기업의 빅데이터를 활용함에 있어 비즈니스 통찰력의 질보다 양적 측면에 사로잡히는 것과, 정성적 결과의 중요성을 평가절하는 두가지 문제가 수십 년간 지속되어온 기업 경영의 의사결정과정에서 정량적 데이터를 바탕으로 한 의사결정 형태에 힘을 실어준다. 기업 경영 컨설턴트는 더 효율적이고 수익성이 높은 기업을 만들기 위해 오랫동안 양적 데이터를 활용해 왔다. 균형이 맞지 않는 빅데이터의 위험은 조직과 개인이 의사 결정을 내리고 알고리즘에서 파생된 메트릭스를 위한 성능을 최적화하는 것이다. 그리고 이러한 최적화 과정에서 데이터 속의 사람, 이야기, 실제 경험은 모두 제거된다. 그 안에서의 위험성에 대해 Clive Thompson은 ‘인간의 의사결정을 알고리즘 방정식에서 가져옴으로써 우리는 천천히 우리 행동의 도덕성에 대해 성찰에 대한 고민을 걷어내고 있다’라고 말하고 있다.

빅 데이터는 너무 많은 정보를 생성하기때문에 이로 인한 지식 격차를 해소하기 위한 무언가를 더 필요로 한다. 이것이 바로 빅데이터 시대에 민족지학/디자인적 접근에 가치를 두어야하는 이유다. 조직이 심층적 데이터를 빅데이터와 어떻게 통합할 수 있을지 몇가지 방법을 살펴보자. 심층적 데이터는 빅데이터 내 알려지지 않은 영역을 매핑하는 가장 좋은 방법이다. 조직이 아직 알지 못하는 것을 알고자 할 때, 빅 데이터가 명시적으로 제공하지 않는 영감을 주기 때문에 Thick Data가 필요하다. 이야기를 수집하고 분석하는 행위는 통찰력을 생성한다. 심층적 데이터에서 발견될 수 있는 스토리와 데이터의 컨텍스트는 기업들이 목적을 달성하는 다양한 방법, 즉 통찰력을 파악하도록 영감을 줄 수 있다. 심층적 데이터는 종종 예상치 못한 것을 드러낼 수도 있는데, 이로 인해 기업은 놀라거나 좌절할 수도 있다. 하지만 무슨 일이 있어도 이러한 영감은 혁신을 위한 상상력의 동반자가 될 수 있다.

Big Data vs Thick Data ⓒTriciawang

기업들이 이해관계자들과의 관계를 강화하고자 할 때 스토리가 필요하다. 스토리에는 정리된 데이터셋이 전달할 수 없는 ‘감정’이 담겨 있다. 우리는 빅데이터의 숫자를 보고 ‘신뢰’, ‘취약성’, ‘공포’, ‘탐욕’, ‘욕정’, ‘안보’, ‘사랑’, ‘친밀감’ 등의 감정이 쉽게 생기지 않는다. 또한 개인의 서비스/제품 제휴의 강점과 제휴의 의미가 시간이 지남에 따라 어떻게 변하는지 알고리즘적으로 표현하기는 어렵다. 심층적 데이터 접근 방식은 사람들의 마음 깊은 곳을 살펴볼 수 있다. 궁극적으로, 이해관계자와 조직/브랜드 사이의 관계는 합리적이기보다 감정적이다. 사람들은 종종 민종지학적 작업을 설명하기 위해 ‘스토리’라는 용어를 사용하는 것을 불편해 한다. 업계 뿐만아니라 학계에서도 많은 사회학자들이 '스토리'의 사용을 기피하는 데 이는 스토리를 ‘일화 (anecdotes)’와 혼돈할뿐만아니라, 스토리라는 용어를 사용함으로써 질적 작업이 덜 과학적으로 보이게 하기 때문이다. 사회학 프로그램에서 교수들은 종종 '스토리' 대신 '사례'를 사용하는 것을 강조했다. 하지만 ‘일화’와 ‘스토리’에는 큰 차이가 있다. 일화는 자연스럽게 공유되는 이야기들인 반면, 스토리는 연구 맥락 안에서 의도와 목적을 바탕으로 수집되고 체계적으로 샘플링되고 공유, 보고, 분석되어 통찰력(학계에서의 분석)을 생성한다. 이러한 통찰력은 디자인, 전략, 혁신을 고무한다.

Reference: Wang, T. (2016) Why Big Data Needs Thick Data. Available at: https://medium.com/ethnography-matters/why-big-data-needs-thick-data-b4b3e75e3d7