IDG Tech Focus 빅 데이터, 데이터 주도형 기업을 이끄는 힘… 그 …빅 데이터, “경영을 바꾸는 힘” Tech Guide 성공적인 빅 데이터 프로젝트를

Market Trend 빅 데이터, “경영을 바꾸는 힘”

Tech Guide성공적인 빅 데이터 프로젝트를 위한 전략 가이드

Case Study데이터 주도형 문화로 통찰력을 확보한다…UPS, 인텔, 익스프레스 등 사례 모음

I D G T e c h F o c u s

빅 데이터, 데이터 주도형 기업을 이끄는 힘…그 실천 전략과 사례 최근 빅 데이터를 중심으로 기업에게 던져진 과제는 빅 데이터를 저장하고

분석하는 기술 중심의 프로젝트가 아니라 데이터를 활용해 통찰력을 얻고

이를 바로 비즈니스로 구현할 수 있는 데이터 주도형 기업으로 가는 길이

다. 그러나 데이터 주도형 기업으로 가는 길은 그리 간단하지 않다. 일부 팀

이나 최고 의사결정권자만이 아닌 전체 임직원이 대량의 데이터에 접근할

수 있는 환경과 분석 결과를 바로 비즈니스로 구현할 수 있는 조직 편성 등

검토해야 할 사항들이 많다. 실제 빅 데이터를 바라보는 관점이 기술 중심

의 프로젝트가 아니라 기업이 실현하고자 하는 비즈니스 목적을 기반으로

실행하는 것이 중요하다. 데이터 주도형 문화를 활용해 치열한 경쟁을 이기

고 성공 반열에 오른 기업들의 실질적인 팁과 사례를 알아보고 자사의 데

이터 주도형 기업은 어떠한 모습일지 계획을 세워보자.

무단 전재 재배포 금지

본 PDF 문서는 IDG Korea의 프리미엄 회원에게 제공하는 문서로, 저작권법의 보호를 받습니다.

IDG Korea의 허락 없이 PDF 문서를 온라인 사이트 등에 무단 게재, 전재하거나 유포할 수 없습니다.

Sponsored by


IT World ▶▶▶ 1

‘데이터 경영 실현’은 새로운 개념이 아니다. ‘오랜 경험에 비춰볼 때’, ‘

내 생각에는……’, 혹은 ‘아마도 이런 이유로……’라는 경험 지식의 틀

을 벗어나 정성적인 사실(Fact) 기반으로 문제점과 현황을 파악해 좀더 효율적

이고 정교한 데이터 중심의 의사결정을 통해 일하는 방식의 변화를 제공한다

는 개념이다.

이를 위해 기업들은 주관적인 의사결정의 약점을 극복하기 위해 데이터 축적,

분석 및 활용을 위해 지속적인 IT 인프라 투자와 문화 조성을 통해 데이터 경영

이라는 기업 경쟁력 강화를 추구했다. 하지만, 빅 데이터 시대가 도래하면서 ‘데

이터가 주도하는 비즈니스 의사 결정’의 중요성은 다시금 강조되고 있으며, 기

업들은 과거 데이터 경영 1.0에서 데이터 경영 2.0이라는 진화의 이유에 대해

있음을 주목해야 한다.

소셜 분석으로 시작한 ‘빅 데이터’는 기업들에게 많은 혼란을 야기했다. 빅 데

이터의 효과와 중요성은 인정하지만 기존 기업 환경에서 어떻게 적용하고 활용

해야 하는 지에 대한 의문이 증폭됐다. 특히, 빅 데이터는 기업이 직면하고 있

는 내·외부 비즈니스 과제에 대한 해결책으로 인식이 됐다. 마치 동화에 나오

는 마술 지팡이처럼 말이다.

이런 문제는 빅 데이터에 대한 편견과 오해를 기업에게 제공했으며, ‘빅’이라

는 이유로 데이터는 커야 하며 빅 데이터 목적에 대한 제약과 한계를 설정했

다.

데이터 주도형 비즈니스 의사 결정이라는 기본에 충실

빅 데이터의 근본은 ‘빅’이 아니라 ‘데이터’다. 기존에 담지 못한 새로운 유형

의 데이터 혹은 내부에서 버려지고 있는 데이터가 수집, 활용, 및 관리될 때 기

업에게 제공할 수 있는 혜택에 대한 고민이 필요하다. 빅 데이터는 그 기술을 활

용해 기존에 감성적인 의사결정이 아닌 보다 정교한 데이터 주도의 의사 결정

을 통해 기업들은 비용 절감 및 매출 상승의 효과를 추구하는 것. 이것이 진정

한 빅 데이터의 의미다.

빅 데이터 기술은 내·외부에 존재하는 각각의 작은 디지털 데이터 트레일

(Digital Data Trail)인 의미 없는 데이터를 통합함으로써 기존 데이터 경영 환

경에 새로운 가치를 제공하게 된다. 데이터 주도형 의사결정을 통해 경쟁력을

확보하기 위해서는 기업은 빅 데이터라는 용어보다 빅 데이터 기술 등장 배경

을 생각해야 한다.

빅 데이터, “경영을 바꾸는 힘” 변진석 CEO | kt NexR

Market Trend


2 ▶▶▶ IT World

전통적인 아키텍처에

서 수용하지 못했던 새

로운 유형의 데이터를

받아들여 전통적인 DB

에 있는 데이터와 연계

분석을 하게 되면 더 많

은 대량의 데이터로, 더

빨리 문제점과 상황을

인식하고 보다 정교한

의사결정을 할 수 있게

된다. 즉, 보다 정교한 데이터 중심의 멀티채널 고객 커뮤니케이션, 품질관리,

상품기획, 대고객 서비스, 마케팅 ROI 측정, 상품기획 등이 가능해질 뿐만 아

니라 비즈니스 데이터를 활용해 이익 증대 및 비용 감소라는 기업 목적에 부합

할 수 있게 된다.

데이터 주도형 기업의 첫발을 딛는 성공 사례

오늘날 다양한 산업분야에서 ‘빅 데이터’라는 의미는 데이터 경영환경의 고도

화라는 목적 하에 기업이 추구하는 ▲비용절감 ▲업무 효율성 증대 ▲신규 비즈

니스 창출 ▲고객 서비스 향상 등에서 활용되고 있으며, 기존에 기업에서 유지

하고 있는 전통적 데이터와 새로운 데이터/분석 기법을 수용해 각 비즈니스 문

제점에 대한 빠른 원인 파악 및 조치 등에 활용되고 있다. 한 마디로 하둡, R,

No-SQL 등의 새로운 빅 데이터 기술로 기존에 활용할 수 없었던 데이터를 저

비용 고효율적으로 활용하는 것이 가능해짐으로써 데이터 경영의 현실을 가속

화하고 있다.

세계 최대의 카지노 호텔 그룹 시저스 엔터테인먼트(Caesars Entertain-

ment)의 목적은 고객 중심의 마케팅 및 서비스 개선으로 고객만족도를 향상시

키고, 이에 따른 매출 증대를 실현하는 것이었다. 전통적인 데이터만으로는 리

조트를 방문하는 고객 대상으로 보다 정교한 의사결정을 하기엔 부족하다는 판

단이었다. 이를 위해 통합 리워드 로열티 프로그램, 웹 클릭스트림, 실시간 슬

롯머신 사용 시간 등의 새로운 유형의 데이터와 전통적인 데이터를 하둡에 통합

하였고, 상용 분석 소프트웨어로 보다 정교하고 구체적인 고객 인사이트를 찾아

내어 정교한 고객관리가 가능해졌다.

은행권은 새로운 기술의 적용이 타산업보다 빠른 편이다. 한 다국적 은행의

주요 목적은 합리적인 인프라 운영비용으로 기존에 활용하지 못했던 데이터를

모두 수용하는 것이었다. 이를 위해 하둡 기반의 50서버 노드 및 800 프로세서

코어를 준비해 페타 데이터 관리 환경을 구성하고 기존 프로시저(Procedures)

를 하이브(Hive) 스크립트 언어로 변환해 하둡 클러스터에서 단순 통계를 적용

해 기존 전통적 DW 대비 효과적인 ROI를 추구했다. 상용 개발업체의 종속성



을 벗어나 장기적인 관점

에서 데이터 중심의 비용

효율적인 의사결정에 대

한 환경을 구성했다.

미국 오프라인 유통업체

인 시어스 홀딩스(Sears

Holdings)는 기존 브랜드

별 사일로(Silo)로 관리되

는 모든 고객 관련 데이터

를 하둡으로 통합해 매출

증대와 IT 인프라의 비용

절감이라는 두 개의 목적을 달성코자 했다. 시어스 홀딩스는 월마트, 타켓, 아

마존 등과 같은 온라인 유통 경쟁업체에게 위협을 받게 됨에 따라 혁신적인 결

정을 하게 된 것이다.

시어스 홀딩스는 기존에는 전체 데이터의 10%만 활용하던 것에 비해 100% 전

수 데이터를 활용해 좀더 정확한 의사결정이 가능해졌다. 이를 통해 복잡한 마케

팅 캠페인 전개 시간을 8주에서 1주로 단축시켰으며, 5,800만 달러였던 2012년

1분기 매출에 비해 2분기에는 1억 5,300만 달러를 달성하며 163%의 성장율을

기록했다. 또한 IT인프라의 경량화를 통한 비용절감효과는 덤이었다.

“전통적 분석과 빅 데이터 구분할 필요 없다”

이 업체들의 공통점은 전통적인 분석과 빅 데이터를 따로 구분하지 않았다는

것이다. 빅 데이터 기술을 기존 인프라에 받아들여 새로운 데이터 중심의 시너

지 효과를 본 것이다. 이런 움직임은 이미 많은 기업에서 진행되고 있는 하나의

트렌드로 자리잡고 있다. 빅 데이터의 주요 가치는 데이터, 프로세스에서 통찰

력을 파악하고 이를 통해 진정한 비즈니스 가치를 창출하는 것이다.

빅 데이터 기술을 활용해 데이터를 주도적으로 의사결정에 사용함으로써 기

업이 추구하는 가치와 목표를 달성하는 것이다. 즉, 데이터 주도형 사고(Data-

Driven Mind-Set)를 바탕으로 사실 기반의 의사결정을 지향하는 것이며, 궁

극적으로 기업의 진화를 목표로 한다.

오늘날 빅 데이터는 분명히 기업에게 새로운 동기를 부여하는 큰 지표이기는

하지만, 이는 목표가 아니라 수단일 뿐이며, 분명히 기업의 목적은 데이터 주도

형 의사결정이라는 점을 인식해야 한다.

출처: 위키본 2011, ROI Comparison for Big Data



대기업들이 ‘빅 데이터’ 프로젝트에 착수하기 시작했다. 그러나 빅 데이터

기법은 기술적으로도 조직문화 차원에서도 많은 변화가 필요하지만 이

에 대해 모든 조직이 대비하고 있는 것은 아니다.

유기적인 목표, 강력한 데이터 거버넌스, 데이터 정확성(Accuracy)을 확보하

기 위한 착실한 과정, 우수한 마인드셋을 가진 직원 등과 같은 전략적 계획이 부

실하다면 빅 데이터 프로젝트를 추진하더라도 가치 있는 자산을 창출하기보다

는 제대로 된 골칫거리만 남기는 상황으로 이어질 수도 있다.

성공적인 빅 데이터를 추진하기 위해 필요한 다섯 가지 팁

많은 경우 다음의 조언은 데이터 셋의 크기와는 무관하게 어떤 데이터 관리

프로젝트와도 관계가 있다. 하지만 빅 데이터 스토어의 전면적인 등장으로 인해

특정 위험요소들이 늘어나게 됐다. 기업에서 이질적인 소스로부터 성공적으로

데이터 풀을 구성하는 방법에 대해 다음과 같이 소개한다.

빅 데이터 성공 팁 1 : 빅 데이터를 기업의 중심적 원칙으로 설정하라

리어든 커머스(Rearden Commerce) CTO인 필 스타이츠는 빅 데이터의 성

공에 필요한 가장 중요한 요소에 대해 다음과 같이 설명했다. ‘반드시 분석 기반

의 데이터 주도형(data-driven) 결정을 기업전략의 핵심으로 설정해야 한다.’

스타이츠는 “조직 내에서 어느 정도 빅 데이터에 대한 이해가 있는 상황이라

면, 이는 발생하는 문제에 대한 해결책이 될 수 있다”고 말했다.

리어든 커머스는 판매자와 구매자간 재화, 서비스, 정보의 교역을 최적화

시키기 위해 빅 데이터와 다른 자원을 중점적으로 활용하는 전자상거래(e-

commerce) 플랫폼을 보유하고 있다. 이 기업은 최적의 시점에 우수한 중개

자를 통해 이익창출의 기회를 만들어 내기 위해서는 ‘절대적 상관성(absolute

relevance)’ 개념이 가장 중요하다는 인식을 갖고 있다.

스타이츠는 “이런 생각은 기업 임원진들이 주도적으로 추진하고 있는 전략”

이라고 설명했다.

이런 접근법의 일환으로 스타이츠가 예로 든 것은 소규모의 우수한 데이터 전

문가(Data Scientists) 및 빅 데이터 엔지니어로 구성된 팀을 만들고 이들을 기

업 내 진보적 의사결정권자간 양방향의 지속적인 커뮤니케이션 채널을 설정하

성공적인 빅 데이터 프로젝트를 위한 전략 가이드

Bob Violino | InfoWorld

Tech Guide



는 것이다.

스타이츠는 “현존하는 분석 기술을 통해 가치를 이끌어 낼 때 발생하는 문제

점을 해결하기 위한 방법은, 새로운 관점을 제시해 줄 수 있는 기술 전문가와 기

업 리더 사이의 긴밀한 소통 채널을 구축하는 것이다. 그래야만 기업의 리더들이

분석 결과 중에서 진정으로 가치 있는 것을 걸러낼 수 있다”고 말했다.

빅 데이터 성공 팁 2 : 데이터 거버넌스가 필수적이다

빅 데이터 프로젝트는 보안과 프라이버시, 규정 준수의 문제를 수반한다. 이

는 특히 의료산업에서 두드러진다.

한 병원(Beth Israel Deaconess Medical Center)에서는 빅 데이터를 적극

적으로 활용하고 있다. 이 병원은 지난 몇 년간 전자 의무기록, 새로운 의료보

험변제(reimbursement) 모델, 임상 및 클레임 관련 데이터 수집 등 빅 데이터

를 적극 활용하고 있다.

이 상황에서 데이터 거버넌스는 핵심적인 역할을 수행하게 된다. 이 병원 CIO

빌 길리스는 “의료계 IT부서에는 많은 압박이 가해질 것이다. 왜냐하면 이들은

데이터를 신속히 전환해야 하기 때문”이라고 말했다.

강력한 거버넌스가 확보되면 기업은 데이터의 정확성을 담보할 수 있으며 데

이터가 임상에서 일어난 일에 대해 묘사하는 것이 가능해진다. 이는 결과적으로

의료 서비스의 질적 향상을 의미한다.

길리스는 “급하다고 해서 일을 적당히 처리하는 일은 없어야 한다. 데이터 거

버넌스를 확보하면 이런 일을 미연에 방지할 수 있고 상황을 정상적으로 돌아가

게 할 수 있다”고 설명했다.

AOL, 시스코, 퍼스트 데이터, 야후 등에게 빅 데이터 관련 자문을 제공하는

컨설팅업체인 벤처 디벨롭먼트 센터(Venture Development Center)의 의장이

자 CEO인 찰스 스트라이커는 “새로운 빅 데이터를 둘러싼 불확실 요소들을 고

려할 때, 보안과 프라이버시 관련 장벽이 매

우 높기 때문에 새로운 데이터에 제공되는 보

호수준이 다른 전통적인 외부 결정 데이터에

비해 더욱 높다. 명망 있는 기업 가운데 이런

보호수준이 보안과 프라이버시에 문제가 생

길 수도 있다는 점을 감내하고 보호수준의 극

한이 어디까지인지 알아보고자 하는 기업은

없다”고 말했다.

정부기관의 빅 데이터 프로젝트에 참여한

적이 있는 빅 데이터 전문 컨설팅 업체 DRC

수석 기술 고문인 루이스 차봇은 “프로젝트

시작에서부터, 기업은 데이터 거버넌스, 즉

데이터 소스에 대해 묘사하는 메타데이터를



고려해야 하며, 이 데이터를 빅 데이터 솔루션에 적용할 경우 적절한 결정(데이

터에 대한 확신)을 내려야 한다”고 말했다.

빅 데이터 성공 팁 3 : 데이터 정확성을 속이지 말아야 한다

에버딘 그룹(Aberdeen Group)의 최근 연구결과는 데이터 정확성이 빅 데이

터 성공의 또 다른 잣대라고 설명했다.

이 보고서에 따르면 최고 수준의 기업에서는 94%의 데이터 정확성을 목표로

했고 1%의 향상이 목표 충족을 위해 필요했지만, 평균수준의 기업에서는 91%

의 데이터 정확성을 위해 18%의 향상을 필요로 했다. 반면 뒤떨어진 기업에서는

80%의 데이터 정확성을 목표로 했지만 40%의 향상이 필요했다.

이 상황에서 데이터 클린징과 마스터링은 빅 데이터의 성공을 위해 필수적이

다.

데이터 관리 및 빅 데이터 컨설팅 업체인 카세타 컨셉(Caserta Concepts) 창

립자이자 CEO인 조 카세타는 “ 그렇지 않다고 생각하는 사람도 있지만 그렇다

고 데이터 클린징과 마스터링의 필요성은 사라지지 않는다. 만약 빅 데이터 패러

다임이 새롭게 기업의 분석 플랫폼으로 발전한다면, 데이터 소스와는 관계없이

고객, 제품, 직원 로케이션 등의 요소를 조정할 수 있어야 한다”고 말했다.

그리고 카세타는 “사람들이 알고 있는 데이터 품질 이슈는 데이터 분석의 신

뢰성을 오랫동안 훼손해왔으며, 적절히 해결되지 않을 경우 빅 데이터 분석에서

도 동일한 영향을 미칠 것”이라고 주장했다.

DRC의 차봇은 “일반적인 빅 데이터 프로젝트에서 데이터 관리는 우선순위에

서 밀려나 해결되지 않은 상태로 남아 있을 수도 있다”고 말했다. 또한 “효과적

인 데이터 관리 달성을 위해서는 프로세스나 자동화 등 능숙한 기법이 동원되어

모델관리, 메타데이터 관리, 레퍼런스 데이터 관리, 마스터 데이터 관리, 데이터

품질 관리, 데이터 인벤토리 관리 등이 이뤄져야 한다”고 덧붙였다.

빅 데이터 성공 팁 4 : 최고의 결과를 위해 모범사례를 수집하라

빅 데이터를 관리할 수 있는 방법과 그렇지 못한 방법에 대해 관계자의 관심

이 높아지고 있다. 같은 조직 내에 있다면 이에 대한 정보를 공유하지 못할 이

유가 없다.

이런 방법의 일환으로 리더십, 모범사례, 지원 및 트레이닝에 대한 정보를 공

유하는 빅 데이터 최고기관(center of excellence, COE)를 구축할 수도 있다.

빅 데이터 전문 컨설팅 업체인 매시브 데이터 인사이트(Massive Data In-

sight)의 공동창업자인 앨리엇 아놀드는 “일반적으로 COE에는 별도로 할당된

예산이 있으며 이슈 분석, 이니셔티브, 미래의 상태와 기준을 정의하기 위해 존

재한다. 또한 사용자를 교육시키며, 계획을 시행하고 진척 상황을 개선한다”고

말했다. COE의 기능을 활성화하기 위해서는 가용자원과 선임 스폰서에 대한 분

석이 필요하다고 덧붙였다.



DRC의 차봇은 “COE의 효율적인 활동은

현업에서 어떻게 구현되느냐에 따라 달라진

다”고 설명했다.

차봇은 데이터 라이프사이클에 걸쳐 COE

에는 많은 기본적인 문제가 뒤따른다고 전했

다. 모범 사례를 찾아내고, 편견 없이 이들

을 분석하며, 적용가능성을 확인하고, 적용

을 감독하고, 향후 모범 사례 자체를 개선시

키는 점 등이 바로 그것이다.

DRC는 빅 데이터 성숙도를 능력 성숙도

모형 결합(Capability Maturity Model Integration, CMMI)과 비슷하게 설

정했다. 능력 성숙도 모형 결합은 기업에서 사용하는 프로세스 향상 프레임이

다. 빅 데이터 성숙도 모델은 연관성 있는 모범사례를 기획/관리, 프로젝트 수

행, 아키텍처, 구현/런타임/수행, 조직 내 점증적 적용 등의 네 가지로 구분했

다. 차봇은 “이는 빅 데이터 프로젝트의 성급한 도입에 따른 문제점을 예방해

줄 수 있다”고 말했다.

빅 데이터 성공 팁 5 : 전문성과 협업이 핵심이다

빅 데이터는 단순히 기술 프로젝트일 뿐만 아니라 기업의 이니셔티브이기 때

문에 기업과 IT리더들이 기획, 시행, 수정 단계에서 서로 의견 일치를 보는 것

은 중요하다.

차봇은 “빅 데이터 프로그램 수행상의 가장 큰 문제점은 IT, 전략, 실행 (협업)

을 담당하는 사업부와의 의사소통 단절이다. 성숙도가 낮은 기업에게 있어 이런

상황에 대한 명확한 전략이 없으며 의사결정권자 또한 전략적 방향 설정에 있어

직관에 의존하는 경향이 높다. 이런 기업은 데이터의 자산가치에 대해 이해하지

못하는 경우가 많다”고 설명했다.

“기업 리더들과 IT전문가들은 세심하게 목표, 니즈, 필요사항들을 파악하며,

투자대비 수익을 고려하고, 분석 능력을 기업의 사명과 연관 짓고, 지속적인 피

드백을 위한 매커니즘을 확보함으로써 빅 데이터 프로젝트의 성공을 담보할 수

있다”고 차봇은 설명하며, “빅 데이터 프로젝트는 여러 단계로 나뉘며 점차적으

로 기업에 가치를 더하게 된다”고 덧붙였다.

벤처 개발 센터의 스트라이커는 “개인적인 경험으로는, 유수 기업에게 있어

서 이는 기업 차원의 문제로 비화되고 있다. 프로젝트의 업무상 책임이 IT부서

의 수석 데이터 관리자에게 있는지, 마케팅 부서에 있는지, 리스크 관리부서에

있는지, 혹은 이 부서들이 각각 빅 데이터 이니셔티브를 갖고 서로 협업해 나가

는지에 대해서는 명확하지 않다”고 말했다.

필요한 전문성을 동원해 하둡과 같은 최고의 기술을 활용해야 한다. 하둡과

같은 서비스는 매우 거대한 데이터 셋과 분석 업무를 효율적으로 저렴한 비용



에 관리하게 해준다.

스트라이커는 “빅 데이터로의 패러다임의 전환은 기업 조직에서의 새로운 역

할이 필요하다는 점을 일깨워 준다. 그것은 바로 데이터 분석가(the data sci-

entist)에 대한 것이다. 이들은 고등 수학, 시스템 엔지니어링, 데이터 엔지니어

링, 경영 전문성 등의 깊은 이해를 필요로 한다. 현재 현업 실무자에서, 통계학

자, 기술자, 그리고 사업 전문가까지 협업을 통해 문제를 해결하고 솔루션을 제

시하는 데이터 전문 팀을 이용하는 것이 일반적”이라고 말했다.

그는 “기업의 기존 데이터 분석가들은 다시 필요한 훈련을 받아야 할 것이다.

빅 데이터 플랫폼으로의 이전을 통해 이루고자 하는 바는 반응(reactive) 분석

으로부터 예측(predictive) 분석으로 전환하는 것이다. 왜냐하면 이제 우리는

적극적으로 고객이 아닌 이들도 충성고객의 행동패턴을 따르도록 영향을 주거

나 적극적인 구매자의 행동 패턴이 이전과 같지 않을 경우 이를 다시 예전처럼

돌려놓을 수 있게 됐기 때문”이라고 설명했다.

전략, 기능, 데이터, 분석, 기술의 조화가 관건

강력하고 유기적인 빅 데이터 전략을 구축하지 않는다면 어떤 결과를 초래할

것인가? 막대한 비용과 노력을 투입해도 그것이 곧바로 결과로 나타나지 않는

상황에 봉착하게 될 것이다.

차봇은 “일반적으로 빅 데이터 프로젝트는 다양한 측면이 있고 복잡한 이니셔

티브를 지니고 있다. 이들은 분명한 계획을 필요로 한다”고 말했다.

빅 데이터에 착수하기 전에 조직 리더들은 전략, 기능, 데이터, 분석, 기술 등

의 요소를 복합적으로 고려할 수 있어야 한다. 이런 부분이 경영, 시스템, 소프

트웨어, 데이터, 기술 아키텍처에 반영돼야 한다.

차봇은 “이런 요소 간에 복합적인 고려가 이뤄지지 않으면 전체 프로젝트의

목표 이탈로 이어질 수 있다. 명확한 계획과 아키텍처를 갖춘 강력하고 유기적

인 빅 데이터 전략이 없다면 과도한 비용과 기대수준 부응 실패, 가치 결핍, 그

리고 프로그램 실패로 이어질 가능성이 높다”고 경고했다.



UPS, 인텔, 익스프레스 스크립트 이 세 개의 기업들이 데이터 분

석을 통해 막대한 효과를 보고 있는 대표적인 데이터 경영

기업이다. 이 기업들이 얻은 교훈 가운데 가장 중요한 것은 비용 효율성과 프로

세스 향상에 대해 깊이 자리잡은 분석 문화와 끊임없이 집중하는 것이 중요하다

는 점이다. 이 엄청난 효과의 후광만 바라보다간 눈이 멀게 마련이다. 빅 데이

터 및 분석 기술을 통해 막대한 비즈니스적 가치를 생성하는데 있어 앞서 나가

는 3개 기업들을 살펴보면서 데이터 주도형 기업의 효과를 누리기 위해 놓쳐서

는 안 되는 것에 대해 살펴보자.

“데이터는 생명선”

쉽게 말해 이들 기업에 있어서 데이터는 생명선과도 같다.

미국 세인트 루이스에 소재한 제약혜택관리기업인 익스프레스 스크립트(Ex-

press Scripts)는 연간 매출 850억 달러, 포춘 100대 기업에 선정되어 있는 기

업으로, 연간 1억여 명의 소비자들을 위해 약 15억 개의 처방전을 처리하고 있

다. 이에 따라 각 주문에 수반되는 엄청난 정보를 분석하고 있다.

익스프레스 스크립트 CTO 진 래머스는 “데이터 기반으로 처방전 형태를 구

분하며, 프로세스 개선을 위해 분석 팀에서 지속적으로 모든 종류의 정보를 분

석한다”고 말했다.

래머스는 내부적으로는 이런 방법을 통해 공급 속도를 높이고 오류를 감소시

킨다고 말했다.

익스프레스 스크립트는 연간 처리하는 데이터량이 엄청나지만 의료비용을 낮

추고 처방전대로 약을 복용하지 않는 사람들로 인한 수십억 달러 규모의 의료문

제를 해결하는데 도움이 될 수 있다고 말했다.

래머스는 “평범한 소매나 온라인 등록 거래는 말할 것도 없고 컴퓨터, 휴대

폰, 태블릿 기기, 센서, 트윗(Tweet), 텍스트, 소셜 네트워크의 게시물 등이 모

두 잠재적인 가치를 지닌 데이터들”이라고 강조하였다.

익스프레스 스크립트가 거둔 효과 : 낮은 의료비용 구현

익스프레스 스크립트의 모든 활동에 적용된 엄격한 분석의 문화도 한 몫 하고

있다. 익스프레스 스크립트는 거래가 이메일, 웹, 전화, 또는 약국 직접 방문 등

데이터 주도형 문화로 통찰력을 확보한다…UPS, 인텔, 익스프레스 스크립트 등 사례 모음

Julia King | Computerworld

Case Study



의 모든 다양한 출처의 정보들을 통합하여 연합 분석모델을 수립했으며, 이 모

델은 공급망, 영업, 재무 등 각각의 핵심적인 기능활동에 배치된 비즈니스 분석

팀을 포함하고 있다.

“중앙에 집중되면 모두가 동일한 데이터를 확인할 수 있게 된다.”

성능이 입증된 데이터관리 모델과 데이터관리 기반이 마련된 익스프레스 스

크립트는 최근에 예측 분석으로 확장하면서 당뇨와 높은 콜레스테롤 등의 만성

질환에 대한 처방을 준수하지 않는 환자 문제를 감소시키도록 개발된 스크린

Rx(Screen Rx)라는 애플리케이션을 구축하였다.

예를 들어, 처방된 콜레스테롤 약 복용을 무시한 일부 환자에게 심근경색이

발생할 수도 있다. 익스프레스 스크립트는 환자의 위치, 가족상황, 관련된 약의

수 등 400가지 요소에 기초한 예측 모델링을 통해 현재 복약지시를 무시할 가

능성이 있는 환자를 확인하고 선제적으로 개입할 수 있다.

개입 방법에는 환자가 약을 잊지 않도록 제 때에 알려 주거나 환자가 자신의

약 값을 지불하는데 도움이 되는 환자지원 프로그램을 추천하는 것 등이 있을

수 있다. 제 3의 옵션은 약물의 부작용에 관한 질문 또는 우려에 대해 도움을 줄

수 있는 임상 약사를 추천하는 것이다.

래머스는 “이것은 환자의 행동을 바꾸기 위해 구축한 전략 가운데 핵심”이라

며, “우리는 환자들이 스스로를 돌보도록 가르쳐야 한다”고 말했다.

UPS가 거둬드린 효과, 연료절감 및 고객 서비스 향상

IT 부문의 연간 매출이 약 540억 달러에 달하는 운송 및 물류 대기업 UPS의

정보서비스 담당 부사장 후안 페레즈는 “매출의 상당 부분을 데이터 분석에 투

자하고 있으며, UPS의 목표는 비즈니스 프로세스를 개선하고 비용을 절감하며

효율성을 높이는 것”이라고 말했다.

이 노력은 성공적인 결과를 얻었다. 수천 대의 트럭에서 얻은 연속적인 센서

데이터를 분석함으로써 운송 거리를 530만 마일이나 줄이고 엔진 유휴 시간은

약 1,000만 분 정도 감소시켰으며 246만 리터의 연료를 절감하고 탄소 배출량

은 6,500톤 이상 감소시켰다.

이런 깜짝 놀랄 성과의 핵심에는 일련의 복잡한 알고리즘을 통해 각 운전자에

게 화물을 배달하는 가장 효율적인 경로를 제공하는 센서 데이터 통합 시스템인

ORION(On-Road Integrated Optimization and Navigation)이 있다.

이 시스템은 막대한 센서 데이터를 처리해 트럭의 부품이 언제 고장 날 지를

예측함으로써 예방적 보수를 계획하고 실시하도록 할 수 있다. 또한 ORION을

통해 UPS 관리자들은 각 운전자가 후진하거나 U턴하는 횟수를 자세히 관찰해

추가적인 교육이 필요한 운전자를 가려낼 수 있다.

페레즈는 “우리는 차량과 운전자의 행동에 관한 정보를 수집하는 센서를 갖고



있다. 이런 정보를 배달 및 취득 정보와 결합시켜 운전자가 매일 자신의 임무를

어떻게 달성하는지 파악할 수 있다”고 말했다.

“데이터 통합은 의사결정과 운영 관리 방식의 큰 변화를 제공하였다.”

이제 UPS는 센서 데이터를 더욱 적극적으로 활용할 계획이다. 이제 목표는

사람들이 기업과 상호작용하는 방식에 대한 개인적인 선호도를 설정할 수 있는

UPS 마이 초이스(UPS My Choice)라는 통합 분석 서비스를 통해 수백만 명의

고객에게 더욱 가까이 다가가는 것이다.

해당 서비스를 이용하는 고객은 정확하게 특정 주소의 어디로 어떻게 화물을

배달할 지에 관한 요구사항을 제시하고 자신의 위치가 바뀐 경우에 경로를 재설

정하면 상태 알림 메시지를 받아볼 수 있다.

페레즈는 “우리는 개인적인 공급망을 관리하는데 있어 새로운 접근방식을 취

하고 있다. 고객과 이런 높은 수준의 연결성을 수립함으로써 앞으로 비즈니스

에 큰 변화가 있을 것이다. 고객과의 통합을 통해 매출이 성장하게 될 것”이라

고 말했다.

UPS 마이 초이스가 제공된 첫 해에 200만 명 이상의 고객들이 서비스에 가

입했으며 2,500만 개의 화물이 이를 통해 배달됐다.

“프로세스 개선부터 시작했지만 이 모든 것들을 연계하면 비즈니스에 매우

큰 변화가 일어날 수 있다. 이것이 우리가 목표하는 것이다.”

페레즈는 “고객의 배달 선호도에 관한 데이터는 UPS가 이런 선호도에 맞춰

내부적인 프로세스를 지속적으로 개선하는데 도움이 돼 고객과의 1대1 경험을

구축할 수 있게 될 것”이라고 설명했다.

하지만 더욱 중요한 것은 이런 데이터가 제공하는 새로운 제품과 서비스가 제

공할 수 있는 것에 대한 통찰

력이다. 페레즈는 “우리가 제

공하는 모든 추적 및 배달 알

림 메시지와 고객들을 대응하

는 방식으로 그들이 무엇을 원

하는지 파악해 그들이 원하는

제품과 서비스를 개발할 수 있

다. 새로운 제품과 서비스를

정의하기 위해서는 많은 데이

터가 필요하다”고 말했다.

UPS의 다음 단계는 모든 것

을 연계하고 다양한 빅 데이터



시스템의 청사진을 구성해 데이터의 새로운 활용 방안을 찾고 이로부터 더 큰

비즈니스적 가치를 끌어내는 것이다.

인텔이 거둬들인 효과, 매출 급증

인텔(Intel)에서는 전통적인 비즈니스 인텔리전스(Business Intelligence,

BI)를 여전히 고수하고 있지만 빅 데이터 마이닝과 예측 분석이 설계 및 제조 효

율성을 향상시키는 주요 요소로 작용하고 있으며 2012년에만 수천만 달러에 달

하는 새로운 매출을 발생시킨 매출원을 발견했다.

분석을 통해 엄청난 성과를 거둔 인텔 CIO 킴 스티븐슨은 “이는 결과를 바꿀

수 있다는 믿음에서 시작됐다”고 말했다. 스티븐슨은 이를 위해 전통적인 BI의

범위인 히스토리컬 분석에 더 적은 시간을 소요하면서 예측 분석의 핵심인 미래

에 더 초점을 맞춰야 한다고 말했다.

매출 규모가 530억 달러에 이르는 인텔에서 미래를 예측하기 위해서는 패턴

을 파악하기 위해 엄청난 양의 데이터를 분석하고 예측 알고리즘을 적용해 고부

가가치 비즈니스 문제를 해결해야 했다.

예를 들어, 2012년 인텔의 IT 부서가 매출이 높은 채널을 파악하고 전략적으

로 이에 초점을 맞추도록 할 수 있도록 하는 새로운 영업 툴을 개발했다.

이 새로운 소프트웨어 툴은 막대한 내·외부 데이터를 수집한 후에 예측 알고

리즘을 적용해 가장 촉망되는 채널을 선별한다. 스티븐슨은 “현재까지 아시아

태평양 지역에서 일반적인 수동 방식에 비해 3배나 많은 잠재력이 높은 채널을

파악하게 됐다”고 말했다.

제조 측면에서 인텔은 예측 분석 툴을 사용해 마이크로프로세서의 테스트 시

간을 단축하고 있다. 인텔은 POC 기간 동안 약 300만 달러의 비용을 절감할 수

있었다. 인텔의 분석을 통한 성공은 매우 급진적인 것이었다. 스티븐슨은 이 핵

심이 상대적으로 작고 신속하게 움직이는 팀을 통해 큰 문제들을 해결하는 것

이라고 평가했다. 스티븐슨은 “기업이 미래에 초점을 맞추고 더 나은 결과를 얻

을 수 있는 질문을 던지도록 하기 위해서 우리는 일을 신속하게 처리해야 한다

는 사실을 깨달았다”고 설명했다.

“우리는 마스터 데이터를 해결하는 것으로 해결할 수 없는 문제였던 전통

적인 BI 환경에서 벗어났다. 기업에서는 이런 작업을 끊임없이 이어가고 있

지만 반드시 그 가치를 알 수 있으리란 보장은 없다.”

그래서 스티븐슨은 ‘6개월과 1,000만 달러’ 규칙을 수립했다. “1,000만 달

러 규모의 문제를 6개월 안에 해결하는 것이 중요하다. 일반 관리자라면 누구

나 1,000만 달러를 절감할 수 있다면 6개월을 투자할 수 있다고 말할 것”이라

고 말했다.

스티븐슨은 비즈니스 전문가, 통계학자, 예측 모델러, 기계학습 전문가, 데이



터 공학자 등 5명으로 구성된 팀을 꾸렸다. 그녀는 “팀의 각 구성원은 우리가 해

결하고자 하는 문제에 대해 약간씩 다른 견해를 갖고 있었다. 6개월 안에 해결

하는 것은 우리가 업무를 수행하는 방식을 실제로 변화시킬 수 있는 능력을 입

증할 수 있는 기회를 포착하는 방법이었다”고 말했다.

테스트 시간을 단축시키고 촉망되는 채널을 파악하는 프로젝트 외에도 이런

접근방식을 이용해 13개의 다른 분석 프로젝트가 수행됐다. 그래서 스티븐슨은

1억 달러 규모의 문제들을 찾고 팀들이 이를 해결하도록 함으로써 목표를 높였

다.

스티븐슨은 “기업들이 분석 계획을 위해 필요한 기술과 이런 기술을 양성하

는데 소요되는 시간을 간과하지 않아야 한다”며, “전통적인 BI와는 달리 하둡

(Hadoop)과 선진화된 프레젠테이션 계층의 학습곡선을 생각해보면 절대로 무

시할 수 없다”고 경고했다.

또한 스티븐슨은 “실험에 대한 욕구를 발전시켜라. 기술분야의 승자와 패자는

아직 완전히 가려지지 않았다. 특히, 분석 기술이 여전히 발전하고 있기 때문에

가능성을 넓게 열어두는 것이 좋다”고 조언했다.

Documents

IDG Tech Focus 빅 데이터, 데이터 주도형 기업을 이끄는 힘… 그 …빅 데이터, “경영을 바꾸는 힘” Tech Guide 성공적인 빅 데이터 프로젝트를