기업 변화하고 싶다면 통계치 모니터링 해야
과거·현재에 대한 이해·변화 대응 할 수 있어
백신 맞고 항체 키우듯 데이터 쌓고 활용 필요
요즘처럼 모든 국민들이 데이터를 보고 데이터에 관심을 가지고 생활했던 때가 또 있었을까? 우리집 6살 막내도 매일 아침 코로나19 확진자 수에 대한 통계를 확인하는 것이 익숙해졌다. 사실 그 전에는 매일 미세먼지 수치를 확인하고 있기도 했다. 우리는 이제 어느 지역에서 얼마나 발생을 했고, 그 유형이 집단감염인지, 소규모의 산발적 감염인지, 그리고 감염경로는 확인된 케이스인지를 보면서 대략적인 심각성을 판단하고 이해할 수 있게 됐다. 그도 그럴것이 매일 중앙방역대책 본부에서 국내 코로나19 현황을 브리핑 해주면서 그러한 수학적 통계가 어떤 의미를 가지는지 설명해주기 때문에 이제는 숫자만 보더라도 제법 그 의미를 이해할 수 있게 된 것이다.
이러한 변화는 개인의 일상뿐만 아니라 기업들의 변화에서도 확인할 수 있다. 많은 기업들이 데이터 기반의 의사결정·조직체계·사업혁신을 이야기하는 것은 더이상 낯설지 않다. 그리고 가장 먼저 준비하는 것이 실시간으로 회사의 현재 상황에 대해서 이해하기 위해서 각종 지표들에 대한 통계치를 모니터링 하는 것이다. 이런 데이터들이 쌓이면 과거와 현재를 이해하는 것은 물론, 그 경험을 통해서 변화를 마주했을 때 빠르게 대응할 수 있게 되는 것이다.
예를들어, 코로나로 가장 많은 타격을 입었던 여행업체들 중에서는 예약 가능한 숙소의 리스트를 대규모 관광지 중심에서 지역의 작고 독립적인 숙소를 중심으로 재편하고, 다시 매출 성장을 이끌어가는 회사도 있다. 이 회사는 예약자들이 비대면으로 모든 서비스를 사용할 수 있게끔 프로세스 또한 바꾸고 있다. 그러면 이러한 변화의 근거는 무엇이었을까? 그렇다 바로 현상을 분석할 수 있는 데이터이다. 데이터를 통해서 코로나19 상황에서 드러난 고객의 여행 패턴 변화를 감지하고 이에 빠르게 대응해서 기존의 서비스를 조정한 결과인 것이다. 숙소 예약을 온라인으로 하기 시작하면서 예약자의 지역, 성별, 나이 등의 정보에 따라서 어떤 선호를 보이는지 어떤 패턴으로 여행을 하는지 파악할 수 있게 되었고, 변화가 생겼을때 이를 감지할 수 있는 능력, 즉 데이터가 생긴 것이다.
제조업에서도 이런 예들은 있다. 휴지를 만드는 공장에서는 기계가 감아내는 속도가 동일하더라도, 온도나 습도 등의 환경에 따라서 제품이 영향을 받아 끊어지는 경우가 발생한다. 이때는 기계를 멈추고 다시 이어준 후에 재가동을 해야하는데 이 시간에 따라 생산성에 영향을 많이 받게 된다. 이럴때 온도와 습도 그리고 기계의 진동까지 센서를 통해서 실시간으로 데이터를 수집하고 미세한 변화에 따라 기계의 회전 속도를 조정하면 이걸 개선할 수 있다. 실시간으로 속도를 조정하는 데에는 인공지능 기술을 활용해서 자동화시키고, 진동 데이터를 통해서 미리 기계의 고장도 감지해 낸다.
이러한 기업들의 예시는 마치 우리가 백신을 맞아서 면역력을 키우고 항체를 만들어내는 것과 비슷하다. 기업들도 이렇게 데이터를 쌓고 활용하면서, 대응 전략에 대해서 학습을 하는것이다. 많은 전문가들이 코로나19 같은 펜데믹 상황은 앞으로도 반복해서 일어 날 수 있다고 예상하고 있다. 이러한 바이러스의 유행이 아니더라도 자원의 고갈이나 기후 변화로 인한 리스크들이 언제 어떻게 우리에게 영향을 미칠지 모른다. 그래서 기업들은 이 극단적인 변화의 상황에 대해서 데이터를 가지고 보다 폭넓고 복잡하게 연결된 수많은 연쇄 반응들에 대해서 이해하고 모니터링 하는 노력이 필요하다. 데이터를 통해서 어떤 리스크 요인들이 있는지 확인했다면, 다음에 유사한 현상이 발생했을때 어떤 것들을 우선적으로 처리해야하는지 어떻게 대처해야 하는지 알게 되는 것이다.
그런 의미에서 지금의 이 어려운 현실을 받아들이는 것보다 조금 더 기꺼이 무언가를 하길 바란다. 우리는 2021년을 다같이 마주했다. 2020년과 동일한 상황이 계속되고 있는 지금, 어떻게 다른 한 해를 보낼 수 있을까? 나는 데이터가 그 변화를 이끌어가는 원천이 된다고 확신한다. 그리고 이것을 위해서 아주 작은 실험이라도 꾸준히 하기를 부탁드린다. 가장 해결하고싶은 문제는 무엇인가? 그 중에서 작고 심플하지만 빠르게 시도해볼 수 있는 과제는 무엇인가? 여기에 대한 답을 찾고 반복해서 시도해보는 것이다. 그래야 데이터에 익숙해지고, 데이터를 활용하는 근육이 조직에 생길 수 있다. 당신은 미래를 위한 실험을 하고 있는가?