최신 빅데이터 활용사례 8가지 알아보기
- IT정보
- 2021. 3. 28.
빅데이터를 활용하지 않는 곳이 별로 없습니다. 하지만 빅데이터를 성공적으로 활용하는 곳은 드뭅니다. 이번 글에서는 빅데이터를 성공적으로 활용한 5가지 최신 사례를 알아보려 합니다.
최신 빅데이터 활용사례
1. 아마존
빅데이터 활용사례에서 아마존을 언급하지 않는 것은 어불성설입니다. 아마존만큼 적극적이고, 성공적으로 빅데이터를 활용하는 기업도 없기 때문이죠. 특히 아마존은 고객들의 쇼핑 경험을 향상시키는데 빅데이터를 적극 활용하고 있습니다.
예를 들어, 아마존은 빅데이터 분석 시스템을 통해 "18세에서 45세의 남성이면서, 외국 영화를 즐겨 보며, 3,000달러 이상의 수입을 가진, 임대주택에 사는 고객" 이 어떤 상품을 좋아할지 정확히 예측할 수 있습니다. 빅데이터가 예측한 추천상품은 고객이 아마존에서 쇼핑을 하는 동안 배너 형태로 공개됩니다.
또한 가격을 최적화 하는 데에도 아마존은 빅데이터를 활용합니다. 아마존은 경쟁 업체의 가격, 주문 내역, 예상 이익률, 웹 사이트에서의 활동 등 방대한 데이터를 수집해 가격을 10분마다 최적화합니다. 이렇게 가격을 관리하여 아마존은 매년 25%의 수익을 올린다고 합니다.
2. 할리우드
할리우드에서는 빅데이터로 영화 흥행 여부를 예측한다.
영화 흥행은 오랫동안 예측불가능한 것으로 여겨졌습니다. 그러나 빅데이터가 사용되면서 난공불략이었던 영화 흥행 예측도 가능해졌습니다.
할리우드에서는 갈수록 영화 한 편당 제작 예산이 늘어납니다. 블록버스터 장르가 크게 인기를 끄면서, 영화사들은 너도나도 예산이 수천 억 드는 영화를 제작하기 시작했습니다. 이렇게 많은 돈을 들여 만든 영화가 흥행에 실패하면, 제작사는 자연스럽게 파산을 하게 됩니다.
그런 일이 없도록 할리우드에서는 마케팅을 적극적으로 이용해왔습니다. 무슨 일이 있어도 영화사의 운명을 좌우할 대규모 영화를 흥행시키기 위해, 전체 영화 제작 예산의 10% 이상을 마케팅 비용으로 사용합니다.
인터스텔라, 행오버 등을 제작한 영화사 Legendary Entertainment는 빅데이터로 신작 영화 블랙 코드의 실패를 미리 예측했습니다. 대중들의 SNS를 텍스트마이닝 기법으로 분석하여 블랙 코드가 흥행에 처참히 실패할 것이라는 결론을 얻었습니다. 안타깝게도, 영화사에서 이 사실을 알게 된 것은 영화가 개봉하기 직전이었습니다.
실패할 영화를 제작하지 않았다면 더 좋았겠지만, 이미 제작이 끝난 상황이라 그럴 수는 없었습니다. 대신에, Legendary Entertainment는 블랙 코드의 마케팅 예산을 최소화했습니다. 빅데이터가 예상한대로 신작 블록버스터 블랙 코드는 실패했습니다. 이로 인해 영화제작사는 큰 타격을 입었지만, 마케팅 비용을 줄인 덕분에 망하는 것은 피할 수 있었습니다.
3. 스타벅스
스타벅스는 빅데이터를 가장 활용 잘하는 커피숍이다.
왜 스타벅스 매장은 150m 안에 두세 곳이 있어도 망하지 않는 걸까요? 스타벅스의 성공 역시 빅데이터와 연관이 있습니다.
스타벅스는 매장을 내기 전에 빅데이터를 기반으로 상권을 철저히 분석합니다. 다른 스타벅스의 위치, 교통 패턴, 지역 인구 통계 등의 데이터를 다량 수집하고, 이를 분석하여 최상의 입점 위치를 찾아냅니다. 또한 이 분석을 통해 신규 스타벅스 매장에 의해 기존 매장이 얼마나 타격을 입게 될 지도 예측해낸다고 합니다.
스타벅스는 빅데이터를 활용해서 고객에게 최상의 경험을 제공하고 있기도 합니다. 스타벅스는 자체 어플리케이션을 통해 소비자들의 정보를 수집합니다. 앱으로 수집한 정보를 바탕으로, 개별 고객의 커피 취향부터 방문 예상 시간까지 알아냅니다. 그리고 그 정보를 기반으로, 고객에 취향에 맞을 법한 신메뉴를 추천해주는 서비스도 제공하고 있습니다.
4. 넷플릭스
넷플릭스는 빅데이터 분석으로 아담 샌들러를 재조명했다
넷플릭스는 엔터테인먼트에서 빅데이터를 가장 적극적으로 활용하고 있는 기업 중 하나입니다.
사업 초기에, 넷플릭스가 확실히 자리를 잡을 수 있도록 도운 <하우스 오브 카드> 역시 빅데이터를 기반으로 제작되었습니다. 넷플릭스 제작진들은 <하우스 오브 카드>가 방영되기 이전부터, 이 드라마의 성공을 100% 확신했다고 합니다. 빅데이터가 그들에게 이 드라마가 성공할 수밖에 없는 증거를 보여주었기 때문이었습니다.
2014년, 넷플릭스가 아담 샌들러와 2억 5천만 달러(한화 약 2,899억원)에 영화 네 편을 계약했습니다. 업계 종사자들은 이 초대형 계약에 의문을 표했습니다. 아담 샌들러의 이전작 코블러가 흥행에 처참하게 실패한 직후에 계약이 이루어졌기 때문입니다.
넷플릭스는 업계 관계자들처럼 아담 샌들러를 '한물 간 배우' 라고 생각하지 않았습니다. 그들은 빅데이터 자료에 기반하여 아담 샌들러가 여전히 흥행 요소를 갖고 있는 배우라고 생각했습니다. 넷플릭스 데이터에 따르면, 넷플릭스에서 5억 시간 이상 아담 샌들러가 출현한 영화가 재생되고 있었다고 합니다.
넷플릭스에서 제작한, 아담 샌들러 단독 주연의 영화는 평론가들에게는 '0점'을 받았습니다. 하지만 넷플릭스 사용자들은 이 영화를 아주 열심히 시청했습니다. 넷플릭스는 자체적으로 아담 샌들러의 영화를 통해 5백만 명의 사용자를 추가했으며, 전세계에서 25억 달러의 매출을 만들어낼 수 있었다고 평가합니다.
5. 자라
자라는 빅데이터의 덕택으로 두 번의 세일로 재고를 전부 처리할 수 있다.
패션회사들은 매년 광고에 엄청난 돈을 쏟아 붓습니다. 자라와 같은 패스트패션 업체, 유니클로는 전체 매출의 4% 이상을 광고비로 사용합니다. 하지만 자라는 광고를 하지 않습니다. TV에서 자라의 광고를 보신 적이 있던가요? 자라가 광고를 하지 않는 건, 광고 없이도 옷을 잘 팔 수 있다는 자신감이 있기 때문입니다.
그 자신감의 원천은 빅데이터입니다.
자라 매장은 매일 데이터 분석을 실시합니다. 자라의 모든 옷에는 RFID 태그가 붙어 있습니다. 이 태그로 고객들이 탈의실에서 가장 많이 입어 본 옷은 무엇인지, 가장 많이 팔린 옷은 무엇인지, 반응이 나쁜 옷은 무엇인지 알 수 있습니다. 영업이 종료되면, 자라 매장 직원들은 RFID 태그 데이터를 바탕으로, 그 날 가장 많이 팔린 옷이 무엇인지 정리합니다.
정리한 데이터는 자라 본사의 디자이너에게 전달됩니다. 디자이너는 많이 팔린 옷의 디자인과 원단, 무늬, 색상 등을 참고하여 '잘 팔릴 것 같은' 새 옷을 디자인 합니다. 고객 데이터에 기반해서 디자인이 정해지기 때문에, 새 옷이 시장에서 외면당하는 경우는 드뭅니다. 이런 이유에서 자라는 1년에 세일을 딱 2번만 하고도 재고 관리를 효율적으로 할 수 있습니다.
6. 서울시
서울시, KT와 손잡고 빅데이터 버스 노선 구축하다
서울은 밤이 되면 더 붐비는 도시입니다. 늦은 밤이 되어도 택시, 버스, 지하철 등 대중교통을 이용하려는 사람들이 많습니다. 하지만 버스, 지하철에는 '막차 시간'이 있기 때문에 막차를 놓치면 다음날 아침까지 길가에서 기다려야 하는 불편이 있습니다.
한편, 대중교통이 끊겨 택시를 타려고 해도 고질적인 택시 승차 거부로 인해 늦은 밤 시간에 승객들이 이용할만한 교통 수단이 마땅히 없었습니다. 이러한 교통 문제를 해결하기 위해 서울시에서는 심야버스인 '올빼미버스'를 운영하기로 결정했습니다.
서울시에서 운영하는 심야버스인 올빼미버스는 서울 시내에 지하철과 버스가 끊기는 자정부터 오전 5시까지 운행되는 버스입니다. 서울시에 늦은 시간까지 돌아다니는 사람들이 아무리 많다고 해도 주중 시간대 버스 승객수와는 비교할 수 없을 정도로 그 수가 적습니다.
버스의 수익성은 승객수로 결정되는데 심야 시간대 특성상 올빼미버스는 수익성이 안 좋을 수밖에 없습니다. 수익성이 낮은만큼 서울시는 최소의 비용으로 서울 시내 전역을 돌아다닐 수 있는 버스 노선을 구축하기를 원했습니다. 서울시는 KT와 합작하여 심야버스 최적화 노선을 구축하는데 도움이 될 만한 빅데이터를 분석하였습니다.
여러분들은 늦은 시간에 귀가할 때 집에 전화를 걸어서 '이제 출발한다' 고 말한 적이 있으신가요? 이런 질문을 드리는 이유는 서울시가 심야버스 노선 구축을 위해 어떤 '빅데이터'를 활용할 것인지 결정할 때 이 질문이 시초가 되었기 때문입니다.
서울시에서는 늦은 시간에 귀가할 때 사람들은 집이나 주변 지인들에게 전화를 거는 습관이 있다는 것에 착안하여 자정부터 오전 5시까지 서울 시내에서 발생한 통신 데이터들을 분석했습니다. KT를 올빼미버스 노선 구축의 파트너로 삼은 이유도 그들이 갖고 있는 통신 데이터를 활용하기 위함이었습니다. 그런 다음 가장 많은 통신 데이터가 기록된 지역들을 선별하여 올빼미버스 노선에 포함시켰습니다.
7. 미국 보스턴 시
보스턴, 빅데이터 활용 통해 도로 파손 비용 획기적 절감
최근까지 보스턴에서는 파손된 도로를 파악하기 위해서 시 직원들이 차를 타고 시 전체를 돌아다니며 점검하는 방식을 활용했습니다. 하지만 이런 방법은 효율적이지 못했지요. 보스턴은 큰 도시이기 때문에 이전 방식을 따를 경우 많은 인력이 필요했고, 그 결과 도로 파손에 대한 빠른 대응이 불가능하다는 문제가 있었습니다.
보스턴시는 미국의 벤처회사 애터비스타와 함께 '스트리트범프(Street Bump)' 앱을 개발함으로써 이 문제를 해결하고자 했습니다. 스트리트 범프 앱은 운전자의 스마트폰을 이용해 도로노면이 파인 곳을 자동으로 감지하고, 그 위치를 보스턴시 도로 관리국에 데이터를 전송하는 것을 돕습니다.
이 앱은 차안의 가속도계를 이용하여 도로 파손을 자동으로 감지합니다. 가속도계의 변화가 특정 한계치를 넘어서면, 스마트폰이 이를 감지하고 변화가 발생한 시점부터 약 1.25초간의 가속도 변화 정보를 저장합니다. 저장된 정보는 가속도계의 변화가 발생한 지역의 GPS정보와 짝지어지고, 이를 활용해 도로 파손이 발생한 지역을 찾아냅니다.
가속도계의 변화를 바탕으로 도로 파손이 감지되면 파손된 장소와 규모 등이 보스턴 시의 데이터베이스에 저장되고, 보스턴시는 이 정보를 처리하여 어느 곳에 도로 파손이 발생했는지 보여주는 지도를 만듭니다. 그리고 그 지도를 바탕으로 복구 계획을 세우고 실시간으로 복구 작업에 착수합니다. 이 앱을 통해서 보스턴 시는 도로 파손으로 인한 비용을 획기적으로 줄였다고 합니다.
8. 미국판 배달의 민족, Doordash
Doordash는 피자만 배달되던 미국의 배달 시장을 획기적으로 변화시킨, 미국의 배달의 민족입니다. 이들은 적시적소에 음식을 최상의 상태로 배달하기 위해, 빅데이터를 적극적으로 활용합니다.
"DoorDash는 음식이 외부인 출입 제한 주택에 도착하는 그 순간까지의 모든 것들을 수집하고 분석합니다. 음식이 배달되기까지의 모든 단계를 이해하고, 신호를 분석하고, 그런 다음 모든 것들에 대해 세심하게 준비합니다. 앞으로의 배달을 위해 우리는 각각의 요소들을 예측하고, 배달 기사를 준비시키고, 또한 고객들을 위한 예측을 하는데에 이런 정보를 사용합니다."
DoorDash는 해당 레스토랑의 실적, 평균적인 음식 준비 시간, 현재 교통 상황, 배달을 할 차의 종류, 주차장 현황 등의 최소 15가지 이상의 데이터를 분석하여 배달 기사가 레스토랑에 방문하는 시간을 최적으로 계산하였습니다.
그 결과, DoorDash는 점점 더 정확하게 배달 도착 시간을 예측할 수 있게 되었을 뿐만 아니라 소비자, 배달 기사, 레스토랑 상인들에게 더 많은 가치를 제공할 수 있게 되었습니다. 소비자들은 자신의 원하는 정확한 시간에 음식을 배달받을 수 있게 되었으며, 배달 기사들은 아까운 시간은 곧 나올 음식만을 기다리며 하릴없이 기다릴 필요가 없어졌고, 레스토랑 상인들은 온라인을 통해 더 많은 음식을 판매할 수 있게 되었습니다.
함께 보면 좋은 글
2021.03.28 - [IT정보] - 2021년 빅데이터 활용 사례 10가지, 업계별 추천한다
2021.03.28 - [IT정보] - 빅데이터분석기사 필기 4과목 요약 - 빅데이터 결과 해석 ①
2021.03.27 - [IT정보] - 빅데이터분석기사 필기 3과목 요약 - 빅데이터 모델링 ②
'IT정보' 카테고리의 다른 글
| [ERP정보관리사] 시험범위, 공부기간, 시험시간 및 준비물 (0) | 2021.03.29 |
|---|---|
| 빅데이터 전문가는 무슨 일을 하는 직업인가요? (0) | 2021.03.29 |
| 2021년 빅데이터 활용 사례 10가지, 업계별 추천한다 (0) | 2021.03.28 |
| 빅데이터분석기사 필기 4과목 요약 - 빅데이터 결과 해석 ① (0) | 2021.03.28 |
| 빅데이터분석기사 필기 3과목 요약 - 빅데이터 모델링 ② (0) | 2021.03.27 |