데이터로 비즈니스의 미래를 본다··· ‘예측 애널리틱스’란?

예측 애널리틱스는 기업들이 기존 데이터 및 애널리틱스 기술(예: 머신러닝 등)을 기반으로 앞으로의 결과를 예측하는 데 도움이 될 수 있다. 

예측 애널리틱스는 통계 모델링, 머신러닝 등 기존 데이터 및 애널리틱스 기술을 바탕으로 미래의 결과를 예측하는 데이터 애널리틱스의 한 범주다. 예측 애널리틱스 과학은 상당한 정확도로 미래 인사이트를 생성할 수 있다. 정교한 예측 애널리틱스 도구 및 모델을 통해 오늘날 기업들은 과거 및 현재 데이터를 사용하여 밀리초, 며칠, 몇 년 후의 추세와 행동을 안정적으로 예측할 수 있다.

작년 8월 발표된 인사이트 파트너스(The Insight Partners)의 보고서에 따르면 2022년 전 세계 예측 애널리틱스 시장 규모는 미화 124억 9천만 달러에 달했다. 보고서는 예측 애널리틱스 시장이 2022년부터 2028년까지 약 20.4%의 CAGR로 성장해 2028년까지 380억 달러에 이르리라 전망했다. 
 

비즈니스에서의 예측 애널리틱스
예측 애널리틱스는 빅데이터, 데이터 마이닝, 통계 모델링, 머신러닝 등 여러 수학적 프로세스를 포함한 광범위한 방법과 기술을 활용한다. 기업들은 예측 애널리틱스를 사용하여 현재 및 과거 데이터를 선별하고 제공된 매개변수를 기반으로 추세를 감지하고, 특정 시간에 발생할 수 있는 이벤트 및 조건을 예측한다. 

예측 애널리틱스를 통해 기업들은 데이터에 포함된 패턴을 찾아 위험과 기회를 탐지할 수도 있다. 예를 들면 다양한 행동 요인 간 관계를 발견하도록 모델을 설계할 수 있다. 이러한 모델을 사용해 특정 조건 집합에 따른 가능성 또는 위험을 평가할 수 있기 때문에 여러 범주의 공급망 및 조달 이벤트에서 정보에 입각한 의사결정을 내릴 수 있다.

예측 애널리틱스의 이점
예측 애널리틱스를 통해 과거 도구보다 더 정확하고 안정적으로 미래를 전망할 수 있다. 이는 돈을 절약하거나 벌 수 있는 방법을 찾는 데 도움이 된다. 이를테면 소매업체는 예측 모델을 사용하여 재고 요구 사항을 예측하고, 배송 일정을 관리하며, 매장 레이아웃을 구성하여 판매를 극대화할 수 있다. 항공사는 과거 여행 경향을 반영한 티켓 가격을 설정할 수 있다. 호텔 및 레스토랑은 특정 일자의 투숙객 수를 예측하여 점유율과 수익을 극대화할 수 있다.

예측 애널리틱스로 마케팅 캠페인을 최적화하면 기업들은 새로운 고객 반응과 구매를 생성하고, 교차 판매 기회를 촉진할 수 있다. 예측 모델은 기업들이 가장 가치 있는 고객을 유치, 유지 육성하는 데도 유용하다. 예측 애널리틱스는 심각한 피해가 발생하기 전에 다양한 유형의 범죄 행위를 탐지하고 차단하는 데도 쓸 수 있다. 예측 애널리틱스를 통해 사용자 행동을 조사하여 신용카드 사기부터 기업 스파이, 사이버 공격까지 평소와 다른 비정상적인 활동을 감지할 수 있다.

예측 애널리틱스 사용 사례
오늘날 기업들은 수많은 방법으로 예측 애널리틱스를 사용한다. 이 기술은 금융, 의료, 소매, 제약, 자동차, 항공우주, 제조 등 다양한 산업에서 활용되고 있다. 몇 가지 사용 사례를 살펴본다. 
 

• 항공우주: 특정 유지보수 작업이 항공기의 안정성, 연료 사용, 가용성, 가동 시간 등에 미치는 영향을 예측한다. • 자동차: 구성 요소의 안정성 및 고장 기록을 미래의 차량 제조 계획에 통합한다. 아울러 운전자 행동을 연구하여 향상된 운전자 지원 기술 그리고 궁극적으로는 자율주행차를 개발한다. • 에너지: 장기적인 가격과 수요 비율을 예측한다. 기상 현상, 장비 고장, 규제 및 기타 변수가 서비스 비용에 미치는 영향을 파악한다. • 금융 서비스: 신용 위험 모델을 개발한다. 금융 시장의 동향을 예측한다. 새로운 정책, 법률 및 규정이 기업과 시장에 미치는 영향을 예측한다. • 제조: 기계 고장의 위치와 비율을 예측한다. 예상되는 미래 수요에 따라 원자재 공급을 최적화한다. • 법 집행: 범죄 추세 데이터를 사용하여 연중 특정 시기에 추가 보호가 필요할 수 있는 지역을 파악한다. • 소매: 온라인 고객을 실시간으로 추적하여 추가 제품 정보 또는 인센티브를 제공했을 때 거래 완료 가능성이 커지는지 파악한다.

예측 애널리틱스 예시
여러 산업의 기업들은 예측 애널리틱스를 사용하여 서비스를 더 효율적으로 만들고, 유지관리를 최적화하며, 잠재적인 위협을 찾고, 생명을 구하기까지 한다. 여기서는 3가지 예를 소개한다. 

■ 롤스로이스(Rolls-Royce): 유지보수 일정 최적화 및 탄소 배출량 감축
항공기 엔진 제조사 롤스로이스는 예측 애널리틱스를 통해 엔진의 탄소 배출량을 획기적으로 줄이는 동시에 [고객이 비행기를 더 오래 운행할 수 있도록] 유지보수를 최적화했다.
 
■ 미국 컬럼비아 상하수도국(DC Water): 물 손실 저감
컬럼비아 상하수도국(The District of Columbia Water and Sewer Authority)은 예측 애널리틱스를 사용하여 물 손실을 줄이고 있다. 이를테면 ‘파이프 탐정(Pipe Sleuth)’은 고급 딥러닝 신경망 모델을 활용하여 작은 직경의 하수관을 이미지 분석하고 분류한 다음 상태 평가 보고서를 작성한다.
 
■ 펩시코(PepsiCo): 공급망 문제 해결
펩시코는 예측 애널리틱스를 통해 전자상거래 팀과 현장 영업 팀이 소매업체의 재고 부족 시기를 파악할 수 있도록 하고 있다. 이 회사는 소매업체 데이터와 펩시코 공급망 데이터를 결합하여 품절을 예측하고, 재주문하도록 안내하는 영업 인텔리전스 플랫폼(Sales Intelligence Platform)을 구축했다.
 
예측 애널리틱스 도구
예측 애널리틱스 도구는 비즈니스 활동에 관한 실시간 인사이트를 제공한다. 이를테면 특정 시간에 리소스를 할당하는 방법, 재고 보충 시기, 최적의 마케팅 캠페인 시작 시기 등 다양한 유형의 활동 및 패턴을 예측하는 데 도구를 쓸 수 있으며, 일정 기간 수집된 데이터 분석을 기반으로 예측할 수 있다. 

• 알테릭스 애널리틱스 자동화 플랫폼(Alteryx Analytics Automation Platform)
• 아마존 세이지메이커(Amazon SageMaker)
• H20 AI 클라우드(H20 AI Cloud)
• IBM SPSS
• 래피드마이너(RapidMiner)
• SAP 애널리틱스 클라우드(SAP Analytics Cloud)
• SAS 바이야(SAS Viya)
• TIBCO
 
예측 애널리틱스 모델
모델은 예측 애널리틱스의 기초다. 사용자가 과거 및 현재 데이터를 실행 가능한 인사이트로 전환하여 긍정적이고 장기적인 결과를 생성할 수 있는 템플릿이기 때문이다. 일반적인 유형의 예측 모델은 다음과 같다. 

- 고객 평생 가치 모델: 제품과 서비스에 더 많이 투자할 가능성이 높은 고객을 정확하게 식별한다.
- 고객 세분화 모델: 유사한 특성과 구매 행동을 기준으로 고객을 그룹화한다.
- 예측 유지관리 모델: 중요한 장비가 고장 날 가능성을 예측한다.
- 품질 보증 모델: 고객에게 제품이나 서비스를 제공할 때 고객이 실망할 수 있는 부분과 추가 비용을 피해서 결함을 찾고 방지한다.

예측 모델링 기법
일반적인 기법인 의사결정 트리는 작업 과정을 결정하거나 통계적 확률을 표시하는 데 쓰는 트리 모양의 다이어그램을 기반으로 한다. 분기 방법은 특정 의사결정의 모든 가능한 결과 그리고 한 선택이 다음 선택으로 이어지는 방법을 보여줄 수 있다. 

회귀 기법은 은행, 투자 및 기타 금융 모델에서 자주 사용된다. 회귀는 사용자가 자산 가치를 예측하고, 상품 및 주가 등 변수 간 관계를 이해하는 데 유용하다. 예측 애널리틱스 기술의 최첨단에는 신경망이 있다. 신경망은 인간의 사고가 작동하는 방식을 모방하여 데이터세트의 기본 관계를 식별하도록 설계된 알고리즘이다.

예측 애널리틱스 알고리즘
예측 애널리틱스 모델에서 사용하도록 설계된 광범위한 통계, 데이터 마이닝 및 머신러닝 알고리즘에 쉽게 액세스할 수 있다. 일반적으로 알고리즘은 특정 비즈니스 문제 또는 일련의 문제를 해결하거나 기존 알고리즘을 개선하거나 특정 기능을 제공하도록 설계됐다.

예를 들면 클러스터링 알고리즘은 고객 세분화, 커뮤니티 검색 및 기타 소셜 관련 작업에 적합하다. 고객 유지율을 높이거나 추천 시스템을 개발하는 데는 일반적으로 분류 알고리즘이 사용된다. 회귀 알고리즘은 신용 점수 시스템을 생성하거나 시간 중심 이벤트 결과를 예측하는 데 활용된다.

의료 부문에서의 예측 애널리틱스
의료기관은 매우 간단한 이유로 예측 애널리틱스 도입에 열광적이다. 이 기술이 비용 절감에 유용하기 때문이다. 이를테면 과거 추세에 따라 시설 자원을 지능적으로 할당하고, 직원 일정을 최적화하며, 단기 재입원 위험이 있는 환자를 식별하고, 의약품 및 공급품 확보 및 관리에 인텔리전스를 추가하는 등 여러 가지 방법으로 예측 애널리틱스를 쓴다.

의료 컨소시엄 카이저 퍼머넌트(Kaiser Permanente)는 예측 애널리틱스를 활용해 12시간 이내에 급격하게 악화될 가능성이 있는 중환자실(ICU) 환자를 식별하는 병원 워크플로우 도구를 만들었다. 노스쇼어 대학 헬스시스템(NorthShore University HealthSystem)은 경과 관찰을 위해 입원해야 하는 흉통 환자와 귀가할 수 있는 환자를 식별하는 데 유용한 예측 애널리틱스 도구를 환자의 전자의료기록(EMR)에 내장했다.
 
예측 애널리틱스, 어떻게 시작해야 할까?
예측 애널리틱스를 시작하는 것이 간단하진 않다. 하지만 프로젝트를 진행하는 데 필요한 시간과 자금을 기꺼이 투자한다면 사실상 모든 기업이 수행할 수 있는 작업이다. 중요한 비즈니스 영역에서 제한된 규모의 파일럿 프로젝트로 시작하는 것이 [실제 수익을 거두기 전까지] 시간을 최소화하면서 시작 비용을 통제하는 가장 좋은 방법이다. 

예측 애널리틱스 연봉
다음은 예측 애널리틱스와 관련된 인기 있는 직업과 페이스케일의 데이터에 따른 각 직업의 평균 연봉이다. 
 

• 애널리틱스 관리자(Analytics manager): 미화 7만 2,000달러 ~ 13만 4,000달러 • 애널리틱스 책임자(Director of analytics): 8만 4,000달러 ~ 17만 9,000달러 • 비즈니스 애널리스트(Business analyst): 4만 9,000달러~8만 7,000달러 • 수석 데이터 과학자(Chief data scientist): 13만 3,000달러~29만 달러 • 데이터 애널리스트(Data analyst): 4만 6,000달러~8만 9,000달러 • 데이터 과학자(Data scientist): 7만 달러~13만 7,000달러

ciokr@idg.co.kr