Why Predictive Analytics Is A Game-Changer
Dave Rich and Jeanne G. Harris
04.01.10, 6:00 PM ET
힘든 세계 경제 속에서, 섣부른 의사 결정과 “마음 가는 대로”라는 방식은 곧바로 나쁜 결과를 초래한다. 이것이 세계의 일등 기업들이 경쟁하고 번영하기 위해서 새로운 관리 분야인 예측 분석에 점점 더 의지하고 있는 이유이다. 제품의 가격을 결정하고, 재고를 관리하고, 재능 있는 사람을 고용하는데 있어서 직관에 의존하는 것 대신에 관리자들은 데이터를 이용하고 분석하며 조직적인 추론에 따라, 이를 분석하고 효율성을 향상시키고 위험을 감소시키며 또한 이익을 증대시키고 있다.
간단히 분석학이란 정량적인 방법을 이용하여 데이터 속에서 통찰을 끄집어 내고, 사업상의 결정을 내릴 때 이러한 통찰에 의존하며, 궁극적으로는 사업의 성과를 향상시키는 것이다. 따라서 예측 분석은 판도를 뒤집을 수 있는 새로운 요소로 부각되고 있다. 뒤를 돌아보고 “무엇이 일어났나?”를 분석하는 것 대신에 예측 분석은 경영진에게 “다음은 무엇인가?”와”그것에 관해 우리는 무엇을 해야 하는가?” 대한 답에 도움을 준다.
엑센츄어 리서치는 높은 성과를 내는 기업들은 다른 조직에 비해서 훨씬 더 발전된 분석 지향성을 가지고 있다고 밝혔다. 그들은 그들 사업의 중심에 분석적 능력을 두고 있으며 이를 그들의 낮은 성과를 가진 경쟁자보다 5배는 더 중요하게 여긴다. 우리의 연구는 분석적인 의사 결정을 포용한 조직은 커다란 보상을 받는 다는 것을 밝혀내었다.
실제 분석학의 인기 있는 예 중 몇몇은 “분석가”들이 어떤 선수가 정말 가치 있는지 결정을 내릴 때 분석학을 사용하는 빈도가 늘어가는 프로스포츠의 세계에서 찾아볼 수 있다. 비즈니스 세계에서 찾아 볼 수 있는 다음 예들을 살펴보자.
베스트바이는 가입자 데이터에 대한 분석을 통해서 7%의 고객이 43%의 매출을 올려준다는 사실을 알아낼 수 있었다. 그들은 고객을 몇몇의 전형들로 나누고 이들 특정 고객 그룹의 구매 습관을 반영하여 상점과 상점 내에서의 경험을 다시 디자인 했다.
올리브 가든은 데이터를 통해 필요한 직원 수와 각각의 메뉴 아이템과 재료까지의 음식 준비 요구 사항들을 예측한다. 이 레스토랑 체인은 직원을 훨씬 효율적으로 관리할 수 있었고 낭비되는 음식의 양을 크게 줄였다.
영국의 Royal Shakespeare사는 과거 7년 동안의 관객들에 대한 이름, 주소, 관람 연극, 티켓 구입에 지불한 금액을 살펴보는데 분석학을 이용하였다. 이 극단은 이를 통해 마케팅 프로그램을 개발하였고 이를 통해 일반 관객의 수를 70% 이상, 회원 수를 40%이상 늘릴 수 있었다.
최근 엑센츄어 리서치는 많은 다른 기업들의 더 분석적이 되고 싶은 희망을 강조했다. 미국과 영국의 유망 기업 600개를 대상으로 한 2009년의 조사에서, 대상 기업의 3분의 2가 “데이터를 유용한 형태로 하는 것”을 당면 과제로 언급했다. 긴 안목에서, 3분의 2와 4분의 3 사이의 경영진들의 최고 목표는 행동들을 모델화 하고 간단 명료하게 예측해서 가지고 있는 분석적 도구의 기반 위에 각각의 결정 사항이 실시간으로 이루어질 수 있게 하는 능력을 개발 하는 것이다.
이 목표에 도달하기 위해서, 기업은 빠르게 움직여야 한다. 거의 40%에 달하는 응답자들이 그들이 현재 가지고 있는 기술적 자원들이 전사적인 분석의 효율적인 사용에 충분하지 않다고 믿고 있었다. 하지만 점점 더 거세어지는 흐름을 거스를 수는 없다. 그들이 소비자 행동을 예측하거나, 가격 정책을 수립하거나, 광고비와 관리 위험을 최적화하는 등에 분석학을 쓰던 말건, 분석학은 관리에 있어서 가장 중요한 의제로 부상하고 있다.
그렇다면 다음 단계는 무엇인가? Tom Davenport, Jeanne Harris, 그리고 Robert Morison의 신작 “업무에서의 분석학: 현명한 결정, 더 나은 결과”는 어떻게 조직이 그들의 조직을 위한 분석학을 실제 업무에 투입할 수 있는지 묘사하고 있다. 하나의 분석적 조직이 경영진의 명령에 의해 간단히 수립된다면, 남은 당면 과제는 기술적인 것들이 될 것이다.
하지만 다른 가치 있는 모든 것처럼, 분석학을 실제 적용하려면 많은 노력과 심사숙고가 필요하다. 물론, 정확하고, 유일무이하며, 시기 적절한 데이터를 얻는 것이 분석학을 이용하는 중요한 선행과제이다. 데이터가 사용 가능한 상태가 되면, 기업들은 분석적 능력을 갖추기 위해 빠르게 움직여야 한다. 기업 전체의 관리자들은 업무 프로세스, 고객, 시장, 그리고 경쟁자들에 대해 심도 있게 이해하는 것을 통해 사업적 가치에 매진할 곳에서 분석학을 목표로 할 필요가 있다.
IT 기업의 경영자들은 분석적 능력을 구축하려 할 때 기업 성과를 향상 시켜주기 위해 이러한 정보를 이용할 분석적 도구와 어플리케이션들을 실제 구입하기 전에 다른 비즈니스 파트너들과 협력할 필요가 있으며, 미래에는 어떤 정보가 필요하게 될지 이해하는 데 시간을 쏟아야 한다.
기술이 필수적인 기폭제이기는 하나, 분석적으로 성공하려는 기업들은 단순히 기술을 구입하고 구현하는 것 이상의 많은 것들을 해야 한다. 이러한 기업들은 그들의 직원들이 생각하고 일하고 결정을 내리는 방법과, 그들의 사업의 전체를 아우르는 분석학을 만드는 것에 집중하고 있다. 그리고 그들은 분석적 능력에 대한 투자가 그들 조직의 현재 상태와 미래 잠재력을 이해하게 해 줄 것이라는 확신을 가지기 위해서, 점점 더 소중해지는 자산인 분석적 재능들을 잘 보살피고 발전 시킨다.
미래의 더 분석적인 세계에서는, 모든 조직 (산업과 시장에서의 위치에 상관없이) 이 더 분석적이 되어서 어떻게 이익을 창출할 것인지에 대한 고민이 필요하다. 일류 기업들은 이미 분석학을 그들의 경쟁 무기로 사용하고 있다. 분석적 기업들은 그들의 덜 분석적인 경쟁자들이 “무슨 일이 일어났는지?”를 궁금해 하는 것에 앞질러 “다음은 무엇인가?”라는 질문에 대한 답에 초점을 맞출 것이다.
영어 원문
[#M_ more.. | less.. |
In a tough global economy, sloppy decision making and “going with your gut” can get you punished–swiftly. That’s why leading companies are increasingly turning to a new management discipline called predictive analytics to compete and thrive. Rather than relying on intuition when pricing products, maintaining inventory or hiring talent, managers are using data, analysis and systematic reasoning to improve efficiency, reduce risk and increase profits.
In simple terms analytics means using quantitative methods to derive insights from data, and then drawing on those insights to shape business decisions and, ultimately, improve business performance. Thus predictive analytics is emerging as a game-changer. Instead of looking backward to analyze “what happened?” predictive analytics help executives answer “What’s next?” and “What should we do about it?”
Accenture research shows that high-performance businesses have a much more developed analytical orientation than other organizations. They are five times more likely than their low-performing competitors to view analytical capabilities as core to the business. Our research shows that there are big rewards for organizations that embrace analytics decision making.
Some of the most famous examples of analytics in action come from the world of professional sports, where “quants” increasingly make the decisions about what players are really worth. Consider these examples from the business world:
–Best Buy was able to determine through analysis of member data that 7% of its customers were responsible for 43% of its sales. The company then segmented its customers into several archetypes and redesigned stores and the in-store experience to reflect the buying habits of particular customer groups.
–Olive Garden uses data to forecast staffing needs and food preparation requirements down to individual menu items and ingredients. The restaurant chain has been able to manage its staff much more efficiently and has cut food waste significantly.
–The U.K.’s Royal Shakespeare Co. used analytics to look at its audience members’ names, addresses, performances attended and prices paid for tickets over a period of seven years. The theater company then developed a marketing program that increased regular attendees by more than 70% and its membership by 40%.
Recent Accenture research highlights the desire of many other companies to become more analytical. In a 2009 survey of 600 U.K. and U.S. blue-chip organizations, two-thirds of all respondents cited “getting their data in order” as an immediate priority. Longer-term, the top objective for between two-thirds and three-quarters of executives is to develop the ability to model and predict behaviors to the point where individual decisions can be made in real time, based on the analysis at hand.
To achieve this goal, companies must move fast. Almost 40% of our respondents believe that their current technological resources significantly hinder the effective use of enterprise-wide analytics. But there is no questioning the escalating momentum. Whether it is using analytics to predict customer behavior, set pricing strategy, optimize ad spending or manage risk, analytics is moving to the top of the management agenda.
So what are the next steps? In their new book, Analytics at Work: Smarter Decisions, Better Results, Tom Davenport, Jeanne Harris and Robert Morison describe how organizations can put analytics to work in their organization. If an analytical organization could be established simply by executive fiat, the only remaining challenges would be technical ones.
But like anything worthwhile, putting analytics to work takes effort and thought. Of course, having accurate, unique and timely data is a critical prerequisite to using analytics. Once their data is in order, companies should move fast to build their analytical capabilities. Managers across the enterprise need to target analytics where they will have a significant effect on business value, by developing a deeper understanding of their business processes, customers, markets and competitors.
IT executives need to partner with their business colleagues when building analytical capability, taking the time to understand what information will be needed, before delivering the analytical tools and applications required to leverage that information to improve business outcomes.
While technology is a vital catalyst, companies that succeed in analytics do a lot more than just buy and implement technology. These companies are focused on making analytics integral to their business, to the way their employees think, work and make decisions. And they nurture and develop analytical talent–an increasingly precious asset–to make sure that their investments in analytics capabilities equip them to understand their organizations’ current health and future potential.
In an ever more analytical world, every organization (regardless of its industry or market position) needs to consider how it will benefit by becoming more analytical. Leading companies are already wielding analytics as a competitive weapon. Analytical companies will focus on answering the question “what’s next?” while leaving their less analytical competitors in the dust to wonder “what happened?”
_M#]
