빅데이터 시대, 리더에게 필요한 것은 무엇인가? 리더의 가장 중요한 역할은 의사결정이다. 기업 경영에서 마지막 의사 결정의 몫은 리더에게 있다고 해도 과언이 아니다. 제4차 산업혁명 시대, 리더의 조건은 무엇인가? 『빅데이터 리더십』이 전하는 리더의 조건은 다음과 같다.

첫째, ‘디지타이징 비즈니스’로 자신의 사업을 혁신해야 한다. 디지타이징 비즈니스란 빅데이터 시대의 5대 핵심 기술인 소셜미디어, 모바일, 사물인터넷, 클라우드, 빅데이터를 자신의 사업을 혁신하는 새로운 도구로 활용해 비즈니스를 혁신하는 것을 말한다.
둘째, 데이터 분석적으로 경영을 한다는 마인드, 즉 분석 지향 리더십으로 무장해야 한다. 리더가 데이터 분석적 경영의 잠재력을 절감하고 적극적으로 추진할 때 디지타이징 비즈니스의 성공 가능성은 높아진다.
셋째, 분석 지향 리더십의 주도하에 기업 내의 모든 구성원이 데이터에 근거한 의사결정을 일상화할 수 있는 기업 문화를 조성해야 한다.

『빅데이터 리더십』에서는 리더가 무엇을 리드해야 하며, 성공적인 리더는 어떻게 이끄는지에 대해 이야기한다. 그리고 빅데이터 리더십의 정의와 사례를 제시하며, 디지타이징 비즈니스의 유형을 7가지로 구분하여 각 유형별로 사례를 설명한다.

리더는 기업의 경쟁우위를 높이기 위해 의사결정을 하게 된다. 자신의 기업이 경쟁우위를 확보하고 유지할 수 있는 방향을 제시하는 것이 비전이다. 그러므로 리더는 비전을 제시할 수 있어야 한다. 이 비전을 실현하기 위해서는 체계가 갖춰져야 하고, 직원들의 교육을 통해 능력을 최대한 발휘할 수 있도록 해야 한다. 리더십을 통해 비전은 현실로 바뀔 수 있다. 또한, 일반 직원들도 기본적인 분석적 소양을 갖춰야한다.

『빅데이터 리더십』이 제시하는 디지타이징 비즈니스의 7가지 유형은 다음과 같다.
[유형 1] 생산성 향상이나 이상 탐지 등으로 운영 효율을 높이는 유형
[유형 2] 매출 증대의 목적으로 예측이나 최적화를 수행하는 유형
[유형 3] 축적된 분석적 역량을 서비스화해 개별적으로 컨설팅하는 유형
[유형 4] 이런 서비스를 종합적으로 제공하는 플랫폼을 만들어 다수의 고객에게 동시에 서비스하는 유형
[유형 5] 고객이나 시장에서 필요하다고 판단되는 데이터를 수집해서 고객에게 필요한 시점에 데이터를 판매하는 유형
[유형 6] 데이터 분석을 바탕으로 컨설팅을 해주거나 데이터를 갖고 고객이 수행하게 될 분석을 예상해 필요한 분석까지 추가해 서비스하는 유형
[유형 7] [유형 6]과 같은 컨설팅 서비스를 종합적인 플랫폼으로 만들어 다수의 고객에게 동시에 서비스하는 유형

『빅데이터 리더십』은 기업의 경영자들이 디지타이징 비즈니스를 성공시키기 위한 ‘빅데이터 리더십 로드맵’도 제시한다. 첫째, 경영자 자신의 근본적인 변화다. 데이터를 기반으로 경영하겠다는 확고한 신념을 가져라. 자신의 경험이나 직관에 의한 의사결정 방식을 버려라. 데이터를 요구하라. 숫자를 의심하라. 최소한의 필요한 분석적 지식을 익혀라. 장기적인 투자임을 잊지 마라. 진행을 지속적으로 점검하라. 둘째, 분석 기반 경영 체계 구축이다. 데이터 담당 임원을 임명하라. 데이터 분석적 기업 문화를 조성하라. 분석 전문 인력을 확보하라. 셋째, 임직원 교육이다.

IBM의 수익 모델은 날씨 채널에서 축적된 엄청난 날씨 데이터에 접근할 수 있는 권리를 팔거나 이를 바탕으로 다양한 산업에 속한 기업들에 유료 맞춤형 서비스를 제공해 돈을 버는 것이다. 예를 들면, 트럭 수송 사업을 하는 기업은 날씨 채널의 서비스에 접속해 특정 방향으로 폭풍이 온다는 경보를 받고, 폭풍이 예상되는 방향으로 운행하는 모든 운전자에게 경보를 보낸다. 같은 아이디어는 도로상의 개인 혹은 항공회사에도 그대로 적용된다. IBM은 꽃가루, 번개, 난기류, 레이다, 위성 이미지, 교통 상황, 휴대전화 센서 등 150여 개의 날씨 관련 데이터를 수집하고 있다. 구체적으로는 약 20만 개가 넘는 전 세계의 기상관측소(weather station), 다양한 모바일 기기(센서)에서 측정되는 기압 정보, 하루에 5만 대의 항공기가 운항 중에 보내는 대기 정보, 위성 이미지 등의 실시간 데이터에 160여 개의 날씨 예측 모델을 적용해 지역에 대한 22억 개의 정교한 날씨 정보를 제공한다(매 15분마다 업데이트된다). 「제7장 빅데이터로 서비스를 혁신하다」 p.185

데이터 낭비 기업은 어느 산업에서나 쉽게 찾아볼 수 있는 유형으로 데이터 수집 자체를 하지 않거나 수집해도 거의 활용하지 않는다. 기업의 임직원은 물론 경영자도 데이터의 전략적 활용에 대해 아무 관심이 없다. 데이터 수집 기업은 데이터의 중요성은 인식하고 있으나 정작 데이터를 저장하는 것 외에는 다른 조치는 취하지 않는 유형이다. 국지적 분석 기업은 내부 비즈니스 운영 상황을 잘 파악하기 위해 데이터를 국지적으로 활용하고 있지만, IT 부서나 사업 부서 사람들이 데이터의 전략적 활용성을 이해하지 못한다. 분석적 열망 기업은 데이터의 중요성을 알고 있으며 전략적 의사결정에 활용하기 위해 투자를 감행할 준비도 되어 있으나 선두 그룹에 비해 수준이 못 미치는 유형이다. 데이터의 전략적 활용성에 눈을 뜬 정보통신이나 소매산업의 일부 기업들이 이 유형에 속한다. 전략적 분석 기업은 데이터를 전략적으로 이용할 뿐만 아니라 매우 높은 수준의 분석 역량을 보유하고 있다. 제조업체나 금융 서비스, 온라인 유통 기업들이 이 그룹에 속해 있을 가능성이 높다. 데이터의 상당 부분을 활용하고 있으며 잠재 가치를 확보하기 위해 새로 등장하는 데이터들의 활용성을 계속적으로 탐색한다. 「제9장 빅데이터 테마를 어떻게 선정할 것인가?」 p.238~239

책머리에 - 6

프롤로그
빅데이터와 인공지능 - 17
빅데이터와 제4차 산업혁명 - 22
빅데이터와 의사결정 - 24

제1장 리더십은 비전을 현실로 바꾸는 능력이다
리더는 무엇을 리드하는가? - 29
성공하는 리더는 어떻게 이끄는가? - 34
빅데이터 시대에 성공을 보장하는 리더십 - 37

제2장 빅데이터를 어떻게 분석할 것인가?
현명한 의사결정을 위한 조건 - 45
역사가 된 포스베리의 높이뛰기 - 49
쿠폰 상환율을 높여라 - 53
타깃은 어떻게 임신부를 발견했을까? - 56
메가트렌드 연구와 독감 예측 - 60

제3장 빅데이터와 리더십
빅데이터 리더십을 위한 전략 - 67
해러스 카지노와 빅데이터 - 70
고객의 취향을 분석하라 - 74
얼마나 빠르게 대응할 것인가? - 78

제4장 빅데이터와 디지타이징 비즈니스
데이터를 어떻게 구분할 것인가? - 87
디지타이징 비즈니스 유형 - 92
하림의 ‘501 양계농장’ - 94
윌 스미스, 나이팅게일, 심야버스의 공통점 - 97
인공지능이 고전을 번역하다 - 105

제5장 진단 분석과 이상 탐지 : 디지타이징 비즈니스 유형 1
왜 문제가 발생했는가? - 109
익스피디아의 전환율이 낮은 이유 - 110
1병동과 2병동의 산욕열 사망률이 다른 이유 - 113
벤퍼드 법칙 - 118
직원들의 성과는 왜 차이가 나는가? - 120
약한 인공지능의 시대 - 124
인공지능이 할 수 있는 것 - 128
어떤 가입자가 보험을 해지할까? - 133
캐나다 아동병원의 아르테미스 프로젝트 - 138

제6장 예측 분석과 개인화 추천 : 디지타이징 비즈니스 유형 2
비즈니스 방식을 업그레이드하는 수단이자 도구 - 143
이혼을 예측하다 - 145
개인 신용 예측 모델 - 150
날씨로 예측하는 명품 와인의 가격 - 154
캐피털원의 맞춤형 신용카드 전략 - 158
월마트의 소셜 게놈 프로젝트 - 161
베노플러스겔의 리포지셔닝 전략 - 165
링크트인의 PYMK 서비스 - 170
개인화 추천의 전성시대 - 175

제7장 빅데이터로 서비스를 혁신하다 : 디지타이징 비즈니스 유형 3·4
하코의 청소 토털 솔루션 - 181
IBM이 날씨 채널을 인수한 이유 - 183
페퍼 로봇의 수익 창출 서비스 - 186
롤스로이스의 토털 케어 서비스 - 189
사물인터넷의 궁극을 꿈꾸는 GE의 프리딕스 - 192

제8장 빅데이터 비즈니스 플랫폼 : 디지타이징 비즈니스 유형 5·6·7
빅데이터의 3가지 조건 - 201
데이터가 자산이다 - 206
데이터 분석으로 인사이트를 제공하다 - 217
공급자와 수요자를 연결하는 플랫폼 - 229

제9장 빅데이터 테마를 어떻게 선정할 것인가?
데이터를 낭비하는 기업들 - 237
디지털 혁신의 궁극적인 목표 - 240
빅데이터 프로젝트는 왜 실패하는가? - 242
무엇이 문제인가? - 245
빅데이터 테마 선정 프로세스 - 251

제10장 빅데이터 리더십 로드맵
성공하는 기업의 4가지 특징 - 257
리더는 어떻게 변화해야 하는가? - 260
데이터 분석 체계를 구축하라 - 267
디지털 혁신을 위한 교육 - 280

에필로그 - 287
주 - 290

김진호

서울대학교 경영대학 졸업, 미국 펜실베이니아대학 와튼스쿨(Wharton School) 경영학 석사, 박사(통계학 부전공). 사회와 기업의 문제를 계량 분석적으로 접근하는 연구
현재 서울과학종합대학원(aSSIST) 빅데이터MBA학과 주임교수 겸 빅데이터연구센터장

저서 『Keeping Up With the Quants: Your Guide to Understanding and Using Analytics』(Harvard Business Review Press, 2013), 『빅데이터가 만드는 제4차 산업혁명』, 『우리가 정말 알아야 할 통계 상식 백 가지』, 『괴짜 통계학』 등

최용주

기업 경영 성과에 직접적인 영향을 미치는 기능인 영업(sales)에 대한 연구. 국내 제약회사와 식품회사의 현장 사업본부장과 부사장, 컨설팅사 대표를 역임. 현재 서울과학종합대학원 교수, 부총장