해시넷
비즈니스 애널리틱스
비즈니스 애널리틱스(Business analytics, BA)는 웹사이트의 실적을 높이고 온라인 비즈니스의 성공을 돕는 효율적인 웹사이트 분석 도구이다.
개요[편집]
비즈니스 애널리틱스(Business analytics, BA)란, 기업의 경영활동의 효율성을 제고하기 위해 지원되는 비즈니스 도구로서, 과거 뿐만 아니라 실시간으로 발생하는 데이터에 대하여 연속적이고 반복적인 분석을 통해 미래를 예측하는 통찰력을 제공하는 데에 활용된다.[1] 비즈니스 목표 및 성과에 대한 가시성을 확보하고 부서 간 협력에 의한 역량을 향상시키기 위해 사용하는 BI(비즈니스 인텔리전스)의 영역과 다양한 통계적 방법론을 활용하여 특정 비즈니스 분야에서 원하는 최적의 답을 도출하고 비즈니스 예측을 효과적으로 수행하기 위해 사용하는 분석(analytics) 영역은, 그동안 각기 별다른 것으로 인식되고 활용되었다. 이러한 BI와 애널리틱스의 유기적으로 연계하고 활용하는 것을 비즈니스 애널리틱스 영역으로 정의하며, 비즈니스 애널리틱스를 성공적으로 도입하여 활용하는 기업은 비즈니스의 예측, 경영계획, 성과관리 등을 통합적으로 체계화할 수 있으며, 비즈니스 가치를 극대화하고 빠른 ROI를 실현한다.[2]
유형[편집]
비즈니스 애널리틱스는 서술적 분석, 예측 분석, 지시적 분석, 의사결정 분석이라는 4가지 유형이 있다. 먼저 서술적 분석은, 실제 현상 속에서 발생한 사건이나 자료를 수집하여 분석하는 것으로 어떠한 현상이나 사건에 따라 "어떤 경우에 어땠다." 라는 내용을 보여 준다. 지난 사례를 이용하여 향후 유사 사례에 대한 대응책을 세울 수 있다. 예측 분석은, 기존 데이터를 기반으로 미래에 대한 신뢰할만한 가정을 도출하는 분석 방법으로 "A라는 제품을 구매한 고객의 80%는 B라는 제품도 구매했다." 라는 데이터를 가지고 "고객이 A라는 제품을 구매했으므로 경우 B를 구매할 것이다." 라는 예측을 하는 것이다. 예측 분석은 특정 제품을 구매할 확률 등 비즈니스 활동 결과를 예측하며, 이를 촉진하기 위한 마케팅 전략 등을 수립할 수 있다. 지시적 분석은 최적화를 통해 어떤 복잡하고 전문적인 부분에 대한 대응을 지시하는 분석 방법으로, 복잡하여 예측이 힘들고 결정을 내리기 곤란한 상황에서 최적화를 통해 최상의 방법을 얻을 수 있는 방안을 제시해 준다. 마지막으로 의사결정 분석은 다수의 대안 또는 전략의 선택에 따른 결과를 분석하는 방법으로, 어떤 결정을 내리기 힘들 경우 계량적, 통계적 기법을 이용하여 결정자가 가진 선택사항과 이에 따른 결과를 예측해 준다.[3]
프로세스[편집]
비즈니스 애널리틱스 프로세스는 비즈니스 니즈의 규정, 데이터 탐사, 데이터 분석, 예측, 최적화, 의사결정 및 성과 측정, 시스템 업데이트라는 7단계로 구성되어 있다.
- 1단계는 비즈니스 니즈를 규정한다. 비즈니스의 이해관계를 파악하고 방향을 설정하는데, 아직 데이터에 관한 연구보다는 기업 내·외의 연구가 필요한 시점이다.
- 2단계는 비즈니스 니즈를 충족시킬만한 데이터를 찾는 단계로, 기록된 데이터를 탐색한다. 기록된 데이터에서 불필요한 부분을 제거, 분리, 분류하고 선출하는 기술이 필요하다. 이 과정에서 불필요한 부분을 제거와 분리하는 과정이 중요한데, 이는 잘못된 정보가 입력이 될 경우 나쁜 의사결정을 하게 될 수도 있기 때문이다.
- 3단계는 데이터 분석이 이루어지는데, 비즈니스 분석에서는 고급 분석 기술이 요구된다. 이 단계에서 데이터의 가치를 창출해 내는 작업이 이루어지기 때문에 조금 더 정교하게 데이터를 다듬는 단계라고 할 수 있다.
- 4단계는 미리 어떤 일이 일어나게 될지 예측하는 단계이고,
- 5단계에서는 4단계의 예측을 기반으로 최적화시키는 단계로, 예측모델을 기반으로 최고의 솔루션을 창출한다.
- 6단계는 의사결정 성과측정 단계로, 최종적으로 의사결정하고 이러한 의사결정에 따른 성과를 측정한다.
- 마지막으로 7단계인 시스템 업데이트 단계는 보완 및 피드백 단계로, 모든 과정을 마치고 보완과 피드백을 수행한다.[3]
BI에서 BA로의 진화[편집]
고급 분석은 데이터 시대에서 자연스러운 수순으로 보인다. 이전부터 수 많은 통계적 기법과 알고리즘이 존재했지만 쉽사리 현실 사회에서 활용될 수 없었던 요인으로 부족한 H/W, S/W 성능과 고급 기술을 적용할 수 있는 전문가의 부족을 꼽을 수 있다. 하지만 H/W 성능은 매년 기하급수적으로 발전했고, 빅데이터에 대한 투자의 증가로 인해 많은 전문인력이 양성되었다. 고급 분석을 통한 성과가 나올 기술적 특이점에 도달한 것이다. 1950년대의 정보이론가 존 폰 노이만은 두 가지 중요한 주장을 하였다. 첫 번째 주장은, 인간의 발전이 선형적이지(상수를 반복적으로 더해서 증가하지) 않고 기하급수적이라는(상수를 반복적으로 곱해서 증가한다는) 것이다. 두 번째 주장은, 기하급수적 증가가 최초의 예측을 뛰어넘는 속성을 지닌다는 것이다. 처음에는 더디게 시작해서 사실상 눈에 띄지 않지만 결국에는 폭발적으로 증가하여 완연한 변화를 보여 준다. 먼 미래에 어떤 것들이 기술적으로 실현 가능할지 예측할 때, 대부분의 사람들은 미래의 발전력을 턱없이 과소평가한다. 이른바 '역사적으로 확인된 기하급수적' 관점이 아니라 직관적으로 느껴지는 선형적 관점을 바탕으로 생각하기 때문이다. 이는 바둑기사 이세돌이 딥러닝으로 무장한 알파고에 패했을 때, 받은 사회의 반응이 충격적일 수 밖에 없던 이유이기도 하다. 우리는 이제 기술의 특이점의 시대에 살고 있다. 기계의 성능이 인간을 뛰어넘었다고 더 이상 놀라울 것도 없다. 인간은 인간을 뛰어넘는 무언가를 만들어 내기 위해 계속적으로 노력해 왔고, 그 결과가 보여지는 특이점의 시점에 도달한 것이다. 보는 관점에 따라 비즈니스 애널리틱스의 시대가 도래했을 수도, 혹은 아닐 수도 있다. 하지만 미래는 준비하는 자에게 펼쳐진 현재이다. 앞으로의 5년, 아니 3년 후의 미래가 더욱 기대되는 이유가 바로 그것이다.[4]
BI와 BA의 차이점[편집]
분석 측면[편집]
BI가 데이터 기반의 범용적 분석기술에서 출발하여 비즈니스에 다가갔다면, BA는 비즈니스 문제의 해결이라는 문제 의식에서 출발하여 분석을 활용한다는 측면이 강하다. 비즈니스나 산업군이 달라도 정형/비정형 리포팅, OLAP 기술들이 BI영역에서 활용되는 모습은 유사한 경우가 많다. 반면, BA에서는 다양한 비즈니스 상황에서 변수들 간의 관계를 이해하고 비즈니스를 예측하거나 최적화하기 위한 여러 기법들이 활용된다. 예컨대, 데이터의 시간적 트렌트를 찾아내는 '시계열 예측(Forecasting)', 아직 발생하지 않은 상황을 사전에 추론하기 위한 '예측 모델링(Predictive Modeling)', 다양한 제약상황을 바탕으로 최적의 의사결정 값을 찾는 '최적화(Optimization)'와 같은 고도화된 분석(Advanced Analytics) 방법이 활용된다.[5]
구축 측면[편집]
전통적 BI는 과거의 성과를 측정하고 향후 비즈니스를 계획하기 위한 목적이 강하다고 할 수 있다. 이때 성과를 측정하거나 계획을 수립하기 위해 등장하는 것이 '총 매출', '수익 증감', '고객 이탈율'과 같이 비교적 간단한 연산을 통해 얻을 수 있는 지표인데, BI 솔루션은 다양한 방법으로 사전에 정의된 지표들을 중심으로 성과를 빠르게 이해하고 업무에 활용할 수 있도록 도와 준다. 반면, BA는 특정 지표에 의존하기보다는 어떤 결과가 발생한 원인을 심도 깊게 추적하거나 데이터로부터 새로운 사실을 발굴하여 의사결정에 직접적으로 적용하기 위한 측면이 강조된다. 예컨대, '총 매출'이 감소한 상황에서 BI가 어떤 상품, 지역, 부서에서 '매출'이 감소했는지를 찾아내는 데 주안점을 둔다면, BA에서는 다음 분기 매출이 얼마나 될지를 미리 예측한다거나, 매출이 극대화되기 위한 '최적의 가격'과 같이 사전에 의사결정에 도움을 줄 수 있는 '비즈니스 인사이트'를 얻는데 주력한다. BI가 결과 기반의 정보로 의사결정에 도움을 준다면 BA는 비즈니스를 사전에 예측하고 최적화하여 선제적인 의사결정에 도음울 주는 측면이 강조된다는 측면에서 보다 진보된 개념이라고 볼 수 있다.[5]
각주[편집]
- ↑ 유니포인트, 〈비즈니스 애널리틱스의 동향〉
- ↑ IBM, 〈비즈니스 애널리틱스〉
- ↑ 3.0 3.1 iamdaisy, 〈비즈니스 분석(Business Analytics〉, 2015-12-13
- ↑ 한국데이터산업진흥원, 〈비즈니스, 인텔리전스에서 애널리틱스로〉
- ↑ 5.0 5.1 백승민, 〈Business Analytics에 주목해야 하는 이유〉, 2010-04-26
참고자료[편집]
- 유니포인트, 〈비즈니스 애널리틱스의 동향〉
- IBM, 〈비즈니스 애널리틱스〉
- iamdaisy, 〈비즈니스 분석(Business Analytics〉, 2015-12-13
- 한국데이터산업진흥원, 〈비즈니스, 인텔리전스에서 애널리틱스로〉
- 백승민, 〈Business Analytics에 주목해야 하는 이유〉, 2010-04-26
같이 보기[편집]
