3. 향후 발전 방향
 
1) 재강화 학습 적용
지금까지 이루어지고 있는 거의 모든 분석 프로젝트는 해당 모델을 구현하는 시점에서의 최적 모델을 만드는데 초점을 맞추어 진행되어 왔다. 그러나 분석 모델은 지속적으로 자동으로 강화될 수 있도록 만들어 주는 것이 중요한 향후의 과제이다.
 
올해 크게 이슈가 되었던 알파고는 재강화 학습(Reinforcement Learning)을 통해 지속적으로 성장하고 있다. 알파고의 재강화 학습은 과거 기보를 기반으로 다양한 모델을 만들어 내고, 만들어 낸 모델끼리 시합을 벌인 결과를 반영하여 모델에 보상과 패널티를 주는 방식이다.

즉 과거 기보를 학습하여 만들 모델은 분석 모델을 만들어 낼 당시의 최적 모델이라 할 수 있다. 그리고 해당 모델들끼리 시합을 하는 것은 모델에서 예측한 결과와 실제 발생하는 미래의 결과를 비교하여 모델을 재강화 시키는 것이다.
 
예를 들면 이탈 예측 모형을 과거에 발생했던 이탈 관련 여러 변수를 통해 현시점에서 최적의 모델을 생성했다고 가정해보자. 해당 모델을 실제 업무에 적용시켜 이탈 예측 모델에서 예측한 결과와 실제 결과와의 차이를 비교 분석하여 모델에 다시 반영시키는 재강화 학습 과정이 필요하다. 또한 예측과 실제 값 사이에는 누가, 어떤 환경에서 개입하였는가도 중요한 변수로서 작용한다.
 
지금까지는 과거의 데이터를 기반을 미래를 예측하는 현시점의 최적 분석 모델을 1회 생성하는데 초점을 맞추어 분석을 진행했다면, 향후에는 만들어진 분석 모델을 재강화 학습을 통해 지속적으로 최적화시켜나가기 위한 접근이 필요하다.
 

▲ 그림 3 재강화 학습 절차
 

2) 지속적 실험을 위한 준비
분석-설계-구현-테스트-적용으로 수행하는 것이 기존의 업무시스템이나 정보계 개발 방식이었다. 그러나 데이터 분석은 지속적인 실험의 과정이다. 분석 알고리즘의 구현이 한 번에 최적의 결과를 가져올 수 없다. 구현된 분석 알고리즘은 지속적으로 실험되고 업그레이드되어야 한다. 즉 기업 내부의 분석 조직이 새로운 분석 알고리즘과 기존에 분석 알고리즘을 지속적으로 만들고 실험할 수 있는 분석 인프라와 조직의 준비가 필요하다.

여기서 실험할 수 있는 분석 인프라는 샌드박스를 의미한다. 기업 내외부의 다양한 데이터를 수집하고 조합하여 새로운 알고리즘을 실험해 보고, 기존 만들어진 알고리즘을 보완해 볼 수 있는 안전한 실험 인프라 환경이 구성되어야 한다.
또한 분석을 고도화 해나가기 위해서는 분석 전략을 통해 도출된 각 분석에 필요한 데이터에 대한 단계적 수집과 확장을 통해 분석을 품질을 지속적으로 높여나가기 위한 접근이 필요하다.
 
3) 빅데이터 거버넌스 체계 확립
빅데이터 분석의 도입으로 기존의 거버넌스 영역에서 추가적인 고려 사항이 발생하고 있다. 비정형 데이터, 외부 수집 데이터 등에 대한 거버넌스 정책이 필요하다. 또한 분석을 지속적으로 만들어 나갈 수 있는 분석조직에 대한 거버넌스 정책이 필요하다.
빅데이터를 분석에 적용하고 업무에 활용하기 위한 프로세스의 거버넌스 체계 또한 필요하다..
 
4) 분석의 자산화 관리
기존에 파일럿 형태로, 또는 다양한 부서에서 각각 분석 프로젝트를 수행하면서 분석 알고리즘, 분석 시스템의 파편화가 이미 발생하기 시작하였다. 분석 알고리즘은 기업의 비즈니스 모델/전략 수행을 강화하고 가능하게 하는 디지털 자산이다. 전사 관점에서 분석 알고리즘을 체계적으로 생성하고 상호 관계를 관리하고, 분석요소/분석지표들을 재사용할 수 있는 분석 팩토리를 통한 분석 라이브러리 관리체계가 준비되어야 한다.
 
5) 디지털 트랜스포메이션과 맞물린 분석 전략계획 수립
최근에 4차 산업혁명과 온라인, 비대면 채널로의 전환에 따른 대응이 화두가 되고 있다. 이에 따라 핀테크, 신기술 도입, 스마트팩토리 등을 기반으로 비즈니스 패러다임을 변화시키기 위한 디지털 트랜스포메이션이 빅데이터에 이어 기업들의 새로운 주요 관심사로 떠오르고 있다.
 
그러나 빅데이터 분석과 디지털 트랜스포메이션은 분리되어 있지 않다.
 

▲ 그림 4 신기술과 빅데이터 분석과의 상호 작용 관계
 

핀테크를 위한 금융기관의 오픈 플랫폼의 콘텐츠 앱은 빅데이터 분석을 기반으로 생성될 수 있다. 또한 다양한 신기술 도입(드론, VR/AR 등)에 따라 기존보다 더 다양하고 방대한 데이터가 발생되고 이를 분석하여 활용할 수 있는 기회가 존재한다. 신기술 도입은 새롭고 다양한 데이터의 발생 측면에서 뿐만 아니라, 신기술(챗봇, AI 등)이 작동하기 위해서는 빅데이터 분석이 기반이 되어야 한다.
 
그러므로 기업에서는 디지털 트랜스포메이션 전략, 또는 신기술 도입을 통한 업무혁신을 추진하기 위해서는 빅데이터 분석 전략계획과 통합적으로 계획 수립이 필요하다.
 

- 끝 -