• Kei

BI 2.0, 운영 BI 시대가 온다.

2018년 7월 13일 업데이트됨

BI 2.0, 운영 BI 시대가 온다 허종원/ 코리아엑스퍼트 kyungcom@kyungcom.co.kr - 경영과 컴퓨터 2007년 10월호

[기사 원문]

Operational BI: 분석에서 실행으로

대다수의 기업들은 BI를 가장 중요한 IT업무의 하나로 생각하고 있다. 이에 따라, 수많은 BI 프로젝트가 진행되어 왔고, 또한 진행될 예정이다. BI는 기업이 보유하고 있는 대량의 데이터를 분석하여, 새로운 경향이나 패턴 등을 추출하여 이를 기업의 의사결정에 활용함으로써, 기업의 효율적 경영과 사업의 성공적 수행을 지원하는 중요한 역할을 담당한다. 따라서, 분석 전문가가 다양한 통계기법과 분석방법 및 분석 툴을 사용하여 BI업무를 수행하며, 이를 통하여 도출된 결과는 CEO와 같은 경영진의 전략적 의사결정의 중요한 판단근거가 되기도 하고, 업무수행을 위한 전술적 의사결정의 기준이 되기도 한다. 이러한 의사결정은 충분한 시간의 분석을 통하여 얻어진 결과를 기반으로 이루어지는 중요한 결정이 주로 포함되며, 상대적으로 발생빈도가 많지는 않다. 그러나, 현장에서 매일 수시로 이루어지는 의사결정은 전략적 의사결정이나, 전술적 의사결정만큼의 무게와 영향력은 없으나, 실제 고객을 상대로 사업실적에 직접적으로 영향을 미치는 의사결정이라는 점에서 매우 중요함에도 불구하고, BI의 영역에서 자주 다루어지지는 않는 분야이다. 운영 BI (Operational BI)는 이와 같이 수시로 발생하는 현장의 의사결정을 수행하여, 기업의 사업실적에 실질적 기여를 하는 기술이다.

운영 BI의 필요성

운영 BI가 요구되는 분야는 많은 경우, 전략 BI에 비하여 단위 의사결정의 가치는 상대적으로 적을 수 있으나, 의사결정 횟수가 매우 많은 업무들이다. 은행의 대출심사나 보험회사의 청약심사와 같은 업무는 하루에도 수 천건 이상의 의사결정이 요구되는 업무가 이에 해당된다고 할 수 있다. 이러한 심사업무의 경우, 손익에 직접적인 영향을 미친다는 점에서 의사결정의 수는 많으나, 의사결정의 가치가 낮다고 할 수는 없는 업무이다. 반면에 마케팅이나 고객상담을 위한 고객분류 및 응대는 대출심사보다 훨씬 많은 수의 의사결정을 요구하나, 단위 의사결정의 가치는 상대적으로 낮다고 할 수 있다. 그러나, 이들 의사결정도 장기적인 관점에서는 기업의 매출과 손익에 중요한 기여를 하는 업무이다. 운영 BI는 이와 같이 수시로 발생하는 의사결정을 자동화함으로써, 의사결정의 전반적 수준을 향상시켜 사업 실행의 질적 수준을 개선하고, 수익을 증진시키는 역할을 수행한다.

현재의 BI는 중심업무의 대부분이 분석 및 전략수립 담당자들의 수작업 업무에 의존하고 있다. 그러나 이러한 업무처리로는 하루에도 수많은 업무의 처리가 요구되는 심사업무와 같은 업무에는 실질적인 도움을 제공하지 못한다. 실질적 도움이 되기 위하여는 분석업무가 전략수립업무와 연결되고, 이를 기반으로 하는 의사결정이 자동화되어야 한다. 이러한 의사결정자동화는 수시로 발생하는 의사결정의 객관성 및 일관성을 개선하는 동시에, 제한된 시간과 자원을 이용하여 최대한의 고효율의 업무처리를 가능하게 한다.

분석 BI와 운영 BI

현재 진행되는 대부분의 BI 프로젝트는 데이터를 분석하여 시장의 경향, 패턴, 등과 같은 의미 있는 정보를 추출하는 분석작업을 중심으로 하고 있다. 이렇게 추출된 정보는 기업의 의사결정에 사용되며, 이러한 의사결정은 기업 내의 각종 사업과 업무에 영향을 주게 된다. 이러한 BI 작업을 위하여, 데이터웨어하우스에서 필요한 정보를 추출하여 데이터마트를 구축하고, 이를 분석할 수 있는 방법을 제공한다.

대부분의 분석작업은 실행을 전제로 하고 있다. 따라서, 분석결과를 기초로 결정된 내용은 각종 시스템에 전파되어야 하며, 이를 통하여 효율적이고 수익성 높은 사업을 전개할 수 있을 때, BI은 그 의미를 갖는다고 할 수 있다. 따라서 결정된 내용을 어떻게 실제 운영 중인 시스템에 전파할 것인가는 매우 중요한 일이다. 그러나 현재 진행되고 있는 많은 BI 프로젝트에서 이러한 운영시스템까지 확장하여 진행하는 프로젝트는 상대적으로 적으며, 분석에서 실행으로의 이관을 위한 체계화된 방법도 많지는 않다. 이는 대부분의 BI 시스템이 운영시스템과는 분리된 별도의 영역에 존재하기 때문이라고 할 수 있다.

분석 BI의 결과가 운영 BI로 전달되는 과정에서 의사결정을 위한 전략수립은 기본적으로 사람에 의하여 진행되는 작업이며, 이 과정에서 분석 BI와 운영 BI의 단절이 발생한다. 그러나 효율적이고 효과적인 시스템의 운영을 위해서는 분석 BI에서 운영 BI로의 연결이 자연스럽게 이루어져야 하며, 수시로 발생하는 수많은 의사결정의 질적 향상을 통하여 기업의 수익에 기여하여야 한다.

분석 BI와 운영 BI가 함께 조화를 이뤄 업무를 수행하기 위하여는 분석 BI의 결과가 운영 BI에서 활용되는 구조가 되어야 한다. 따라서, 분석 BI와 운영 BI는 분리된 구조가 아닌, 분석 및 전략수립이 공유되는 구조가 되어야 한다. 즉, 분석 BI의 결과물이 운영 BI의 핵심 구성원으로 사용될 수 있어야 한다. 이를 위하여는 분석 BI의 결과물은 즉각적으로 의사결정에 반영될 수 있어야 한다. 따라서, 분석 BI의 결과물은 의사결정 어플리케이션에서 즉각적으로 사용이 가능한 형식으로 제공되어야 한다. 또한, 의사결정 어플리케이션은 수시로 수정 및 보완이 발생할 수 있는 분석 BI 결과물을 능동적으로 받아들일 수 있어야 한다.

일반적으로 분석작업은 의사결정과 동일한 주기, 즉 의사결정의 순간마다 수행되지는 않는다. 대개의 경우, 특정업무의 의사결정을 위한 분석작업은 모니터링을 통하여 분석결과의 효용성을 측정하여, 효용성이 저하된 시점에 수행된다. 따라서, 분석 BI가 각 처리 건별로 수행되는 대신에 일정 주기로 수행되어 그 결과가 의사결정 어플리케이션에 반영되면, 의사결정 어플리케이션은 데이터웨어하우스, 혹은 데이터마트를 이용하여 의사결정을 수행한다.

예를 들어, 보험지급심사의 경우를 살펴보면, 분석 BI는 데이터베이스에 저장된 보험사기 데이터를 분석하여 보험사기 가능성을 판단할 수 있는 기준과 방법을 도출하고, 이 결과를 운영 BI의 의사결정 어플리케이션에 반영한다. 이렇게 구축된 의사결정 어플리케이션은 각각의 지급심사 요청건에 대하여 보험사기 가능성을 판단하는 의사결정 업무를 수행하게 된다.

분석 BI와 운영 BI의 연동

분석 BI와 운영 BI의 연동은 두가지 측면에서 고려하여야 한다. 하나, 분석 BI에서 도출한 결과가 운영 BI에서 사용 가능한 형식으로 제공되어야 한다는 것이다. 즉, 어플리케이션으로 작성할 수 있는 논리적 전개가 가능하여야 한다. 둘, 의사결정 어플리케이션은 분석 BI의 어떠한 분석결과도 수용할 수 있는 유연성을 제공하여야 하고, 필요에 따른 분석결과 논리의 변경이 용이한 구조의 어플리케이션이어야 한다. 만약 이 두가지 조건이 충족되지 않는다면, 분석 BI와 운영 BI가 독립적으로 운영되는 결과를 맞게 되며, 이는 현재의 BI에서 더 이상의 발전이 없음을 의미한다.

운영 BI에서 사용 가능한 분석 BI의 산출물

분석 BI와 운영 BI가 연동되기 위하여 분석 BI는 운영 BI에서 사용 가능한 분석 결과물을 제공할 수 있어야 한다. 이러한 결과물로써 대표적으로 사용되는 것이 평점모형이며, 대개 스코어카드의 형식으로 제공된다. 평점모형과 스코어카드는 통계분석을 통하여 도출된 수학적 모형이다. 따라서, 운영 BI에서 사용할 의사결정 어플리케이션으로의 반입 및 적용이 용이하다. 일반적으로 은행의 대출심사 등에서 사용되는 신용평점(Credit Score), 신청서 평점(Application Score), 행동평점(Behavior Score), 등과 보험회사의 청약심사, 등에서 사용되는 신청서 평점 (Application Score), 지급심사 등에서 사용되는 사기평점 (Fraud Score), 등이 이에 해당된다.

평점모형과 스코어카드는 특정 행동 및 가능성을 수치로 환산된 점수로 나타냄으로써, 의사결정 전략의 수립과 의사결정 어플리케이션으로의 반영이 용이하며, 사용자의 입장에서도 일반적으로 수치화되지 않던 정성적 성격의 정보에 대하여 수치를 이용한 객관적 판단기준을 제공함으로써, 업무처리의 용이성은 물론, 고객응대에도 유용하게 사용할 수 있다.

운영 BI에서 사용할 전략은 스코어카드를 통하여 산출되는 정보를 활용하여 다양하게 설정될 수 있다. 그림 6의 전략은 부실채권 회수를 위한 전략이다. 이 전략은 채권금액과 독촉횟수는 물론 고객의 행동평점을 함께 고려하고 있다. 금액이 적고, 금액이 10만원 이상인 경우에도 우수고객이라면, 1번 시나리오로 고객을 상대함으로써, 우수고객에 대하여 배려를 하고 있다. 이는 잘못된 대응으로 인한 우수고객의 이탈을 예방할 수 있을 것이다.

이러한 전략의 표현은 If문의 조합으로 볼 수 있다. 그러나, 이보다는 의사결정트리(Decision Tree)의 형식으로 표현하는 것이 보다 전략을 총괄적으로 검토하고 유지관리하기 편하다는 점에서 많이 사용되고 있다.

즉, 분석결과는 스코어카드로 정리하고, 이를 이용한 전략의 수립은 의사결정트리를 이용하는 것이 효과적이라고 할 수 있다.

분석 BI의 산출물 사용이 용이한 운영 BI 어플리케이션

분석 BI의 산출물이 운영 BI의 어플리케이션으로 자연스럽게 반영되기 위하여는 분석 BI와 운영 BI 사이의 인터페이스가 먼저 해결되어야 할 과제이다. 이러한 문제 해결을 위하여 이미 PMML (Predictive Model Markup Language)이 널리 사용되고 있다. PMML은 분석 BI의 산출물을 타 어플리케이션에서 입력 받아 업무에 반영할 수 있는 인터페이스 방법을 제공한다. 그 외에도, 모델빌더와 같은 일부 툴에서는 스코어카드, 신경망모형, 의사결정트리, 등을 다른 인터페이스 방법을 통하여 해당 어플리케이션에 전달하기도 한다.

일단, 분석 BI에서 운영 BI로의 결과, 즉 평점모형과 전략의 전달을 위한 인터페이스가 해결되면, 그 다음의 문제는 어떠한 방식으로 어플리케이션을 개발하여야 다양한 평점모형과 전략은 물론, 이들의 수시변경에 대응할 수 있을까 하는 문제이다. 이를 위한 최적의 방안으로 거론되는 것이 비즈니스 룰 엔진(BRE: Business Rule Engine)이다. 비즈니스 룰은 다양한 경우의 수에 대한 정보로 구성된 평점모형과 전략들을 표현하기에 매우 유용한 수단이다. 또한, 유지보수가 용이한 비즈니스 룰의 특성은 수시로 발생되는 전략수정에 능동적으로 대처할 수 있는 강점을 지니고 있어, 현장을 중심으로 운영되는 운영 BI 어플리케이션을 위한 최적의 환경을 제공한다.

대부분의 비즈니스 룰 엔진은 아직 PMML이나 스코어카드, 의사결정트리와 같은 분석 BI의 결과물을 직접 반입(Import)하지는 못하고 있다. 대신에, 이를 각각의 룰, 디시전 테이블, 등으로 변환하여 각기 입력하여야 하는 불편을 지니고 있다. 이러한 룰의 입력은 경우에 따라, 독립적인 비즈니스 룰 개발업무와 유사하게 되는 경우도 발생한다. 그러나, 블레이즈 어드바이저와 같은 비즈니스 룰 엔진은 PMML의 반입과 함께, 스코어카드와 의사결정트리의 반입, 등을 지원하고 있어, 분석 BI에서 도출된 결과를 별도의 개발 및 코딩작업 없이, 직접 반입하여 사용할 수 있게 하고 있다. 따라서, 분석 BI와 운영 BI 사이의 시차를 최소화함으로써, 신속한 의사결정이 가능하다.

비즈니스 룰을 사용하여 분석 BI에서 도출된 스코어카드와 전략을 운영 BI에 반영함에 있어서 또 다른 고려사항은 얼마나 많은 의사결정 어플리케이션에 이를 전파하고 반영시키느냐의 문제와 그에 따른 시간 및 일관성 문제가 있다. 보다 효율적인 운영을 위하여는 하나의 비즈니스 룰이 동일한 룰을 필요로 하는 모든 어플리케이션에 공통으로 제공하는 전사적 룰 웨어하우스가 필요하게 될 것이다.

운영 BI와 EDM

EDM(Enterprise Decision Management)은 기업의 다양한 의사결정을 자동화하는 기술적 개념으로써, 미국 페어아이작사가 2000년대 초부터 사용하고 있는 용어이다. 그러나, 현재는 여러 분야에서 EDM이란 용어가 자주 거론되고 있다. 의사결정 자동화는 앞에서 설명한 운영 BI의 개념과 거의 동일한 개념이다.

페어아이작의 EDM은 스코어카드의 창시자로서 지니고 있던 각종 모델링 기술과 스코어카드 기술 등을 총 결집한 모델빌더와 전세계에서 상용 비즈니스 룰 엔진으로 최고의 제품으로 평가 받고 있는 블레이즈어드바이저를 중심으로 기술적 기반을 구축하고, 여기에 최고의 모델링 기술과 경험, 업무별 전문지식, 전사적 비즈니스 룰 운영 경험, 등의 다양한 경험을 기반으로 하는 프로페셔널 서비스를 포함하는 총체적 개념으로 사용되고 있다.

이러한 관점에서 일반적으로 이야기되는 BI는 분석 BI라고 하여야 하며, EDM은 운영 BI라고 할 수 있다. BI와 EDM은 부분적으로 영역이 상호 중첩되고 있다. 즉, 2개의 기술은 별개의 기술로 구분되기 보다는 상호 연관을 지닌 기술인 동시에, 경우에 따라서 유사한 기술이라고 할 수 있다. 사용자는 업무의 성격과 목표에 따라 각 기술이 지닌 특성을 고려하여 분석 BI, 혹은 운영 BI(EDM)을 선택하여야 할 것이다.

맺음말

일반적으로 BI는 대개 분석 BI의 관점에 머물고 있다. 그러나, 분석결과에 따른 의사결정이 즉각적으로 실무에 반영되어야 하는 경쟁환경에서 기업의 BI는 분석 BI를 넘어 운영 BI까지 BI의 영역을 확대하여야 한다. 또한, 효율적인 운영 BI의 구축을 위한 비즈니스 룰의 사용도 점차 늘어날 것으로 예상된다. 페어아이작의 EDM은 이러한 운영 BI에 대한 필요성과 시장의 요구에 부응하는 종합적 기술이다. 즉, 현재와 같이 분석과 운영이 구분되는 BI가 아니라, 이 두 개의 영역이 어우러져 상호 시너지 효과를 낼 수 있도록 묶는 것이다. 이를 통하여 현재 현장에서 숙련도가 높거나 낮은 여러 담당자들에 의하여 결정되는 의사결정을 자동화하여 의사결정의 일관성은 물론, 질적 개선을 통한 고객만족을 유도하여야 하며, 여기에서 한 걸음 더 나아가 분석 BI가 운영 BI에 즉각적으로 반영되게 하는 비즈니스 룰의 사용도 BI 영역에서 점차 늘어날 것이다.

분석 BI와 운영 BI를 결합하는 EDM의 사용도 점차 확대될 것으로 예상되고 있으며, 운영 BI, 내지는 EDM이란 용어가 점차 다가옴에 따라, 기업의 의사결정 자동화도 가속도가 붙을 것이다. 그러나 이러한 모든 것들은 기업의 경쟁력 강화와 수익성 향상이라는 목표달성을 위한 견인차로써, 그 역할을 수행하게 될 것이다.

서울시 영등포구 양평로 22길 21 선유도코오롱디지털타워 1207호 
대표이사 : 박규호 | Tel. 02-2062-5555 | fax : 02-782-5203 
Copyright ⓒ Korea Expert Inc.  All rights reserved

KoreaExpert_심벌.png