IDG Summary│ Analytics in IBM “영업에서 재무, HR, 서비스 … Summary_IBM... · 업, 재무, hr, 서비스 딜리버리 등 다양한 영역에서 비즈니스 성과를

무단 전재 재배포 금지

본 PDF 문서는 IDG Korea의 프리미엄 회원에게 제공하는 문서로, 저작권법의 보호를 받습니다.

IDG Korea의 허락 없이 PDF 문서를 온라인 사이트 등에 무단 게재, 전재하거나 유포할 수 없습니다.

I D G S u m m a r y │ Analytics in IBM

Sponsored by

“영업에서 재무, HR, 서비스 딜리버리까지 예측한다”

분석 역량을 내부 비즈니스에 활용한 IBM 혁신 사례

영업 혁신(Sales Transformation)

고객군별 수익 예측을 이용한 영업 자원 배치 최적화

최적의 매출 목표 할당을 위한 분석 프레임워크

재무 혁신(Finance Transformation)

효과적이고 효율적인 매출 예측 프로세스

향상된 인사이트와 의사결정을 통한 전략적 재무 기획 강화

HR 혁신(HR Transformation)

선제적인 이직 방지를 통한 인력에 대한 투자 효과 정량화

서비스 딜리버리 혁신(Service Delivery Transformation)

서비스 계약의 위험요소와 대응 방안을 위한 분석 프레임워크

서비스 자원 분석을 통한 통합 인력 계획

IT World ▶▶▶ 1

IDG Summary│Analytics in IBM

빅데이터란 말이 자연스럽게 들릴 정도로 정보의 홍수가 보편화된 시대

이다. 세상은 점점 더 상호 연결되고 있으며, 커뮤니케이션도 더 활발

해지고 있다. 이러한 연결과 커뮤니케이션으로 인해 폭증하고 있는 데이터에

대한 기업의 관심이 날로 높아지고 있다. 의미 있는 데이터를 수집해 분석하면

현재 무슨 일이 일어나고 있는지를 정확하게 파악할 수 있고, 앞으로 무슨 일

이 일어날지 예측하며 무엇을 준비해야 하고 어떻게 대처해야 할지도 알 수 있

기 때문이다.

실제로 최근의 여러 연구에 따르면, 광범위한 분석 중심의 문화를 기반으로

한 조직은 다른 조직에 비해 1.6배의 매출 성장과 2배의 영업 이익, 2.5배 높은

주식 평가 가치를 갖는 것으로 나타났다. 또한 분석 도입 수준에 따라서도 성

과가 다른데, IDC에 따르면 분석 도입에 선도적인 기업은 이제 막 분석을 도입

한 기업보다 3배의 성과를 올리고 있다. 또한 IDC의 조사에 따르면, 예측 분석

기술이 포함된 프로젝트의 평균 ROI는 145%로, 그렇지 않은 프로젝트의 평균

ROI인 89%보다 월등히 높다. 이런 선도적인 분석 중심의 기업 환경은 3가지

측면으로 나누어 평가할 수 있는데, 데이터에 액세스할 수 있는 역량과 데이터

로부터 인사이트를 끌어낼 수 있는 역량, 그리고 이렇게 끌어낸 인사이트를 실

행으로 전환하는 역량이 그것이다. 즉 분석을 통해 뛰어난 성과를 올리는 환경

은 단순히 시스템이나 솔루션을 도입하는 것으로 이뤄지지는 않는다. 선도적인

분석 중심 환경을 구현하기 위해서는 기업 전반에 걸쳐서, 그리고 모든 의사결

정에 걸쳐서 각 구성원의 인사이트를 융합해 넣는 과정이 필요하기 때문이다.

IBM은 업계 선도적인 분석 솔루션을 공급하고 있을 뿐만 아니라 이를 IBM

내부의 비즈니스 프로세스에 도입해 적지 않은 성과를 올리고 있다. IBM은

2005년 Cognos를 시작으로 ILOG, SPSS, 네티자 등 140억 달러 이상을 데이

터 분석 전문업체 인수에 투자했으며, 1만 명 이상의 전문 인력을 확보하고 있

다. 그리고 이를 성장을 주도하고 효율을 높이기 위해 내부적으로도 적극 활용

하고 있다.

IBM의 분석을 통한 혁신은 비즈니스 성과에 중점을 두고 있으며, 실용적인

접근을 통해 분석을 목적이 아닌 도구로 적극 활용한다는 전략이다. IBM은 영

업, 재무, HR, 서비스 딜리버리 등 다양한 영역에서 비즈니스 성과를 향상시키

기 위해 자체적으로 분석을 적극적으로 활용하고 있으며, 이미 적지 않은 성과

를 얻고 있다. IBM에서 분석을 통해 그 효과를 보고 있는 대표적인 사례를 하

나씩 살펴보자.

“영업에서 재무, HR, 서비스 딜리버리까지 예측한다”

분석 역량을 내부 비즈니스에 활용한 IBM 혁신 사례

이준원 | 한국 IBM 비즈니스 분석 소프트웨어 사업부장


2 ▶▶▶ IT World

고객군별 수익 예측을 이용한 영업 자원 배치 최적화

IBM의 COP(Coverage Optimization with Profitability) 모델은 수익 예측

을 활용해 영업 자원의 배치를 최적화하기 위한 방안이다.

영업 인력의 적절한 배치에서 항상 문제가 되는 것은 고객군별로 수익에 대

한 전반적인 가시성이 부족하다는 것이다. 이 때문에 영업 인력이 수익성이 높

을 것으로 예상되는 고객에 충분히 집중하지 못함으로써 효율성을 떨어뜨리는

문제가 있었다. COP는 과연 어떻게 하면 영업 인력을 적절한 고객에게 적절하

게 배치할 것인가를 고민하는 과정에서 나온 모델이다.

COP의 핵심은 고객군별로 수익성을 분석해 이를 핵심 지표로 삼는 것이다.

매출, 영업 지출, 비용, 영업 활동 등 다양한 데이터를 조합해 고객군별로 수익

성을 측정할 수 있는 핵심 지표로 활용했으며, 이들 데이터를 기반으로 고객군

별로 들인 영업 노력과 수익 기여도를 계산해 냈다. 고객군별 수익성과 여러 데

이터를 포함한 보고서는 영업 인력이 집중해야 할 고객을 추천해 영업 계획에

반영해 실제 실행으로 이어질 수 있도록 도와준다.

COP를 통해 얻을 수 있는 가장 큰 이점은 역시 최적화된 영업 인력의 배치

를 통한 실적 향상이다. 영업 생산성에 대한 세밀한 측정을 기반으로 영업 인

력과 자원의 배치에 대한 의사 결정을 개선할 수 있기 때문이다. 또한 영업 인

력을 개별 고객에게 배치함으로써 효과적인 영업 활동이 가능하도록 해 준다.

쉽게 말해 특정 고객군에 대해 그 동안의 매출과 수익, 그리고 투입된 영업 인

력을 기반 데이터로 분석해 “올해 예상 매출과 수익은 어느 정도이니 담당 영업

인력을 어떻게 조정하라”는 실행 가능한 대응 방안이 나오는 것이다. 특히 IBM

의 경우 영업 조직이 산업별, 솔루션 별로 매트릭스 구조로 되어 있어 고객군별

로 여러 영업 인력이 담당하게 되어 있어 이런 예측이 미치는 효과가 큰 편이다.

COP는 3년치의 FTE(Full Time Equivalent) 분석을 만들어내기 위해 2억

줄이 넘는 엑셀데이터를 분석해야 하는 빅데이터 이니셔티브이다. 분석을 위

해 IBM의 연구개발용 컴퓨팅 클라우드가 사용되는 것도 이런 이유 때문이다.

또한 재무 정보에서부터 영업 활동 정보, 실적 정보, 그리고 지리정보까지 다

양한 데이터를 처리해 이를 지역별, 영역별, 고객군별로 쉽게 파악할 수 있도

록 보여 준다.

물론 COP 모델이 하루 아침에 만들어진 것은 아니다. COP는 소규모 파일럿

으로 시작했지만, IBM의 다양한 데이터 분석 솔루션을 통해 IBM의 전세계 비

영업 혁신Sales Transformation



즈니스에 영향을 미치는 빅데이터 이니셔티브로 성장한 사례인데, 초기에는 소

규모 그룹에서 좀 더 나은 자원 배치를 위해 사용하던 것이 현재는 IBM의 전

세계 영업 책임자에게 분석 정보가 적시에 전달되고 있다. IBM은 Cognos와

SPSS 외에도 빅데이터 솔루션인 퓨어데이터 시스템 포 애널리틱스(PureData

System for Analytics, 구 네티자)를 적용해 영업 책임자가 언제든지 분석 결

과에 액세스할 수 있도록 지속적으로 발전시켜 나갈 계획이다.

COP의 권고안을 이용해 영업 인력을 비롯한 자원의 배치를 변경한 것은 실

제 비즈니스 성과에 직접적인 영향을 미쳤다. IBM의 전체 고객군별 영업 매출

에 따른 FTE를 단순 증가시킨 고객군의 매출 증가는 평균 9%인 것으로 나타났

다. 하지만 이중 COP 모델을 적용한 고객군의 경우 매출 증가율이 48%에 이

르렀고, FTE당 효율 역시 43%가 증가했다.

최적의 매출 목표 할당을 위한 분석 프레임워크

영업부서에서 겪는 어려움 중 또 하나는 영업 사원별로 자신에게 주어진 목

표를 달성하는 정도가 차이가 나고, 또 상당수의 영업 사원은 주어진 목표를 달

성하지 못한다는 것이다. 여기서 문제의 핵심은 과연 처음에 목표가 적정한 수

준으로 부여되었는가이며, 이는 영업 인력의 원치 않는 퇴직에도 결정적인 영

향을 미치는 것으로 조사됐다.

결국 분석과 단순화, 자동화를 통해 영업 목표를 효과적으로 할당함으로써 매

출 성장을 주도할 방안을 찾는 것이 과제의 하나로 부상했다.

이런 영업 목표 할당의 실질적인 문제는 3가지로 요약된다. 우선 영업 기회

를 제대로 파악하지 못하는 것, 그리고 이른바 ‘메가딜’이라고 불리우는 대규모

그림 1 | COP를 적용한 매출 및 생산성 효과

매출 생산성

2011년 전년 대비 매출 변화 2012년

COP 권고안 증가 유지 감소

2011년 2012년

FTE 증가 고객 FTE 유지 고객 FTE 감소 고객

전체 고객

COP

권고안

적용

COP

권고안

미적용



거래에 의해 목표 할당의 질서가 무너지는 것, 메트릭스 구조의 영업 조직 내

에서 영업 목표 할당량이 영업 인력 전체에 걸쳐 정합성을 잃어버리는 것이다.

IBM은 접근법은 그 동안의 이력 데이터 분석을 이용해 메가딜에 대한 목표

할당을 조정하면서 이를 기본 영업 목표와 메가딜 부분으로 분리했다. 기본 영

업 목표는 사업부별로 그리고 지역별로 목표 할당을 최적화했다. 특히 수년 간

의 매출 이력 데이터를 기반으로 분석 모델을 사용해 각각의 고객군별로 예상

매출을 추정해 내고, 이를 영업 커버리지와 조합해 각 영업 사원별로 영업 목표

를 할당하는 방식을 구현했다.

단계별로 보면, 우선 사업부 수준에서 목표 할당에 가장 큰 혼란을 유발하는

메가딜을 분리해 내고 각각을 전년도 실적을 기반으로 영업 목표를 설정했다.

이 단계에서는 세부적인 영업 목표 할당은 이뤄지지 않지만, 할당 자체의 혼란

을 최소화하고 무리한 목표가 할당되는 것을 막을 수 있다.

두번째 단계에서는 영업 목표를 고객군별로 세분화하고 대상을 설정한다. 이

단계에서는 대상을 영업 기회에 맞추고 영업 목표를 사업부 목표에 맞추는 과

정이 진행되며, 고객에 대한 공통된 정의 역시 이루어진다. 이 단계까지는 분석

과 다양한 툴을 이용해 유효성을 확보하는 단계라고 할 수 있다.

마지막 단계는 실질적인 영업 목표를 할당하는 과정으로, 고객 계정별로 설

정된 목표를 담당 영업 사원별로 할당한다. 이 과정에서 IBM의 분석 솔루션인

SPSS와 ILOG의 예측 분석 및 최적화 모델링이 핵심적인 역할을 수행한다. 또

한 이 단계는 자동화와 표준화를 통해 효율성을 확보할 수 있는 단계이기도 하

다. 분석의 기반이 되는 데이터인 매출이나 계약과 관련된 이전 데이터와 목표

데이터는 모두 표준화된 형식으로 자동으로 로드되며, 입력된 데이터를 정의

된 고객 계정에 맞춰 재정의하는 것 역시 자동으로 이뤄진다. 분석 결과는 쿼터

DB에 입력되며, 쿼터 DB는 웹 인터페이스를 통해 현업 부서로부터 각종 데이

터를 입력 받아 각 고객군별로 사전 할당량을 제시하고, 재무 및 영업 책임자가

연동된 목표를 입력해 최종 확정된다.

이런 프레임워크를 통해 IBM은 유효성 측면에서는 전반적인 비즈니스 제약

을 반영하면서도 영업 목표를 가장 바람직하게 분배하게 되었다. 이는 영업 사

원의 비현실적인 목표 할당으로 인한 업무 의욕 저하를 방지하는 것은 물론 영

업 사원의 퇴사를 줄이는 효과를 발휘하고 있다. 효율성 면에서는 영업 사원의

업무 생산성이 대폭 개선됐으며, 백오피스의 업무 생산성도 약 20% 향상된 것

으로 평가되고 있다.



효과적이고 효율적인 매출 예측 프로세스

IBM은 자체 분석 역량을 활용해 매출 예측 프로세스를 보다 효과적이고 효율

적으로 변화시켰다. 매출 전망 프로세스에서 가장 큰 문제는 복잡한 데이터 소

스와 계산 방법, 그리고 조직의 수많은 부서에 걸쳐 형성되어 있는 사일로 방식

의 매출 예측이었다. IBM은 이런 기존의 매출 예측에 대한 평가 프로세스를 효

율화하고 이로부터 좀 더 큰 가치를 추출해 내야 했으며, 특히 변화가 많은 환

경을 위해 고객군별 유연성을 허용하면서 표준화를 해야 했다.

이를 위해 IBM은 여러 데이터 소스와 통계적 기법을 최대한 활용한다는 방

침을 세웠다. 학습 개념을 도입해 타당성과 성능이 유지되도록 했으며, 특히 현

업에 실행 가능한 패러미터를 제시할 수 있도록 기존의 예측을 추적할 수 있는

역량을 제공했다. 모든 관련 데이터를 통합하는 데는 Cognos 기반의 플랫폼을

사용했으며, 이를 통해 지역이나 부서 전반에 걸쳐 플랫폼 독립적이고 통일된

인터페이스를 구현했다.

기존의 IBM 매출 예측 프로세스는 전세계 25개 지역 12개 사업부가 매주 매

출 예측을 평가하고 검토하고 통합하는 데 수백 시간을 들였다. 또한 각 지역

팀들은 셀 수 없이 많은 스프레드시트들과 자신들의 기술 수준에만 의지해 일

관성 없는 방법을 적용하고 있었다.

새로운 매출 예측 시스템은 스타형 구조로 중앙집중화된 단일 팀이 자동화된

엔드 투 엔드 과정 전체를 유지 관리한다. 보고서는 즉각적으로 모든 애널리스

트와 책임자, 총괄 책임자가 액세스할 수 있으며, 분야별 최고의 통계 방법론을

사용해 한층 더 정확한 예측을 제시한다. 또한 기존 3개월 매출 예측을 넘어 6

그림 2 | 매출 예측 프로세스의 변화

기존 매출 예측 프로세스 새로운 매출 예측 프로세스

재무 혁신Finance Transformation



개월 후를 예측하는 것이 전세계적으로 기준이 되었고, 특히 이런 과정에서 기

존의 글로벌 데이터 소스를 적극적으로 활용해 새로운 프로세스를 추가로 도입

하지 않고도 개선할 수 있었다.

IBM의 매출 예측 프로세스는 좀 더 근본적인 질문을 기반으로 구현되었다.

분기별 최종 매출 결과를 알려주는 데이터는 어떤 것인가? 주어진 정보로 볼 때

IBM의 예상 매출 실적은? 가장 정확한 예측은 어떤 것인가? 그리고 이에 따라

영업팀이 취해야 할 조치는 무엇인가? 이 4가지 질문에 대한 대답을 찾는 과정

이 바로 IBM의 새로운 매출 예측 프로세스가 된 것이다.

영업 실적 예상치, 송장(invoice), 월간 실적 등의 적절한 데이터를 선정하고,

강력한 통계 알고리즘을 적용해 예상치를 계산해 내고, 여기에 정확성을 높이

기 위해 여러 가지 가중치를 동적으로 적용한 것이다.

그리고 마지막으로 결과치를 기반으로 목표 달성을 위해 필요한 실행 방안을

계산해 낸다. 주 단위로 나오는 보고서를 통해 분기 매출 달성을 위해 현재 시점

에서 부족한 요소는 무엇이고, 어떤 활동을 강화해야 하는지를 시점별로 제시해

주는 것이다. 예를 들어 기존 3~5년치의 매출과 당시 영업 파이프라인 등의 데

이터를 분석하면, 100이라는 분기 매출 목표를 달성하기 위해서는 현재 시점에

서 고객의 의사가 확인된 영업 파이프라인이 50이 되어야 하는데, 현재 40이므

로 이 부분에서 10 이상을 더 확보해야 한다는 식의 실행 방안을 도출해 준다.

새로운 프로세스는 우선 모든 협업 부서에 걸쳐 정확성을 대폭 향상시켰으

며, 6개월 이상의 장기적인 매출을 예측할 수 있도록 했다. 특히 실행 가능한

인사이트를 통해 매출 목표 달성을 위해 시점별로 취해야 할 조치를 제시해 실

질적인 비즈니스 성과로 이어질 수 있도록 했다. 업무 상의 효율성 역시 자동

화된 프로세스와 조직 전반에 걸친 통합된 뷰를 통해 크게 향상됐으며, 전세계

공통으로 이용할 수 있는 인터페이스를 구현해 역할 변경과 관련된 소요 시간

을 줄여준다.

향상된 인사이트와 의사결정을 통한 전략적 재무 기획 강화

일반적으로 재무 기획은 스프레드시트를 기반으로, 수없이 많은 수작업과 조

정을 필요로 하는 업무이다. 재무 기획은 기존의 데이터를 기반으로 이루어지

기는 하지만, 수많은 변수를 감안해야 하고, 또 기획자의 가정(Assumption)

역시 큰 영향을 미치기 때문이다.

이런 특성 때문에 재무 기획의 정확성과 유연성을 높이기 위한 접근은 단순

히 데이터나 프로세스가 아니라 사람과 프로세스, 기술의 세 가지 측면에서 포

괄적으로 이루어져야 할 필요가 있다. IBM에서는 사람의 관점에서 각 개인의

경험과 지식을 중앙집중화 된 분석 모델링 툴로 이전하고, 모델링 시나리오나

위험 요소, 결과에 대해 여러 부서 간의 즉각적인 협업이 가능하도록 하였다.

프로세스 관점에서는 목표와 범위, 규모, 변수와 실행 방안 등이 중요한데,

이를 위해 기반이 되는 데이터와 모델, 결과, 인사이트 등을 중앙의 모델링 및

보고 시스템에 통합하는 것은 물론, 공통 분석 프레임을 통해 재무 기획에 대한



접근법이나 방법론도 표준화하였다

이런 사람과 프로세스를 프레임워크로 구체화하기 위해 IBM은 Cognos TM1

을 통해 동적인 비즈니스 모델을 구축하여 운영 관련 가정을 통한 재무 목표를

기획할 수 있도록 했다. 또한 SPSS를 통해 몬테카를로 시뮬레이션이나 민감도

분석 등과 같은 첨단 분석 기능을 구현하였다.

IBM이 구현한 분석 기반의 전략적 재무 기획 프레임워크는 광범위한 데이터,

즉 각 지표와 사업부, 지역별 기존 실적과 재무 정보와 모델링을 시작할 수 있

는 기반이 되는 가정, 그리고 외부 자원에 대한 자동화된 통합 등을 기본 데이

터로 삼고, 여기에 비즈니스 모델, 비즈니스 분석, 그리고 협업과 조정이 유기

적으로 연결되어 동작하도록 해 준다. 기업의 전략과 비즈니스 모델을 기반으

로 하는 비즈니스 로직과 가정이 이 프레임워크를 통해 재무나 자원, 자금, 운

영을 위한 요구사항을 도출해 전략이나 비즈니스, 기타 기획 프로세스에 대한

피드백이 가능해지는 것이다.

이런 분석 프레임워크를 통해 IBM은 사전 목표 설정, 비즈니스 진행 중의 대

응, 사후 평가의 모든 면에서 전략 기획을 강화할 수 있는 포괄적인 비즈니스 분

석 기능을 구현했다. 우선 목표 수립에 다양한 변수를 포함시켜 확률적 정확성

을 높이고, 특히 시뮬레이션을 통해 비즈니스 목표를 최적화할 수 있도록 했다.

전략 기획 측면에서 분석 프레임워크가 예측 분석을 통해 다양한 변수에 능

동적으로 대응할 수 있다는 점에서 진가를 드러낸다. 예측 모델링과 시뮬레이

션을 통해 과연 다음에는 어떤 일이 일어날 것이고, 변수가 바뀌면 어떤 변화가

발생할 것인지 예측할 수 있으며, 다양한 변수를 가진 시나리오에 대한 시뮬레

이션을 통해 여러 가정들을 검증하고, 만약 현재의 추세가 이어지면 어떤 성과

로 이어질 것인지 매 변화에 어떤 조치를 취해야 할지를 제시해 준다.

그림 3 | 분석 기반 전략 기획 프레임워크

데이터 및 히스토리

• 각 측정지표, 사업부, 지역별 기존

성과와 재무 실적

• 모델링을 위한 가정과 기준선 제시

• 외부 자원과의 자동화된 통합

비즈니스 분석

• 비즈니스 시나리오

• 시나리오 시뮬레이션

• 변수의 불확실성

• 성과 민감도

• 결과 최적화

비즈니스 모델

• 동적 비즈니스 모델 기반의 운영 변수

• 이력 및 사용자 가정 기반

• 결과 뷰 및 요구사항 생성

• 모델링, 보고서, 비즈니스 분석 구현

협업 및 조정

• 기획 참여 조정

• 역할 기반의 액세스 제어

• 웹 기반 멀티 유저 모델링 인터페이스

• 표준화된 Ad-hoc 리포트 및 추출,

알림

기업

전략

및 비

즈니

스 모

델

비즈

니스

로직

및 가

정

재무

, 자

원, 자

본, 운

영 상

의 요

구사

항

전략

, 비

즈니

스 모

델 및

기타

기획

프로

세스

에 대

한 피

드백



사후 평가 측면에서는 정확한 문제가 무엇이었으며, 얼마나 많이 발생했고,

어떤 사고가 발생했는지를 모든 사업부와 지역, 평가 기준에 따라 보고서로 정리

해 주며, 사용자가 직접 원하는 보고서를 생성하거나 데이터를 추출할 수 있다.

예측 분석에 있어서는 시나리오와 시뮬레이션이 핵심적인 역할을 한다. 재

무 기획은 수많은 가정들로 이루어지기 때문에 여러 시나리오를 통해 이들 가

정을 검증하고, 실제로 재무 목표에 미칠 영향을 파악하는 것이 중요하다. 기본

계획을 기반으로 다양한 변수를 적용해 최악의 경우와 최상의 경우를 나누어

가능성 있는 시나리오를 다수 만들어낼 수 있으며, 이들 시나리오를 비교 분석

해 계획 상의 허점을 파악하고 여러 가지 성과에 대비한 계획을 세울 수 있다.

특히 시뮬레이션 분석은 변수들의 불확실성을 감안해 일정 범위의 가능성 있

는 결과물을 탐색할 수 있도록 해 준다. 수익성부터 영업 업무생산성, 재무 실

적, 그리고 임금 인상이나 프로젝트 효율 같은 운영 상의 변수까지 모든 변수의

불확실성을 다양한 경우의 수로 적용해 분석할 수 있다.

재무 기획 프레임워크는 재무 기획의 유연성과 정확성을 향상시키고, 재무 운

영 부서와 프로세스, 정보를 연결해 의사 결정의 민첩성을 높여 주는 효과를 가

져 왔다. 궁극적으로는 IBM의 전략적 목표를 달성하기 위한 의사결정을 지원하

는 첨단 비즈니스 분석 역량을 제공한다. 기본적인 기획 모델에서부터 시나리오

분석, 서술적 분석을 거쳐 시뮬레이션과 불확실성 분석, 민감도 분석 등으로 정

교성과 비즈니스 인사이트가 함께 향상되어 최적화 및 목표 탐색, 그리고 최종적

으로 의사결정 분석 및 위험 분석까지 더 똑똑한 기업 운영을 가능하게 해준다.

그림 4 | 첨단 비즈니스 분석을 이용한 전략적 의사결정 지원

정교

화

비즈니스 인사이트

기획 모델

시나리오 분석

시뮬레이션/불확실성 분석

최적화의사결정 분석/ 위험 분석

사후 평가

민감도 분석

목표 탐색



선제적인 이직 방지를 통한 인력에 대한 투자 효과 정량화

업종이나 분야를 막론하고 기업의 경쟁력에 숙련된 인력이 미치는 영향은 절

대적이다. 때문에 기업들은 재능 있는 직원을 확보하고 교육하고 유지하는데

적지 않은 투자를 하고 있다. 하지만 이런 인력에 대한 투자가 과연 효율적으

로 진행되고 있는지, 어느 정도의 효과를 내고 있는지를 확인하기는 쉽지 않

다. 과연 좀 더 가치가 높은 영역에서 직원에 대한 투자를 최적화할 방법은 없

는가? 성과를 극대화하기 위한 투자 예산과 예상되는 혜택, 관련 인력 이탈을

예상할 수는 없는가?

IBM은 이 문제에도 분석적인 접근을 시도했다. 우선은 상대적인 연봉과 자

발적인 퇴사 간에 상당한 상관관계가 있는 그룹을 파악하고, 그 동안의 데이터

를 사용해 통계적인 연관성을 측정한다. 그리고 보수 수준과 이직 패턴을 기반

으로 한 최적화를 통해 목표 이직률 감소를 위해 연봉 수준과 이에 상응하는 비

용 절감 효과를 추정했다.

연봉과 자발적 퇴사 간의 상관관계가 존재하는 그룹을 파악하는 작업은 연관

성 확립, 집단 지정, 최적화, 할당의 4단계로 진행되는데, 가장 먼저 해야 하는

것은 통계적인 연관성을 확립하는 것이다. 국가와 사업부, 직종 등의 다면적인

분석이 필요하며, 그리고 시장이나 외부 경제 환경 요소와 자발적인 퇴직률이

나 상대적인 보수 간의 연관성을 통계적으로 파악해야 한다. 이런 연관성을 기

반으로 유사한 이직률 및 연봉의 직원을 추정 이직률과 보수 수준에 따라 서로

다른 연봉 집단으로 지정한다.

이제 이직을 방지하기 위해 한 집단에 대해 연봉을 인상하려 할 때, 가장 최

적화된 연봉 투자를 추정할 수 있으며, 이직 방지를 통해 절감하는 비용 역시

계산할 수 있다. 이를 통해 각각의 연봉 인상을 통해 얻을 수 있는 구체적인 가

치를 파악할 수 있으며, 이에 따라 특정 수혜자에게 투자 자금을 할당할 수 있

다. 최종적으로는 선택된 집단에 대해 전반적인 보수와 예상되는 순편익을 확

립할 수 있다.

여기서 투자와 비용 절감 효과는 어떤 수준의 이직률을 유지해야 하는지에

따라 달라질 수 있다. 일반적으로 이직률이 낮아짐으로 생기는 비용 절감 효과

는 선형적으로 증가한다. 채용 비용이 줄어들고, 업무생산성 손실도 피할 수 있

기 때문이다.

예를 들어 10.05%의 이직률을 보이는 한 집단에 대해 편익을 극대화하는 연

HR 혁신HR Transformation



봉 투자를 하려면, 160만 달러의 투자를 통해 비용을 450만 달러 절감해 290만

달러의 순편익을 얻을 수도 있다(<그림 5> 참조). 이직률은 8.10%로 2%가 떨

어지는 데 그칠 것이다. 하지만 이직률을 최소화하는 것이 목표라면 1440만 달

러를 투자해 이직률을 4.5%로 낮출 수 있다. 하지만 절감된 비용과 투자가 같

아져 예산 순편익은 0달러가 된다.

결과적으로 선제적인 이직 방지 대응을 통해 상대적인 보수 수준에 투자를 집

중해야 하는 집단을 파악할 수 있으며, 인력 관련 핵심 사항인 임금 투자, 순편

익, 이직률을 예상할 수 있게 됐다. 특히 비즈니스 의사 결정을 위한 관심 지점

인 목표 이직률, 최대 편익, 최소 이직률을 파악하기 위해 해당 집단 내의 모든

개별 인력의 최적화와 할당 결과를 추출해 내고, 해당 집단의 이직률을 최소화

하기 위한 최적의 방안을 계산할 수 있게 됐다.

그림 5 | 이직률에 따른 투자 및 비용 절감

이직률의 감소

이직률 5.55% 감소

현재 이직률

현재 이직률

비용 절감

비용 절감

예상 이직률

예상 이직률

투자

투자

기대 순편익

기대 순편익

160만 달러 투자로 290만 달러

순편익 기대

1440만 달러 투자 필요

12개월 간의 최대 편익 추정

이직률 최소화(순편익은 0달러 이상으로 유지)



서비스 계약의 위험요소와 대응 방안을 위한 분석 프레임워크

컨설팅 서비스와 같이 프로젝트 기반의 서비스 계약에는 다양한 위험이 따른

다. 특히 기간이 정해져 있는 경우가 대부분인 프로젝트 기반의 서비스는 정해

진 기간 내에 결과물을 만들어내야 하는데, 이를 방해하는 위험 요소는 헤아릴

수 없이 많은 것이 사실이다.

따라서 위험을 경감시킬 수 있는 별도의 방책을 마련하지 않으면, 납기일을

준수하지 못하는 것은 물론, 예상된 비용을 초과하는 일이 발생하게 된다. 납기

일을 준수하지 못함으로써 발생하는 위약금이나 예상 기간을 넘어 투여되는 인

력 비용 등 이후의 모든 요소는 기업의 수익률에 악영향을 미치게 된다.

하지만 새로운 서비스 계약을 체결하면서 관련된 위험 요소를 파악하고 이에

대한 대처 방안을 세우는 것은 그리 단순한 일은 아니다. 때문에 기존에 IBM은

새로운 서비스 계약과 관련된 위험 평가는 주로 해당 전문가에 의존하는 편이

었으며, 때문에 기존에 문제를 일으켰던 계약에 대한 포괄적인 시야를 가지고

평가를 진행하기가 힘든 문제가 있었다. 과연 새로운 서비스 프로젝트에 대한

위험과 수익에 미칠 영향을 정확하게 예측할 수 있는 방법은 없는가?

IBM은 계약 체결 전과 계약 체결 후의 두 가지로 나누어 이 문제에 분석적

인 접근을 시도했다. 우선 계약 전에는 수익률에 영향을 미치는 종합적인 위험

도와 개별적인 위험 요소를 예측한 다음, 이를 경감시킬 수 있는 조치를 권고

하도록 했다. 계약 체결 후에는 발견된 실제 문제를 보고하고, 해당 문제의 진

척 상황을 추적하고, 문제 해결을 위해 취한 조치의 효과를 문서화하도록 했다.

이런 접근 방법에서 위험 요소에 대한 예측은 기존에 진행했던 서비스 계약

데이터에 유사한 계약에 대한 평가 결과를 통합해 얻어진 것이다. IBM이 그 동

안 진행한 수많은 서비스 계약에서 계약의 상세한 내용, 발견된 위험 요소, 보

고된 근본 원인 등의 기준으로 유형별로 나누고, 새로운 계약과의 유사성을 평

가한다. 이런 유사성 점수에 따라 새로운 계약의 위험 요소와 이에 경감할 수

있는 대응 방안을 권고하는 것이다.

실제로 유사성 점수는 계약의 상세 내용을 정량화하고 비교하는 방식으로 계

산된다. 예를 들어, 계약 내용은 실사 과정에서 나오는 300개 이상의 질문으로

이루어져 있으며, 여기에는 하드웨어나 소프트웨어의 의존도나 이전 일정 같

은 서비스의 세부 항목이 모두 포함되어 있다. IBM은 각 질의 항목에 대한 답

을 수치화하고, 기존 계약 각각의 전반적인 유사성을 측정하기 위해 다양한 계

서비스 딜리버리 혁신Service Delivery Transformation



약 내용 간의 차이를 측정한다.

이런 프레임워크의 결과는 예상 수익과 실제 수익 간에 상당한 수준의 일치

를 보였으며, 개별적인 위험 요소에 대한 예측 역시 실제 서비스 과정에서 보

고된 문제와 일치했다.

이를 통해 IBM은 위험성을 정량화해 재무 계획에 반영할 수 있게 됐으며, 위

험 경감 방안의 우선 순위도 정할 수 있게 됐다. 또한 계약의 수익성 역시 예상

할 수 있다. 또한 개별 위험 요소 예상을 파악된 또는 보고된 실제 원인과 일치

시킴으로써 위험에 대해 효율적으로 대처하고, 프로젝트 기반 서비스의 성공률

도 높일 수 있게 됐다.

서비스 자원 분석을 통한 통합 인력 계획

전문 인력의 차지하는 비중이 절대적인 서비스와 프로젝트 기반의 조직에게

있어서 프로젝트 별로 인력을 얼마나 효율적으로 배치하고 운용하느냐가 조직

의 성과와 직결되는 문제가 된다.

IBM 컨설팅 사업부 역시 마찬가지 문제를 겪고 있었고, 이를 해결하기 위해

프로젝트 기획을 좀 더 정교하게 만들려는 시도도 지속적으로 이루어지고 있었

다. 하지만 기본적으로 정확한 기획을 위해서는 기획 주기 자체가 너무 길어지

고, 노동력이 너무 많이 들어간다는 문제를 해결하지 못했다.

정확하지 못한 기획은 비즈니스 기회와 인력 자원을 제대로 배치하지 못했으

며, 서비스 딜리버리와 영업 간의 연동 역시 제대로 이루어지지 않았다. 여기에

더해 도출된 해결책이 수익성 측면에서 최선이 아니라 차선의 노동 비용 부분

을 가진 인력으로 진행되기도 했다.

그림 6 | 분석 프레임워크를 통한 예측과 실제 성과의 비교

문제 1. 재무 실적이 내부 비용 할당 조정에 의해 부정적인

영향을 받음

문제 2. 가격 협상에서 직원의 능력 부족

문제 3. IBM과 고객 간의 비효율적인 관계

미달성

(pts)

예상

미달성

(pts)

실제

매출 총이익

(%)

예상

매출총이익

(%)

매출총이익

기획

(%)

낮은 가능성으로 예상

예상실제 보고된 문제



IBM은 데이터 분석을 통해 좀 더 통합적인 접근법을 적용했다. 즉 단순히 프

로젝트별 인력을 계획하는 것이 아니라 수요를 예측하고 이를 기반으로 필요

인력과 기술력을 기획하는 것이다.

우선은 수요를 분명히 하는 것이 중요하다. 파이프라인과 현재 진행 중인 계

약, 매출 목표 등을통합적으로 분석해 향후의 매출 기회를 파악하고, 이렇게

파악된 예상 매출에 필요한 인력을 확정한다. 이때 필요 인력을 결정하는 모델

이 중요한데, 작업을 세분화하고 수요를 필요한 인력으로 변환해 정확한 정보

를 수집해야 한다. 그리고 최종적으로 이러한 수요의 유효성을 검증하고 필요

한 경우 수요 예측을 조정한다.

이렇게 결정된 수요에 대응하는 인력 자원은 현재의 기술력을 기반으로 공급

과잉이나 부족 여부를 판단하고, 문제를 해결하기 위한 대응 방안을 수립하는

과정을 통해 프로젝트에 최적의 인력이 투여될 수 있도록 하는 것이다.

통계를 기반으로 한 예측 방법론을 사용하기 때문에 프로젝트 수주 가능성을

보다 정확하게 예측할 수 있으며, 특히 프로젝트의 성공에 필수적인 요소인 인

력 수급에 있어서 현재의 계획대로 진행될 경우 얼마나 많은 프로젝트 매니저

가 추가로 필요한지, 얼마나 많은 인력이 프로젝트에 투입되지 않고 쉬게 될지

를 예측해 대응 방안을 수립할 수 있다. 궁극적으로는 과연 매출 목표를 달성할

수 있는지도 예측해 전략적인 계획을 수립할 수 있다.

서비스 자원 분석은 우선 CRM이나 HR 등 다양한 인력 및 비즈니스 데이터

를 통한 첨단 분석을 통합함으로써 견실한 서비스 중심 아키텍처를 구축할 수

있도록 해 준다. 또한 실제 IBM의 여러 부서에 인력 계획 및 전략 기획을 위해

적용한 결과 시간과 비용 모두를 대폭 절감할 수 있었다.

Documents

IDG Summary│ Analytics in IBM “영업에서 재무, HR, 서비스 … Summary_IBM... · 업, 재무, hr, 서비스 딜리버리 등 다양한 영역에서 비즈니스 성과를