디지털 경제시대, 데이터 가치를 높이자
상태바
디지털 경제시대, 데이터 가치를 높이자
  • 임수진 상무
  • 승인 2020.06.30 15:45
  • 조회수 3492
  • 댓글 0
이 콘텐츠를 공유합니다

 

데이터 활용과 공유의 시대가 시작되고 있다

데이터는 보호와 보안의 대상이었다. 데이터가 외부로 유출되면 치명적인 결과를 가져왔다. 데이터에 대한 외부의 접근을 철저하게 차단해야 했다. 또한 고객 데이터를 외부에서 수집한다는 것은 불법이었다. 데이터는 강력한 보안 솔루션 안에서만 있어야 하는 시대였다.

2020년은 데이터 패러다임이 전환되는 시점이다. 개인정보보호법과 신용정보법이 개정되어서 올해 8월에 발효된다. 기업은 데이터를 익명화 등의 처리를 거쳐서 외부에 판매할 수도 있고 구매할 수도 있게 된다. 데이터 주체인 개인의 동의를 얻어서 개인의 데이터를 수집하고 관리하며 개인을 위한 서비스를 제공할 수 있는 마이데이터 비즈니스가 가능하게 된다.

데이터 보호와 보안에서 데이터 공유와 활용의 시대가 시작되는 것이다. 데이터를 감춰두고 자신의 비즈니스를 위해서만 활용하는 것은 데이터의 가치 실현을 포기하는 것이다. 데이터는 디지털 시대의 중요한 자산이다. 데이터 자산의 가치는 어떤 특성이 있을까? 데이터 가치는 어떻게 증폭될 수 있을까?

 

금융회사들의 데이터 활용 현황

데이터 규모는 고객 수와 고객 상호작용 빈도에 비례한다. 금융회사, 통신사, 커머스회사, 소셜미디어 기업 등이 고객 데이터 확보에 절대적으로 유리하다. 금융회사는 금융거래의 결과로 고객에 대한 데이터를 대규모로 축적하고 있다. 

금융회사는 데이터를 마케팅, 리스크, 컴플라이언스, 프로세스 최적화 등에 활용하여 왔다. 투이컨설팅의 2020년 디지털성숙수준 조사 결과에 의하면 데이터분석 영역의 성숙수준은 2020년 조사에서 크게 향상되었다(그림1). 데이터 분석은 기존 업무를 지원하는 부수업무에서 업무 프로세스의 핵심 성과를 좌우하는 필수 업무가 되고 있음을 알 수 있다.

[그림 1] 금융 부문 영역별 성숙 수준 추이 / 출처: 2020디지털성숙진단보고서 (투이컨설팅)
[그림 1] 금융 부문 영역별 성숙 수준 추이 / 출처: 2020디지털성숙진단보고서 (투이컨설팅)

또한 금융회사들의 성숙 수준 조사에서 긍정 답변이 가장 많았던 항목은 데이터를 실적 분석에 활용한다는 것이었다. 데이터 분석 유형은 실적 분석, 결과 예측, 최적화 등으로 구분된다. 실적 분석은 가장 낮은 수준의 분석이다. 금융회사들의 데이터 분석은 고도화될 여지가 더 있기는 하지만, 폭넓게 활용되고 있다는 점은 알 수 있다.

부정 답변이 가장 많았던 항목은 데이터를 외부에 판매하여 수익을 창출하는 항목이었다. 기존의 법 체계에서는 데이터 판매가 제한되고 있었기 때문에 어느 정도 당연한 결과이다. 하지만 앞으로는 데이터가 스스로 수익을 창출하는 자산으로서 기능할 수 있게 된다. 나아가서 새로운 비즈니스 모델을 만들어낼 수도 있다.

[그림 2] 데이터 분석 관점 금융 부문 답변 / 출처: 2020디지털성숙진단보고서 (투이컨설팅)
[그림 2] 데이터 분석 관점 금융 부문 답변 / 출처: 2020디지털성숙진단보고서 (투이컨설팅)

금융회사는 데이터 시대에 매우 유리한 위치에 있다. 대규모 고객을 보유하고 있고, 고객과 일정한 주기로 상호작용을 하고 있다. 고객 데이터는 금융회사의 데이터 품질이 가장 우수하다. 더 나아가서, 고객의 높은 신뢰를 받고 있다. 금융회사는 어떤 전략으로 디지털 시대의 자산인 데이터를 활용할 것인가에 따라 성과가 크게 달라질 것이다. 특히, 마이데이터 비즈니스는 금융회사들의 데이터 활용 역량을 판가름하는 시금석이 될 전망이다.

 

데이터가 자산으로서 갖는 특성

데이터의 가치는 더욱 높아지고 그 중요성 또한 너무나도 강조되고 있지만 기업들은 데이터에 대한 가치를 어떻게 인지하고 있을까? 대부분의 조직은 원칙적으로는 데이터가 자산임을 인식하지만 실질적인 재무 가치 산정은 쉽지 않은 상태이다.

데이터는 무형 자산이다. 실체 확인의 어려움으로 인하여 기업들은 데이터를 자산으로 평가하기보다는 관리를 위한 스토리지 도입 및 유지, 어플리케이션, 인건비 등으로 IT 비용을 증가시키는 요소로 평가하고 있지는 않을까? 

Daniel Moody & Peter의 “Walsh Measuring The Value Of Information: An Asset Valuation Approach” 에서는 다른 자산과 같이 경제 법칙을 따르지 않는 정보를 경제적 재화로 정의하기 위한 7가지 특성을 제시하고 있다. 제시된 7가지 특성과 데이터 경제 시대에 고려할 사항을 포함하여 데이터 가치를 살펴보자.

 

특성 1. 데이터는 가치의 손실없이 무한하게 공유할 수 있다.

그러나 무한 공유로 인한 복제로 데이터 오너십을 복잡하게 하고, 별도의 데이터 스토리지 유지/관리 및 인터페이스 개발, 데이터 정합성 관리 등을 위한 비용을 추가하여야 하는 이슈가 발생하지 않도록 하여야 한다.

특성 2. 사용에 따라 가치가 하락하는 많은 자산들과 달리 사용할수록 가치가 상승한다.

그러나 동일한 구성과 형태로만 반복적으로 활용된다면 정보가 일반화되는 어느 시점에 활용가치는 하락하게 될 것이다. 누구나 알고 있는 정보는 정보로써 가치를 잃게 되기 때문이다. 

그렇기 때문에 무형 자산인 데이터의 특성을 적극 활용하여 동일한 자산으로 가치를 유지하기 위한 활용 전략이 필요하다(제5법칙, 제7법칙에 연계).

특성 3. 데이터는 쉽게 달라진다.

다른 자산과 마찬가지로 데이터도 시간이 지남에 따라 감가상각되는 경향이 있다. 그러나 그것이 가치를 잃는 속도는 데이터의 종류에 따라 달라진다. 

고객의 정보가 변경될 경우 이전 주소 보다 최근 정보가 더 가치 있겠지만, 패턴을 알고 싶은 경우에는 최근 정보보다 과거 누적된 정보가 더 중요한 가치를 가질 수 있다. 특히, 의사결정지원을 위해서는 과거 데이터의 축적이 절대로 필요하다. 그러므로 데이터 특성과 활용 목적에 따라 차별화된 관리 정책이 필요하다.

특성 4. 데이터의 가치는 정확성에 따라 증가한다.

데이터의 정확성은 데이터가 가져야 하는 기본이 되는 필수 요소임을 누구나 동의하는 사항일 것이다. 그렇다면 정확하기 않은 데이터는 무가치한 것일까? 의사결정을 위한 정보를 생성할경우 부정확한 데이터를 사용할 수 없지만 데이터의 정확성을 높이기 위한 작업에 활용하기 위해서는 그 또한 관리가 필요하다고 생각한다. 아마존 CEO 제프 베조스의 “우리는 절대로 데이터를 내다버리지 않는다”에 언급된 데이터에는 모든 데이터가 포함되어 있을 것이라고 생각된다. 데이터에 대한 가치는 성급하게 판단하여서는 안될 것이다.

특성 5. 다른 데이터와 결합하면 가치가 증가한다.

2020년 8월 개정된 데이터3법 시행을 앞두고 데이터전문기관 지정을 추진 중이다. 데이터 결합과 가명처리 적정성 평가 등의 업무를 전담하게 될 데이터전문기관의 역할은 향후 결합에 의한 데이터 가치 상승에 많은 영향을 끼치게 될 것으로 예상된다. 기업 내부 데이터간의 결합이
아니라 서로 다른 기업이 보유하고 있는 데이터 간의 결합은 데이터 분석을 통한 인사이트 확보에 필수 요소가 될 것이다.

특성 6. 무조건 많다고 더 나은 것이 아니다

우리는 정보의 홍수 속에 살고 있다. 정보의 양이 한계를 초과하면 이해력은 급격히 저하되고 의사결정 성과는 감소한다고 결과를 나타나기도 한다.

빅데이터가 부상하던 초기에도 유사한 사례가 많았다. 일단은 무조건 대량의 데이터를 수집하고 저장하는 것을 우선으로 진행했으나, 무조건 많은 데이터보다는 올바른 데이터를 통한 인사이트를 얻는 것이 더 중요하다는 것을 경험을 통해 알 수 있었다. 

특성 7. 데이터는 절대 고갈되지 않는다. 

대부분의 자원은 사용할수록 고갈되지만 데이터는 자체적으로 생성되고, 사용할수록 더 많은 데이터를 보유하게 된다. 서로 다른 데이터를 활용하여 요약, 분석 또는 결합한 결과로 새로운 데이터나 파생 데이터가 생성되는 경우가 많기 때문에 사용할수록 더 많은 데이터를 확보하게 될 것이다.

 

데이터의 자산 가치를 높이는 요인

데이터를 자산으로 평가하기 위한 특성을 살펴보았다. 데이터 가치를 높이기 위해 갖추어야 할 요소는 무엇일까?

1. 완전성

데이터가 얼마나 많은 정보를 포괄하는지 나타내는 것으로 완전성이 높을수록 통찰력의 정확도가 높아진다. 데이터의 완전성을 높이기 위해서는 
- 데이터 관리 및 인프라 및 프로세스 개선을 통한 체계화된 데이터 수집(외부데이터 포함)
- 다양한 소스의 데이터에 대한 정합성 확보를 위한 관리 체계가 필요하다.

2. 일관성 

하나의 데이터는 어디에서나 동일한 일관성을 유지하여야 한다. 구조 데이터는 미리 정의된 구분과 형식에 부합하여 발생되겠지만, 이미지/소리와 같이 구조화되어 있지 않은 데이터는 일관성을 유지하기 어렵고 추가 작업이 필요하다. 이런 비구조적 데이터의 경우 처리가 되어 있을수록 가치가 높아진다.

3. 정확도

데이터의 신뢰성이 데이터 가치에 상당한 영향을 미친다는 것은 가장 기본이 되는 사실이다. 정확도는 데이터 값에 대한 정확도뿐 아니라 데이터 입증(출처)을 위한 정확도를 포함하여야 한다. 

4. 적시성

적시성은 데이터가 사용 시점에 최신상태로 유지되는 정도를 가리킨다. 일반적으로 최신 데이터일수록 가치가 높으나 사용용도에 따라 달라지는 상대적 척도이다.

5. 고유성

데이터는 대안이 적을수록 가치가 높아진다. 고유성에 대한 가치의 동인은 데이터가 제공하는 경쟁 우위 및 수익 기획에 있다.

6. 상호운용성 및 접근성

데이터는 내∙외부 데이터와 결합하여 새로운 가치를 생성할 수 있는 잠재력을 가지고 있다. 쉬운 접근과 결합 용이성을 제공하지 않는다면 데이터 소비자들은 관심을 가지지 않을 것이다.

7. 데이터에 대한 제한 및 책임

데이터 사용이 제한되지 않을수록 데이터의 가치는 높아진다. 또한 데이터와 관련된 잠재적 책임은 데이터의 가치를 떨어뜨릴 수 있으며 데이터 활용을 저해하는 주요 요인이 된다.

데이터를 제한없이 사용할 수 있고 잠재된 책임으로부터 자유로울 있는 관리 정책을 통해 데이터 소비자가 데이터에 대한 책임에 노출되지 않도록 하여야 한다.

이제는 데이터를 바라보는 관점을 바꾸어야 한다. 디지털 탈바꿈은 데이터로부터 시작된다. 데이터가 주도하는 비즈니스를 만들어야 한다. 또한 생성되는 데이터를 활용하여 새로운 비즈니스를 시작해야 한다. 데이터를 잘 활용하는 조직이 될 수 있도록 데이터 리터러시와 데이터인프라, 데이터거버넌스를 확보해야 한다. 

 

[참조자료]
-    Guide to Data Valuation for Data Sharing (Infocomm Media Development Authority, Personal Data Protection Commission)
-    Daniel Moody & Peter의 “Walsh Measuring The Value Of Information: An Asset Valuation Approach”
 

댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.