데이터 리터러시 뜻과 활용 방법, 기업의 활용 사례
구글의 수석 이코노미스트 할 베리안(Hal Varian)은 “데이터 리터러시 역량은 누가 어떤 비즈니스에 종사하든 관계없이, 앞으로 10년간 가장 중요한 비즈니스 능력이 될 것”이라고 말한 바 있는데요. 그가 말하는 데이터 리터러시란 무엇일까요? 데이터 리터러시의 뜻과 요소를 알아보고, 데이터 리터러시가 중요한 이유와 기업의 활용 사례를 소개해 드리겠습니다.
1. 데이터 리터러시란
출처: TechTarget
1) 데이터 리터러시(Data Literacy) 정의
데이터 리터러시에서 리터러시(Literacy)란 ‘문해력’을 뜻하는데요. 데이터 리터러시는 다양한 방식으로 데이터를 읽고, 이해하고, 분석하며, 이를 기반으로 데이터에 기반한 결정을 내리는 능력을 말합니다. 특히 최근 빅데이터의 중요성이 강조되면서 데이터 리터러시라는 개념이 주목받기 시작했습니다.
구글의 할 베리안이 말한 것처럼, 조직의 의사 결정권자라면 데이터 리터러시 역량을 갖추는 것이 중요한데요. 데이터를 능숙하게 다룰 수 있어야 조직 차원에서 디지털 전환에 효과적으로 대응하고, 조직 전체의 역량을 높일 수 있기 때문입니다. 데이터 리터러시는 IT 관련 부서는 물론 마케팅, 제품 생산, 물류, 재무, 회계, 인사 등 대부분의 분야에서 필수적으로 갖춰야 하는 역량입니다.
2) 데이터 리터러시 역량의 요소
데이터 리터러시 역량은 데이터를 수집하고 분석하며 활용하는 능력까지 모든 과정을 포함합니다.
데이터 이해 및 설계 능력: 가공을 거치지 않은 여러 가지 데이터 중에서 유의미한 데이터가 어떤 종류인지 파악하고, 데이터의 품질과 구조 등을 이해해야 합니다. 또한 어떤 데이터를 수집할지 설계할 때도 데이터 이해 능력이 필요합니다. 아무리 많은 데이터이더라도 활용 목적에 부합하지 않으면 불필요한 데이터 덩어리에 불과합니다.
데이터 가공 및 분석 능력: 수집한 데이터를 목적에 맞게 가공하고 분석해 결과를 도출하는 능력이 필요합니다. 데이터를 단순히 수치로만 해석하는 것이 아니라, 각 수치를 바탕으로 어떤 사실을 유추하고 가설을 세울지 결정할 수 있어야 합니다.
의사결정 능력: 데이터 분석 결과를 바탕으로 합리적인 의사결정을 내리고, 데이터 기반으로 유관 부서의 사람이나 상사를 설득하는 능력 역시 중요합니다.
2. 데이터 리터러시 활용 방법
출처: Insight Dials
STEP 1. 데이터 활용 목적 설정
데이터를 제대로 활용하려면 현재 기업이 가진 문제를 우선 정의해야 하는데요. 만약 신규 고객 유입이 과제라면, 고객 유입 성장이 저조한 원인과 해결 방안을 찾는 데 필요한 데이터를 정의하고 수집해야 합니다. 목적이 분명하지 않으면 너무 포괄적이거나 범위가 넓은 데이터를 수집하게 되고, 데이터를 수치로만 해석한 결과를 도출할 수밖에 없습니다.
STEP 2. 목적에 맞는 데이터 수집
데이터 수집 목적이 정해졌다면, 데이터 분석을 통해 하고자 하는 이야기가 무엇인지 고민하고, 그 이야기를 가장 효과적이고 신뢰 있게 전달할 수 있는 데이터를 수집해야 합니다. 데이터를 선별할 때는 누가, 언제, 무엇을, 어떻게 했는지 구체적인 행동을 담고 있는지 고려하는 것이 좋습니다. 예를 들어 신규 고객을 분석할 때 나이, 성별, 거주지와 같은 인구통계학적 데이터 외에 사이트 체류 시간이나 유입 경로, 첫 구매 제품 등 고객의 행동을 유추할 수 있는 데이터를 수집하면 도움이 됩니다.
STEP 3. 수치 해석 및 결론 도출
수집한 데이터의 수치를 해석했다면, 이를 바탕으로 결론을 도출해야 합니다. 만약 신규 고객 유입 경로의 데이터 비중이 [프로모션 > 광고 > 추천 > 검색 > 기타] 순이었다면, ‘프로모션을 통한 고객 유입 비중이 가장 높았다’는 수치 해석에 불과합니다. 데이터 리터러시 역량을 활용한다면, 이러한 수치를 바탕으로 ‘정기적 프로모션을 통해 신규 유입을 늘린다’와 같은 전략을 제시해야 합니다.
3. 데이터 리터러시 활용 사례
1) 넷플릭스
출처: Tech M
넷플릭스는 콘텐츠 선호도, 시청 시간, 시청 기록, 검색 기록 등 고객 개인의 데이터를 수집하고 분석해 AI 추천 알고리즘에 반영하는데요. 넷플릭스에 접속했을 때 콘텐츠가 노출되는 순서, 썸네일 이미지 등을 개인화해 제공하는 것이 특징입니다. 넷플릭스는 추천 알고리즘을 구축하기 위해 2006년부터 개발에 나섰고, 연간 약 100만 달러를 투자하고 있는데요. 넷플릭스 전체 매출의 60%가 AI 추천 알고리즘을 통해 발생할 만큼 높은 효율을 기록하고 있습니다.
2) 스타벅스
출처: 지디넷
스타벅스는 입점 위치 선정을 잘하는 것으로 유명한데요. 새로운 스타벅스 매장을 열기 전에 기존 매장의 위치와 상권, 지역 인구 통계 등 상권과 관련된 다양한 데이터를 바탕으로 최상의 입점 위치를 찾는다고 합니다. 데이터를 기반으로 입점 위치를 찾고 신규 매장의 매출도 예상하기 때문에 한 지역에 스타벅스 매장이 여러 점 모여 있어도 기존 매장의 매출에 타격을 입지 않습니다. 또한 사이렌 오더를 통해 고객 개개인의 커피 취향을 파악하고, 매장 방문 예상 시간 등을 파악해 적절한 메뉴를 추천하기도 합니다.
3) 자라
출처: TIN 뉴스
패션 브랜드 자라(ZARA)는 데이터 리터러시를 활용해 고객이 원하는 것을 누구보다 빠르게 파악하는 수요 예측 모델을 구축하고 1% 미만의 신제품 실패율을 자랑합니다. 자라는 1년을 15개 시즌으로 나눠 제품을 디자인하고, 일주일에 두 차례 신제품을 출시하는데요. 매일 소비자의 행동과 판매 데이터, 각 지점의 특성, 각 제품의 매출 등의 데이터를 수집하고 분석합니다. 데이터를 기반으로 고객이 가장 원하는 제품을 디자인하고 판매하기 때문에 1%의 낮은 실패율을 기록할 수 있었던 것이죠.
또한 자라의 모든 옷에는 RFID 태그가 붙어 있는데요. 자라는 RFID 태그로 수집한 데이터를 통해 고객이 어떤 옷을 많이 입어보고 구매했는지 분석하고, 고객이 선호하는 디자인을 파악해 10%라는 낮은 재고율을 유지할 수 있었습니다.
과거에는 ‘빅데이터’라는 용어가 업계에서 주목받았지만, 최근에는 데이터를 분석하고 결론을 도출하는 것의 중요성이 부각되면서 데이터 리터러시에 관심이 많아지고 있습니다. 하지만 우리 기업의 성장에 필요한 데이터가 무엇인지 판단하고, 효율적으로 수집해 분석하는 것이 쉽지는 않습니다. 데이터의 중요성은 알지만 데이터 수집과 분석에 어려움을 겪었다면 다빈치에게 문의해 보세요.
다빈치는 스타트업부터 대기업까지 다양한 고객군에게 데이터 분석과 AI 개발, 기업용 소프트웨어 제작, 자동화 컨설팅 등의 서비스를 제공합니다. 베인앤드컴퍼니, 우아한형제들(배달의민족), 삼성 출신 멤버들로 구성된 다빈치 팀을 데이터 분석 TF팀으로 활용해 보세요!