'데이터 과학(Data Science)’은 석유 자원에 경제적 가치를 부여하는 정제 프로세스에 비유될 수 있습니다. 원유가 여러 단계의 공정을 거쳐 플라스틱, 섬유, 고무와 같은 상품으로 재탄생하듯이, 데이터 자원도 여러 단계를 거치면서 기존에 없던 가치를 창출합니다. 기업은 데이터 업무 수행 단계별(수집, 저장, 처리, 분석, 활용) 이슈 사항의 검토를 통해, 효과적인 운영 혁신을 추진할 수 있습니다.

그동안 많은 기업은 데이터 수집 단계에서 필요 이상의 시간과 자원을 투입하고 있었습니다. 이에 따라 데이터 저장 단계에서 새로운 형태의 정보를 축적하고 공유할 수 있는 IT 인프라의 필요성에 크게 공감하고 있으며, 데이터 처리 단계에서의 심각한 병목 현상 또한 경험했습니다. 이러한 문제를 해결하기 위해서 기술 혁신 기반의 데이터 품질 확보 전략을 설계하고 이행해 나가야 합니다.

아울러 기업들은 비즈니스 중심의 데이터 분석 체계를 구축해야 하는 새로운 도전 과제에 직면하고 있습니다. 사업 분석과 데이터 엔지니어링(Data Engineering) 역량을 확보하는 데 어려움을 겪고 있기도 합니다. 이와 같은 가운데, 데이터 자원으로부터 새로운 가치를 창출하기 위해서는, 사업 목표와 일원화된 분석 프로세스를 정립하고 플랫폼 기반의 디지털 생태계를 구축하려는 노력이 필요합니다.

실제로 우버(Uber), DHL 등 글로벌 선도 기업은 데이터 과학을 통해 최적의 고객 경험을 제공하기 위해 노력 중입니다. 미국의 맥주회사 슈가크릭(Sugar Creek) 등 많은 중소 업체 또한 데이터 과학 기반의 운영 혁신에 동참하고 있습니다.

본 보고서는 데이터 자원을 활용하여 기업 운영 혁신의 기회를 발굴하고, 각 분야에서 디지털 리더(Digital Leader)로 도약하기 위한 정보와 시사점을 제시합니다. 이를 통해 급변하는 시장 상황에 성공적으로 대응할 수 있는 전략 수립에 기여하고자 합니다.

Executive Summary       

 

데이터 자원과 데이터 과학

• 데이터 산업의 부상과 성장 배경

• 국가 주력 산업의 전환이 이끄는 사고 패러다임의 진화

• 데이터 수집부터 분석·활용까지, 데이터 업무 수행 흐름도

데이터 수집

• 데이터 수집 과정에서의 이슈사항

• 데이터 수집을 위한 기술·기법 인에이블러

• 비즈니스 고려사항

데이터 저장

• 데이터 저장 과정에서의 이슈사항

• 데이터 저장을 위한 기술·기법 인에이블러

• 비즈니스 고려사항

데이터 처리

• 데이터 처리 과정에서의 이슈사항

• 데이터 처리를 위한 기술·기법 인에이블러

• 비즈니스 고려사항

데이터 분석

• 데이터 분석 과정에서의 이슈사항

• 데이터 분석을 위한 기술·기법 인에이블러

• 비즈니스 고려사항

데이터 활용

• 데이터 활용 과정에서의 이슈사항

• 데이터 활용을 위한 기술·기법 인에이블러

• 비즈니스 고려사항

사례 분석

•  ① 데이터 자산과 애널리틱스 역량으로 경쟁력을 만드는 우버(Uber)
•  ② 빅데이터 기반의 통합 리스크 관리 솔루션을 구현한 DHL
•  ③ AI 기반의 상품 혁신 전략을 추진하는 슈가크릭(Sugar Creek)
•  ④ 인공지능을 통해 제약 연구를 혁신하는 아톰넷(AtomNet)
•  ⑤ 데이터 기반의 예측 정비를 실현한 브리티시 페트롤륨(BP)

 

결론 및 시사점