티스토리 뷰
데이터를 어떻게 경영에 접목하고, 가치를 만들어내는가?
두 대의 자동차가 있다.
1 갤런당 10마일 SUV
1 갤런 당 20마일 세단
둘 다 연간 1만마일을 주행한다.
어느 모델을 업그레이드 해야 할까?
a. 연비 10을 20 세단으로 교체
b. 연비 20 세단을 50 새 모델로 교체
기존 1000, 업그레이드 후 500
절감량은 500
500 업그레이드 후 200
절감량은 300
뻔해 보이는 선택이 틀릴 떄도 많다.
결혼한 사람이 결혼하지 않은 사람을 바라보고 있는가?
어느 경우에도 이 경우를 만족한다.
aws, slack,app store, alipay의 공통점은?
확실한 미래예측 기반의 성공보다는 진행과정에서 발견과 수정을 진행했다.
strategy is often retrospective rationalization(사후 합리화) as we try to understand success.
사후 확증편향
항상 확증편향을 조심해야 한다.
진정한 탐험은 새로운 풍경이 펼쳐진 곳을 찾는 게 아니라 새로운 시각으로 여행하는 것이다.
경영 패러다임은 어떻게 변화했나?
효율, 통제, 안정 -> 감,통념, 경험
에서
분석, 통찰, 혁신 -> 값, 통찰, 실험
으로 변화했다.
85% AI 서비스는 실패.
가장 중요한 건 문제 설정이다.
Business Value로 연결되지 않는 이유는 데이터 분석 결과가 직관이나 통념과 일치하거나 유사하기 때문이다.
분석이 너무 뻔하다.
뭔가 통념에서 벗어나야 한다.
chatgpt는 인터페이스의 혁신이 가미되었다.
누구나, 어떤 영역에서나 가치를 만들 수 있는 시대를 열었다.
광고 카피를 학습시켜서 AI로 만들었다.
전문가보다 아직 전문성이 부족한 사람들이 더 빨리 업무에 적응하는 데 도움을 준다.
GANs의 효과.
코로나 19 기간 디지털 음원 소비는 어떻게 변했을까?
->오히려 줄었다. 이동시간이 줄어들어서.
리뷰 요청 푸시를 언제 보내는 게 최선인가?
-> 오히려 일주일 후에 보내는 게 더 좋았다.
아직 사용하지도 않았는데 쓰라고 해서.
리뷰 요청은 1~2주 후에 나타난다.
1. Reactance (청개구리 효과)
2. Reminder(상기 효과)
직관과 반대대로 된 현상들에서 데이터 분석을 활용할 수 있다.
왜 그런지에 대한 좋은 질문을 던지는 게 중요하다.
문제 설정 및 가설을 정립 할 때 중요하다.
digitization(conversion-data) : 아날로그 정보를 디지털로 바꾼다.
digitalization : adaptation-process - 디지털 기술과 정보를 이용해 비지니스 운영 방식을 바꾸는 것.
Transformation(creation-business) : 비즈니스 모델을 창출하고 고객에게 새로운 가치를 제공하는 것.
정보의 전환, 기술의 전환, 가치의 전
넷플릭스 : 어떻게 하면 사람들에게 영상을 끊김없이 볼 수 있게 할 수 있을까?
인사이트 도출은 돈이 되고, 수입이 된다.
구독 유지를 하게 하려면 추천 제도가 있다.
고객 브라우징 패턴 분석
Customized services
고객 선호 따른 맞춤형 초기화면
고객 행태 기반 맞춤형 상품 추천
거래내역이나 규모 기반 cross
중앙대학교의 학생 자기계발 통합시스템
식자재 주문 패턴 분석
식당고객 선호메뉴 트렌드의 추이를 예측한다.
식자재 재고 기반 최적 주문시점을 분석한다.
메뉴별 수익성 분석
주문 정확성 및 고객생산성 향상
B2B eCommerce 플랫폼으로 진화했다.
미국 전체 사장님의 주문 추이를 알고 있어서 정보를 유통시켜준다.
정보값을 매긴다.
신박한 디지털 전환 사례
헬스케어 건강 문제를 사전에 예지.
건강 문제는 용변으로 예지한다.
스마트 변기로 건강 예측.
현업에서 더 나은 데이터 경험과 활용을 생각해 보자.
1.데이터가 답할 수 있는 문제를 찾고 정의해본다.
2.문제를 해결할 수 있는 데이터가 있는지 확인하기
3. 의미있는 (뻔하지 않은)관계, 패턴이나 원인 발견하기
4. 이 발견은 현업에서 내가 바꿀 수 있는 것인가 체크하기
5. 적용하고 공유하기(자동화)
고객 지표 발견 방법
다양한 관점의 관찰을 통해 초기 진입 고객의 특성(Core loop)를 파악한다.
넷플릭스 : 가치 있게 본 시간을 측정한다.
단순히 양이 아니라 질을 측정한다.
그런데 질을 측정하는 건 어렵다.
좋아요 싫어요로 흥미도를 측정한다.
간단해서 참여도가 올라간다.
어떻게하면 조금 더 가치있게 의미를 설정할 수 있는가?
1.문제 정의
2. 데이터를 목적과 다르게 활용
문제 정의 -> 계산대에서 결제를 위해 기다린다.
대부분 기다림을 줄일까 고민
그런데 계산대에서 결제를 없앴다. = 아마존 고
잘 안된다.
그래서 굿즈 판매나 관광지에서 사용한다.
따릉이 수요예측 => 언제 사람이 몰리는지.
대부분의 문제 정의 : 자전거 운송경로를 최소화하자.
새로운 문제 정의 : 자전거 재배치 운송을 없애자. 아예 운송을 없앤다.
시민들에게 리워드 제공으로 고객이 재배치하게 만든다.
데이터를 있는 그대로 활용하면서 아이디어를 만들었다.
문제를 푼 게 아니라, 문제를 재정의했다.
어떻게 문제정의를 잘 할 수 있을까?
1. 남다른 생각 일탈 - 일하는 방식의 혁신
2. 잦고 빠른 실패 경험 - 시도를 권장하는 평가방식 혁신
3. 내외부 자원 인재 조합 - 가장 똑똑한 사람들이 우리를 위해 일하게 한다.
뷰자데는 익숙한 게 낯설게 느껴지는 것.
경험을 혁신적인 아이디어로 변환하기 위해서는 미시감이 필요하다.
현상을 그대로 받아들이는 건 거부하고, 더 나은 대안을 모색하겠다는 결심이 필요하다.
데이터 재목적화
데이터는 많은데 활용을 하지 못한다.
아마존에서 향초에서 냄새가 아직 안난다는 리뷰가 많이 올라가서 오미크론 확산을 예측했다.
데이터의 원래 목적이 아니라, 새로운 목적으로 썼다.
부유함을 조사
5년 단위로 전수조사 ->비용이 많이 든다.
사람들의 통신 데이터를 가지고 누가 부자이고 가난한지를 예측한다.
call records -> survey data 1000명
모델을 구축한다.
부자만 할 수 있는 피처를 추출한다. -> 해외로밍 지표
그리고 이동방식
활용 데이터 : 150만명 call records를 지역건강조사 설문과 결합
1000명의 부유도/빈곤도를 가장 잘 맞추는 CDR 변수 측정
위성데이터로 부자 동네와 가난한 동네를 측정
마르셀 뒤샹의 샘 - ready-made
다비드처럼 주문제작 -custom made 기존의 문제해결 접근 방법
기존에 없는 것을 창출
샘을 다비드상이 쓴다.
식당 리뷰를 주인의 신용평가, 대출금리로 활용한다.(얼마나 장사가 잘 되고 있느냐, 아니냐로 판단)
중구에서 휴대폰 충전 정보 -> 대출 금리 산정
너무 빅브라더라서 망했다.
마트 문열림 횟수 -> 매출
전기사용데이터 -> 독거노인 고독사 여부
네비게이션 주행정보 -> 보험료 산정
창의의 영역이라도 노동집약적이며 반복 작업이 수행되는 환경 : 코딩, admin, 요약, 문서작성 및 검토 등에서는 써야 한다.
틀렸을 때 위험이 크지 않고 보안 리스크가 낮은 영역 : 챗봇 등
정리
재정의와 재목적화가 제일 중요하다.
최고 정보 책임자(CIO), 최고 기술 책임자(CTO)
데이터를 곡선으로 엮는다. 그러면 고양이가 보인다.
기본기를 잘 다지되 시각을 넓히자.
Data/AI는 Tool이지 목적이 아니다.
Data/AI/Frontier 기술에 대한 이해도는 계속 높이자.
문제를 푸는 것보다 문제를 정의하는 것이 어렵다.
때로는 모두가 당연하게 여겼던 것을 지우거나 변화하는 게 필요하다.
디지털과 친화하지 않았던 영역에서 DX를 많이 시도한다.
기업을 평가할 때 재무적 정보 외에 비재무적 정보가 앞으로 많이 활용.
센서 정보 등
서비스 보안 측면은 반드시 사전에 컴플라이시 프라이버시 부서랑 말을 해야 한다.
업종마다 다르기 때문이다.
로봇에서는 기존과는 사람과 비슷한 형태가 단순 반복을 탈피하게 만든다.