thick data, 빅데이터도 모르는 인간의 숨은 욕망

 

주변에 책을 읽을 수 있게 만드는 환경이 있다는 것에 감사하자. 도서모임도 있고 도서관도 가깝다!!

주요 내용은 기업에서 소비자를 위해 어떤 관점에서 데이터를 활용하고 의사결정을 내려야 하는지에 대한 내용이다. 

이런 관점을 업무에 직접적으로 활용하는 일은 아니지만, 대상을 소비자가 아니라 협업하는 동료를 대상으로 전환해볼때 적용해도 도움이 많이 되는 내용이었다. 개인 기여자로써도 업무를 해야 하지만 짬바가 있으니 전체를 아우를 수도 있어야 하고, 누군가를 도와주거나 이끌어야 하는 업무도 꽤 비중이 높다. 이때 동료의 행동보다 그 행동안에 있는 맥락을 이해하고, 공감하고, 뭐가 필요한지 찾아보는 시야를 생각해보게 된 것 같다.

 

Part 1. 소비자를 이해하는 정교한 렌즈, 인류학

#01. 비즈니스 이면을 들여다보는 인류한적 시각
인류학이 여타 사회과학과 어떻게 다른지, 동시에 컨설팅과는 어떤 연결고리가 있는지를 인류학의 철학적 배경인 문화 상대주의(cultural relativisim), 문제접근법인 총체적 접근(holistic approach), 연구방법론인 참여관찰(participant observation) 세가지에 주목

* 문화 상대주의(cultural relativisim)
각각의 문화는 그 우열을 가릴 수 없고, 자문화를 중심으로 타문화를 평가해선 안 되며, 그 구성원들이 처한 환경과 역사적ㆍ사회적 상황, 가치관에 따라 이해해야 한다는 견해다. 문화 상대주의의 관점으로 우리는 자문화뿐 아니라 타문화에도 공감할 수 있으며, 이를 통해 우리 자신의 문화를 되돌아보고 더 깊이 이해할 수 있다. 컨설팅 기업에 이러한 관점을 적용하면, 고객사의 입장에서 문제를 깊이 있게 파악하고 해결책을 발견할 수 있게 된다.

* 총체적 접근(holistic approach)
현실을 통합된 전체로 보고 살피려는 자세다. 인류학적 시각으로 보면 정치, 경제, 종교, 생태 환경, 기술 발전, 가족제도 등 인간 사회를 이루는 모든 요소는 총체적으로 연결되어 각기 분리하기 어렵다. 따라서 연구하고자 하는 대상 또한 이러한 요소들과의 관계와 맥락 안에서 파악해야 그 본질에 다가갈 수 있다. 컨설팅 기업에 적용하며, 고객사의 비즈니스 이슈를 재무뿐 아니라 조직, 리더십, 경쟁사, 고객, 세일즈, 마케팅 등 다양한 측면에서 살필 수 있게 된다.

* 참여관찰(participant observation)
참여관찰은 현지조사(fieldwork)와 함께 설명돼야 하는 개념이다. 현지조사란 연구자가 연구 대상자의 일상적인 공간으로 들어가 그들의 언어와 관습을 배우고 익히며 가까이에서 그들의 일원으로 참여하면서 관찰하는 방법론이다. 이 과정에서 연구자는 연구 대상자들의 일상과 사회문화적 맥락을 함께 경험헌다. 참여관찰 방법론을 컨설팅에 적용하면 고객사에서 그 직원들과 함께 근무하면서 해당 기업의 비즈니스 이슈를 내부인이자 외부인의 시선으로 파악하고 해결할 수 있다.

 

Part 2. Big data 가 모르는 진실을 Thick data 는 안다.

#01. 비즈니스 통찰은 Big data 가 아닌 Thick data 에서 나온다.
big data 는 전력망, 물류, 유전 암호처럼 변동 없고 안정적인 체계를 수량화하는 데는 유용하지만, 유동적이고 불안정한 체계, 가령 인간과 관련한 문제에는 그렇지 못하기 때문이다. big data 를 제대로 활용하려면 인문학적 이해를 바탕으로 한 새로운 종류의 데이터가 필요하다고 말한다. 그것이 바로 thick data 다.

트리시아 왕은 'thick data'라는 개념을 인류학자 클리퍼드 기어츠의 'thick description'에서 가져왔다고 밝힌다.
두 명의 소년이 오른쪽 눈의 눈꺼풀을 빠르게 수축시키고 있다고 하자. 한 명은 본인 뜻과 무관하게 일어난 일이라 하고, 다른 한 명은 친구에게 보내는 신호라고 한다. 두 소년의 동작은 그 자체로는 완전히 똑깥아서 어떤 쪽이 윙크이고, 어떤 쪽이 경련인지 구별할 수 없다. 그러나 의미 면에서는 눈의 경련과 윙크는 엄청난 차이가 있다. 경련에는 아무런 의미가 없지만, 윙크는 아주 정확하고 특별한 방식으로 의사를 전달하는 수단이다. 여기서 더 나아가서 세 번째 소년이 나타나 친구들을 즐겁게 해 줄 요량으로 첫 번째 소년을 흉내 낸다면? 이 소년이 완벽하게 흉내 내기 위해 집에서 거울을 보며 연습한다면? 또 친구에게 신호를 보내려 윙크했다는 소년이 거짓말을 했꼬, 그 소년의 눈꺼풀 수축에 실은 아무런 의미가 없다면? 이런 경우 소년의 동작이 의미하는 바는 또 달라질 것이다. 눈꺼풀 수축은 그 자체로 독립적으로 존재할 수 없고, 반드시 맥락 안에, 그 의미를 해석할 의미망 안에 있다. 

thick description 은 인류학을 포함한 모든 학문 영역에서 인간 행위를 파악할 때 행위 자체뿐 아니라 그 맥락까지 설명하는 것을 가리킨다. 연구자가 현장에서 관찰한 일을 기술하면서 그 고유한 맥락과 상황 조건을 함께 밝힘으로써 연구 대상이 드러내지 않았거나 드러내지 못한 의도나 전제를 생생하고 구체적이며 치밀하고 풍부하게 묘사하는 것이다. 이를 통해 연구자는 현장에서 일어난 일의 의미가 무엇인지 심층적으로 해석할 수 있게 된다.

이렇듯 사람들의 행위에는 반드시 맥락이 있고, 그것을 파악해야만 비로소 숨겨진 의미가 드러난다. 트리시아 왕이 big data 에 해당하는 thick data 라는 용어를 제안한 이유다. thick data 를 분석하려면 모든 프로세스를 정규화, 표준화해야 한다. thick data 는 이 과정에서 필연적으로 유실되는 사람과 그의 실제 경험, 맥락과 의미를 복원하는 가장 유용하고 중요한 도구가 될 수 있다.

thick data 의 의미를 더 깊게 이해하려면 big data 와 비교하는 방법이 가장 효과적일 것이다. big data 는 정량적(quantitative)이고 thick data 는 정성적(qualitative)이다. big data 가 머신 러닝에 의존한다면 thick data 는 인간 학습에 의존한다. big data 는 패턴 식별을 위해 변수를 제거하지만, thick data 는 복잡성을 수용한다. big data 는 해상도(resolution)가 떨어지고, thick data 는 확장성(scalability) 이 떨어진다. 이런 차이 덕분에 오히려 big data 와 thick data 는 서로를 보완할 수 있다. 정량적인 정보인 big data 로는 '무엇을 얼마나'에 관해 알 수 있고, 정성적인 정보인 thick data 로는 '왜, 어떠한 맥락에서'에 대해 통찰할 수 있다. 머신 러닝에 의존하는 big data 로는 정확성을, 인간 학습에 의존하는 thick data 로는 보편적인 진실을 추구할 수 있다.

#03. Thick data 를 얻기 위한 THICK 프레임워크
* Tolerance : 문화 상대주의에 입각해 낯섦에 관대해지지
흔하고 친숙한 것일수록 잘 안다는 착각을 일으키기 쉽다. 그러나 그 물건이나 현상을 세심히 관찰하면 우리 예상이 틀렸다는 걸 알게 된다. 무언가에 대한 통찰을 얻고자 한다면 선입견 없는 눈으로, 아무런 가정이나 예측 없이 실제를 볼 준비가 돼야 한다.

* Hidden Desire : 관찰을 통해 소비자의 숨은 욕구 찾기
관찰은 질문과 달리 소비자의 말과 실제 행동과의 불일치를 드러냄으로써 소비자가 의식하지도 못했던 잠재적 욕구를 발견하게 한다.
thick data 는 big data 와 달리 '왜'를 설명하는 근거가 되지만, 실제 참여관찰 현장에서 소비자에게 "왜?"라고 질문할 때는 매우 신중해야 한다 .이런 질문은 자칫 자기방어 심리를 자극해 변명이나 거짓말을 유도할 수 있기 때문이다. 오히려 묻지 않고 관찰하는 편이 오히려 '왜?'라는 질문에 대한 올바른 답을 얻는 방법이 될 수도 있음을 잘 보여 준다.

* Informants : 극단적인 소비자 및 나만의 자문단을 적극 활용하기
때로는 전형적인 소비자 집단이 아닌, 제품을 이상한 방법으로 사용한다거나 극단적으로 적게 또는 많이 쓰는 소비자에 주목함으로써 유의미한 통찰을 얻을 수 있따. 이들의 과정된 욕구나 사용 패턴이 이제 막 태동하기 시작한 새로운 욕구를 의미할 수도 있기 때문이다.
극잔적인 소비자와 더불어 주목해야 할 집단이 바로 나만의 자문단이다. 자문단을 잘 활용하기만 해도 해당 제품을 직접 사용하는 만큼의, 어쩌면 그 이상의 통찰력을 얻을 수 있다. 중요한 건 그 제품을 실제로 경험한 사용자냐 아니냐가 아니라, 사용자 중심적인 시각으로 thick data 를 모으고 활용할 의지와 인내심이 있느냐, 없느냐다.

* Context : 소비자의 말이 아닌, 총체적인 맥락에 집중하기
우리가 같은 사람의 같은 표정에서 서로 다른 감정을 유추하는 이유는 무엇일까. 맥락이 달라졌기 때문이다. 감정을 유추하려면 그 표정이 만들어진 맥락을 이해해야 하는데, 인공지능은 그러지 못한다는 것이다. 참여관찰이나 심층 인터뷰를 할 때도 소비자가 겉으로 드러내는 말과 행동이 아닌, 수면에 잠긴 맥락을 세밀하게 살펴야 한다.

* Kindred Spirit : 참여를 통해 소비자에게 공감하기
소비자의 민낯을 보고자 할 때도 공감과 감정 이입은 필수적이다. 인류학자 그랜트 맥크랙켄이 "인류학은 곧 공감이다"라고 말하나 이유도 이 때문일 것이다. 시청자가 드라마 캐릭터에 깊이 공감하면 굳이 대사로 설명하지 않아도 그 캐릭터의 사소한 행동에 담긴 의미를 이해할 수 있다. 마찬가지로 고객사나 소비자에게 깊이 감정 이입하고 공감하면 그들이 왜 그런 결정을 내리고 왜 그런 행동을 했는지 이해하게 되고, 직접적으로 말하지 않은(또는 말하지 못한) 숨은 욕망까지 들여다볼 수 있게 된다. 바로 이때가 감정이 내재된 스토리가 나오는 순간이며, 통찰로 이어지는 thick data 가 모이는 순간이다.

#04. Thick data 를 넘어 Smart data 로
thick data 로 통찰하고 big data 로 증명하고 smart data 로 실행하라.
사용자에 관한 구체성과 보편성, 모두를 담보함으로써 드러나지 않은 진실을 밝히고 가장 합리적인 의사 결정에 이르려면 어떻게 해야 할까.

첫 번째, 정성적인 리서치로 수집한 thick data 로 깊은 통찰을 하고 이를 토대로 가설을 세울 수 있어야 한다.
쓸모없는 데이터를 입력하면 쓸모없는 데이터가 출력된다. 대개는 출력 데이터의 양에 주목하지만, 입력 데이터의 질도 중요하다. 제아무리 뛰어난 big data 기술을 보유하고 있어도 입력 데이터의 질을 충분히 고민하고 검토하지 않으면 의미 있는 출력 데이터를 얻을 수 없다.

두 번째, 통찰을 통해 세운 가설을 big data 로 검증해야 한다.
요즘은 비즈니스 의사 결정에 다수가 참여하는 만큼 이들을 설득하기 위해 big data 로 검증하는 과정이 꼭 필요하다. 이 때 big data 로 검증한다는 것은 이미 갖고 있는 데이터를 활용한다는 의미가 아니다. 소비자의 인적 사항, 구매 내용과 패턴 등의 데이터를 모았다는 이유로 big data 를 충분히 보유하고 있다고 착각하는 기업이 많다. 그러나 이것만으로는 첫 번째 단계에서 만들어진 가설을 증명하기 어려운 경우가 많다. 보유하고 있는 big data 에만 매달릴 게 아니라 가설을 증명할 수 있는 데이터를 적극적으로 모으는 작업을 수행할 수 있어야 한다.

세 번째, 검증을 마친 가설이 실질적으로 어떤 의미를 지니는지 해석해 '왜'라는 질문의 답을 얻은 후, 이에 근거해 소비자의 욕구를 소비자가 원하는 순간에, 원하는 장소에서, 원하는 방식으로 충족시킬 방법을 알려 주는 smart data 를 도출한다.
smart data 는 단순히 분석에만 그치는 ㄷ네이터가 아니라, 기업의 실질 적인 의사 결정을 도출하고 구체적인 실행으로 전환된다는 점에서 매우 중요하다.

thick data 로 통찰하고 big data 로 증명하며 smart data 로 실행하는 이 일련의 과정이 우리에게 어떤 이익을 안겨 줄까?
첫째, 기업이 자신의 존재 이유이자 존재를 가능하게 하는 소비자를 더 잘 이해할 수 있게 한다.
둘째, 소비자에 대한 이해를 바탕으로 기업과 그 구성원, 그리고 그들의 상품 및 서비스를 더 깊게 파악할 수 있도록 돕는다.
셋째, 급변하는 기업 환경에서 미래를 예측하는 데 도움이 된다. big data 는 무슨일이 벌어지고 있는지 보여 줄 순 있어도 그 일이 '왜' 벌어졌는지는 알려 주지 못한다. 미래를 예측할 힌트는 언제나 '무엇'이 아닌 '왜'에 있다.

 

Part 3. Thick data 로 어떻게 비즈니스 기회를 발견하는가

#01. 소비자는 진실을 말하지 않는다.
혁신하려면 고객 경험에 집중하라.
소비자 조사를 통해 혁신적인 아이디어를 얻을 수 없는 이유는 소비자가 자신의 잠재된 욕구를 제대로 알지 못하기 때문이다. 우리는 누가 일깨워 주기 전까지 특정 상황에서 어떤 필요성이나 불편함을 느끼고 있음을 잘 깨닫지 못한다.

'소비자의 숨은 욕구'란 새롭고 혁신적인 제품에만 국한된 말이 아니다. 제품을 쓰면서 느끼는 크고 작은 불편함이 해소됐으면 하는 욕구 또한 포함하는 말이다. 이런 불만 해소의 욕구는 혁신적인 제품을 향한 욕구만큼이나 소비자 스스로가 인지하지 못하는 경우가 많다. 따라서 소비자가 불만을 표출하지 않는 것을 제품이 완벽하다는 증거로 받아들여서는 곤란하다. 일상의 불편함을 해소하고 삶의 질이 향상할 수 있으리라는 기대 자체가 없어 기업에 불만을 표하지 않는 소비자도 많다. 소비자가 진실을 말하지 않는다면(또는 말하지 못한다면) 우리가 먼저 발견해야 한다. 소비자 조사에만 의존하지 말고, 소비자의 일상으로 들어가 그들의 경험에 주목해야 한다. 혁신의 단서는 소비자의 말이 아니라 소비자의 무의식적인 습관과 행동에서 발견된다.

#02. 최종 소비자를 만나면 새로운 기회가 보인다.
제품은 개발자 의도대로만 쓰이지 않는다.
사용자가 애초에 의도된 대로만 제품을 사용하리라 믿는 것은 개발자나 마케터가 흔히 저지르는 실수다. 자신들의 기술에 지나치게 몰두하고 심취한 나머지 메뉴얼이 아닌 다른 방식으로 제품을 사용할 수 있다는 가능성 자체를 떠올리지 못하는 것이다. 그러나 사용자가 제품을 사용하는 방식은 그들이 처한 사회 문화적 맥락, 생활 습관 및 기호에 따라 천차만별일 수 있다. 애초 의도한 대로 제품이 사용되지 못한다면 그것은 사용자가 어리석은 게 아니라 개발자가 최종 사용자를 더 세심하게 배려하지 못한 것이다. 제품이나 서비스를 개발한 뒤에는 반드시 사용자가 어떻게 쓰는지 참여관찰을 통해 알아봐야 하는 이유다.

소비자가 제품을 어떻게 사용하는지에 주목하라.
누가 어떤 의도로 제품을 개발했는지는 중요하지 않다. 사용자가 그 제품을 어떻게 사용하는지에 주목해야 한다. 아무리 훌륭한 제품이라도 실제 사용자들이 일상에서 그 제품과 어떻게 상호작용하는지 관찰하지 않는다면 완벽해질 수 없다.

#03. 소비자는 물건이 아니라 자부심을 산다.
"단골은 떠나도 팬은 떠나지 않는다."
단골이 습관적으로 또는 나름의 합리적인 이유로 특정 브랜드나 제품을 선호하여 반복 구매하는 집단이라면 팬은 브랜드의 신념과 가치에 공감하고 이를 철저히 내면화한 집단이다. 단골이 품질이나 가격의 변화, 경쟁사 프로모션 등 다양한 이유로 선호 제품을 갈아치운다면 팬은 때때로 실망하고 불만을 느끼더라도 브랜드와의 끈끈한 유대를 잃지 않는다. 팬에게 브랜드란 같은 취향과 신념을 공유하는 공동체이자 내가 어떤 사람인지를 보여 주고 표현하는 수단이기 때문이다.

할리데이비슨은 오토바이가 아니라 체험을 판다.
과거의 마케팅이 사용자 확대에만 몰두했다면 이제는 하드코어 사용자들을 대상으로 하는 팬덤 형성에 주력할 때다. 제품력이 전반적으로 상향 평준화한 요즘, 기술력이나 품질만으로는 타 브랜드와 차별점을 만들기 어렵다. 인간에게는 특정 무리에 속해 안정감을 얻고자 하는 강한 본능이 있다. 브랜드 팬덤을 형성하려면 인간이라는 종이 지닌, 소속감에 대한 열망을 잘 이해해야 한다. 그리고 소비자가 브랜드에 강한 소속감과 유대감을 느낄 수 있게 하려면 할리데이비슨처럼 해당 브랜드의 소비자만이 독점적으로 누리는 특별한 경험과 스토리를 제공할 수 있어야 한다.

거래는 단골을 만들지만, 관계는 팬덤을 만든다.
핵심은 소비자와 거래를 하느냐, 관계를 맺느냐에 있따. 브랜드 로고를 몸에 새긴다는 행위 자체는 같을지 몰라도 모 브랜드의 경우에 그 행위는 '거래'고, 할리의 경우에는 '관계'다. 많은 브랜드가 소비자의 충성도를 높인답시고 이런 실수를 한다. 제품 후기를 작성하면 포인트를 준다거나 자사의 SNS 계정을 팔로우하면 할인 쿠폰을 제공한다는 방식으로는 팬덤을 형성하지 못한다. 소비자와 관계를 맺는 것이 아니라 거래를 하는 방식이기 때문이다. 이를 '거래'가 아닌 '관계'로 만들려면 쿠폰 한 장이라도 손수 작성한 메모와 함께 건네는 방식으로 소비자 한 사람, 한 사람에게 '나는 특별한 사람'이라는 감동을 안겨 줄 필요가 있다.

#04. 소비자 중심의 마인드셋은 기업문화에서 시작된다.
기업이 익숙함에서 벗어나 혁신과 변화를 과감하게 받아들이려면 조직문화가 어떻게 달라져야 할까. 어떤 조직문화를 정착시켜야 thick data 를 제대로 수집하고, 이를 통해 얻은 소비자에 대한 이해를 상품과 서비스의 개선에 반영할 수 있을까.
첫째, 수평적 의사소통 체계가 마련돼야 한다.
둘째, 모든 직원이 창의적인 아이디어를 도출할 수 있어야 하고, 경영진은 이를 독려하고 수용해야 한다.
셋째, 다양성을 받아들일 수 있는 조직이어야 한다.

#06. 다양성을 받아들여야 미래가 나의 것이 된다.
기업이 찾아야 하는 인재는 전문가가 아니라 주변인이다.
다양성에 주목하게 된 오늘날의 기업들이 애타게 찾아야 하는 인재도 결국은 주변인이다. 우리는 흔히 한 조직에 깊이 연루한 '완벽한 내부인'만이 그 조직의 문제를 가장 잘 해결할 거라 믿는다. 그러나 문화인류학자 에드워드 홀은 "문화는 드러내는 것보다 감추는 것이 훨씬 많으며 묘하게도 그 문화에 속한 사랃믈이 감춰진 바를 가장 모른다"라고 했다. 이 말처럼 특정 산업 분야에 완전히 적응한 내부인은 조직의 문제를 파악하거나 새로운 발상을 하기가 오히려 더 어려운 면이 있다. 그렇다고 그 분야와 동떨어진 외부인이 더 유리한 것도 아니다. 외부인은 내부의 사정이나 정보를 알지 못하므로 실효성과 실현 가능성이 떨어지는 아이디어를 내기 십상이다. 그러나 외부인이 그 분야에 뛰어들어 내부인의 시선을 이해하고 주변인의 정체성을 갖게 되면 조직이 당면한 이슈를 새로이 파악하고 해결하는 창의성을 발휘할 수 있게 된다. 누구나 동의하겠지만 창의성이 무에서 유를 창조하는 능력을 가리키는 시대는 이미 지났다. 스티브 잡스는 창의성을 연결(connecting things)로 정의했다. 이미 존재하는 무언가를 서로 연결하고 재배치하며 편집하는 능력이 창의성이라는 말이다. 그렇다면 누가 이런 일을 할 수 있을까. 이미 존재하는 무언가를 당연하게 여기지 않는 사람, 이쪽과 저쪽의 경계에서 선입견 없이 둘 사이를 오가며 연결 지을 수 있는 사람, 바로 주변인이다.

#07. ChatGPT 시대에도 우리는 여전히 원시인이다.
재택근무에는 '우연한 충돌'이 없다.
기업들이 재택근무를 종료하고 사무실 복귀를 서두른 이유는 무엇일까. 일을 열심히 하고 있는지 감시하기 위해서가 아니다. 업무 효율과 생산성에 대면 상호작용이 중요하다는 사실을 재택근무를 통해 절감했기 때문이다.
'우연한 충돌(casual collisions)', 우연히 마주친 직원들은 서로 가벼운 대화를 나누며 새로운 아이디어를 공유한다. 많은 직원을 한 공간에서 만나게 함으로써 '우연한 충돌' 효과가 발생하길 기대한 것이다. 이러한 우연한 충돌과 협업은 재택근무를 통해서는 거의 불가능하다. 처음 만나거나 갓 입사한 직원과 원격으로 협업하기란 생각보다 쉽지 않다. 대면 미팅을 통해 상대방에 대한 이런 사소한 정보를 알게 되면 이후의 비대면 회의에서도 감정 단서를 훨씬 잘 포착하게 된다. 우리 뇌는 대면을 통해 사회하하고 의사소통하도록 진화했다. 우리는 언어 요소뿐 아니라 표정, 시선, 몸짓의 미묘한 변화, 공간을 활용하는 방식 등의 비언어적 요소까지 고려해 총체적으로 상대의 의중을 파악한다. 그러나 비대면 회의로는 이런 모든 요소를 고려하기가 매우 어렵다.