p.241~242
고객 중심 경영이 고객이 구체적으로 요구하는 부분에 충실한 접근법이라면,
고객의 의도와 함께하는 경영은 고객과의 상호작용을 높이고 빅데이터를 활용해 고객의 잠재적인 혹은 숨겨진 의도까지 파악하는 접근법을 말한다. 고객의 의도와 함께하기 위해 기업들은 빅데이터를 활용하여 통찰력을 높임으로써 자사의 상품이나 서비스의 가치를
고객의 잠재된 욕구에 맞춰야 한다.
p.250
IT 시장조사기관 가트너는 스마트폰을 중심으로 맥락/상황 인식 컴퓨팅이 진전되고 있는 현상을 '스마트 모빌리티(Smart Mobility)'라 칭하고 있다. 이는 스마트폰에서 사용자에 대한 정보를 활용해 상호작용 수준을 높이는 개념이다.
p.250
스마트 모빌리티는 고객이 어떻게 의사결정을 하고, 계획하고, 커뮤니케이션하고, 조언을 받고, 관심을 가지고 움직이는지 따로따로 파악된 것을 모두 통합해 고객을 종합적, 입체적으로 이해할 수 있음을 의미한다.
p.289
온라인 서점에서 출발한 아마존이 빅데이터 시대의 강자로 부상한 데에도 비슷한 배경이 있다. 창업주 제프 베조스(Jeff Bezos)가 남긴, 짧으면서도 강렬한 말이 있다.
"우리는 절대로 데이터를 내다버리지 않는다"
p.292
한국 경영 현장에서 가장 큰 문제점은 단적으로 빅데이터 자체가 수집되지 않고 있는 현실이다. 이미 많은 기업들은 업무 구석구석에 IT환경을 도입하여 컴퓨터 앞으로 대부분의 사무를 보고 있다. 하지만 그 본질은 과거 수기로 기록하던 장부를 스프레드시트로 바꾸고 기계식 타자기로 치던 각종 문서를 워드프로세서로 옮겨 조금 더 멋지게 치장한 수준에
불과하다. 설문조사 결과에 의하면 현재 한국기업에서 주로 활용하는 데이터는 전통적인
재무 데이터가 35.6%, 사내외 문서화된 보고서가 33.9%를 차지하는 반면, 고객의 소셜
미디어 활동이나 자사 웹사이트 이용 기록 등 좀 더 광범위한 비정형 데이터에 관심을
갖는 경우는 극히 드문 것을 확인할 수 있다.
p.295
얼핏 생각하면 데이터를 중시하고 의사결정에 많이 반영하는 습성을 지닌 사람일수록 이런한 심리적 오류가 줄어드는 게 정상일 것이다. 그러나 놀랍게도 한국의 경영자 집단은 분석적 성향이 강할수록 심리적 오류를 더 자주 범하는 특성을 보였다
통념과는 확연히 다른 이러한 결과는 무엇을 의미하는 것일까? 이는 의사결정 과정에서
데이터가 현실의 문제점을 편견 없이 판정하는데 이용되지 못했음을 보여준다.
p.297
마지막으로 빠지지 않는 문제는 한국의 열악한 관련 지식 기반이다.
단적으로 말해, 한국의 소프트웨어 산업 현실에서는 빅데이터를 가공하고 분석할 수 있는
충분한 기술력과 인력이 없다. 조금씩 개선되고는 있지만, 2012년 초까지만 해도 국내에서
실제로 빅데이터를 능숙하게 관리할 수 있는 인력은 불과 100여 명 남짓한 수준으로 추산되었다. 이 정도 인력으로는 몇몇 IT 기업을 감당하기에도 벅찬 형편이다.
p.299~300
다시 말해, 한국도 기업 현장에서 빅데이터 전문 인력이 커갈 수 있는 토양이 갖춰저야만 빅데이터 역량이 본격적으로 성장할 수 있다. 그러기 위해서는 기존처럼 대학 전공에 따라 처음부터 쓰임새를 엄격히 나누어 경력을 쌓는 관행에 변화를 주어야 한다. 수리적 능력을 갖춘 이공계 인재들이 현장에서 단순 작업에 소모되지 않고 창의적 시각에서 경영 문제를 바라보며 접근할 수 있도록 기회를 주어야 한다. 반대로 경영 지식과 감각을 갖춘 상경계 인재들도 다양한 수리적 분석법에 대해 더 깊이 이해하고 데이터 활용에 다가갈 수 있도록 기회를 마련해주어야 한다.
p.315~316
빅데이터도 결국 이러한 변화의 경로를 밟아갈 공산이 크다. 단순히 '빅데이터'라는 용어 자체는 '유비쿼터스'처럼 몇 년이 지나면 시들해질지도 모른다. 하지만 빅데이터의 유행 속에서 그것의 중요성과 막대한 잠재가치를 깨닫고 차근차근 실질적인 데이터와 활용
역량을 축적해나갈 기업들이 어디엔가는 있을 것이다. 그들은 빅데이터 관련 기술이
과장광고 곡선의 바닥을 지나 좀 더 성숙해질 때, 4단게에 만들어지는 성공 사례들의 주역으로 나설 것이다. 그리고 5단계에 접어드는 시점에서 빅데이터는 전혀 다른 이름으로
우리 현실에 재등장하여 강한 충격을 줄 것이다.
p.316~319
EIU(Economist Intelligence Unit)는 빅데이터에 관한 백서 <빅데이터 : 게임의 법칙을 바꾸는 자산 활용법(Big Data : Harnessing a game-chaning asset)>에서 빅데이터를 수용하기 위한 기업의 대응 역량을 다음 네 가지 수준으로 구분했다.
가장 낮은 수준인 '데이터 낭비자(Data Waster)'유형의 기업들은 데이터 수집 자체를 하지 않거나, 수집해도 거의 활용하지 않는다(전자가 약 30%, 후자가 약 70%를 차지).
이러한 기업들은 재무적인 성과도 낮으며 어느 산업에서나 쉽게 찾아볼 수 있다. 당연히
고위 경영진보다는 중간 정도의 관리자가 데이터 전략을 담당한다. 이러한 기업들은 다음과 같은 특성을 갖고 있다.
내부 운영 효율성 향상이나, 특히 경영 보고에 큰 관심을 기울이지 않는다.
(보안 이외에는) 모든 데이터 관리 측면에서 문제점을 보인다.
데이터 관리에 대한 투자에서 다른 기업들에 비해 뒤처져 있다.
적절한 데이터 관리 기술을 유지하는 데에도 어려움을 겪고 있다.
두 번째는 '데이터 수집가(Data Collectors)'유형의 기업으로, 데이터의 중요성은 인식하고
있으나 데이터 저장 이외의 다른 조치는 취하지 않는다. 따라서 표면적으로는 데이터가 넘쳐나지만, 적절히 활용하기에는 막막한 상황이 대부분이다. 보통 의료 서비스나 전문 서비스 산업과 관련된 기업들이 이 유형에 속하며, 흔히 나타나는 특성은 다음과 같다.
대부분 고위 IT 임원이 데이터 전략을 담당한다.
정보기술부서 사람들은 데이터의 중요성을 이해하지 못하고 사업부서 사람들도 별반 차이가 없으며, 정보기술과 비즈니스 전략 간에 연계성이 매우 낮다.
데이터의 품질, 정확성, 일관성 등에서 문제를 보인다.
데이터 관리가 주로 규제에서 요구하는 사항에 맞춰 이루어진다.
데이터 관리의 모든 측면, 특히 기술에는 투자하지 못하고 있다.
데이터 거버넌스(조직 내에서 데이터 관리의 의사결정 권한과 책임 주체 명시)에 대한 공식적 프로세스를 갖추고 있지 않다.
세 번째는 '적극적 데이터 관리자(Aspiring Data Manager)'유형으로, 빅데이터의 중요성은
어렴풋이나마 알고 있으며 전략적 의사결정에 활용과 투자를 감행할 준비도 되어 있으나 선두 그룹에 비해 수준이 못 미치는 기업들이다. 수적으로 보면 이 유형에 속한 기업들이 가장 많으며, 정보통신이나 소매 산업의 기업들이 이 그룹에 속할 가능성이 높다.
이들 기업에서 나타나는 특성은 다음과 같다.
CEO가 데이터 전략을 담당할 가능성은 매우 낮다.
현재 내부 비즈니스 운영 상황을 더 잘 파악하기 위해 데이터를 활용하고 있으나, 고객과 관련된 일(마케팅 및 영업)에도 데이터를 활용하길 바라고 있다.
전략적 데이터 관리자와 달리, 데이터의 품질이나 일관성을 완전히 통제하지 못하고 있다.
자신들이 보유한 데이터의 반 정도만 제대로 활용하고 있다.
데이터가 너무 많거나 필요한 자원이 충분하지 않다고 불평을 늘어놓을 가능성이 높다.
마지막은 '전략적 데이터 관리자(Strategic Data Manager)'유형으로, 빅데이터를 이용하는 기업들 중 가장 선두에 있으며 가장 앞선 역량을 보유하고 있다. 제조업체나 금융 서비스, 혹은 기술 기업들이 이 그룹에 속해 있을 가능성이 높다. 전략적 데이터 관리자 유형의
기업들은 가장 먼저 활용 가능한 데이터의 측정 방법과 범위를 신속히 파악하고,
이들을 기업의 전략적 목표와 일치시키는 역량을 갖고 있다.
이외에도 다음과 같은 특성을 지니고 있다.
대충 만족할 만한 선택이 아닌 가장 적절한 선택으로 의사결정을 하며, 수집한 데이터의 상당 부분을 활용한다.
C 레벨 고위 임원들(예를 들어 CFO, COO, CMO 등)이 각자 자기 분야의 데이터 운영을
책임진다.
데이터 관리의 모든 측면에 투자를 하며, 특히 데이터의 정확성, 완전성, 일관성에 중점을 둔다.
잠재가치를 확보하기 위해 새로 등장하는 데이터들을 탐색한다.
'경영' 카테고리의 다른 글
| 빅데이터 전쟁(1) (0) | 2015.10.23 |
|---|---|
| 빅데이터 경영을 바꾸다(9) (0) | 2015.10.20 |
| 빅데이터 경영을 바꾸다(7) (0) | 2015.10.20 |
| 빅데이터 경영을 바꾸다(6) (0) | 2015.10.19 |
| 빅데이터 경영을 바꾸다(5) (0) | 2015.10.19 |
댓글