이제 기업들은 데이터와 예측 분석 기술을 활용하면 문제가 언제, 어디서, 어떻게 일어날지를 예측하고 더 큰 문제가 발생하기 전에 사전에 대응할 수 있게 됐다. 일례로 자동차 업체인 BMW는 예측분석 기술을 도입해 실린더 헤더의 불량률을 16주 동안 50%나 줄였다. 아시아의 한 수도국은 누수 가능성이 있는 수도관을 미리 발견, 교체해 24% 누수를 사전에 방지했다.
이제 기업들은 방대한 양의 데이터를 활용해 예측 분석을 통한 기업의 문제점이나 위기를 미리 판단할 수 있는 시대에 도래한 것이다. 수 만대의 운송 설비 인프라와 자산을 보유한 기업체들은 차량에 부착된 센서에서 수집된 데이터를 통해 엔진오일의 양, 상태, 주기 등을 지능적으로 파악할 수 있게 된다. 오일이나 부품 교체가 필요한 정확한 시기를 미리 예측해 알려준다. 방대한 설비 인프라의 높은 유지보수비만 고려하더라고 기존 일괄 처리하는 정비방식은 더 이상 비효율적임을 알 수 있다.
IBM이 글로벌 CEO들을 대상으로 조사한 결과, CEO의 60%가 비즈니스의 빠른 변화 속도와 방대한 데이터양을 효과적으로 컨트롤할 수 있는 수준을 넘어섰다는 의견에 동의했다. 그럼에도 불구하고 IBM이 조사한 비즈니스 리더들 5명 중 4명 꼴로 데이터가 여전히 경쟁우위의 필수적인 원천이라고 평가하고 있다.
결국 정보를 통찰력으로 바꾼다는 것은 기업이 자사의 비즈니스와 정보 전략을 조율해야 함을 의미한다. 이 말은 예측 분석 기술을 포함한 빅데이터 활용에 대해 CIO 뿐 아니라 경영진들 모두 협조하여 신속한 의사 결정을 허용하는 문화적 변화를 받아들일 자세가 되어야 함을 시사한다. 이에 필자는 빅데이터를 위한 예측 분석 기술 활용의 몇 가지 접근 방식에 대해 소개하려 한다.
첫 번째, 예측 분석 기술 도입을 위한 시스템이 필요하다. 장기간 축적된 분석 정보에 기반한 통계 모델링을 통해 예측 분석을 하고 이에 기반해 비즈니스 결정을 내릴 수 있는 시스템을 갖춰야 한다. 미국의 세튼 헬스케어 패밀리(Seton Healthcare Family)는 퇴원 환자가 30일 이내에 상태 악화로 다시 입원하게 되는 재입원율을 줄이기 위한 시스템을 마련했다. 임상 기록과 치료 결과를 통계 모델링해 재입원 가능성을 예측한다. 그리고 이를 병원 운영에 적극 반영한다.
기업들은 예지정비(Predictive maintenance)라고 불리는 분석법을 활용할 수 있다. 이는 1초에 수천 가지의 문제점을 스캔하는 센서와 분석툴을 통해 어떤 부분에서 고장이 발생할 것인지, 어떤 부분에서 파이프가 파열될 것인지, 심지어는 어떤 폭풍우가 정전을 일으킬 것인지를 예측할 수 있게 한다. 이 분석법 도입을 위한 기업 차원의 시스템 구축도 같이 따라줘야 한다.
두 번째, 비즈니스 분석 역량 센터와 같은 조직을 별도로 두어 임직원들의 분석 서비스 역량을 강화해야 한다. 빅데이터 분석은 과거 기업에서 수학이나 통계 전문가들의 전유물이었다. 하지만 앞으로는 기업의 어떤 부서든 데이터를 효율적으로 수집, 분석, 예측할 수 있도록 기량이 요구될 것이다.
세 번째, 예측 분석을 위해서는 모바일까지 범위를 확대해야 한다. 오늘날의 사회는 스마트폰, 아이패드, 랩탑 등으로 인해 직원, 고객, 파트너는 이동성 업무가 원활해 졌다. 의사는 외출 중에도 환자의 의료기록을 볼 수 있고, 은행원이나 보험회사 직원은 고객을 위한 개별상품을 만들기 위해 데이터를 이용, 대출과 정책 데이터를 분석할 수 있어야 하는 것처럼 오늘날에는 누구나 이동 중에도 쉽게 데이터를 이해할 수 있어야 한다.
결정적으로 예측 분석 기술을 도입한 선두 주자와 후발 주자간의 성과 차이를 보면 해결책이 바로 보인다. 첨단 분석 서비스를 성공적으로 도입한 기업은 그렇지 못한 기업보다 매출 증가율이 33%가 높고 이익 증가는 12배에 달한다고 한다. 분석 서비스에 대해 현명해져야 할 시점이 있다면 바로 지금이다.
홍성광 한국IBM 소프트웨어그룹 상무
이제 기업들은 방대한 양의 데이터를 활용해 예측 분석을 통한 기업의 문제점이나 위기를 미리 판단할 수 있는 시대에 도래한 것이다. 수 만대의 운송 설비 인프라와 자산을 보유한 기업체들은 차량에 부착된 센서에서 수집된 데이터를 통해 엔진오일의 양, 상태, 주기 등을 지능적으로 파악할 수 있게 된다. 오일이나 부품 교체가 필요한 정확한 시기를 미리 예측해 알려준다. 방대한 설비 인프라의 높은 유지보수비만 고려하더라고 기존 일괄 처리하는 정비방식은 더 이상 비효율적임을 알 수 있다.
IBM이 글로벌 CEO들을 대상으로 조사한 결과, CEO의 60%가 비즈니스의 빠른 변화 속도와 방대한 데이터양을 효과적으로 컨트롤할 수 있는 수준을 넘어섰다는 의견에 동의했다. 그럼에도 불구하고 IBM이 조사한 비즈니스 리더들 5명 중 4명 꼴로 데이터가 여전히 경쟁우위의 필수적인 원천이라고 평가하고 있다.
결국 정보를 통찰력으로 바꾼다는 것은 기업이 자사의 비즈니스와 정보 전략을 조율해야 함을 의미한다. 이 말은 예측 분석 기술을 포함한 빅데이터 활용에 대해 CIO 뿐 아니라 경영진들 모두 협조하여 신속한 의사 결정을 허용하는 문화적 변화를 받아들일 자세가 되어야 함을 시사한다. 이에 필자는 빅데이터를 위한 예측 분석 기술 활용의 몇 가지 접근 방식에 대해 소개하려 한다.
첫 번째, 예측 분석 기술 도입을 위한 시스템이 필요하다. 장기간 축적된 분석 정보에 기반한 통계 모델링을 통해 예측 분석을 하고 이에 기반해 비즈니스 결정을 내릴 수 있는 시스템을 갖춰야 한다. 미국의 세튼 헬스케어 패밀리(Seton Healthcare Family)는 퇴원 환자가 30일 이내에 상태 악화로 다시 입원하게 되는 재입원율을 줄이기 위한 시스템을 마련했다. 임상 기록과 치료 결과를 통계 모델링해 재입원 가능성을 예측한다. 그리고 이를 병원 운영에 적극 반영한다.
기업들은 예지정비(Predictive maintenance)라고 불리는 분석법을 활용할 수 있다. 이는 1초에 수천 가지의 문제점을 스캔하는 센서와 분석툴을 통해 어떤 부분에서 고장이 발생할 것인지, 어떤 부분에서 파이프가 파열될 것인지, 심지어는 어떤 폭풍우가 정전을 일으킬 것인지를 예측할 수 있게 한다. 이 분석법 도입을 위한 기업 차원의 시스템 구축도 같이 따라줘야 한다.
두 번째, 비즈니스 분석 역량 센터와 같은 조직을 별도로 두어 임직원들의 분석 서비스 역량을 강화해야 한다. 빅데이터 분석은 과거 기업에서 수학이나 통계 전문가들의 전유물이었다. 하지만 앞으로는 기업의 어떤 부서든 데이터를 효율적으로 수집, 분석, 예측할 수 있도록 기량이 요구될 것이다.
세 번째, 예측 분석을 위해서는 모바일까지 범위를 확대해야 한다. 오늘날의 사회는 스마트폰, 아이패드, 랩탑 등으로 인해 직원, 고객, 파트너는 이동성 업무가 원활해 졌다. 의사는 외출 중에도 환자의 의료기록을 볼 수 있고, 은행원이나 보험회사 직원은 고객을 위한 개별상품을 만들기 위해 데이터를 이용, 대출과 정책 데이터를 분석할 수 있어야 하는 것처럼 오늘날에는 누구나 이동 중에도 쉽게 데이터를 이해할 수 있어야 한다.
결정적으로 예측 분석 기술을 도입한 선두 주자와 후발 주자간의 성과 차이를 보면 해결책이 바로 보인다. 첨단 분석 서비스를 성공적으로 도입한 기업은 그렇지 못한 기업보다 매출 증가율이 33%가 높고 이익 증가는 12배에 달한다고 한다. 분석 서비스에 대해 현명해져야 할 시점이 있다면 바로 지금이다.
홍성광 한국IBM 소프트웨어그룹 상무
[ 저작권자 ⓒ디지털타임스, 무단 전재 및 재배포 금지 ]
