데이터 과학자(Data Scientist) 김대리의 예

바로 전 칼럼에서 말했듯이 데이터 과학자는 정보의 홍수 속에서 의미있는 데이터를 발견해 내는 것이 주요 업무일 것이다. 이번에는 데이터 과학자가 비즈니스에서 옥석을 발견하는 예를 하나 소개한다.

중소업체인 A사에서 획기적인 새로운 스마트폰을 개발하였다고 치자. 해외 바이어들에게서 수출요청이 쇄도하였고 스마트폰은 날개돋힌 듯이 팔려 나갔다. 전 세계 주요 국가들에게 판매되면서 매출은 1000억원을 넘게 되었다. 여기서 A 기업의 고민이 시작되었다. A 기업은 해당 전자제품에 대한 해외 서비스를 위해서, 해외 서비스 대행 업체들과 계약을 맺었다.

일반적으로 전자제품을 구매하게되면 지불하게 되는 소비자가에는 서비스 보증에 대한 비용-워런티 (Warranty)가 포함되어 있다. 즉 통상 6개월 또는 1년 등 지정된 기간동안 소비자 과실을 제외한 제품의 불량에 대해서는 무상으로 수리 해주는 것이다. A 기업은 신제품에 대한 워런티 비용을 매출액의 약 5%(대략 50억)로 추산하고 비용을 충당해 놓았다.

그런데, 해외 서비스 대행 업체들에게서 제품 불량에 따른 무상교환 요청이 쏟아져 들어오기 시작했다. 스마트폰의 주요 부품인 LCD, 메인보드 등의 불량과 외부 케이스의 흠집 등의 제품 불량이 쏟아졌다. 이 추세라면 당초 예상했던 5%가 아닌 10% 그 이상의 비용이 발생하여 남는게 없는 장사를 하게 될 판이었다.

제조부서에는 해당 제품의 품질 불량이 그렇게 높을리가 없다고 반박하고 있다. 이에 문제를 해결하기 위해 김 대리는 밤새 사무실에서 고민하고 있었다. 우선 김대리가 가지고 있는 정보는 다음과 같다.

생산부서에서 제공한 제품에 대한 품질 정보가 있고, 해당 국가별 스마트폰의 판매 정보, 마지막으로 해외 서비스 대행 업체에서 보내온 스마트폰의 품질 불량 내역서였다. 이 품질 불량 정보에는 불량 부위와 교환 요청 원인 등에 대한 텍스트와 사진이 첨부 되어 있다. 생산부서에서 제공한 품질 정보를 바탕으로 하여 데이터를 분석해보니 아무리 보아도 품질 불량이 5%이 상으로 발생할 확률이 거의 없었다.

그래서 김 대리는 이 문제의 주요 원인으로 해외 서비스 대행 업체를 의심하게 되었다. 서비스 대행 업체가 보낸 수리 내역서를 분석해본 결과, 스마트폰 LCD와 배터리, 메인 보드 등이 한꺼번에 고장난 사례가 많았다. 생산 부서에 문의한 결과 이런 3가지 품질 불량이 동시에 한 스마트폰에서 발생할 확율은 0.001%도 되지 않는다는 답변을 받았다.

이에 김 대리는 서비스 대행 업체의 수리 내역서를 다시 한번 분석해 보았다. 서비스 센터에서는 고장 나지 않은 부품- 예를 들면 배터리-에 대해서도 허위로 청구한 다음에, 해당 부품을 시장에서 재 판매하는 것으로 추정되었다. 문제는 서비스 센터에 있는 것이 확실해 보였지만, 그렇다고 해외 서비스를 위해서 직접 사무실을 세우고 인력을 파견할 수도 없는 노릇이었다.

이에 김 대리는 다음과 같은 시스템을 제안하였다. 우선 생산부서와 판매부서, 그리고 서비스 센터에서 온 생산, 판매, 서비스 데이터를 연결하는 작업을 하였다. 그리고 서비스 센터에서 품질 보증 기간 중 제품 하자로 교환 등을 요청할 때에, 해당 제품 불량율과 판매 기록 등을 추적 가능하도록 하였다.

생산 과정에서 하자가 없던 제품이 판매된 지역에서 동일 제퓸에 대해 LCD와 메인보드 등 주요 부품에 대해 동시에 무상 교환하는 요청이 들어오면, 자동으로 해당 요청은 담당자에게 경고가 뜨게 만들어 놓고 해당 제품의 사진을 찍어 전송하고, 불량 제품을 반드시 한국에 보내도록 하였다. 또한 공장에서 제시한 제품 불량율보다 현저하게 높은 불량을 갖고 있는 서비스 센터에는 현지의 영업 주 재원이 직접 서비스 센터를 방문하여 불량 제품에 대해서 수거하도록 하였다.

이를 통해 서비스 계약을 맺은 서비스 센터의 품질 불량에 따른 수리 요청이 획기적으로 줄어들게 되었으며, 서비스 청구 비용이 30억원 정도 절감되는 효과를 볼 수 있었다. 이 모든 것이 김 대리가 제안한 3억도 되지 않는 데이터 분석 시스템으로 가능하게 되었다. 김 대리는 사장님의 총애를 받고 다음해 승진한 것은 물론이다.

사례에서 소개한 김대리의 예와 같이 기업의 데이터들은 과거와 달리 내부와 외부(협력 업체 등)에 산재해 있고, 데이터의 종류도 정형 데이터 뿐 아니라, 텍스트나 사진 등과 같은 비정형 데이터도 많이 발생하고 있다. 이러한 비정형 데이터를 효과적으로 정형 데이터와 결합하여 의사 결정을 하는 것이 중요하며, 무엇보다 해당 업무를 전체적인 관점에서 파악하고 데이터를 정제하고 결합하여 그 중에 의미있는 옥석을 가려내 어 의사 결정에 활용하는 것이 데이터 과학자의 핵심 역량이라고 말할 수 있겠다.

[출처] [시나리오]데이터 과학자 ‘김 대리’가 문제를 해결하는 방식|작성자 Choice