광개토 월드

글로벌 기업으로 성장한 국내 제조업체는 제품의 품질향상을 위하여 그 동안 많은 노력을 기울여 왔고, 현재는 99%를 넘어 99.99% 이상의 품질 목표를 달성하기 위하여 피나는 노력을 경주하고 있다. 이는 상공정, 하공정을 포함한 모든 내외부 프로세스가 극한의 노력을 기울여야 얻을 수 있는 결과일 것이다. 우리는 Input과 Output의 관계를 선형적으로 해석하려는 경향이 있다. 10의 노력으로 100을 얻었다면, 20의 노력으로 200을 얻을 수 있다는 생각이다. 물론 맞는 논리이고 쉽게 나타나는 사회 현상이기도 하다. 그러나 여기서 한계비용체증의 법칙 을 이해할 필요가 있다. 생산단위가 증가함에 따라 같은 비용을 투입해도 생산증가율이 감소하면서 수렴되는 현상을 말한다. Middle 이나 Low Tier를 형성하는 기업은 선형관계의 품질관리를 할 수 있지만, Top Tier에 있는 기업은 한계비용체증의 법칙에 따른 품질관리를 해야 한다. 기존의 방법으로는 품질 비용이 너무 크거나 품질 목표의 달성이 불가능 할 수 있다. 그러나 그 동안 쌓아 놓은 많은 데이터와 내외부 데이터를 연결하여 입체적으로 분석하는, 즉 빅데이터 방법 을 활용한다면 한계비용체증의 법칙을 벗어나 품질관리의 새로운 돌파구가 될 수 있다.

최근 IDG 에서, 빅데이터 프로젝트 추진시 어려운 점에 대한 설문조사 결과를 발표했다. 64%의 응답자가 신뢰할 수 있는 데이터 확보에 대한 어려움을 다음으로 57%의 응답자가 분석역량을 가지 Data Scientist의 부족을 꼽았다. 그리고 다양한 데이터의 확보, 시스템 통합에 대한 고민 순 이었다. 빅데이터 추진을 위해서는 데이터의 양도 중요하지만, 의미가 있는 양질의 데이터 확보가 무엇보다 중요하다. 이 문제는 BI, DW, 6시그마 때도 많이 이야기된 내용이지만, 데이터 오염 최소화와 스마트 데이터 확보를 위한 지속적인 노력이 필요하다. 그러나 두 번째 이슈인 '분석 역량' 즉 Data Scientist의 양성은 결코 쉽지 않은 길이다. 양질의 데이터와 툴이 있다한들 이것을 분석하고 해석할 수 있는 전문가가 없다면 아무 소용이 없는 일이다. Data Scientist는 통계학, 정보기술, 데이터 마이닝, 분석도구, 분석 도메인에 대한 지식 등 너무 많은 역량을 요구하고 있어 사실상 국내에는 찾기가 쉽지 않다. 양성 또한 단기간 이루어지기 어려워 정부와 산학연간의 긴밀한 협력을 통하여 중장기적인 전략을 세워 추진해야 할 것이다.