클라우드

데이터 과학에 디자인 사고를 적용하는 방법

Isaac Sacolick | InfoWorld 2023.11.23
기업에서 데이터 과학자의 역할은 무엇인가? 보고서 작성자, 데이터베이스 쿼리 기술자, 머신러닝 모델 개발자, 아니면 생성형 AI 실험 담당자인가? 시민 데이터 과학자이자 데이터 애널리스트로서 데이터 시각화를 개발하고 새 데이터 집합을 평가하거나, 비즈니스 부서를 위해 데이터 품질을 개선하는가? 
 
데이터 주도적인 기업을 추구하는 기업은 데이터 기술을 보유한 직원에게 보고서, 대시보드, 머신러닝 모델 및 기타 분석 결과물을 개발하는 일을 맡기는 서비스 사고방식을 갖고 시작하는 경우가 많다. 일부는 여기에 더해 새로운 데이터 소스 분석, 데이터 품질 개선 또는 데이터 카탈로그 강화를 포함한 데이터 통합, 관리 및 거버넌스 책임까지 맡기기도 한다.
 
ⓒ Getty Images Bank

기업의 데이터 주도적 관행을 발전시키고자 하는 디지털 선구자는 데이터 서비스 제공 모델을 넘어 데이터 및 분석을 제품으로 개발하고 지원할 방법을 찾는다. 이들은 직원 요청에 따라 많은 일회성 데이터 툴을 만드는 대신, 실행 가능한 데이터 제품을 정의 및 개발하고 최종 사용자의 요구와 전략적 목표, 목표한 비즈니스 성과에 따라 개선하는 데서 혜택을 얻음을 안다.
 
서비스 사고방식에서 제품 사고방식 및 제공 모델로 전환하는 한 가지 방법은 디자인 사고 관행을 도입하는 것이다. 이러한 관행은 최종 사용자의 요구 사항을 이해하는 데서 시작해 전제를 검증하고 사용자 경험을 개선하기 위해 반복적인 테스트 주도 접근 방식을 취한다. 리더는 애자일과 스크럼에 디자인 사고를 도입할 수 있으며 이것은 세계적인 수준의 고객 경험을 개발하기 위한 기초가 된다.
 
디자인 사고의 5단계(공감, 정의, 아이디어 도출, 프로토타입, 테스트)는 데이터 과학 방법론의 일부 측면과 비슷하다. 그러나 디자인 사고를 비롯해서 고도로 인간 중심적인 접근 방식은 거기서 그치지 않고 더 나아간다.
 
이 기사에서는 디자인 사고를 사용하여 여러 부서가 의사 결정에 데이터 제품을 사용할 수 있는 환경을 설계하는 방법을 살펴본다. 이해를 돕기 위해, 고객의 수익성을 파악하는 데 도움이 될 새로운 제품 개발을 준비 중인 데이터 과학팀을 예시로 설명한다.
 

디자인 사고의 5단계

1. 최종 사용자와 공감

고객 수익성과 같은 단순한 범주에서도 이해관계자의 요구 사항과 질문, 실행 가능한 결과를 위해 데이터를 사용할 기회는 광범위하게 존재한다. 마인드브리즈(Mindbreeze)의 창업자이자 CEO인 다니엘 폴맨은 “비즈니스 프로세스에 대한 사용자의 다양한 요구 사항을 이해하고 레이아웃을 조정해 관련성이 높고 개인화된 주요 인사이트를 우선적으로 다루는 것이 성공의 핵심”이라고 말했다.
 
고객 또는 세그먼트의 수익성을 확인하기 어려운 경우 재무, 마케팅, 고객 서비스, 제품 개발을 비롯한 각 부서마다 서로 다른 질문과 기회 및 고충점이 있다. 예를 들어 마케팅 부서는 수익성이 더 높은 고객 세그먼트에 더 치중하도록 캠페인 전략을 변경하기를 원하고, 고객 서비스 부서는 수익성이 높은 고객에게 인센티브와 상향 판매를 제안할 수 있다.
 
ⓒ Getty Images Bank

데이터 과학자가 최종 사용자와 공감하기 위해 해야 할 중요한 일은 현재 사람들이 어떻게 데이터를 사용하고 의사 결정을 내리는지를 관찰하는 것이다. 예를 들어 고객 서비스 담당자는 고객 규모와 수익성을 파악하기 위해 여러 시스템을 살펴봐야 하고 이로 인해 고객 응대 시 귀중한 시간을 낭비하고 즉석에서 인사이트를 얻을 때 실수를 저지를 가능성이 높다. 캠페인을 최적화 중인 마케터가 오래된 정보를 참조한다면 기회를 놓치고 광고 비용이 증가할 수 있다.
 
폴맨은 “데이터 과학자는 정보에 대한 360도 시야를 제공하는 대시보드를 구축할 때 사용자 중심 접근 방식으로 시작해야 한다”고 제안했다. 예를 들면, 다양한 이해관계자 세그먼트, 그리고 현재 업무 수행 방식이 비즈니스에 미치는 영향을 파악하는 것이 중요한 첫 번째 단계다.
 

2. 데이터 제품의 비전 정의

학습 과정은 최종 사용자를 관찰하고 다양한 이해관계자의 요구 사항을 인식하는 것이다. 데이터 과학자는 문제 해결과 프로토타입 제작에 곧바로 뛰어들고 싶은 마음이 들겠지만, 디자인 사고에서는 실무 작업을 시작하기 전에 문제를 정의하는 단계가 필요하다.
 
스냅로직(SnapLogic)의 글로벌 디자인 책임자인 매튜 홀로웨이는 “디자인 사고는 비즈니스 기회 및 기술적 역량과 균형을 이루면서 인간의 요구 사항을 해결하는 더 나은 솔루션을 위해 만들어졌다”고 말했다.
 
여기서 말하는 “더 나은 솔루션”을 위해 데이터 과학팀은 이해관계자와 협력하여 목표를 서술하는 비전 성명을 정의하고, 분석 툴을 통해 답을 찾고자 하는 질문을 검토하고, 답을 행동으로 옮길 방법을 파악해야 한다. 이 비전을 사전에 정의하고 문서화하는 것이 곧 이해관계자와 워크플로우에서 관찰한 정보를 공유하고 정량화 가능한 목표를 포착하는 방법이며, 이 방법은 폐쇄 루프 학습을 지원한다. 이에 못지않게 중요한 일은 우선순위에 대한 합의를 도출하는 것이다. 특히 여러 이해관계자 그룹이 공통의 목표를 갖고 있지만 부서별 비즈니스 워크플로우를 최적화하려는 경우 합의가 더욱 중요하다.

예를 들어 고객 서비스 비전 성명이 한 고객에 대한 질문에 답하고 해당 세그먼트의 다른 고객 대비 수익성 벤치마킹에 초점을 맞춘다고 가정해 보자. 그런데 마케팅 부서의 비전은 다르다. 마케팅은 캠페인을 최적화하기 위해 주요 고객 세그먼트의 수익성 추세를 하향식으로 파악하고자 한다. 이 경우 기업은 더 나은 인텔리전스에 대한 접근으로 고객 만족도를 개선하고 매출 증대가 가능한 부분을 파악할 수 있게 해주는 상향식 고객 서비스 비전을 우선하기로 선택한다.
 

Sponsored

회사명 : 한국IDG | 제호: ITWorld | 주소 : 서울시 중구 세종대로 23, 4층 우)04512
| 등록번호 : 서울 아00743 등록발행일자 : 2009년 01월 19일

발행인 : 박형미 | 편집인 : 박재곤 | 청소년보호책임자 : 한정규
| 사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.