Offcanvas

How To / 리더십|조직관리 / 비즈니스|경제 / 빅데이터 | 애널리틱스 / 소프트스킬 / 애플리케이션

예측 애널리틱스 프로젝트가 실패하는 12가지 시나리오 ②

2013.08.06 Robert L. Mitchell  |  Computerworld


10. 예측 애널리틱스모델 구축만으로 모든 것이 끝났다고 생각하기
예측 애널리틱스 모델을 성공적으로 구축했다고 가정하자. 그렇다면 그 다음 단계는 무엇일까?

기업 조직에서는 구축하기를 원하는 예측 애널리틱스 모델의 종류와 이를 구축하는데 필요한 투자금에 대해 논의하기를 선호한다. 하지만 그 후에도 기업에 예측 애널리틱스 모델이 제대로 적용되지 않는 경우가 종종 있다.

엘더 리서치의 컨설턴트들이 여러 기업에서 어떠한 방법으로 예측 애널리틱스 모델을 도입하는지에 대해 설문을 진행했을 때, 대다수의 답변은, “예측 애널리틱스를 적용한다는 것의 의미가 무엇인가? 구축하면 바로 적용 가능한 것이 아닌가?” 였다. 하지만 이는 사실이 아니라고 딜은 강조했다.

예측 애널리틱스 모델을 구축한 후 이를 기업환경에서 적용하는 전략은 아주 단순하여 엑셀파일에 간단히 정리되거나 담당자에게 결과가 전달되는 식으로 마무리 될 수도 있지만, 반대로 다양한 소스로부터의 데이터가 모델의 적용을 위해 주어져야 하는 등 매우 복잡한 시스템이 필요할 수도 있다.

딜에 따르면 대부분 기업의 경우는 후자에 속한다. 즉, 대다수의 기업에게 있어서 단순히 엑셀시트 한 장이나 예측 애널리틱스 기법을 통해 도출된 결과 보고서가 출현할 가능성보다는, 복잡한 과정과 거대한 규모의 데이터셋이 제공되는 셈이다. 따라서 기업에서는 5만달러에서 30만달러까지도 들 수 있는 적절한 분석기법 소프트웨어에 투자하는 것뿐만이 아니라, 소프트웨어 엔지니어링 작업을 통해 데이터 소스를 예측 애널리틱스 기법을 실행하는 소프트웨어와 연결시키는 작업 역시 필요할 수도 있다.

끝으로, 분석을 통해 나온 결과값을 시각화 도구 혹은 비즈니스 인텔리전스 도구를 이용해 직원들이 쉽게 결과를 해석할 수 있도록 해야 한다. 그는 “성공적인 모델의 적용은 단순히 모델 구축 이상의 노력을 요한다”라고 말했다.

이와 관련해 적용 관련 전략은 사용자의 필요를 충족시키기 위해 변경되어야 할 수도 있다. 예를 들어, 미 체신청 감찰당국은 엘더리서치의 자문을 받아 계약사기 전문 감찰관의 의심행동 측정 모델을 개발했다.

개발 초기에는 감찰관들이 예측 모델을 인정하지 않았다. 하지만 예측 모델의 사용을 통해 감찰관들도 자신들의 수사에 필요한 정보를 손쉽게 얻을 수 있게 되었다.

이후 엘더리서치는 정보를 어떻게 하면 더욱 설득적으로 표현할 수 있을지에 대해 고민했다. 그리고 어떠한 계약이 사기의 가능성이 높은지 지도상에 색상으로 표현했다. 시간이 지나면서 감찰관들은 위험도의 계량화가 자신들의 수사에 가져다 주는 이점을 깨닫게 되었다.

오늘날 천여 명의 감찰관들이 이를 사용한다. 이러한 상황은 심지어 엘더 리서치의 전문가들에게도 새로운 장면이었다. “사람들이 결과를 어떻게 사용하는지, 그리고 예측 애널리틱스 모델에 대한 이해를 어떻게 구축하는지에 대해 알 수 있는 기회였다”라고 딜은 말했다.

11. 결과값이 명확한 것 같다는 이유로 예측 애널리틱스 모델을 외면하기
한 유흥 접객업체에서는 객단가가 높은 고객을 다시 되찾는 방법에 대해 알고 싶어했다. 애봇 애널리틱스는 95%의 확률로 이들 고객들을 다시금 되찾을 수 있는 모델을 개발했다.

“예측 애널리틱스 모델을 통해 확인한 패턴은 대부분 명백히 드러날 부분에 대한 내용이었다. 예를 들어, 수년간 해당 접객업체를 매달 방문했지만 수개월간 발길을 끊게 된 고객들은 이후 따로 개입하지 않아도 다시 돌아오게 된다”라고 애봇은 말했다.

그 결과 이 기업은 오래 지나지 않아 고객을 되찾기 위해 예측 애널리틱스 모델이 필요 없다고 생각하게 되었다. 어쨌든 고객은 다시 돌아올 것이라고 예상했기 때문이다. 하지만 전체 고객 중 5%는 다시 돌아오지 않았다. 애봇은 “그럼에도 불구하고 예측 애널리틱스 모델은 남들과 다른 행동방식을 보이는 고객들을 분석하는데 유용했다”라고 설명했다.

그는 이어 돌아올 것으로 예상했지만 그렇게 않았던 객단가 높은 고객에 초점을 맞춰야 한다고 조언했다. 애봇은 “예상대로 상당히 높은 확률로 고객들이 다시 돌아왔기 때문에, 그렇지 않은 사람들은 비정상적인 것으로 간주되었다. 이들 개별 고객들에 대한 개입이 필요했다”라고 말했다.

하지만 이 기업은 다른 문제에 직면하게 된다. 고객들이 돌아오지 않은 것에 대해 소비자의 피드백을 얻을 수 없었으며, 예측 애널리틱스모델도 왜 고객의 수가 다시 회복되지 않는지 밝혀낼 수 없었다. 애봇은 “더 많은 데이터 분석을 통해 고객이 돌아오지 않는 이유에 대한 핵심적 이유를 찾아야 한다”라며, 그러한 상황이 충족되어야만 이 기업이 고객에게 특가혜택을 제공하거나 메일을 발송하는 등 이 문제를 해결하기 위한 시도를 해나갈 수 있다고 지적했다.

12. 달성하고자 하는 바에 대해 사업적 맥락에서 정확히 정의하지 않기
이전에 애봇은 예측 애널리틱스모델을 우체국 시스템에 적용하려 검토했던 일이 있었다. 바코드 리딩의 정확도를 예측하기 위해 사용하려고 했다. 문제는 예측이 500분의 1초안에 이루어져야 한다는 것이었다.

애봇은 우수한 알고리즘을 내놓을 수도 있었다. 하지만 주어진 시간 내에 의도했던 결과가 나타나지 않는 다면 의미가 없는 일이었다. 이 예측 애널리틱스 모델은 단순히 예측을 시행할 뿐만 아니라, 특정 시간 내에 예측을 해내야만 했다. 따라서 그가 사용하는 알고리즘을 사용함에 있어 상충관계가 발생한다는 사실을 인정할 수 밖에 없었다. 그는 “시간상의 제약을 위해 이 모델은 상당히 간단히 짜여 있었고 이는 기업에서 흔히 일어나는 일이다”라고 말했다.

예측 애널리틱스 모델은 기업의 제약사항을 고려할 수 있어야 하고, 이러한 제약사항은 모델 설계에 있어 충분히 설명되어 있어야 한다. 안타깝게도 이러한 부분은 대학에서 가르치지 않는다. 그는 “좋은 모델을 설계하는데 집중하는 사람은 많지만, 어떻게 모델이 사용되는지에 대해 고민하는 사람은 없다”라고 말했다..

결론: 실패는 피할 수 있다
이러한 내용을 모두 읽은 후에도 여전히 예측 애널리틱스 기법이 너무 어렵다는 생각이 드는가? 그러나 걱정할 필요는 없다고 전문가들은 설명했다. 애봇은 다음과 같이 설명했다.

“실수는 발생하게 되어있다. 이를 통해 배우고 고쳐 나가는 것이 중요하다. 또한 그런 과정은 그만한 가치가 있다. 이러한 알고리즘이 사람은 할 수 없는 방법으로 데이터를 검토하며 기업들의 최적 의사결정을 돕는다.”

“프로젝트 시행 중 실패로 인해 고객들로부터 많은 호출을 받았다. 제대로 잘 하는 것은 어렵다. 하지만 이를 통해 얻을 수 있는 것들이 많다. 그리고 간단한 원칙을 따를 경우 누구나 잘 해낼 수 있다.” ciokr@idg.co.kr
 

CIO Korea 뉴스레터 및 IT 트랜드 보고서 무료 구독하기
추천 테크라이브러리

회사명:한국IDG 제호: CIO Korea 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아01641 등록발행일자 : 2011년 05월 27일

발행인 : 박형미 편집인 : 천신응 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.