어쩌다 데이터4 : 당장 돈이 되는 데이터 분석

당장 돈이 되는, 당장 돈을 벌어올 수 있는 데이터 분석이 있을까?

마이데이터 사업, 데이터 바우쳐 사업처럼 보유하고 있는 데이터, 로우 데이터를 판매해 수익을 내는 것 말고, 데이터 분석을 통해 얻은 인사이트, 컨설팅, 기획, 프로모션 등으로 직접적인 수익을 낼 수 있을까? 더 나아가 데이터 분석이 비즈니스 모델이 될 수 있을까?

 

1. 분석가들아, 돈 벌어와!

 

현재 다니고 있는 회사에서 발생하고 있는 악순환 먼저 짚어 보고자 한다.

 

 

분석가 퇴사 무한 루프

 

작년까지 이 악순환의 출발은 데이터 비즈니스의 당장의 매출을 내라는 압박에서 시작한다고 생각했다. 저번에 2021.02.04 - [그냥 생각난 것들] - "Data-Driven-Decision" vs "Decision-Drives-Data"에서 한번 정리했듯이 데이터 인사이트 중 당장에 돈이 될만한 엘도라도가 표시된 지도 같은 건 드물다. 더군다나 주어진 데이터가 노말하다면 그 결과 또한 노말할 확률이 높기 때문에, 거기다 특별히 엄청난 분석(고도화된 알고리즘 혹은 컴퓨팅 파워를 이용한 분석)을 진행하지 않는 상황이라면 더더욱 특별한 결과를 기대하긴 드물다. 하지만 경영진은 데이터 분석가와 그에게 쥐어준 자사의 데이터가 황금알을 낳는 거위라고 생각한다.

 

 

배를 갈라버리진 않아서 다행인건가..

 

실상은 엄청난 정비가 필요한 로우 데이터와 빈약한 데이터 분석 인프라가 기다리고 있을 뿐이다. 이런 상황에서 인프라 투자 요청이 거절 당하는 흥미로운 상황을 꽤나 목격했다. 보통 전개가 이렇다.

 

분석가 : "데이터 정비 작업이 필요합니다. 그리고 신규 비즈니스를 진행하기 위해서 프로젝트 먼저 띄워보려고 합니다. 이걸 위해선 클라우딩 인프라가 필요합니다."
경영진 : "얼마의 시간과 비용이 드나요?"
분석가 : "~~~정도에 ~~원정도 들것 같습니다"(꽤나 큰 금액)
경영진 : "그럼 그 프로젝트로 수익이 얼마나 나나요?"
분석가 : "~~정도 날 것 같습니다. 하지만, 인프라를 구축하면 유사한 프로젝트, 빠른 분석환경을 갖춰 ~~에서 경쟁력을 갖출 수 있습니다"
경영진 : "기존의 데이터 비즈니스는 그런게 필요 없지 않나요?"
분석가 : "그렇긴 한데 이번에 갖추고 나면 더 고도화된 분석이 가능합니다"
경영진 : "그럼 수익이 얼마나 더 생길까요?"
분석가 : .....
경영진 : "수익화 자신 있나요?"
분석가 : .'.....기존 업무 하면서 새로운 프로젝트 인프라 구축에 수익화까지 어떻게 장담해 ㅠㅠ'

 

몇 번 이런 식으로 흐지부지 되거나 뭉개지는 경우를 봤다. 그러면서 아 정말 이렇게는 어떤 투자도 할 수 없겠다고 생각했고, 당장에 돈이 되는 데이터 분석이 어디있겠냐며 다른 분들과 한탄했다. 몇몇 분은 다른 직장으로 떠났고, 몇몇 분들은 아직 남아 단순 추출 업무 지옥과 타겟팅 업무에 지루한 날들을 보내고 있다.(이 업무를 폄하하는 게 아니라 좀더 재밌는 분석업무를 하고 싶으셨던 분들이었기 때문에) 

 

 

2. 데이터는 차트가 아니라 돈이 되어야 한다.

 

그러다 올해 들어 하용호님의 글을 읽으며 조금 다른 생각을 할 수 있었다.

 

www.slideshare.net/yongho/ss-52116574

데이터는 차트가 아니라 돈이 되어야 한다.

 

이 슬라이드를 읽으며 느낀 점을 요약해보자면 다음과 같다.

 

1. 데이터 분석도 돈으로 이야기 해야 한다.

2. 액션(실험)으로 이어지지 않는 분석은 힘이 없다.

3. 액션(실험)은 분석의 끝이 아니라 시작이다. 

4. 빠른 실험과 결과를 볼 수 있다면 할 수 없던 생각을 할 수 있게 된다.

5. 분석의 힘은 정량화에 있음

6. 돈이 되는 분석이 뭔지는 해봐야 찾을 수 있다.

 

1) 실험은 분석의 끝이 아니라 시작

 

사실 데이터 분석을 통해 얻고자 하는 결과물이 실험에 그칠 때가 많았던 것 같다. 고급 알고리즘, 보단 정교한 고객군 추출을 진행해 결국 새로운 프로모션을 돌려보는 것에 그쳤다. 분석 목적이 테스트 할 기회를 얻는 것에 그쳤던 것이다. 테스트를 진행하기도 어려웠지만 혹여나 진행할 기회를 얻으면 그 결과를 확인하고, 향샹된 반응률에 대해 보고하고, 추후 계획 혹은 적용 범위 등에 대해 보고하는 것에서 끝났다. 그 이후엔 또다시 실험할 기회를 얻기 위한 분석을 시작할 뿐이었던 것 같다.

 

이렇게 해보면 어떨까?

 

A 프로모션의 반응률을 향상시키기 위해 추출 알고리즘 고도화 작업을 진행한다. A/B 테스트를 통해 후보군 알고리즘의 타겟팅 테스트 결과를 비교하고, 최적의 알고리즘을 찾는다. 해당 알고리즘을 A 프로모션에 적용 해보고 유사한 고도화 작업을 진행할 프로모션을 탐색해본다.

 

2) 분석의 힘은 정량화

 

 "돌을 던지면 날아간다는 사실은 초딩도 알지만 힘, 각도, 거리를 정확히 재면 사람이 달도 간다"

 

정말 속이 후련해지는 비유였다. 정말 그놈의 현업들의 무한 디펜스였던 '저희도 다 알죠'류에 일침을 가하는 비유였다. 동시에 이전 접근 방법이 잘못되었었구나 생각했다. '너희가 몰랐던 걸 알려줄게' 혹은 '알던 걸 정교하게 다시 알려줄게'가 아닌 '알던 걸 정량화 해서 너희들의 재산으로 만들어줄게', 혹은 '알던 걸 토대로 새로운 걸 할 수 있게 도와줄게'가 되어야 하지 않았을까?

 

3. 뭐가 필요할까?

 

시스템이 필요하다. 빠르게 실험해 볼 수 있는 시스템이 필요하다. 동시에 일단 해 보는 조직문화도 필요할 것 같다. 시스템은 투자의 문제일 것 같은데 조직문화는 어떻게 심어질까..감이 안온다. (이 부분은 나중에 다뤄봐야겠다.)

 

하용호님이 슬라이드에서 추천한 방법인 데이터 엔지니어링의 허들을 낮추는 것과 실험 결과 테스트의 허들을 낮추는 것 두 가지 중 현재 다니고 있는 회사는 두 번째가 절실한 것 같다. 일단은 시스템! 특히 엄청난 인프라의 분석 시스템, 빠방한 클라우딩 시스템 보다 당장 실험해볼 수 있는 시스템을 갖춰야 할 것 같다. 테스트를 위한 데이터 분석이 아닌 테스트를 해본 데이터 분석을 할 수 있어야 하지 않을까.

 

지금 당장 어떤 것을 바꿀 수 있을까?