소비자 직거래(Direct to Consumer, 이하 DTC) 기업이 오늘날 시장에서 경쟁력을 유지하고 성공하려면 데이터를 활용하는 것이 중요하다. 올바른 데이터 팀을 구성하면 DTC 브랜드는 성장을 촉진하고 수익성을 높이며 고객 만족도를 향상시키는 현명한 결정을 내릴 수 있다.

데이터 기반 글로벌 마케팅 전문기업 사라스 애널리틱스(Saras Analytics, 이하 사라스)는 DTC 기업이 브랜드 성장을 위한 데이터 관리와 관련하여 직면하는 문제를 관찰하고 DTC 기업을 위한 데이터 전략을 제시했다.

기업이 브랜드를 구축하는 것은 열정, 헌신, 신념 체계의 조합을 필요로 하는 도전적인 작업이다. 하지만 제품을 만들고 최고를 바라는 것만으로는 충분하지 않다. 사라스는 DTC 기업이 성장과 수익성을 촉진하는 정보에 입각한 의사 결정을 내리려면 데이터 중심의 접근 방식이 필요하다고 조언한다. 

DTC 기업이 직면한 과제

브랜드를 구축하고 있는 기업들은 다양한 장애물을 겪으며 브랜드가 성장함에 따라 문제의 성격도 달라진다. 시작할 때는 제품 아이디어 구상, 프로토타입 개발, 대량으로 제품을 생산할 제조업체 찾기, 마케팅 팀 또는 대리점 고용, 마케팅 담당자와 협력하여 제품을 상용화, 다양한 판매 채널을 탐색하고 해당 채널에서 판매, 수익성 및 마진 유지, 자금 조달, 투자자 관계 등을 고민한다.

이러한 업무들은 사업의 안정적인 기반을 구축하기 위해 필수적이다. 그러나 브랜드가 성장하면서 경영진은 일상적인 의사 결정에 점차 덜 관여하는 경향이 있다. 이 단계에서는 데이터를 관리하고 분석하여 성장을 촉진하는 데이터 팀을 구성하는 것이 중요하다.

기업 성장을 위한 데이터 팀의 필요성

창업자는 비즈니스의 모든 측면을 직접 경험하는 것에서 데이터를 제공받고 가능한 최선의 결정을 내릴 수 있어야 한다. 이를 위해 원하는 결과를 제공할 수 있는 권한을 가진 팀을 구성하는 것이 필수적이다.

가장 일반적인 해결책은 '분석가'를 고용하는 것인 데 이는 창업자들이 분석가가 데이터와 관련된 모든 것을 할 수 있다고 생각할 때 가장 먼저 저지르는 실수다. 분석가는 비판적 사고 능력과 일련의 숫자를 분석하여 의미 있는 통찰력을 이끌어내는 노하우를 가진 사람에게는 의미가 있다.

올바른 의사 결정을 위한 데이터 팀이 수행하는 작업

DTC 브랜드의 데이터 팀을 위한 JTB 프레임워크를 살펴보고 수행해야 할 작업은 아래와 같다.

① 데이터 스택을 구축하고 관리하는 데 데이터 웨어하우스, ETL 도구, 그리고 BI 플랫폼과 같은 필요한 도구를 식별한다.

② 각 툴의 성능, 확장성, 기능, 비용 및 유용성을 평가한다.

③ 데이터 스택을 구현할 때는 데이터 추출을 설정하고 데이터를 데이터 웨어하우스로 이동시키고 내부 사용자와 협업해 비즈니스 요구사항을 이해한다.이후 데이터 모델, 보고서 및 대시보드를 구축하여 요구사항을 구현한다.

④ 데이터 스택을 교육하고 스택 채택을 촉진하여 회사 내 리소스와 함께 데이터 스택을 사회화한다.

⑤ 데이터를 분석하고 해당 정보를 사용 가능한 통찰력으로 추출해 임시 질문에 답한다.

데이터 분석가 고용전에 알아야할 것들

위의 모든 것을 할 수 있는 데이터 자원을 찾는 것은 행운이다. 그리고 기업들이 그러한 자원을 발견했다고 해도, 그것들을 더 오래 유지할 가능성은 낮다.

따라서 기업은 내부 데이터 리소스 관리를 위한 데이터 분석가를 고용하기 전에 ▲데이터 팀/스택에 대한 예산 책정 ▲사용할 기술과 사용 ▲데이터 요구사항에 맞는 후보 평가법 ▲데이터 스택을 구축하고 관리하는 과정의 문제 ▲자원의 채용 기준 ▲기준의 우선순위 선정 방법과 이유 ▲인터뷰에서의 질문내용 ▲데이터 리소스 관리 ▲자원에 의해 수행되는 작업의 품질 보장 ▲데이터 자원 관리자 선정 ▲도메인 지식을 가진 데이터 분석가 필요성에 대한 내용을 파악해야 한다.

데이터 팀 구성법

종종 DTC 기업은 데이터를 마케팅, 운영, 제품 및 전략에서 최우선시 하지 않는다. 이로 인해 단기적인 의사결정이 이루어져 결국 프로세스에 수반되는 비용, 시간 및 리소스가 증가해 수많은 데이터 프로젝트가 포기되곤 한다. 종종 데이터 팀의 채용 전략이 부실하다는 지표가 되기도 한다.

모든 데이터 요구를 관리하기 위해 단일 분석가를 고용한다는 생각은 실용적인 접근법이 아니다. 마케터를 고용하면 이메일 발송부터 소셜 미디어 광고 관리, 리텐션 마케팅, 브랜딩 등 모든 마케팅 요구를 자동으로 해결할 수 있다고 가정하는 것과 유사하다.

사라스는 마케팅과 마찬가지로 데이터도 엔터프라이즈 아키텍처, 데이터 엔지니어링, 데이터 거버넌스, 총소유비용 평가, 데이터 모델링, 비즈니스 인텔리전스, 비즈니스 프로세스 평가, 비즈니스 데이터 분석, 데이터 사이언스에 대한 전문성이 필요한 전문 기능이라고 강조한다.

이처럼 다양한 기술을 보유한 전문가가 부족해 사내 데이터 관리에 적합한 인재를 찾기 어려운 경우가 많다. 사라스는 확장 가능한 데이터 기반을 구축하고 조직의 명시된 목표를 달성하기 위해 시간이 지남에 따라 이를 관리하는 데 필요한 기술을 갖춘 부분적인 리소스를 고용할 것을 제안한다. 회사가 성장함에 따라 브랜드는 사내 최고 데이터 책임자를 고용하여 아웃소싱된 리소스에 의존하거나 실행을 지원하는 사내 데이터 리소스 팀을 개발하는 것을 고려할 수 있다.

사라스의 데이터 팀은 데이터 전략이 필요한 DTC 기업들을 위해 고객들에게 전 단계 올바른 프로젝트 수행, 기술 및 총소유비용 평가, 빠른 프로젝트 실행을 위한 심층적인 도메인 이해 및 전문성, 빠른 실행을 위해 완전 자동화된 데이터 스택 제공, 고객의 데이터 스택 관리 또는 인계, 분석가는 데이터 인프라를 활용하고 이해 관계자에게 의사 결정 지원, 내부 리소스 변화에도 100% 데이터 인프라 지원, 고객에 완전한 데이터 소유권을 제공하고 있다.

크리쉬나(Krishna) 사라스 애널리틱스 CEO는 “우리가 제공하는 데이터 팀 서비스는 최신 전자 상거래 데이터 팀 개발을 이끌고 있다. 우리는 고객이 당면한 문제를 정의하고 해결할 수 있도록 지원한다”고 밝혔다.