빅 데이터 활용 사례 12가지 (feat. 빅 데이터란?)

빅 데이터 활용 사례, 어떤 것들이 있을까요?

전 세계를 하나로 연결하는 정보의 바다, 인터넷! 이러한 말은 인터넷이 상용화 될 때부터 줄곧 있었던 표현인데요. 이제는 인터넷을 넘어 생활 속에서도 정보의 양이 방대하고 다양해지고 있습니다. 꼭 컴퓨터, 스마트폰이 아니어도 데이터를 모을 수 있는 곳이 많아졌다는 소리인데요.

이번 글에서는 빅 데이터란 무엇인지 알아본 후, 실제로 찾아볼 수 있는 빅 데이터 활용 사례들을 정리해 보겠습니다.

빅 데이터란?
빅 데이터 활용 사례

빅 데이터란?

빅 데이터란 정형, 반정형, 비정형 데이터 세트의 집적물이며, 이로부터 경제적 가치를 추출 및 분석할 수 있는 기술입니다. 생성 주기가 짧고 문자, 영상 데이터를 포함하는 대규모 데이터가 빅 데이터란 용어로 정의될 수 있는데요.

＊ 데이터 세트 : 단일 데이터베이스 내용 변수나 단일 통계적 데이터 행렬 변수에 관련된 데이터의 집합

과거에 비해 데이터 양이 늘어나면서 데이터 종류도 다양해졌고, 이제 사람들의 행동은 물론이고 위치 정보나 SNS를 통해 생각 및 의견까지 분석 및 예측할 수 있는 세상이 되었습니다. 디지털 경제가 확산되며 우리는 일상생활에서 다 헤아리기도 힘들 정도의 많은 데이터가 생산되는 빅 데이터란 환경 속에 살고 있습니다.

빅 데이터란 아래와 같은 특징을 지닙니다.

❶ 방대한 양

매우 다양하고 방대한 데이터는 미래 경쟁력의 자원으로 활용될 수 있습니다. 대규모 데이터를 분석해서 의미 있는 정보를 찾아내고, 이를 토대로 경쟁력과 생산성을 높일 수 있습니다. 요즘은 남녀노소 불문하고 PC, 모바일 기기를 이용하면서 사람들이 이곳저곳에 남긴 데이터가 기하급수적으로 많아지고 있습니다.

❷ 빠른 생성 속도

수많은 SNS와 웹 사이트가 생겨나면서 데이터의 생성 속도도 매우 빨라지고 있습니다. 실제로 트위터에서는 하루에 평균 1억 5,500만 건이 생겨나고, 유튜브의 하루 평균 동영상 재생 건수가 40억 회에 다다릅니다. 게다가 도로, 공공 건물, 엘리베이터 내부까지 CCTV가 다 설치되어 있어서 영상 데이터의 양이 매일 같이 생성되고 있습니다.

❸ 다양한 형태

요즘 생성되는 데이터는 수치 뿐만 아니라 문자, 영상을 포함하는 대규모 데이터가 많습니다. 특히 최근 몇 년 전부터 글보다 영상이 강세를 보이며 각종 영상과 밈들이 끊임없이 만들어지고 있습니다.

빅 데이터 활용 사례

❶ 아마존 (Amazon)

아마존은 세계적인 전자상거래 기업입니다. 1994년에 인터넷에서 책을 파는 아이디어로 워싱턴에 처음 설립되었으며, 전 세계 최초로 전자상거래 서비스를 만든 기업 중 하나입니다.

아마존은 고객들의 쇼핑 경험을 향상시키고자 빅 데이터를 적극 활용하고 있습니다. 그야말로 대표적인 빅 데이터 활용 사례라고 할 수 있는데요. 아마존은 분석 시스템을 통해 특정 나이, 특정 취향, 특정 수입의 고객이 어떤 상품을 좋아할지 예측할 수 있습니다. 빅 데이터가 예측한 추천 상품은 고객이 아마존에서 쇼핑할 동안 배너로 계속 보여집니다.

또한 아마존은 빅 데이터를 활용하여 가격을 최적화합니다. 경쟁 업체의 가격, 주문 내역, 웹 사이트 내의 활동, 예상 이익률 등을 토대로 데이터를 수집하여 상품 가격을 10분마다 최적화합니다. 이러한 관리 덕분에 아마존은 매년 수익을 높이고 있습니다.

❷ 넷플릭스 (Netflix)

글로벌한 OTT 서비스인 넷플릭스는 빅 데이터를 적극 활용하고 있는 기업 중 하나로서, 빅 데이터 활용 사례로 꼽힙니다. 넷플릭스는 초기에 <하운 오브 카드>를 방영하기 전에 빅 데이터를 기반으로 드라마의 성공을 확신했습니다. 데이터 상으로 봤을 때 이 드라마가 성공할 수 밖에 없는 증거가 나왔기 때문입니다.

20124년에 넷플릭스는 배우 ‘아담 샌들러’와 영화 4편을 계약했습니다. 당시 업계 종사자들은 이러한 결정을 의아하게 여겼으나, 넷플릭스는 빅 데이터를 기반으로 여전히 이 배우가 흥행 요소를 가지고 있다고 판단했습니다. 왜냐하면 넷플릭스 내에서 5억 시간 이상 아담 샌들러가 출연한 영화가 재생되었기 때문이죠.

아담 샌들러의 영화는 평론가들에게 낮은 점수를 받았지만, 넷플릭스 유저들은 이를 많이 시청했습니다. 결론적으로 넷플릭스는 이 영화를 통해 500만 명의 유저를 얻었으며, 전 세계에서 25억 달러의 매출을 낼 수 있었습니다.

❸ 스타벅스 (Starbucks)

스타벅스 또한 성공적인 빅 데이터 활용 사례로 꼽힙니다. 스타벅스는 매장을 오픈하기 전에 빅 데이터를 기반으로 주변 상권을 분석합니다. 다른 스타벅스의 위치, 지역 인구 통계, 교통 패턴 등을 기반으로 최상의 입점 위치를 찾습니다. 이러한 분석을 통해 신규 스타벅스가 오픈하면 기존 매장에 어떤 영향을 줄 지도 예측할 수 있습니다.

또한 스타벅스는 빅 데이터를 활용하여 고객에게 최상의 경험을 제공합니다. 자체 어플리케이션을 통해 소비자의 정보를 수집한 후, 이를 바탕으로 고객의 커피 취향과 방문 예상 시간까지 예측합니다. 이를 기반으로 고객의 취향에 맞을 것 같은 신메뉴를 추천하는 서비스도 제공합니다.

❹ 자라 (Zara)

자라는 차별화된 글로벌 스파(SPA) 패션 브랜드입니다. 패스트 패션을 추구하고 있다보니 누구보다도 빠르게 유행을 예측하고 내보여야 하는데요. 자라와 비슷한 패스트 패션 업체인 유니클로는 전체 매출의 4% 이상을 광고비로 사용하지만, 자라는 광고를 하지 않습니다.

그 이유인즉슨, 자라는 매일 데이터 분석을 하기 때문입니다. 자라의 모든 상품에는 RFID 태그가 붙어있는데, 이를 통해 고객들이 탈의실에서 많이 입은 옷, 많이 팔린 옷, 반응이 안 좋은 옷 등을 알 수 있습니다. 영업 종류 후에는 자라 매장의 직원들이 RFID 태그 데이터를 토대로 그 날에 가장 많이 팔린 옷을 정리합니다.

이렇게 정리한 데이터는 자라 본사의 디자이너에게 전달됩니다. 디자이너는 많이 팔린 옷의 디자인, 원단, 색상 등을 참고하여 잘 팔릴 것 같은 새 옷을 만들어냅니다. 고객의 데이터를 기반으로 새 옷이 만들어지는 것이죠. 그래서 자라는 1년에 세일을 2번만 하는데도 재고 관리를 효율적으로 할 수 있습니다.

❺ 도어대시 (Doordash)

도어대시는 우리나라의 ‘배달의 민족’, ‘요기요’, ‘쿠팡이츠’처럼 음식 배달 중개 서비스를 제공하는 미국 기업입니다. 음식을 최상의 상태로 배달하기 위해 빅 데이터를 적극 활용하는 빅 데이터 활용 사례인데요. 도어대시는 음식이 고객의 집에 도착하는 그 순간까지 모든 것을 수집하고 분석합니다.

배달하는 식당의 실적, 평균 음식 준비 시간, 현재 교통 상황, 배달하는 차 종류, 주차장 현황 등 최소 15가지 이상의 데이터를 분석한다고 하죠. 배달 기사가 식당에 방문하는 시간을 계산하여 더 정확하게 배달 도착 시간을 예측할 수 있게 되었습니다. 그리하여 도어대시를 사용하는 고객들은 시간 낭비할 필요 없이 정확한 시간에 배달 음식을 받을 수 있습니다.

❻ 할리우드 (Hollywood)

할리우드는 엔터테인먼트 비즈니스의 상징이자 미국 영화 산업의 중심부입니다. 이제 할리우드에서는 빅 데이터를 사용하여 영화의 흥행을 예측할 수 있습니다. 시대가 흐를수록 영화의 제작비는 기하급수적으로 늘어나는데, 만약 제작비가 많이 들어간 영화가 흥행하지 못하면 제작사는 파산을 면치 못하기 때문입니다.

그래서 할리우드에서는 파산을 방지하기 위해 마케팅을 적극 활용합니다. 전체 영화 제작비 중 10% 이상을 마케팅 비용으로 사용하는데요. 실제로 영화 <행 오버>, <인터스텔라>를 제작한 영화사에서는 SNS의 빅 데이터를 토대로 신작 영화 <블랙 코드>의 실패를 예측했습니다. (제작이 다 끝난 후 예측했지만요)

결과적으로 해당 영화 제작사는 큰 타격을 입었지만, 마케팅 비용을 줄인 덕분에 파산은 면할 수 있었습니다.

❼ 페이팔 (Paypal)

페이팔은 간편하고 안전한 결제 서비스를 제공하는 미국 기업이자 대표적인 빅 데이터 활용 사례 중 하나로 꼽힙니다. 페이팔은 갈수록 증가하는 온라인 쇼핑몰 사기 수법을 분석 및 예방하기 위해 딥 러닝을 도입했습니다. 이로써 페이팔은 전 세계에서 이뤄지는 온라인 결제의 잠재적 특징을 분석하여 특정 사기 유형을 탐지할 수 있게 되었습니다.

그리하여 딥 러닝으로 사기 가능한 모델이 탐지되면 사기 방지 전문가는 현실 가능성과 그 다음에 벌어질 일을 예측할 수 있습니다. 페이팔은 딥 러닝을 도입하면서 ‘챔피언-챌린저’ 방식의 접근법을 사용했는데, 이는 기존 전략보다 뛰어나면 새로운 전략을 선택하는 과정을 거칩니다. 즉, 결과를 비교하면서 더 우수한 전략을 선택하는 것입니다.

페이팔은 이러한 접근법을 통해 어떤 사기 탐지 모델을 활용할지 결정하고 있으며, 딥 러닝에 의해 새로운 모델이 자리를 잡아가고 있습니다.

❽ MLB

미국 프로야구인 MLB도 빅 데이터 활용 사례로 꼽힙니다. MLB는 1950년대까지 가장 인기있는 스포츠였지만 TV의 등장 이후 NFL에 시장을 뺏겼고, 야구 팬과 시청자수가 감소하기 시작했습니다. 그리하여 MLB는 2015년부터 야구 선수들의 움직임을 모두 포착하는 스탯캐스트 시스템을 모든 구장에 설치하고, 공의 궤적을 추적하는 장비도 마련했습니다.

스탯캐스트 시스템은 투구의 속도와 궤적, 공의 회전 방향, 투수의 자세와 보폭 등을 분석할 수 있습니다. 기존의 야구 중계가 주관적인 의견이었다면 이제 정확한 데이터를 시청자에게 전달할 수 있게 된 것이죠. 또한 경기장 안에서 선수와 공의 움직임을 다양한 각도에서 시각화하여 보여줬습니다.

이러한 서비스 덕분에 야구 팬과 시청자는 TV, 스마트폰으로 야구 경기를 보며 심판의 판정이 정확했는지 알 수 있게 되었습니다. 이는 MLB의 인기 상승을 가져왔고, 구단과 선수의 객관적인 평가 자료로도 활용할 수 있습니다.

❾ 스트리트 범프

미국 보스턴에서는 파손된 도로를 파악하기 위해 공무원들이 시 전체를 돌아다녔습니다. 그러나 매번 사람이 점검하고 다니는 방식은 효율적이지 못했습니다. 그리하여 보스턴 시에서는 미국 벤처회사 ‘애터비스타’와 함께 ‘스트리트 범프’ 앱을 개발했습니다. 이는 운전자의 스마트폰을 이용하여 도로 노면이 파인 곳을 자동으로 감지하고, 그 위치를 보스턴 시의 도로 관리국에 전송하는 역할을 합니다.

앱이 어떻게 도로 파손을 감지할까요? 이는 차 안의 가속도계를 이용했는데, 가속도계의 변화가 한계치를 넘어서면 스마트폰이 이를 감지해서 변화 발생 시점부터 약 1.25초간 가속도 변화 정보를 저장합니다. 이렇게 저장된 정보를 가속도계 변화가 발생한 지역의 GPS 정보와 조합하는 것이죠.

이 앱을 통해 보스턴 시는 도로 파손으로 인한 비용을 많이 줄였으며, 이 지도를 바탕으로 복구 계획을 세우고 실시간으로 복구 작업에 착수할 수 있게 되었습니다.

❿ DB Systel

독일의 철도 회사인 DB Systel은 센서 데이터 분석을 통해 기관자 운행 관리를 개선했습니다. 철로 위에서 발생한 열차 사고는 운송 지연, 승객들의 신뢰도 하락은 물론이고 상당한 비용도 들어가는데요. 독일에서는 철도가 차지하는 비중이 높아서 한 기관차가 연착되면 전체 철도 스케줄에 영향을 줍니다.

그렇기에 기관사의 경험보다는 데이터 분석 기반의 관리 시스템을 갖췄으며, 이를 토대로 운영 상황 정보를 실시간으로 담아서 빅 데이터로 가공했습니다. 기관차와 시설에 센서를 부착해서 상태 변화를 감지 및 분석할 수 있도록 했고, 문제가 발생하면 센서가 패턴을 감지하여 관리자가 인식할 수 있게 되었습니다.

또한 기관차 유지 보수에 필요한 데이터 시스템도 구축했고, 기관차의 운행 및 사오항 관련 데이터도 관리자가 인지할 수 있도록 구축했습니다. 결과적으로 빅 데이터를 도입한 DB Systel은 관리 분야의 유용성을 확보하고 원격 진단이 가능한 체계를 수립했습니다.

⓫ 올빼미 버스

한국의 여러 도시 중 서울특별시는 유난히 인구 밀도가 높습니다. 자정이 넘으면 버스, 지하철 모두 끊기기 때문에 집을 못 가는 분들도 계신데요. 이러한 문제를 해결하기 위해 서울시는 KT와 함께 심야 버스인 올빼미 버스의 운영을 시작했습니다. 올빼미 버스는 자정부터 오전 5시까지 운행하는 버스입니다.

버스의 수익성은 승객 수가 중요한데, 심야 시간에는 당연히 수익성이 안 좋을 수밖에 없습니다. 그렇기에 서울시는 최소 비용으로 서울 시내 전역을 돌아다니는 버스 노선을 구축했습니다. 늦게 귀가할 때 사람들은 가족, 지인들에게 전화를 거는 습관이 있다는 것을 토대로 자정부터 오전 5시까지 서울 시내에서 발생한 통신 데이터를 분석한 것이죠.

그리하여 가장 많은 통신 데이터를 기록한 지역들을 선별해서 올빼미 버스 노선에 포함시켰답니다.

☞ 서울특별시의 올빼미 버스 노선도

⓬ 신용카드사

국내·외 신용카드사들은 빅 데이터 분석을 통해 고객의 니즈와 스마트폰에서 수집한 정보를 결합하는 CLO(Card Linked Offer) 서비스를 마케팅에 활용하고 있습니다. 비자(Visa) 카드는 고객의 동의 하에 결제 장소, 시간, 구입 물품을 실시간으로 파악하고, 고객의 구매 이력을 토대로 인근 매장의 할인 쿠폰을 발송해주는 RTM 서비스를 제공합니다.

아멕스(Amex)는 SNS의 고객 계정을 자사 카드와 연동시켜서 고객이 상품을 구매할 때 SNS를 통해 할인해주는 상품을 출시했습니다. 이를 통해 아멕스는 고객의 거래 성향을 파악에 도움되는 정보를 축적한 후, 이를 마케팅에 적극 활용하고 있습니다.

우리나라의 신한카드는 고객의 카드 이용 실적을 토대로 고객별 소비 패턴과 선호 트렌드를 분석했습니다. 삼성카드도 고객의 카드 이용 실적을 분석해서 앞으로 자주 이용할 것 같은 가맹점 혜택을 미리 제안하여 고객이 별도의 쿠폰을 제시하지 않아도 결제 시 자동으로 혜택을 받을 수 있는 링크(Link) 서비스를 개발했습니다.

지금까지 빅 데이터란 뜻과 빅 데이터 활용 사례를 알아봤습니다.

인간의 주관적인 생각과 감이 맞을 때도 많지만, 성과를 올리거나 상황을 개선하기 위해서는 정확한 데이터가 필요합니다. 여태까지 쌓아온 통계는 개선을 위해 꼭 필요한 것이라 생각합니다. 앞으로 빅 데이터가 우리 일상에 어느 정도로 영향을 줄지 기대됩니다.

감사합니다 🙂

▶ 참고하면 좋은 글