이 글의 핵심
- 결정을 바꾸는 데이터만 자산입니다. 수집 시작과 동시에 저장, 관리, 정제 비용이 발생합니다. 쓸 계획이 없는 데이터는 매달 나가는 고정비입니다.
- 가치를 낸 데이터에는 공통점이 하나 있었습니다. 정산 기준이나 배차 조정 같은 특정 결정과 연결되어 있었습니다. 막연히 언젠가 쓸 것 같아서 모은 데이터는 몇 년이 지나도 쓰이지 않았습니다.
- 수집 전에 세 가지를 먼저 확인해야 합니다. 바꿀 결정이 무엇인지, 없어도 같은 결정이 내려지는지, 품질을 담당할 사람이 있는지입니다. 셋 다 답이 없으면 수집을 시작하지 않는 편이 낫습니다.
데이터를 모으기로 결정하는 건 생각보다 쉽습니다. 센서를 달고, 로그를 남기고, 서버에 올리면 됩니다. 쌓이는 수치를 보면 준비되고 있다는 느낌도 듭니다.
그런데 이 느낌에는 청구서가 따라옵니다. 저장 비용, 관리 인력, 정제 작업. 쓸 계획이 없는 데이터라면 수집 시작과 동시에 매달 고정비가 됩니다. 저는 차량 운행 데이터를 몇 년 모으고 쓰는 과정에서 이 차이를 직접 확인했습니다. 결정을 바꾸는 데이터만 자산이고, 그렇지 않은 데이터는 비용입니다.
결정과 연결된 데이터만 실제로 가치를 만들었습니다
저희 팀이 차량 운행 데이터를 처음 모을 때, 기준이 분명하지 않았습니다. 위치, 속도, 체류 시간, 상태 코드. 모을 수 있는 데이터는 다 모았습니다. 쌓일수록 분석에 쓸 수 있을 것 같았습니다.
몇 년이 지나 실제로 가치를 만든 데이터를 뽑아 봤습니다. 생각보다 적었습니다. 정산 기준을 정하는 데 쓰인 것, 배차를 조정하는 데 연결된 것. 이 두 가지가 대부분이었습니다. 공통점은 하나였습니다. 특정 결정과 연결되어 있었습니다.
나머지는 그냥 있었습니다. 언젠가 분석에 써야지 하고 모아 둔 것들이었는데, 몇 년이 지나도 그 언젠가는 오지 않았습니다. 그 사이에 저장 비용은 계속 나갔습니다. 결국 지웠습니다.
| 구분 | 수집만 되는 데이터 | 자산이 되는 데이터 |
|---|---|---|
| 수집 이유 | 모을 수 있어서 | 바꿀 결정이 있어서 |
| 현재 상태 | 언젠가를 기다리는 중 | 회의와 기준에 연결됨 |
| 재무 성격 | 매달 나가는 고정비 | 비용보다 큰 쓰임새 |
바꿀 결정이 없는 수집은 시작하지 않는 편이 낫습니다
데이터 수집 요청에서 가장 많이 나오는 말은 "이것도 모을 수 있지 않나요?"입니다. 그런데 확인해야 할 것은 할 수 있는가의 문제가 아닙니다. 해야 하는가를 물어야 합니다.
저는 수집 요청이 들어오면 세 가지를 먼저 확인합니다.
첫째, 이 데이터가 바꿀 결정을 구체적으로 말할 수 있습니까. 보고서에 쓰겠다거나 나중에 분석하겠다는 답은 결정이 없는 겁니다. 누가, 어떤 기준으로, 어느 시점에 내릴 결정인지를 말할 수 있어야 합니다.
둘째, 이 데이터가 없으면 그 결정을 못 내립니까. 없어도 어차피 같은 방향으로 결정할 거라면, 그냥 모으는 건 비용만 나가는 일입니다.
셋째, 정제와 품질을 책임질 사람이 정해져 있습니까. 데이터는 모으는 것보다 쓸 수 있는 상태로 유지하는 것이 더 어렵습니다. 담당자 없는 데이터는 금방 기준이 흐트러집니다.
세 가지에 답이 없는 수집 요청은 시작하지 않는 편이 낫습니다. 나중에 답이 생기면 그때 시작해도 데이터를 모으는 데 걸리는 시간은 크게 달라지지 않습니다. 하지만 답도 없이 시작하면 중간에 멈추는 것이 더 어렵습니다.
수집을 줄이자 회의의 질문 자체가 달라졌습니다
판단 기준이 생기자 그다음으로 넘어갔습니다. 당시 쌓고 있던 데이터를 항목별로 뽑고, 최근 석 달 안에 어떤 결정에 실제로 쓰인 적이 있는지 확인했습니다. 기준이 단순해서 정리는 빠르게 끝났습니다.
결정에 쓰이지 않은 수집은 멈췄습니다. 쌓아 온 시간이 아깝기는 했습니다. 그래도 계속 쌓는 비용이 더 크다고 판단했습니다.
변화는 두 방향에서 왔습니다. 정제에 쓰는 시간이 줄었고, 오류를 발견하는 속도가 빨라졌습니다. 관리하는 종류가 줄었으니 당연한 결과였습니다.
그런데 예상 밖의 변화도 있었습니다. 새 수집 요청이 들어올 때 회의에서 나오는 첫 번째 질문이 달라졌습니다. 이전에는 "이것도 모을 수 있나요?"였습니다. 줄이고 난 뒤에는 "어떤 결정에 쓸 건가요?"가 먼저 나옵니다. 질문이 달라지니 수집되는 데이터도 달라졌습니다.
대시보드가 늘어나는데 결정은 그대로인 이유는 이 연장선에 있습니다. 수집 기준이 바뀌고 나면 지표 체계도 같은 방식으로 정리해야 합니다.
AI 학습용 데이터도 목적이 먼저입니다
"데이터가 많아야 AI를 쓸 수 있으니 일단 다 모아 두자"는 요청이 많습니다. 이 논리에는 전제가 빠져 있습니다.
AI 학습이야말로 데이터 품질이 먼저입니다. 목적 없이 모은 데이터는 결측값이 많습니다. 수집 기준이 제각각이고, 각 필드가 무엇을 뜻하는지 아는 사람도 없습니다. 그런 데이터를 학습에 쓰려는 순간, 정제 비용이 수집 비용을 넘어섭니다. 결국 처음부터 다시 모아야 합니다.
어떤 결정에 쓸지 정하고 모은 데이터가 AI에도 먼저 들어갑니다. 레이블이 붙어 있고, 기준이 일관되고, 무엇을 뜻하는지 아는 사람이 있는 데이터여야 합니다. 양보다 이 조건이 먼저입니다.
AI 도입 전에 먼저 봐야 할 업무 병목 지도도 같은 맥락입니다. 현장에서 어떤 결정에 AI를 붙일지 정하지 않은 채 데이터부터 모으는 것은 순서가 반대입니다.
지금 수집 중인 데이터 중 석 달 안에 결정에 쓰인 것이 몇 종류입니까
목록을 바로 꺼낼 수 없다면, 그리고 석 달 기준을 통과하는 항목이 얼마 안 된다면, 지금 데이터 운영에서 고정비 비중이 어느 정도인지를 그 자체로 보여 주는 겁니다.
줄이고 난 뒤 남은 데이터에 무엇을 더 볼지는 다음에 이어서 다루겠습니다. 지금 먼저 물어볼 것은 다른 겁니다. 가장 최근에 올라온 데이터 수집 요청에서, "어떤 결정에 쓸 것인가"를 먼저 묻는 사람이 회의실에 있었습니까.