모두를 위한 데이터 과학: 예측 분석의 중요성 이해하기 Data Science for Everyone: Understanding the Importance of Predictive Analytics

Stacey McDaniel | 26 September, 2021

주제: Predictive Analytics, data literacy, 데이터 과학

Greg Kinsey는 EMEA에서 Hitachi Vantara Manufacturing Practice를 총괄하는 산업 자문가 겸 임원 컨설턴트입니다. Greg와 그의 팀은 주로 유럽의 산업 기업들과 협업하며 디지털 전환을 구상, 계획 및 실행하도록 지원합니다. Greg가 말하는 자신의 일은 기업들이 "디지털 도구를 활용하여 효율성, 친환경성, 민첩성, 생산성을 향상하도록" 돕는 것입니다.

Greg는 전 세계적으로 자동차, 전자, 항공우주, 소비재 등을 비롯한 주요 제조업 분야에서 30년 이상의 협업 경험을 보유하고 있습니다. 이번에는 이 블로그의 여러 데이터 과학 주제에 대한 Greg의 견해를 들어볼 수 있었습니다.

데이터 분석 기술을 보편화하는 것은 얼마나 중요한가요?

저는 거의 모든 산업 분야에서 데이터 분석 기술을 도입하는 것이 필수적이라고 생각합니다. 오늘날에는 공장, 사무실, 서비스 센터 또는 기타 고객 대면 업무 등 모든 역할이나 산업에 관계없이 데이터 분석 기술을 손쉽게 이용할 수 있어야 합니다. 데이터는 의사결정 능력을 향상시켜 업무를 최적화하는 데 도움이 됩니다. 또한 실수를 사전에 방지할 수도 있죠. 업무에 적합한 데이터를 확보하면 생산성이 향상되고, 스트레스가 줄어들고, 업무 만족도도 높아집니다.

모두에게 데이터 리터러시는 얼마나 중요한가요?

데이터 리터러시도 중요하지만, 그보다 더 중요한 것은 직장에서도 집에서처럼 데이터를 간편하게 활용하기 위한 도구가 필요하다는 사실입니다. 디지털 혁신은 제일 먼저 소비자 혁명으로 일어났습니다. 이는 전자상거래, 소셜 미디어, 개인정보에 대한 모든 것이었습니다. 오늘날에는 대부분의 사람들이 집에 디지털 기기를 보유하고 있으며, 거의 항상 손이나 손목에 휴대합니다. 여러분의 취미가 무엇이든 상관없이 분명 데이터를 활용하고 계실 것입니다. 마라톤 선수, 아마추어 요리사 또는 음악가, 골동품 복원가, 각종 스포츠 애호가 등 모두가 데이터를 활용합니다. 우리는 거의 모든 일상 생활에서 데이터를 이용하여 삶의 수준을 높이고 있습니다. 하지만 직장에서는 이러한 전환이 아직 완전히 이루어지지 않았습니다.

이미 업계에서는 일부 데이터를 수집하고 보고하고 있지만, 모두가 올바른 분석 기술을 활용하여 업무를 개선하고 있지는 않습니다. 따라서 문제는 데이터 리터러시에 대한 것이 아닙니다. 조직은 적합한 환경을 만들고, 적절한 위치에 사용이 간편하고 알맞은 도구를 배포해야 합니다. 이렇게 하면 궁극적으로 모든 인력이 분석 기술을 활용할 수 있습니다.

데이터 리터러시를 향상시킬 필요성을 느끼시나요? 퀴즈를 통해 5가지 질문에 답변할 수 있는지 확인해 보세요 >

퀴즈 풀기

 

사용자 커뮤니티를 확장하기 위해 데이터 과학에 대한 접근성을 높여야 할까요? 그렇게 하는 것이 왜 중요한가요?

데이터 과학은 우리가 하는 모든 일의 일부가 되어야 합니다. '데이터 과학자'라는 말에는 다소 오해의 소지가 있는데, 저는 기초통계를 활용하는 사람이라면 누구나 데이터 과학자라고 생각합니다. 거의 모든 전문직에서 엄격한 사용 데이터가 증가하고 있습니다. 따라서 어떤 일에 종사하든 관계없이 모든 사람이 '데이터 과학자'가 될 것입니다.

저는 1990년대에 Six Sigma 운동을 시작하는 데 깊이 관여했습니다. 그 당시 저희는 산업 노동자에게 기본적인 통계 도구를 제공하는 것이 얼마나 중요한지 깨달았습니다. 그때는 '데이터 과학자'가 아니라 '블랙 벨트'라는 용어를 사용했습니다. ‘블랙 벨트’는 데이터 과학을 이용하여 프로세스를 설명하고, 문제를 해결하고, 일상 작업에 기본적인 분석 기술을 적용했습니다. 이를 계기로 데이터 과학이 산업 운영에 맨 처음 뿌리를 내렸습니다. Six Sigma는 디지털 전환을 위한 기반을 마련했습니다.

오늘날 비즈니스 세계는 데이터의 가치를 인정하기 시작했습니다. 올바른 데이터를 활용하면 문제를 더욱 쉽고 빠르게 해결할 수 있으므로, 데이터는 생산성과 의사결정 능력을 높이고 직원들의 스트레스를 줄이는 데에도 큰 효과가 있다는 것이 증명되었습니다. 

디지털은 IT 부서에만 중요한 주제인가요?

아닙니다. 디지털은 조직 전체를 위한 주제라고 생각합니다. 데이터 및 분석 기술, 그리고 관련 도구의 활용은 거의 모든 직무로 확대되어야 합니다. 모든 직원으로 하여금 일상 업무에 도움이 되는 데이터에 접근하도록 허용하기보다는, 소수의 '전문가'에게만 데이터를 단편적으로 제공하는 기업이 너무 많습니다.

이제는 운영 관리자도 해당 직무에 맞는 디지털 전략을 소유하는 시대로 바뀌고 있습니다. 따라서 유지 관리 부서, 품질 부서, 마케팅 부서 또는 공급망을 관리하는 리더는 해당 부서의 디지털화에 대한 책임을 지고 있는 셈입니다.

저희는 Hitachi와 진행하는 대부분의 컨설팅 작업은 직무 리더와의 협업입니다.

IT 부서는 디지털화를 지원하지만, 하지만 실제 디지털 전환은 사용자가 참여하는 운영 관점에서 이루어집니다. 운영 관리자는 어디에서 디지털화를 시작해야 하는지 가장 잘 알고 있으며, 미래 운영에 대한 비전을 지니고 있을 때도 많습니다. 최적의 아이디어는 대부분 일상 작업을 수행하는 직원들에게서 나오므로 디지털 전환 계획에 직원들을 참여시키는 것이 중요합니다.

이는 새로운 시스템이 구현되면 조직이 IT 기술에 맞게 업무 방식을 변경해야 했던 20년 전과 비교했을 때 매우 큰 변화입니다. 그때는 많은 기업들이 엄격한 MES 또는 MRP 요구 사항을 충족하기 위해 비즈니스 프로세스를 조정해야 했습니다. 이로 인해 운영 혁신과 최적화가 가로막힐 때도 많았습니다.

하지만 지금은 상황이 달라졌습니다. 이제는 작업 프로세스에 적합한 디지털 인터페이스, 알고리즘 및 플랫폼을 구축할 기회가 있습니다. 애자일 방법론(agile method)에서는 해결할 문제와 필요한 사용자 경험에 초점을 맞춥니다. 따라서 IT 부서는 이러한 혁신을 지원하고 전체 IT 인프라에 맞게 최적화해야 합니다. 

조직은 로우코드(low-code)와 노코드(no-code) 솔루션에 대한 투자를 우선시해야 하나요?

그렇습니다. 우리가 스마트폰을 사용하는 방식을 생각해보세요. 코딩에 대한 지식 없이도 누구나 스마트폰으로 유용한 작업을 할 수 있습니다. 직장에서 사용하는 분석 도구도 이와 마찬가지여야 합니다. 사용자 경험은 쉽고 빠르고 관련성이 높아야 합니다.

비즈니스 세계의 IT 초창기에는 전문가들만 사용할 수 있는 고급 도구만 존재했습니다. ‘프로그래머'라고 불리던 사람들을 기억하시나요? 오늘날에는 누구나 사용할 수 있는 분석 도구를 찾는 것이 중요합니다. Hitachi에서 저희가 개발하는 솔루션은 고급 언어를 사용하는 광범위한 프로그래밍 또는 코딩을 필요로 하지 않습니다.

데이터를 활용하는 전문가는 항상 비즈니스 성과에 가장 큰 영향을 미치는 항목을 예측하려고 노력합니다. 예측 분석을 이용하면 가장 중요한 요소를 몇 초 만에 파악할 수 있습니다. 이러한 점이 왜 그렇게 중요한가요?  

예측 분석은 흐름을 바꿀 수 있는 진정한 게임체인저입니다. 현재 업계에서 사용하는 대부분의 데이터는 과거 지향적입니다. 과거 데이터는 과거에 발생한 일을 나타내는 데이터입니다. 일부 지역에서는 실시간 데이터를 통해 현재 상황을 확인할 수 있습니다. 오늘날의 고급 분석 기술을 이용하면 원인 요인의 작용을 기반으로 어떤 일이 일어날지 예측할 수 있습니다. 예를 들어 날씨는 작업에 영향을 미칠 수 있습니다. 큰 환율 변화도 비용 구조에 영향을 미칠 수 있습니다. 또는 소비자 선호도가 급격히 변할 수도 있습니다. 이러한 요인에 대한 데이터를 수집하고 분석함으로써 현재와 미래에 발생하는 일을 이해해야 합니다. 데이터 추론을 통해 다음 주 또는 다음 달에 발생하는 일을 예측하기 위해서는 머신러닝과 요인 데이터에 기반한 예측 분석을 활용해야 합니다.

일종의 '시간 여행'인 셈입니다. 예측 분석을 이용하면 미래 날짜로 이동하여 ‘만약에?’ 시나리오를 생성할 수 있습니다. 시장이 특정 방향으로 변하고 수요가 특정 방식으로 변한다면 어떻게 될까요? 프로세스 속도를 높이거나 낮추면 어떻게 될까요? 제품 설계 변경을 시뮬레이션하면 어떻게 될까요? 경제적 또는 정치적 결과의 영향을 고려한다면 어떻게 될까요? 우리가 활동하고 있는 경제 또는 규제 환경에 어떤 영향이 있을까요? 매우 많은 시나리오가 나올 수 있습니다.

이러한 요인을 모두 고려하여 내년, 다음 분기 또는 다음 달에 대한 시나리오를 만들 수 있습니다. 그러면 다양한 인과 관계가 미래에 어떤 모습으로 펼쳐질지 파악할 수 있습니다. 우리는 그것에 대해 어떻게 대처할 수 있을까요? 그러한 미래 시나리오에서 어떤 변경 또는 수정이 필요할까요? 이때 데이터의 진정한 가치가 빛을 발합니다. 미래 성과에 대해 현재의 조치를 최적화할 수 있기 때문입니다.

미래에 발생하는 일을 미리 예측하면 그에 따라 비즈니스, 조직, 프로세스를 더욱 효율적으로 관리하여 앞으로 다가올 모든 변화에 적절하게 대처할 수 있기 때문에 매우 중요합니다. 이를 위해서는 민첩성이 핵심입니다.

사용하기 쉬우면서도 강력한 기능으로 예측 분석 능력을 강화하세요. 주문형 웨비나에서 자세히 알아보세요. 

웨비나 보러가기

 

엔지니어들이 로우코드, 노코드 기술을 통해 데이터 과학자가 될 수 있다고 생각하시나요?

물론입니다! 저도 엔지니어 교육을 받았습니다. 대학에서 기계공학을 전공했죠. 저는 공학의 핵심이 문제 해결, 수학적 모델링, 그리고 과학적 방식의 적용이라는 것을 배웠습니다. 데이터 과학도 그 일부입니다.

복잡한 프로그래밍 없이도 데이터 접근 및 사용을 가능하게 하는 기술이 출현하면서 공학 커뮤니티 내에서 데이터 과학이 점점 더 많이 사용되고 있습니다. 하지만 그 활용 범위는 이보다 훨씬 넓습니다. 공학 커뮤니티 이외에도 많은 분야에서 큰 혜택을 누릴 수 있습니다. 예를 들어 기계를 조작하며 작동시키고, 장비를 유지 관리하고, 제조 기능을 실행하는 숙련된 작업자들이 데이터 과학자가 될 수 있다면 그에 따른 혜택은 엄청날 것입니다. 또한 임원진을 포함한 경영진도 '데이터 과학자'로 변신하고 있습니다.

전체 조직에 양질의 데이터와 사용이 간편한 분석 도구가 있다면 '모두를 위한 데이터 과학'이 현실화됩니다. 저는 데이터 과학이야말로 4차 산업 혁명의 기본 요소 중 하나라고 생각합니다.

데이터 가치를 극대화할 준비가 되셨나요? Minitab과 상담하세요.

Minitab에 문의