저성장 시대 데이터 경제만이 살길이다

© 2015 EN-CORE. All rights reserved.


저성장 시대, 데이터 경제만이 살길 이다! Data Scientist : ㈜엔코아 데이터 서비스 센터장 김옥기

Data Mining Consulting, Data Driven Strategy Consulting [email protected]

아는 것과 그것을 행동하는 것은 다르다

생각하는 하는 백성이야 산다. - 함 석헌


1. 저성장 시대, Silo 효과

2. 데이터 경제와 데이터 통합

3. 한국 빅데이터의 과제

저성장시대, 데이터 경제

데이터 활용의 성공 사례


데이터 과학의 역할

통합

분석

시스템

정책

공공

은행

제조

인터넷

데이터 사이언티스트

물류 유통

운수 보험 증권

에너지

기타

보건 의료

출판 영상 정보 임업 국방 부동산 건설 교육

어업

농업 행정

플랫폼

빅데이터 플랫폼

Operational System

Operational System

Machine Data

Web Data

Audio/Video Data

External Data

Operational Systems(Structured data)

Documents & Text

Hadoop Cluster

Virtual Sandboxes

Data Warehouse

Streaming/ CEP Engine

Free-

Standing Sandbox

Extract, Transform, Load (batch, near real-time, or real-

time)

Dept Data Mart

BI Server

Casual User

Power User

In-memory BI Sandbox

Analytic platform or

Non-relational

database

Ad hoc query

비즈니스 분석가 영역

데이터 과학자 영역

Top down Architecture

Bottom-up Architecture

DBA 데이터 모델러 데이터 아키텍트

데이터 엔지니어 빅데이터 엔지니어 데이터 애널리스트


마케팅 순환 사이클

마케팅 사이클을 보면 한국이 미국보다 최소 10~20년 정도 뒤 늦게 진행되고 있는데 한국은 판매 시대 마지막 단계를 지나면서 저가 가격경쟁이 시작되었고 동시에 홍보 시대의 정점을 지나면서 광고 및 판촉에 대한 부담감으로 순 이익률은 지속적으로 감소하게 된다.

1950 법률

1960 건설

1970 1980 금융 경영

1990 전자

2000 디자인

2010 정보, IT

2020

Eff

ecti

ven

ess

대량 생산 품질, 다양성 판매, 가격 홍보, 마케팅 소셜, 디지털

비즈니스 패러다임의 발전


한국시장

미국시장

40년 주기


한국은 가격시대를 지나면서 매출은 늘어도 순 수익이 지속적으로 감소하는 포화시장에 진입하게 되었고 이를 극복하기 위해

지속적으로 고객의 소비성향을 분석하고 사업별 수익에 민감한 운영 체제의 구축 필수 데이터 과학의 중요성

“전략 KPI from 매출 to 수익“ 각 사업별 수익에 민감한 운영 체제 구축 데이터 과학 필요

도입기 성장기 성숙기 쇠퇴기

1960~1970 년대 1980~2000 년대 2000 년대 이후

혁신

대량 생산

품질

디자인

가격 소비 성향

한국시장

미국시장

포화시장

순이익

매출

단계별 업종 생애 주기(미국 보다 15~20)


해결 방안은?

기존과는 다른 틀에서 방안을 모색 할 필요(혁신)! Think out of the Box!


저성장을 극복해가는 미국 기업들

미국 GDP 대비 기업들의 순 이익률


포화 시장의 신 성장동력


현업의 문화, 정보,데이터, 조직의 사일로 존재

문화, 정보, 조직,프로세스 개선으로 Silo 문제 해결

마케팅 생산 재정,회계 고객관리 상품개발

기업의 Silo effect



1단계 2단계 3단계 4단계 5단계

비전 (Vision)

없음 생산 성과 비전 시도 각 영역별 채널의 효율성 전사 내부 통합 연결된 가치 부여 및 인식

전략 (Stragegy)

없음 고립적 프로젝트, 아래로부터시도

좀더 협력적 생각, 여전히 사일로 존재

전사적 통합 CRM 프로그램

서로의 이익을 위해 협력하는 가치 인식

고객 경험 (Customer

Experience) 개념 없음 개념 없음

이해하는 사일로 수준에서 집중

각 영역별 연결된 비즈니스로 이해하고 집중

좀더 넖은 영역 이해, 협력

협력 (Collaboratio

n)

내부 영역별로 집중, 사일로(Silo)구조

초기 편협적고객 위주, 사일로적

문화나 동기의 변화, 여전히 사일로적

고객 중심, 분야별, 영역별, 재구조 조정

고객 중심성 공유, 목표 연합적 협력

프로세스 (Process)

내부 영역별로 집중, 사일로적

초기 자동화시기, 사일로적

사일로 수준에서 비용과 가치의 최적화

전사 수준에서 비용과 가치의 최적화

초기부터 끝까지 실제적 최적화 프로세스

정보 공유 (Information)

기본적 정보의 산재 팀 기준, 산재, 최소의 인사이트

사일로 수준 정보 공유, 인사이트 발전 과정

전사 관여 정보 공유 및 인사이트

기업을 넘어선 인사이트와 정보 공유

기술 (Technology)

몹시 산재되고 미미한 기술 산재 존재, 한정된 역할과 집중

사일로 내에서 높은 수준의 역할

전사 통합 수준의 높은 수준의 역할

기업을 넘어선 높은 수준의 역할

집중 영역 (Metrics)

적은 내부적 집중 영역 산재되고 한정된 집중 영역, 운영 내부적 집중

사일로 내에서 효율적, 고객 집중 부족

전사적 고객 집중/ 균형 있는 구조

목표 공유, 균형 있는 구조, 잘 연결, 정리된

한국

미국

기업 내 데이터 활용 프레임 워크와 발전 단계

미국 2000년



기업 전사 정보 시스템

CRM

BI

PLM

SCM

ERP

Product

Vendor Customer

운영계(기간계) + 정보계(분석계) = 전사 정보 시스템

빅데이터 :정보계 , 분석계


내부+외부데이터 =빅데이터

ERP을 중심으로 데이터의 통합


빅데이터 활용의 대부분의 문제 -> 통합과 가공의 문제

DATA Value

1. 데이터 통합, 관계, 원인 또는 분산 등의 복잡성 2. 빅데이터 기술 수행하기 위한 전문가의 부족 3. 활용 과정의 고비용 4. 빅데이터 기술의 디자인(기획)과 적용을 위한 긴 시간 5. 분석 전문가의 부족 6. 방대한 데이터에서 활용 가능한 데이터의 선택 7. 낮은 데이터 품질 8. 기존의 분석 시스템과의 통합의 어려움 9. 충분하지 않은 컴퓨팅 자원(분석처리)



전사 정보관리, 통합, 가공 시스템

Data Quality

Data Integration MDM ESB BPM


품질 가공 거버넌스

EAI 프로세스

메타데이터, 튜닝: 시스템 운영 및 구축


데이터 통합의 역사

BI 1.0

BI 2.0

BI 3.0

Data Integration Technology Curve

2세대

3세대

차세대

1세대

ETL & Relational Manual Discovery “A” to “B” Pipe

ETL with GUI Wire Diagrams Relational Manual Discovery Simple Connectors “A” to“B” Pipe(s) MDM Hub

1985 2000 2010 2012-2013

Persistent Metadata Server -Hub & Spoke

Data Virtualization

Automated Discovery

Automated Operations

Relational, Object, XML, NoSQL

No Programming

Cloud & On-premise

“NGEN” Platform Enterprise View of Data Integration

Networked Topology

ETL & Data Virtualization

State & Lineage

Compliance

Data Quality

Data Governance

Roll-back

Roll-forward

Virtual MDM™

No programming

Cloud & On-Premise



한국의 IT 서비스 의 역사

Value

생산성 향상

경쟁력 향상

Process 중심의 접근 Analytics 중심의 접근

2005 ~ 2011

2012 ~

한국은 지난 20년간 차세대 시스템 재구축 위주로 진행되어 상당한 기반이 구축된 상태임 이제 본격적인 분석위주의 시스템 구축 예상

CRM 통합 및 활용 Bigdata 통합 및 활용

• RDBMS, GUI, ISP • ERP, MES, CIM, MIS • OA/FA/OIS

• IT Convergence • Business Intelligence • Big Data • Appliance • RTE(Real Time

Enterprise) • Mobile & Social • IoT

Function

생존의 수단

기본업무 지원

• EDW, Data Mining • CRM, MDM, KMS, ITA/EA • e-Business • Standardization,

Governance

• SOA, EAI, EII, … • SCM,BPM, BAM, PLM • Grid, Cloud Computing • IT Compliance • ESM

관리효율 향상 프로세스 확장/연계 고도의 의사결정 지원

1990 ~ 2000

2000 ~ 2005



데이터 연결

데이터 통합

시스템 통합

통합의 복잡성


데이터 통합 예시들

Website Data Integration Fulfillment Center

UPS, USPS, Fed ex etc.

Zoho CRM, Sales force etc.

Quick books, Fresh books

Custom Data

Integration



한국 CRM 현황 예시 -> 통합 전사 CRM 필요

CRM System



CRM의 발전: 소셜 CRM

2008년 Social CRM

Online Customer Communities

Social Networks

Traditional CRM

Social CRM


데이터 분석과 통합 시장

2014년 기준, 데이터 통합 시장 7.5% 성장. 분석 시장 30% 성장.

출처 : 가트너

$2.5B

$2.2B

$2.0B Getting More value From their data

Optimization Shift to agile Big Data

대 기업 중소 Business Analytics $

20B

drivers

▲10.8%

▲9.6%

▲7.5%

Data integration


데이터 경제 생태계-개인 데이터 + 사물 데이터

마케팅

미디어

정부

변호사

개인 검찰

수송,택배

내부회사

은행

개인

DATA COLLECTORS

DATA BROKERS (Service Platform Area)

DATA USERS

정보브로커

웹검색

미디어 자료집

협력사

리스트 브로커

카달로그 협력

의료 분석회사

신용정보

광고, 분석회사

인터넷

정부 미디어

소매,유통 금융,보험

제조 농업

통신,모바일


데이터 경제 생태계

Data Bureau (1969,Acxiom) vs. Credit Bureau(1989,FICO)

데이터 거래자

수집가

소비자

post information Publicity online

데이터 브로커

shop online

온라인 스토어

Register on websites

웹사이트

Shop at stores

스토어

fill our warranty cards

기업

buy houses

정부, 지자체

공공, 금융, 통신, 제조, 물류, 유통, 서비스, 마케팅 등 고객 군


오프라인 투 온라인(Onboarding, Omnichannel)

오프라인 고객 세분화

온라인 고객 매칭 작업-> 타켓-> 캠페인(추천)

오프라인, 온 라인 스토어 구매, 전환

오프라인 투 온라인

외부 가공 데이터 추가,업데이트 수요 생성

최근 고객 구매 추세는 온, 오프라인 캠페인 → 온라인 검색, 비교 → 오프라인 스토어 확인 → 제품 구매, 전환

• 잡지

• 신문

• TV 등 • 검색 엔진

• 종합 쇼핑몰

• 리뷰 검색 등

• 구매(Purchase)

• 전환(Conversion)

오프라인

미디어 소비

온라인 검색

오프라인 스토어


데이터 경제 시스템

데이터 사용자

오픈 데이터 민간 데이터

데이터 경제 시스템


공공의 오픈 데이터는 데이터경제의 초석!!!

’13년 16.1%에서 ‘16년 60%로 조기 개방

*공공데이터전략위원회 의결(‘13.12)

14년 시행 계획 기본 계획

80%

70%

60%

50%

40%

30%

20%

10%

0

57.7%

63.7%

70.4%

36.3%

47.7%

60%


가공한 Clean 데이터의 연결들(A형->RH-)


한국의 데이터 생태계를 위한 전략

정부는 데이터 생산자이고 소비자이지 가공자는 아니다

전자

통신

제조

미디어

불법, 부정

서비스

유통

마케팅

금융 인문

에너지

의료

보안

표준 통합

가공 통합


성공적 데이터 활용의 전제적 이슈들


1. 유용한 비 민감 개인정보 활용을 위한 개인정보 법 정비에 대한 공감

(민감 VS. 비 민감, 불법 VS 합법이슈로)

2. 값비싼 장비 및 도구 위주의 시스템 구축 예산에 대한 효율과 효과성 고민

3. 데이터 활용의 프로세스와 데이터 전문가의 참여 및 용역 비중 높임

4. 데이터 전문가(시스템 개발자, 데이터 분석가, 시스템 엔지니어)의

노력과 기술에 대한 적절한 보상(프로젝트결과에 대한 품질 보장의 전제 조건)


Thank you

본 문서는 ㈜엔코아가 기밀정보 및 영업비밀을 포함하고 있으므로, 제공된 목적 외에 무단으로 복제되거나 배포될 수 없습니다.

저성장 시대 데이터 경제만이 살길이다

Data & Analytics