테라에너지/span>

대표의 의사결정 한 번에 기업이 흔들리는 경우는 지금껏 수도 없이 많았습니다. 현대로 들어오면서 기업들은 한 명의 천재에 의지하는 것보다 주어진 정보를 바탕으로 객관적인 데이터를 통해 의사결정을 하는 방법을 연구하기 시작했습니다. 모든 결정을 내릴 때 본능적인 직관력에 의존하는 것은 대단히 위험한 실수가 될 수도 있습니다. 특정 영역에서 우리의 예리한 직관이 영감을 반짝 불러일으킬 때일수록 우리는 주어진 정보를 꼼꼼히 따져보고 이해하고, 객관적으로 수량화해야 합니다.

데이터 기반 의사결정(DDDM, Data Driven Decision Making)

데이터 수집과 분석을 시작하면 비즈니스에서 일어나리라 상상할 수 있는 모든 과제들에 좀 더 결단력을 가지고 결정을 내릴 수 있습니다. 아마 처음으로 데이터 중심 의사결정을 내리다 보면, 왠지 모르게 반감이 들 수도 있습니다. 하지만 적합한 유형 및 적정량의 데이터로 분석 연습을 충분히 한다면 효과적인 의사결정이 가능해집니다.

또한 회사들이 빅데이터 부문에 투자를 하여 회사 운영이 잘 되고 있는지 확인하려는 데에는 여러 가지 이유가 있습니다. 보고서에 따르면, 빅데이터 부문에 투자하는 회사들의 가장 중요한 프로젝트 중 하나가 바로 비용 절감을 위한 데이터 활용이라고 합니다.

데이터 기반 의사결정의 함정

데이터 기반 의사결정은 데이터의 품질이나 연관성에 문제가 없다고 해도 항상 성공적인 것은 아닙니다. 단순히 데이터만 있으면 좋은 의사결정을 내릴 수 있다는 추정에서 벗어나 데이터 기반 의사결정 절차가 잘못될 수 있는 8가지 함정은 다음과 같습니다.

1. 좋지 않은 데이터 : DDDM이 비즈니스에 긍정적인 영향을 미치려면 기반 데이터에 신뢰성과 연관성이 있어야 한다. 아무도 수치를 믿지 않거나 데이터가 비즈니스 전략과 일치하지 않는 경우, 이러한 근본적 문제는 DDDM의 나머지 절차를 모두 무너뜨릴 것이다. 데이터 품질과 연관성을 적절히 감독하지 않으면 DDDM은 문제투성이가 되어 좋은 영향력을 발휘하지 못하게 된다.

2. 약한 분석 : 필요한 데이터를 갖췄다면 이를 제대로 분석해야 한다. 셀프 서비스 분석이 알려지면서 더 많은 사람이 분석 경험 없이도 데이터를 분석할 수 있게 됐다. 그러나 분석팀의 적절한 교육과 지원이 없다면 이렇게 수행한 분석에는 효과를 발휘하고 문제를 피하는 데 필수적인 깊이, 철저함, 정확도가 결여될 수 있다.

3. 잘못된 제안 : 데이터를 분석해 유용한 정보를 도출한 뒤에는 비즈니스가 여기에 대응할 수 있도록 적절한 제안을 해야 한다. 분석은 탄탄하지만 제안된 솔루션이 부족하거나, 부적절하거나, 결함을 안고 있는 경우 DDDM 절차가 잘못될 위험이 있다. 일반적으로 이 문제는 데이터팀과 비즈니스팀 간에 협업이 부족할 때 발생한다. 데이터팀은 분석을 담당하지만 비즈니스팀의 지도 없이는 유의미한 제안을 하는 데 필요한 분야별 전문 지식을 보유하지 않았을 가능성이 있다.

4. 잘못된 의사소통 : 탄탄한 정보와 합리적인 제안이 있다면 이를 의사결정권자에게 명확하고 설득력 있게 전달해야 한다. 그렇지 않으면 듣는 사람이 정보의 중요도 또는 긴급성을 완전히 이해하지 못하고 간과하거나 잘못 이해할 우려가 있다. 이해하기 쉬운 시각 요소와 서사 구조를 결합하는 데이터 스토리텔링은 정보를 공유하여 행동으로 이어지게 만드는 효과적인 방법 중 하나다. 그러나 이는 대부분의 조직에서 제대로 개발되어 있지 않은 데이터 역량이며 더 많은 집중 교육과 훈련, 코칭을 필요로 한다.

5. 잘못된 해석 : 정보와 솔루션이 효과적으로 전달돼도 의사결정권자가 여전히 전달받은 내용을 잘못 해석할 가능성이 있다. 적절한 수준의 데이터 문해력, 더 구체적으로는 데이터 해석 능력이 없다면 개인은 수치가 무엇을 뜻하는지, 어떤 조치를 취해야 하는지 잘못 이해할 수 있다. 관리자가 기초 데이터 해석 교육을 받으면 실수를 예방하는 데 도움이 된다.

6. 잘못된 의사결정 : 증거가 특정 조치를 명확하게 뒷받침하는 경우에도 의사결정권자는 이를 거부하고 다른 방향으로 나아갈 수 있다. 경우에 따라서 확증 편향이나 더닝 크루거 효과 등 인지 편향이 문제를 낳기도 한다. 아니면 의사결정에 대한 책임 의식의 부재가 개인으로 하여금 사적인 목표나 이득을 팀 또는 조직의 이익보다 우선시하게 만들 수도 있다. 데이터 문화를 확립하지 않은 조직은 이런 문제를 겪을 위험이 있다.

7. 잘못된 실행 : 의사결정이 데이터를 기반으로 이뤄졌더라도 제대로 구현되지 않으면 원하는 결과를 얻을 수 없다. 아무리 정보, 제안, 의사결정이 훌륭해도 적시에 제대로 실행되지 않으면 가치가 없다. 실행 단계에서 귀중한 정보에 찬물을 끼얹으면 모든 사람의 의욕이 꺾일 수 있다. DDDM은 의사결정 단계에서 끝나는 것이 아니다. 실행 활동을 모니터링하고 최적화할 때도 데이터에 의존해야 한다.

8. 부족한 학습 : DDDM 절차에서 이전 단계를 모두 해결했더라도, 각 데이터 기반 의사결정을 체계적으로 검토하고 그로부터 학습하지 않으면 그 효과가 제한될 수 있다. 일반적으로 DDDM은 직관에 따른 의사결정보다 뛰어나다. 그러나 모든 데이터 기반 의사결정이 예상된 결과를 낳는 것은 아니다. 결과를 측정하고 그로부터 배우지 않으면 향후 의사결정을 개선하고 가다듬을 기회를 놓치게 된다.