“현장에서 데이터를 입력하라고 했는데 왜 아무도 제대로 입력하지 않을까?” 많은 기업에서 반복되는 질문이다.시스템은 도입했는데 데이터는 계속 비어 있다.엑셀도 있고 CRM도 있는데 결국 담당자가 따로 메모를 남긴다.그래서 보고서는 항상 수작업으로 만들어진다. 이 문제는 직원의 태도 문제가 아니다.대부분 데이터 입력 기준이 설계되지 않았기 때문이다. 현장에서 실제로 발생하는 상황 수도권에 있는 한 유통 기업 사례다. 연매출 약 120억

소상공인 고객 재방문율 계산 구조 만들기 재방문 고객이 많은 것 같은데, 왜 실제 매출은 불안정할까.단골이 있다고 말하지만, 몇 명이 언제 다시 오는지는 답하지 못하는 경우가 많다.문제는 고객이 없는 것이 아니라, 재방문을 계산하는 구조가 없는 데서 시작된다.이 글은 마케팅 문구를 늘리는 방법이나 이벤트 아이디어를 다루지 않는다.지금 필요한 것은 “다시 오는 고객”을 느낌이 아니라 숫자로 잡는 구조다.

AI 자동화 기획 없이 시작하면 생기는 문제 AI 자동화를 시작하는 기업은 늘고 있다. 하지만 실제 현장에서 보면 결과가 나오는 경우는 많지 않다. 자동화는 했는데 업무는 그대로인 경우도 많다. 데이터는 늘어나는데 의사결정 속도는 느려지기도 한다. 대부분 기술 문제가 아니라 설계 문제에서 시작된다. 이 글은 AI 도구나 기술 선택을 설명하지 않는다. 어떤 모델을 쓰는지, 어떤 플랫폼이 좋은지

지식을 많이 아는 사람이 아니라 문제를 구조로 재정의할 수 있는 사람을 만든다(learning) 우리는 왜 강의를 들으면 해결될 것이라 생각하는가? “이 과정을 들으면 실무가 정리되겠죠?”“전문가 강의를 들었으니 방향은 잡혔습니다.”“좋은 내용을 많이 배웠습니다.” 나는 강의를 부정하지 않는다.지식은 분명히 필요하다.현장의 언어를 확장해주고, 시야를 넓혀준다. 그러나 나는 늘 묻는다. 그 강의를 듣고 나서문제를 새롭게 정의할 수 있는가? 지식을 아는