유비쿼터스 AI 시대··· 머신러닝이 차세대 BI인 이유

CIO

인공지능과 자동화 기술이 비즈니스 의사 결정을 돕는 시대가 열리고 있다. 인공지능이 데이터를 분석해 미래를 예측하는 것은 물론 그에 대한 대책까지 제시하는 시대다.



과거에 발생한 일을 알려주던 정적 보고서 형태였던 비즈니스 인텔리전스(Business Intelligence)는, 이제 그 일이 일어난 이유까지 이해할 수 있도록 돕는 상호적 대시보드(Dashboard) 형태로 발전했다. 사물 인터넷(Internet of Things, IoT) 장치 등 빅데이터(Big Data) 소스가 다변화됨에 따라 기업들은 경고와 실시간 대시보드를 제공하는 선제적 분석의 필요성을 더욱 절감하고 있다. 즉 기존의 반응적인 분석 만으로는 부족해진 것이다.

마이크로소프트 코타나 애널리틱스(Cortana Analytics)팀 히레인 오베로이 책임자는 "실시간 대시보드에 대한 수요가 존재한다. 많은 기업들이 사업의 고동을 실시간으로 느끼고 싶어한다. 과거만을 보여주는 대시보드로는 부족한 것이다"라고 말했다.

예측 및 기타 고급 분석이 가장 빠르게 성장하는 분야라고 가트너가 진단한 것도 같은 맥락이다. 이 시장조사기관은 최근 발표한 고급 분석 매직 쿼드런트(Magic Quadrant)에서 2018년까지 전 세계 모든 대형 조직의 절반 이상이 고급 분석(그리고 이를 기초로 한 알고리즘)을 활용하게 될 것이라고 전망했다.

고급 예측 분석의 핵심은 추세와 미래의 확률을 계산하여 잠재적인 결과를 예측하고 적절한 자문 정보를 제공하는 것이다. 그 범위는 이제 SQL SRS(Server Reporting Services), BO(Business Objects), 타블로(Tableau) 등의 익숙한 BI 툴에 포함된 쿼리(Query) 및 보고 기능을 넘어서고 있다. 경우에 따라서는 구조화와 비구조화의 결합체인 데이터로부터 트렌드 및 패턴을 찾는 통계, 설명 및 예측 데이터 마이닝(Data Mining), 머신러닝, 시뮬레이션, 최적화 등의 더욱 정교한 방법에까지 미치고 있다.



이런 툴들은 이미 일부 마케팅 또는 위험 분석팀들에 의해 활용되고 있다. 주로 고객 의향, 고객 주기, 교차 판매 기회, 구매 가능성, 신용 관리, 사기 감지 등을 목적을 위해서다. 그리고 이런 사용자들은 점차 늘어나고 있다. 오베로이는 "일례로 많은 통신사들이 반응적 수준을 넘어 선제적이길 원하고 있다. 그들은 '고객 프로필과 통화 패턴을 기준으로 어떤 고객이 통신사를 바꿀지' 알려주는 시스템을 원한다"라고 말했다.

가트너는 향후 거의 모든 사업부가 이런 툴에 관심을 갖게 될 것이라고 전망한 바 있다. 오베로이는 코타나 애널리틱스(Cortana Analytics)팀 또한 모든 사업부를 잠재적 고객으로 상정하고 있다고 전했다. 그는 "우리가 대화하는 사람들이 바뀌고 있다. 현업부문 의사결정자들과 더 많은 대화를 나누고 있다. 많은 예산이 비즈니스 팀들로 옮겨가고 있다"라고 전했다.

그는 최근 유럽에서 열린 마이크로소프트의 컨버전스(Convergence) 컨퍼런스에서 고객들과 대화를 나눈 결과 "만난 고객 5명 중 최소 3명은 현업 부문이었으며 2명은 디지털 변화와 자사의 혁신 의제를 유도하고 싶어했다"라고 말했다.

기업의 거의 모든 업무에 활용
예측 및 기타 고급 분석과 관련해 예측 유지관리(Predictive maintenance)가 많은 관심을 받고 있지만 다른 핵심 활용 분야들이 있다. 이상 감지, 수요 예측, 문제 발견 등의 용도다. "어떤 일이 발생할 수 있는가? 그리고 내가 무엇을 해야 할까?" 등의 질문과 관련된 용도들이라고 오베로이가 말했다.

그는 "기본적인 고객 문제는 그대로다. ‘보유하고 있는 데이터에서 어떻게 통찰력을 얻고 실제로 행동을 가능하게 하거나 일을 진전시킬 수 있을까?’라는 질문에서 비롯된 것들이다. 코타나 애널리틱스의 툴이 할 수 있는 일은 이런 조치를 위해 취할 수 있는 수동 방식의 단계 수를 줄이는 것이다”라며 설명을 시작했다.

오베로이에 따르면 데이터에서 의사 결정으로 이행하는 기본적인 방법은 과거의 일을 알려주는 정적 보고서이다. 가령 사용자가 영업부 소속이고 지난 분기 지역별 영업 실적을 보고 싶은 경우 정적 보고서를 확인하게 된다. 의사를 결정하기 전에 수동 방식의 단계를 거치는 것이다. 그는 다음과 같이 이어갔다.

"단순히 어떤 일이 있었는지 뿐만 아니라 왜 그 일이 있었는지를 아는 것이 중요하다. 지난 분기 나의 영업 실적이 감소했다면 상위 3개 계약이 성사되지 않아서였을까? 아니면 평균 계약 규모가 감소해서였을까? [답을 찾기 위해] 어떤 데이터를 어떻게 분석해야 할까? 왜 어떤 일이 일어나는지 이해하기 쉽도록 상호작용할 수 있는 보고서를 갖춘 대시보드가 있으면 이로 인해 일반적으로 의사를 결정하고 조치를 취할 수 있기 전에 거치는 수동 방식 단계의 수가 감소한다. 이를 통해 '내 영업 실적이 감소했고 그 이유를 알고 있다'라고 말하는 대신, 예측을 기반으로 미리 파악함으로써 다음 달의 목표를 수립하여 대응이 가능하도록 할 수 있다."

비즈니스 자동화는 수동 방식의 단계 수가 가장 적다는 의미일 수 있다. 오베로이는 이것이 어떤 모습일지 다음과 같이 설명했다.

"그 이후의 단계로는 자문과 의사결정 자동화가 있다. 궁극적으로는 시스템이 발생할 사건뿐 아니라 어떤 조치를 취할 수 있는지에 관한 선제적인 정보를 제공하는 수준을 원하게 된다. 예를 들어보자. ‘다음 주 목표를 달성하지 못할 것으로 보인다. 이에 대비해 2가지 프로모션이 준비되어 있다. CRM 시스템과 연계된 것들이다. 이들 프로모션을 1주일 정도 앞당겨야 실행하면 어떨까?’라고 제안하는 식이다. 사용자는 사용자가 ‘예’를 선택함으로써 목표를 달성하는데 도움을 받을 수 있다.”

오늘날 지능형 비서가 종종 이와 유사한 조언을 하곤 한다. 마이크로소프트의 경우에는 일정을 알려주고 회의를 위해 출발할 시간을 제안할 뿐 아니라 질문에 답하는 코타나를 보유하고 있다. 오베로이는 코타나의 상기 기능이 일반 업무에도 적용될 수 있다고 강조했다.


"지난 분기에 완료한 가장 큰 계약건은 무엇이었나? 고객 중 누가 다음 분기에 서비스 제공자를 바꿀 가능성이 가장 높은가? 이런 질문을 물어볼 수 있다. 또는 ‘이 고객이 향후 30일 이내에 서비스 제공자를 변경할 가능성이 90%인 경우 통보하라’라고 설정할 수도 있다”라며 오베로이는 다음과 같이 설명했다.

"애널리틱스 시스템은 사용자가 다음 주 목표를 달성하지 못할 가능성이 크다는 사실을 파악할 수 있다. 또한 예측이 적중하는데 도움이 될 수 있는 것들 중에는 마케팅 프로모션을 앞당기는 것도 있다. 코타나가 사용자에게 선제적으로 다가가 '다음 주 영업 실적 목표를 놓칠 가능성이 높으니 프로모션을 준비해야 합니다.'고 말하지 않을 이유가 없다. 프로모션을 앞당겨야 할까 아니면 프로모션을 보유한 팀에게 프로모션을 앞당기도록 이야기해야 할까? 이것이 시스템이 사용자와 상호작용할 수 있는 더욱 선제적인 방법이며 더욱 자연스러운 실행 방법이다."

지능형 자문
IoT, 빅데이터, 애널리틱스 등 어떤 이름의 것이든 기업에는 의사 결정에 활용할 수 있는 데이터가 많으며 데이터 중심적인 의사 결정을 확대할 이유 또한 분명해 보인다. 그리고 데이터 중심적인 의사결정의 다음 단계는 의사결정 지원 시스템과 자동화이다. 그렇다면 오늘날의 기업은 비즈니스 자문 기능까지 제공하는 지능형 비서를 맞을 준비가 되었을까?

최근 5만 곳의 미국 제조 조직을 대상으로 실시한 연구에서 데이터 중심적인 의사결정 활용률이 2005년과 2010년 사이에 약 3배나 증가했다는 사실이 드러났다. 그러나 이는 여전히 전체 공장의 30%에 불과했다.

또 통신 기업 콜트(Colt)가 2015년 유럽의 수석 IT 책임자들을 대상으로 설문을 조사했을 때, 그들 중 71%가 직관 및 개인적인 경험이 데이터 활용보다 의사결정에 더욱 도움이 된다고 말했다.

데이터 중심적 의사 결정 측면에서 긍정적인 조사도 물론 있다. 아반데(Avanade)의 새로운 스마트 기술 연구에 따르면 전 세계 비즈니스 리더들은 문제 해결, 데이터 분석, 협업, 의사결정을 위해 디지털 비서와 자동화된 지능을 활용하게 된 것이며 수익이 1/3 이상 증가할 것으로 예측했다. 또 응답자의 54%는 이런 시스템을 기꺼이 활용할 것이라고 말했다.

또 액센츄어 조사에 따르면 머신러닝을 이용해 영업과 마케팅 그리고 신규 사업 영역을 관리하는 방식을 개선하고 있는 초기 도입자들은 비용, 수익, 고객 성과 측면에서 “상당하면서 심지어 기하급수적인 비즈니스적 이익을 발견했다.

이런 이익은 다양한 형태로 존재했다. 최대 70%가지의 비용 절감, 더욱 신속한 구매자 행동 추적을 통한 수익 20배 향상, 더욱 신속하게 정확한 콜 라우팅(Call Rauting) 등이었다. 이런 결과는 차세대 BI에 대한 저항을 극복하는데 도움이 될 수도 있다.

현업 사용자들이 이런 시스템 구축에 참여하도록 함으로써 도입을 촉진할 수 있다. 오늘날 데이터 과학자에 대한 수요는 공급보다 많은 가운데 자체 전문 역량이 부족한 기업들을 위한 솔루션들이 속속 등장하고 있다. 수정할 수 있는 API와 템플릿뿐만이 아니라 개별 교육과 실험이 포함되어 있는 코타나 애널리틱스 갤러리 같은 분석 솔루션 등이다.

오베로이는 "이 영역에서 가장 성공하는 방법은 빠르게 실험하고 아이디어 탐색 영역을 통과하며 실제로 흥미로운 것을 찾아내는 것이다"라며 클라우드 서비스와 마켓플레이스가 이런 실험을 시작할 수 있는 좋은 출발점이라고 강조했다.

(가트너가 ‘시민 데이터 과학자’라고 말하는) 현업 사용자들은 이런 툴을 이용해 자체 고급 분석이 가능할 것이며, 결국 분석을 위한 전략이 필요하게 될 것이다. 이런 새롭고 더욱 지능적인 BI가 조직에 끼칠 영향을 미리 상상해보는 것은 그리 어렵지 않다. 오늘날 많은 기업 부서들이 이용하고 있는 엑셀(Excel) 매크로가 훨씬 정교하고 지능화된다고 생각하면 된다. 기업 내 모든 부문이 데이터 해독력을 갖추고 데이터 윤리를 요구받는 시대가 코앞에 다가왔다.
 

---------------------------------------------------------------
머신러닝 인기기사
->기계 학습을 최대한 활용할 수 있는 11가지 오픈소스 도구
->'인지, 신경, 딥, 머신?'··· AI 분야 기본 개념 따라잡기
->MS 애저 머신러닝 리뷰 : 기대되는 전문가용 머신러닝 서비스
->칼럼 | 성큼 도래한 유비쿼터스 AI 세상··· 마음의 준비를 'Her'하라
->기고 | 기계 학습 대중화 노린다 'MS의 애저 머신 러닝'
->기계 학습을 최대한 활용할 수 있는 11가지 오픈소스 도구
->인공지능의 무한질주···협상·테스팅에도 접목
---------------------------------------------------------------
ciokr@idg.co.kr