인간은 간혹 부정확한 기억이나 한정된 경험을 가지고 중요한 판단을 내리기 때문에 데이터 기반 의사결정은 이를 보완하는 방식으로 자주 소개되곤 한다.
그러나, 기업의 데이터 기반 의사결정은 단순히 데이터를 자료로 활용하고 통계치를 근거로 제시함으로써 중요한 판단을 뒷받침하는 것으로 끝나지 않으며, 기업이 요구하는 데이터 기반 의사결정이란 엄밀히 말하면 기업 자신을 스스로 분석하고 평가하는 것을 의미한다.
이번 포스트에서는 이러한 관점에 따라 기업이 지표관리와 성과분석을 통해 데이터를 수집하고 활용할 수 있는 방법을 소개하고자 한다.
지표관리란
기업의 지표라는 것은 기업이라는 개체의 속성에 해당하는 것으로 다양하고 상세할수록 깊이 있는 분석이 가능해진다.
물론, 활용할 때마다 단계별로 데이터를 수집하고 분석해도 되지만 기업이 다양한 지표를 꾸준히 관리한다면, 데이터를 수집하고 가공하는 시간이 줄어들고, 지표를 그대로 데이터로 활용하여 분석할 수 있을 뿐 아니라 모니터링을 통해 스스로 관리하는 것이 수월해진다.
대부분의 기업들이 시행하고 있는 KPI는 지표관리의 일종으로 다음과 같이 4가지 단계를 권유하고 있다.
| 구분 | 설명 | 예시 |
| 투입지표 (Input) |
조직 및 업무에 투입된 자원(비용, 인력 등)이 적절하게 투입되었는지 확인하기 위한 지표 |
연구개발비, 교육비 |
| 과정/활동 지표 (Process) |
업무를 진행하는 과정에서 진행한 활동에 대해 단계 진행률과 효율성을 평가하는 지표 |
제조공정 정확성, 업무 처리시간 |
| 산출지표 (Output) |
업무 완료에 따른 최종 결과물 자체에 대한 질적/양적인 평가 지표 |
매출, 이익, 고객 수 |
| 결과지표 (Outcome) |
산출된 결과가 고객과 경제, 환경 등에 미친 영향과 파급효과를 측정하기 위한 지표 |
시장 점유율, 고객 만족도 |
위와 같이 잘 설계된 KPI지표는 마치 분석가가 상관관계를 분석하거나 예측 모델을 만들기 위해 특정 개체에 대한 데이터를 수집하는 과정과 흡사하다.
투입과 과정지표는 산출지표로 이어지는 결과를 예측하여 비중을 계산하는 데이터로 활용할 수 있으며, 산출지표와 결과지표의 상관관계를 계산하여 정교한 목표를 수립할 수도 있다.
데이터 기반 성과 측정과 분석 방법
기업의 성과 측정과 분석은 운동선수가 자신을 스스로 진단하고 목표를 세우는 과정과 같다. 스포츠 분야가 정신력만 강조하던 과거와 달리 과학적인 방법을 적용한 것처럼, 기업도 체계적인 방법으로 기업을 진단하고 목표와 전략을 수립하는 경영방식을 발전시켰다.
기업이 제품을 시장에 출시하기 전부터 제품을 출시한 후 판매하기까지 데이터를 활용해 고객의 반응을 지켜보고 분석하는 데 사용되는 단계별 분석 방법은 다음과 같다.
1단계. A/B 테스트(의사결정)
A/B 테스트는 기업이 서비스를 출시하기 전 시제품을 이용해 고객 반응을 분석한 후 제품을 보완하거나 최종 제품을 선정하는 테스트 방법으로 이름에서 유추할 수 있듯이 A와 B로 구분된 두 가지 제품/서비스를 고객에게 제공하여 반응을 확인하는 방식으로 진행되며 통계적 검정과 과학적인 테스트 방법을 기반으로 고안되었지만, 복잡한 요건이 필요하지 않기 때문에 쉽게 진행할 수 있다는 장점이 있다.
특히, 웹서비스를 운영하는 경우 로그인 회원이나 기기 정보 등의 정보를 바탕으로 대상 고객을 구분하여 진행할 수 있어서 광고물(배너, 키워드 등)을 테스트해보거나 리뉴얼된 홈페이지를 시범 적용해보는 용도로 활발하게 사용된다.
오프라인은 온라인보다는 까다롭지만, 사업을 확장하기 전 비슷한 조건을 가진 매장을 선정하여 제품을 다르게 판매하거나 고객군이 유사한 지역에 각기 다른 형태의 매장을 시범 운영해보는 형태로 고객을 구분하여 제품과 서비스를 개선하는 용도로 진행된다.
2단계. 대조군 분석(성과 측정)
대조군 분석(Control analysis)은 실험연구 분야에서 고안된 방법으로 대상 고객을 실험군과 대조군으로 나눈 후 실험군에만 인위적인 처리를 하여 대조군과 효과를 비교하는 분석 방법이다.
대조군 분석은 전반적으로 앞서 설명한 A/B 테스트와 유사하게 진행되지만, 고객이 둘 중의 하나는 선택할 수 있는 A/B 테스트와 달리 대조군에는 새로운 마케팅이나 서비스가 알려지지 않아야 하므로 실험 여부가 노출되지 않도록 특별히 신경 써야 한다.
보통, 실험군만 볼 수 있는 웹페이지나 배너를 노출하거나 우편이나 이메일, 또는 타겟팅 쿠폰을 보내서 실험군에만 마케팅을 적용하는 방식으로 운영할 수 있다.
3단계. 퍼널 분석(원인 분석)
퍼널(Funnel)이란 깔때기를 뜻하는 말로 퍼널분석은 액체나 가루가 역삼각형 모양의 깔때기를 거처 작아지는 것과 같이 고객이 가입이나 구매와 같은 특정 결과에 도달할 때까지 점점 줄어드는 현상을 파악하기 위해 결과에 이르기까지의 단계를 구분하고 단계별로 통과하는 고객 수를 측정하는 분석 방법을 말한다.
퍼널분석은 A/B 테스트와 마찬가지로 웹사이트를 운영하는 기업에서 쉽게 측정할 수 있다는 이유로 활성화되고 있지만, 80년대 말 CRM이 도입되면서 다양한 분야에서 고객의 이탈 원인 및 불편 사항 등을 분석하여 개선하기 위한 목적으로 사용되기 시작하였다.
퍼널분석은 고객이 최종 결과에 도달하기까지의 여정을 단계별로 구분하는 것부터 시작하며 Awareness(인식), Interest(흥미), Desire(욕망), Action(행동)의 4가지 단계로 구분하는 AIDA 모델이 가장 널리 이용된다.
'기업의 데이터 분석' 카테고리의 다른 글
| 4.4. 기업이 AI를 만들고 활용하는 방법 (1) | 2023.05.30 |
|---|---|
| 4.3. 추천과 개인화, 그리고 타겟마케팅 (1) | 2023.05.29 |
| 4.1. 기업의 데이터 활용 프로세스 (0) | 2023.05.27 |
| 3.4. 엑셀 기반 데이터 유사도와 협업 필터링 (2) | 2023.05.25 |
| 3.3. 엑셀 예측모델 데이터 준비와 개발 방법 (7) | 2023.05.25 |