효율성을 높이고 매출을 도모하기 위해 데이터 애널리틱스에 관심을 갖는 CIO가 늘고 있다. 그러나 데이터 애널리틱스 노력이 모두 열매로 산
석유에 버금가는 중요 자원으로 데이터가 손꼽힌다. 적절한 비유다. 데이터 또한 날것 상태에서 정제해 실용성 있는 정보로 탈바꿈시키는 개발 과정이 필요하기 때문이다. CIO들이 데이터 속에 숨은 가치를 찾아내어 비즈니스 효율성을 높이고 고객 서비스를 개선시키기 위해 예측 애널리틱스 툴, 머신러닝 알고리즘, 그리고 기타 솔루션들을 활용하고 있다.
이사회나 C-레벨 경영자들의 호감을 얻기 위한 최고의 방법은 비용을 절감하거나 수익을 증대시키는 것이다. 이를 누구보다 잘 아는 CIO들은 그 어느 때보다도 더 데이터 과학 테크놀로지에 많은 투자를 하고 있다. 전 세계적으로 빅데이터 및 비즈니스 애널리틱스 산업의 시장 규모는 2017년 1,508억 달러를 기록해 전년도인 2016년 대비 12.4 % 증가했다고 IDC는 밝혔다.
빅데이터 및 애널리틱스 지원 목적의 하드웨어, 소프트웨어, 서비스 구매액 역시 2,100억 달러를 넘어설 전망이다. IDC 애널리스트 댄 베셋(Dan Vesset)은 빅데이터 애널리틱스 솔루션이 전 세계 비즈니스 프로세스 및 산업들을 휩쓴 디지털 변혁의 중요 축들 중 하나가 되었다고 말했다.
그러나 이처럼 아찔한 규모의 빅데이터 지출액 이면에는 대부분의 데이터 애널리틱스 프로젝트가 이렇다 할 성과나 가치를 창출하지 못한 채 끝나고 만다는 불편한 진실이 숨어 있다. 레거시 시스템과 비즈니스 라인을 강조하는 경직된 요식 체계 등이 데이터 사일로를 낳았고 데이터 품질의 저하를 영구화시켰다.
그럼에도 불구하고 CIO들은 여전히 데이터 속에서 가치를 발굴해 내는데 필요한 인재 갭을 메우기 위해 노력 중이다. 이런 현실로 인해 데이터 애널리틱스 분야의 인재 쟁탈전은 치열한 양상을 유지하고 있으며, 대학 애널리틱스 전문가 양성 프로그램들 역시 인력 수요 증가 속도를 따라가지 못하고 있다.
이달 초 열린 CIO100 심포지엄(CIO100 Symposium)에서는 데이터 애널리틱스 분야의 성공 신화가 다소 소개됐다. 발표에 나선 CIO들은 이 분야에서 비슷한 고충을 겪고 있는 동료 CIO들에게 자신의 경험과 조언을 아낌 없이 공유했다.
‘머크’의 데이터 애널리틱스 활용 사례
전 세계 140여 개 시장에 진출해 있는 약 400억 달러 규모의 글로벌 헬스케어 업체 머크(Merck)는 ERP 및 제조 실행 및 인벤토리 컨트롤 코어 시스템에서 수집한 데이터를 활용해 비즈니스 아이디어를 얻고자 했다.
그러나 모든 프로젝트 상의 데이터를 전부 찾아내고, 액세스 해 소화시키는 데 엔지니어 업무 시간의 60~80%가 소모되는 환경에서는 이런 목표를 실현하기가 쉽지 않았다. 머크의 제조 IT CIO 미쉘 알레산드로 “데이터가 영구적이고, 독립적이며 가치 있는 하나의 자산이라고 바라보지 않았다. 우리가 원한 것은 데이터를 옮기고, 리포팅 하는데 쏟는 시간을 대폭 줄이고 이를 활용해 유의미한 비즈니스 결과를 얻는데 더 많은 시간을 투자할 수 있는 환경이었다”라고 말했다.
이를 위해 머크 사는 MANTIS(Manufacturing and Analytics Intelligence)를 개발했다. MANTIS는 인-메모리 데이터베이스와, 텍스트, 비디오, 소셜 미디어를 비롯해 정형화 및 비정형화 시스템 상의 데이터 크런칭이 가능한 오픈소스 툴로 구성된 웨어하우징 시스템이다.
무엇보다 중요한 것은 MANTIS가 테크놀로지 전문 지식이 없는 애널리스트들도 시각화 소프트웨어를 통해 어려움 없이 데이터를 볼 수 있게 해주었다는 것이다. 또 전문 지식을 갖춘 데이터 과학자들에게는 복합적인 시뮬레이션과 모델링 툴을 활용해 정보에 액세스 할 수 있도록 지원했다.
MANTIS는 머크의 전반적인 IT 애널리틱스 프로젝트에 소요되는 시간 및 비용을 45% 가까이 절감시켰다. 평균 조달 시간을 30% 가까이 줄여주었고 인벤토리 소지 비용 역시 50% 가까이 절약됐다.
교훈: 머크 사의 성공 비결은 자금 회수 규모가 가장 큰 아시아 태평양 공장에서 시범적으로 애널리틱스 프로젝트를 먼저 시행해 본 것이었다고 알레산드로는 전했다. 이 곳에서 MANTIS로 성공을 거둔 머크 사는 다른 지역에서도 MANTIS를 활용하기 시작했다. 또한 감당할 수 있는 것 이상을 욕심 내서는 안 된다는 교훈도 얻었다.
알렉산드로에 따르면 초기 실험 기간에는 인공지능이나 머신러닝을 활용해 제조 프로세스 비용을 분석하려는 ‘과한 목표’를 세우기도 했다. 그는 “스폰서가 부족하거나, 비전이 없어서가 아니었다. 그저 목표가 현실적이지 못했을 뿐이다”라고 말했다.
닥터 페퍼 스네이플 그룹, 머신러닝 활용해 상황 맞춤형 세일즈에 성공하다
과거 닥터 페퍼 스네이플 그룹(Dr. Pepper Snapple Group)의 루트 세일즈 직원들은 한 손에 고객 데이터와 판매량 노트, 그리고 프로모션 안내서 등이 두서없이 꼽힌 뚱뚱한 바인더를 든 채 월마트나 타깃 매장을 돌아다녔다. 오늘날 이들은 바인더 대신 어떤 매장을 방문해 어떤 오퍼를 해야 하고, 어떤 식으로 영업하면 좋을지에 대한 가이드가 담긴 아이패드로 새롭게 무장했다.
닥터 페퍼 스네이플 그룹의 CIO 탐 페라는 “과거 루트 세일즈 직원들이 수동적으로 명령을 수행하는 입장이었다면, 오늘날 이들은 주어진 정보를 바탕으로 능동적으로 판매 업무를 수행하는 판매 전문가들로 거듭났다”라고 말했다.
닥터 페퍼 스네이플 그룹의 자체적인 플랫폼 마이DPS(MyDPS)는 머신러닝 및 애널리틱스 툴을 활용해 직원들이 앱을 실행하면 그 날의 영업 방침과 실적 카드를 보내준다. 또한 직원들이 예정된 판매 경로에서 벗어나고 있을 경우, 예컨대 판매 계획이 틀어지거나, 목표한 바보다 실적이 저조해질 때 이를 알려주고 어떻게 하면 이를 개선할 수 있을 지에 대한 제안까지 해준다. 페라는 “성공적인 영업을 위해서는 세일즈 직원들이 상황에 맞는 정보를 가지고 있어야 한다”라고 말했다.
교훈: 마이DPS의 개념 증명 과정에서, 페라는 우선 소프트웨어를 4명의 직원에게 시범적으로 배포한 후 기업 대표가 직접 그 결과를 확인하도록 했다. 마이DPS 사용 한 달 만에 유통업체를 상대로 한 셀 인(sell-in)이 50% 가량 증가한 것을 확인한 대표는 망설임 없이 이 프로젝트에 그린 라이트를 보냈다.
페라는 “CEO가 곧바로 OK 사인을 보낸 것은 가시적인 결과가 있었기 때문이다. 단순히 프로젝트에 대한 스폰서만 받아내는 데에서 그치는 것이 아니라 기술 투자가 가져올 결과가 얼마나 바람직한지를 설득시키는 과정이 꼭 필요하다”라고 말했다.
선도형 데이터센터 건설을 통해 기존 건설 업계 관행에 도전하는 벡텔
벡텔(Bechtel)의 CIO 캐롤 지어호퍼가 대부분 사람들이 잘 모르는 사실 하나를 귀뜸했다. 건설 관련 지출이 전체 GDP의 13% 가까이를 차지함에도 불구하고 지난 20여 년간 건설 업계 생산성은 고작 1% 정도 밖에 증가하지 않았다는 것이다.
일부 전문가들은 건설 업계가 단순히 계약 구조를 바꾸고, 근로자 교육을 강화하며, 현장 수행을 개선하는 것만으로도 생산성을 50~60%는 증가시킬 수 있을 것이라고 지적하고 있다. 후버 댐, 유로 터널 등 기념비적 건축물들의 건설 이력을 보유한 벡텔 사가 이번에는 기업 곳곳에 파묻힌 데이터 보물 발굴에 나섰다.
지어호퍼는 월마트, 보잉, 록히드 마틴 등 비슷한 상황의 CIO들과 만나 구체적인 생산성 개선 방안들을 모색했다. 벡텔 사는 우선 5 페타바이트 분량의 데이터로 구성된 데이터 레이크를 갖춘 선도형 데이터센터(data center of excellence)를 건설하고 개념 증명을 시작했다. 벡텔 사는 안면 인식 기술을 활용해 고객들을 대신하여 현장 사진을 점검하고 라벨링하는 것만으로 200만 달러 상당의 비용을 절감했다.
자연어 프로세싱 툴도 있었다. 이는 고객 클레임 및 RFP, 계약서 등을 분석한다. 과거 수 일에서 길게는 수 주까지 걸렸던 추산이나 계획 세우기 역시 이제는 몇 시간이면 끝난다. 벡텔 사는 또한 직원들의 이직 방지에도 애널리틱스 기술을 활용했다. 언제쯤 어떤 직원이 회사를 그만 둘지를 미리 예측하는 것이다. “우리는 계속해서 생산성 개선이라는 과제의 문을 두드리고 있다”라고 지어호퍼는 말했다.
교훈: 데이터 사일로와 데이터 품질 개선이야 말로 해결해야 할 과제들이다. 비록 벡텔이 방대한 분량의 데이터를 분석할 수는 있었다고 해도, 기업 전체에 흩어져 있는 데이터의 퀄리티를 개선할 필요는 분명히 있었다. “때때로 멈춰 서서 데이터 사일로 처리가 어떻게 되어가고 있는가를 되돌아 봐야만 했다”고 그는 말했다.
머신러닝을 통해 새로운 비즈니스를 궤도에 올리는 데 성공한 RRD
과거 R.H. 도넬리(R. H. Donnelley) 라는 이름으로 더 잘 알려졌었던 마케팅 커뮤니케이션 업체 RRD는 몇 년 전 로지스틱스 브랜치를 개설하였다. 새로운 브랜치의 성공을 위해 RRD사는 자체적으로 적재량을 관리하고 세탁기에서부터 개 사료에 이르기까지 다양한 파트너 기업들의 물품을 배송해 었다. 그 결과 RRD 사의 로지스틱스 브랜치는 10억 달러 규모의 기업으로 성장할 수 있었다. 문제는 페덱스와 UPS가 점령하다시피 한 로지스틱스 분야에서 최적의 배송료를 찾아 내는 일이었다.
현지 날씨, 지리, 운전사 고용, 정치적 상황 등이 모두 비용을 늘리고 줄이는 변수가 될 수 있다. 이러한 변수들을 예측할 절실한 필요가 있었던 RRD 사는 머신러닝과 애널리틱스에 눈을 돌리지 않을 수 없었다고 RRD 사의 CIO 켄 오브라이언은 말했다.
RRD는 전문 인력과 대학 연구팀을 가리지 않고 고용해 알고리즘을 만들고, 실시간으로 적재 화물 비율을 예측할 수 있게 될 때까지 700개 루트에 걸친 수천 가지 시나리오를 실험했다. 여기서 ‘실시간’이란 이르면 일주일 전까지, 99%의 정확도로 예측할 수 있음을 의미한다.
오브라이언은 “1년도 되지 않아 투자보다 많은 수익 증가를 가져왔고 아직도 로지스틱스 브랜치는 성장세를 유지하고 있다”라고 말했다. RRD사는 2017년 자사의 로지스틱스 비즈니스 매출이 400만 달러에서 1, 600만 달러 규모로 4배 가까이 성장할 것이라고 내다보고 있다.
교훈: 오브라이언은 자신의 동료들 중 몇몇 역시 프로젝트 실행 과정에서 포기하고 싶어 했다며, 새로운 비즈니스를 궤도에 띄우기 위해서는 상당한 수준의 노력이 요구된다고 말한다. 기존에 ‘직감’과 ‘어림짐작’으로 처리해 오던 작업에 테크놀로지를 도입한 RRD 사의 시도는 처음에는 신뢰를 얻기 어렵다. RRD는 비즈니스와 IT가 함께 결과를 창출해 내는 협업 친화적 환경을 조성했다. “도중에 몇 번씩 넘어지기도 하고, 장애물에 맞닥뜨리기도 하겠지만, 인내심을 가져야 한다”라고 말했다.
머신러닝을 통해 농부들의 영원한 숙제를 해결하려 시도하는 몬산토
언제, 어디에, 어떤 품종을 얼마만큼 심어야 할 지에 대한 고민은 농부들의 숙명 같은 것으로 여겨져 왔다. 최근 미국의 농업생물공학 업체 몬산토(Monsanto)사는 데이터 과학을 이용해 씨앗 파종의 과학적 ‘처방전’을 내놓기 위한 과제에 착수했다.
수학 및 통계학적 모델을 사용해 수확량은 극대화하고 경지 이용률은 최소화 하는 최적의 파종 시기와 위치를 결정하려는 것이다. 몬산토의 머신러닝 알고리즘은 900억 개에 달하는 데이터 포인트를 몇 달, 혹은 몇 주가 아닌 단 며칠 사이에 처리해 낼 수 있다고 몬산토 사의 글로벌 IT 애널리틱스 디렉터 에이드리언 카티에는 말했다.
이러한 노력의 결과 작년 한 해 동안 몬산토 사는 약 600만 달러의 비용을 절약하고, 공급망 흔적을 4% 가량 줄이는 데 성공했다. 카티에는 “북미에서 경지 이용률을 4%만 줄여도 이용되는 토지 면적을 엄청나게 줄일 수 있으며 비용 또한 많이 절감된다”라고 말했다.
교훈: 몬산토 사의 데이터 애널리틱스 성공 비결은 IT와 공급망 비즈니스 간에 형성된 ‘요람에서 무덤까지’ 지속되는 협업 관계였다. 카티에는 “공급망 기업들이 지닌 농업에 대한 전문 지식 및 공급 과정에 대한 폭넓은 관점과, IT 부서의 수학 및 통계학에 대한 전문성이 결합해 이와 같은 가치를 창출해 낼 수 있었다”고 말했다.
한편 그는 덮어놓고 반대만 하는 반대파들과 균형을 맞추기 위해 또 공급망 비즈니스 내부의 ‘친 변화론자들, 또는 변화 옹호자들’을 찾아내는 것 역시 중요한 역할을 했다고 조언했다.
예측 애널리틱스 통해 ‘고객 만족’ 배송하는 피트 오하이오
화물수송 업계는 ‘아마존 효과’로 인해 발등에 불이 떨어진 상태라고 피트 오하이오(Pitt Ohio)사의 CIO 스캇 설리번은 전했다. 7억 달러 규모의 화물수송 업체 피트 오하이오 사는 원래 고객들의 화물을 픽업해 다음날까지 배송하는 일련의 과정에 익숙해져 있었다. 그러나 아마존의 출몰로 인해 점점 더 많은 고객들이 당일배송을 당연하게 여기게 되었을 뿐만 아니라 배송 과정에서 배송물의 위치 등에 대한 구체적인 정보를 요구하게 되었다는 것이다.
“고객들은 이제 화물 도착 시간뿐 아니라 배송 양상까지 알고자 한다. 사전에 워크로드를 조절하기 위해서다”라고 설리번은 말했다.
피트 오하이오 사는 과거 데이터와 예측 분석 툴, 그리고 화물의 무게, 운전 거리 및 기타 요소들을 계산하는 알고리즘 등을 이용해 언제쯤 화물이 목적지에 도착할 것인지를 거의 99% 정확도로 예측해 낼 수 있다. 피트 오하이오 사는 반복 주문(연간 약 5만 달러 가량)과 고객 손실 방지(연간 약 6만 달러)를 통해 수익을 증대시킬 수 있었다.
교훈: 설리번은 피트 오하이오 사의 데이터 애널리틱스 성공 요인으로 시장 조사, 세일즈 오퍼레이션, IT 등 부서간 협력을 꼽았다. 이들은 모두 목표를 제대로 달성하기 위해 결과를 확인하고 또 확인했다. “대부분 기업들은 차고 넘칠 정도의 데이터를 가지고 있다. 문제는 혁신적인 발상의 전환을 통해 이들을 활용할 방법을 찾아낼 수 있는가 이다”라고 설리번은 말했다. dl-ciokorea@foundryco.com
