데이터 기반 의사 결정: 디지털 시대의 성공
데이터 기반 의사 결정이란?
DDDM(데이터 기반 의사 결정)은 사실, 메트릭 및 데이터를 사용하여 목적, 목표 및 이니셔티브에 부합하는 전략적 비즈니스 의사 결정을 내리도록 안내하는 것으로 정의됩니다. 조직이 보유한 데이터의 전체 가치를 인식하면 비즈니스 분석가, 영업 관리자 또는 인적 자원 전문가인지와 관계없이 모든 사용자가 매일 데이터를 바탕으로 더 나은 의사 결정을 내릴 수 있습니다. 그러나 이것은 다음번 전략적 기회를 식별하기 위한 적합한 분석 기술을 선택하는 것만으로는 달성될 수 없습니다.
조직은 데이터 기반 의사 결정을 표준화하여 비판적 사고와 호기심을 장려하는 문화를 조성해야 합니다. 모든 수준의 사용자가 데이터로 시작하는 대화를 나누고, 연습과 응용 프로그램을 통해 데이터 기술을 개발합니다. 이를 위해서는 기본적으로 보안 및 거버넌스와 균형을 맞추어 사용자가 필요한 데이터에 액세스할 수 있는 셀프 서비스 모델이 필요합니다. 또한 직원들이 데이터 기술을 학습할 수 있는 교육 및 개발 기회를 창출하는 숙달이 필요합니다. 마지막으로, 데이터 기반 의사 결정을 지원하고 실행하는 경영진의 지원과 커뮤니티를 확보하면 다른 사람들도 그렇게 하도록 장려할 수 있습니다.
이러한 핵심 기능을 설정하면 모든 작업 수준에서 데이터 기반 의사 결정을 장려할 수 있으므로, 비즈니스 그룹은 정기적으로 질문하고 정보를 탐색하여 실행 가능한 강력한 인사이트를 발견할 것입니다.
데이터 기반 의사 결정의 중요성
수집되는 정보의 양이 이보다 더 많았던 적이 없었으며, 더 복잡해지기도 했습니다. 이로 인해 조직에서는 데이터를 관리하고 분석하기가 어려워졌습니다. 실제로, NewVantage Partners는 최근 경영진의 98.6%가 데이터 기반 문화를 갖춘 조직으로 거듭나기 위해 노력한다고 응답했으며, 32.4%만이 이러한 목표를 달성했다고 보고했습니다. 2018 IDC 연구에서도 기업들이 비즈니스를 현대화하기 위해 수조 달러를 투자해왔지만, 이러한 이니셔티브의 70%가 실패를 경험하는 이유는 비즈니스 현대화를 지원하기 위한 데이터 문화를 구축하지 않은 채 기술 투자를 우선시하기 때문이라고 밝혔습니다.
많은 기업이 데이터 기반을 추구하는 과정에서 세 가지 핵심 기능인 데이터 숙달, 분석 민첩성 및 커뮤니티를 개발하고 있습니다. 회사의 의사 결정 방식을 변환하는 것이 쉬운 일은 아니지만, 데이터 및 분석을 의사 결정 주기에 통합하는 것이 조직에 가장 혁신적인 영향을 미치는 방법입니다. 이러한 수준의 변환에는 분석 프로그램을 개발하고 개선하기 위한 전용 접근 방식이 필요합니다.
데이터 기반 의사 결정으로 이익을 얻는 기업들
최신 비즈니스 인텔리전스 덕분에, 기업들은 모든 부서 및 역할에서 내리는 데이터 기반 의사 결정의 가치를 더 잘 이해하고 있습니다. 다음은 보유한 직원 및 데이터의 가치를 효과적으로 활용하는 몇몇 기업들의 사례입니다.
글로벌 항공 그룹인 Lufthansa Group은 과거에 550개 이상의 자회사에서 일관성 없는 분석 보고 시스템을 운영했습니다. 이들은 하나의 분석 플랫폼을 사용함으로써 효율성을 30% 향상시키고, 의사 결정을 유연하게 확장하며, 부서별 자율성을 높였습니다. BI 응용 프로그램 영업 책임자인 Heiko Merten은 "우리는 독립적으로 분석을 만들고 설계할 수 있는 강력한 입지를 다졌으며, 이제 많은 사람이 Lufthansa 성공의 중심이 되는 데이터의 중요성을 이해하고 있습니다."라고 말합니다.
100,000명 이상의 간병인을 보유한 51개 병원 시스템으로 구성된 Providence St. Joseph Health는 매년 수백만 명의 환자에게 비용 효율적인 우수한 의료 서비스를 제공합니다. 환자 데이터는 다양한 시스템에 존재하는데, 점점 늘어나는 데이터를 관리하고 통합하는 것은 복잡한 작업입니다. Providence St. Joseph Health는 병원 시스템에 액세스할 수 있는 대시보드를 구축하여 품질 및 비용 데이터를 더 투명하게 운영함으로써, 의료 제공자가 품질 평가를 실질적으로 개선하고 간병비를 줄일 수 있도록 했습니다. 최고 의료 분석 책임자인 Ari Robicsek 박사는 "시스템 전체에서 개선하기 어려운 우수한 결과에 대한 의미 있는 진전이 있었는데, 그렇게 될 수 있었던 이유 중 하나는 직원 모두가 공통의 언어를 사용하기 때문이라고 생각합니다."라고 설명했습니다.
Charles Schwab Corporation은 고객 자산을 기반으로 하는 최대 규모의 상장 금융 서비스 기업 중 하나입니다. 데이터는 고객 사용 환경을 개선하고 운영 효율성을 높이며 위험을 줄이기 위한 기본 요소입니다. Charles Schwab Corporation에서는 데이터 및 분석에 대한 직원의 관심이 높아짐에 따라, 분석가 및 초보 비즈니스 사용자를 지원하는 엔터프라이즈 BI 플랫폼을 선택하며 용량 계획 및 데이터 지원 모델을 재고했습니다. 선임 비즈니스 인텔리전스 관리자 Donald Lay는 "시각적 분석 솔루션이 없었다면 우리는 엄청난 양의 스프레드시트 데이터를 분석하는 데 매달려 있었을 것입니다. 하지만 명확하고 실행 가능한 인사이트를 제공하는 Tableau 대시보드로 비즈니스를 추진하고 있습니다."라고 말합니다.
시각적 분석 솔루션이 없었다면 우리는 엄청난 양의 스프레드시트 데이터를 분석하는 데 매달려 있었을 것입니다. 하지만 명확하고 실행 가능한 인사이트를 제공하는 Tableau 대시보드로 비즈니스를 추진하고 있습니다.
효과적인 데이터 기반 의사 결정을 위한 6단계
이러한 단계를 통해 귀하를 비롯한 동료 및 비즈니스 팀은 '누가, 무엇을, 어디서, 언제, 왜'를 파악하여 데이터를 최대한 활용할 수 있습니다. 그러나 시각적 분석 주기는 선형적이지 않다는 것을 기억하십시오. 하나의 질문은 종종 다른 질문으로 이어지므로, 이전 단계로 되돌아가거나 단계를 건너뛸 수도 있지만, 결국 소중한 인사이트를 얻게 됩니다.
1단계 - 비즈니스 목표 식별: 이를 위해서는 조직의 경영진 및 다운스트림 목표를 이해해야 합니다. 비즈니스 목표는 판매 수치 및 웹 트래픽 증가 수치와 같이 정확할 수도 있고, 브랜드 인지도 향상 정도와 같이 모호할 수도 있습니다. 이는 추후 프로세스에서 데이터 기반 의사 결정에 영향을 미치는 KPI(핵심 성과 지표)와 메트릭을 선택하는 데 도움이 되며, 분석할 데이터와 질문을 결정하여 분석을 통해 주요 비즈니스 목표를 지원하는 데에도 도움이 됩니다. 예를 들어, 마케팅 캠페인이 웹 트래픽을 유도하는 데 중점을 둔 경우, 영업 팀에서 잠재 고객을 후속 관리할 수 있도록 KPI를 캡처된 연락처 제출 건수와 연결할 수 있습니다.
2단계 - 비즈니스 팀을 대상으로 핵심 데이터 원본에 대한 설문조사: 성공을 보장하려면 조직 전체의 사람들로부터 의견을 얻어 단기적 및 장기적 목표를 이해하는 것이 중요합니다. 이러한 의견은 사람들이 분석 시 하는 질문과 인증된 데이터 원본의 우선 순위를 정하는 데 도움이 됩니다.
진행률을 이해하기 위한 성공 측정치와 더불어 역할, 책임, 아키텍처, 프로세스 등 조직 전체에서 얻은 귀중한 정보는 분석을 배포하고 향후 상태를 파악하는 데 도움이 됩니다.
3단계 - 필요한 데이터 수집 및 준비: 비즈니스 정보가 연결되지 않은 여러 원본에 있는 경우, 신뢰할 수 있는 양질의 데이터에 액세스하는 것이 어려울 수 있습니다. 조직 전체의 광범위한 데이터 원본에 대한 아이디어가 있으면, 데이터 준비를 시작할 수 있습니다.
영향력이 많지만 복잡하지 않은 데이터 원본을 준비하는 것부터 시작하십시오. 즉각적인 영향을 미칠 수 있도록 대상 사용자가 가장 많은 데이터 원본에 우선 순위를 두십시오. 이러한 원본을 사용하여 효과적인 대시보드를 구축할 수 있습니다.
마케팅 대행사 Tinuiti는 500명 이상의 고객을 위한 맞춤형 대시보드를 만들고 브랜딩 작업에 대한 전체 스토리를 확인할 수 있도록 데이터 준비를 빠르게 지원하는 단일 분석 플랫폼을 사용하여 100개 이상의 데이터 원본을 중앙화했습니다.
4단계 - 데이터 조회 및 탐색: 데이터 시각화는 DDDM(데이터 기반 의사 결정)에 매우 중요합니다. 인사이트를 효과적이며 시각적인 방식으로 표현하면 고위 경영진 및 다른 직원의 의사 결정에 영향을 주는 더 나은 기회가 마련됩니다.
데이터 시각화는 차트, 그래프, 맵과 같은 많은 데이터 시각화 요소와 함께 데이터에서 추세, 이상값 및 패턴을 보고 이해할 수 있도록 해주는 접근하기 쉬운 방법입니다. 비교를 위한 막대 차트, 공간 데이터를 위한 맵, 시간 데이터를 위한 라인 차트, 두 측정값을 비교하는 분산형 차트 등 정보를 효과적으로 표시하기 위해 널리 사용되는 시각화 유형이 많이 있습니다.
5단계 - 인사이트 개발: 데이터에 대한 비판적 사고란 인사이트를 찾아서 유용한 참여 방식으로 전달하는 것을 의미합니다. 시각적 분석은 데이터에 대해 질문하고 답하는 직관적인 접근 방식입니다. 성공 또는 문제 해결에 영향을 미치는 기회나 위험 요소를 발견할 수 있습니다.
JPMorgan Chase는 은행 운영에 중요한 의사 결정을 내리기 위해 최신 분석 솔루션을 채택했습니다. JPMorgan Chase는 고객 데이터를 바탕으로 비즈니스 부문 관계(예: 제품, 마케팅 및 서비스 접점)를 검토함으로써 고객의 여정을 포괄적으로 파악합니다. 예를 들어, 마케팅 운영 팀은 웹 사이트, 홍보 자료 및 Chase 모바일 응용 프로그램과 같은 제품의 디자인 결정에 영향을 주는 분석을 수행합니다.
6단계 - 인사이트 실행 및 공유: 인사이트를 발견한 후에는, 그에 맞는 조치를 취하거나 협업할 다른 사람들과 인사이트를 공유해야 합니다. 이를 수행하는 한 가지 방법은 대시보드를 공유하는 것입니다. 유용한 정보의 텍스트와 대화형 데이터 시각화를 사용하여 핵심 인사이트를 강조하면 대상 사용자의 의사 결정에 영향력을 미칠 수 있고, 이들이 좀 더 풍부한 정보를 기반으로 일상 업무를 수행하도록 도울 수 있습니다.
Boeing의 마켓 개요 대시보드
이 Boeing의 대시보드는 10개의 차트를 사용하여 Veiwer에게 다양한 관점을 보여주며, 향후 15년 동안의 비행기 수요에 대한 새로운 인사이트를 발견할 수 있는 기회를 제공합니다.
Public Viz 살펴보기
Tableau와 같은 분석 플랫폼을 사용하면, 다른 사람들이 워크플로우에서 데이터를 검색하고, 조회하며, 참조할 수 있는 안전하고 관리 가능한 환경에서 대시보드를 작성하고 공유할 수 있습니다. 조직의 요구 사항을 충족시키려면, 거버넌스 모델 및 데이터 원본을 정기적으로 평가하여 사람들이 필요한 데이터를 찾을 수 있도록 해야 합니다.
데이터 기반 의사 결정은 혁신적입니다. 조직의 모든 사용자가 시각적 분석을 수용할 때 데이터는 중요한 엔터프라이즈 자산이 됩니다. 최신 비즈니스 인텔리전스 솔루션을 사용하면 데이터 기반 의사 결정이 번거로운 일이 아닌, 회사의 사명이 됩니다. 이로 인해 정보에 기반한 의사 결정을 더 빠르게 내릴 수 있습니다. 그리고 이러한 결정은 더 많은 수익을 창출하고, 더 획기적인 창의성, 상업적인 성공, 직원들의 참여 및 협업을 이끌어낼 것입니다.
강력한 데이터 문화의 다섯 가지 요소에 대해 자세히 읽어보고, Tableau Blueprint 단계별 가이드를 사용하여 기업 고유의 문화를 구축하는 방법을 알아보십시오.