미니 서평

약팀이 강팀을 이기는 드라마 같은 스토리…

데이터에 기반해 문제를 해결해나가는 흥미진진함에 단숨에 읽어버렸다. 

등장하는 선수들의 실제 메이저리그 성적을 확인해 볼 수 있다는 것도 하나의 재미요소다.

브래드 피트 주연의 영화로도 만들어진 이 책은 

오클랜드 애슬레틱스의 빌리 빈 단장이 재정이 악화되어 트레이드를 할 수 밖에 없는 상황에서

통계 기반 세이버매트릭스를 활용하여 2002년 시즌을 성공적으로 만들어낸 실화를 바탕으로 하고 있다. 

책을 보고 나면 야구에 대한 이해도가 높아진다. 

예를 들면, 국내 프로야구도 2000년대 부터 OPS를 도입하기 시작했었다. 

단순히 OPS가 "출루율 + 장타율"인 것만 알았다. 

그러나 타율과 타점 보다 타자를 평가하는데, 

정확하게는 경기를 승리하는데 기여하는 정도를 볼 때는 OPS가 더 적절한 것이라고 한다. 

특히 타점 같은 경우, 선행 주자가 없다면 홈런 이외에는 타점을 올리기 어렵기 때문에 운이 많이 작용하는 지표인 것이다. 

이렇듯 야구의 모든 지표에 대해 단순히 숫자를 알기 보다는 

그 언어적 의미를 이해해야 한다는 것이다.

위클리 스탠다드의 "마크 거슨"은 다음과 같이 말했다. 

"머니볼"은 마이클 루이스가 쓴 최고의 경영서이다. 어쩌면 모든 경영서 가운데 최고일지도 모른다. 

보통 우리는 문제에 봉착할 때 "너무 불공평합니다!" 라고 이야기 한다. 

원래 삶 자체가 불공평한거다. 

"불리한 게임을 승리로 이끄는 기술" 이것이 바로 "머니볼"의 핵심이다. 

단순히 운을 기다려서는 안된다. 

우리가 가진 정보를 최대한 활용해 최소의 비용으로 최선의 선택을 해야 한다. 

그러기 위해서 

우리가 앞으로 해야 할 일은 바로 "왜"라는 질문에 답하는 것이다. 

라고 이야기 한다. 

내가 보는 머니볼의 핵심은 다음과 같다.

가설을 세우고 (왜 라는 질문에 답변)

증명을 하고 (수집할 수 있는 정보를 활용)

적용하면 된다. (실생활에 반영)

바로 통계학이다. 

밑줄 긋기

그는 이 바닥에서 일하며 몇 가지 사실을 깨달았다. 

첫째로 선수 출신들은 하나같이 자신의 경험을 일반화하는 경향이 있었다. 

그들은 자신이 겪은 일을 전형적인 것이라고 생각하지만 사실은 그렇지 않다. 

둘째로 사람들은 최근의 성적을 과도하게 신뢰하는 경향이 있었다. 

그러나 최근 성적이 반드시 미래의 성적으로 연결되는 것은 아니다. 

셋째로 사람들이 자기 눈으로 직접 보았거나 보았다고 생각하는 사실에도 편견이 작용한다. 

자신이 본 것에만 전적으로 의존할 때 사람들은 환상 속에 같히게 된다. 

반대로 그런 환상을 뚫고 현실을 올바로 본 누군가한테는 돈을 벌 기회가 될 수도 있다. 

게다가 야구에는 눈으로 직접 볼 수 없는 것도 많다. 

오클랜드 애슬레틱스에 초빙된 심리상담사 하비 도프먼은 심리학을 전공한 고등학교 교사로 카리스마가 넘치는 인물이었다. 

그 당시 도프먼은 빌리에 대해 이렇게 판단했다. 

"야구팀이라는 조직은 재능이 뛰어난 선수가 부진을 겪을 때 그 상황을 받아들이고 이겨내도록 도와줘야 한다는 점을 이해하지 못한다. 

부진한 선수를 지나치게 몰아세워서는 안 된다.

성적 부진은 결코 굴욕이나 수치스러운 일이 아니므로 여유를 갖고 신중하게 대처하도록 해야 한다. 

또한 야구가 중요하긴 하지만 그렇다고 인생의 전부가 아니라는 사실도 깨닫게 해야 한다. 

정말 중요한 것은 삼진을 당했는지가 아니라 후회 없이 경기를 펼쳤는가 하는 것이다. 

빌리는 자신의 재능은 믿었지만, 자신에 대한 믿음이 없었다. 

그는 자신을 야구 성적에 따라서만 평가했다. 

그렇다 보니 성적이 나쁘면 자신감 역시 사라졌다. 

또한 그는 무슨 일이든 제대로 대처한 경험이 없었으므로 대응기제도 발달하지 못했다."

 

미 항공우주국의 엔지니어에서 야구 작가로 변신한 에릭 워커는 "야구선수의 어떤 면에 돈을 쓰는게 가장 효율적인 방법인가 에 대한" 소책자를 썼다. 

워커에 따르면 수비는 야구에서 기껏해야 5퍼센트밖에 차지하지 않으며, 나머지는 피칭과 공격에 달려 있다. 

문제는 훌륭한 투수는 제대로 된 평가를 받지만 훌륭한 타자는 그렇지 못하다는 것이다. 

워커는 다음과 같이 설명했다. 

"야구를 분석해보면 흥미롭고도 중요한 여러 숫자가 등장한다. 

하지만 가장 중요한 숫자는 3이다. 

아웃이 세 번이면 한 이닝이 끝난다. 

세 번째 아웃을 당하기 전까지는 어떤 플레이도 가능하지만 그 이후로는 모든 게 끝이다. 

따라서 공격 팀의 경우 아웃 확률을 높이는 모든 시도는 해가 되고, 

반대로 아웃 확률을 낮추는 모든 시도는 이롭다. 

그렇다면 출루율은 무엇인가?

간단하고 정확히 말하면 타자가 아웃당하지 않을 확률이다. 

이렇게 놓고 보면 출루율은 공격 부문의 통계 가운데서 가장 중요한 수치라는게 분명해진다. 

출루율은 타자가 아웃되지 않고 공격할 기회를 늘리겠다는 의지를 보여주는 수치다."

통계 분석의 힘은 표본의 크기에 달려 있다. 

분석가가 다뤄야 할 자료 분량이 많을수록 그와 관련된 특정한 결론을 더 확실하게 이끌어낼 수 있다. 

좌완투수를 상대로 해서 10타수 2안타를 기록한 우타자를 놓고 1,000타수 200안타를 기록한 타자와 마찬가지로 

좌완투수를 상대로 꾸준히 2할을 기록할 것이라는 식의 예측은 불가능하다. 

야구 개요를 쓴 제임스의 광범위한 독자층은 통계가 핵심이 아니라는 사실을 이해하지 못했다. 

제임스가 주장한 핵심은 야구에 대한 올바른 이해였는데도 말이다. 

또한 이 세상의 삶을 좀 더 이해할 수 있게 만드는 데 있었다. 

"우리는 모두 숫자에 너무나 무감각해져 숫자를 통해 만들어진 그 어떤 지식도 진정으로 받아들일 수 없게 되어버렸다."

실력을 인정받는 마무리 투수는 '세이브'라는 기록 덕분에 선수시장에서 실제 가치보다 과도하게 책정되는 경향이 있다. 

물론 '위기에서 구해낸다'는 뜻을 지닌 세이브라는 용어만 놓고 보면, 세이브를 달성한 선수는 매우 중요한 존재라는 느낌이 든다. 

하지만 세이브로 묘사되는 전형적인 경우, 예를 들어 팀이 이기는 가운데 9회에 상대팀 주자가 없는 상황은 

투수가 직면하는 수많은 다른 상황과 비교할 때 특별히 더 위태롭지는 않다. 

제임스식으로 말하자면 마무리 투수의 기록은 그저 숫자일 뿐 언어의 힘을 가지고 있지 않다. 

오클랜드 애슬래틱스의 단장인 빌리 빈은 선수 트레이드에 앞서 다음과 같은 다섯 가지 규칙을 마음에 새겨두었다. 

1. 현재 아무리 성공적이라고 해도 변화는 언제나 필요하다. 

영원한 현상유지는 없다. 항상 업그레이드를 추구하라. 그렇지 않으면 끝장이다. 

2. 뭔가를 꼭 해야 한다고 말하는 순간 이미 끝장난 것과 다름없다. 

형펀없는 거래를 하고 말 것이기 때문이다. 

3. 모든 선수가 정확히 어떤 가치를 지녔는지 정확하게 알아야 한다. 

그래야만 선수의 가격을 제대로 매길 수 있다. 

4. 어떤 선수가 필요한지 정확하게 파악하고 그 선수를 붇잡아라. 

다른 팀이 어떤 선수를 트레이드로 보내고 싶어 하는지는 신경 쓰지 마라. 

5. 내가 하는 모든 거래는 대중의 주관적인 판단에 따라 집중공격을 당할 것이다. 

내가 만일 IBM의 사장이라면, 자신이 내리는 인사결정이 신문 경제면의 첫 페이지에 나온다고 해도 전혀 개의치 않을 것이다. 

모든 사람이 자신이 PC에 관해 모든 것을 안다고 생각하지 않는다. 

그러나 방망이를 한 번이라도 잡아본 사람은 모두 자신이 야구를 잘 안다고 생각한다. 

내 일을 잘해내려면 신문 기사 따위는 무시 해야 한다. 

데이터를 얻는 능력, 즉 데이터를 이해하는 능력, 처리하는 능력, 가치를 뽑아내는 능력, 시각화하는 능력, 전달하는 능력이야말로 앞으로 10년간 엄청나게 중요한 능력이 될 것이다. - 할 배리언, 구글 수석 경제학자

과거를 돌이켜 보면 세상을 바꾸는 기술들이 분명히 있었습니다. 

80년대 후반 처음 봤던 개인용 컴퓨터, 90년대 중반부터 사용하기 시작한 인터넷, 2000대 후반의 스마트폰 등..

그러나 업계의 모든 기대를 받았지만 떠오르지 못하고 사라진 기술들도 많습니다. 

하지만 잘 안되던 기술들이 다른 이름으로 융합되고 새롭게 나타나서 다시 성공하기도 하는 것 같습니다. 

스마트폰도 2000년대 초반 PDA등의 실패가 지금 성공의 기초가 되었다고 하고

웹 2.0도 마케팅 용어에 불과하다는 평가도 받았지만 추후 소셜 네트워크와 같은 새로운 서비스들의 성공으로 나타나기도 했구요. 

빅데이터도 이런 관점에서 바라볼 필요가 있다고 생각합니다. 

과거에 OLAP, 데이터웨어하우스, 데이터 마이닝 등 어떻게 생각해보면 우리는 이미 빅데이터란 것을 경험했었다고 볼 수 있습니다. 

즉, 빅데이터가 과거의 기술들을 기반으로 만들어진 것이라고 본다면 빅데이터는 기술의 문제가 아니라는 것입니다. 

물론 Hadoop이나 NoSQL과 같은 기술요소들은 존재하지만 어떻게 빅데이터를 활용하느냐에 문제가 더 중요하다는 것이죠. 

그런 측면에서 보면 함유근님과 채승병님이 쓴 이 책은 빅데이터를 경영에 적용하는 활용 사례를 중심으로 잘 설명하고 있습니다. 

1부 빅데이터에 주목하는 이유와 배경

먼저 제가 빅데이터의 확장 배경에 대해서 정리한대로 빅데이터의 3가지 요소인 규모(volume), 속도(velocity), 다양성(variety)에 대해서 이야기 하고 있습니다. 

그리고 빅데이터를 좁은 의미와 넓은 의미로 나누어 다음과 같이 정의합니다. 

빅데이터란 보통 수십에서 수천 테라바이트 정도의 거대한 크기를 갖고, 여러 가지 비정형 데이터를 포함하고 있으며, 생성-유통-소비가 몇 초에서 몇 시간 단위로 일어나 기존의 방식으로는 관리가 매우 어려운 데이터 집합을 의미한다. 

빅데이터란 기존의 방식으로는 관리와 분석이 매우 어려운 데이터 집합, 그리고 이를 관리, 분석하기 위해 필요한 인력과 조직 및 관련 기술까지 포괄하는 용어이다. 

마지막으로 빅데이터의 활용 배경으로 기술환경의 변화와 기업 경쟁 환경의 격화에 대해 이야기 하고 있습니다.

기술 환경의 변화와 관련해서는 다음 사항들을 다루고 있네요. 

• 저장 매체의 발달과 저장 비용의 하락
• 사람과 사람, 기계와 기계간 연결 증가
• 급격히 진보하고 있는 데이터 관리 및 분석 기술 

2부 빅데이터는 어떻게 경영을 바꾸는가?

2부는 이 책의 핵심 내용이라 할 수 있는 빅데이터가 경영을 어떻게 바꾸는지 설명하고 있습니다. 

첫째로 센서 기술과 가치 사슬의 재설계로 새로운 차원의 생산성 향상이 가능하다는 것입니다. 

동시에 생산성 향상으로 고용 감소와 같이 발생할 수 있는 점들을 지적하면서 빅데이터는 단순히 경영이나 기술적 이슈만이 아닌 사회적 정치적 관점에서 폭넓은 접근이 필요하다고 이야기 합니다. 

두번째로 발견에 의한 문제해결에 대해서 이야기 합니다. 

구글 애널리틱스(Google Analytics), 구글 트렌드(Google Trends), 구글 상관관계(Google Correlate)를 이야기 하면서 구글 검색 뒤에 숨겨진 세상의 변화 추이나 관심사들 간의 관계를 무료로 발견할 수 있다고 이야기 합니다 .

기존의 검색과 같은 방법은 무엇에 대한 답을 찾을지 미리 알고 (문제가 무엇인지 미리 알고, 즉 키워드) 시작하는 것이었지만, 

빅데이터는 창의적인 반복적 탐구 과정을 통해 무엇을 질문해야 하는지 (무엇이 문제가 되어야 하는지, 즉 검색할 키워드) 찾아내는 과정이다. 

빅데이터를 통한 발견과 관련된 "예측", "시각화", 그리고 "맞춤화"에 대해서 이야기 합니다. 

저도 실제 빅데이터를 이용하는 서비스를 구성하면서 반드시 다음과 같이 진행해야 한다고 생각하고는 있습니다. 

시각화를 통한 통계 -> 분석을 통한 리포트 -> 예측

특히 예측과 관련해서 고민을 많이 하고 있었는데요. 이 책에서는 예측을 위해서는 모델(model)이 있어야 한다고 하네요. 

'기업의 매출은 광고비에 비례한다'라고 하면 'Y(매출) = aX1(광고비) + b'라는 모델이 성립하고, 

이 모델이 적절하다면 기업은 앞으로 얼마의 광고비를 투입하면 매출이 어느 정도 될지 예측할 수 있다는 것이죠. 

그런데 빅데이터를 통한 예측을 하게 되면 다양한 변수들를 찾아서 예측력을 높일 수 있다고 합니다. 

'Y(매출) = aX1(광고비) + bX2(회사 웹사이트의 상품 홍보 클릭 수) + cX3(SNS에서 자사 제품 등장 수) + d(상수)'와 같이 모델을 확장할 수 있다는 것이죠. 

위 예제는 간단한 선형회귀식이지만 이론적으로는 다른 복잡한 형태의 예측 모형 구축도 가능해지면서 예측력을 한층 높일 수 있다고 하네요. 

세번째로 의사결정의 과학화와 자동화에 대해서 이야기 합니다. 

시장조사기관인 포레스터 리서치에 따르면 과거 20년에서 25년 동안 기업들이 활용 가능한 정보의 5%만으로 의사 결정을 해왔다고 합니다. 

즉 데이터보다 직관에 의존한 의사결정을 많이 해왔다는 것인데요. 이럴 때 발생할 수 있는 오류나 편견에 대해서도 많은 연구 결과들이 있습니다. 

빅데이터를 의사결정에 활용하는 4단계를 저자는 다음과 같이 이야기하고 있습니다. 

1단계: What happened? (회사의 영업 이익이 얼마나 되는지 답하는 수준)

2단계: Where exactly is the problem? (사용자 관점에서 지난주 어떤 영업점의 매출이 높았고 어떤 제품이 잘 팔렸는지 답을 주는 단계)

3단계: What is happening next? (다음달에 어떤 제품이 가장 잘 팔릴지 예측하고 어떤 고객을 대상으로 판촉해야 하는지 예측하는 단계)

4단계: What's the best that can happen? (핵심 의사 결정까지 컴퓨터에 의해 제안되어 더욱 신속하고 정확한 판단과 행도이 가능해지는 단계)

여기에서도 3단계에 예측이 나오는데요. 

구글의 수석 경제학자 할 배리언은 예측은 남들이 예상치 못하는 점을 잡아낼 수 있어야 한다며 다음과 같이 이야기 했다고 합니다. 

돈을 벌기 위해서는 '어떤 일이 벌어질 것인가'와 '사람들이 생각하는 일이 일어날 것인가' 이 두 가지를 예측할 수 있어야 한다. 

돈을 버는 경우는 두 예상치의 차이를 알 수 있을 때이다. 

즉, 다들 예상치 못하는 바를 예측하는 것이 더 정확히 예측하는 것보다 훨씬 값어치가 있다는 것이죠. 

네번째로 새로운 고객 가치와 비즈니스의 창출에 대해서 이야기 합니다. 

빅데이터를 활용한 새로운 비즈니스 중 다양한 혁신으로 신산업을 개척하고 있는 '맥락/상황 인식 비즈니스'와 이를 스마트폰 내에서 구현하는 '스마트 모빌리티 비즈니스', 그리고 '자원 이용 최적화 비즈니스'에 대해서 다루고 있습니다 

참고로 IBM의 2011년 스마트 커머스 보고서에 따르면, 네가지 분야에서 스마트 비즈니스가 진전되고 있다고 합니다. 

물건을 구매하거나(Buy) 거래하는(Market) 부분, 물건을 판매하거나(Sell) 서비스하는(Service) 부분에서 컴퓨터가 사람의 수고를 덜어주면서 스스로 판단해 좀 더 효율적이고 효과적으로 작업을 수행한다는 것이죠. 

3부 빅데이터 시대를 위한 제언

여기에서는 한국 현실에 맞추어 빅데이터 시대를 위한 문제 점검과 해결 방향에 대해서 이야기 합니다. 

특히 관심이 갔던 부분은 빅데이터가 얼마나 지속될 것인가? 하는 것이었습니다. 

실제로 IT 업계의 각종 기술들이 유행과 실망이 반복되는 패턴을 보여왔고 가트너에서도 Hype Curve라는 과장광고 곡선이라는 것도 있다고 하네요. 

1단계(기술 도입기): 기술이 주목받는 계기 (Technology Trigger)

2단계(기대 절정기): 부풀려진 기대의 절정 (Peak of Inflated Expectations)

3단계(실망/침체기): 환멸의 바닥 (Trough of Disillusionment)

4단계(재조명/부상기): 이해의 상승 (Slope of Enlightenment)

5단계(생산성 안정기): 생산성의 안정 (Plateau of Productivity)

과연 빅데이터는 3단계에서 사라질까요? 아니면 5단계까지 성장할 수 있을까요? 

기업의 행동을 알기 위한 프레임워크 (3C)
현재 우리 회사의 처한 상황을 알고 싶거나, 무슨 일이 일어나고 있는가를 알고 싶다면
3C를 활용해서 분석해 볼 수 있다고 합니다.


하버드 비즈니스 스쿨의 마이클포터가 작성한 5 Forces 모델
3C와 유사한 프레임워크로 5가지 모델을 통해 현재 상황을 분석합니다.
좀 더 복잡하지만 대략적으로 보면 될 것 같네요~

경영자원의 요소
경영자원의 요소를 가람, 물건, 돈, 정보로 분류하여 생각한다고 합니다.
여기에 브랜드를 추가해도 괜찮다고 하네요


톰피터스의 엑셀란트 컴퍼니에 소개된 7S 모델
이것도 회사를 분석하는데 적합한 프레임워크라고 합니다.
좋은 기업이 되기 위해서는 이러한 7S가 확실하게 정착되어 있지 않으면 안된다고 하네요


마케팅 4P
마케팅 전략을 수립하기 위한 프레임워크로 주로 사용합니다.
제품, 가격, 유통 경로, 광고 판촉의 4가지 틀로 정리해 보면 어떻게 해야 할 지 파악할 수 있다고 하네요


이상으로 역시 나중에 활용하기 위해서 각종 프레임워크에 대해 정리해봤습니다.