한 4가지가 모두 다 필요하다. 목표인 비즈니스 성과를 염두에 두지 않으면 방향을 잃기 쉽다”라고 말했다.
 

ciokr@idg.co.kr


X