2021. 1. 31. 15:52ㆍ자기 개발 🔎/② 강연 정리
<빅데이터, 생활을 바꾸다>의 김예니, 손병대 저자
-
미래의 창 주최
2021년 01월 28일 오후 8시 ~ 9시
1. 코로나 19와 소비 데이터
우리는 살아가며 정말 다양한 데이터를 생성한다. 매일 아침 코로나 확진자 수와 코스피 지수를 확인한다. 또한 출근길 스타벅스에 들어가 커피를 구매한 후 문자 메시지를 통한 카드 잔고/한도 안내까지 모두 데이터입니다. 숫자만 데이터일까? 아니다. 구글과 네이버에 검색하는 단어, 인스타그램에 올리는 사진과 '좋아요'까지 모두 데이터이다. 이렇듯 데이터는 우리의 삶 가까이에 위치해 있다.
우리의 삶 가장 가까운 데이터는 아마 '소비 데이터'일 것이다. 소비활동은 상품을 가게에서 결제하는 데이터를 의미하는데, 평생 많은 물건을 소비하며 살아가기 때문에 우리의 생활과 뗄 수 없는 관계다.
코로나로 인해 모든 일상이 달라진 작년 한 해. 그렇다면 소비 데이터는 어떤 변화를 보였을까?
코로나 시대에도 인간의 하루하루의 삶과 직접적으로 연계되는 소비는 계속되고 있으며, 글로벌 금융 위기 수준까지 급락했던 소비자심리지수 또한 2020년 5월을 기준으로 회복하고 있다. 감소됐을 것이라 예상했던 소비는 오히려 증가하는 모습까지 보인다. 이 처럼 소비자의 시각으로 바라보면, 소비는 사라지지 않고 그 형태만 변화했음을 파악할 수 있다.
1) 홈 코노미
2) 오프라인 파편화/온라인 집중화
1-1) 홈 코노미
집을 의미하는 '홈(home)'과 경제, 절약을 의미하는 '이코노미(economy)'를 결합한 홈 코노미는 대부분의 경제 활동을 집에서 소비하는 트렌드를 대변하는 신조어다.
출처: https://www.scourt.go.kr/portal/gongbo/PeoplePopupView.work?gubun=44&sDate=202005&seqNum=2529
홈쿡, 홈카페, 홈 엔터 등 홈 코노미 업종의 소비 성장세가 두드러진다.
홈쿡
코로나 19 이후 음식점 소비는 감소했지만, 식료품 구입을 위한 슈퍼마켓, 농축산물 소비가 증가했으며, 홈쿡을 돕는 주방가전의 소비가 증가했다.
홈카페, 혼술
주점 소비는 감소했지만, 혼술을 위한 가정용 주류 소비가 증가했고, 커피머신 등 주방가전 소비가 증가했다.
홈 엔터
영화, 공연 소비는 감소했지만, 넷플릭스 등의 OTT, 게임 소비가 증가했고 음향가전 소비 또한 증가했다.
1-2) 오프라인 파편화 / 온라인 집중화
온라인 플랫폼들의 몸짓을 더욱더 거대해지고 있다. BC카드 빅데이터 센터에 따르면 약 1년 만에 온라인 결제는 81%나 성장했을 정도이다. 최근 소비 특징을 보면, 액티브 시니어를 중심으로 5060대 역시 2030대 못지않은 언택트 소비를 하고 있으며, 고 연령층 등 디지털 취약계층의 소외 없이 코로나 시대에 적응하고 있는 셈이다.
집을 중심으로 소비하는 '슬세권'이 떠오르고 있다. 그래서인지 소비에 있어서 동네의 새로운 역할이 요구되는 요즘이다. 대형 마트보다는 내 집 주변 슈퍼마켓에서 식재료를 구매하는 등 근거리 소비를 선호하는 '동네 소비형'고객이 2019년 대비 3% 증가했다. 한편 오피스가 밀집돼 있는 서울시는 지난해 상반기 대비 올해 상반기 오프라인 매출이 약 16% 정도 감소했지만, 인천광역시 등 주거 지역은 16% 상승했다.
온라인에 집중되고, 오프라인이 파편화되는 흐름에 따라 많은 자영업자들에게 데이터를 활용한 비즈니스적 해결책 도출의 필요성이 대두되고 있다. 이는 데이터에 대한 이해가 선행돼야 해결책 도출이 가능할 것이다. 먼저, 데이터를 어떻게 비즈니스적으로 활용하는 지를 살펴보자.
2. 데이터의 비즈니스적 활용법
2-1) 초개인화의 가능성
방대한 빅데이터가 생성됨에 따라 데이터 활용 기반 고객 서비스 창출에 대한 기대감 또한 증가했다. 인구통계, 소비성향, TPO 등의 빅데이터를 모두 살펴보면 우리는 데이터를 통해 초개인화서비스를 제공할 수 있게 된다. 하지만, 실제는 어떠한가? 물론 데이터를 잘 활용해 성장세를 보이는 여러 기업이 있다. 하지만 몇몇 정부나 기업들에서 방대한 데이터를 기반으로 너무나 일반적인 인사이트만을 내놓고 있다.
예를 들어, 인기 관광지 선정을 위해 수백억 개의 지자체 데이터를 분석한다고 해보자. 더 많은 빅데이터를 다루기 위한 성능 향상이나 변수 등을 찾아내는 고된 과정을 많이 거칠 것이다. 많은 시간을 들여 선정하지만, 항상 결과는 동일했고 그것은 별다를 것 없는 인기 관광지 목록이다. 이러한 비효율을 막기 위해서는 어떻게 해야 할까?
2-2) 데이터 활용 목적의 중요성
만약 (좌측 그림과 같이) 목적을 지정하지 않고 데이터를 활용했을 땐 뻔한 방안이 되기 쉽다. 또한 더 많은 비용이 들 수 있으므로 이는 지양해야 한다. 이러한 비효율을 막기 위해서는 가장 먼저 비즈니스 활용 목적을 설정해야 한다. 또한 비즈니스에 필요한 핵심 데이터를 찾아 성과 창출의 확률을 높여야 한다.
2-3) 스몰데이터 활용
스몰 데이터란, 셜록에서 셜록이 왓슨 박사의 사소한 흔적으로부터 개인의 성향 습관을 발견했듯 우리 주변에서 쉽게 발견할 수 있는 작고 단순한 데이터를 의미한다. 비즈니스 목적을 달성할 수 있는 가장 효율적인 방법은 이 작은 데이터로 빠르고 반복적으로 적용하는 것이다.
예를 들어 요식업 비즈니스를 준비한다고 가정해보자. 요식업에 활용 가능한 스몰 데이터는 다양하다. 그중 가장 쉽게 얻을 수 있는 것은 '배달 이용 데이터'일 것이다. 배달 앱의 리뷰 수와 별점 수를 살펴보며 우리 지역에서 인기 있는 요식업 정보를 얻을 수 있다. 또한 배달 비율이 급증하는 지역을 중심으로 배달전문 음식점을 창업할 수도 있다.
요식업의 대통령 백 선생님께서도 강조하시는 요식업의 핵심 데이터는 '단골 고객'이다. 전국 요식업종 고객 방문 횟수 그래프를 살펴보면 단골 고객의 중요성을 파악할 수 있다. 한 달에 한번 방문하는 고객을 일반 이용 고객으로 주 단위로 반복적으로 방문하는 고객을 단골 이용 고객으로 설정하고 첫 이용 후 일 년 동안 얼마나 지속적으로 방문하는 가를 측정했다. 그 결과 첫 방문 이후 1년 동안 일반 고객은 20%만이 유지됐고 단골 고객은 월등히 높은 63%가 꾸준히 매장을 이용했다. 단골고객은 매출 유지 효과뿐만 아니라 소문의 관점에서도 굉장히 중요한 인물이 된다. 직장인이 법인카드 이용 후 개인적으로 다시 재방문해 개인카드로 결제하는 경우 20%나 된다. 이처럼 단골고객의 입소문이 신규 고객 창출을 돕는 셈이다. 이는 직접 소상공인이 직접 기록하면서 쌓아갈 수 있다.
3. 빅데이터 활용 사례
3-1) 마스크 대란과 미용
작년 한 해는 코로나를 빼고는 말할 수 없었다. 모두가 실외/내에서 마스크를 착용해야 했기 때문에 화장품 업계는 2020년 상반기 이후 립 제품은 하락하고 아이 메이크업 시장은 6% 상승했다. 눈 미모라는 트렌드가 뜨기도 했다.
언택트, 마스크와 재택근무 때문에 성형의 비율이 나아졌을 거라고 생각하지만, 그 반대다. 성형 후 마스크를 착용 하는 것 자체가 자연스러워지며 이를 긍정적으로 생각하는 사람들이 증가한 것이다. 재난 지원금이 지급된 지난 5월 이후에는 성형 수술의 비율이 급격하게 증가했다.
더해 피부 미용 시장 또한 40% 증가했다. 색조 화장품은 감소했지만 홈케어 디바이스나 피부 개선 화장품을 출시한다면 화장품 업체를 살릴 수 있을 것이다.
3-2) 홈 코노미와 쓰레기
앞서 언급했듯, 사적이고 소중한 나만의 공간으로써 홈트/홈카페 등의 키워드가 떠오르고 있다. 단어의 언급도가 2018년 대비 2020년에 80% 증가했을 정도이다. 집콕하는 시간이 증가하며 집과 관련된 소비가 증가했다. 이와 비례하게 재활용 쓰레기가 증가하고 있다. 종종 쓰레기로 넘쳐 보기 흉한 도심의 모습을 발견하기도 한다. 이 문제는 환경미화원이나 사업자의 탓이 아니라 수거 시스템에 원인이 있다.
우리는 데이터를 활용해 지역 별로 쓰레기 배출을 미리 예측할 수 있다. 수거차량 운행 최적화 모델링과 노면청소를 위한 도로등급을 구분해 데이터를 기반으로 업체 운영이 가능하다.
뿐만 아니라 민간업체에게 이익을 가져다 줄 쓰레기를 미리 예측해 안내하기도 한다. 상가 등의 건물은 지자체에서 직접 수거하지만 아파트의 경우 민간업체에서 쓰레기를 처리하는 경우가 많다. 가전제품이나 의류 쓰레기는 값어치 있는 재활용품에 해당한다. 배달음식 데이터, 배송 데이터, 가전제품 구매 데이터 등을 살펴보아, 지역 별로 쓰레기 배출을 미리 파악해 이득이 되는 재활용품을 수거할 수 있다.
3-3) 부동산 예측
하버드의 한 연구에서는 맛집과 엔터테인먼트 등을 추천하는 플랫폼 옐프 데이터를 통해 스타벅스가 입점하면 그 지역 집값이 오르는 경향이 있는 것으로 분석됐다고 밝혔다. 스타벅스가 들어서면 입점 지역 집값이 1년 안에 0.5%가량 뛰는 것으로 나타났다.
부동산 투자 매력도는 어떻게 파악할 수 있을까? 바로 지역의 상존 인구를 파악해야 한다. 이는 아파트 전기료와 수도세를 통해 파악할 수 있다. 지난 4년간 전국에서 아파트 관리비와 전기료가 가장 많이 오른 15개의 지역을 살펴본 결과, 73%에 해당하는 11개 지역에서 지역 가맹점 매출이 증가하고 상권이 활발해졌음을 확인할 수 있었다. 그 결과 부동산 가격이 상승했다.
아파트 관리비와 전기료 데이터는 활용한 또 다른 사례도 있다. 한 사회적 기업에서는 전국 아파트 전기사용량 데이터를 활용해 실시간 맞춤형 전기 요금 통합 관리 시스템을 제공한다. 지역별 아파트 관리비·전기료 데이터를 활용하여 최적의 전기요금 계약을 지원하며 계약 방식, 검침일 차이, 관리사무소의 관리 방식에 따라 전기 요금을 낮출 수 있는 최적의 요금제를 알려줘 아파트의 공동 전기료 절감하는데 도움을 준다.
4. 마무리
이렇듯 같은 데이터라도 누가 어떤 비즈니스에서 어떻게 사용하느냐에 따라서 다른 인사이트를 발견할 수 있다. 각자가 종사하고 있는 업계에서 스스로가 최고의 전문가이기 때문에 스스로 데이터에 대한 비즈니스 활용방식을 찾아본다면 새로운 인사이트를 발견할 수 있을 것이다.
'자기 개발 🔎 > ② 강연 정리' 카테고리의 다른 글
| [강연 정리 및 후기] 핀테크 트렌드로 보는 밀레니얼이 원하는 미래 금융 (0) | 2021.01.22 |
|---|
