데이터는 매일 쌓이는데, 왜 의사결정은 여전히 느릴까?(Decision-Making Delay)
보고서는 늘어나는데, 결정은 회의 다음 회의로 넘어가는 이유는 무엇일까?
이 글은 데이터 분석 기법을 설명하려는 글이 아니다.
대시보드 도구를 비교하거나 AI 도입을 권하는 글도 아니다.
현장에서 반복되는 한 가지 구조적 문제를 점검하기 위한 정리다.
1. 데이터는 많은데, 판단 기준은 있는가
많은 조직이 이렇게 말한다.
“우리 회사는 데이터가 부족하지 않다.”
매출 데이터가 있다.
광고 성과도 추적한다.
고객 유입 경로도 알고 있다.
생산 현장에는 불량률 기록이 쌓여 있다.
그런데 묻는다.
그 데이터 중,
이번 주에 무엇을 바꿀지 결정하는 기준은 무엇인가?
데이터가 많다는 것과
의사결정 기준이 명확하다는 것은 다른 문제다.
대부분의 조직은
“데이터는 수집했지만, 무엇을 기준으로 판단할지 정의하지 않았다.”
이 지점에서 속도가 멈춘다.
2. 실제 사례: 매출 30억 규모 B사
수도권에 위치한 매출 30억 규모의 가상 제조기업을 가정해보자.
직원은 22명.
ERP를 사용하고 있고, 월간 리포트도 자동으로 생성된다.
문제는 매출 감소였다.
3개월 연속 8% 하락.
대표는 데이터를 보자고 했다.
재무팀은 매출 추이를 정리했다.
영업팀은 거래처별 매출 변동표를 제출했다.
생산팀은 생산량과 재고 데이터를 정리했다.
자료는 충분했다.
하지만 회의는 이렇게 끝났다.
- “시장 전체가 어려운 것 같다.”
- “광고를 좀 더 늘려보자.”
- “거래처 방문을 늘려보자.”
결정은 나왔지만,
근거 기반의 선택은 아니었다.
왜일까?
3. 문제 정의: 데이터와 결정이 연결되지 않는다
문제는 단순하다.
데이터 → 해석 → 선택 → 실행
이 흐름이 끊어져 있다.
대부분 조직은
데이터 수집 단계까지는 자동화되어 있다.
그러나 다음 단계가 없다.
- 어떤 지표가 “이상”인가?
- 어느 수준부터 “조치”가 필요한가?
- 책임자는 누구인가?
- 실행 기한은 언제인가?
이 질문이 정의되어 있지 않으면
데이터는 참고 자료에 머문다.
속도가 느린 이유는
정보 부족이 아니라
판단 구조 부재다.
4. 흔히 하는 착각
많은 조직이 이렇게 생각한다.
- 대시보드가 더 정교하면 빨라질 것이다.
- AI 분석을 붙이면 해결될 것이다.
- 데이터를 더 세분화하면 원인이 보일 것이다.
그러나 실제로 느린 조직을 보면
문제는 기술이 아니다.
결정 기준이 없다.
예를 들어:
- 매출이 5% 감소하면 경고인가?
- 10% 감소하면 구조 점검인가?
- 특정 거래처 매출이 20% 하락하면 방문인가?
- 광고 ROAS가 200% 아래로 떨어지면 중단인가?
이 기준이 사전에 정의되어 있지 않으면
매번 회의에서 다시 토론한다.
결정은 반복 검토로 밀린다.
5. 구조로 재정리
데이터 기반 의사결정이 느린 조직의 공통 구조는 다음과 같다.
[현재 구조]
- 데이터 수집
- 리포트 생성
- 회의
- 토론
- 모호한 합의
- 실행 불명확
이 구조의 핵심 문제는
3번 이후가 비표준이라는 점이다.
[재정의 구조: 4단계 결정 모델]
1단계. 핵심 KPI 3~5개만 정의
2단계. 각 KPI에 임계값 설정
3단계. 임계값 초과 시 자동 조치 규칙 정의
4단계. 책임자와 기한 명확화
예시:
- 월 매출 -7% 이상 하락 → 원인 분석 리포트 48시간 내 제출
- 광고 ROAS 180% 이하 → 즉시 캠페인 중단 후 대체안 제출
- 불량률 3% 초과 → 생산 라인 점검 회의 24시간 내 개최
이렇게 되면
회의는 토론이 아니라
조치 확인 과정이 된다.
속도는 자연히 빨라진다.
6. 왜 기준을 만들지 않는가
여기에는 세 가지 이유가 있다.
- 책임 회피
기준을 만들면 누군가 책임져야 한다. - 불확실성 회피
시장은 변한다는 이유로 기준 설정을 미룬다. - 감각 의존 문화
“대표가 보면 안다”는 방식이 남아 있다.
그러나 감각은 필요하지만
구조를 대체할 수는 없다.
감각은 방향을 잡고
구조는 실행을 고정한다.
7. 당장 점검해야 할 5가지
실무에서 바로 점검할 항목이다.
- 우리 조직의 핵심 KPI는 5개 이하인가?
- 각 KPI에 수치 기준이 있는가?
- 기준 초과 시 자동 조치 프로세스가 정의되어 있는가?
- 회의 결과가 행동 항목으로 전환되는가?
- 실행 기한과 책임자가 기록되는가?
이 중 2개 이상이 “아니오”라면
데이터가 있어도 느릴 가능성이 높다.
8. 소상공인 사례로 보면
매출 5억 규모의 동네 음식점을 가정해보자.
POS 데이터는 있다.
요일별 매출도 안다.
재방문 고객 비율도 계산 가능하다.
하지만 이렇게 운영한다.
- “요즘 손님이 줄었다.”
- “날씨 때문인 것 같다.”
- “광고를 한 번 해보자.”
여기에도 기준이 없다.
예를 들어:
- 평일 평균 매출 15% 하락 → 단골 문자 발송
- 재방문율 40% 이하 → 메뉴 구성 점검
- 특정 메뉴 판매량 20% 감소 → 가격/구성 재검토
이 정도만 정의해도
의사결정 속도는 달라진다.
9. 조사 필요 영역
다음 영역은 조직별로 구체적 검증이 필요하다.
- 업종별 평균 KPI 변동 허용 범위
- 매출 감소 대비 평균 대응 시점
- 중소기업 의사결정 소요 평균 기간
- KPI 수와 의사결정 속도의 상관관계
이 부분은 산업별 데이터 조사 후 보완이 필요하다.
10. 마무리
데이터가 있는데도 느린 조직은
정보가 부족한 것이 아니다.
판단 기준이 정의되지 않았다.
속도를 높이고 싶다면
도구를 바꾸기 전에
임계값과 조치 규칙부터 정의해야 한다.
다음 회의 전에
한 가지라도 기준을 숫자로 고정해볼 수 있을까?
그 작은 정의가
의사결정 속도를 바꾼다.
AI현장감독 이동주는 AI 도입 과정에서 반복되는 구조 문제를 연구한다.
AI adoption failure를 기술 문제가 아닌 설계와 흐름의 문제로 바라본다.
Fieldbly에서 현장 사례를 기반으로 정리하고 있다.
(homepage) http://www.fieldbly.com