데이터는 핵심적인 비즈니스 자산이다. 예전에는 설비, 토지, 재고량과 같은 물질적 자산이 조직의 가치를 결정했지만 정보 시대에 들어선 지금, 대다수의 조직에서는 정보 역시 주요 자산이라는 인식이 자리잡고 있다. 시기 적절하고 신뢰할 수 있는 데이터를 보유한 조직은 신흥 시장을 신속하게 발굴하고 가치 있는 고객을 유치하며, 비용 소모적인 운영상의 오류와 지연을 없앨 뿐 아니라 제품 공급 시간을 단축시키고 더욱 현명한 비즈니스 결정을 내릴 수 있어 경쟁사보다 항상 앞서 나갈 수 있게 된다.

하지만 이를 위해서는 비즈니스 운영 방식에 가장 잘 맞는 방법으로 데이터를 관리하고 사용할 수 있는 시스템을 갖추어야 하는데 이는 만만치 않은 과제이다. 예를 들어 시스템에서 간단한 데이터를 추출해 달라는 업무 요청이 IT 부서에서는 몇 주씩 걸려 처리되기도 하며 주문관리시스템과 대금청구시스템 단 두 개의 애플리케이션이 데이터를 효과적으로 공유하는 데 몇 년이 걸릴 수도 있다. 또한 몇 주에 걸쳐 데이터 집합을 정제했는데 새로운 데이터가 시스템에 들어오면서 다시 엉망이 되어버리는 경우가 발생하기도 한다.

이러한 문제점을 극복하려면 데이터 위치 파악, 데이터 이해, 데이터 정제 및 상태 유지, 적시 적소에 알맞은 방식으로 데이터 활용과 같은 과제에 필요한 인력, 프로세스, 기술에 투자해야 한다. 이러한 단계를 밟으면 데이터 자산을 활용하여 기업을 더욱 빠르고 효과적이면서 현명하게 운용할 수 있어 경쟁사보다 앞서 나갈 수 있게 되며, 이것이 바로 데이터 중심 기업이다.  

 ◇전략적 자산으로서 데이터 관리 필요=기업들은 IT 인프라와 애플리케이션의 구축 및 유지보수에 많은 투자를 하고 있다. 10년 전에는 이것만 해도 경쟁력을 확보할 수 있었으나 이제는 경쟁사들도 똑같은 투자를 하고 있기 때문에 패키지 애플리케이션과 인프라로부터 더 이상 차별화를 이끌어낼 수 없다. 그 안에 들어 있는 기업 고유 자산인 데이터의 통합, 분석, 활용을 통해 훨씬 더 많은 가치를 얻을 수 있는 것이다. 이것이 데이터 중심 기업으로의 마인드 전환이 필요한 이유이다.

데이터의 가치를 간과할 때 따르는 손실은 엔론(Enron)의 사례를 보면 잘 알 수 있다. 엔론이 파산했을 때, 월스트리트의 유수한 기관들이 수십억 달러에 이르는 엔론 관련 투자 금액을 계산하는 데에 수 주일이 걸렸다. 이는 모든 부서에 걸쳐 엔론과 연계된 다양한 금융 상품의 데이터를 취합할 수 없었기 때문이다. 또한 2008년 서브프라임 붕괴 사태가 일어났을 때에도 똑같은 일이 되풀이 되었고 규모는 수천 배로 늘어났다.

데이터에 투자하지 않고 현재의 데이터 처리 수준이면 충분하다고 자부하다가는 엄청난 대가를 치를 수 있으며, 심지어 비즈니스의 토대가 위협 당할 수도 있다.

데이터에서 가치를 이끌어낼 때 흔히 부딪히는 문제는 너무 많은 데이터가 산재되어 있고 데이터에 액세스하더라도 적시 적소에 필요한 형태로 활용하는 것이 쉽지 않으며 데이터에 △오류 △누락 △비일관성 요소가 많다는 점이다. 또한 지금 품질 문제를 해결하더라도 다른 곳에서나 나중에 같은 문제가 또 불거질 수 있다. 현업의 참여가 필요하지만 임원진과 관리자의 적극적이고 지속적인 참여를 이끌어내는 데는 상당한 어려움이 따르며, 데이터 관리 정책을 설정하고 집행하기가 어렵고 비즈니스 사례를 입증하기가 곤란하다는 문제도 있다.

이러한 과제를 극복하기 위해서는 투자를 하고 조직 문화를 바꾸는 노력이 필요하다. 데이터 중심 기업은 데이터를 전략적 자산으로 관리하는 데 필요한 △조직 △프로세스 △인프라를 구축하고 변화하는 비즈니스 요구에 알맞은 △시기 △장소 △방법으로 신뢰할 수 있는 적절한 데이터를 공급함으로써 데이터의 비즈니스 가치를 극대화한다. 데이터 중심 기업의 구성 요소는 아래와 같이 정리할 수 있다.

①비즈니스 가치 : 데이터는 IT 부서가 담당하는 것으로 치부되는 경우가 많지만, 사실 데이터의 용도와 가치는 비즈니스와 관련이 있다.

②조직·프로세스·인프라 : 데이터를 효과적으로 관리하려면 적절한 프로세스를 마련하고 알맞은 기술을 갖춘 적재 인력을 투입해야 하며 이들 인력과 프로세스를 뒷받침할 수 있는 기술 인프라를 구축해야 한다. 기술 인프라의 중추는 데이터 통합 플랫폼이다.

③적합성 : 모든 데이터가 중요하거나 비즈니스에 유용한 것은 아니다. 비즈니스 가치를 끌어내기에 가장 적절한 데이터에 제한된 자원을 집중하는 것이 중요하다. 하지만 어느 데이터가 가장 적절한가를 판단하는 데에는 노력과 훈련이 필요하다.

④신뢰성 : 현업은 작업하는 데이터에 신뢰와 확신을 가질 수 있어야 한다. 데이터의 출처, 정제 여부와 정확성을 파악할 수 있어야 한다.

⑤시기·장소·방법 : 실무자와 애플리케이션에 따라 데이터가 필요한 시기와 방법이 다르다. 고객 서비스 담당자라면 고객의 전화를 응대하는 동안 해당 고객의 전체 거래 내역을 조회하는 작업이 필요할 수 있으며, 마케팅 애널리스트라면 트렌드와 패턴을 파악하기 위해 전체 고객의 3년간 거래 현황을 모두 확인해야 할 수도 있다.

⑥요구 사항의 변화: 비즈니스는 정체되어 있지 않고 늘 변화하기 때문에 데이터에 대한 요구 사항도 항상 달라진다. 데이터를 특정 시점에 특정 비즈니스 요구 사항에 맞는 형태로 활용하는 것도 중요하지만 끊임없이 변화하는 비즈니스의 데이터 요구 사항에 지속적으로 부합하는 것 역시 중요하다.  

 ◇데이터 중심 기업이 되기 위한 7요소=데이터 중심 기업으로 성공하기 위한 요소는 크게 일곱 가지로 정리될 수 있다.

우선 최신 데이터를 이용하여 전략 및 가정에 새로운 관점을 적용하는 것이다. 2009년 많은 기업들은 전반적인 소비 감소와 신규 고객 확보를 위한 과도한 지출에 대한 우려 때문에 기존 고객에 대한 교차 판매 및 상향 판매에 역점을 두었다. 일부 기업들은 비교적 낮은 진입 지점에서 신규 고객을 확보하는 방안을 모색하기도 했다. 기업들은 과거의 기록을 보유하려는 경향이 있으며 같은 질문을 반복해서 하고 있다. 사실 이러한 질문들은 오늘날과 같은 상황에서는 더 이상 적합하지 않는 것들이다. 금융 관련 동향과 경쟁 구도를 비롯한 외의 변화는 기존 전략과 가정을 무용지물로 만들 수 있다. 한발 물러서서 ‘지금의 전략이 여전히 타당한가’ 자문하는 시간을 갖는 것이 필요하다.

두번째 요소는 데이터 흐름의 관점에서 시장 진출 활동을 검토하는 것이다. 많은 기업들이 백엔드 분석 및 운영 애플리케이션이 관련된 정보 관리 프로젝트를 수행하고 있다. 이들 프로젝트는 IT 부서가 주도하거나 현업 부서가 주축이 될 수도 있다. 많은 경우 종합적인 차원에서 데이터 흐름을 파악하는 것이 아니라 특정 애플리케이션 또는 프로젝트에 초점을 맞추고 있다. 오늘날 새로운 애플리케이션을 도입할 때마다 데이터 저장소가 생겨나 분편 확산되는 상황이 반복되어 왔다. 가장 대표적인 사각지대의 예로 제품에 올바른 판매 및 서비스 전략이 수반되지 않는 경우를 들 수 있다. 기회를 기준으로 영업력을 관리하는 것은 중요한 과제였다.

데이터 중심 기업이 되기 위한 세번째 요소는 미션 크리티컬한 정보 관리 프로젝트에 대한 고위 임원의 지지다. 복잡한 다년간의 정보 관리 프로젝트를 성공적으로 수행한 기업 담당자들과 대화를 나누어보면 임원의 적극적인 지원이 자주 언급되는 데 놀라게 된다. 적절한 임원의 지지가 확보되지 않으면 데이터 중심의 문화를 형성하는 것은 매우 힘들다. 일단 지지를 확보했다면 의지할 수 있도록 그 관계를 발전시키는 것이 더욱 중요하다. 대규모 프로젝트는 많은 경우 조직적 변화를 요구하며, 정치적 역풍을 맞을 수도 있다.

◇기업의 이슈에 부합하는 프로젝트 진행 여부 확인=실행을 방해하지 않으면서 거버넌스와 프로세스를 신중하게 확보하는 것이 네번째 성공 요소다. 어려운 시장 상황이 개선된 이후 선두로 도약하는 기업들은 거의 항상 발빠르게 움직인 기업들이다. 또한 이들 기업들의 정보 관리 전략은 전사적인 거버넌스, 정책 및 프로세스와 매우 긴밀하게 연계되어 있다. 이들은 먼저 거버넌스 관점에 착수하며 그런 다음 선택한 기술이 비즈니스 프로세스와 수탁자의 책무를 뒷받침하도록 한다. 최적의 거버넌스와 프로세스는 경쟁이 진행되는 동안 그 기초에 대해 우려할 필요 없이 경쟁 우위의 성과를 입증할 수 있도록 하는 토대이다.

다섯번째 요인은 프로젝트 및 계획과 주요 이슈, 전략 간의 연계를 검사하는 것이다. 프로젝트 및 계획 운영표에서 종종 특정 계획 및 프로젝트는 주요 이슈 또는 특정 이슈나 전략에 연계되지도 않고 현재 진행 중인 지원 프로그램도 없다는 사실을 발견하게 된다. 데이터 기반 접근 방식은 기업이 주어진 이슈에 대한 올바른 프로젝트 및 계획을 보유하고 있는지 여부를 훨씬 손쉽게 검사할 수 있도록 한다. 50% 성장과 같은 통계 수치들이 극히 낮은 매출을 기록하고 있는 사업부나 전반적인 비즈니스 영향 측면에서 비중이 낮은 비주력 사업 부문에서 도출되어 사람들을 현혹시킬 수도 있다.

여섯번째, 데이터의 정책을 예측 및 관리해야 한다. 대부분 기업에는 재무, 고객, 제품, 공급업체, 영업 등과 같은 부문별로 여러 데이터 담당자가 있다. 분석 및 계획 단계에서 특정 조직이 정보를 공개하지도 않고 동향에 대해 논의하는 데 동의하지도 않는 상황에 직면할 수 있다. 노련한 조직들은 이에 대해 분명하게 이해하고 있으며 여러 사업부 및 부서 전반에서 문제에 대해 조정하고 분류할 수 있는 시간적 여유를 제공한다.

그리고 마지막으로 ‘불완전하지만 필수적인’ 정보에서 가치를 도출한다. 수백 개(또는 수 천 개)에 달하는 스프레드시트의 평가를 보면서 기업 운영에 대해 파악하고 있다고 생각할 수도 있지만, 몇 가지 의문을 가질 수 있다. 만일 데이터의 완벽성을 모색하고 있다면 분석 결핍(Analysis paralysis)은 데이터 기반 접근 방식의 잠재적인 역효과가 될 수 있다.

높은 성과를 거두고 있는 기업들은 기업 내 동향과 패턴, 상호 의존적인 역학 관계에 많은 관심을 기울이고 있다. 이들은 자사 전략이나 운영 계획에 중요한 영향을 미치지 않는 상세 내역에 대해 논의하느라 많은 시간을 허비하지 않는다. 데이터 자체를 위해 데이터 중심 기업이 되는 함정에 빠지지 않도록 해야 한다. 핵심은 현업 부서가 주도하고 IT 부서가 이를 뒷받침하는 것이어야 한다.

◇다양한 출처의 데이터에 단일 뷰 확보=그렇다면 데이터 중심 기업으로서 얻을 수 있는 효과 및 비즈니스 가치는 무엇일까. 우선 데이터에 대한 가상 액세스가 가능하다는 것이다. 인수 직후 피인수 기업의 시스템에 있는 데이터에 가상으로 액세스하여 자사의 데이터와 취합할 수 있다. 양사의 데이터를 통합함으로써 월스트리트에서 요구하는 통합 재무 보고서를 제출할 수 있으며 인수를 통해 획득한 신규 고객을 파악하여 즉시 교차 판매를 시작할 수 있다.

다양한 출처의 데이터를 가상으로 통합함으로써 고객에 대한 단일 뷰가 전사적으로 제공되며 고객 데이터가 상주하는 모든 애플리케이션에 대해 단일 데이터 품질 규칙 조합을 적용할 수 있다. 고객 데이터가 일관되고 정제되어 있으면 고객을 응대할 때마다 높은 수준의 서비스와 지원을 제공하여 고객 유지율과 소비지출 점유율 (share of wallet)을 높일 수 있다.

그리고 운영 데이터의 품질을 측정할 수 있다. 제품/계정 코드, 고객 연락 정보, 공급처 데이터 같은 운영 데이터의 품질을 측정하여 비즈니스 프로세스 담당자가 데이터 품질 문제를 확인할 수 있다. 이렇게 하면 현업이 IT 부서와 협력하여 문제를 해결할 가능성이 커진다. 데이터가 정확하면 고객에 대한 제품 및 서비스 제공을 지연시키거나 저해하는 운영상의 오류를 방지할 수 있다.

또 규정 준수 보고를 위한 데이터를 효율적으로 산출해낼 수 있다. 정확하고 세부적인 규정 준수 보고를 위한 데이터를 효율적으로 산출함으로써 잘못되거나 불완전한 데이터로 인한 규정 위반 위험을 방지할 수 있다. 또한 규제 요건을 충족하기 위해 데이터를 얼마나 정제해야 하는지, 민감한 데이터를 어떻게 보호해야 하는지, 데이터를 얼마나 자주 갱신해야 하는지에 대한 정책을 쉽게 설정하고 꾸준히 집행할 수 있다.

데이터가 기업에서 가장 중요한 요소 중 하나라는 데에는 많은 기업들이 공감하고 있으며 데이터를 자산으로 관리하는 개념도 새로운 것은 아니다. 하지만 대부분의 기업은 데이터 관리를 구체화하기 위한 프로세스와 인력에 투자를 시작하지 않았으며 이러한 프로세스를 뒷받침하기 위해 기술 인프라도 업데이트해야 한다. 이러한 단계를 밟으려면 엄청난 노력을 필요로 할 것 같지만 작은 것부터 시작하며 점차 확장해 나갈 수 있다. 지금 바로 시작하는 것이 중요하다.

유승주 한국인포매티카 기술지원본부장 syoo@informatica.com 

◆유승주 한국인포매티카 기술본부장은. 한국인포매티카에서 기술지원 총괄 업무를 맡고 있다. 17년 경력의 업계 전문가로 데이터 마이그레이션, EDW, 실시간 데이터 통합 및 데이터 품질 관리 등 다양한 프로젝트에서 데이터 통합에 대한 기술 컨설팅을 수행하고 있다.