|
본고는 월간 인사관리 2012년 11월호에 "빅데이터와 스마트러닝"이라는 제목으로 게재된 기사의 원본입니다.
월간 인사관리에는 편집되어 게재되었습니다. |
2012년 1월, 매년 열리는 세계경제포럼이 진행되었다. 이곳에서 ‘빅데이터’는 국제 개발의 새로운 가능성을 여는 중요한 기술의 하나로 지목되었다. 폭증하는 데이터를 효과적으로 관리하고 분석하여 유용하게 활용하겠다는 ‘빅데이터’의 개념은 IT를 넘어서 경제와 사회에 중요한 영향을 미칠 수 있는 기술로 주목 받고 있는 상황이다. 그렇다면 ‘빅데이터’란 무엇이고, HRD에 활용될 가능성은 없는 것인가? 본고에서는 빅데이터의 개념과 HRD, 특히 스마트러닝에서의 활용 방안에 대해 살펴보고자 한다.
<그림 1> 구글 트렌드(http://trends.google.com)에서 살펴본 “Big Data”에 대한 관심도 변화
‘빅데이터’ 개념의 부상과 그 배경
‘빅데이터’는 말 그대로 엄청나게 큰 데이터를 의미한다. 과거와는 달리 빠른 속도로 증가하는 엄청난 데이터를 어떻게 분석하고 활용할 것인가에 대한 논의가 바로 ‘빅데이터’ 개념에 담겨 있다. 정보통신과 IT 기술의 발전에 따라 각종 시스템과 서비스에서 수많은 데이터가 양산되고 있다. 더불어 스마트폰의 급속한 확산은 이러한 데이터 양산 속도를 가속화하고 있다. 양 뿐만 아니라 기존의 구조화된, 정형 데이터 위주의 데이터 확장이 아닌 구조화되지 않은 텍스트, 사진, 동영상에 이르기까지 비정형 데이터의 비중이 높아지고 있다는 점이 점차 기존 데이터 분석을 한계로 몰아가고 있는 상황이다. ‘빅데이터’는 정형/비정형 데이터로 이루어진 엄청난 규모의 데이터를 분석하고 활용하는 전략에 있어 핵심에 있다고 할 수 있다.
구글의 전 CEO 에릭 슈미트(Eric Schmidt)는 문명이 시작되면서부터 2003년까지 인류가 쌓아 올린 데이터가 5 엑사 바이트 수준이라고 이야기 한 바 있다. 그러나 2011년 한 해에 인류가 쏟아낸 데이터의 양은 무려 1,900 엑사 바이트로 증가하였으며 2020년에는 연간 35,000 엑사 바이트에 도달할 것으로 전망되고 있다. 이렇게 폭증하고 있는 축적 데이터량에 비해 그 활용도는 극히 미미한 상황이며, 따라서 현 시대는 데이터가 없는 것이 아니라 분석하고 발굴해 내지 못하는 실태에 이르게 되었다. 데이터에 있어서는 점차 What의 문제가 아닌 How to use의 문제가 심각하게 대두되고 있다는 이야기다. 이러한 현황을 타개해 줄 솔루션으로 ‘빅데이터’가 주목 받게된 것이다.
‘빅데이터’의 특성과 기존 데이터 분석(Data Analysis) 대비 차이점
빅데이터는 데이터를 분석한다는 측면에서는 기존의 데이터 분석과 유사한 측면이 있지만, 가트너(Gartner)에 따르면 이에 비해 상대적으로 3V의 특성을 가지는 것으로 정의된다. 더 복잡다양하고(Variety) 더 많은(Volume) 데이터를 더 신속하게(Velocity) 분석하여 실질적인 활용에 집중하는 IT 기술을 의미한다는 것이다.
활용도의 측면 볼 때, 기존 데이터 분석이 과거와 결과에 집중했다면 빅데이터는 현재와 실행에 집중하는 전략에 활용된다는 차이점이 있다. 이를 행위의 기준으로 보면, 기존 데이터 분석은 결과의 검토와 보고를 위해 진행된 반면, 빅데이터는 효과의 개선과 실행을 위해 진행된다는 차이점이 있다고 할 수 있겠다.
<표 1> 빅데이터(Big Data)와 기존 데이터 분석(Data Analytics) 비교
|
|
빅데이터 (Big Data) |
데이터 분석 (Data Analytics) |
|
Target Data |
구조화/비구조화된 정형/비정형 데이터
대량의 데이터
실시간 분석 |
구조화된 정형 데이터
소량의 데이터
결과론적 분석 |
|
Focus |
실시간 현황 파악 |
과거 행위의 결과 분석 |
|
Action |
효과의 개선과 실행 |
결과 검토 및 보고 |
‘빅데이터’와 데이터 중심의 경영
‘빅데이터’라는 개념이 정립되기 이전부터 이미 이러한 개념들을 활용했던 많은 기업들이 있다. 주로 유통, 통신, 제조업, 금융 분야에서 다양한 사례가 관찰되고 있다. 패션유통 산업의 세계적인 브랜드 자라(Zara)나 H&M과 같은 패스트패션 SPA들은 고객의 수요와 취향 변화를 신속하게 파악하고 대응하는 데 ‘빅데이터’ 전략을 활용하였다. 또한 통신 산업에서는 이탈 가능성이 높은 고객을 사전에 파악하고 대응하는데 이를 활용하고 있다. 제조업에서는 다양한 센서를 활용하여 M2M 기반의 공정관리 혁신을 진행하고 있으며, POS, ERP, SCM, CRM 등으로부터 산출되는 기존에 활용되지 못했던 빅데이터를 분석하여 의사결정 자료로 활용하고 있다. 금융 산업에서는 뉴스, SNS 등의 실시간 분석을 통해 각종 위험관리와 마케팅에 활용하고 있다.
이러한 흐름의 중심에는 데이터 중심의 경영이라는 경영 혁신 체계가 반영되어 있다고 볼 수 있다. 기존 기업경영에는 제한된 소수의 데이터를 활용할 수밖에 없었고 이러한 데이터도 취합과 분석에 상당한 시간이 소요되었다. 또한 산출된 결과물도 과거를 기반으로 한 보고 형태가 될 수밖에 없었다. 그러나 ‘빅데이터’를 통해 대량의 데이터를 빠른 시간 안에 분석하는 기술이 가능해짐으로써 기업 내·외부 환경 데이터를 실시간으로 분석하여 “현재”를 기반으로 한, 보다 정확도 높은 예측이 가능한 기업경영 환경을 구축할 수 있게 되었다. 따라서 기존의 경영 역량이 미래를 예지하는 경영자의 “직관력”에 있었다면 ‘빅데이터’가 구현되는 환경에서는 “데이터”에 기반한 의사결정 체계에 있다고 할 수 있다.
조직 내부의 고객을 대상으로 하는 HRD 서비스라는 측면에서 볼 때, 이 역시 데이터 중심의 전략을 구상한다면 한 차원 높은 효과를 달성할 수 있는 방안을 마련할 수 있다. 이를 위해서는 기존 HRD의 데이터 보다는 훨씬 다양하고 많은 데이터를 수집해야 한다. 그러나 기존 이러닝 체계에서는 학습자의 다양한 상황에 대한 데이터 수집에 한계가 있으며, 데이터 중심의 HRD 전략 수립에는 학습자의 정보가 보다 다양하게 취합되고 분석될 수 있는 스마트러닝이 적합할 것으로 보인다. 스마트러닝에서는 학습자가 스스로도 인지하지 못하는 사이에 학습 의도 및 학습 수요와 학습 환경에 대한 보다 많은 정보를 제공하기 때문이다.
HRD 전략에의 활용 가능성 및 전제조건
기존의 HRD 전략은 대부분 Top-Down 방식의 일방향적 전략 수립 체계를 따랐다. 쌍방향이라고 해도 의도된 설문을 배포하고 취합하여 분석하는 정도로, 현재부터 장기간에 걸친 학습 수요를 관찰하는 정도에 지나지 않았다. 또한 연간 계획으로 편성되어, 실제 업무에 활용될 수 있는 적용도 측면에서도 한계를 가질 수밖에 없었다. 급변하는 경영환경에 따라, 조직 구성원들에게는 분기 단위, 빠르게는 월 단위로도 새로운 과제가 부여되고 있으며, 이들이 수명된 업무를 수행해야 하는 상황에 있다는 점을 고려하면, 연간 계획에 따른 교육수행은 성과창출의 적시 지원에 있어 한계가 있을 수밖에 없다는 것이다.
이러한 상황에서 ‘빅데이터’ 개념이 주는 실시간 분석과 실행의 매력도는 상당히 높다고 할 수 있다. 조직 내의 이슈가 구성원의 학습 니즈로 발현되고 이러한 니즈를 실시간으로 확인하여 보다 쉽게 접근할 수 있게 해준다는 것은 조직의 전체 성과에 긍정적인 영향을 줄 수 있다. 이러한 전술적 변화는 전체 HRD 전략의 실용도를 높이는 측면에서 긍정적으로 작용할 수 있다. 따라서 HRD에 있어서도 상대적으로 소극적이고 느린 기존의 전략 체계 보다는 보다 적극적이고 신속한 대응체계로서의 ‘빅데이터’ 전략이 유용하다고 할 수 있겠다.
다만, 이러한 HRD의 ‘빅데이터’ 전략의 구현에 있어서 한 가지 전제조건이 있다. 효과의 개선에 집중된 빅데이터 활용이라는 점에서, 분석되어야 하는 데이터의 선택에 신중하여야 한다는 점이다. 특히, 컨텐츠 데이터에 있어서는 직무와 유관한 교육 컨텐츠의 데이터를 전략적으로 활용해야 한다는 점을 간과해서는 안된다. 가십이나 정보성 컨텐츠가 다수인 경우 자칫 잘못하면 조직의 교육 방향 자체를 오도할 수 있는 위험성이 있다.
위와 같은 전제 하에 컨텐츠, 인프라, 서비스 부문에서 스마트러닝이 ‘빅데이터’ 전략을 통해 개선할 수 있는 HRD 전략을 다음과 같이 분석할 수 있다.
컨텐츠 : 접근성 제고를 위한 학습 추천 기능의 혁신
스마트러닝은 기존 이러닝과는 다르게 실시간으로 학습자와 접촉할 수 있다는 장점을 가지고 있다. 기존 이러닝과 오프라인 교육체계는 학습을 신청하고 길게는 1개월, 빠르게는 하루 정도의 시간 격차를 두고 학습해야 하였기 때문에 급박하게 일어나는 비즈니스 상황에 대해 신속한 교육지원을 제공할 수 없는 제약이 있었다. 이에 반해 스마트러닝은 교육신청과 동시에 학습이 진행될 수 있으며, 이러한 장점과 더불어 실시간 이슈에 대한 교육 추천까지 이루어질 수 있다면 그 영향력은 가히 파괴적일 것이다. 이로써 HRD가 Cost Center가 아닌 진정한 비즈니스 지원기능으로서 거듭날 수 있다는 것이다. ‘빅데이터’ 전략은 이러한 실시간 교육 추천 기능을 가능하게 하는 모태가 될 수 있다.
스마트러닝에서는 각 회사별 또는 조직별로 급속히 증가하는 검색 횟수를 분석하여 시의적절한 교육 이슈를 파악하고 교육과정을 추천할 수 있다. 예를 들어 조회시간에 CEO가 전사 각 부서별로 원가절감 방안을 구성하여 한 달 안에 제출하도록 하였다고 하자. 이때부터 '원가절감', '원가절감을 위한 접근방안', '원가 요소' 등의 검색이 급증하기 시작한다. 이 경우, 급증하는 검색어의 분석만으로도 조직의 주요 이슈가 '원가절감'에 있다는 것을 파악할 수 있다는 것이다. 스마트러닝에서는 검색어 키워드의 증가 속도만을 분석하고도 '원가절감' 관련 교육과정을 자동으로 추천 과정으로 업데이트 할 수 있다. 구성원들은 검색하는 노력을 들이지 않고도 쉽고 빠르게 자신의 니즈에 부합하는 교육과정에 접근하여 짧은 시간 안에 학습하고 향상된 역량으로 업무에 집중할 수 있게 된다. 기존 이러닝이나 오프라인 교육과정처럼 이 때부터 교육신청을 받기 시작한다면 한 달 후 이미 과제 제출 기한이 끝난 다음에야 학습이 진행될 수 있을 것이다.
개인화의 관점에서도 혁신이 가능하다. 조직 내, 또는 타 조직 간에 유사한 직무를 담당하고 있는 구성원은 직무 학습과 관련하여 유사한 학습 패턴을 보인다. 이렇게 동질성을 가진 사람들을 그룹화하여 그들에게 다음 학습을 추천할 수 있는 기능이 부여될 수 있다. 각 컨텐츠를 평가할 수 있는 기능까지 있다면 이 또한 조합하여 보다 최적화된 학습을 제시해 줄 수 있다. 이는 기존에 수억의 비용을 지불하며 컨설턴트 등 전문가에게 의뢰하여 구성해야 했던 역량개발경로 모형을 실시간 데이터 분석으로 비용 없이 적용할 수 있다는 말과 다르지 않다.
스마트러닝이 시공간의 제약이 없는 학습이 가능하다는 점을 반영하여 시간대별 컨텐츠 추천 기능을 구성, 활용할 수도 있다. 대부분 구성원들은 출퇴근 시간 등 번잡한 시간과 장소에서는 최근의 트렌드나 정보성 컨텐츠, 자기계발 학습 등 직무 학습 보다는 가벼운 내용의 교육을 선호한다. 그리고 업무 시간에는 눈앞의 업무에 효과를 줄 수 있는 직무 교육을 학습한다. 이러한 가정 하에 시간대별 컨텐츠 니즈를 분석하고 분석된 내용으로 선별된 컨텐츠를 사용자가 접근하기 쉬운 경로에 제공해 준다면, 학습자가 투여해야 할 시간과 노력을 경감하여 궁극적으로는 ‘학습조직’의 문화 형성에 긍정적으로 기여할 수 있을 것이다.
인프라 : 제반 학습 환경의 개선
스마트러닝에서는 학습자의 학습 행태가 고스란히 시스템에 기록된다. 이러한 데이터를 기반으로 학습을 진행하는 시간과 공간을 분석한다면, 학습자의 학습 환경 측면에서 물리적, 기술적 제약을 극복할 수 있는 방안을 마련할 수 있다.
예를 들어, 학습이 집중되는 피크타임을 고려하여 네트워크 용량을 확장한다든지, 퇴근 전 학습 컨텐츠 다운로드에 집중되는 무선 네트워크 사용량을 해결하기 위하여 액세스포인트를 늘린다든지, 무선 네트워크 사용량 배분을 위해 무선 네트워크 활용 정책을 개선한다든지, 3G/4G(LTE) 등 학습자별 주 사용 통신 환경에 대한 팁을 제공한다든지, 학습량이 집중되는 학습과정에 대해 실무적으로 활용할 수 있는 Work Template이나 보조자료를 수급하거나 보강한다든지 하는 제반 학습환경 개선 방안을 조기에 마련하고 실행할 수 있다는 것이다.
서비스 : 학습 니즈에 부합한 컨텐츠 제공
앞서 언급되었듯, 교육과정에 대한 검색어 증감, 학습 주제별 학습량의 증감 등을 통해 필요한 학습과정에 대한 실시간 분석이 가능하다는 점은, 이에 대한 신속한 대응이 가능하다는 점과 일맥상통한다. 이러한 교육 니즈의 실시간 분석을 통해, 준비된 스마트러닝 학습과정이 부족하다고 판단될 경우 추가적인 교육과정의 소싱을 요청하거나 추진할 수 있고, 소싱이 어려운 교육과정의 경우에는 보완적으로 오프라인 교육과정을 신규로 편성할 수도 있다. 시간과 노력이 요구되는 별도의 학습 수요조사를 통하지 않고서도 학습자들이 흘리는 정보를 통해 완벽한 학습 수요 조사가 가능하다는 것이다. 또한 이에 대한 대응도 신속하고 정확하게 이루어질 수 있다.
한편, 관계망 분석을 통해 조직 내·외부에 걸쳐 비정형의 학습조직 또는 커뮤니티를 형성하여 보다 집중도 높은 학습을 진행할 수 있도록 서비스 할 수 있다. 조직의 학습 개방 정책에 따라 트위터나 페이스북 등 소셜 미디어를 활용하여 관련 전문가나 학습 주제에 대해 관심이 있는 다수의 사람들과 접촉할 수 있는 통로를 마련해 줄 수 있고, 학습자 간 컨텐츠 추천 등 적극적인 교류를 유도하여 교육체계 내·외부의 교육자료를 보다 적극적으로 활용할 수 있게 지원할 수 있다. 이러한 기능은 학습자의 학습 몰입도를 높이고 심화학습이나 연계학습을 가능하게 하는 개인화되고 점진적인 자기계발에 도움을 줄 수 있다.
HRD 관련 ‘빅데이터’ 활용 논의의 한계점
‘빅데이터’ 전략을 활용한 스마트러닝을 통해 HRD는 분명 긍정적인 전략 개선이 이루어질 수 있다고 본다. 하지만 이러한 논의에 있어서 몇 가지 한계점이 존재하고 있다. 첫 번째는 시스템이나 기술적 기반에 많은 비용과 노력이 소요되어야 한다는 점이다. 이는 기반 기술의 축적에 상당한 시간이 걸릴 수 있다는 점으로 이해될 수 있다. 하지만 이제부터라도 적극적인 준비를 진행한다면 빠른 시일 내에 현실화 될 수 있을 것으로 기대한다. 두 번째는 개인정보 보호와 활용에 관한 합리적인 정책 구성이 필요하다는 점이다. 위에서 언급된 많은 부분들은 학습자의 행태와 동향에 관련한 데이터를 시스템에서 수집하여 분석해야 가능하다. 이러한 측면에서 학습자들의 개인정보가 활용될 소지가 다분히 있으며, 조직 내부에서 이와 관련된 정책을 수립하여 공표하거나 사전적 동의를 획득해야 한다. 세 번째는 ‘빅데이터’ 전략이 상당량의 데이터가 축적되어야 활용 가능하다는 점이다. 이는 다수 조직의 데이터 통계를 활용할 수 있는 스마트러닝 서비스 업체라면 해결이 가능할 것으로 보인다. 한 조직의 내부에서 취합되는 데이터는 작은 분량일 수 있으나 다수의 고객을 보유하고 있는 스마트러닝 서비스 업체라면 보다 빠른 속도로 분석 가능한 양의 데이터를 확보할 수 있을 것이기 때문이다. 마지막은 스마트러닝 서비스 앱 자체가 데이터를 수집할 수 있는 구조로 구성되어야 한다는 점이다. 현재로서는 앱의 형식으로 웹페이지를 호출하는 하이브리드 앱 보다는 전체가 프로그래밍 되어 완전한 애플리케이션의 형태로 작동하는 네이티브 앱을 활용하는 스마트러닝 서비스가 데이터 수집에 보다 유리하며, ‘빅데이터’ 전략을 반영한 스마트러닝의 발전 방향을 구현해 내는데 있어 상대적으로 강점을 보일 것으로 판단된다.
- 이상 –
채석 | ㈜인더스트리미디어 기획실장
前 한국IBM MBPS HRD 컨설턴트
前 오픈타이드코리아 전략 컨설턴트
http://www.ubob.com
