2018.06.21

"지금이 기회"··· 예측 애널리틱스 착수 가이드

John Edwards | CIO

의심을 버려야 할 때다. 미래의 비즈니스 니즈와 기회를 포착하고 대응할 능력을 실제로 가질 수 있다.



의료, 소매, 접대, 보험 등 다양한 부문의 기업들이 재고를 최적화하고 인력을 관리하며 고객 참여도를 향상시키는데, 또 가격을 설정하거나 다른 여러 수익 창출 목표를 달성하는데 예측 애널리틱스를 활용하고 있다.

인공지능(AI)과 머신러닝(ML)의 꾸준한 발전 덕분에 예측 애널리틱스가 점차 정확하게 통찰력 을 전달하고 있다. 하지만 많은 기업들이 예측 애널리틱스를 다양한 수준으로 의심하고 있다. 이 기술이 여전히 복잡하고 너무 혁신적이며 비용이 너무 높아서 일상 용도로 통합하기에는 무리가 있다고 생각한다.

그러나 이러한 의심 속에서 예측 애널리틱스가 적어도 초기의 소규모 활용에 잘 적용되는 툴이라는 점을 인지하지 못할 때가 많다. 데이터 과학 소프트웨어 및 컨설팅 기업 시비스 애널리틱스(Civis Analytics)의 응용 데이터 과학 책임자 엘렌 휴스턴은 "예측 애널리틱스를 시작하는 것은 수영을 배우는 것과 같다. 좀 더 깊이 살펴보면 별 것 아닐 수 있다"라고 말했다. 시비스 애널리틱스는 오바마 대통령의 2012년 재선 당시 수석분석경영자를 역임한 댄 와그너(Dan Wagner)가 2013년에 에릭 슈미트(Eric Schmidt)의 지원을 받아 설립한 기업이다.

예측 애널리틱스 플랫폼 제공자인 로지 애널리틱스(Logi Analytics)의 예측 애널리틱스 책임자 스리람 파싸사라씨(Sriram Parthasarathy)는 이 기술을 이용하여 바로 이용할 수 있는 이력 데이터를 활용해 하나의 예측 문제에 대한 답을 얻게 된다면 회의론자들도 생각이 바뀔 것이라고 말했다.

그는 "그 문제의 해답을 찾는 것에 대한 ROI가 입증되면 시간이 지나면서 더 많은 데이터를 추가하여 모델을 개선해 비즈니스 워크플로의 다른 부분에 대한 새로운 통찰력을 통합할 수 있다. 이런 계획이 성공하면 기업은 경쟁적으로 차별화된 애플리케이션을 얻고 더 큰 수익을 얻게 될 것이다"라고 전했다. 조직에서 처음부터 예측 애널리틱스를 시작하는 구체적인 방법을 살펴본다.

예측 애널리틱스팀을 꾸려라
예측 애널리틱스를 활용하는 것을 고민하는 대부분의 기업들은 잠재적인 기회를 파악하고 목표 전략을 수립하기 위해 교차기능 기획팀을 구성하곤 한다. 이 때 임원의 지지를 확보하는 것도 필수적이라고 LNRS(LexisNexis Risk Solutions)의 임상 분석 및 혁신 책임자 안톤 베리샤가 조언했다. 그는 "작지만 역량을 갖춘 예측 모델링팀을 구축하고 거기에서부터 시작하면 된다”라고 말했다.

팀원에는 다음의 인력들이 포함되어야 한다.

- 예측 모델링 전문가
- 콘텐츠 전문가, 분석 경험이 있는 것이 좋음
- 데이터 및 데이터베이스 분석가

법률 기업 잭슨 루이스(Jackson Lewis)의 수석 및 데이터 분석 그룹 이사 에릭 펠스버그에 따르면 일반적으로 예측 애널리틱스 기획팀은 정량적 실무자와 관련된 이해당사자들 사이의 협력관계로 구성된다.

그는 "이를 통해 관련 지식을 가진 사람들이 분석 전문가와 긴밀히 협력하여 정량적으로 탄탄한 툴, 방법, 솔루션을 개발할 수 있으며 대상과 관련된 경험이 있는 사람들에게 관련된 비즈니스 문제를 해결하기 위한 정보를 얻게 된다"라고 설명했다.

예측 애널리틱스는 단순히 수치만을 다루는 것이 아니라는 점을 이해하는 것이 중요하다고 국제 경영 컨설팅 기업 카타바트(Katabat)의 CTO 예 장은 강조했다. 그는 "데이터를 점진적인 수익을 창출할 수 있는 실행 가능한 전략으로 승화시키는 것이 필요하다. 이를 위해 항상 조직 전체의 인식과 참여가 필요하다"라고 말했다.

비즈니스 문제를 정의하고 적절한 툴을 찾으라
이 팀은 항상 예측 애널리틱스가 해결할 비즈니스 문제를 명확히 이해해야 한다고 분석 소프트웨어 제공 기업 테라데이터(Teradata)의 데이터 과학자 나쿰 사캄이 말했다. 고려해야 할 질문은 다음과 같다.

- 비즈니스 프로세스 및 목표 측면에서 문제가 정확하게 정의되어 있는가?
- 예상되는 수익과 비용을 포함하여 예측 애널리틱스의 영향을 정량화 할 수 있는가?
- 예측 오류(즉, 긍정 오류 및 부정 오류)의 위험은 무엇인가?
- 예측 편향으로 인해 발생할 수 있는 법률적 위험과 책임은 무엇인가?

여러 예측 애널리틱스 애플리케이션과 모델을 확인하고 조사함에 있어 팀원들은 바퀴를 다시 발명할 필요가 없다는 사실을 기억해야 한다. 장은 "업계에서 기존의 툴/모델/벤더를 조달하는 방안을 모색하라. 가능한 신속하게 ROI 모델을 검증해야 한다"라고 조언했다.

단 예측 애널리틱스의 핵심 기술 역량을 획득하는 비용이 매우 높을 수 있다. 장은 "우선 기존의 기술을 활용하여 ROI를 검증하기 위해 개념 증명을 구축한 후 구축하는 예측 애널리틱스 스택이 자체 보유 노력을 기울일 만한 가치가 있는지 그리고 그 가치가 어느 정도인지 판단해야 한다"라고 말했다.

내부 역량을 구축하라
예측 애널리틱스 애플리케이션과 모델 벤더들이 점차 틈새에 집중하고 있지만 최소한 특정 비즈니스 미래 수요를 충족하기 위해 앱과 모델을 수정하는 방법을 아는 전문가를 일부 내부적으로 확보해야 한다. 그렇지 않고서는 실질적인 계획을 실행하기가 어렵다.




2018.06.21

"지금이 기회"··· 예측 애널리틱스 착수 가이드

John Edwards | CIO

의심을 버려야 할 때다. 미래의 비즈니스 니즈와 기회를 포착하고 대응할 능력을 실제로 가질 수 있다.



의료, 소매, 접대, 보험 등 다양한 부문의 기업들이 재고를 최적화하고 인력을 관리하며 고객 참여도를 향상시키는데, 또 가격을 설정하거나 다른 여러 수익 창출 목표를 달성하는데 예측 애널리틱스를 활용하고 있다.

인공지능(AI)과 머신러닝(ML)의 꾸준한 발전 덕분에 예측 애널리틱스가 점차 정확하게 통찰력 을 전달하고 있다. 하지만 많은 기업들이 예측 애널리틱스를 다양한 수준으로 의심하고 있다. 이 기술이 여전히 복잡하고 너무 혁신적이며 비용이 너무 높아서 일상 용도로 통합하기에는 무리가 있다고 생각한다.

그러나 이러한 의심 속에서 예측 애널리틱스가 적어도 초기의 소규모 활용에 잘 적용되는 툴이라는 점을 인지하지 못할 때가 많다. 데이터 과학 소프트웨어 및 컨설팅 기업 시비스 애널리틱스(Civis Analytics)의 응용 데이터 과학 책임자 엘렌 휴스턴은 "예측 애널리틱스를 시작하는 것은 수영을 배우는 것과 같다. 좀 더 깊이 살펴보면 별 것 아닐 수 있다"라고 말했다. 시비스 애널리틱스는 오바마 대통령의 2012년 재선 당시 수석분석경영자를 역임한 댄 와그너(Dan Wagner)가 2013년에 에릭 슈미트(Eric Schmidt)의 지원을 받아 설립한 기업이다.

예측 애널리틱스 플랫폼 제공자인 로지 애널리틱스(Logi Analytics)의 예측 애널리틱스 책임자 스리람 파싸사라씨(Sriram Parthasarathy)는 이 기술을 이용하여 바로 이용할 수 있는 이력 데이터를 활용해 하나의 예측 문제에 대한 답을 얻게 된다면 회의론자들도 생각이 바뀔 것이라고 말했다.

그는 "그 문제의 해답을 찾는 것에 대한 ROI가 입증되면 시간이 지나면서 더 많은 데이터를 추가하여 모델을 개선해 비즈니스 워크플로의 다른 부분에 대한 새로운 통찰력을 통합할 수 있다. 이런 계획이 성공하면 기업은 경쟁적으로 차별화된 애플리케이션을 얻고 더 큰 수익을 얻게 될 것이다"라고 전했다. 조직에서 처음부터 예측 애널리틱스를 시작하는 구체적인 방법을 살펴본다.

예측 애널리틱스팀을 꾸려라
예측 애널리틱스를 활용하는 것을 고민하는 대부분의 기업들은 잠재적인 기회를 파악하고 목표 전략을 수립하기 위해 교차기능 기획팀을 구성하곤 한다. 이 때 임원의 지지를 확보하는 것도 필수적이라고 LNRS(LexisNexis Risk Solutions)의 임상 분석 및 혁신 책임자 안톤 베리샤가 조언했다. 그는 "작지만 역량을 갖춘 예측 모델링팀을 구축하고 거기에서부터 시작하면 된다”라고 말했다.

팀원에는 다음의 인력들이 포함되어야 한다.

- 예측 모델링 전문가
- 콘텐츠 전문가, 분석 경험이 있는 것이 좋음
- 데이터 및 데이터베이스 분석가

법률 기업 잭슨 루이스(Jackson Lewis)의 수석 및 데이터 분석 그룹 이사 에릭 펠스버그에 따르면 일반적으로 예측 애널리틱스 기획팀은 정량적 실무자와 관련된 이해당사자들 사이의 협력관계로 구성된다.

그는 "이를 통해 관련 지식을 가진 사람들이 분석 전문가와 긴밀히 협력하여 정량적으로 탄탄한 툴, 방법, 솔루션을 개발할 수 있으며 대상과 관련된 경험이 있는 사람들에게 관련된 비즈니스 문제를 해결하기 위한 정보를 얻게 된다"라고 설명했다.

예측 애널리틱스는 단순히 수치만을 다루는 것이 아니라는 점을 이해하는 것이 중요하다고 국제 경영 컨설팅 기업 카타바트(Katabat)의 CTO 예 장은 강조했다. 그는 "데이터를 점진적인 수익을 창출할 수 있는 실행 가능한 전략으로 승화시키는 것이 필요하다. 이를 위해 항상 조직 전체의 인식과 참여가 필요하다"라고 말했다.

비즈니스 문제를 정의하고 적절한 툴을 찾으라
이 팀은 항상 예측 애널리틱스가 해결할 비즈니스 문제를 명확히 이해해야 한다고 분석 소프트웨어 제공 기업 테라데이터(Teradata)의 데이터 과학자 나쿰 사캄이 말했다. 고려해야 할 질문은 다음과 같다.

- 비즈니스 프로세스 및 목표 측면에서 문제가 정확하게 정의되어 있는가?
- 예상되는 수익과 비용을 포함하여 예측 애널리틱스의 영향을 정량화 할 수 있는가?
- 예측 오류(즉, 긍정 오류 및 부정 오류)의 위험은 무엇인가?
- 예측 편향으로 인해 발생할 수 있는 법률적 위험과 책임은 무엇인가?

여러 예측 애널리틱스 애플리케이션과 모델을 확인하고 조사함에 있어 팀원들은 바퀴를 다시 발명할 필요가 없다는 사실을 기억해야 한다. 장은 "업계에서 기존의 툴/모델/벤더를 조달하는 방안을 모색하라. 가능한 신속하게 ROI 모델을 검증해야 한다"라고 조언했다.

단 예측 애널리틱스의 핵심 기술 역량을 획득하는 비용이 매우 높을 수 있다. 장은 "우선 기존의 기술을 활용하여 ROI를 검증하기 위해 개념 증명을 구축한 후 구축하는 예측 애널리틱스 스택이 자체 보유 노력을 기울일 만한 가치가 있는지 그리고 그 가치가 어느 정도인지 판단해야 한다"라고 말했다.

내부 역량을 구축하라
예측 애널리틱스 애플리케이션과 모델 벤더들이 점차 틈새에 집중하고 있지만 최소한 특정 비즈니스 미래 수요를 충족하기 위해 앱과 모델을 수정하는 방법을 아는 전문가를 일부 내부적으로 확보해야 한다. 그렇지 않고서는 실질적인 계획을 실행하기가 어렵다.


X