데이터 중심 기업 문화

1. 데이터 중심 기업문화

• Data-driven 한 의사 결정에 대한 생각 - 링크 :

  1. 현재 많은 기업들이 data-driven은 데이터 분석과 근거하여 의사결정하는 방식이며, 이를 적극적으로 수용하고 있다.

  2. 그렇다면 과거의 데이터 분석이 근거되지 않는다면 data-driven과 거리가 먼 것일까에 대한 의문 제기

  3. 과거에도 데이터 수집(다만,수집 방식이 설문조사, 현장 방문 등)을 했지만 현재에는 수집된 로그와 행동 분석을 통해 총체적인 분석이 가능해진 것

  4. 이러한 차원에서 의사결정은 매우 다양한 형태로 이루어지며 Data-driven한 의사결정은 한 가지 데이터를 활용하는 방식에 불가 한 것이라는 의견

  5. Data를 다각도로 활용하기 위해 Amplitude(제품 행동 분석 서비스)에서는 Data를 활용하는 접근법을 3가지로 구분함

  → Data-driven / Data-informed / Data-inspired

  • Data-driven : 데이터를 통해 확신을 얻을 수 있을 때

    

    • 어느 사안에 결과를 정확하게 결정지을 수 있는 데이터를 가지고 있을 때 사용하는 용어. 아래와 같은 질문 필요

    X 를 출시하기 가장 적절한 시점은 언제인가?
    Y 프로모션을 집행하기 가장 적절한 시점은 언제인가?
    A/B/N 버전 중 가장 성과가 좋은 버전은 무엇인가?
    이번 해에 창출될 수익은 약 얼마 정도인가?

  • Data-informed : 데이터를 통해 통찰을 얻을 수 있을 때

    

    • 사용자 패턴, 이탈률, 사용자 journey와 같은 퍼포먼스 데이터에 대한 이해를 바탕으로 최적화된 제품 개발 전략을 제시하는 것.

    최적화된 제품 개발 전략을 수립할 때 백로그 우선순위 선정할 때 효과 발휘

  • Data-inspired : 데이터를 통해 영감을 얻을 수 있을 때

    

    • 탐구적 성격의 접근법으로 명확한 결과나 성과를 기대한다기 보다 데이터 집합 속 패턴과 의미를 발굴하여 문제 해결에 새로운 영감을 얻는 것, 통계적 수치적 근거 대신 직관과 경험을 통해 축적된 통찰력 바탕으로 움직여야함

    제품의 혁신적인 방향성을 구상하는 전략수립 단계 디자인 스프린트 단계에서 새로운 아이디어 구상하는 단계

= 조직은 Data-driven이 아니라 [Data-Mix]를 추구

• 예시 ) 한 기업에서 신규 기능 출시를 홍보하기 위해 10만 명을 대상으로 한 이메일 마케팅을 집행한다고 가정

  1. Data-driven : 이메일 오픈율이 가장 높은 시점은 언제인가?

  과거 집행했던 이메일 마케팅을 통해 토요일 12시가 가장 오픈율이 높다는 데이터→ 금번 이메일 마케팅의 집행 시점은 토요일 12시로 정함

  2. Data-informed : 어떤 내용으로 이메일을 구성하는 것이 가장 많은 관심을 유발하고 행동으로 이어지게 할 수 있을까?

  요즘의 사용자들은 전체 모바일폰 체류 시간이 매우 높지만, 컨텐츠 당 체류 시간은 매우 낮다는 데이터 → 이메일 컨텐츠는 모바일 기기에서 보기 최적화시키되, 빠르고 강력하게 읽힐 수 있도록 카드 뉴스 형태로 제작하기로 결정

  3)Data-inspired : 우리의 유저들은 우리가 보내는 컨텐츠들을 어떤 식으로 소비하고 활용할까?

  사용자 조사를 설계, 선별한 유저를 찾아가 마케팅 광고물 행태를 관찰하고 조사→ 뜻밖에도, 우리가 보낸 이메일을 만족하며 본 유저는 주변 사람들에게 공유하는 것을 관찰 → 그러나 별도의 공유 버튼이 없어서, 이메일 링크를 복사해서 개인 메신저창에 복사하는 형태로 공유를 하는 것을 발견

  조사를 바탕으로, 앞으로는 이메일 하단에 간편 공유 버튼을 추가하여, 공유에 들이는 수고를 덜어주기로 방향성을 수립

  만일

  Data-driven 접근에만 노력이 집중되었다면, 이메일 오픈 이후 관심 유도에 실패하여 높은 이탈율이 발생할 것

  Data-informed 접근에만 노력이 집중되었다면, 관심을 유발하는 컨텐츠를 만들 순 있어도, 사람들이 잘 안 열어보는 시간대에 이메일이 발송되는 오류를 범했을 것

  Data-inspired 접근에만 노력이 집중되었다면, 사용자들에게 만족도를 주는 방향성은 식별되었겠지만, 그것을 구체적으로 집행하는 세부 전략을 놓치기 쉬웠을 것

---

2. 쏘카

• 쏘카 데이터 그룹이 일하는 방식 “오늘 1%씩 개선하면 내일은 산업을 바꿀 수 있다”

• 프로젝트 시작 전 체크 사

  1. 어떤 액션이 가능한지

  2. 즉시 실행할 수 있는지

  3. 성과가 정량적으로 측정 가능한지

• 조직문화

  과거 팀스포츠라는 인식에서 벗어나 병목현상/ 불필요한 커뮤니케이션을 줄임

  ‘어벤져스’ 를 지향하며 팀단위로 하는 업무를 개인이 추진하고 있음

  토르에게 망치가 필요하듯 시스탬 고도화를 위한 노력 중(빅쿼리,태블로,데이터로봇)

• AI 기술의 활용 : 크게 5가지 분야에서 사용

  1. 차종

  2. 쏘카존

  3. 요일별 학습한 모델 활용해 차량 구매 또는 매각

  4. 쏘카존 신설

  5. 가격 결정

  이외에도,

  • 마케팅

    과거 불특정 다수에게 쿠폰 발행했으나 이제는 머신러닝을 활용해 연령대/사용빈도/접속 기기/마지막 접속 일자 등 다양한 데이터 학습 모델을 적용해 쿠폰 발송

  • 리스크 관리

    사고 위험을 판단하는 머신러닝 모델을 만들고, 위험도를 좀 더 세분화해 보험료를 개편했어요. 안전하게 운전할 가능성이 높은 이용자라면 전보다 보험료 부담을 낮춤

  • 차량 관리

    이전에는 사람이 직접 차량 파손 후 접수된 사진을 검수했으나, 이젠 이미지를 식별하는 딥러닝 기술을 사용해 사고 유무나 파손 부위를 실시간으로 파악

• 쏘카의 데이터기반 프로젝트 사례

  “가격은 낮추고, 수익은 높이고”

  쏘카는 모빌리티라는 새로운 산업에 속한 9년차 스타트업이예요. 흑자 전환은 쏘카의 오래된 미션입니다. 수익성을 개선하려다보니 요금은 조금씩 올라갔고, 이용자 사이에선 ‘쏘카가 비싸졌다’는 인식이 생기기도 했죠.

  하지만 데이터그룹에서 가격과 수요를 리서치한 결과, 기존 인식과 다른 결론이 나왔어요. 이용자의 가격 탄력성을 분석해보니, 수익을 높이려면 오히려 요금을 내려야한다는 결론에 도달했습니다. 사업부서를 설득해 전반적으로 대여료를 낮췄어요. 특히 10시간 이상 빌리는 경우에는 요금을 10% 이상 인하했습니다.

  이용건수가 증가하며 차량 가동률이 전년보다 2배 가량 높아졌어요. 일일 대여 시간이 크게 늘어난 덕분에 수익도 증가했습니다. 이용자와 회사 모두 윈-윈이었기에 더욱 보람을 느꼈던 프로젝트라 기억에 남네요.

  출처: [쏘카 기업 블로그]

2.