데이터 분석에 관한 12가지 '팩트체크'

팩트체크 7: 데이터 과학을 더 많이 활용하려면, 더 많은 데이터 과학자가 필요하다
현재 기술 직종에서 가장 수요가 많은 직종 중 하나가 데이터 과학자다. 그런데 조직은 현재 소속 데이터 과학자가 하는 일을 조정, 더 적은 데이터 과학자로 해야 할 일을 완수할 수 있을지 모른다.

메이슨은 “데이터 과학자들이 데이터 세트를 찾는 업무, 데이터를 처리할 장소로 보내는 업무, 데이터 변환과 정제 등 부가가치를 창출하지 못하는 업무에 많은 시간을 낭비하고 있다. 데이터 과학자 채용이 어렵다는 점을 감안했을 때, 이런 가치가 낮은 일에 데이터 과학자를 투입하는 것은 바람직하지 않다”고 지적했다.

이어서 메이슨은 “우버의 미켈란젤로(Michelangelo) 플랫폼은 데이터 과학자가 데이터를 ‘나르는 일’이 아닌, 피처 엔지니어링, 추출 및 분석에 초점을 맞춰, 훨씬 더 큰 생산성을 발휘할 수 있도록 도와준다”고 설명했다.

팩트체크 8: 분석에 지나치게 많은 시간이 걸린다
상품과 서비스 시장화, 실시간 고객 대응 등 모든 일을 신속하게 처리해야 하는 시대다. 이는 기업이 중시하는 아주 큰 경쟁력 요소이다. 그런데 분석에 지나치게 많은 시간이 필요하다고 생각한다. 이는 ‘속도’와 ‘민첩성’이라는 목표에 반하는 부분이다.

사이즈는 “분명히 많은 시간이 필요한 복잡한 프로젝트도 있다. 그러나 결국은 ‘인재’와 ‘역량’에 달린 문제다. 적합한 인재와 애자일 기법을 적절히 혼합해 활용하면, 큰 문제도 몇 달이 아닌 며칠, 또는 몇 주 내에 해결할 수 있다”고 말했다.

팩트체크 9: 기술이 ‘어려운 문제’다
컨설팅 회사인 ISG의 IT소싱 및 디지털 자문 서비스 디렉터인 제임스 버크에 따르면, 활용할 수 있는 기술이 계속 증가하면서, 분석팀이 원하는 결과를 얻기 위해 구현하고 통합할 툴을 조합해 선택하기 매우 어려운 실정이다.

그러나 진짜 어려운 문제는 따로 있다. 사람과 프로세스, 기술에서 필요한 부분을 모두 가져올 수 있게끔 조직 구조와 운영 모델을 통합하는 것이 진짜 어려운 문제이다. 버크는 “기존 조직 구조 안에서, 또는 그 옆에서 이런 문제를 극복하는 것이 가장 어려운 과업일 수도 있다”고 덧붙였다.

분석 툴이 모든 일을 처리해 줄 것이라고 가정하지 않는 것도 중요하다. 컨설팅 회사인 웨스트 몬로(West Monroe)의 기술 부문 시니어 디렉터인 그렉 레이요크는 “기술만으로 비즈니스 문제를 해결할 수 없다. 데이터 레이크 구축을 서두르다 누구도 쉽게 이해하지 못하는 정보의 ‘늪’이나 ‘습지’를 만드는 경우도 있다”고 지적했다.

그는 “기술만으로는 분석 문제를 해결할 수 없다. 먼저 비즈니스 문제를 파악해야 한다. 그런 후, 이 문제를 해결할 수 있는 데이터를 찾아야 한다. 이는 조직 내 ‘데이터 갭’을 파악하도록 도움을 준다”고 강조했다.

팩트체크 10: 데이터 분석 부서는 별개의 부서가 되어야 한다
컨설팅 및 데이터 수집 회사인 델비니아(Delvinia)의 대표 겸 최고 혁신 책임자 스티븐 마스트에 따르면, 데이터 분석 기능을 별개 부서로 운영하는 기업도 있고, CFT(Cross Function Team)의 일부로 운영하는 기업도 있다.

그는 “모든 부분에서 데이터가 폭증하고, 변화의 속도가 바뀌고 있다. 그리고 부서에 기반을 둔 조직 구조 모델은 여기에 맞지 않는다. 기업이 점차 고객 중심을 지향하는 추세이다. 데이터에 초점을 맞추는 분석 전문가들은 지원을 요청하는 지원부서가 아닌, 사업부서의 핵심에 위치해야 한다”고 강조했다.

이어서 “현재 조직들이 직면한 가장 복잡한 문제의 상당수가 사업부서 안에 있다. 그리고 이런 문제들의 해결책이 데이터에 숨겨져 있는 경우가 많다. 데이터 과학자와 전문가들은 현업과 긴밀하게 협력하면서, 빅데이터 세트와 인공지능을 활용해야 한다. 이는 차세대 제품, 서비스, 고객 경험 창출의 ‘열쇠’다”고 이야기했다.

팩트체크 11: 분석은 박사들의 업무다
분석팀에 교육 수준이 높은 인재들이 많다면 도움이 될 것이다. 그러나 교육 수준이 반드시 성공의 필수 요소는 아니다.

사이즈는 “박사 학위 소지자만 최고 수준의 분석 업무를 수행할 수 있다고 생각하는 경향이 있다. 그러나 최신 분석 기술과 기법에는 여러 혼합된 역량이 필요하다. 엔지니어링 기술과 오픈소스 소프트웨어에 정통해야 한다. 빅데이터 아키텍트, 데이터 엔지니어, 데이터 과학자, 데이터 시각화 전문가 등 여러 기술력을 갖춘 전문가들로 구성된 다양성이 높은 팀이 차이를 만들 수 있다”고 말했다.

팩트체크 12: AI가 일자리와 경제를 파괴할 것이다
역사적으로 새로운 기술은 많은 일자리를 없애고, 산업을 파괴했다. 이런 이유로 AI가 특정 직종을 없앨 것이라는 두려움이 싹트고 있다.

슐츠는 “AI 솔루션이 사람보다 훨씬 더 빨리 능률적으로 해결할 수 있는 문제들이 존재한다. AI는 사람보다 빨리 판독하고, 더 많이 기억하며, 더 복잡한 수학적 관계를 계산할 수 있다. 하지만 생소하거나 새로운 상황은 다루지 못한다. 사람이 AI보다 더 나은 부분이다”고 설명했다.

AI가 성장하면서 줄어들거나, 없어진 직종들이 있다. 향후 다른 직종도 이런 전철을 밟을지 모른다. 그는 “그러나 아직은 AI 기술이 예상하지 못한 상황을 파악해 대처하는 사람의 능력을 대체할 수 없다. 가까운 미래를 기준으로 하면, AI에 가장 효과적으로 접근하는 방법은 알고리즘이 사람보다 나은 능력을 발휘하는 ‘힘든 일’ 가운데 일부를 AI 시스템에 맡겨 사람의 능력을 강화하는 방법이다. AI 때문에 많은 일자리에 변화가 있을 것이다. 그러나 사람들은 앞으로도 계속 이런 비즈니스 생태계에 없어서는 안 될 자리를 차지할 것이다”고 덧붙였다. ciokr@idg.co.kr