2017.10.19

'신비한 마법이어선 안 된다'··· 데이터 애널리틱스에 대한 전문가들의 조언

John Edwards | CIO

공개적으로 인정하는 사람은 거의 없겠지만 데이터 애널리틱스는 여러 IT리더들에게 있어 어둠의 과학에 가깝다. 신비로운 방법과 겉으로 보기에 불가해한 것들로 가득하다.

그러나 이러한 오해에도 불구하고 애널리틱스는 입증된 과학이자 생산성, 효율성, 매출, 수익, 기타 중요 비즈니스 지표 및 목표를 크게 개선하는 강력한 도구라는 점을 반복적으로 입증하고 있다.

많은 IT책임자들이 오늘날의 애널리틱스 혁명을 제대로 알아채지 못하고 있다고 테네시대학교(University of Tennessee)의 비즈니스 애널리틱스 조교수 미쉘 볼링스(Michel Ballings)가 말했다.

“최근이 되어서야 컴퓨팅이 고급 데이터 애널리틱스를 수행할 수 있을 정도로 강력해졌다. [대부분의] IT책임자들은 데이터 애널리틱스 혁명이 발생하기 훨씬 전에 졸업한 이들이다”라고 그는 말했다.

고급 애널리틱스는 기본적으로 연구 기술인데, 대부분의 IT책임자 및 임원은 전문적인 연구원이 아니라고 기술 컨설팅 기업 TW(ThoughtWorks)의 책임 데이터 공학자 데이비드 존스턴이 말했다.

그는 “이 기술은 학문 분야에서 보편적이다. 대부분의 성공적인 데이터 공학자와 애널리틱스 관리자는 학계 출신들인 이유다”라며 그 결과 나이 든 많은 IT책임자들이 새롭게 등장한 애널리틱스 계획에 어리둥절하면서 두려워하고 있다고 지적했다.



모르는 것 포용하기
먼저 기업 IT책임자들은 애널리틱스로 인해 안정적이었던 조직에 숙제가 부여된다는 점을 알 필요가 있다. 액센츄어(Accenture)의 디지털 기술 자문 서비스 상무이사 저스틴 호나만은 “데이터 및 애널리틱스 지원 솔루션을 유도하기 위해 대형 조직 내에서 필요한 역량이 변화하게 된다. 전통적인 IT기술이 시장에서 빠르게 발전하는 새로운 애널리틱스 엔진, 코드 베이스, 데이터 관리 구조와 호환되지 않으면서 새로운 인재가 필요해진다”라고 말했다.

직접 마케팅 기업 HA(Hacker Agency)의 마케팅 과학 전무이사 세스 가스케는 여러 IT책임자들이 스스로 애널리틱스에 접근하는 최고의 방식에 대해 확신하지 못하는 경우가 많으며 다른 부서와 중첩되는 상황에서는 더욱 그렇다고 밝혔다.

그는 “애널리틱스는 특성상 기술적이지만 재무나 회계 같은 비즈니스 기능에 더욱 가깝다. 이런 오해로 인해 일부 조직에서는 추악한 세력 다툼이 발생하기도 했다”라고 말했다.

비즈니스 및 기술 컨설팅 기업 웨스트 먼로 파트너스(West Monroe Partners)의 고급 애널리틱스 책임자 댄 마제스트로는 IT책임자가 애널리틱스의 메커니즘뿐만이 아니라 애널리틱스 프로세스 활용 방법을 파악하는데 더 많은 시간을 투자하라고 권고했다. 이를 통해 도입률이 상승하고 역할과 책임에 대한 내부적인 분쟁이 진정될 수 있다는 설명이다.

또 애널리틱스에 대한 지식의 축적은 IT책임자가 애널리틱스에 대한 오해를 해소하는데 도움이 된다고 그는 덧붙였다. 존스턴은 “데이터 공학이란 극단적으로 창의적인 노력이다. 관리자가 반드시 소프트웨어 프로젝트 소유자처럼 모든 애널리틱스의 내부적인 것을 이해할 필요가 없으며 기본적인 기술 내부사항을 파악할 필요도 없다”라며 생성된 가치를 보는 것이 가장 중요하다고 말했다.

솔루션이 명확하고 전 세계 기업들이 널리 도입하는 경우가 많은 IT 영역과는 달리 애널리틱스 프로세스는 특수하고 개별화된 경우가 많다는 점을 감안하라는 주문도 있었다.

마테스트로는 “최고의 애널리틱스 방법을 선택하는 것이 때로는 간단하고 하나의 예술인 경우도 있다. 예를 들어, 일반적으로 데이터에서의 원인-결과 관계를 찾는 것이 일종의 회귀일 수 있으며 대형 고객 데이터세트에서 유사한 특성을 찾을 때 클러스터링(Clustering) 알고리즘이 수반될 가능성이 높다”라고 설명했다.

이를테면 마케팅 예산을 최적화할 때 애널리틱스 전문가는 성공할 수 있는 무수히 많은 방법에서 선택할 수 있다. “이런 경우에 그것이 '최고’의 방법인지 여부보다는 하나의 방법을 적절히 활용하고 적절한 가정을 하는 것이 중요한 경우가 많다”라고 마제스트로가 말했다.

방향 설정
기업 애널리틱스가 IT내에 또는 단독적인 애널리틱스 부서에 집중되거나 각 사업부에 걸쳐 확산되어야 하는지 여부에 대해 전문가들의 의견이 일부 엇갈린다. 그러나 IT가 모든 기업 애널리틱스 계획의 기초가 아니라 애널리틱스 및 기술 지원자로써 가장 적절한 위치에 있다고 생각하는 이들이 많다.

존스턴은 “데이터 애널리틱스를 한 부서가 전담하도록 할 이유가 없다. 물론 이와 함께 기업 전반에 걸쳐 일련의 기술이 성장하도록 유도해야 한다”라고 말했다.

데이터 공학은 빠르게 발전하는 분야이기 때문에 여러 팀들이 서로 협업하고 학습하도록 하는데 상당한 이점이 있으며 약간의 우호적인 경쟁도 필요하다고 존스턴이 말했다.

그는 “팀들은 서로 방법이 다르기 때문에 비즈니스 환경에 가장 적합한 방법론의 종류를 더욱 잘 파악하기 위해 전체 분야를 더욱 신속하게 탐구하게 된다”라며, “여러 팀들에서 사람들을 순환시켜 이런 아이디어의 교잡수분을 독려할 수 있다”라고 설명했다.

호나만은 “전통적인 IT 내에는 일반적으로 운영 데이터를 통합하고 관리하면서 비즈니스 부문 내에서 애널리틱스 리소스에 대한 데이터에 접근할 수 있는 중앙 집중식 모델도 생각해볼 수 있다”라고 말했다. 그는 하지만 몇 가지 예외를 제외하고는 이런 접근방식이 개별 사업부의 독특하고 특수한 애널리틱스 필요와 잘 맞물리지 않는다고 지적했다.

마제스트로는 중앙 집중식 애널리틱스 구조가 데이터 또는 기술 시너지가 다양한 비즈니스 기능에 널리 확산되어 있거나 덜 성숙한 비즈니스 기능이 중앙의 팀이 제공할 수 있는 전문지식으로부터 혜택을 얻을 수 있는 경우 등 두 가지 경우에 가장 적절하다고 말했다.

그는 “중앙의 애널리틱스팀이 증가하는 기능 애널리틱스를 위한 임시적인 촉매가 될 수 있는 경우가 있으며 이 때 중앙의 팀은 머신러닝(Machine Learning)이나 인공지능 등의 매우 특화된 필요에 최적일 수도 있다”라고 말했다.

리더십 확보
모든 애널리틱스 프로젝트는 기업 내에서 유래 방식이나 위치에 상관 없이 강력하고 지식에 기초한 리더십이 필요하다는데 전문가들의 의견이 일치했다.




2017.10.19

'신비한 마법이어선 안 된다'··· 데이터 애널리틱스에 대한 전문가들의 조언

John Edwards | CIO

공개적으로 인정하는 사람은 거의 없겠지만 데이터 애널리틱스는 여러 IT리더들에게 있어 어둠의 과학에 가깝다. 신비로운 방법과 겉으로 보기에 불가해한 것들로 가득하다.

그러나 이러한 오해에도 불구하고 애널리틱스는 입증된 과학이자 생산성, 효율성, 매출, 수익, 기타 중요 비즈니스 지표 및 목표를 크게 개선하는 강력한 도구라는 점을 반복적으로 입증하고 있다.

많은 IT책임자들이 오늘날의 애널리틱스 혁명을 제대로 알아채지 못하고 있다고 테네시대학교(University of Tennessee)의 비즈니스 애널리틱스 조교수 미쉘 볼링스(Michel Ballings)가 말했다.

“최근이 되어서야 컴퓨팅이 고급 데이터 애널리틱스를 수행할 수 있을 정도로 강력해졌다. [대부분의] IT책임자들은 데이터 애널리틱스 혁명이 발생하기 훨씬 전에 졸업한 이들이다”라고 그는 말했다.

고급 애널리틱스는 기본적으로 연구 기술인데, 대부분의 IT책임자 및 임원은 전문적인 연구원이 아니라고 기술 컨설팅 기업 TW(ThoughtWorks)의 책임 데이터 공학자 데이비드 존스턴이 말했다.

그는 “이 기술은 학문 분야에서 보편적이다. 대부분의 성공적인 데이터 공학자와 애널리틱스 관리자는 학계 출신들인 이유다”라며 그 결과 나이 든 많은 IT책임자들이 새롭게 등장한 애널리틱스 계획에 어리둥절하면서 두려워하고 있다고 지적했다.



모르는 것 포용하기
먼저 기업 IT책임자들은 애널리틱스로 인해 안정적이었던 조직에 숙제가 부여된다는 점을 알 필요가 있다. 액센츄어(Accenture)의 디지털 기술 자문 서비스 상무이사 저스틴 호나만은 “데이터 및 애널리틱스 지원 솔루션을 유도하기 위해 대형 조직 내에서 필요한 역량이 변화하게 된다. 전통적인 IT기술이 시장에서 빠르게 발전하는 새로운 애널리틱스 엔진, 코드 베이스, 데이터 관리 구조와 호환되지 않으면서 새로운 인재가 필요해진다”라고 말했다.

직접 마케팅 기업 HA(Hacker Agency)의 마케팅 과학 전무이사 세스 가스케는 여러 IT책임자들이 스스로 애널리틱스에 접근하는 최고의 방식에 대해 확신하지 못하는 경우가 많으며 다른 부서와 중첩되는 상황에서는 더욱 그렇다고 밝혔다.

그는 “애널리틱스는 특성상 기술적이지만 재무나 회계 같은 비즈니스 기능에 더욱 가깝다. 이런 오해로 인해 일부 조직에서는 추악한 세력 다툼이 발생하기도 했다”라고 말했다.

비즈니스 및 기술 컨설팅 기업 웨스트 먼로 파트너스(West Monroe Partners)의 고급 애널리틱스 책임자 댄 마제스트로는 IT책임자가 애널리틱스의 메커니즘뿐만이 아니라 애널리틱스 프로세스 활용 방법을 파악하는데 더 많은 시간을 투자하라고 권고했다. 이를 통해 도입률이 상승하고 역할과 책임에 대한 내부적인 분쟁이 진정될 수 있다는 설명이다.

또 애널리틱스에 대한 지식의 축적은 IT책임자가 애널리틱스에 대한 오해를 해소하는데 도움이 된다고 그는 덧붙였다. 존스턴은 “데이터 공학이란 극단적으로 창의적인 노력이다. 관리자가 반드시 소프트웨어 프로젝트 소유자처럼 모든 애널리틱스의 내부적인 것을 이해할 필요가 없으며 기본적인 기술 내부사항을 파악할 필요도 없다”라며 생성된 가치를 보는 것이 가장 중요하다고 말했다.

솔루션이 명확하고 전 세계 기업들이 널리 도입하는 경우가 많은 IT 영역과는 달리 애널리틱스 프로세스는 특수하고 개별화된 경우가 많다는 점을 감안하라는 주문도 있었다.

마테스트로는 “최고의 애널리틱스 방법을 선택하는 것이 때로는 간단하고 하나의 예술인 경우도 있다. 예를 들어, 일반적으로 데이터에서의 원인-결과 관계를 찾는 것이 일종의 회귀일 수 있으며 대형 고객 데이터세트에서 유사한 특성을 찾을 때 클러스터링(Clustering) 알고리즘이 수반될 가능성이 높다”라고 설명했다.

이를테면 마케팅 예산을 최적화할 때 애널리틱스 전문가는 성공할 수 있는 무수히 많은 방법에서 선택할 수 있다. “이런 경우에 그것이 '최고’의 방법인지 여부보다는 하나의 방법을 적절히 활용하고 적절한 가정을 하는 것이 중요한 경우가 많다”라고 마제스트로가 말했다.

방향 설정
기업 애널리틱스가 IT내에 또는 단독적인 애널리틱스 부서에 집중되거나 각 사업부에 걸쳐 확산되어야 하는지 여부에 대해 전문가들의 의견이 일부 엇갈린다. 그러나 IT가 모든 기업 애널리틱스 계획의 기초가 아니라 애널리틱스 및 기술 지원자로써 가장 적절한 위치에 있다고 생각하는 이들이 많다.

존스턴은 “데이터 애널리틱스를 한 부서가 전담하도록 할 이유가 없다. 물론 이와 함께 기업 전반에 걸쳐 일련의 기술이 성장하도록 유도해야 한다”라고 말했다.

데이터 공학은 빠르게 발전하는 분야이기 때문에 여러 팀들이 서로 협업하고 학습하도록 하는데 상당한 이점이 있으며 약간의 우호적인 경쟁도 필요하다고 존스턴이 말했다.

그는 “팀들은 서로 방법이 다르기 때문에 비즈니스 환경에 가장 적합한 방법론의 종류를 더욱 잘 파악하기 위해 전체 분야를 더욱 신속하게 탐구하게 된다”라며, “여러 팀들에서 사람들을 순환시켜 이런 아이디어의 교잡수분을 독려할 수 있다”라고 설명했다.

호나만은 “전통적인 IT 내에는 일반적으로 운영 데이터를 통합하고 관리하면서 비즈니스 부문 내에서 애널리틱스 리소스에 대한 데이터에 접근할 수 있는 중앙 집중식 모델도 생각해볼 수 있다”라고 말했다. 그는 하지만 몇 가지 예외를 제외하고는 이런 접근방식이 개별 사업부의 독특하고 특수한 애널리틱스 필요와 잘 맞물리지 않는다고 지적했다.

마제스트로는 중앙 집중식 애널리틱스 구조가 데이터 또는 기술 시너지가 다양한 비즈니스 기능에 널리 확산되어 있거나 덜 성숙한 비즈니스 기능이 중앙의 팀이 제공할 수 있는 전문지식으로부터 혜택을 얻을 수 있는 경우 등 두 가지 경우에 가장 적절하다고 말했다.

그는 “중앙의 애널리틱스팀이 증가하는 기능 애널리틱스를 위한 임시적인 촉매가 될 수 있는 경우가 있으며 이 때 중앙의 팀은 머신러닝(Machine Learning)이나 인공지능 등의 매우 특화된 필요에 최적일 수도 있다”라고 말했다.

리더십 확보
모든 애널리틱스 프로젝트는 기업 내에서 유래 방식이나 위치에 상관 없이 강력하고 지식에 기초한 리더십이 필요하다는데 전문가들의 의견이 일치했다.


X