우리는 딥러닝을 사용해 예측 분석을 자동화 하고 있다.딥러닝이라 불리는 인공지능과 머신러닝 기술은 사람들이 특정 유형의 정보를 습득하는 방법을 모델링한다. 딥러닝은 정보를 습득하는 과정을 더 빠르고 단순하게 만들어 방대한 양의 데이터를 수집, 분석 및 해석하는 업무를 맡은 데이터 과학자들에게 매우 유리하게 쓰이고 있다.딥러닝을 이해하기 위해서, 어린 아이에게 처음으로 ‘개(dog)’ 단어를 가르치는 것을 생각해 보자. 아이는 다양한 물건들을 가리키고 "개"라는 용어를 사용함으로써 개가 무엇이고 무엇이 아닌지를 배운다.아이의 부모는
소매유통업은 유행에 민감한 사업이다. 자라(Zara)나 H&M의 패스트 패션(fast fashion) 사례에서 보듯이, 유통업은 그 어느 분야보다도 고객의 수요와 취향 변화를 빨리 파악하고 대응하는 데 빅데이터를 중요하게 활용한다. 아마존, 테스코, 베스트바이, 월마트 등 빅데이터의 선두주자들은 빅데이터의 중요성을 이미 다른 산업에 전파하고 있는 개척자들이다. 즉 의사결정의 스마트화가 결국 유통업의 경쟁력을 결정할 것으로 예상된다. 테스코가 과거 대기업병에 걸린 공로에서 친근한 동네 모퉁이 구멍가게로 돌아가는 데 빅데이터가 결정적인
한국기업들이 빅데이터 역량에서 부진한 원인은 빅데이터의 태동 때를 떠올려보면 실마리를 찾을 수 있다. 오늘날 빅데이터 기술을 발전시키고 있는 주력 기업들은 모두 데이터를 매우 중시하는 문화를 갖고 있다.빅데이터 기술을 앞서 발전시킨 구글은 태생적으로 데이터를 철저히 존중하는 문화를 지니고 있다. 창업주 래리 페이지와 세르게이 브린은 스탠퍼드대 공학도 출신답게 데이터와 수치에 대해 강한 믿음을 갖고 있었다. 이는 고스란히 기업 문화에 배어 나와 구글은 아무리 사소한 변화라도 데이터에 기반한 세심한 검증 작업을 거친다고 한다.구글이 창
어느 회사든 행정관리 업무는 일종의 윤활유와 같은 역할을 한다. 이 윤활유가 없다면 기업은 원활하게 운영될 수 없다. 그런데 이런 역할은 눈에 보이지 않기 때문에 이를 소홀히 하는 기업이 적지 않다.하지만 AI가 기업의 행정관리 업무에 투입되어 상황은 크게 개선되었다. 기업은 더 과학적으로 전체적인 기획을 진행해 조직 운영을 원활히 할 수 있게 되었다.많은 전문가가 빅데이터가 기업 가치사슬을 최적화하고 효율을 극대화하는 데 기여한다고 말한다. 무엇보다 중요한 점은 기업은 빅데이터를 이용해 가치사슬의 각 세부 과정을 심도 있게 분석
빅데이터가 앞으로 산업 전반에 큰 영향을 줄 것이라는 점은 모두가 예상하는 바다. 다만 그 영향이 산업별로 차이가 날 것이라는 전망이다. 맥킨지는 빅데이터가 산업별로 어떻게 영향을 주는지 '2005~2008년 사이 미국 내 생산성 증가율’과 '빅데이터의 산업 내 가치 창출 기여 잠재력’을 분석한바 있다. 새로운 가치를 창출할 가능성이 높다는 것은 데이터를 효과적으로 활용할 수 있는 환경과 산업 내 경쟁의 정도를 반영한 지표이다. 빅데이터에 의한 생산성 향상이 클 것으로 예상되는 산업은 정보산업, 컴퓨터/전자제품, 제조업, 금융업,
금융기관들은 맞춤화를 위해 오래전부터 노력해왔다. 고객의 거래 데이터 및 행태 데이터를 수집하는 일이 다른 기관들보다 쉽기 때문이다.하지만 이런 데이터의 규모는 이전부터 상대적으로 빅데이터였기 때문에, 효과적인 맞춤화를 위해 데이터를 활용하는 데에는 많은 투자와 함께 정보기술에 대한 노하우가 필요하다.ING 사례는 실제로 체계적인 맞춤화를 실현하는 일이 어떤 것인지 잘 보여준다.역사적으로 보면 네덜란드의 금융그룹 ING는 2개의 개별 은행으로 운영돼왔는데, 일반 고객들을 대상으로 한 포스트뱅크와 상류층을 위한 ING가 있었다.200
많은 연구 결과 경영자의 경험이나 직관에 의한 의사결정에서 적지 않은 결함이 발견되었고, 그것이 성공하던 기업이 몰락하는 주된 이유로 밝혀졌다. 높은 지적 수준과 많은 성공 경험을 자랑하던 뛰어난 경영자들이 하루아침에 잘못된 판단으로 수렁에 빠지는 사례들에는 공통점이 있었다. 예컨대 회계 부정으로 몰락한 엔론(Enron)이나 실적부진으로 고전하는 일본 전자업체를 이끈 이들은 결코 이류 경영자들이 아니었다. 당시 상황이나 잘못된 조직 내 시스템 등 많은 요인들이 있었지만, 결국에는 자만심과 같은 개인적 편견이 제일 큰 문제로 드러났다
빅데이터에 따른 새로운 비즈니스로 부각되고 있는 또 다른 분야는 자원을 효율적으로 활용하기 위한 인텔리전트 시스템이다. 즉 스마트 시스템 스스로 알아서 자원 이용을 최적화하는 비즈니스들이 늘어나고 있다. 인텔리전트 시스템은 센서들을 부착한 객체들이 상호 연결되고, 소프트웨어가 사람이나 기기의 사용 상태나 행태를 조종해 자원 활용을 극대화한다. 클라우드 컴퓨팅, 위치 기반 서비스, SNS 등과 결합된 인텔리전트 시스템은 기업들이 네트워크 제일 바깥에 있는 최종 고객에게까지 접근할 수 있게 하여 이들도 자원 활용에 참여시킨다. 각종 앱
의사결정 프로세스를 최적화하는 단계는 일상적인 데이터 분석이 실질적인 기업의 성과로 이어질 수 있도록 의사결정을 좀 더 신속히 하고 질을 높이는 수준을 의미한다. 이 단계에서는 문제에 대한 조직의 최적 해법(what's the best that can happen?)을 찾을 수 있다. 미국 해러스(현 시저스) 엔터테인먼트나 신용카드 사업을 주력으로 하는 금융회사 캐피털원과 같은 유수의 기업들이 이에 해당한다. 이들 기업에서 빅데이터의 활용은 일회성이나 임시적이 아니라 일상적인 업무 활동 속에 녹아 있다. 불확실성이 높은 문제에 대해
빅데이터를 활용하는 기업들은 기본적으로 정보를 관리할 줄 아는 곳이다. 여러 방법을 통해 정보 관리 역량을 확보하고 있는 것 자체가 경쟁력이 된다. 이는 먼저 데이터를 신뢰할 수 있어야 한다는 뜻이다. 즉 데이터 품질을 관리해야 한다. 그리고 여러 부서와 기능들 간에 정보를 공유할 수 있는 통합적인 단일 데이터 플랫폼이 있어야 한다. 믿을 수 있는 유용한 데이터가 존재하고, 필요한 데이터가 어디에나 있으며, 그 데이터를 다른 부서나 팀과 쉽게 공유할 수 있는 시스템은 기본적인 정보 관리의 출발점이 된다. 대부분의 기업들을 보면 일반
포레스터 리서치 보고서에 따르면 기업의 마케팅 담당자들은 블로그, 트위터, 페이스북 등 각종 소셜 미디어에서 생성되는 고객들의 대화로부터 많은 정보를 얻기 위해 여러 가지 고객 감성 지표들을 개발하고 있다.보통 토론에 대한 관심과 가치 정도는 댓글의 수 등으로 측정되며, 소셜 미디어에 올라오는 전체 글의 양도 이들에 대한 지표가 된다.토론에 참여하는 사람의 인구통계학적 지표들은 어떤 고객인가를 파악하는 데 중요한 자료이며 연결된 사람의 수나 범위는 고객 감성의 영향력을 파악하는 데 사용된다.감성의 유형을 파악할 때에는 글 속에 등장
맞춤화가 발전하면서 사용자가 자신에게 맞는 서비스나 정보를 찾는 것이 아니라, 웹이나 앱에서 사용자에게 맞는 서비스나 정보를 능동적으로 제공하는 세상이 몰려오고 있다.야후는 4만 개 이상의 서버에 170페타바이트의 데이터를 저장, 관리하고 있다. 고객의 특성에 따라 맞춤화된 서비스로 고객이 사이트에 머무는 시간도 2배로 늘어났다.야후는 먼저 컴퓨터가 자체적으로 학습하는 능력을 의미하는 기계학습 기법으로 고객들이 클릭하는 정보의 연관성을 파악해 콘텐츠 분류 방법을 도출한다.이후 고객이 다시 방문하면 이러한 분류 방법에 따라 그 고객의
마케팅 의사결정을 효율화하기 위해 조직 구조를 근본적으로 재정비해 중앙집중화되고 자동화된 캠페인 관리를 수행할 수 있도록 했다.과거에는 각 채널별로 어떤 캠페인을 행할지 결정하고 실행했으나, 현재는 중앙집중화된 고객 정보팀이 모든 캠페인을 기획하고 실행한다.이러한 작업을 지원하기 위해 ING는 ‘고객 접촉 다이렉트팀’이라는 전담 조직을 설립해 마케팅과 채널 간의 협력을 조율하고 있는데, 이러한 조치는 조직 내 파워가 채널 조직에서 중앙집중화된 마케팅 인텔리전스 조직으로 옮겨갔음을 의미한다.고객에게 우리 상품이 어떤 가치가 있다고 설
미국에서 기아자동차는 신차 에 대해 고객들이 어떻게 생각하고 있는지 매우 궁금했다.전통적으로 연료 효율성과 가격 대비 높은 가치를 내세워온 기아자동차는 이에 더해 수준 높은 디자인과 훌륭한 가치에 대해서도 고객들의 평가를 받고 싶어했다.기아의 마케팅팀은 고객들의 선입견에 무언가 변화를 주어야 한다는 과제를 안고 있었으나 고객의 감성에까지 도달하는 데에는 어려움을 겪고 있었다.이에 따라 공개되거나 공개되지 않은 개인의 표현 속에서 그 개인의 감성을 파악하는 분석 방법인 ‘고객 감성 분석’을 이용했다.이는 2011년 11월 미국
마케팅에서 맞춤화(custom-made)의 개념은 오래 전부터 존재했다. 하지만 그동안 실질적인 맞춤화는 그렇게 일반적이지 못했다.그 배경에는 두 가지 문제가 있었다. 하나는 맞춤화를 위한 데이터 수집과 분석의 어려움이고, 다른 하나는 맞춤화 시스템을 갖추기 위한 금전적인 투자 부담이었다. 그러나 빅데이터 시대에 맞춤화는 기술과 비용 면에서 실현하기가 더욱 용이해졌으며 그만큼 모든 기업에 필수적이 되고 있다.인터넷 기업 및 유통업체나 금융회사와 같이 최종 고객을 직접 상대하는 기업들은 오래 전부터 고객 세분화나 목표 고객 선정을 위
빅데이터 시대에 발견을 위한 핵심 요소로 중요성을 더해가고 있는 영역이 바로 시각화이다. 시각화란 쉽게 얘기해 데이터 분석 결과를 이해하기 쉽도록 일목요연하게 보여주는 기술, 비법 등을 의미한다.기존의 데이터 분석은 매우 전문적인 기술이나 지식이 필요한 IT 전문가들의 영역이지만 빅데이터 시대에는 비즈니스 실무자들도 최소한 빅데이터 분석을 이해하려면 직관적인 시각화가 매우 효과적이다.그러나 현재 기업 사무실에서 많이 사용하는 마이크로소프트의 엑셀 같은 도구로는 기업 전체에 흩어져 있는 데이터를 분석하고 직관적으로 시각화하는 데 한계
최근 들어 빅데이터 이야기로 언론의 지면이 한창 달아오르고 있다.2011년 초만 해도 빅데이터는 IT 업계 일각에서 유망 트렌드의 하나로 소개되는 정도에 불과했지만 불과 1년 만에 광범위한 관심을 끄는 이슈로 급부상했다.세계적인 경영컨설팅 회사 맥킨지 산하의 맥킨지 글로벌 인스티튜트(MGI)의 연구에 의하면, 미국의 의료 서비스 부문에서만 연간 3,000억 달러의 편익과 생산성 0.7% 증가 효과를 낼 것으로 기대하고 있다.또 유럽의 공공 행정 부문에서도 매년 2,500억 유로의 편익과 생산성 0.5% 증가 효과를 낼 것으로 전망된
빅데이터를 활용한 생산성 향상의 첫 번째 유형은 이전까지 관리가 어려웠던 실물의 위치나 움직임을 센서 기술로 파악해 생산성을 높이는 것이다.이전에는 공장 자동화나 사무 자동화와 같이 사람의 작업들을 컴퓨터로 대체해 생산성을 향상시켰다.눈에 보이는 단순한 작업을 기계나 컴퓨터로 대신하면 생산성이 향상된다. 제조업은 물론이고 일반 상거래에서도 거래 과정에서 이전에는 많은 일들이 사람의 손을 거쳐야 했다.하지만 이제는 고객이 웹상에서 직접 주문, 결제하고 배송 정보를 입력해 기업이 하던 일을 떠맡으면서 생산성이 크게 향상됐다.빅데이터 시
빅데이터가 기존의 것과 다르다는 주장에서 근거가 되는 부분이 바로 비구조적인 실시간 데이터의 수집과 분석 및 활용이 가능해진 점이다.이를 ‘빅 상호작용 데이터’라고 했다. 이와 관련된 각 분야에서 비구조적인 실시간 데이터를 기존 데이터베이스의 데이터와 결합해 이전에 하지 못했던 발견들을 실현하고 있다.마케팅에서는 콜센터나 기업 SNS에서 고객들이 표현하는 개인적 감정이 무엇인지 찾는 것이 중요해지고 있다.또한 병원에서는 중환자에게 부착된 각종 센서들로부터 응급 상황을 탐지하고 조치할 수 있으며 금융산업에서는 실시간으로 수집, 분석되
기존에 고객의 신뢰성을 검증하던 설문조사나 포커스 그룹 인터뷰는 비용과 시간이 많이 들고 실시간으로 측정하기도 어렵다.기업이 고객의 신뢰성을 더 잘, 더 빨리 측정한다면 그만큼 자사의 제품이 얼마나 잘 팔리고 있는지 더욱 신속하게 파악할 수 있다.현재 많은 기업이 고객, 종업원, 투자자의 감성을 측정하기 위해 신뢰성 분석을 하고 있다. 일부 기업들은 심지어 수많은 이메일과 커뮤니케이션 내용을 점검하기 위해 개발한 소프트웨어를 사용하기도 한다.자동화된 감정 분석은 최근 주목받고 있는 새로운 분야로 비즈니스 인텔리전스, 고객 서비스,