Section 01 빅데이터 개요 및 활용 (3)

4. 빅데이터의 가치

빅데이터 활용을 통해 얻는 가치

기관명	경제적 효과
Economist(2010)	데이터는 자본이나 노동력과 거의 동등한 레벨의 경제적 투입자본으로 비즈니스의 새로운 원자재 역할을 한다.
MIT SLOAN(2010)	데이터 분석을 잘 활용하는 조직일수록 차별적 경쟁력을 갖추고 높은 성과를 창출한다.
Gartner(2011)	데이터는 21세기의 원유이며 미래 경쟁 우의를 결정한다. 기업은 다가올 데이터 경제시대를 이해하고 정보고립을 경계해야 한다.
McKinsey(2011)	빅데이터는 혁신, 경쟁력, 생산성의 핵심요소이다.

1) 빅데이터의 기능과 효과

• 빅데이터는 이를 활용하는 기존 사업자에게 경쟁 우위를 제공한다.
  • 새롭게 시장에 진입하려는 잠재적 경쟁자에게는 진입장벽과도 같다.
  • 고객 세분화와 맞춤형 개인화 서비스를 제공할 수 있다.
  • 시뮬레이션을 통한 수요 포착과 변수 탐색으로 경쟁력을 강화하고, 비즈니스 모델이나 제품 또는 서비스의 혁신을 가져온다.
• 빅데이터는 알고리즘 기반으로 의사결정을 지원하거나 이를 대신한다.
• 빅데이터는 투명성을 높여 R&D 및 관리 효율성을 제고한다.

2) 빅데이터의 가치 측정의 어려움
특정 데이터의 가치는 그 데이터의 활용 및 가치 창출 방식과 기술의 발전 여부 등에 따라 달라질 수 있어 이를 측정하고 판단하는 것은 쉽지 않다.

1. 데이터 활용 방식 : 데이터를 재사용하거나 재결합, 다목적용 데이터 개발 등이 일반화되면서 특정 데이터를 누가, 언제, 어디서 활용할지 알 수 없기에 그 가치를 측정하기 어렵다.
2. 가치 창출 방식 : 데이터는 어떠한 목적을 갖고서 어떻게 가공하는가에 따라 기존에 없던 가치를 창출할 수도 있어 사전에 그 가치를 측정하기 어렵다.
3. 분석 기술 발전 : 데이터는 지금의 기술 상황에서는 가치가 없어 보일지라도 새로운 분석 기법이 등장할 경우 큰 가치를 찾아낼 수 있으므로 당장 그 가치를 측정하기 어렵다.
4. 데이터 수집 원가 : 데이터는 달성하려는 목적에 따라 수집하거나 가공하는 비용이 상황에 따라 달라질 수 있어 그 가치를 측정하기 어렵다.

3) 빅데이터의 영향

• 기업에게 혁신과 경쟁력 강화, 생산성 향상의 근간이 된다.
  • 빅데이터를 활용해 소비자의 행ㄷㅇ을 분석하고 시장 변동을 예측해 비즈니스 모델을 혁신하거나 신사업을 발굴한다.
• 정부에게 환경 탐색과 상황 분석, 미래 대응 수단을 제공한다.
  • 기상, 인구이동, 각종 통계, 법제 데이터 등을 수집해 사회 변화를 추정하여 관련 정보를 추출한다.
• 개인에게 활용 목적에 따라 스마트화를 통해 영향을 준다.
  • 빅데이터를 서비스하는 기업이 많아지고 데이터 분석 비용은 지속적으로 하락하여 활용이 용이해졌다.

5. 데이터 산업의 이해

1) 데이터 산업의 진화
데이터 산업은 데이터 처리 - 통합 - 분석 -연결 - 권리 시대로 진화하고 있다.

• 데이터 통합 시대까지 데이터의 역할은 거래를 정확하게 기록하고 거래의 자동화를 지원하는 것이었다. 데이터 분석 수준이 향상되면서 데이터의 자원 활용이 가능해졌다.

1. 데이터 처리 시대

• 컴퓨터 프로그래밍 언어를 이용하여 대규모 데이터를 빠르고 정확하게 처리할 수 있게 되었으며 결과는 파일 형태로 보관되었다.
• 기업들은 EDPS를 도입하여 급여 계산, 회계 전표 처리 등의 업무에 적용하였다.
• 데이터는 업무 처리의 대상으로 새로운 가치를 제공하지는 않았다.

2. 데이터 통합 시대

• 데이터 처리가 여러 업무에 적용되기 시작하면서 데이터가 쌓이기 시작했고, 전사적으로 데이터 일관성을 확보하기가 어려워졌다.
• 데이터 모델링과 데이터베이스 관리 시스템이 등장했다.
• 데이터 조회와 보고서 산출, 원인 분석 등을 위해 데이터 웨어하우스가 도입되었다.

3. 데이터 분석 시대

• 대부분 업무에 정보기술이 적용되고, 모바일 기기 보급, 공정 센서 확대, 소셜 네트워크 이용 확산 등으로 인해 데이터가 폭발적으로 증가했다.
• 대규모 데이터를 보관하고 관리할 수 있는 하둡, 스파크 등의 빅데이터 기술이 등장했다.
• 데이터를 학습하여 전문가보다도 정확한 의사결정을 빠르게 내릴 수 있는 인공지능 기술도 상용화되었다.
• 데이터를 분석하여 사실들의 인과관계를 밝힐 수 있고, 이를 업무에 적용하면 의사결정의 연관성과 기민성을 높일 수 있다는 점이 다양한 사례로 증명되었다.
• 데이터 소비자의 역할과 활용 역량을 높이기 위한 데이터 리터러시 프로그램의 중요성도 커지고 있다.

4. 데이터 연결 시대

• 기업 또는 기관, 사람, 사물 등 모든 것이 항상 그리고 동시에 둘 이상의 방식으로 연결되어 데이터를 주고 받는다.
• 연결은 네트워크를 만들고, 네트워크는 새로운 비즈니스 모델을 탄생시키낟.
• 디지털 경제의 주축 세력인 디지털 원주민은 융합된 서비스를 원한다.
  • 융합된 서비스를 제공하기 위해서는 다양한 기업들의 서비스 연결이 필요하고, 이는 기업 간 데이터ㅗ 연결되어야 한다.
• 데이터 경제의 데이터 연결을 강조하는 의미에서, 오픈 API 경제라는 용어가 사용되기도 한다. 또한 오픈 API 제공 수 및 접속 수 , 오픈 API로 연결된 외부 실체 수 등이 기업의 지속가능성과 성장성을 확인할 수 있는 지표가 되기도 한다.
• 현재 오픈 API를 제공하는 것은 해당 기업의 자율적 판단에 달려 있지만, 점차 의무화되는 추세이다.

5. 데이터 권리 시대

• 개인이 자신의 데이터를 자신을 위해서 사용한다.
  • 데이터의 원래 소유자인 개인이 자신의 데이터에 대한 권리를 보유하고 있으며 스스로 행사할 수 있어야 한다는 마이 데이터가 등장하였다.
• 데이터 권리를 개인이 갖게 된다는 것은 산업이 데이터를 중심으로 재편될 수 있다는 뜻이다.
  • 데이터는 기본적으로 거래 행위의 부산물이었다. 기업들은 개인과 거래를 하는 과정에서 개인의 데이터가 있어야 했고, 이를 확보했지만 몇 가지 문제를 일으켰다.
  • 개인의 데이터를 관리해 줄 수 있는 서비스와 필요한 수요자에게 데이터를 팔아 주는 서비스가 나타날 수 있다.
  • 개인은 스스로 데이터를 만들고 자신이 만든 데이터를 기반으로 하는 비즈니스 모델을 구상할 수 있다.
  • 기존 기업들은 개인 데이터 사용에 제약을 받게 됨으로써 고객 접점을 상실하게 될 수 있다.
• 데이터의 공정한 사용이 보장되어야 하며, 데이터 독점이 유발할 수 있는 경제독점이 방지되어야 한다.

2) 데이터 산업의 구조

1. 인프라 영역

• 데이터 수집, 저장, 분석, 관리 등의 기능을 담당한다.
• 컴퓨터나 네트워크 장비 및 스토리지 같은 하드웨어 영역이 있다.
• 데이터를 관리하고 분석하기 위한 소프트웨어 영역이 있다.

2. 서비스 영역

• 데이터를 활용하기 위한 교육이나 컨설팅 또는 솔루션을 제공한다.
• 데이터 그 자체를 제공하거나 이를 가공한 정보브를 제공한다.
• 데이터를 처리하는 역할을 담당하기도 한다.

6. 빅데이터 조직 및 인력

기업의 경쟁력 확보를 위해 비즈니스 질문을 도출하고, 이를 충족하기 위한 가치를 발굴하며, 비즈니스를 최적화하기 위하여 빅데이터 조직 및 인력 구성 방안을 수립한다.

1) 필요성

• 빅데이터와 관련된 기술적인 문제들은 기술의 발전으로 어느 정도 해소되었다.
• 데이터 분석 및 활용을 위한 조직체계나 분석 전문가 확보에 어려움이 있다.
• 데이터 분석 관점의 컨트롤 타워에 대한 필요성이 제기되고 있다.

2) 조직의 역할

• 전사 및 부서의 분석 업무를 발굴한다.
• 전문적인 분석 기법과 도구를 활용하여 빅데이터 속에서 인사이트를 찾아낸다.
• 발견한 인사이트를 전파하고 이를 실행한다.

3) 조직의 구성
통계학이나 분석 방법에 대한 지식과 분석 경험이 있는 전문인력을 중심으로 전사 또는 특정 부서 내 조직으로 구성하여 운영한다.

1. 조직 구성을 위한 체크리스트

• 비즈니스 질문을 선제적으로 찾아낼 수 있는 구조인가?
• 분석 전담 조직과 타 부서 간 유기적인 협조와 지원이 원활한 구조인가?
• 효율적인 분석 업무를 수행하기 위한 분석 조직의 내부 조직구조는?
• 전사 및 단위 부서가 필요시 접촉하며 지원할 수 있는 구조인가?
• 어떤 형태의 조직으로 구성하는 것이 효율적인가?

2. 인력 구성을 위한 체크리스트

• 비즈니스 및 IT 전문가의 조합으로 구성되어야 하는가?
• 어떤 경험과 어떤 스킬을 갖춘 사람으로 구성해야 하는가?
• 통계적 기법 및 분석 모델링 전문 인력을 별도로 구성해야 하는가?
• 전사 비즈니스를 커버하는 인력이 없다면?
• 전사 분석 업무에 대한 적합한 인력 규모는 어느 정도인가?

3. 구성 인력과 필요역량

• 비즈니스를 이해하고 있는 인력
• 분석에 필요한 컴퓨터공학적인 기술을 이해하고 있는 인력
• 통계를 이용한 다양한 분석기법을 활용할 수 있는 분석 지식을 갖춘 인력
• 조직 내 분석 문화 확산을 위한 변화 관리 인력
• 분석조직뿐 아니라 관련 부서 조직원의 분석 역량 향상을 위한 교육담당 인력

3) 데이터 사이언스 역량
데이터 사이언스는 정형, 비정형 형태를 포함한 다양한 데이터로부터 지식과 인사이트를 추출하는 데 과학적 방법론, 프로세스, 알고리즘, 시스템을 동원하는 융합 분야이다.

• 데이터 사이언스는 데이터를 통해 실제 현상을 이해하고 분석하는 데 필요한 통계학, 데이터 분석, 기계학습과 연관된 방법론을 통합하는 개념으로 정의되기도 한다.

1. 데이터 사이언스의 기능

• 비즈니스 성과를 좌우하는 핵심이슈에 답할 수 있다.
• 사업의 성과를 견인해 나갈 수 있다.

2. 데이터 사이언스 실현을 위한 인문학적 요소

• 스토리텔링 능력
• 커뮤니케이션 능력
• 창의력과 직관력
• 비판적 시각과 열정

3. 데이터 사이언스의 한계

• 분석 과정에서 가정과 같이 인간의 해석이 개입되는 단계가 불가피하다.
• 분석 결과를 바라보는 사람에 따라 서로 다른 해석과 결론을 내릴 수 있다.
• 아무리 정량적인 분석이라 할지라도 모든 분석은 가정에 근거한다.

5) 데이터 사이언티스트
데이터에 대한 이론적 지식과 숙련된 분석 기술을 바탕으로 통찰력과 전달력 및 협업 능력을 갖춘 데이터 분야 전문가이다.

• 데이터의 다각적 분석을 통해 인사이트를 도출하고 이를 조직의 전략 방향 제시에 활용할 수 있는 기획자이기도 한다.
• 문제를 집중적으로 파고들어 질문을 찾고, 검증 가능한 가설을 세워야 한다.