또 다시 직관으로, 주역으로

정보의 홍수다. 일반적인 정보의 홍수야 이 블로그에서 더 떠들 필요가 없으니 기업의 정보에 국한하여 조금만 언급해 보려고 한다.

 CRM을 통해 인구에 회자된 지 오래인 데이터 마이닝은 사실 기술이나 기법보다는 상당한 직관을 필요로 한다. 적용은 아니더라도 개념은 보편화된 OLAP은 기업에서 활용하던 리포트의 응용을 손쉽게 하는 측면에서 훌륭한 솔루션이다.

 '이 리포트에 저 요소가 들어가면 어떨까?'
 '저 요소를 넣되 이러한 경우에만 넣는 것은 어떨까?'

같은 의문이 들었을 때 어지간한 전문가가 아닌 이상 개념도 잡기 힘든 전산 직원의 손을 빌리지 않고 현업이 알고 있는 큐브의 데이터를 소재로 리포트를 구성하는 것이 OLAP이라 할 때⁽¹⁾, 데이터 마이닝은 정보의 정글⁽²⁾에서 돈이 되는 규칙을 찾아내는 것이다.

 규칙을 찾아낸다고 표현은 했지만 현업의 입장에서는 없는 규칙을 만들어내는 것이라고도 할 수 있다. 이 작업은 큐브를 구성하고 추출도 빠짐 없이 시행하게 했지만 사실 어느 정도 수준의 의미를 가진 데이터가 있는지 알 수 없는 전산 직원으로서는 도와줄 도리가 없다.

무의미해 보이지만 사실은 의미를 가지고 있는 데이터들

출처: http://www.3d-screensaver-downloads.com/3d-matrix-screensaver.php

 그러나 혜안까지는 아니더라도 해당 업무에 잔뼈가 굵은 현업은 대체로 뭐랄까 딱 꼬집어 얘기할 수는 없어도 껄쩍지근한 니즈를 가지고 있다. 목마른 사람이 우물을 판다고 이런 현업들이 소속 기업에 도입되어 썩고 있을 데이터 마이닝 솔루션의 사용법을 익힌다면 꽤 의미 있는 규칙들을 발견할 수 있다고 확신한다.

 CRM이나 데이터 마이닝의 고전적인 성공 예제로 '맥주와 기저귀'가 자주 언급 된다. 관련이 없어 보이는 상품들이지만 마트에 짐 들어주러 따라 가는 애 아버지들이 기저귀를 카트에 싣다가 맥주를 발견하고 같이 실음으로써 맥주 매출이 뛰었다는 얘기다. 기존의 리포트만 들여다 보고 있어서는 알 수 없었던 '돈 되는 규칙'인 것이다.

 이런 규칙을 발견하려면 별 도리가 없다. 일단 '가설'을 세우고 실례를 통해 증명하는 것이다. 간단하지 않은가? 그런데 왜 우리 주변에는 이런 데이터 마이닝의 참신한 성공 사례들이 흔하지 않을까?⁽³⁾ 이는 쓸만한 가설을 세우기가 어렵기 때문으로⁽⁴⁾, 웬만한 노하우가 체득된 - 그러니까 머리만 무겁거나 입만 산 게 아닌 현업이라야 가설을 세울 수 있다.

 그러니까 백억 원이 넘는 ERP 프로젝트를 완수하고 합하면 비슷한 규모의 비용을 추가로 들여 이룬 전산화 작업을 통해 데이터를 만들어 놓았다 해도 제4의 가치를 창출하는 일은 직관이라는 결론이다.⁽⁵⁾ 따라서 ERP, BPM, RTE 구현을 통해 사람을 자를 수 있는 만반의 기반을 갖췄다고 해도 함부로 지식을 가진 사람을 자를 수 없다. 물론 전제가 있다. 경쟁 기업이 다소 느슨하게 일을 하더라도 노하우를 갖춘 사람을 양성하고 있을 때만 그렇다. 동종 업계에서 다같이 '필요악 자산인 사람은 자르고 보세' 라는 공감대를 가지고 있다면 지식을 가진 사람은 기계에 밀려 수시로 잘릴 것이다.

 기업은 고민할 것이다.

 "사람을 무작정 자르지 않고 데리고 있는 건 좋아. 그런데 업무에 해박하고 혜안을 갖춘, 다시 말해 직관력이 뛰어난 사람으로 만들어서 데리고 있어야지. 그렇지 못하다면 소용 없는 거잖아?"

 그렇다. 당연한 물음이다. 업무 지식이야 지금까지 하면 될 테니 별 걱정이 없겠지만 이제껏 직관이나 혜안에 대한 커리큘럼이 없었으니 기업으로서는 향후 닥칠 미래가 난감할 수 밖에 없다. 누구도 겪어보지 못한 미래이니 제안할 것이 별로 없지만 그래도 제안을 한다면 '주역'을 추천하겠다.

 드러나지 않아 도저히 명확하게 설명할 수 없는 막연한 문제를 그려볼 수 있게 해주는 도구가 바로 주역이다. 주역을 통해 가닥을 잡고 데이터 마이닝을 포함한 BI를 통해 그림을 그리면 문제의 원인을 발견하거나 틈새 시장을 여는 등 돈이 될 만한 규칙을 발견할 수 있게 될 것이다.

 머지 않아 기업에서 사내 교육으로 주역을 가르칠 날이 오기를 기원한다.

***

(1) 전산 직원이 필요한 경우는 해당 큐브에 특정 데이터를 추가하거나 형식을 바꿀 때 같은 정말 기술적인 작업을 해야 하는 경우로 국한됩니다.
(2) 물론 바탕은 큐브인 경우가 많습니다.
(3) 기껏 해야 이동통신회사 고객센터에서 너 지난 달에 게임 산 걸 보니 이번 달에도 살 듯 싶구나 데이터 요금 정액제에 가입해 보련 류의 전화나 걸려 오고 있지요. 예비군 훈련이 끝나서 다음에는 게임 다운 받을 일이 없는 데도 말이죠.
(4) 데이터 마이닝 솔루션 혹은 강화된 OLAP 솔루션은 가설의 증명 작업을 지원해 줍니다.
(5) 물론 ERP의 목적은 저것만이 아니니 오해는 맙시다. ERP는 기계가 할 일은 기계에게 온전히 맡김으로써 이룬 BPR을 통해 비용 절감, 운영 효율화 외에 제3의 가치를 창출하고 있습니다.

***

 http://www.mediamob.co.kr/wizmusa/Blog.aspx?ID=132094에 올렸던 제 글을 옮겨 온 것입니다. IT 주제글 중 선별해서 옮기는 중입니다.