데이터 기반 의사결정
Data-Driven Decision Making
데이터 기반 의사결정이란?
- 감이 아니라 데이터로 결정
- HiPPO(높은 사람 의견) 극복
- DX의 핵심 사고방식
데이터 기반 의사결정이 자리를 잡으면, 회의에서 오가는 말의 형태부터 달라집니다. '제 경험상 이 배너가 나을 것 같습니다'라는 주장이 '지난 4주 클릭률이 1.2%와 2.7%였고, 결제까지 보면 격차가 0.4%p로 줄어듭니다'로 바뀝니다. 더 큰 변화는 결정이 기록으로 남는다는 점입니다. 어떤 숫자를 보고 왜 그 안을 골랐는지 한 줄이라도 남겨두면, 석 달 뒤 결과가 나빴을 때 누구 탓인지 따지는 대신 어느 가정이 틀렸는지 되짚을 수 있습니다. 조직이 실패에서 배우는 속도는 대개 여기서 갈립니다.
실무에서는 결정의 성격부터 나눠야 합니다. 되돌릴 수 있는 결정(메일 제목, 배송 안내 문구, 쿠폰 액수)은 테스트로 확인하는 편이 회의보다 빠르고, 되돌리기 어려운 결정(사업 철수, 수십억 설비 투자)은 데이터로 선택지를 서너 개로 좁히되 마지막 한 걸음은 경영진 판단으로 넘깁니다. A/B 테스트에도 조건이 있습니다. 주간 방문자가 수천 명 수준이면 1~2%p 차이는 통계적으로 구분되지 않아, 표본이 쌓일 때까지 3~4주를 기다리거나 아예 고객 인터뷰로 대체하는 편이 낫습니다. 지표도 매출·해지율 같은 후행지표와 '첫 2주 사용 횟수' 같은 선행지표를 짝으로 봐야 하고, 데이터가 결정하는 영역(data-driven)과 참고만 하는 영역(data-informed)을 미리 갈라두면 불필요한 논쟁이 줄어듭니다.
현장에서 가장 흔히 어긋나는 지점은 네 가지입니다. 첫째, 대시보드는 30개인데 월 접속자가 다섯 명인 경우입니다. 보고서를 만든 것이지 결정을 바꾼 것이 아닙니다. 둘째, 상관을 인과로 읽는 것입니다. '쿠폰 쓴 고객의 재구매율이 높다'며 쿠폰을 전량 살포하면, 원래 살 사람에게 할인만 얹어주고 마진이 깎입니다. 셋째, 지표가 목표가 되는 순간 망가집니다. 상담 건수를 KPI로 걸면 3분짜리 통화를 두 건으로 쪼개는 일이 생깁니다. 넷째, '데이터 더 뽑아 오세요'가 결정 회피의 방패로 쓰이는 경우입니다. 데이터 기반은 결정을 미루는 방식이 아니라, 작게 틀리고 빨리 고치기 위한 방식입니다.
빅데이터·분석 기술의 발전과 함께 부상한 경영 방식으로, DX의 핵심 문화로 강조됩니다.
가상의 사례로 살펴보겠습니다. 온라인으로 건강기능식품을 파는 A사는 임직원 90명, 연매출 420억 원 규모입니다. 재구매율이 2년 사이 38%에서 26%로 떨어졌는데, 주간 회의에서는 '경기가 안 좋아서', '경쟁사가 할인을 세게 걸어서'라는 말만 반복됐습니다. 대표는 3개월 안에 원인을 숫자로 찾아오라고 지시했습니다.
- CRM팀장이 구매 이력을 월별 코호트로 쪼개 보니, 첫 구매 후 45일 안에 재주문한 고객의 1년 잔존율은 61%, 그 시점을 넘긴 고객은 14%였습니다. "경기가 아니라 45일이 문제였네요."
- 마케팅 담당자가 첫 구매 고객 12,000명을 무작위로 절반씩 나눠, 30일차에 복용 리마인드 문자를 보내는 A/B 테스트를 4주간 돌렸습니다. 쿠폰 없는 순수 안내 문구로만 시작했습니다.
- 결과는 발송군 재주문률 19.4%, 대조군 15.1%로 4.3%p 차이였습니다. 별도로 3천 원 쿠폰을 붙인 그룹은 재주문률이 0.6%p 더 높았지만 객단가가 8,200원 낮아, 쿠폰 안은 접었습니다.
- CS팀장이 "문자 늘리면 수신거부가 터집니다"라며 반대했지만, 4주간 수신거부율은 0.7%에서 0.9%로 0.2%p 오르는 데 그쳤습니다. 숫자를 확인한 뒤 CS팀장이 먼저 전사 적용에 찬성했습니다.
- 6개월 뒤 재구매율은 26%에서 33%로 올랐고 월 매출이 약 1억 8천만 원 늘었습니다. 더 큰 변화는 회의 첫 질문이 "어느 코호트 숫자인가요?"로 바뀐 것이라고 대표는 말합니다.