메타버스 시대의 도래에 따른
데이터 활용 능력

메타버스는 이미 현실이 되고 있다. 오래전부터 우리 사회에 있었지만 단지 느끼지 못하고 있었을 뿐이다. 코로나19 팬데믹으로, MZ 세대의 디지털 습관으로, 그리고 언제나 연결되어 있는 인터넷으로 인해 우리는 가상 세계에 이미 들어와 있다. 현실 세계에서도 수많은 데이터가 발생하지만 가상 세계는 더 많은 데이터를 생산한다. 데이터가 쌓이는 보고이며, 개인의 정보가 축적되는 곳이 바로 메타버스다. 기업이나 공공기관은 거대한 물결이 이는 메타버스에 적극적으로 대응하거나 한발 앞서 시장을 선점하기 위한 아이디어를 짜내고 있다.

메타버스에서 데이터를 모으고 활용하는 능력에 따라 기업의 경쟁력이 달라지는 시대가 되고 있다. 메타버스에서 놀고 있는 내가 만들어 내는 데이터, 그리고 그런 데이터를 활용하기 위해서는 스스로 데이터를 분석할 수 있어야 한다. 데이터로 현명한 의사결정을 위해서는 통계에 대한 지식이 필요하다. 데이터 분석과 통계 분석을 바탕으로 데이터 리터러시 역량을 높인다면, 도래한 데이터 기반 비즈니스 환경에서 한발 앞서 출발할 수 있고, 한발 앞서 기회를 잡을 수 있다.

이제 누구나 현실 세계와 가상 세계를 넘나들고 있다. 운전을 하면서 내비게이션을 켜고 목적지를 입력하면 목적지로 가는 여러 경로의 길 안내를 받는다. 즉, 경로 추천을 받는다. 이미 메타버스의 세계에 들어온 것이다. 현실 세계의 운전자가 위치한 길과 가상 세계의 내비게이션이 표시하는 지도 위의 길이 일치하는 거울 세계다. 즉, 메타버스의 일종이다. 간혹 내비게이션이 엉뚱하게 안내한 길에서 헤맨 적이 있는가? 우회전해야 할 곳을 지나쳐 직진한 경험이 있는가? 내비게이션에는 붉은색으로 표시되어 정체구간으로 나오는데 현실의 도로는 텅 비어 있는 경험이 있는가?

이런 현상은 왜 일어날까? 여러 원인이 있겠지만 데이터 전송 속도에 문제가 있거나 너무나 적은 양의 데이터로 인해 정확한 정보를 제공해 주지 못하기 때문일 것이다. 내가 제공하는 데이터로 인해 다른 사람들이 혜택을 보고, 다른 사람들이 제공하는 데이터로 내가 혜택을 보는 시대다. 그런데 데이터가 부족해지면 생각하지 못한 곤란한 불편을 감수해야 한다. 일상에서 접하는 한 예로 살펴봤지만 메타버스가 데이터를 기반으로 움직이고 있다는 것을 직감할 수 있다.

메타버스의 원주민은 MZ 세대다. 1980년대 초부터 2000년대 중반에 출생한 사람들로 우리나라 총인구 에서 밀레니얼(M) 세대가 22%, Z세대가 14%로 약 36%인 1천900만 명이다(행정안전부, 2021년 4월 기 준). 이들은 디지털 환경에 익숙하고, 모바일을 우선적으로 사용하고, 트렌드에 민감하고, 색다른 경험을 추구하는 경향이 있다. 결정적으로 우리 경제의 활동 주체가 되고 있다. 이들은 SNS를 주로 이용하고 있으며, 온라인 게임을 즐기고 있기 때문에 자신도 모르게 메타버스 세계에서 자연스럽게 활동하고 있다. 데이터를 생산하는 주체이자 소비하는 주체이기도 하다.

특히 메타버스 세계에서 활동하는 나의 아바타가 움직일 때마다 데이터가 생성된다. 바로 마이 데이터로 매우 개인적인 데이터이며, 현실 세계와 연결된 가상 세계의 흔적들이다. 아바타의 움직임은 대체로 3D로 이루어지며 실시간이다. 가상현실과 증강현실 기술은 사용자들의 생체 데이터도 수집한다. 순식간에 방대한 데이터가 쌓이게 된다. 물론 이런 데이터를 내려받을 수는 없다. 내 데이터이지만 실은 나의 소유권을 주장할 수 없는 데이터이다. 그럼에도 불구하고 이렇게 쌓인 빅 데이터는 새로운 산업을 일으키고 새로운 시장을 만드는 원동력이 되고 있다.

메타버스 트렌드에 가장 민감하게 반응하는 부문은 마케팅 영역이다. 오래전부터 이케아는 증강현실을 이용한 이케아 플레이스(IKEA Place) 앱을 통해 다른 특별한 기기 없이 모바일 기기만으로 어떤 가구가 주변 환경과 잘 맞는지 스타일이나 컬러를 사전에 맞추어 보는 가상 체험을 할 수 있는 서비스를 제공하고 있다. 이스트소프트는 스마트폰으로 이용하는 인공지능 기반의 가상 피팅 안경 쇼핑앱 라운즈 (ROUNZ)를 통해 메타버스를 구현하고 있다. 스마트폰 카메라로 얼굴을 촬영하여 딥러닝 기술로 인식한 다음 어울리는 안경을 추천한다. 오프라인 안경점에 가지 않고도 인공지능과 증강현실이 적용된 메타버스에서 자연스럽게 쇼핑을 할 수 있게 되었다.

▼ 라운즈에서 가상으로 안경 맞추기

최근에는 제페토, 이프랜드, 게더타운 등 메타버스 플랫폼에 자사의 브랜드나 제품을 홍보하는 기업들이 생기고 있으며 컨퍼런스나 세미나를 운영하기도 한다. 현대자동차는 제페토와 협업을 통해 가상공간에서 '쏘나타 N 라인'을 시승할 수 있는 경험을 제공하고 있다. 구찌는 제페토에 구찌의 의류, 장신구 등을 자신의 아바타에 입혀보거나 구매할 수 있는 가상공간인 '구찌 빌라 (GUCCI VILLA)'를 만들었다. CU도 온 오프라인 연계 행사를 할 수 있는 메타버스 공식 제휴 편의점 'CU제페토한강점'을 열었다. 스타벅스도 곧 제페토에 스타벅스 매장을 열려고 한다.

삼성전자는 갤럭시Z폴드3·플립3 출시 기념 팬 파티를 이프랜드에서 열었다. 모임 중심의 이프랜드는 쉽게 모임방을 만들어 누구나 간단하게 세미나나 토론 및 강의를 할 수 있는 공간을 제공한다. 제페토가 재미있게 놀이를 할 수 있는 가상 공간인데 비해 이프랜드는 모임과 행사를 할 수 있는 가상 공간이다. 글쓴이 또한 독서토론 모임을 이프랜드에서 진행하고 있다. 줌이나 웹엑스 같은 실시간 화상회의 솔루션에서 회의를 하거나 강의를 들을 때 나의 모습이 그대로 노출되는데 따른 불편을 호소하는 사람들이 늘고 있다. 아예 영상을 꺼두는 참가자들도 많이 있다. 메타버스는 아바타를 통해 이런 불편을 해결해 주고 있다. 어쩌면 강의 내용에 혹은 토론에 보다 집중할 수 있는 구조라고 할 수 있다.

▼ 이프랜드에 개설한 독서토론 모임방

코로나19 팬데믹으로 대면 교육이 어렵게 되면서 강의, 입학식, 졸업식, 입학 설명회 등 교육부문에서 메타버스로 해결하고자 하는 시도들이 많이 이루어졌다. 디엔소프트는 증강현실 기술을 이용하여 영어 교과서를 게임으로 공부할 수 있는 앱인 알공(argong) 잉글리시 플래닛을 개발했다. 교과서 페이지를 카메라로 비추면 게임 속 메타버스 행성으로 이동해 친구들과 함께 학습과 게임 미션을 수행하는 방식으로 영어를 공부할 수 있다. 건양고는 이프랜드에서 메타버스를 활용한 입학설명회를 개최했으며, 선문대는 게더타운에서 진로진학 박람회를 열었다. 입학에 필요한 모든 내용에 대해 실제 입학사정관과 상담할 수도 있고, 학과 부스를 방문해 학과 교수 또는 재학생과 학과 수업 및 학교생활 등에 대한 상담도 받을 수 있다.

온 오프라인을 연계하여 참여자들의 경험을 극대화할 수 있는 메타버스를 통해 생산되고 있는 데이터는 눈에 보이지 않지만 이런 플랫폼을 통해 고객의 의견을 쉽고 빠르게 수집할 수 있다. 기존의 어떤 조사 방법과 비교하더라도 저비용 고효율의 데이터 수집 및 분석 방법이라고 할 수 있다. 가상의 세계이기 때 문에 관능테스트(음식을 직접 먹어보고 맛을 평가)와 같은 조사 분석은 어렵지만 이미지나 동영상, 텍스트로 되어 있는 광고물이나 디자인 시안은 충분히 가능하다. 오히려 오프라인에서 조사하는 것보다 체계적이고 객관적으로 평가를 받을 수 있는 구조다. 만약 구조화된 정형 데이터가 필요하다면 실시간으로 수집 가능한 구글 설문지 등을 병행하여 데이터를 수집할 수 있다. 참여자는 항상 스마트폰을 휴대하고 있고 스마트폰은 언제나 인터넷 네트워크에 접속되어 있기 때문에 이 모든 상황을 실시간 온라인으로 진행하고 통제할 수 있다. 바야흐로 가상 세계와 현실 세계를 실시간으로 넘나들면서 필요한 데이터를 수집하고 분석할 수 있는 메타버스 세계인 것이다.

▼ 구글설문지를 이용한 온라인 설문 조사와 응답 결과

2000년대 초반 매출 감소로 경영 위기를 겪고 있던 레고는 '백 투 더 브릭' 전략으로 위기를 극복한 적이 있다. 당시 레고는 독일의 한 소년과의 인터뷰 과정에서 통찰을 얻었다. 이 고객은 낡고 헤진 자신의 보드화를 우승컵이자 금메달로 여겼다. 요즈음 애들은 힘들고 어려운 것을 좋아하지 않는다고 생각해서 쉬운 블록을 만들었다. 고객의 니즈를 충족시켜주었다고 생각했지만 갈수록 매출이 감소했다. 도전할 가치가 없고 재미없는 레고 블록을 고객은 더 이상 이용하지 않는 것이다. 이때 레고의 관계자는 독일 소년이 들고 나온 신발 우승컵을 보고 깨달았다. 고객은 각고의 노력을 통해 성취감을 느끼는 블록을 원한다는 것을. 이때부터 레고는 항공모함과 같은 제품을 출시하여 힘들게 만들지만 완성 후 느끼는 성취감을 제공해 주는 제품으로 위기를 극복하고 완구 시장에서 최고의 성과를 올렸다. 원래의 블록으로 돌아간 결과다.

데이터의 많고 적음이 아니라 어떤 데이터에서 강렬한 통찰을 얻는 가가 중요하다. 비즈니스를 하는 데 있어서 개별 인터뷰든, 설문 조사든, 빅 데이터든 통찰을 얻는 것이 중요하다. 검은 고양이든 흰 고양이든 쥐를 잘 잡는 고양이가 좋은 고양이라고 하는 것과 같은 이치다. 그런데 빅 데이터 시대가 되면서 역설이 일어나기 시작했다. 기존의 통계 분석 방법이 어느 순간 무시되는 현상이 나타났다. 이유는 단순하다. 통계 분석은 표본 데이터의 통계량을 사용하여 모집단의 특성인 모수를 추정하는 것인데, 빅 데이터가 있는데 왜 표본 데이터로 통계 분석을 하는가 하는 의문이다.

이런 의문은 빅 데이터를 전수 데이터라고 생각하는 데서 오는 오해 때문이다. 아무리 빅 데이터가 있다고 해도 실제 모델링을 하는 데이터는 전수 데이터가 아니라 표본 데이터를 추출해서 진행한다. 구글도 이렇게 한다. 설문조사를 통해 수집한 표본 데이터로 통계 분석하던 생각만 했기 때문에 이런 인식을 하는 것으로 보인다. 지금은 설문조사를 포함하여 다양한 방법으로 데이터를 수집할 수 있는 시대다. 그래서 빅 데이터의 시대라고 한다. 정형 데이터뿐만 아니라 비정형 데이터도 넘쳐나고 쉽게 수집할 수 있다.

중요한 것은 데이터의 양보다는 질이다. 더 중요한 것은 그런 데이터를 어떻게 분석할 것인가 하는 것이다. 빅 데이터도 분석을 해야 의미를 파악할 수 있다. 앞의 레고는 스몰 데이터를 통해서 통찰을 얻었다. 빅 데이터에서 이런 통찰을 얻을 수 있다. 예를 들어 승강기의 고장을 미리 예측하여 고장이 발생하기 전에 유지 보수를 한다. 이런 조치를 하려면 대량의 빅 데이터가 있어야 예측이 가능하다. 스몰 데이터이든, 빅 데이터이든 중요한 것은 데이터를 분석해야 의미 있는 무언가를 얻을 수 있는데 이 데이터 분석은 결국 통계 분석이다.

다시 통계로 돌아가야 한다. 다시 기본으로 돌아가야 한다. 메타버스 시대에 넘치는 데이터에서 통계 분석으로 진주를 찾아야 한다. 통계를 잘 하기 위해서는 단순한 규칙이 도움이 된다. 영국의 통계학자인 데이비드 스피겔힐터는 <숫자에 약한 사람들을 위한 통계학 수업>에서 그 규칙을 제시했다. 1. 통계적 방법은 데이터가 과학적 질문에 답하게 해야 한다. 2. 신호는 항상 잡음과 함께 나타난다. 3. 미리, 정말로 미리 계획하라. 4. 데이터의 질에 신경 써라. 5. 통계 분석은 계산 그 이상이다. 6. 단순함을 유지하라. 7. 변동성 평가를 제공하라. 8. 가정을 점검하라. 9. 가능하다면, 재현하라! 10. 분석이 재생산될 수 있게 만들어라.

이런 규칙을 실천한다면 통계로 보다 풍요로운 삶, 풍요로운 사회를 만들 수 있다. 지금 당장은 아니더라도 언젠가 다가올 미래에 메타버스가 우리 속으로 깊이 파고들 때, 우리는 지금 보다 훨씬 풍요로운 세상에서 통계를 즐길 수 있을 것이다. 2009년에 구글의 수석 경제학자인 할 베리언은 "거듭 말하지만, 10 년 이내에 통계 전문가는 가장 매력적인 직업이 될 것이다."라고 말했다. 이 말이 있은 지 10년이 훌쩍 지났고 예측한 대로 가장 매력적인 직업의 반열에 통계 전문가가 등극하고 있다. 최근 인력 채용분야에 서 가장 뜨거운 직종이 데이터 분석가다. 빅 데이터 분석과 인공지능 전문가에 대한 폭발적인 수요를 생각한다면 충분히 공감 가는 내용이다. 메타버스 시대에 나는 데이터 분석과 통계 분석을 기반으로 새로운 세계에 탑승할 준비가 되어 있는가?

메타버스 시대를 맞이하여 현명한 의사결정을 할 수 있는 사람은 결국 데이터 리터러시 역량이 높은 사람이다. 데이터를 원동력으로 삼고 있는 메타버스에서 그 데이터를 현명하게 사용하고자 한다면 스스로 데이터를 다루는 힘을 길러야 한다. 리터러시는 그냥 얻어지는 것이 아니라 스스로 분석하는 힘을 기를 때 생긴다. 가장 좋은 방법이 스스로 문제를 정의하고, 필요한 데이터를 수집하고, 적합한 데이터 분석 도구를 사용하여 통계 분석을 하고, 그 결과를 시각화하는 과정을 통해 통찰을 얻고, 그 결과를 바탕으로 의사결정을 하고 새로운 가치를 창출하는 경험을 쌓는 것이다.

사회, 경제, 비즈니스 환경 등의 최근 이슈들을 정리해 보면, 이미 살펴본 메타버스, 가상현실, 증강현실, 그리고 자율주행 자동차, 전기 자동차, 인공위성, 반도체, 블록체인과 NFT, 인공지능, 로봇공학, 빅 데이 터, IoT, 디지털 트윈 등 디지털 기술을 기반으로 하는 디지털 트랜스포메이션 등이 있다. 이런 이슈들을 종합해 보면, 디지털과 데이터다. 디지털 기반으로 변하는 세상에서 데이터를 다루는 습관을 들여야 메타버스에서 데이터를 제대로 활용할 수 있다.

데이터를 활용할 수 있는 능력은 어느 날 갑자기 찾아오는 것이 아니라 스스로 돌파구를 만들어야 생긴다. 대학에서 어떤 전공을 했는가는 나름 중요할 수도 있고 아무 상관이 없을 수도 있다. 현재 데이터 분석가로 활용하는 사람들 중 3분의 2는 관련 학과(통계학, 수학, 컴퓨터 공학, 산업 공학 등) 출신이 아닌 것으로 알려지고 있다. 대학을 다녔다면 전공과 무관하게 공부하는 방법을 이미 학습한 상태다. 여기에 지금부터라도 데이터와 통계에 관심을 가지고 집중적으로 통계와 데이터 분석에 대한 공부를 한다면 기대 이상의 성과를 거둘 수 있다. 데이터에 관심을 가지는 대부분 사람들이 동일 출발선에 서 있기 때문에 나에게 기회가 있는 것이다.

데이터를 활용하는 능력은 크게 두 가지로 나누어 볼 수 있다. 먼저 전문적으로 데이터 분석을 업무로 하는 전문 데이터 분석 능력이고, 다른 하나는 현업에서 기존의 업무를 하면서 자연스럽게 데이터 분석을 추가적으로 활용하는 현업 데이터 분석 능력이다. 지금 비즈니스 현장에서는 이런 요구가 혼재되어 있는 상황이다. 최근 잡코리아에서 '데이터 분석가'로 채용공고를 검색해 보았다. 지원 기간이 남아 있는 공고가 94건 검색되었다. 대체적으로 전공은 무관하지만 4~5년의 경력을 요구하고 있었으며, 파이썬이나 R, SQL 등의 도구를 사용할 수 있는 사람을 찾고 있었다. 이런 경우는 전문 데이터 분석 능력이 요구된다. 이런 인력은 데이터 팀이 있는 회사에서 데이터 분석가 이외에 데이터 엔지니어, 데이터 과학자 등과 함께 근무하게 된다. 이 팀은 대체로 소수 인력으로 구성된 전사 단위의 전문 부서다.

한편 업력 10~15년 차 직원들에게 데이터 기반 의사결정을 할 수 있는 능력을 향상시키고자 하는 현업 데이터 분석가에 대한 요구와 수요가 폭증하고 있다. 현업에 있는 실무자는 전공도 다양하고, 근무부서도 다양하고, 직무도 다양한 사람들로 구성되어 있다. 이들에게 왜 데이터 분석 능력을 요구할까? 이들은 대체로 밀레니얼 세대들이다. 앞으로 의사결정의 주체가 되는 조직의 핵심인력이다. Z세대는 대학에서 엑셀과 데이터 분석 교육을 어느 정도 받았기 때문에 교육을 하지 않아도 스스로 어느 정도의 역량을 갖추고 있다. 그런데 이런 교육을 받지 않았지만 그런 교육을 받은 후배 직원들을 이끌어야 하는 상사 입장에서, 그리고 데이터 기반 증거물을 요구하는 최종 의사결정자의 요구에 원활하게 대응하기 위해서 셀프서비스 데이터 분석 능력은 필수적인 능력으로 바뀌고 있다. 이런 능력을 가진 직원을 별도로 채용하려는 기업을 찾아보기 어렵다. 당연하지만 주 업무가 데이터 분석이 아니기 때문이다. 각기 다른 전문 성을 요구하는 업무를 하면서 메타버스 시대에 요구되는 셀프 서비스 데이터 분석 능력을 부수적으로 요구하기 때문이다.

아직 메타버스를 구현하거나 이용하고 있는 기업이나 기관은 극소수에 불과하다. 조직 내부에 데이터는 많이 있지만 이 데이터를 활용하여 의사결정을 하는 문화는 아직 형성되어 있지 않다. 그런데 패러다임 이 디지털과 데이터 기반으로 바뀌는 것을 인식하고 이런 변화에 빠르게 대응하지 않으면 시장에서 도태될 것이라는 강한 불안감을 느끼기 시작했다. 흔한 이야기로 기회와 위기는 같이 온다. 지금의 우리 사회가 기회와 위기가 동시에 발생하는 상황이라는 것을 모두 직감하는 것으로 보인다.

앞으로 5년 안에, 길게는 10년 안에 지금 잘나가는 기업이 계속 잘 나갈지는 지금 어떤 의사결정을 하는가에 따라 희비가 극명하게 갈릴 것이다. 적어도 앞으로 10년은 메타버스가 전개하는 변화의 소용돌이가 전개될 것으로 보인다. 누가 먼저 그리고 깊게 변화하는 패러다임에 올라타느냐에 따라 기회를 잡는 기업이 생길 것이고, 그렇지 못한 의사결정으로 시장에서 사라지는 기업도 생길 것이다. 어떤 의사결정을 하는가에 따라 개인도 마찬가지로 새로운 세상에서 보다 현명한 삶을 누리는 사람이 있을 것이고, 그렇지 못한 세상에서 고뇌에 찬 후회를 하는 사람도 있을 것이다. 기회는 주어지는 것이 아니라 준비한 사람에게 다가오는 것이다. 미래는 다가오는 것이 아니라 내가 만들어 가는 것이다. 그 출발선에 지금 모두 서 있다. 데이터 활용 능력을 기른다면 한발 앞서 나아갈 수 있을 것이다.