데이터는 효율적 운영, 올바른 의사결정 및 AI를 위한 필수 요소입니다. 이를 잘 알고 있는 많은 기업이 데이터 관련 기술과 도구에 큰 투자를 하지만, 데이터를 생성하고 활용하는 사람들의 역할은 종종 간과됩니다. 데이터를 다루는 사람들은 문제 해결의 열쇠임에도 불구하고, 회사는 이들을 문제의 원인으로만 보는 경우가 많습니다. "집중력이 부족하다"거나, "새로운 기술을 배우기 꺼린다"는 식으로 비판하며 데이터 품질 문제를 사람 탓으로 돌리는 것입니다.

그러나 현실은 다릅니다. 현장에서 사람들은 열악한 환경에서도 데이터를 잘 다루려 애쓰고 있습니다. 문제는 사람 자체가 아니라, 그들이 일하는 시스템과 문화에 있다는 점을 간과해서는 안 됩니다. 직원들에게 데이터의 중요성을 제대로 알리고 그들이 책임감을 느끼며 협력할 수 있는 환경을 만든다면 데이터 품질은 크게 향상될 수 있습니다.

사람들이 데이터를 잘 다루지 못하게 만드는 이유

데이터와 관련된 문제는 흔히 직원들이 데이터를 잘못 다루기 때문이라는 오해에서 시작됩니다. 하지만 실제 사례를 보면, 문제의 원인은 시스템적 결함에 있음을 알 수 있습니다. 

1. 교육 부족
   한 은행에서는 최전선 직원들에게 데이터 입력의 중요성을 교육하지 않았습니다. 그 결과, 데이터 품질이 낮아지고 이를 수정하는 데 많은 시간과 비용이 소요되었습니다.

2. 잘못된 KPI 설계
   재무 부서의 한 직원은 부서 간 데이터 입력 방식의 불일치로 인해 회사가 큰 비용 절감을 놓치고 있다는 것을 알았지만 개인 KPI에 영향을 줄까 봐 문제를 제기하지 않았습니다.

위 사례들의 공통점은 사람들이 의도적으로 데이터를 잘못 다룬 것이 아니라, 사내 시스템과 문화가 데이터를 잘 다루기 어렵게 만들었다는 것입니다.

사람 중심 접근법의 필요성

문제를 해결하려면, 데이터를 다루는 사람들의 역할을 강화하고 자부심과 책임감을 심어주는 환경을 만들어야 합니다. W. Edwards Deming 같은 품질 관리 전문가들은 "사람들의 자부심과 소속감을 높이는 것"이 데이터 품질 개선의 핵심이라고 말합니다. 이는 다음과 같은 접근을 통해 실현할 수 있습니다.

1. 이해: 직원들은 자신이 데이터 생성자임을 알고, 그 데이터가 조직의 목표에 어떤 영향을 미치는지 이해하고 있는가?
2. 권한 부여: 직원들이 문제를 제기하고 개선 방안을 제안할 수 있는 환경이 조성되어 있는가?
3. 책임감: 직원들이 데이터 품질에 자부심을 느끼며 책임감을 갖고 있는가?
4. 협업: 데이터 생성자와 소비자가 함께 협력하며 문제를 해결하고 있는가?

위 질문 중 하나라도 "아니오"라면, 시스템과 문화를 재설계할 필요가 있습니다.

실행 가능한 해결책

• 큰 그림을 공유하라
  직원들에게 자신이 생성하는 데이터가 조직의 목표에 어떤 영향을 미치는지 설명해야 합니다. 데이터가 단순한 숫자가 아니라 조직의 성공을 좌우하는 중요한 요소임을 알게 되면 품질은 자연스럽게 개선됩니다.
• 협업을 장려하라
  데이터를 생산하는 팀과 소비하는 팀이 서로 소통하고 협력할 수 있도록 환경을 조성해야 합니다. 서로의 필요를 이해하고 조율하면 데이터 품질은 훨씬 향상됩니다.
• 책임감과 자율성을 균형 있게 부여하라
  직원들에게 데이터 품질에 대한 책임감을 부여하되, 이를 해결할 자유도 함께 제공해야 합니다.
• 두려움을 없애라
  데이터를 잘못 다루는 것이 처벌로 이어질까 두려워하지 않도록 심리적 안전감을 제공해야 합니다.
• 교육에 투자하라
  데이터의 중요성과 활용 방법을 간단히 교육하는 것만으로도 큰 차이를 만들 수 있습니다. 예를 들어, 한 은행은 1시간의 데이터 교육만으로 입력 오류를 90% 줄이는 성과를 냈습니다.