강력한 알고리즘은 더 이상 경쟁 우위를 창출할 수 있는 요소가 아니다. 게임에 뛰어들기 위한 최소한의 기본 요건일 뿐이다. 오늘날 중요한 것은 분석 엔진이 처리할 수 있는 최고의 데이터를 확보하는 것이다. 그러나 여전히 많은 기업이 지속적인 경쟁 우위를 제공하는 데이터를 파악하지 못하고 있다. 데이터 성숙도 부족으로 인해 데이터 전략과 비즈니스 성과도 저하되고 있다.

기업이 원하는 것이 특정 비즈니스 성과를 달성하기 위해 기존 데이터를 더 잘 활용하는 것이든, 새로운 데이터를 수집해 새로운 비즈니스 라인을 생성하는 것이든, 데이터 성숙도를 높이는 작업을 가로막는 다양한 장벽을 이해하고, 이를 돌파할 답안을 마련해야 한다. 그런 다음 유용한 데이터를 식별하고 새로운 경쟁 우위 공급처로 통하는 문을 열기 위한 데이터 전략을 직조해야 한다. 이 작업을 하려면 유용한 데이터, 데이터 수집 전략, 데이터 수익화 전략, 운영 모델 등에 대한 몇 가지 주요한 질문에 답해야 한다.

데이터 성숙도 상승을 가로막는 장벽

BCG는 다양한 산업군과 지역에 걸쳐 데이터 성숙도에 대한 기업의 어려움을 파악했다. 2016년부터 BCG는 기업의 데이터 활용 능력을 평가하기 위해 디지털 혁신 설문 조사를 실시했다. 2019년에는 단 27% 기업만이 비전, 사용 사례, 분석, 데이터 거버넌스, 데이터 인프라, 데이터 생태계, 변경 관리 등 7가지 요소를 기반으로 계산 한 데이터 성숙도의 고급 단계에 도달했다. (보기1 참조)

데이터가 모든 것을 지배한다 1

또한, 많은 기업이 높은 데이터 목표를 가지고 있지만 이러한 목표를 달성하는 기업은 거의 없다는 사실도 발견했다. 2019년에는 약 10% 기업만이 2016년에 설정한 데이터 목표를 달성했다고 보고했다. 또한 대부분 기업은 2018년에 설정한 2021년의 목표를 달성하지 못했다.

기업이 데이터 목표를 달성하기 위해서는 데이터 성숙도를 향한 진전에 속도를 붙여야 한다. 이는 쉽지 않다. 선도 기업과의 인터뷰를 통해 기업이 데이터 성숙을 추구할 때 직면하게 되는 5가지 주요 함정을 확인했다.

  • 데이터에 대한 설득력 있는 비전이나 가치 제안이 없거나 데이터 사용에 대한 생각이 너무 점진적이다.
  • 새로운 비즈니스 모델과 파트너십에 대해 창의성이 부족하고, 유용한 데이터 세트를 식별하고 데이터를 통해 수익을 창출하지 못한다.
  • 모듈식 상호 운용 가능한 아키텍처가 없기 때문에 데이터가 조직의 사일로에 파묻힌다.
  • 데이터 사용 사례를 활성화하고 확장하는 기능이 갖춰져 있지 못하다.
  • 기업 문화를 데이터 기반 의사 결정으로 전환하지 않았다.

일부 기업은 이러한 함정을 피하고 유용한 데이터 세트를 식별하여 데이터 성숙도를 성공적으로 개선했다. 미국의 중장비 및 농기계 제조사 존 디어(John Deere)는 기존에 대규모로 설치된 농업 장비에 센서를 설치해 데이터 수집을 시작했다. 기계 성능을 개선하고 농업인들에게 고급 의사 결정 지원을 제공하기 위한 것이다.

어떤 선도적인 석유 회사는 시추 작업, 장비, 지질 학적 특성에 대한 데이터를 수집하기 위해 BCG와 제휴했다. 이 데이터를 사용해 머신 러닝(machine learning, 기계 학습) 알고리즘을 훈련하고 작업자가 실행중인 프로세스에 대한 종단간 가시성을 제공하는 도구를 개발했다. 이를 통해 유정에서 신속하게 결정을 내릴 수 있게 됐다. 예를 들어 암석을 파는 데 사용되는 유체의 순환과 압력을 더 잘 관리해, 기계가 끼지 않도록 드릴 비트 회전을 충분히 빠르게 유지할 수 있다.

데이터 전략 추진

기업이 달성하고자 하는 비즈니스 성과와 밀접하게 연결되는 유용한 데이터 세트를 파악하면 비즈니스 성과 정의, 필요한 분석 식별, 데이터 통합, 데이터 통합 등 데이터 전략의 다른 부분을 훨씬 쉽게 관리할 수 있다. 데이터를 검색하기 위한 적절한 인프라를 구축하고 데이터를 최적으로 사용하도록 기업 문화를 조정한다. (보기2 참조)

데이터가 모든 것을 지배한다 2

유용한 데이터 세트를 식별하는 것이 항상 새로운 데이터를 수집하거나 새로운 비즈니스 라인을 생성하기 위해 특별한 노력을 기울여야하는 것은 아니다. 어떤 상황에서는 전략이 데이터 요구 사항을 정의한다. 다른 상황에서는 데이터가 전략을 정의한다. 그러나 리더는 항상 두 가지를 함께 생각해야한다. 비즈니스 결과에 대한 프레임을 재구성하면, 기존 데이터를 유용한 데이터 세트로 전환할 수 있다.

유용한 데이터를 정의하고 활용하기 위해 회사 경영진은 네 가지 주요 질문을 던져야 한다.

우리 회사의 유익한 데이터는 무엇인가? 비즈니스에 대한 명확하게 표현된 비전이 주어졌을 때, 어떤 데이터 세트가 그 비전을 실현하고 고유한 경쟁 우위를 창출할 수 있는가? 예를 들어, 훌륭한 고객 경험을 제공하거나 운영 효율성을 극대화하거나 빠른 혁신을 통해 경쟁사들과 차별화하기를 원하는가? 모든 이해 관계자가 비전에 맞춰 조정되면 리더는 목표 비즈니스 성과를 달성하는 데 필요한 데이터를 식별하기 위해 반대 방향으로 작업할 수 있다.

존 디어(John Deere)의 경우, 전체 전략은 전통적인 제조업을 수익성 있는 농업 서비스 영역으로 확장하는 것이었다. 결과적으로 고객이 장비를 사용하는 방법과 해당 장비가 다른 상황에서 어떻게 작동하는 지와 관련된 내용이 유용한 데이터였다.

석유 회사의 경우, 유용한 데이터 세트는 오래된 이미 사용하지 않은 유정에 대한 데이터 베이스(운영 데이터 진흙 정보, 지정학적 특성에 대한 상세 정보 등)와 함께 고급 센서가 현재 운용 중인 유정에서 파악하는 데이터(운영 조정값, 유정 아래쪽 몇 킬로미터에서의 드릴 조정값, 층위학적 기능 등)가 모두 중요하다.

우리 회사의 데이터 수집 전략은 무엇인가? 필요한 데이터를 식별한 후, 기업은 여러 가지 방법을 사용해 데이터를 수집하거나 획득할 수 있다. 여기에는 내부 데이터를 활용하거나 다양한 방식으로 외부 데이터를 수집하는 것이 포함될 수 있다.

  • 기존 고객으로부터 데이터를 수집한다. 이러한 데이터 수집을 통해 기업은 마케팅, 재고, 매장 위치 등과 관련된 데이터 기반 의사 결정을 내릴 수 있고, 초(超)개인화된 고객 경험을 만들 수 있다.
  • 파트너/구매 데이터. 회사가 비전을 달성하고 경쟁 우위를 창출하는 데 필요한 데이터가 조직 내에 존재하지 않는 경우, 회사는 데이터를 구매하거나 데이터에 액세스하기 위한 파트너십을 만들 데이터 생태계에 참여해야 할 수 있다. 예를 들어 하는 우버(Uber)의 실시간 운전자-탑승객 매칭 알고리즘은 교통과 도로 상황에 대한 데이터를 구글(Google) 지도에 의존한다. 하지만, 개인 정보가 포함된 경우 – 특히 정보가 생성된 컨텍스트 외부에서 정보를 사용하는 경우 – 기업은 데이터 사용 방법에 대한 소비자의 기대를 존중하기 위해 최선을 다해야 한다.
  • 기업을 인수한다. 데이터 에코 시스템을 통해 필요한 데이터를 구매할 수 없거나 데이터에 액세스하기 위한 파트너십을 구축할 수 없는 회사는 이러한 데이터를 보유한 다른 회사를 매입해야 할 수 있다. 예를 들어, 로슈(Roche)는 암과 관련된 데이터 기반 개인화 된 의료 서비스를 개발하기 위한 독점 데이터 세트를 확보하기 위해 플랫아이언 헬스(Flatiron Health)를 인수했다. 또 다른 예시로는, 런던 증권 거래소가 재무 데이터 및 분석 회사인 레피니티브(Refinitiv)를 인수한 것이 있다.
  • 생태계를 조성한다. 상당한 양의 독점 데이터를 보유한 동시에, 추가 데이터를 구입하거나 파트너 관계를 맺을 수 있는 회사는 다른 회사가 참여하는 생태계를 조성할 수 있다. 예를 들어 존 디어(John Deere)는 데이터 전략을 사용해 농업 장비 제조업체에서 데이터 기반 기술 회사로 탈바꿈하며, 정밀 농업 생태계의 중심에 자리 잡았다.

우리 회사의 데이터 수익화 전략은 무엇인가? 회사는 데이터로 새로운 수익원을 어떻게 창출할까? 내부 수익화 전략에는 회사가 이미 수집한 데이터를 새로운 방식으로 (아마도 공개 데이터와 결합해) 사용한 다음 해당 데이터를 비즈니스 단위에서 활용해 현재 제품을 개선하거나 새로운 제품을 개발하는 것이 포함된다. 외부 수익화 전략에는 서비스로서의 데이터 플랫폼(data platform as a service)을 생성하기 위해 파트너쉽과 생태계의 데이터 뿐만 아니라 자체 데이터와 공공 데이터를 적절히 활용하는 것이 포함된다.

이상적으로 보자면, 조직은 수익 창출 전략의 우선 순위를 따져서, 빠른 수익을 창출할 수 있는 초기 사례를 조합해, 여기서 나오는 수익을 바탕으로 수익을 창출하는 데 더 오래 걸리는 대담한 변화에 필요한 자금을 지원할 수 있다. 그러나 지속적인 투자가 필요한 경우라 해도, 잘 짜여진 데이터 전략의 이점은 일시적인 현금 소비보다 훨씬 크다. 어떤 경우든 수익화 전략이 내부적인지, 외부 적인지, 조직의 누가 데이터를 활용할 것인지, 데이터의 출처는 어디인지, 가치 제안이 무엇인지 등을 이해해야 한다. (보기3 참조)

데이터가 모든 것을 지배한다 3

존 디어(John Deere)는 자체 데이터와 기계, 농업인 및 외부 파트너로부터 수집한 데이터를 결합하는 개방형 플랫폼을 만들어 데이터를 수익화 했다. 농업인들은 이 플랫폼에서 소프트웨어 도구를 사용해 차량을 관리하고 연료 비용을 절감해 장비 가동 중지 시간을 줄일 수 있다.

석유 회사는 데이터를 통해 새로운 시추 기술을 적용함으로써 비생산 시간을 4% 단축하고 시추 속도를 높여(시추 시간을 6% 단축) 데이터를 수익화 했다.

우리 회사에 필요한 운영 모델은 무엇인가? 유용한 데이터의 효과적인 사용은 기업과 기업 문화의 중심에 데이터를 두지 않는 한 실현되지 않는다. 이러한 근본적인 변화를 준비하기 위해 회사는 다음과 같은 5가지 측면에서 전진해야 한다.

  • 새로운 역할 및 거버넌스 규칙을 정의한다. 새로운 모델과 시스템을 구축 및 실행하고 특정 유형의 데이터를 유지 관리하는 책임자와 이러한 인력을 관리하는 방법을 명확히 해야 한다. 변화는 최고위층으로부터 시작해야한다. 고위 리더는 데이터 중심 목표를 채택하고, 우선 순위를 명확하게 지정하고 적절한 자금을 지원하고, 조직 전체에 이러한 목표를 단계적으로 적용해야 한다. 최고 경영진은 데이터위원회를 구축해, 이러한 작업을 조직의 모든 부문으로 확장하고 보다 효과적으로 수행하고자 할 수 있다. 기업은 데이터 챔피언이 데이터 기반 프랙티스를 전파하도록 해, 데이터에 대한 인식을 촉진해야 한다.
  • 데이터 우선 문화를 구축한다. 빠르게 움직이고 지속적으로 데이터를 적용하는 새로운 방법을 찾으려면 기업은 소프트웨어 개발 운영과 비슷하게 운영해야 한다. 즉, 실험을 장려하고 실패를 받아들이고, 때로는 실패를 축하하기도 하면서 항상 학습하는 실험/학습 문화를 수용해야 한다. 직원이 실험에 집중할 수 있는 내부 시작 단위를 만들거나 운영 단위 내에 데이터 랩을 공동 배치하는 것과 같은 조직적 움직임을 통해 원하는 문화적 변화를 장려할 수 있다. 새로운 문화를 홍보하는 또 다른 방법은 사일로 간에 데이터를 공유하는 다기능 팀을 만들어 조직 전체의 개방성과 협업을 장려하는 것이다.
  • 기술에 대한 새로운 접근 방식을 채택한다. 리더는 핵심 IT 혁신과 디지털 비즈니스 혁신을 분리하는 것을 고려해야한다. 이 접근 방식을 데이터와 디지털 플랫폼 (Data and Digital Platforms, DDP)이라고 한다. DDP는 데이터를 별도 층위로 생성해 기업 전체에 흩어져 있는 핵심 시스템에서 데이터를 자유롭게 분리해낸다. DDP 접근 방식을 사용하면 기술 스택은 간단한 인터페이스를 갖추고, 데이터 이동은 더욱 빨라지고, 경쟁 우위의 새로운 원천이 된다. 또한 애자일 팀은 새롭고 보다 협업적인 방식으로 작업할 수 있게 된다.
  • 애자일 작업 방식을 수용한다. 전체 조직이 애자일 방법론의 전문가가 될 필요는 없다 하지만 회사는 다양한 애자일 전술을 채택하고 일상적인 작업에서 이를 사용해 조직의 대응력과 적응성을 높일 수 있다. 특정 문제를 해결하기 위해 스쿼드와 트라이브로 스크럼팀을 구성할 수 있으며, 몇 달 동안의 노력이 아닌 주단위 스프린트로 작업 속도를 가속화할 수 있다. 팀과 그룹은 거버넌스의 일부로 아침 스탠드 업 및 주간 데모 (리뷰)를 구현할 수 있다. 요약하자면, 새로운 시대의 작업 방식은 자율성을 강조하고 계층 구조를 줄이는 것이다.
  • 필수 재능과 기술을 배양한다. 데이터 기반으로의 전환이 이뤄지려면 회사는 데이터 기반 전략을 실행하고 데이터 기반 운영을 관리할 수 있는 적절한 기술을 갖춘 인재를 보유해야 한다. 회사는 직원이 필요로 하는 재능과 기술의 목록을 작성하고 현재 인력의 격차를 구별해야 한다. 회사는 기존 직원 재교육, 새로운 인재 고용, 파트너십 등을 통해 필요한 역량을 확보해야 한다. 디지털 기술 인재를 채용하려면 회사가 제공하는 가치 제안(업무, 기회, 보상, 커리어 패스 등)을 기술 회사가 제공하는 것과 비슷하게 재고해야 할 수 있다.

원문(영어) 보러가기

데이터가 모든 것을 지배한다 4

Previous article코로나에 가린 중국의 성장세
Next article최고의 케이스로부터 배우는 조직 혁신
BCG
보스턴컨설팅그룹은 전세계 비즈니스와 사회 리더들과 파트너쉽을 맺고 가장 중요한 도전과제를 해결하고 최고의 기회를 잡기 위해 노력하고 있습니다. BCG는 경영전략의 개척자 역할을 하며 1963년 설립되었습니다. 오늘날, BCG는 클라이언트가 복잡한 변화를 추진하거나, 조직이 성장하거나, 경쟁력을 갖추거나, 최종결과의 임팩트를 주는 등 완전한 변신을 할 수 있도록 돕습니다.