4월호 게재
김정상 기자
과거 기업의 경쟁력이 얼마나 많은 고객의 데이터를 가지고 있느냐였다면, 지금은 모아진 데이터를 어떻게 활용하는가가 더 중요하게 생각되고 있다. BI(Business Intelligence)는 수집된 자료를 바탕으로 효과적으로 사업전략을 수립할 수 있게 해 준다. 그러나 일반적인 BI는 대량의 자료를 분석해서 일정한 패턴을 찾기는 용이하지만, 이를 다양하게 활용하기에 한계가 있었다. 의사결정방식이 자동화되지 못했고, 데이터처리방식에 어려움이 있었기 때문이다. 최근 점차 기존 데이터를 바탕으로 신속하게 의사결정을 내려야 하는 분야가 늘어나면서 이에 맞는 BI요구가 늘어나고 있다. 코리아엑스퍼트에서 소개하고 있는 EDM(Enterprise Decision Management)은 BI를 한단계 개선한 것이라 볼 수 있다. 이번호에서는 EDM에 대해서 알아보고, 금융권 도입 사례들을 살펴보기로 한다.
은행의 대출심사나 보험회사의 청약심사와 같은 업무는 하루에도 수 천건 이상의 의사결정을 요구한다. 이럴 때마다 개개인의 모든 정보를 검색하고 대출이 가능한지, 청약조건을 갖추고 있는지에 대해서 판단을 내리는 것은 꽤 번거롭고 복잡한 일이다. 또한 그 사이에서 다양한 문제들이 발생하고, 이는 곧 기업의 손실로 이어진다. 심사업무의 경우에는 특히 의사결정의 수가 많고 현장에서 바로 이루어지기 때문에 이런 문제가 수시로 발생하게 되는데, 이와 같이 복잡한 의사결정에 도움을 주는 것이 바로 ‘운영BI’, ‘EDM’이다.(EDM이라는 용어는 페어아이작에서 주창하였으며, 비즈니스 용어로 사용되고 있다)
의사결정에 도움을 주는 BI
BI(Business Intelligence)는 대량의 데이터를 분석하여, 새로운 경향이나 패턴 등을 추출하여 이를 기업의 의사결정에 활용하도록 하는 것을 말한다. 이는 기업의 효율적 경영과 사업의 성공적 수행을 지원하는 중요한 역할을 담당한다. 대다수의 기업들이 자신들이 수집한 대량의 데이터를 효과적으로 사용하기 위해 다양한 프로젝트를 진행한다. 이런 프로젝트의 결과는 경영진의 전략적 의사결정에 중요한 판단근거가 되고, 업무수행을 위한 전술적 의사결정의 기준이 된다.
데이터를 분석하는 BI,
수집된 데이터를 활용하는 BI
BI는 바라보는 시각에 따라 크게 ‘분석BI’와 ‘운영BI’로 나눠서 생각해 볼 수 있다.
‘분석BI’는 데이터를 분석해 시장의 경향, 패턴 등과 같은 의미 있는 정보를 추출해내는 작업을 말한다. 이렇게 추출된 정보를 바탕으로 기업은 ‘의사결정’을 내리고, ‘의사결정’은 기업 내의 각종 사업과 업무에 영향을 미치게 된다. 이런 분석적인 BI를 위해서 많은 기업들은 데이터웨어하우스를 만들고, 이곳에서 필요한 정보를 추출해 데이터마트를 구축한다. 또한 이를 분석할 수 있는 다양한 방법을 고안해내고 있다.
‘운영BI’는 수집보다는 실행에 중점을 두고 있다. 수집된 의미 있는 정보들을 일정한 규칙에 의해서 실행할 수 있도록 해주며, 다양한 분야에 맞게 체계적으로 활용할 수 있도록 지원한다. 대표적 실행 시스템으로는 ERP, CRM, SCM 등이 있으며, 이는 ‘의사결정’을 통해 실행이 결정된다.
‘의사결정’으로 연결되는 시스템
다양한 분석 결과를 기초로 결정된 내용이 각종 시스템에 전파되어 효율적이고 수익성 높은 사업을 전개할 수 있을 때, BI는 그 의미를 갖는다. 따라서 결정된 내용을 어떻게 효과적으로 운영시스템까지 확장할 수 있는가에 BI의 성공여부가 달려있다고 할 수 있다. 그러나 지금까지 대부분의 BI는 분석에서 운영까지 확장할 수 있는 방법이 없었다. BI의 중심에 ‘의사결정’이라는 복잡한 단계가 자리하고 있었기 때문이다. 이런 ‘의사결정’단계를 효율적으로 설계해 자동화 할 수 있을 때 ‘분석BI’와 ‘운영BI’가 자연스럽게 연결되어 효율적이고 시스템 운영이 가능하게 된다.
갈수록 복잡해지는 의사결정 과정을 통제한다
분석 BI와 운영BI가 유기적으로 작동하기 위해서는 구조적인 통일이 필요하다. 분석BI의 결과가 운영 BI에서 활용될 수 있는 구조가 갖춰질 때 분석 및 전략수립이 공유되고, 능동적인 BI구조 설계가 가능하기 때문이다. 이를 가능하게 해 주는 것이 EDM이다. 현재 전사적 의사결정 관리(EDM)는 은행에서 세무서에 이르기까지 다양한 기관에서 급속한 ROI(투자대비효과)를 거둠으로써 그 실효성을 입증하고 있다.
EDM은 ‘분석 및 전략수립’과 ‘의사결정’사이에 일정한 룰(규칙)을 통해서 분석BI의 결과물을 즉각적으로 의사결정에 반영할 수 있도록 한다. 의사결정 어플리케이션은 이를 반영하여 수시로 수정 및 보완하여 필요에 맞게 사용한다.
예를 들어 보험지급심사의 경우를 살펴보면, 분석BI는 데이터베이스에 저장된 보험사기 데이터를 분석하고, 이에 따라 보험사기 가능성을 판단할 수 있는 기준과 방법들을 마련하게 된다. 운영BI는 이를 바탕으로 의사결정을 자동화하여 보다 효율적인 작업이 가능하도록 돕는다.
페어아이작 COO인 마이크 캠벨(Mike Campbell)은 “EDM은 갈수록 복잡해지는 의사결정 과정을 통제할 수 있다는 것뿐만 아니라 의사결정 과정에 비교우위를 제공한다는 종합적인 관점에서 이해되어야 한다”고 말한다.
BI 연동, 기술적인 두 가지 조건
‘분석BI’와 ‘운영BI’는 논리적으로 전혀 다른 분야라고 할 수 있다. 이 둘을 연동시키기 위해서는 기술적으로 두 가지 조건이 해결되어야 한다.
첫째는 둘의 관계가 논리적으로 일반화되어야 한다. 분석BI에서 도출된 결과가 운영BI에서 사용 가능한 형식이어야만 한다. 둘째는 의사결정 어플리케이션이 유연성을 가져야 한다는 점을 들 수 있다. 의사결정과정은 분석BI의 다양한 결과들을 취합해 일정한 결과를 만들어 내야 한다는 것이다.
이런 기술적이 문제들이 해결되지 못하면 분석과 운영이 결합된 통합BI는 불가능하게 된다.
효율적인 RDMS, EDM
EDM(Enterprise Decision Management)이라는 용어는 페어아이작사(Fair Issac)에서 2000년대 초부터 사용하고 있는 용어로 기업의 다양한 의사결정을 자동화하는 기술적 개념이다. 그러나 최근에는 여러 가지 의미로 EDM이라는 단어가 사용되고 있다. 여기서 소개하는 EDM은 ‘기업에서 발생하는 의사결정업무를 자동화, 개선 및 통합하여 업무효율 및 수익성을 개선하는 기술로 운영BI의 한 형태’라고 정의할 수 있다.
EDM은 “매우 빠르게 변경되는” 룰과 모델, 전략을 업무담당자가 직접 입력하고 이렇게 한 지점에서 입력된 룰과 모델, 전략이 IT인력의 도움없이 사기, 신용평가, 금리결정에 이르기까지 업무 전반에 걸쳐 적용될 수 있다. 이런 특징을 활용하면 교차판매, 연쇄판매 등도 가능할 수 있다. 필요할 때마다 새로운 어플리케이션과 채널을 추가해 시간이 지날 수록 자사만의 특화된 비즈니스 환경을 구축할 수도 있다.
결과적으로 시장변동, 제품개발, 규제변화를 포함하여 비즈니스 환경에서 발생하는 다수의 어려운 문제들에 민첩하게 대응할 수 있게 된다.
정확한 ‘의사 결정’이 무엇보다 중요
지금까지 기업은 변화에 적절하게 반응하지 못해 도태되는 경우가 많았다. 변화를 추구하다보면 그에 따른 비용도 많이 들고, 변화를 따르지 못하면 경쟁력을 유지할 수 없다. 이런 오늘날의 기업 환경에서 페어아이작의 EDM은 신속한 의사결정능력을 제공해 업무 효율을 높여준다. 여기서 말하는 ‘정확한’의사결정이란 목표가 뚜렷하고 수익성이 높으며, 전 채널과 어플리케이션에 걸쳐 일관적인 것을 말한다. 신속한 의사결정이 가능해 지면 업무 담당자들이 환경이 바뀌더라도 바로 적용할 수 있게 된다.
EDM을 가능하게 하는 ‘모델 빌더’와 ‘블레이즈 어드바이저’
페어아이작사의 EDM은 BRMS기술을 바탕으로 크게 모델 빌더(Model Builder)와 블레이즈 어드바이저(Blaze Advisor)로 구성되어 있다. 모델빌더는 각종 모델링 기술과 스코어카드 기술을 바탕으로 한 기술프로그램으로 예측분석능력부여 및 강화에 의한 정확성, 효율성 및 수익성 향상에 도움을 준다. 블레이즈 어드바이저는 의사결정(Decisions) 자동화하는 기술로 신속, 정확하고, 일관되고, 민첩한 결과를 도출하게 해 업무성과를 높여 준다.
이외에 모델링 기술과 경험, 업무별 전문지식, 전사적 비즈니스 룰 운영 경험 등을 포함해 총체적인 개념으로 EDM이라는 용어를 사용하고 있다.
● 모델 빌더(Model Builder)
모델빌더는 스코어카드, 의사결정 트리 등의 예측모형 개발을 지원하는 도구로, 데이타마이닝(Data Mining) 분석결과를 넘어 실행 가능한 분석결과를 도출하도록 돕는 어플리케이션이다. 데이터를 분석하고, 모형을 개발하고, 모형을 검증하고, 모형을 실행하는 업무를 진행할 수 있으며, 실행을 통해서 실질적으로 수익을 제공하는 BI라고 할 수 있다.
● 블레이즈 어드바이저(Blaze Advisor)
비즈니스를 드라이브하며 신속, 정확한 의사결정을 돕는 어플리케이션으로, 모델 빌더를 통해서 정제된 데이터를 바탕으로 룰(Rule)을 작성하게 된다. 블레이즈 어드바이저는 일반적인 규칙들을 만들고, 원하는 조건을 분석하고 결과를 도출하도록 도와 Predictive Analytics을 가능하도록 한다.
● 개발, 구매 EDM으로 가는 길
기존 산업의 표준 어플리케이션에서부터 처음부터 개발한 어플리케이션에 이르기까지 모든 솔루션에 적용되는 EDM 아키텍처를 표준화하는 작업이 필요한데, 페어아이작은 이를 표준화하는 작업을 진행하고 있다. 기업이 개발하거나, 또는 솔루션을 구매할 때 언제든지 페어아이작은 똑같은 소프트웨어와 분석 및 전문지식을 제공한다.
페어아이작은 기업의 기존 시스템과 데이터 웨어하우스를 연동하여 기간계 시스템을 개발하는 기술을 공급한다. 전문가 서비스를 통한 전문지식과 분석 모델, 외부 데이터를 가져올 수 있는 툴을 포함하여 프로젝트 하나를 완성하는 턴킨 솔루션 방식을 공급하고 있다.
일반적으로 이야기되는 BI는 분석BI, EDM은 운영BI라고 구분할 수 있다. 그러나 이들은 정확히 구분되는 것이 아니라 영역이 상호 중첩된다. 그런 이유로 각 기술이 지닌 특성을 고려하여 자신에게 맞는 BI를 설계할 필요가 있다.
M&A, 지점위치선정, 제품R&D와 같은 전략적인 부분에서는 자동화된 의사결정보다는 다양한 데이터의 심도 있는 분석이 필요하기 때문에 분석BI가 적합하지만, 승인거부, 사기검출, 웹개인화, 가격결정 등 실무에서 심도 있는 분석보다는 자동화되고 투명화된 의사결정이 업무의 효율을 높여주기 때문에 ‘운영BI’가 적합하다.
정확한 룰(Rule)의 이해가 무엇보다 중요
EDM은 하나의 규격화된 상품이 아니기 때문에 일정한 분야에서 자신의 업무에 맞게, 또는 목적에 맞춰 설계하게 된다. 이때 자신의 업무를 체계화하고 규칙들을 설계하는 작업을 하게 되는데, 이는 기업의 노하우와 전문성을 바탕으로 하기 때문에 전적으로 컨설팅 업체에 맡기기에는 무리가 있는 부분이다. 정확한 룰(Rule)을 이해하고, 설계하는 것이 중요하다. 그렇기 때문에 코리아엑스퍼트는 EDM은 기업의 적극적인 참여가 없다면 성공하기 어렵다고 말하기도 한다.
EDM 만병통치약은 아니다
EDM은 효율적인 솔루션이지만 완벽하지는 않다. “EDM은 기업이 경쟁력을 가지는 분야만 키울 수 있다”고 페어아이작 영업본부장 크리스 오레일리는 말한다. 그렇기 때문에 영업 경쟁사들과 차별화하는 사업 전략이 가능하다.
EDM이 도움이 될 수 있는 부분에는 한계가 있다는 말이다. 의사결정이 산업과 조직에 따라 다를 수 있지만, 큰 틀에서는 어떤 방향을 가지고 진행되다는 것이다. 내부적인 관점에서 보면 조직은 다양한 출처에서 쏟아지는 과거의 또는 새로운 데이터를 병합해야 하고, 변경되는 규제들과 예측할 수 없는 시장 환경에 대응해야 한다. 종종 당황스러운 어플리케이션 및 시스템을 운용 환경과 연동시키기도 해야 한다. 올바른 정보와 제품 또는 서비스, 즉 올바른 의사결정을 거의 실시간으로 제공해야 할 필요가 있다.
EDM의 국민은행 도입 사례
국민은행에서는 eCRM시스템에 EDM을 도입해 사용하고 있다. 우선 국민카드의 ‘딩동 메시지 서비스’를 살펴볼 수 있다. ‘딩동’ 서비스는 개인 마이라운지 외에 지정된 영역에 딩동 개인화 메시지(고객 알리미 서비스)를 서비스하는데, 이는 마케팅 구매성향에 따라 해당 고객군이 페이지에 접근할 때 메시지가 노출됨으로써 좀더 확실한 마케팅이 이뤄질 수 있도록 하고 있다.
꾸준히 업그레이드 되는 ‘룰 관리 프로세스’
국민은행은 다양한 상품추천정보와 포트폴리오 정보를 웹 화면에 적용해 테스트를 한다. 이때 룰 관리자는 eCRM시스템에 필요한 Rule을 직접 입력하고, 테스트 서버에 작동하게 된다. 크게 문제가 없다면 바로 전산부 담당자는 이를 바탕으로 Rule서버에 룰을 적용하고, 이는 시스템 전체적으로 반영하게 된다. 이 방식의 특징은 초기에 부족한 부분을 실무에서 채워나가 시간이 지날수록 완벽한 시스템을 만들 수 있다는 것이다.
다양하게 구성되어 있는 개인화서비스
국민은행의 개인화 서비스는 원투원 개인화 메시지, e-상품추천서비스, 카드 개인화 오퍼 등으로 다양하게 구성되어 있으나, 개인화 서비스의 적용 채널은 Web 채널 위주로 집중되어 있다.
국민은행은 다양한 고객 접점 채널을 통해서 개인화 서비스를 제공하고, 한편으로 표준화된 개인화 업무의 수행을 지원하기 위해서 통합된 관리체제를 갖추려고 하고 있다. 이를 ‘차세대 통합 개인화 엔진’이라고 한다. ‘차세대 통합 개인화 엔진’은 분석업무와 마케팅 업무를 통합하는 것과 자동의사결정 기능을 공유하는 것 크게 2가지로 구분할 수 있다.
개인화 엔진의 의사결정 자동화 기능 확대
자동의사결정은 CRM/eCRM 실행 프로세스에서 필요로 하는 의사결정을 시스템에서 자동으로 하는 작업을 말하며 Business Rule Engine(Blaze Advisor)에 의하여 실행된다. e마케팅, e영업, e서비스 영역에 사용되고 있으며, 이를 통해서 고객의 성향이나 필요 서비스 예측도 가능하다. 그러기 위해서는 자동의사결정을 일원화하여 운용하는 방법과 개인화서비스의 토대를 마련하는 점 등이 중요한 과제이다.
Predictive Analytics의 활용
개인화 엔진의 가장 큰 매력은 역시 고객반응을 실시간으로 피드백해서 반영할 수 있다는 점이다. 그러기 위해서는 모델링 툴을 이용해서 예측 모형을 바르게 하는 것이 키 포인트이다. 이를 위해서는 고객과의 여러 단계를 거쳐 반응을 수집해야 하고, 이를 정확하게 분석해서 적합한 서비스를 제공하려는 노력이 계속되어야 한다.
Comments