지난 1월 16일 Snowflake와 SPH는 공동으로 <Insight to Impact: 데이터가 말하는 산업별 성공 전략> 웨비나를 주최했습니다. 비즈니스 의사결정의 패러다임이 급격히 변화하며 과거의 직관과 경험이 기업의 성패를 결정하던 시대는 지났습니다. 데이터가 모든 비즈니스 결정의 중심축이 되며 이제 단순 트렌드가 아닌 필수 요소가 되었다고 볼 수 있습니다. 이번 웨비나에서는 데이터를 수집하고 분석하여 비즈니스 전략에 활용한 사례를 소개하며 다양한 인사이트를 제공하였습니다.

웨비나 시작 전부터 400명이 넘는 참가자가 신청하며 데이터 활용 사례에 대한 관심을 보여주셨는데요, 웨비나 중에도 적극적인 질문이 계속되어 시간상의 문제로 전체 Q&A에 답하기 어려울 정도였습니다. 개인적인 스케쥴의 문제로 아쉽게 웨비나를 놓치신 분들, 그리고 질문에 답변이 궁금하신 분들을 위해 지난 웨비나 영상 전체 다시보기부터 웨비나 스피커인 스노우플레이크, SPH, 티맵모빌리티 그리고 프롭티어사로부터 직접 듣는 Q&A 총정리를 공유드립니다👩🏻‍🏫

<Insight to Impact> 웨비나 다시보기

<Insight to Impact> 웨비나 자료 다운받기

Snowflake와 SPH가 공동 주최한 <Insight to Impact> 웨비나 발표 자료를 가입 없이 무료로 다운받고 싶다면 아래 링크를 클릭해주세요

- https://www.sphinfo.com/seminar/read/55 

<Insight to Impact> 웨비나 Q&A 총정리

[Session 1] Snowflake - 혁신과 성장을 이끄는 AI Data Cloud와 글로벌 성공 사례

Q1. 현재 데이터 클라우드 업계 동향 및 앞으로의 발전 방향에 대해서 문의드립니다.

A1. 데이터의 중요성이 커짐과 동시에 비즈니스에 AI 활용에 대한 부분이 두드러지고 있습니다. AI활용을 위해서는 데이터 수집과 분석이 선행되어야 하며 모두 비즈니스 목표와 방향에 AI가 어떤 역할을 할 것이냐는 고민이라 볼 수 있습니다.

Q2. AI기반 데이터 클라우드 솔루션이 기업의 디지털 트랜스포메이션을 촉진하고 비즈니스 효율성을 극대화한 사례에 대해 알고 싶습니다.

A2.  스노우플레이크 홈페이지의 활용 사례(Use Case)를 통해 업종별 구체적 사례를 확인하실 수 있습니다(https://www.snowflake.com/ko/customers/)

Q3. 비즈니스 환경의 변화 속에서 데이터를 기반으로 한 AI 분석 예측 정확도를 높이기 위한 고도화 방안은 무엇일까요? 데이터 중심 구조 설계에 대한 주요 설계 요소와 변경 요소가 궁금합니다.

.

A3. 결론은 단순합니다. 좋은 데이터를 모으고 연동하는 것이죠. 마치 좋은 재료가 있어야 좋은 요리가 나오는 것과 같은 원리입니다.. 단편적으로 보기보다는 수집-변환-저장-활용 단계별로 구조화하고 성능, 보안, 비용, 가용성, 운영 관점에서 주요 요소를 평가하고 아키텍팅 해야 할 것입니다.

Q4. Snowflake는 한글화를 지원하나요? AI/LLM에서 한글로 소통하는 데 무리가 없을까요?

A4. LLM AI는 파운데이션 모델의 AI 한글지원능력이 중요합니다. 업종별 지원 가능한 수준이 다르므로 스노우플레이크는 다양한 LLM 모델을 플랫폼 차원에서 지원합니다. 따라서 고객의 비즈니스에 맞는 한글 성능이 좋은 모델을 사용하길 원하신다면 언제든 활용 가능하십니다.

Q5. Snowflake의 AI Data Cloud가 타사의 데이터플랫폼/데이터 솔루션과 비교해 가지는 장점은 무엇인가요?

A5. 스노우플레이크가 타사와 차별화되는 점은 간단하게 GUEST로 설명할 수 있습니다.

Governed - AI Data Cloud로서 데이터를 안전하게 활용이 가능합니다.

Unified - 단일 플랫폼으로 AWS, GCP, AZURE를 모두 지원하고 서로 데이터 연동을 할 수 있습니다. 데이터 형태도 반정형, 비정형, 정형 모든 데이터 포맷을 지원 합니다.

Efficient - 초기 투자 비용 없이 효율적으로 AI Data Cloud 구성이 가능 합니다.

Simple - SQL기반으로 누구가 쉽게 사용할 수 있으며, 파이썬과 같은 대중적인 언어도 지원합니다.

TCO - 위를 토대로 가장 비용대비 효과적인 클라우드를 구성할 수 있습니다.

Q6. AI Data Cloud를 구축하는 데 필요한 인프라와 사전 준비사항은 무엇인가요?

A6. Snowflake는 SaaS, 클라우드 기반이기 때문에 별도의 인프라 구축 없이 누구나 쉽게 사용 가능합니다. 아래 링크를 통해 400$ 크레딧을 받으실 수 있으며 SQL을 다룰 수 있으시다면 예제 데이터셋을 이용해 쉽게 활용하실 수 있습니다.

Q7. Snowflake에서 자동으로 스케일업/다운이 가능한 것으로 알고 있습니다. 필요에 따라 스케일업 제한을 조정할 수 있을까요?

A7. 스케일업은 기본적으로 CSP에서 제공하는 컴퓨팅리소스가 기본입니다. 따라서 스케일업은 무한대가 아니며 제공하는 컴퓨터의 물리적 한계까지 가능하다고 말할 수 있습니다. 대부분의 CSP는 Large, X-Large 등으로 규정되어 대략의 성능을 가늠할 수 있으며 스케일아웃은 여러 조건으로 쉽게 설정 가능합니다.

[Session 2] SPH - F&B 및 SMB 리테일 매장, 성공적인 운영을 위한 데이터 기반 고객 사례

Q1. 중소기업이 데이터 기반 의사결정(DDDM)을 초기 단계에 도입 시 고려해야 할 점은 무엇인가요?

A1. 어떤 주제를 기반으로 의사결정 할 것인지 구체적인 논의가 필요합니다. 주제를 결정할 때 데이터 자체가 없다면 우선순위를 두어 여러 개의 주제를 지정 후 기업이 보유하고 있는 데이터 중 주제에 받는 데이터를 선정합니다. 보유하고 있지 않은 데이터는 유/무료 항목을 확인 후 보유 방안을 수립합니다.

Q2. 주유소 상권분석 시 인구동향과 소득금액 등의 정보는 어디서 확보할 수 있나요?

A2. SPH에서 보유한 GranData를 통해 유동인구(거주,방문,직장), 소득, 카드 사용 금액 정보 확인이 가능합니다. 해당 정보는 특정인을 지칭할 수 없도록 개인정보 항목이 비식별화된 무기명 데이터입니다.

Q3. SPH에서는 회사의 고객 데이터를 수집/분석하는데 어떤 도구와 기술을 사용하나요? 

A3. 개발언어는 Python Script, ETL Tool은 고객 환경에 맞는 Tool을 선정하여 사용하고 있습니다. SPH는 고객 환경에 맞춘 Cloud, On-Premise 환경 모두 고려하여 사용합니다.

Q4. 데이터 기반 의사결정 시 외부 데이터 검증은 어떻게 되나요? 외부 데이터를 내부 데이터와 융합 시 데이터양과 기간, 분석, 정제는 어떻게 관리해야 하나요?

A4. 외부데이터의 검증은 이전 데이터의 이상치(특정 기간 혹은 범위에서 평균대비 NN% 이상 증감)와 결측치(있어야하는 데이터의 미존재)를 보정하는 작업이 필요합니다. 보정 작업은 지속적인 운영을 통해 고도화할 수 있습니다. 데이터 양의 경우 정량적인 양이 정해진 것이 아닌 실제 분석 결과 확인 후 맞춰가는 과정이 필요합니다. 정제는 ETL 또는 ELT로 데이터가 수집되는 즉시 분석에 필요한 형태로 정제하며 일련의 과정을 별도 스케쥴러 개발해야합니다. 분석의 경우 데이터의 양보다 분석을 하기 위해 입력되는 변수(오프라인의 경우 방문객, 시간, 소비패턴, 판매상품, 진열상품 등)가 다양할수록 분석 결과 성능이 올라갑니다.

Q5. 국내 기업 상권분석에 대한 실사례에 대해 알고 싶습니다.

A5. SPH에서는 리테일, 금융 등 국내 다양한 기업의 상권분석을 진행한 이력이 있습니다. 기업이 가지고 있는 내부 데이터와 다양한 공공 데이터, 유료 데이터를 구매하여 고도화된 상권분석 시스템을 구축해 드렸으며 자세한 사례는 SPH팀에 문의 부탁 드립니다.

Q6. 세션 중 나온 빽다방의 데이터 기반 의사결정 사례는 스노우플레이크(클라우드)만으로 구현 또는 On-Premise도 일부 활용한 사례인지 궁금합니다.

A6. 빽다방 상권분석 사례는 데이터 수집(Cloud 환경에서 Python 코드 사용) 이후 모든 과정은 Snowflake 환경에서 구현되었습니다.

Q7. 상권 분석 사례 대부분이 서울과 수도권에 집중되어 있는데 지방 대도시나 광역시/도에 대한 사례가 있을까요?

A7. SPH는 고객사에 따라 전국 기반으로 상권분석을 진행하고 있습니다. 

[Session 3] 티맵모빌리티 - 2,300만 유저가 사용하는 TMAP 데이터 소개와 데이터를 활용한 비즈니스 사례

Q1. 유저가 사용하는 TMAP 데이터 소개라던가 데이터를 활용한 비즈니스 사례가 있을까요?

A1. ‘유저’가 B2C 일반 고객의 의미라면 현재 B2C 대상 비즈니스 사례는 없습니다.

Q2. TMAP 실시간 정보에 따라 이동 시 TMAP을 사용하는 모든 차량이 몰려 더 막히는 사례가 있습니다. 이런 사례에 대응하는 방안이나 알고리즘 개발이 있을까요?

A2. TMAP 길안내는 트래픽이 원활한 도로로 안내하기 때문에 말씀하신 것처럼 사용자가 집중되어 정체로로 전환될 수 있습니다. 반대의 경우도 가능하며 이처럼 실시간으로 변하는 도로 상황을 사용자마다 전방 주행 경로 대상으로 지속적으로 감지합니다. 따라서 일정 기준 이상 교통 상황 변화가 발생 시 재탐색을 자동으로 수행하여 최적 경로로 재안내합니다.

  

Q3. TMAP 데이터는 어떤 방식으로 수집되고 어떤 기준으로 분류하나요?

A3. TMAP의 전자지도 데이터는 티맵모빌리티에서 자체적으로 구축하고 있습니다. 그 외 사용자 정보는 사용자 동의하에 TMAP APP을 통해 수집하여 정보의 속성에 따라 분류됩니다.

Q4. TMAP에 AI를 활용한 기능이 있을까요?

A4. 대표적으로 ‘개인 맞춤형 장소 추천 기능’인 ‘어디갈까’를 들 수 있습니다. ‘어디갈까’는 티맵 사용자의 주행 데이터를 장소 추천 로직에 적용하고 활용합니다.

Q5. 중소기업이 TMap 데이터 API를 활용해 얻는 장점이 무엇일까요?

A5. 중소기업뿐만 아니라 모든 기업에서 고객 위치기반 서비스의 근간이 되는 다양한 기능(지도 Display, 최적경로, 차량 배차 기능 등)에 대해서 직접 서비스를 구축하고 데이터를 보유하지 않아도 필요한 기능만 선택하여 활용 가능한 것이 장점입니다. 티맵모빌리티 API는 일정 무료 사용량을 제공하며 기능별로 단가가 책정되어 있어 이용한 만큼만 후불 납부하실 수 있습니다.

Q6. 데이터맵의 실시간 업데이트 및 처리 속도가 중요하다고 생각합니다. 티맵 데이터의 실시간 처리 능력은 어떻게 되나요?

A6. 데이터의 각 오브젝트마다 요구되는 중요도와 상황에 맞추어 현행화됩니다. 오브젝트별 정기 업데이트 주기가 구분되어 운영되며 교통정보와 같은 정보는 5분 단위로 업데이트 반영합니다. 교통사고, 집회 등 중요도가 높은 정보는 수시 업데이트되며 폐업/상호변경과 같은 고객 제보 역시 확인 즉시 업데이트가 진행됩니다.

Q7. 최근 AI LLM 기술발전이 빠르게 진화하고 있는데요, AI와 관련한 티맵데이터 예측 분석은 어떻게 수행되고 있나요?

A7. 기본적으로 티맵데이터는 모빌리티 데이터가 메인으로 특정 지점에 대한 통행량, 방문율, 교통분석에 대한 예측이 가능합니다. 해당 데이터를 AI 학습용 데이터로 추가할 수 있으며, 활용하는 주체에 따라 어떤 목적으로 학습하는지, 어떻게 수행하는지 그 쓰임이 달라질 수 있습니다.

Q8. 티맵모빌리티가 활용하는 개인화 기술 개발과 이를 활용한 고객의 라이프스타일 분석 방식이 궁금합니다.

A8. 기본적으로 티맵은 고객 정보를 비식별로 수집되어 특정 고객을 개인화하지는 않습니다. 어떤 인물이 특정 요일에 어떤 식당에서 외식 하는지, 추정 거주지와 주 활동지(직업/취미)가 어떻게 되는지, 평일/휴일 이동 패턴이 어떻게 되는지 등 비식별 모빌리티 데이터를 활용한 라이프 스타일 분석이 가능합니다.

Q9. 티맵모빌리티 데이터를 활용하고 싶은 기업을 위한 고객지원을 제공하고 있나요?

A9. 티맵모빌리티 데이터는 유상 판매 데이터로, 데이터 담당자와의 상담 문의를 통해 기업에서 필요로 하는 데이터셋을 정의하고 샘플 데이터를 제공받을 수 있습니다. 

Q10. 동일인의 개인적 용도의 구매와 업무적 용도로의 구매를 구별할 수 있을까요?

A10. 데이터를 구분하여 2개 레코드로 판매하는 것은 가능합니다만 거래 당사자는 모두 사업자 등록이 되어 있어야 계약 및 대금지급이 가능합니다.

Q11. TMAP 데이터를 다른 기업에 제공하기 위해 데이터마켓플레이스 구축이 가능할까요?

A11. 정책상 API 및 Data의 제 3자 제공은 허용하고 있지 않습니다. 다만 결합 및 제휴를 통해 사전 협의 및 계약 후 공급할 수도 있습니다.

Q12. 개인 데이터 악용이나 프라이버시 침해 등의 위험은 없나요?

A12. TMAP 데이터 사업에 활용하는 데이터는 기본적으로 비식별 데이터로 개인 추정 가능한 데이터는 모두 제외됩니다. 개인정보가 포함된 데이터는 철저한 고객 동의 절차하에 활용되며 보안상으로 사업용 데이터와 별도 관리되어 프라이버시 위해 요소는 매우 희박합니다.

[Session 4] 프롭티어 - 배달정보와 매점매출정보 기반 프랜차이즈 본사의 지점 관리 방법 소개

Q1. 데이터 기반 의사결정이 프랜차이즈 지점 관리에서 어떤 장점이 있을까요? 어떤 부분에서 효율성이 높아지고 어떤 결과를 기대할 수 있는지 구체적으로 알고 싶습니다.

A1. 데이터 기반 의사결정은 특히 신규 입점이나 영업권의 조정을 가져갈 때 중요합니다. 프랜차이즈 본사일지라도 전국 지점에 대한 데이터 가시성은 떨어지고 영업 조직 역시 프리랜서 외주로 진행되어 입점 후보지와 영업권 중첩을 실시간 비교하는 데에 괴리가 있습니다. 

대부분의 프랜차이즈는 후보지를 본사에 문하면 담당자가 비교 검토 후 입점 가능 여부와 범위를 회신하는 방식으로 운영되어 의사 결정이 지연되며 최적의 입지를 찾는 과정이 예비 가맹점주와 프리랜서 영업자의 경험에 의지한다는 단점이 있습니다. G-CRM은 프랜차이즈 본사에서 직접 최적의 후보지를 입점현황, 영업권중첩여부, 배후지 조성 규모, 한군 등 유동인구 성격까지 종합적으로 판단하여 선택할 수 있도록 지원합니다.

Q2. 프롭티어 데이터와 푸드테크 데이터 융합을 통한 실제 가맹점과 점포의 매출 분석 정확성은 어느 정도 일치하나요? 2개 회사의 수집된 데이터 활용 시 분석 항목 조정과 실데이터에 대한 정체/관리 작업은 어떻게 지원되나요?

Q2. 데이터 융합 시 푸드테크의 매장관리솔루션 배달매출 정보와 내점매출(없다면 프랜차이즈 본사 제공)을 그대로 불러와 사용됩니다. 경쟁점 매출 정보 역시 같은 방식으로 확인 가능합니다.

데이터 융합 관련해서는 실무자-프롭티어-푸드테크가 1차 컨설팅을 통해 필요데이터 판단과 데이터 정제 여부를 먼저 확인하고 각사 역할을 지정하여 데이터 정제 및 관리를 진행합니다.

Q3. 경쟁업체 매출 정보는 어떻게 얻을 수 있나요?

A3. 경쟁점 매출은 푸드테크 배달 데이터 기반으로 정보 수집/서비스되고 있습니다.

Q4. 배달정보와 매출 데이터를 결합했을 때 예상할 수 있는 비즈니스 변화는 무엇일까요?

A4. 가장 큰 변화는 매장의 위치 변경에 따른 점주의 이익구조 개선과 상품 판매 벤치마킹을 통한 매출 개선이 아닐까 싶습니다. 예를 들어 배달 집중 지역은 다소 이면에 있더라도 저렴한 임대료에 일정 매출이 보장되는 형태로 구조를 개선할 수 있습니다. 또한, 매출이 높은 매장과 평균보다 매출이 미진한 매장과 배달, 내점 매출, 상품 매출을 비교 분석하여 인사이트를 추출하고 슈퍼바이저를 통해 개선사항을 점주와 공유하여 벤치마킹하고 매출을 개선할 수 있습니다.

Q5. 배달 정보와 매점 매출 데이터를 활용해 지점 운영 성과를 모니터링하고 매출 최적화/고객 만족도를 향상하는 전략이 궁금합니다. 프롭티어가 제공하는 맞춤형 지원 방법이 따로 있을까요?

A5. 위의 답변 참고 부탁드립니다. 이외에도 판매 상품 추이 지표 등을 통해 본사가 진행하는 이벤트를 가맹점에서 잘 수행하는지도 추적하여 고객의 경험을 향상할 수 있습니다. 해당 부분은 G-CRM 도입 시 프랜차이즈 본사 상황에 맞춰 상세한 설명이 가능합니다.

Q6. 새로운 프랜차이즈 지점을 결정할 때 어떤 데이터를 활용해야 할까요? 인구 통계, 상권 분석, 교통량 데이터 등 어떤 정보를 기반으로 상권분석 후 최적의 위치를 선정하는지 궁금합니다.

A6. 프랜차이즈 브랜드 및 입점하려는 지역별로 매장 보증금, 인테리어 공사비, 임대료, 재료비, 인건비의 규모는 달라질 수 있습니다. 각 프랜차이즈에서 보유하고 있는 내부 데이터로 입점 위치에 따른 면적과 보증금, 임대료를 파악 후 입점 후 6개월 이내 달성해야 할 최소 매출 규모를 산정할 수 있습니다. 이를 기준으로 해당 위치에 영업권역으로 확보 가능한 배달/내점 매출과 비교하여 매장규모와 임대료 수준의 적합도를 판단할 수 있습니다.

Q7. 프랜차이즈 지점 관리에서 실시간 데이터를 어떻게 활용하는지 궁금합니다. 실시간 매출 데이터, 고객 대기 시간, 재고 상태 등을 모니터링하여 어떤 결정을 내릴 수 있나요.

A7. 프랜차이즈 본사에서는 매출의 증감이 감지되면 그 원인을 찾고 이 중 특정 시즌이나 행사에 따라 반복되는 패턴은 본사의 영업활동에 활용됩니다. G-CRM은 기존 담당자의 노하우에 의존하던 매출 증감 변화를 예측하고 그에 합당하는 솔루션을 제시하며 이를 전산화, 내재화할 수 있습니다.

Q8. 실시간 재고 모니터링과 수요 예측 데이터를 통해 재고 부족/과잉과 같은 재고 관리 시스템에 활용할 수 있나요?

A8. 선진 사례는 데이터 기반 마케팅 솔루션으로 날씨, 지역행사, 스포츠 등 다양한 이벤트 정보를 활용한 수요예측 시스템을 구축하고 이를 발주/재고관리 시스템에 연동하여 최적화하고 있습니다. 프롭티어의 G-CRM 솔루션 역시 같은 방향으로 진화할 계획으로 파일럿 출시하였습니다.

Q9. 프롭티어의 데이터 분석 시스템이 타업체와 비교했을 때 가지는 차별점은 무엇인가요?

A9. 타사 데이터 분석 시스템은 입지와 외부 환경요소에 따른 상권분석이 주된 서비스라면 G-CRM은 배달매출과 내점매출, 주력상품 분석을 통해 가맹점별 강점과 약점을 파악하여 경쟁력을 높이는 솔루션입니다. 또한, 배달 기준의 상권분석 진행이 가능하여 현시점의 F&B트렌드에 발맞춘 전략 수립이 가능합니다.

웨비나에서 나온 주요 질문들을 뽑아 정리한 Q&A, 다들 어떻게 보셨나요?🙈

이게 맞을까? 근거 없는 내 직감은 아닐까?하고 스스로가 의심되는 순간 데이터는 명확한 해답을 제시합니다. 스노우플레이크와 SPH가 함께 준비한 <Insight to Impact> 웨비나에서는 단순한 숫자의 반복인 데이터가 아니라 비즈니스의 현재를 분석하고 미래를 예측하는 도구로서의 활용을 제시했습니다. 웨비나에 참석해주신 모든 분 그리고 뒤늦게 이 글을 읽으시는 모든 분이 다양한 사례들을 통해 리테일, 물류, F&B 등 다양한 산업별 활용 방법에 대한 인사이트를 찾아가셨기를 바랍니다. 

짧은 지면과 영상으로는 SPH가 가지고 있는 데이터 인사이트를 나누기에 부족한 것 같습니다. 웨비나에서 풀리지 않은 궁금증이나 데이터 기반 비즈니스 결정(DDDM), 데이터 컨설팅 관련하여 문의가 있으시다면 SPH를 찾아주세요✅

✅SPH에 문의하기

✅SPH팀과 커피챗 나누기

SPH는 Google Maps, SuperMap, Maxar Technologies 등 다양한 제품군을 가지고 있으며, 고객의 사례에 꼭 맞는 무료 세미나 및 인적 컨설팅을 제공하고 있습니다. 더욱 자세한 이야기를 나누고 싶으시다면, 여기에서 문의 주시길 바라며, SPH에서 발행하는 GIS / 로케이션인텔리전스 관련 최신 소식을 받아보고 싶으신 분들은 페이스북 페이지 또는 뉴스레터를 구독해주시길 바랍니다