앞으로는 “대한민국의 현재 국내총생산(GDP)은 얼마나 될까?”라는 질문에 “명목 기준으로 1893조쯤 된다”라고 답을 한다면 그것이 꼭 정답이 아닐 수도 있다. 여기서 물어본 GDP가 국내총생산(Gross Domestic Product)이 아니라, 데이터총생산(Gross Data Product)을 의미하는 것일 수도 있기 때문이다.

최근 새로운 용어로 관심을 받고 있는 ‘데이터총생산(GDP)’은 빠른 시일 내로 국가의 경제적 발전수준과 더불어 미래 기술의 주도권을 예측할 수 있는 가장 일반적인 척도로 쓰일 가능성이 높다. 올해 하버드 비즈니스 리뷰(Harvard Business Review)의 보고서에서 처음 제시된 이 개념은 발표 이후 국내외 주요 연구기관의 후속 연구로 이어졌다. 앞으로의 국가 경쟁력은 ‘데이터 경제(Data Economy)’ 환경에서 결정될 것이라는 것에 대해 전문가들이 공감했기 때문이었다. 그럼에도 불구하고 데이터 경제의 가치 실현이 여전히 멀게만 느껴지는 까닭은 무엇일까?

여러 제조현장에서 발생하는 물리적인 자산의 데이터와 직원들이 쌓아 온 다양한 경험 데이터 및 방대한 양의 고객 데이터는 기하급수적으로 쌓여만 가는데, 이를 전략적으로 디지털화하고, 효과적으로 관리하며 궁극적으로 생산-제조-서비스를 아우르는 전체 비즈니스 사이클에서 가치를 창출해 내기엔 역부족이었던 것이 현실이다.

데이터의 가치와 이점을 제대로 활용할 수 있는 전체 비즈니스 구조와 접근, 관리 방식에 대한 이해가 부족했고, 그 결과 서로 연결되지 못한 의미 없는 방대한 데이터는 기대하는 수준의 혁신 성과로 이어지지 못했던 것이다.

실마리를 풀려면 무엇이 데이터의 가치를 결정하는지 살펴봐야 한다. 앞서 언급한 데이터총생산을 결정하는 4대 요소는 데이터의 절대량(Volume)과 활용(Usage), 제도적 접근성(Accessibility), 복잡성(Complexity)이다. 단순히 방대한 양의 데이터가 아니라 정합성이 우수한 데이터가, 데이터 집합에서 억지로 연결한 패턴 보다는 다양한 맥락과 경험, 고객의 실제 요구를 담은 통찰이 유리하다는 것을 추측할 수 있다.

데이터 경제에서 데이터 총생산 4가지 구성요소를 구현하기 위한 효과적인 방법은, 최근 시장을 확장하고 있는 ‘클라우드’다. 이는 인공지능(AI)을 비롯한 첨단 기술을 즉각적으로 도입해 데이터 관리의 효과와 효율을 극대화시키는 접근 방식으로 평가 받으며 다양한 업종의 기업들이 채택을 고려하고 있다.

10년 전 기술을 기반으로 한 수많은 1세대 클라우드의 시행착오를 딛고, 이제 완전한 보안과 자율운영 역량을 구현하는 2세대 클라우드 시대가 열렸다. 최근 오라클을 비롯한 클라우드 서비스 기업들이 국내에 데이터센터를 설립하면서 보다 안정적인 인프라 위에서 구현되는 혁신 소프트웨어 서비스의 혜택도 한층 가까워졌다. 기업의 보안 수준과 데이터 등급에 맞게 클라우드 솔루션을 선택하고, 하이브리드 형태나 멀티 클라우드와 같은 기업들의 비즈니스 환경에 맞춤화된 방식으로 활용하는 것도 가능할 만큼 선택지가 다양해졌다. 데이터 과학이 집적된 클라우드 환경은 이제 선택이 아닌 경험의 문제이며, 데이터 경제를 밀어 올릴 견인차로 인식돼야 한다.