오늘날 기업은 전례 없는 양의 데이터를 생성하고 있다. 데이터는 경제와 비즈니스 활동의 부산물로 자연스럽게 성장했지만, 오늘날에는 개인 생활과 직장 생활이 온라인에서 이뤄짐에 따라 매일 풍부한 데이터를 생성되고 있다. 실제 전 세계 인터넷 데이터의 90%는 2016년 이후 생성됐다.

10년 넘게 FAANG 기업(Facebook, Apple, Amazon, Netflix, Google)만이 방대한 양의 데이터를 대규모로 수집할 수 있었다. FAANG 기업에 데이터는 주요 제품이자 제품에 기술이 내제돼 있어 인공지능, 서버, 네트워크 인프라 등에 일찍 투자할 수 있었다. 이러한 집약적인 자원 할당은 다른 긴급한 지출과 지출 요구 사항이 있는 테크 분야와 무관한 기업은 데이터 활용이 거의 불가능했다.

최근에는 클라우드 컴퓨팅 플랫폼, 일반 도구의 개선, 머신러닝 모델의 보편화로 더 많은 기업에서 고급 데이터 기능을 사용할 수 있게 됐다. 2021년 말, 전체 기업의 절반 이상이 최소 하나의 비즈니스 기능에 인공지능을 채택했으며, 전체 기업의 4분의 1 이상이 EBITDA(Earnings Before Interest, Taxes, Depreciation and Amortization)의 최소 5%를 인공지능을 채택하는 데 사용했다.

이러한 현상은 중요한 변화다. 비기술 기업은 인공지능 도구를 통해 이미 보유한 데이터를 사용해 일반적인 방식으로 판매, 물류, 운영을 개선할 수 있게 됐다.

이제는 올바른 도구를 얻는 것만으로는 충분하지 않은 시대가 됐다. 장기적인 이익과 경쟁 우위를 확보하기 위해 기업은 데이터를 최적화하고 전략적으로 사용하는 방법을 배워야 한다. 리더는 데이터 프로세스를 비즈니스의 핵심 구성 요소로 개발하는 데 우선 순위를 둬야 한다. 데이터로 기업의 수익화를 극대화할 4가지 방법을 아래와 같이 전달한다.

데이터 사용 교육
데이터 사용 방법을 이해하는 첫 번째 단계는 이미 보유한 데이터를 이해하는 것이다. 우선 이런 질문부터 해보자. 회사는 무엇을 기록하고 있나? 무엇을 기록하지 않으며 왜 기록하지 않을까? 우리가 지킬 수 있는 어떤 정보를 버리고 있나?

데이터에 대한 인벤토리가 있으면 다른 회사가 비즈니스 기능을 개선하기 위해 유사한 데이터를 저장하고 사용하는 방식을 살펴보고 데이터 사용에 대해 교육해야 한다.

예를 들어 다른 기업의 품질 보증 기록 사용 방식과 효과가 가장 좋은 영업 프레젠테이션을 찾고, 실무자 교육 목적으로 구축하는 머신러닝 알고리즘, 공급망과 물류 데이터 상태, 타사의 최적화 프로그램 개발 여부 등이다.

구글을 모범 사례로 언급할 수 있다. 미래 비용을 절약하기 위해 유틸리티 및 건물 유지 관리에 대한 과거 데이터를 사용하기 시작했다는 것을 알고 있는 구글은 에너지 소비 데이터를 딥마인드(DeepMind)의 인공지능 프로그램에 연결해 많은 것을 달성했다. 수천 개의 센서가 수집한 온도, 전력, 펌프 속도 등에 대한 과거 데이터를 수집하고 이를 심층 신경망 그룹을 훈련하는 데 사용함으로써 딥마인드 인공지능은 냉각에 사용되는 에너지의 양을 줄이는 일련의 권장 사항을 개발했다.

이렇게 다른 회사에서 수집하는 데이터를 관찰하고 추론하면 어떤 데이터 프로세스를 유지하고 투자해야 하는지 더 자세히 이해할 수 있다.

이해하고 적용하기
데이터를 어떻게 사용하는지 이해한 후에는 최신 기술 스타트업이 데이터에서 가치를 얻고 있는지 그 방법을 확인하는 단계다.

개념 증명 계약을 통해 초기 단계의 신생 기업을 참여시키거나 초기 단계의 신생 기업과 데이터 공유 계약을 체결해 이러한 회사에서 어떤 혁신이 일어나고 있는지 이해해 보자.

예를 들어, 해커뉴스(Hacker News)와 같이 스타트업 설립자와 개발자 등 영향력 있는 이들이 읽는 뉴스 소스를 읽고 최신 제품과 최첨단 아이디어에 대해 알아보는 것도 중요하다.

구축하지 말고 구매하라
데이터 캡처와 관리에서 발생하는 많은 문제에 대해 사스(SaaS) 솔루션이 이미 존재한다. 회사는 종종 솔루션을 즉시 구매하기보다 내부적으로 이러한 문제를 해결하려고 시도한다. 신생기업들은 보통 시시템을 스스로 구축하려 시도하다가 시장 출시 시간이 늘어나고 선점자 이점을 잃어버린다.

사용 사례가 너무 구체적이어서 특별한 내부 인프라가 필요하다고 생각하지 말아야 한다. 사내 데이터 인프라 도구를 구축하는 데는 몇 달이 걸리고 유지 관리에 비용이 많이 들며 이미 시장에 나와 있는 제품보다 결과가 좋지 않은 경우가 많다.

가능하면 데이터를 구조화하고 관리하는 데 필요한 도구를 구축하는 것이 아니라 솔루션을 구입해야 한다. 도구가 비즈니스의 핵심이 아니라면 다시 만들지 말아야 한다.

데이터 해자(Moat) 구축
정상적인 비즈니스 기능 내에서 많은 양의 데이터를 수집하면 기업이 고부가가치 활동에 사용할 수 있는 구조적 데이터 해자를 구축하는 데 도움이 될 수 있다.

자율주행차 시장의 두 주요 업체인 웨이모(Waymo)와 테슬라(Tesla)의 예를 보자. 웨이모는
모델 훈련에 적합한 데이터를 캡처하기 위해 수천 시간에 달하는 거리 주행 영상을 운전하고 처리하는 데 상당한 리소스를 소비하고 있다.

거의 200만 대의 전기 자동차를 판매한 테슬라는 차량의 자율 주행 소프트웨어를 사용하는 수천 명의 테슬라 소유자로부터 쉽게 사용할 수 있는 데이터를 활용할 수 있다. 회사는 사고, 인간 행동 등에 대한 정보에 액세스할 수 있다. 이 실제 데이터를 대규모로 보유함으로써 테슬라는 경쟁업체와 차별화할 수 있었다.

또한 테슬라가 AV 열망을 포기하기로 결정해 귀중한 데이터 인벤토리를 다른 AV 회사에 판매해 계속해서 돈을 벌 수 있었다. 따라서 어떤 데이터도 버리지 말아야 한다. 미래 비즈니스 목표를 달성하는 데 사용할 수 있을 때까지 수집하고 보관해야 한다.

록펠러와 원유 부산물의 사례를 보자. 당시 대부분의 정유소 사장들은 원유를 등유로 바꾸는 과정에서 나오는 부산물을 폐기물로 간주해 버렸다. 하지만 록펠러는 그 가치를 알아봤다. 그는 파라핀 왁스를 수집해 양초 제조 업체에 판매하고 석유 젤리를 수집해 의료 공급 회사에 판매했다.

록펠러처럼 되자! 나중에 수익을 창출할 수 있도록 데이터를 보관하고 활용할 수 있는 방법을 생각해야 한다. 주요 제품이 아니라는 이유로 그것을 쓸모없는 부산물로 취급하면 안된다.

인공지능과 머신러닝이 주요 기술 기업만 누릴 수 있는 사치품이던 시대는 끝났다. 강력한 새 도구를 그 어느 때보다 쉽게 사용할 수 있는 지금 이를 잘 활용해야 한다. 기업은 이처럼 데이터 활용에 따라 성공할 수도 실패할 수도 있다. 데이터 활용으로 성패가 갈린다.

[ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]