'데이터로 미리 보는 매출' 수익 예측과 전략적 의사 결정의 중요성

데이터 거버넌스, 엔지니어링, 통합을 담당하는 데이터 과학자와 기술자는 전략적 의사 결정을 위해 데이터 분석과 AI를 사용할 기회를 찾아야 한다. 재무, 마케팅, 영업 부서 모두 현금 흐름 추적, 광고 캠페인 관리, 판매 잠재 고객 우선순위 지정 같은 중요한 사용례를 보유하고 있다.

모든 부서가 수익 예측 모델에 입력을 제공하고 예산을 관리하기 때문에 수익 예측은 모든 비즈니스 책임자가 관심을 갖는 분야다. 하지만 매출을 정확하게 예측하는 것은 매우 어려운 일이다. 영업 성과 관리 업체 잭틀리(Xactly)의 2024 매출 예측 벤치마킹 보고서에서 응답자의 43%는 매출 예측이 일반적으로 10% 이상 빗나갔다고 답했고, 38%는 데이터 품질 문제를, 35%는 예측 프로세스가 너무 오래 걸렸다고 답했다.

ⓒ Getty Images Bank

잭틀리 CEO 아르납 미쉬라는 “예측은 모든 기업의 재무적 성공을 위해 필수적이지만, 종종 상당한 어려움을 겪는다"라고 말했다. “영업 및 재무팀은 예측을 할 때 과거 CRM 또는 실적 데이터에 액세스할 수 없는 보고 시스템, 파이프라인 데이터의 출처에 대한 불확실성 등 일반적인 장애물에 직면한다. 가장 성공적인 기업에는 혁신적인 예측 기술 솔루션을 통합하고 정확한 예측을 우선시하는 영업 및 재무 책임자가 있다.”

기업에서는 일반적으로 수익 예측 모델, 대시보드, 보고서, 권장 조치를 개발하는 재무 계획 및 분석(FP&A) 전문가를 배치한다. 상장 기업은 SEC 재무 보고 지침과 규정을 따라야 하며, 전문 재무 보고 도구를 활용하고 머신러닝 모델을 활용하며 여러 예측을 생성하는 경우가 많다. 소규모 기업은 규칙 기반 접근 방식과 셀프 서비스 비즈니스 인텔리전스 도구를 사용하여 예측을 개발하는 것을 선호할 수 있다.

데이터 전문가는 비즈니스 통찰력을 개발하고 고객으로서 FP&A 전문가와 협력해야 한다. 데이터, 모델링, 분석 및 예측 목표에 대한 목표를 이해하고 협력하면 데이터 팀이 기업에 비즈니스 가치를 제공하는 데 도움이 된다.

수익 예측을 위한 단계

수익 예측은 거시적인 수준에서 이루어지며, 기업은 지침을 구하고 상장 기업은 다음 분기 및 연도에 대한 예측을 발표한다. 또한 각 사업부, 제품 라인 및 지역에 대한 수익을 예측하는 기업도 많다.

수익 예측에는 다음 단계가 포함된다. FP&A 전문가가 일반적으로 예산 수립 과정, 전략적 의사 결정 시점, 주요 비즈니스 변화 또는 외부 요인이 있을 때 수행하는 단계다.

1. 데이터는 ERP, CRM, 마케팅 자동화 플랫폼, 고객 서비스 도구 등의 내부 소스와 경제 요인, 고객 수요, 규제 변화, 기후 예측, 정치적 요인 등의 외부 소스에서 수집한다.
2. 분석에 필요한 데이터 세트와 세그먼트를 고려하기 위해 분석 기간이 선택된다.
3. 비즈니스의 공급망 요인, 전략적 결정, 노동 조건, 기타 글로벌 및 로컬 이벤트 등 성장을 가속화하거나 저해할 수 있는 외부 요인, 제약 조건 및 기타 위험을 검토한다.
4. 기존 고객, 수익원, 신규 고객 주문의 수익을 예측하기 위해 도구와 예측 모델을 선택한다. 수익 모델링에는 기존 수익의 변화를 예측하는 하향식 접근 방식과 영업 파이프라인을 고려하는 상향식 접근 방식이 사용될 수 있다. 다양한 계획 시나리오를 고려하기 위해 여러 모델을 생성하고 외부 예측과 비교하여 벤치마킹하는 경우가 많다.
5. 완성된 모델은 경영진에게 제시되고, ERP, CRM 및 기타 계획 도구에 연결하여 리소스를 조정하고 정확성을 모니터링한다.

기본적으로는 간단하지만 정확한 예측을 하는 데는 어려움이 많다. 데이터 및 분석 팀이 이 프로세스를 지원할 수 있는 방법에는 여러 가지가 있다.

깨끗하고 중앙 집중화된 데이터 확보는 전제 조건

데이터를 중앙 집중화, 정리, 통합하고 데이터 부채를 해결하는 것은 데이터옵스 및 데이터 거버넌스 전문가의 주요 책임이다. 이러한 분야가 없으면 FP&A 전문가는 회사의 데이터 소스에 대한 신뢰를 잃고 데이터 랭글링에 더 많은 시간을 소비하게 되어 정확한 모델을 개발하는 데 집중할 수 없게 된다.

ⓒ Getty Images Bank

문서 자동화 및 계약 관리 업체 콩가(Conga)의 최고 제품 책임자 그랜트 피터슨은 “AI가 부상함에 따라 대부분의 기업은 시스템과 데이터에서 더 많은 가치를 창출하는 방법을 이해하기 위해 노력하고 있다"라고 말했다. “최대한의 가치를 얻는 핵심은 데이터의 범위와 구성, 추가 데이터 소스를 통합하는 능력, 통합 도구와 시스템의 능력이다. 기업은 의사 결정을 지원하고 수익을 정확하게 창출하기 위해 데이터를 수집할 수 있는 종합적인 솔루션이 부족하다.”

데이터 전문가는 FP&A 전문가가 쉽게 활용할 수 있는 최고 품질의 데이터를 제공하기 위해 다음과 같은 전략을 고려해야 한다.

• 대기업은 여러 엔터프라이즈 및 SaaS 플랫폼에 대한 액세스를 중앙 집중화할 수 있도록 데이터 패브릭에 투자하는 것이 좋다.
• 데이터옵스 팀은 강력한 실시간 데이터 파이프라인을 개발하고 최적화할 데이터 품질 메트릭의 하위 집합을 선택해야 한다.
• 데이터 거버넌스 책임자는 데이터 카탈로그를 최신 상태로 유지하고 FP&A 전문가의 요구 사항을 충족해야 한다.
• 데이터 및 분석 책임자는 시민 데이터 과학 프로그램에 대한 거버넌스를 수립하고 FP&A 전문가를 주요 참여자로 고려해야 한다.
• 데이터 과학자는 애자일 데이터 관행, 데이터 과학의 디자인 사고, 모델옵스에 대한 지침과 표준을 수립하여 모델링 노력에서 FP&A 전문가와 협력해야 한다.

성장 예측의 과제

데이터 전문가는 특히 성장을 예측할 때 FP&A 전문가가 직면하는 몇 가지 과제에 대해서도 배워야 한다. 이러한 예측을 위해서는 판매 파이프라인, 공급망, 경제적 요인에 관한 데이터를 투명한 방식으로 조인하고 모델링하여 신뢰할 수 있는 결과를 도출해야 한다.

예측에는 종종 추가적인 데이터 품질 고려 사항과 데이터 계보 관행이 필요하므로, 데이터옵스와 데이터 거버넌스 책임자는 데이터 품질 문제를 파악할 때 FP&A 주요 이해관계자를 고려해야 한다. 예를 들어, 스프레드시트를 사용하여 데이터 문제를 해결하는 것은 오류가 발생하기 쉽고, 예측을 지연시키고, 협업을 제한하며, 투명성 문제를 일으킨다. 영업 데이터에 의존하는 예측은 영업 전문가가 CRM에서 작업하는 방식과 시기로 인해 발생하는 적시성, 정확성 및 기타 데이터 품질 문제를 검토해야 한다.

문서 자동화 및 주문 관리 소프트웨어 업체 에스커(Esker)의 전략 프로젝트 글로벌 이사 스티브 스미스는 “데이터 품질은 매출 예측, 특히 성장 예측에 있어 큰 역할을 한다. 기존 매출을 예측하는 것은 간단하지만, 미래 성장을 위해 과거 매출 예측에 의존하는 것은 잠재적인 편향이나 불완전한 데이터로 인해 문제가 될 수 있다. 또한 여러 번의 결재가 필요한 복잡한 판매 주기와 시장 변동성은 주문 예측의 타이밍과 정확성을 더욱 방해한다”라고 설명했다.

또한 예측은 기업 외부의 요인도 고려해야 하며 경제, 고객 및 기타 트렌드에 대한 서드파티 데이터 소스를 활용해야 한다. 성장 예측을 가능하게 하려면 뉴스 소스와 같은 비정형 데이터 소스를 포함한 새로운 데이터 소스를 평가, 프로파일링 및 통합하는 것이 중요하다.

AI 데이터 분석 솔루션 업체 레이턴트뷰(LatentView)의 최고 고객 책임자 크리슈난 벤카타는 “예측 모델은 전통적으로 마케팅 지출 및 고객 수와 같은 내부 데이터 소스에 크게 의존한다. 이러한 내부 지표는 매우 중요하지만 예측에 큰 영향을 미칠 수 있는 외부 데이터 입력을 통합하지 못하는 경우가 많다”라고 지적했다.

벤카타는 사용자의 관심사 변화를 위한 외부 트렌드 데이터, 실시간 감정 분석을 위한 소셜 미디어, 시장 영향을 위한 관련 뉴스나 이벤트를 데이터 소스로 통합할 것을 권장했다. 또한 올바른 데이터 소스를 통해 “기업은 잠재적인 혼란과 트렌드를 보다 포괄적으로 파악하여 예측의 효율성은 물론 전략적 의사 결정과 시장 포지셔닝을 개선할 수 있다”라고 말했다.

매출 라이프사이클 관리를 위한 도구

데이터 과학자는 수익 예측을 위한 머신러닝 모델을 만드는 데 열성적일 수 있지만, 실수일 수도 있다. 많은 수익 예측 도구에는 FP&A 워크플로우를 지원하는 협업, 주석 및 자문 기능이 포함된다. SAP 매출 성장 최적화, 워크데이 적응형 플래닝, 마이크로소프트 다이나믹 세일즈, 넷스위트(Netsuite) 같은 예측 기능은 엔터프라이즈 ERP 및 영업 플랫폼에 연결된다. 수익 라이프사이클 관리 기능은 수익 예측을 위한 입력 데이터를 제공하고, 견적에서 현금으로 전환 및 계약 관리와 같은 워크플로를 통해 예측의 정확성을 개선한다.

콩가의 피터슨은 “AI를 기반으로 하는 오픈소스 수익 라이프사이클 관리 플랫폼과 개방형 통합 데이터 솔루션은 AI 기반 수익 인사이트를 통해 기업을 혁신하고, 수익 라이프사이클에 관련된 여러 부서 간 협업을 개선하며, 단일 소스를 통해 전체적인 의사 결정을 촉진할 수 있도록 지원한다”라고 설명했다.

데이터 전문가는 기업에서 수익을 예측하고 예측 분석을 사용하여 전략적 의사 결정을 내리는 방법에 대해 자세히 알아봐야 한다. 시작하기 좋은 방법은 다음 사항과 함께 예측을 담당하는 사람이 누구인지 검토하는 것이다.

• 이들이 제공하는 예측의 유형
• 이들이 활용하는 데이터 세트
• 예측을 제공하는 빈도 및 일정
• 해결해야 하는 데이터 품질 문제
• 사용하는 데이터 모델
• 워크플로우에 중요한 기술

데이터 과학자, 엔지니어, 거버넌스 전문가는 예측을 위해 협업하고, 데이터를 중앙 집중화하고, 데이터 품질을 개선하고, 모델링 및 시각화에 관한 전문 지식을 공유함으로써 상당한 가치를 제공할 것이다.
editor@itworld.co.kr

Isaac Sacolick editor@itworld.co.kr
저작권자 한국IDG & ITWorld, 무단 전재 및 재배포 금지