태블로(tableau)가 '2022년 데이터 동향 보고서(2022 Data Trends Report)'를 발표했다. 회사는 보고서에서 데이터 트렌드 프레임워크로 인공지능(Artificial Intelligence), 윤리(Ethics), 인력 개발(Workforce development), 유연한 거버넌스(Flexible governance), 데이터 자산(Data equity)을 선정했다. 이러한 5가지 데이터 트렌드가 다양한 비즈니스 환경에서 리더, 조직, 팀워크, 개인의 업무 역량 등에 영향을 줄 것이는 전망이다.
첫 번째, 인공지능은 인간의 전문성을 증가시키고 강화할 것이다. 인공지능 기반 기술이 최근 몇 년 동안 급속하게 확산되면서 핵심 기술로 자리 잡고 있지만,
올해는 그 어느 때보다 빠르게 채택되고 새로운 애플리케이션이 발전하는 것을 보게 될 것으로 진단했다. 하지만 인공지능을 보다 고급 작업으로 확장하려면 인력 재교육 등 해결해야 할 많은 과제에 직면해 있다.
태블로(tableau)는 2022년 데이터 트렌드 프레임워크로 인공지능(Artificial Intelligence), 윤리(Ethics), 인력 개발(Workforce development), 유연한 거버넌스(Flexible governance), 데이터 자산(Data equity)을 선정 발표했다. (자료: T ableau)
포춘(Fortune) 선정 1,000대 기업 중 99%가 향후 5년 내에 데이터 및 AI에 투자할 계획이지만 데이터 양의 증가, 유지 관리 비용, 전문화된 역할에 대한 배치의 어려움 등의 과제를 해결해야 한다.
액센츄어는 최고 경영진의 84%가 성장 목표를 달성하기 위해 인공지능을 활용해야 한다고 생각하지만, 76%는 확장 방법에 어려움을 겪고 있다는 조사 결과를 발표한 적이 있다.
이러한 문제를 해결하기 위해 첫째, AI를 팀 스포츠로 취급하라고 보고서는 조언한다. 우선 사람의 기술과 전문성을 향상해 시간을 절약하고 능력을 확대할 수 있는 작업과 기능을 식별하라는 것이다.
그리고 얼마나 많은 고객이 비슷한 요구 사항이나 동일한 문제를 가지고 있는지, 이러한 문제가 얼마나 자주 발생하는지, AI로 이를 해결할 수 있는지 등의 질문을 해보라고 충고한다.
둘째, 개념 증명을 성공적인 확장으로 이끌어 내기 위해서는 비즈니스 사용 사례 및 성공 요인에 중점을 두어야 한다고 권고했다.
정의된 목표에 맞는 실제 비즈니스 문제에 솔루션을 연결하여, 상황에 맞는 인공지능 프로세서를 의도적으로 구동하고, 인공지능을 통해 문제를 줄이거나 해결할 수 있는 요소를 식별하는 것이다.
셋째, 데이터 품질 향상과 인력 개발에 투자하는 것이다. 데이터 품질이 떨어지면 인공지능 솔루션은 당연히 부정확하고 효율이 떨어진다.
데이터에 대해 아는 것이 없는 사람이 인공지능 솔루션과 업무를 진행하는 경우도 마찬가지다.
데이터에 대한 이해와 분석 능력을 높일 수 있는 인력 교육과 데이터 품질을 향상하는 시스템이 갖추어지면, 고급 분석 및 데이터 전담 팀으로 전달되는 불필요한 작업이 줄고 작업 효율을 높일 수 있다.
두 번째, 윤리적 데이터와 인공지능은 이제 선택이 아닌 필수적인 요소다. 인공지능 채택이 빠르게 가속화되면서, 윤리적 데이터와 인공지능 사용에 만능이 되는 접근 방식은 더 이상 존재하지 않는다는 것이 보고서의 진단이다.
이제 어느 조직이든 데이터와 인공지능을 책임감 있게 개발하고 사용하는 방법을, 각각의 업무 환경과 프로세스에 맞게 사전에 정의할 수 있어야 한다.
신뢰할 수 없고 투명하지 않은 방법으로는 혁신과 성장을 기대할 수 없고, 고객과의 좋은 관계를 유지할 수 없다는 것이다.
따라서 윤리적 데이터 및 인공지능 가이드라인을 만들어 데이터 및 위험 관리 정책을 설계하고, 내부 윤리 위원회를 만들거나 검토나 감사를 돕기 위해 제3의 전문가를 영입하는 것이 필요하다고 보고서는 전했다.
세 번째, 경쟁력 있는 조직을 만들고 싶다면 데이터 활용 능력에 대한 정의를 확장하고, 인력과 데이터 문화에 대한 투자를 확대해야 한다.
이를 위해서는 인력이 가진 미래 경쟁력이 단순한 데이터 기술 및 도구에 대한 교육 이상이라는 것을 인식해야 한다고 강조했다.
특히, 데이터 기술은 모든 부문과 모든 역할에서 필요하기 때문에, 직원들은 최소한의 데이터에 대한 이해와 분석 기술을 갖춰야 한다고 밝혔다.
이를 위해서는 먼저 데이터 활용 능력과 문화를 동시에 육성하라고 권고했다. 데이터 문해력에 대한 훈련과 문화적 변화라는 두 가지 조합에 대한 투자를 간과하지 말라는 것이다.
비즈니스 전반에 걸쳐 용어, 기술 수준, 성공 매트릭, 프로세스 표준화 등을 실천하고, 인센티브를 제공해 데이터로 할 수 있는 일에 흥미를 갖게 하며, 데이터 기반 의사 결정을 모델링하고 장려함으로써 데이터 가치를 보여주라고 조언한다.
미래를 위해 고용하고 교육하는 것도 필요하다. 채용 과정에서 기본적인 데이터 기술을 요구하고 역할 기대치를 발전시키며, 데이터 기술 이니셔티브를 통해 교육 기관과 파트너 관계를 맺고 데이터 활용 능력을 갖춘 학생을 모집한다.
아울러 지속적인 성장, 개발, 협업을 장려할 수 있도록 데이터 커뮤니티를 구축하는 방법도 제시했다.
네 번째, 조직은 경쟁력과 규정 준수를 유지할 수 있도록 포괄적이고 유연한 데이터 거버넌스 접근 방식을 채택해야 한다.
보고서는 데이터의 전략적 가치에 대한 인식이 높아지면서, 조직 전체의 모든 사람에게 권한을 부여하는 유연한 통합 거버넌스 기술이 필요하다고 역설한다.
디지털 혁신과 전환 과정에서 폭발적으로 증가한 데이터를, 성공적인 전략 자산으로 활용하려면 강력한 거버넌스 계획을 마련해야 한다는 것이다.
이를 위해 다음 같은 내용을 권장 사항으로 보고서는 제시했다. 우선 어떤 데이터를 사용하고 있는지에 대한 이해를 통해 현재 위치를 확인하고, 이를 기반으로 가고자 하는 목표를 설정하는 것이다.
데이터를 사용하는 방법이나 데이터 관련성 여부를 파악하고, 이해 관계자에게 이러한 접근 방식이 성공을 거두기 위해서 필요한 것이 무엇인지 물어볼 것을 권한다.
다음으로는 파트너십 접근 방식을 취하라고 충고한다. IT 부서에서 일부 업무를 엄격하게 통제해야 할 필요가 있지만 모든 것을 그렇게 해서도 그렇게 할 수도 없다.
그것보다는 비즈니스 사용자가 데이터를 책임감 있게 사용하도록 지원하고, 그것을 통해 사람과 프로세스에 대한 신뢰를 구축하라고 충고한다.
이러한 방식으로 성공을 거두면, 더 넓은 범위의 조직에서 파트너십의 가치를 입증할 수 있다.
다섯 번째, 데이터는 사람과 조직이 문제를 이해하고, 서비스를 제공할 기관과 협력할 수 있는 언어가 되어야 한다. 데이터는 변화를 위한 강력한 자원이면서 자산인 만큼, 데이터에 대한 신뢰가 무엇보다 중요하다.
또한, 데이터 솔루션이 관련성 있고 효과적이면서 지속 가능하려면, 지원해야 하는 커뮤니티와 협력해서 설계해야 한다는 점을 강조했다.
이를 위해 해결하려는 문제와 가장 가까운 커뮤니티와 상의하고, 데이터를 서비스를 제공하는 사람들과 커뮤니티를 대표하고 관련성 있게 만들라고 조언한다.
또한, 커뮤니티와 데이터를 다시 공유하고, 피드백 주기를 통해 영향력을 확장한다. 그리고 데이터를 효과적으로 사용하는 데 필요한 도구와 지식을 사람과 커뮤니티에 제공할 것을 주문했다.
이러한 과정 속에서 데이터 대한 정확성과 신뢰성을 높이면 데이터가 사용되고 참조될 가능성을 높일 수 있다. 개인 정보를 보호하면서 최대한 세분화하는 것은, 미묘한 개인적인 경험을 묘사하는 관련 데이터 포인트를 찾는데 도움이 될 수 있다.
특히 커뮤니티를 통한 데이터 공유와 활용이 효과를 거두면, 더 많은 데이터를 사용하고 더 많은 커뮤니티가 응답하도록 하는 계기가 될 있다.
