‘잘 쌓은 데이터가 돈 된다’… 데이터 전략 과제 6선

최근 AI가 핵심 기술 트렌드가 되고 있지만, 일찍이 AI를 성공적으로 도입한 기업에는 공통점이 있다. 바로 데이터 전략과 비즈니스 전략이다.
 

MIT 테크놀로지 리뷰(MIT Technology Review)의 인사이트 설문조사에 따르면 엔터프라이즈 데이터 전략은 기업의 매출 확대, 운영 효율성 개선, 시장 출시 기간의 단축 등 중요한 비즈니스 목표에 힘을 보태고 있다. 뿐만 아니라 새로운 제품 출시, 시장 진입, 혁신 개선, 물리적 자산 관리, ESG 정책 확산을 위해서도 데이터 전략은 중요한 역할을 한다.

문제는 오늘날 데이터 전략을 성공적으로 수행하는 조직이 13%에 불과하다는 점이다. 데이터 전략 수행 과정에서 나타나는 일반적 접근 장벽에는 데이터 사일로와 중복 문제를 비롯해 데이터가 제한적이고, 품질이 낮고, 접근성이 낮다는 구조적인 문제도 포함된다.  

기업이 새로운 데이터 전략을 계획할 때 전략과 비즈니스를 효율적으로 연결해 주는 6가지 중요한 사항을 소개한다.

기술 비즈니스 전략의 연결 및 강화
데이터 전략은 여느 기술 전략과 마찬가지로 핵심 IT 및 비즈니스 전략과 결을 같이해야 한다. 데이터 전략은 기업의 IT 및 비즈니스 전략이 무엇인지 알아야 할 뿐만 아니라 그 안에 포함돼 기업이 비즈니스 가치를 더 많이 창출할 수 있도록 지원해야 한다.

데이터 엔지니어링 및 머신러닝 플랫폼 아큐어(Accure)의 CEO 샘 안사리에 따르면, 지금과 같은 디지털 시대에서 데이터는 단순한 부산물이 아니라 혁신을 촉진하고 비즈니스를 성공으로 이끄는 핵심 연료다. 조직은 데이터를 전략적으로 활용해 경쟁 우위를 확보하고 성장의 기회를 얻는다. CIO는 적응형 기술 인프라에 우선 순위를 둬야 한다. 적응형 기술 인프라는 사일로화 데이터를 제거하고 보안과 거버넌스를 보장할 뿐만 아니라 간소화된 데이터 관리를 위한 수평적 통합 플랫폼을 아우르며 기업이 통합의 복잡성을 줄이고, 높은 숙련도 요구 사항과 비용을 낮추도록 돕는다.

데이터 수익화 방법 탐구
고객의 제품 소비 방식과 가치 추출 방식에 따라 달라지겠지만, 많은 산업에서 기업은 고객 데이터를 활용해 수익을 만들 수 있다. 여기서 말하는 데이터는 기본 로우 데이터는 물론 인사이트를 얻기 위해 다양한 후처리한 데이터, 시각화 및 분석 도구를 통해 소비되는 데이터, 디지털 트윈과 같은 산업 애플리케이션을 통해 소비되는 데이터 등 다양하게 포함된다.

예를 들어 건축·엔지니어링·건설(Architecture, Engineering and Construction, AEC) 산업은 ▲전자 상거래에서 판매되는 항공 이미지 같은 지리 데이터 ▲마남(Manam)과 같이 인공지능으로 결함을 분석하는 드론 기반의 도로 및 교량 사진 정보 ▲어반SDK(Urban SDK) 같이 GIS 플랫폼을 통해 시각화된 교통 혼잡 데이터 ▲실시간 디지털 트윈 솔루션 기업이 제공하는 전기차 충전 데이터 등으로 수익화를 모색하고 있다.  

데이터 수익화를 목표로 하는 기업은 고객이 어떻게 데이터를 소비하는지 자세히 바라봐야 한다. 또한 더 나은 결과를 가져오는 새로운 방식에 대해서도 기업이 고민해야 한다. 예를 들어 최근 필라델피아에서 발생한 I-95 교량 붕괴 사고는 예측할 수 없는 사건이었지만, 기존 교량 관리 시스템을 AI 결함 분석으로 보강하거나 과거, 현재, 미래의 모델을 위한 실시간 디지털 트윈 플랫폼으로 업그레이드 또는 교체해 방지해 볼 수 있었다.

자동화, 데이터 분석, AI/ML 활용
오늘날 여러 최신 데이터 플랫폼이 기존의 관계형 데이터베이스, 데이터 웨어하우스, 데이터 마트를 넘어 자동화와 AI/ML를 기본적으로 지원하고 있다. 또한 노코드 데이터 엔지니어링 및 AI/ML 플랫폼도 지원해 일반 비즈니스 사용자는 물론 데이터 엔지니어, 과학자, 데브옵스(DevOps) 직원도 신속하게 비즈니스 가치를 개발, 배포, 창출할 수 있다.

조직은 최신 플랫폼을 데이터 아키텍처의 핵심에 배치해 자동화, 분석 및 AI/ML 프로젝트의 발판을 마련하고, 추가 파트너 모집과 투자를 통해 에코시스템을 완성할 수 있다.

다양한 데이터 소스의 통합
데이터 소스를 통합하는 것은 고객에게 추가적인 인사이트를 제공하는 또 다른 전략이다. 분석 대시보드나 GIS 같은 2D 환경, 매직 리프(Magic Leap)와 애플 비전 프로처럼 시각화를 위한 XR 기능이 탑재된 디지털 트윈 등의 3D 환경을 통해 성취할 수 있다. 

여건이 된다면, 자체 데이터와 오픈 데이터 같은 서드파티 데이터를 결합할 기회를 모색해 보자. 부가가치를 창출하기 위해서, 또 GIS나 디지털 트윈 등 다양한 분석에 적용할 수 있는 데이터 수집 및 변환, 통합 지원 도구를 구축하기 위해서 말이다.

제품과 서비스 포트폴리오를 위한 고유 데이터 구축
디지털 포트폴리오 성숙도를 측정하는 5가지 방법에서 살펴본 바와 같이, 데이터와 분석은 종종 제품 및 서비스 포트폴리오의 핵심이 된다. 실제로 포트폴리오에서 어느 정도의 데이터와 분석이 제품의 일부로 활용되는지 비율을 측정하고 시간 경과에 따라 추적할 가치가 있다. 측정을 시작하는 좋은 방법은 각 부서에서 현재 비율을 자체 평가하도록 한 뒤, 조직의 디지털 전략에 따라 2025년 또는 그 이후의 목표 비율을 결정하는 것이다. 

데이터를 통해 프로젝트에서 지속적인 수익을 창출하는 방법
기업이 컨설팅 프로젝트를 제공할 경우, 수익은 보통 일회성으로 얻고 끝난다. 이때 수익은 인건비와 업계 평균 계약 단가에 따라 달라진다. 하지만 그런 컨설팅 결과물에 데이터가 결합된다면 상황이 달라질 수 있다. 다시 말해 컨설팅 프로젝트는 하나의 소프트웨어 제품이 되고, SaaS 비즈니스 모델을 통해 지속적인 수익을 창출할 수 있다.

물리적 자산 또한 같은 방식으로 수익을 창출할 수 있다. 자산의 거래 자체는 일회성이지만, 일상에서 자산을 사용하는 동안 쌓이는 데이터는 지속적인 수익의 원천이 된다. 컨설팅 회사 카그너전트(Cognizant)는 전동 칫솔처럼 50달러 내외의 일상 제품도 사용량 데이터를 활용해 수익을 만들 수 있다고 강조했다.

물론 데이터 전략을 위한 일련의 필수 과제를 완수하기 위해서는 사람, 프로세스, 기술을 고려해야만 한다. 여기에서는 비즈니스 필수 과제를 다뤘지만, 이를 실현하려면 기술적 필수 과제와 고려 사항(데이터 품질이나 오류를 제거하는 프로세스인 데이터 위생 등)을 숙지해야 하며, 리소스의 필수 과제와 고려 사항(데이터 기술, 역량, 교육 등)도 파악해야 하다. 새로운 데이터 전략과 수익 및 가치 창출을 위한 내부적 방법에 시간을 투자하면 투자할수록, 자동화와 AI뿐만 아니라 전반적인 IT 비즈니스 전략에 큰 도움이 될 것이다. ciokr@idg.co.kr