‘아날로그를 디지털로 바꾼다’는 뜻의 ‘디지털 전환(Digital transition)’은 최근 몇 년 동안 전 세계적으로 화두가 되고 있는 핵심 키워드 중 하나입니다. 업종이나 기업에 따라 디지털 변혁, 디지털 혁신, 디지털 트윈(Digital twin) 등 조금씩 다르게 표현하기도 하지만, 의미하는 바는 비슷합니다. IT 기술을 도입해 기존 업무 프로세스를 보다 효율적으로 전환하고, 고객 정보를 비롯한 각종 데이터를 분석해 의사 결정에 활용하는 것을 뜻합니다.
고객의 숨겨진 니즈를 포착해 한발 더 나아간 개인 맞춤형 서비스를 제공하기도 합니다. 즉, 디지털 전환은 디지털 기술을 활용해 사람 중심의 운영에서 시스템 중심의 운영으로 혁신하는 것으로 정의될 수 있습니다. 그리고 디지털 전환의 전제가 되는 것이 바로 ‘빅데이터' 수집과 분석입니다.
디지털 전환의 필수 조건 ‘빅데이터’. 비즈니스 원동력이자 경쟁력
인터넷의 발전, PC/스마트폰의 보급 그리고 네트워크 융합으로 엄청난 양의 데이터가 생산되기 시작했습니다. 지금 이 시간에도 사람들은 온종일 스마트폰을 붙들고 인터넷 쇼핑과 사회관계망서비스(SNS)는 물론, 주식 거래나 카드 결제, 운전 시 사용하는 내비게이션 등을 통해서 데이터를 쏟아내고 있습니다. 도시와 건물에 빽빽하게 설치된 CCTV로도 우리의 데이터는 실시간 쌓이고 있습니다. 이처럼 이렇게 만들어진 데이터는 기존 방식으로는 처리하지 못할 만큼 기하급수적인 ‘빅데이터’를 야기했습니다.
2020년을 기준으로 인류가 지금까지 생산해 낸 모든 데이터의 총합이 59제타바이트(ZB)를 넘겼다고 합니다. 미국 시장조사기관 IDC는 2025년에는 이 양이 175ZB를 기록할 것이라고 예측했습니다. 1ZB는 약 1조 기가바이트(GB)로, 1 뒤에 0이 21개 달린 크기입니다.
빅데이터는 이처럼 엄청난 양의 데이터 집합 그 자체를 의미하기도 하지만, 실제 산업 영역에서는 데이터로부터 가치를 추출하고 결과를 분석하는 기술까지 포함해 부르는 총칭으로 쓰입니다.
기업들은 빅데이터를 클라우드에 저장하고 인공지능의 힘을 빌려 분석해 의미 있는 결과를 찾아내기 시작했습니다. 각종 서비스를 테스트하고 도입하려면 데이터가 필수적이기 때문입니다. 과거 3차 산업혁명 때 석유에 돈이 몰렸다면 근래는 데이터가 돈이 되는 시기인 것입니다. ‘데이터’를 두고 4차 산업혁명 시대의 ‘원유’(原油) 라고 불리는 이유가 바로 여기에 있습니다. 기존의 무의미해 보였던 데이터들이 미래 비즈니스의 성패를 가를 중요한 자원이자, ‘수많은 데이터를 어떻게 잘 활용하느냐’가 곧 경쟁력으로 직결됩니다.
IT 시장분석 기관인 인터내셔날데이터코퍼레이션코리아 (International Data Corporation Korea Ltd, 이하 한국 IDC)는 지난 2월 발간한 연구 보고서에서 국내 빅데이터 및 분석 시장은 향후 5년간 연평균 성장률 6.9%를 기록하며 2025년까지 2조 8,353억 원 규모에 이를 것으로 전망했습니다. 다양한 산업에서 이전보다 더 많은 데이터를 확보하고 이를 활용하기 위한 수요가 높아지며 자체 데이터 플랫폼 구축 및 관련 시스템 도입이 적극적으로 이뤄지는 추세입니다.
데이터 분석 도구(플랫폼)가 중요한 이유
이렇게 모은 데이터를 다시 체계적으로 분류해 일정한 흐름에 대한 결론을 도출하는 일련의 과정을 ‘데이터 분석(Data Analytics)’이라고 부릅니다. 데이터 분석은 특히 인공지능(AI) 딥러닝의 발달과 사물인터넷(IoT)의 확산이 접목돼 장소와 시간의 제약을 벗어난 활용이 가능하게끔 진화했습니다.
예를 들어, 대형 마트에서 고객의 매장 내 구매 활동을 분석하려면 예전에는 조사요원이 표본고객을 따라다니면서 동선과 구매 활동을 관찰·기록해야 했습니다. 이제는 이동 카트 및 선반, 물품, CCTV 등에 센서를 부착한 IoT를 이용해 고객의 이동 경로 및 구매 활동을 입체적으로 분석할 수 있습니다. 데이터 분석을 통해 얻은 ‘고객들이 주로 어느 장소로 어느 시간대에 많이 이동하더라’는 결론은, 이에 따른 안전대책이나 마케팅 방안 마련에 도움을 주는 셈입니다. 이밖에 각종 데이터 검색과 결론 도출 과정 역시 사람은 몇 시간이 걸리는 일을 AI는 몇 초 안에 제시할 수 있습니다.
그러나 데이터 분석을 위한 기업의 노력이나 업계 트렌드와는 달리, 수집된 데이터를 바탕으로 실제 비즈니스에 유의미한 분석 결과를 도출하기에는 진입 장벽이 높은 게 현실입니다. 실제로 분석 결과를 적용해 수익성을 개선하거나 혁신적인 서비스가 출시된 사례는 당초 시장의 기대보다 더디게 나타나고 있습니다. "기업들은 빅데이터라는 새로운 기술을 활용한다고는 하지만 기존에 보유하고 있던 정보의 양이 늘어난 것 외에 다양한 원천의 정보를 활용해 수익을 창출할 수 있는 분석력은 아직 부족하다"는 게 현장의 목소리입니다.
2018년 정부 스마트팩토리 기획단 통계에 따르면 우리나라의 경우 머신러닝, 디지털 트윈 등 첨단 기술을 활용해 미래 상황을 자동으로 예측, 대응할 수 있는 고도화 단계의 기업은 존재하지 않습니다. 76.4%의 기초 단계, 21.5%의 중간 1단계를 포함한 전통적 기업의 98%가 여전히 시스템이 아닌 사람 중심으로 운영되고 있습니다. 특히, 제조 및 유통, 서비스 등 전통적 기업들은 차별화된 기술과 노하우를 갖고 있긴 하지만 개발부터 판매에 이르기까지 수십, 수백 단계의 내부 프로세스와 시스템으로 운영 과정이 상당히 복잡합니다.
많은 기업이 기존 전산실 환경에서 디지털 전환을 시도할 때, 기반 기술 구축을 위한 자원과 기술의 제약에 직면합니다. 이러한 결과에는 업종별로 다양한 요인이 존재하지만, 빅데이터 분석 기술 패러다임의 변화가 심하거나, 기술과 경험을 겸비한 데이터 분석 전문가를 찾기 힘든 것도 하나의 원인으로 꼽힙니다.
데이터 분석 전문가라고 하더라도 현재 다수가 각 산업의 업종 전문성을 보유하고 있지 않은, 단순히 공학적인 의미의 ‘Data Scientist’(이하 DS)에 그치는 실정입니다. 글로벌 IT 컨설팅 업체인 가트너(Gartner)는 산업별 전문 지식을 보유한 업종 전문가와 비즈니스 분석가(Business Translator), 그리고 데이터 사이언티스트가 합쳐진 시스템이 갖춰져야 비로소 유의미한 데이터 분석이 가능하다고 지적했습니다. 다시 말해 데이터 분석 경험이 적은 초보자도 분석 결과의 의미를 직관적으로 쉽게 이해하고, 추가적인 분석을 위해 필요한 모델링을 쉽게 설계할 수 있도록 편의 기능을 제공하는 데이터 분석 플랫폼이 빅데이터 경쟁력을 위한 열쇠라는 것입니다.
즉, 기업에 중요한 것은 디지털 기술 자체가 아닌, 혁신 솔루션입니다. 성공적인 디지털 전환을 추진하기 위해서는 기업 문화의 혁신과 이를 뒷받침하는 기술 역량이 필요합니다. 데이터를 수집하고, 전송하며, 저장하는 데이터 파이프라인 기술이 다양한 디지털 전환 과제의 기반 기술이 됩니다.
데이터 분석으로 ‘취향 저격’ 수요 예측부터 맞춤형 추천, 매장 관리까지
빅데이터 활용의 대표적인 사례로 빠지지 않는 것이 글로벌 전자상거래기업 아마존입니다. 아마존은 2007년부터 머신러닝 기반의 수요 예측 솔루션을 사용하고 있습니다. 아마존의 경우 매년 수십억 개의 제품을 빠른 속도로 배송합니다. 모든 고객의 구매 시기, 구매 내역뿐만 아니라 지역, 연령, SNS 포스트 등을 데이터 센터에서 수집·분석하고, 다양한 데이터를 학습해 만든 알고리즘을 통해 미래 수요를 예측합니다. 나아가 이를 바탕으로 소비자의 취향과 관심사를 파악해 고객별로 추천 상품을 표시합니다.
아마존 온디맨드 빅데이터 분석 과정(사진=AWS 홈페이지 캡쳐)
알고리즘은 시간이 지나며 더 많은 데이터를 학습할수록 더욱 정교해집니다. 아마존이 다루는 상품의 종류와 양은 경쟁사를 압도하지만 재고 회전율이 경쟁사 대비 2~3배 더 높다는 점은 디지털 전환이 적용된 수요 예측 솔루션의 힘을 방증합니다. 이용자의 검색 내역과 사진, 영상 등을 활용해 맞춤형 광고를 제공하는 구글(유튜브)과 페이스북도 대표적인 빅데이터 마케팅 활용 기업들입니다.
폭스바겐은 AWS 상에서 클라우드를 활용해 디지털 프로덕션 플랫폼(DPP)이라는 데이터 플랫폼을 구축했습니다. 이를 통해 디지털 숍 관리, 예지 정비, 디지털 금형 관리 등과 같은 다양한 디지털 전환 과제를 빠르게 개발했습니다. 데이터 분석 플랫폼을 디지털 전환 솔루션 개발의 허브로 활용해 혁신 속도를 높인 것입니다.
마켓컬리는 국내에서 새벽 배송 신드롬을 일으키기도 했지만, 더 놀라운 것은 하루 12만 건 배송에도 신선식품 폐기율은 1%에 불과하다는 것입니다. 마켓컬리의 숨은 공신은 ‘데멍이’입니다. 데멍이는 ‘데이터를 물어다 주는 멍멍이’를 줄인 말로, 마켓컬리의 인공지능(AI) 빅데이터 분석 프로그램입니다. 데멍이의 주요 역할 가운데 하나는 ‘과거 주문 데이터를 바탕으로 한 예측 주문’인데, 마켓컬리는 이 데이터를 보고 주문이 들어오기 전에 미리 발주합니다. 데멍이의 수요 예측 정확도가 굉장히 높아 필요한 상품을 물류센터에 미리 구축함으로써, 폐기할 상품이 거의 없다는 소리입니다.
김포 물류센터 새벽배송 현장 [사진=마켓컬리]
오프라인 매장 관리에도 빅데이터는 유용하게 쓰입니다. 고객의 구매 데이터를 기반으로 매장에서 잘 팔릴 것 같은 상품을 미리 진열하는 방식입니다. 데이터 분석으로 특정 상품을 구매한 소비자와 연관된 상품을 찾고, 함께 진열하기도 합니다. 실제로 현대백화점은 고객관계관리(CRM)를 위한 데이터 수집의 폭을 넓혔고 데이터 분석에 나섰습니다. 이를 통해 눈이 내리면 식품 판매가 증가하고, 아동용품 소비도 늘어난다는 결과를 도출했습니다. 이후 두 가지 상품을 한 곳에 배치하면서 수익을 더욱 창출하기에 이르렀습니다.
지난 4월 AI 센터를 출범한 CJ는 ‘생활문화기업’이라는 강점을 활용해 일상생활에 밀접한 양질의 빅데이터 기반 신성장동력 발굴에 적극적으로 나섰습니다. 주력 식품, 엔터, 물류, 커머스 등 다양한 사업 분야에서 축적된 빅데이터를 활용하고 고객 행동을 분석해 더 나은 경험과 서비스를 제안한다는 게 CJ의 설명입니다.
예를 들어, 대형 쇼핑몰에 들어서면 매장에선 고객들의 표정을 읽고 빅데이터로 분석해서 고객의 기분이나 심리 상태에 맞는 음악이 자동으로 선곡돼 방송되는 식입니다. 소비자의 얇아진 지갑을 열기 위해 구축한 디지털 전환솔루션이 유통 분야에 적용되고, 다시 유통을 지능화하고 혁신하는 동력으로 쓰이고 있습니다.
데이터 분석 도구도 진화한다
코로나19 팬데믹 이후 전 산업 분야에 불어 닥친 '디지털 전환' 바람을 타고 유통뿐만 아니라 전세계 다양한 기업들이 데이터 분석 및 활용에 앞다퉈 도전하고 있습니다. 처음에는 업무 온라인화 또는 프로세스 디지털화 정도로 간주됐던 디지털 대전환 흐름이 혁신 모델을 앞세워 산업 전반을 흔드는 '게임 체인저'(Game Changer)로 자리 잡은 것입니다.
제조 현장에서도 데이터 분석의 중요성이 갈수록 커지고 있습니다. 예전엔 단순히 제품을 검수하고 불량을 걸러내는 방식에서 이제는 데이터 분석 플랫폼을 통해 ‘기술적 분석’에서 점차 ‘진단적 분석’으로 옮겨가고 있습니다. 즉 현재의 상태를 설명하는 것을 넘어 ‘왜 이 현상이 발생했는가’를 분석하기 위해 데이터를 활용하는 것입니다. 나아가 다음 단계에 발생할 수 있는 일을 예측하는 ‘예지적 분석’, 향후 일어날 일을 촉진하게 하거나 그런 일이 일어나지 않도록 제어하는 ‘조치적 분석'으로 진화하고 있습니다.
이렇게 데이터 수집·분석을 통해 설비고장·사고·품질 예측 및 해석을 고도화해서 생산성을 향상하는 것은 물론, 분석 기간까지 단축하고 비용을 절감하는 것이 대세적 트렌드입니다. 이미 이런 서비스를 제공하는 공급기업이 시장에 존재합니다. 대표적인 기업 중에는 SAS, 오라클, SAP, Infor, MicroSoft, IBM, Augury 등이 있습니다. 국내 공급기업 중에도 이런 기업이 적지 않습니다. 예를 들면 울라라랩, 이씨마이너, 비스텔, T3Q, 수아랩, KTM, 원프레딕트, JYTech, 팩토리몬, 엔셀 등이 그런 기업에 해당합니다.
이러한 트렌드는 미국 실리콘밸리나 일부 디지털 선진국의 전유물에 머무르지 않습니다. 전 세계적인 디지털 대전환이 경쟁적으로 펼쳐지고 있는 가운데 새로운 비즈니스 기회가 찾아오고 있습니다.
LG CNS 보험사기나 불량품 검출, 금융상품 추천 등에 ‘데이터 분석’
데이터 분석은 데이터를 기반으로 탈세 등의 패턴을 수집, 학습해 체납자 등을 추려내는 데 쓰이기도 합니다. LG CNS가 개발한 빅데이터 분석 플랫폼 DAP MLDL을 국세청에서 활용하면서부터입니다.
DAP(Data Analytics&AI Platform)는 LG CNS의 AI 개발·빅데이터 분석 플랫폼 브랜드로, LG CNS가 30여 년 동안 축적해온 DX 전문성과 노하우를 결집해 완성했습니다. MLDL은 ‘머신러닝(Machine Learning)’과 ‘딥러닝(Deep Learning)’의 약자입니다. 즉, DAP MLDL은 AI가 머신러닝과 딥러닝을 수행하며 방대한 양의 빅데이터를 처리·분석해 고객 누구나 손쉽게 AI 개발 및 비즈니스 고도화에 활용할 수 있습니다.
예컨대, 플랫폼에서 여러 개발자가 협업해 AI를 개발할 수 있고, 개발 진행현황도 공유할 수 있습니다. AI 고도화를 위한 데이터 수집과 분석, 학습, 평가 등 개발 기능도 제공합니다. DAP MLDL로 개발된 AI는 고객의 소비패턴 빅데이터를 분석해 고객의 서비스 수요를 찾아내고, 더 나아가 고객 불편을 해소할 새로운 비즈니스를 찾는 데 도움을 주기도 합니다.
LG CNS DAP MLDL 핵심 기능 7가지
LG CNS에 따르면 2019년부터 금융권, 제조업, 공공기관 등 10개 이상의 고객에 DAP MLDL을 공급하고 있습니다. 고객사는 DAP MLDL를 토대로 제조공정 내 불량품 검출, 시장에서의 제품 수요 예측, 자금세탁 등 이상 자금 거래 탐지, 초개인화 마케팅 분석 등 다양한 시스템을 구현할 수 있습니다.
금융권에서는 마이데이터 사업에 DAP MLDL을 적용, 초개인화 금융 서비스를 구축하고 있습니다. 고객은 소비자의 연령, 지역, 소득, 소비성향 등 고객 세분화, 입출금 패턴 분석, 고객 맞춤형 실시간 금융상품 추천을 수행할 AI를 개발 중입니다. 이를 통해 금융사는 각종 데이터를 기반으로 각 소비자에 적합한 재테크, 보험 상품 등을 제안하는 금융 서비스를 선보입니다.
이같은 AI 분석을 적용한 디지털 혁신으로 LG CNS의 DAP MLDL은 최근 한국정보통신기술협회(TTA)의 ‘GS(Good Software)인증’ 1등급을 획득하기도 했습니다. 이는 GS인증에서 부여하는 최고 등급으로, 소프트웨어 성능이 실제 활용하기에 적합한지, 소프트웨어 안정성은 충분한지, 나아가 소프트웨어 국제 표준을 준수해 개발됐는지 등도 종합 검증합니다.
빅데이터 시대, 디지털 현대화 가속화.. 분석 도구·운영 프로세스 중요성 커진다
데이터 과학자 또는 일부 개발자들의 영역이었던 전문화된 데이터 분석은 마케팅 부서 또는 사업 담당자와 같은 현업에서도 사용되는 추세입니다. 기업에서도 데이터 활용 기술의 저변화를 통해 기업의 데이터 문맹률 문제를 개선하고, 비즈니스 민첩성을 확보해 데이터 기반의 조직으로 거듭나고 있습니다.
데이터를 다루는 인원이 늘어난다는 것은, 이에 상응하는 기술적 책임 또한 전보다 요구되고 있다는 얘기입니다. 데이터 전문성을 확보해 직원 누구나 손쉽게 데이터를 활용하는 것은 물론, 거버넌스를 새로 정립해 효율적인 데이터 운영 프로세스 구축하는 것이 시장을 리드하는 기업의 필수 요건이 된 셈입니다.
빅데이터 분석 시장은 코로나 팬데믹으로 인한 시장 변동성에 대응하기 위해 업계 전반에서 꾸준한 성장세를 이어갈 것으로 분석됩니다. 일반 기업의 데이터 기반 디지털 전환을 이루는 움직임과 함께, 공공기관의 빅데이터 플랫폼 구축 사업 지원과 금융산업의 마이데이터(본인신용정보관리업) 사업의 확산과 같이 다양한 산업에서 데이터를 중심으로 디지털 현대화에도 속도가 붙을 전망입니다.
김연지
저서 『꿈꾸는 엄마의 미라클모닝』
2017년 올해의 여기자상
제 282회, 307회이달의 기자상
본 콘텐츠는 저작권법에 의해 보호 받는 저작물로 LG CNS에 저작권이 있습니다.
사전 동의 없이 2차 가공 및 영리적인 이용을 금합니다.
