먼저 변화하라. 누군가에 의해 변화해야하는 상황이 오기 전에. – 잭 웰치 (Change before you have to. – Jack Welch)
약속한 10주의 시간이 지났다. 지난 6월25일 시작으로 Action Hero 다시 읽기를 시작하여 10주 동안 여러 중요한 주제에 대해서 같이 읽어보았다. 이번 주는 그 마지막 주제로 Action Land에 입성한 당신과 당신의 조직이 어떻게 변해야하는지에 대한 이야기를 해 보겠다.
Data-Driven 과 Action-Agile의 관계
먼저 Action Land로 들어온 당신, 축하드리고 응원한다! Action land에 입성을 하는 것이 궁극적인 목표는 아니나, 일단 그 입성까지의 길은 멀고 험했다. 데이터가 Input이었다면, 실행(action)이 그 Output이다. 여기서 또 하나 더 중요한 것은 Timing 이다. 좋은 툴과 능력있는 사람, 그리고 질 좋은 Data가 수집이 되어 Data Driven 조직을 만들 수 있는 기반은 만들었졌다해도 민첩하게(agilely) 행동하지 못하는 조직은 이 좋은 기반의 혜택을 볼 수가 없다. Data-Driven과 Action-Agile 이 커플처럼 같이 따라다니는 이유가 바로 그 이유다.
Fig 8.2 Being data-driven is important, but it only represents half of what is needed to drive business value.
만약 현재 여러분의 조직이 분석에 의한 Data에 반응을 하는 속도가 몇 주 혹은 몇 달이 걸릴 수 밖에 없는 조직이라면 어떻게 해야되나. 여기 두 가지 옵션이 있다 – 느린 프로세스를 받아드리면서 당신이 한 의사 결정을 수정하든지, 혹은 당신이 한 Data에 기반한 의사 결정의 속도에 맞게, 당신의 행동을 끌어올려서 당신의 조직 또한 기민하게 움직이도록 이해 관계자들을 설득시킬지. 지난 10주간 같이 이 글을 읽어주셨던 많은 분들은 전자보다는 후자의 경우를 택하고 싶을 것이라 믿는다. 그렇다면 어떻게 이것이 가능하게 할 수 있을까?
당신의 회사는 얼마나 Action-Agile 한가?
힘들여 들어 온 Action Land에서 Action Express를 타려하니 2시간을 기다려야 한단다. Action Land에서 오랜 시간을 기다리지 않고 즐거운 시간을 보내려면 몇 가지 중요한 것들이 준비되어야하는데 바로 사람(people), 프로세스(Process) 그리고 기술(Technology)이다.
사람(People)
지난 몇 년간의 많은 연구들과 경험적 사례를 보았을때 Data-driven 조직은 그렇지 않은 경쟁회사와 비교해보았을때 단순히 아이디어 측면 뿐만아니라 기업의 생산성 측면에서도 높게 나타난다. 대부분의 조직에서 이런 변화는 사실 직원 레벨에서 일어나기는 어렵고, 경영진 레벨에서 일어나는 것이 일반적이다. Data를 다루는 팀들의 중요한 과제에 대해서는 경영진에서 이미 Buy-in이 되어야 하고, 관련된 인력은 팀에 관계없이 그 업무와 성과 측정의 지표가 회사의 디지털 목표에 연결되어있어야한다. 이 부분이 명확하지 않으면, 이에 대한 위험에 대해 이슈를 제기해야한다. 이 부분이 해결이 되지 않으면 Action-agile 의 꿈에서 점점 멀어진다.
또한 인력의 준비 측면에서 보면, 최근 기술의 변화에 따라 많은 솔루션들이 기술과 비즈니스가 접목이 되어 제공이 되는 경우가 많다. 이런 경우 기술 인력이 이 업무를 해야 할지 비즈니스 인력이 이 업무를 수행할지가 고민스러운데, 어떤 배경과 경력이 있는 인력인지는 별로 중요하지 않고 그 대신 회사의 기술과 비즈니스 인력들이 혼란스럽지않게 서로 소통할 수 있도록 유연한 문화를 만들어주는 것이 더 중요하다. 해외 고객사인 경우는 양쪽의 영역에 대한 기술과 지식을 모두 가지고있는 인력들이 제법 많이 준비가 되어 있는데 국내사의 경우는 회사들의 성숙도에 따라 다소 온도차는 있어보이나 그런 인력들이 시장에 준비가 되려면 아직 더 시간이 필요해보인다.
프로세스(Process)
Data-driven 조직이 성숙해가는게 있어서 당연히 여러 영역에서 병목현상이 일어날 수 밖에 없다. 각 영역별 그 현상을 짚어보자면,
- Tasks : Process의 주요 단계에서, 담당자들이나 그 팀은, 이해 관계자의 요구사항을 수집하고, 의사결정을 하고, 또는 각 업무에 대한 우선순위를 조정하는데 있어서 어려움을 겪거나 시간을 낭비하는 경우가 많다.
- Resources : 인력이 충분하지 않거나 또는 데이터 분석, A/B테스트, 웹사이트 개발 등등의 특정한 영역에서 업무의 과부하가 초래되는 경우가 발생할 수 있다.
- Goals & Policies: 팀간의 이해 관계가 상충하고 조직간 성과 측정의 방법이 다르며, 업무에 대한 정책 또한 상이하다. 따라서 각 조직이 생각하고 있는 비즈니스의 우선 순위와 업무를 처리하는 방법 및 속도가 다르다.
- Budgets: 모든 팀들이 정해진 예산에서 가능한 많은 원하는 결과를 얻어야하는 과제가 항상 존재한다.
- Technologies : 많은 팀들이 다른 기술, 다른 Platform 들을 활용하고 있으므로 이것들의 유기적인 통합이 어렵다.
이 많은 문제들을 해결하기위해, 먼저 무엇이 가장 문제가 되는 병목인지를 찾아야하고, 근본 원인이 무엇인지를 찾아서 그것들이 Data-driven workflow cycle안에서 하나씩 지워나가는 개선의 노력들이 필요하다. 예를 들면 Fishbone이나 Five Whys root-cause analysis 등 방법들이 문제의 원인을 찾는데 도움을 줄 수있다.
이 모든 프로세스는 능률적이고 유연해야한다.
기술(Technologies)
현재 기업이 사용하고 있는 기술은 회사가 민첩하게 변화하는데 장벽으로 작용할 수 있는 동시에, 이 모든 문제를 해결할 수 있는 해답을 가지고 있기도 하다. 아래 소개하는 몇가지 기술의 트랜드는 단기적 혹은 중장기적으로 조직이 Data에 기반한 민첩하고 유연한 조직으로 변화하는데 도움을 줄수 있다.
- 통합(Integration) : 많은 솔루션 vendor 들이 Data, workflow 그리고 여러 디지털 비즈니스 도구들을 통합하는 통합 솔루션을 제공하고 있고, 많은 기업들이 통합적인 관점으로 비즈니스의 과제를 해결하는 방법을 모색하고 있다. 예를 들면, 단순히 웹을 분석하는 솔루션이 아닌, 웹과 소셜, 광고 등 모든 디지털 채널을 통합하여 비즈니스가 시너지를 낼 수 있는 방향으로 맥락을 잡는 회사들이 많아지고 있다.
- 자동화(Automation) : 담당자들이 보다 의미있는 분석 작업에 몰두 할 수 있도록 도와주고 업무의 부담을 덜어주기 위해, 기계적으로 하던 반복적인 업무에 대해 자동화를 구현한다.
- 실험(Experimentation): 디지털 채널에서 컨텐츠가 반복적으로 활용이 됨으로써 방문자의 실시간 반응에 의해 컨텐츠를 최적화는 방법들이 실제로 많이 사용되고 있으며 회사들은 점차 Test-and-learn의 방법론에 의한 고객 경험의 최적화에 많은 관심을 갖게 되었다.
- 예측적 분석(Predictive Analytics) : 과거의 Data를 가지고 그대로 활용하는 방법이 아닌, 방대한 Data와 통계, 그리고 알고리즘 즉 AI에 기반한 분석이 비즈니스에 많은 변화를 가져올 것이다.
이 모든 기술의 진보가 최적화를 방해하는 병목으로 작용하는 것이 아니라, 비즈니스 문제를 능동적으로 해결하는 도구로서의 역할을 하게 해야한다.
Action에 대한 Agility(민첩성)은 어떻게 측정할 것인가?
여러 관점에서 기민하게 움직이는 조직을 만들고 있는 중이라 확신한다면 다음 몇 가지 방법으로 달라지고 있는 당신과 당신의 조직을 평가해 볼 수 있다. 예를 들면,
- 분석팀이 Reporting 과 Analysis에 사용하고 있는 시간의 Percentage
- 프로젝트 시작에 제공되었던 분석 Presentation 의 수준
- 프로젝트 시작부터 완료까지 프로젝트의 완료율
- 의사결정부터 프로젝트 완료까지의 평균 시간
- 주별 혹은 월별 평균 진행된 Test의 건수
이런 통계에 대한 벤치마크 같은 것은 존재하지 않지만, 이를테면 지난 분기 대비 이번 분기에 이 평가들이 긍정적으로 변하고 있고, 이것들을 측정할 수 있는 조직과 팀이 있고 경영진의 지원이 있다면 최소한 적신호는 아니다.
Action Hero 다시 읽기 10회 여정을 마무리 하면서
당신의 조직이 스스로 알을 깨고 나와서 새가 되어 날아갈 수 있는 옵션이 있다면, 무참히 깨져서 누구의 먹이가 되는 선택을 해서는 안된다. Data Driven 조직이 민첩한 행동가인 당신을 만났을때 스스로 알을 깨고 나올 수 있는 힘이 생기는 것은 당연하다. 문턱은 높고, 풀어야 할 과제가 많은 것도 현실이나 동시에 많은 기회들이 기다리고 있다. 그러니까 화이팅!
** 이번 이야기는 Dykes, Brent. Web Analytics Action Hero: Using Analysis to Gain Insight and Optimize Your Business 책 가운데 Chapter 8. Ready for Action 을 일부 인용 및 번역하였습니다.