전문가의 인사이트를 바탕으로 한 최신 기술 뉴스
Think 뉴스레터를 통해 AI, 자동화, 데이터 등 가장 중요하고 흥미로운 업계 동향에 대한 최신 소식을 받아보세요. IBM 개인정보 보호정책을 참조하세요.
오늘날 AI 기반의 데이터 중심 문화에서는 모든 직급의 직원에게 기본적인 데이터 리터러시 기술이 매우 중요합니다. 조직은 그 어느 때보다 더 많은 데이터를 생성하고 수집하고 있습니다. IDC에 따르면 전 세계 데이터 생성량은 2025년에 181제타바이트에 이를 것으로 예상됩니다. 더 이상 데이터 과학자나 머신 러닝 엔지니어만이 이러한 정보를 활용해 데이터 기반 의사결정을 수행하는 것은 현실적이거나 전략적이지 않습니다.
그러나 데이터 리터러시를 갖추기 위해 반드시 데이터 과학자가 될 필요는 없습니다. 오히려 이는 개인이 자신의 역할에서 데이터를 효과적으로 활용해 분석 정보를 도출하고 더 현명한 의사결정을 내릴 수 있는 자신감과 기술 역량을 갖추고 있음을 의미합니다. 또한 점점 더 많은 경우에 이는 AI 툴에 질의하고 AI가 생성한 분석 정보를 해석할 수 있는 능력을 의미하기도 합니다.
기술 발전은 조직 전반에서 데이터 접근의 대중화를 지원하고 있으며, 이는 데이터 리터러시 문화의 핵심 요소 중 하나입니다. 비즈니스 인텔리전스(BI) 대시보드, 자연어 쿼리 및 사용자 친화적인 인터페이스는 데이터를 이해하는 데 강력한 툴입니다. 그러나 이러한 툴 역시 탐색, 해석 및 효과적인 활용을 위해 기본적인 데이터 리터러시를 요구합니다.
IBM® SkillsBuild로 데이터 역할에 필요한 핵심 기술 구축: 무료로 학습을 시작하세요.
데이터 환경은 수집부터 분석, 시각화에 이르기까지 데이터 라이프사이클의 모든 단계를 지원하는 강력한 툴로 가득 차 있습니다. 동시에 조직은 전례 없는 규모의 데이터를 수집하고 생성하고 있습니다. 이러한 추세는 함께 잠재적인 분석 정보가 풍부한 환경을 만들어내고 있습니다.
그러나 이러한 툴을 사용하고 데이터를 효과적으로 해석할 수 있는 기술이 없다면 조직은 데이터 이니셔티브의 비즈니스 영향(또는 그 부재)에 실망할 수 있습니다.
2025년 연구에 따르면 미국 및 영국 리더의 40%는 생산성 저하를, 39%는 부정확한 의사결정을 불충분한 데이터 리터러시 기술의 주요 위험 요소로 꼽았습니다.1 이러한 위험에도 불구하고 높은 수준의 데이터 리터러시를 갖추고 있다고 답한 조직은 27%에 불과했습니다.2
강력한 데이터 기술에 대한 필요성은 AI 시대에 더욱 커지고 있습니다. 조직은 AI 툴이 데이터를 사용해 의사결정을 내리는 방식을 이해하고, 유용한 분석 정보를 결함이 있거나 잠재적으로 해로운 권장 사항과 구분할 수 있는 데이터 리터러시 역량을 갖춘 직원을 점점 더 원하게 될 것입니다. (이 때문에 데이터 리터러시는 AI 리터러시의 핵심 역량으로도 간주됩니다.)
2025년 보고서에서 경영진의 41%는 데이터 리터러시를 지난 5년간 가장 빠르게 성장한 기술 역량으로 꼽았습니다.3 그렇다면 이 기술 역량에는 정확히 무엇이 포함될까요?
MIT 연구진에 따르면 데이터 리터러시는 다음과 같은 4가지 핵심 역량으로 구성됩니다.4
- 데이터 읽기
- 데이터 활용
- 데이터 분석
- 데이터 기반 커뮤니케이션
데이터에 액세스할 수 있게 되면 개인은 데이터 세트가 어디에서 생성되었는지, 그리고 그것이 특정 비즈니스 컨텍스트 내에서 어떻게 활용되는지를 이해할 수 있어야 합니다. 또한 오해를 받거나 잘못된 결론을 내릴 위험 없이 데이터 시각화를 해석할 수 있어야 합니다.
데이터 리터러시 역량을 갖춘 직원은 데이터 라이프사이클 전반에서 데이터를 다룰 수 있습니다. 이러한 기술에는 데이터 관리 작업의 일환으로 다양한 수준의 데이터 수집, 데이터 품질 및 데이터 스토리지 기술이 포함될 수 있습니다.
모든 사람이 고급 데이터 분석 및 데이터 과학 전문 지식을 가질 필요는 없습니다. 그러나 데이터 리터러시 역량을 갖춘 직원은 일상 업무를 지원하기 위한 비판적 사고 및 분석 기술을 갖추고 있어야 합니다. 이러한 기술은 기본적인 Excel 보고서 및 그래프 작성부터 예측 분석 또는 통계 분석과 같은 고급 분석 기술 활용까지 다양할 수 있습니다.
스토리 맥락을 효과적으로 전달할 수 있을 정도로 데이터를 이해하는 능력은 데이터 스토리텔링이라고 하는 중요한 기술입니다. 이 기술을 갖춘다는 것은 숫자, 지표 및 시각 자료를 활용해 설득력 있고 영향력 있는 스토리를 구성하여 행동을 이끌어내는 것을 의미합니다. 데이터 스토리텔링에 대해 자세히 알아보기.
전통적인 리터러시와 마찬가지로 데이터 리터러시는 개인을 넘어 더 광범위한 이점을 제공합니다. 데이터 리터러시 문화를 갖춘 조직은 다음과 같은 이점을 얻을 수 있습니다.
- 사일로 감소
- 향상된 데이터 개인정보 보호 및 보안
- 비용 절감
- 고도화된 의사결정
사일로 감소
데이터 리터러시 역량을 갖춘 조직은 명확한 커뮤니케이션 및 지식 공유 흐름을 촉진합니다. 팀은 더 넓은 비즈니스의 요구 사항과 자신의 업무가 조직 목표에 어떻게 기여하는지를 이해합니다. 데이터 사일로를 해소함으로써 다양한 팀은 데이터를 동기화하여 활용하고 조직의 더 큰 미션에 맞춰 노력을 조율할 수 있습니다.
향상된 데이터 개인정보 보호 및 보안
비용 절감
데이터가 더 이상 기능별 수준에 갇혀 있지 않게 되면 이해관계자는 의미 있는 분석 정보를 더 빠르게 도출할 수 있습니다. 또한 직원이 기본적인 데이터 작업을 직접 수행할 수 있는 기술을 갖추게 되면 기술 팀은 시간과 전문 역량을 보다 효과적으로 활용할 수 있습니다. 이러한 효율성은 비용 절감과 생산성 향상으로 이어집니다.
고도화된 의사결정
데이터 리터러시 역량을 갖춘 직원은 컨텍스트 내에서 데이터를 해석하는 능력이 뛰어나며, 이를 통해 비즈니스 부서는 영향력 있는 데이터 기반 의사결정을 내릴 수 있습니다. 조직 전반에서 이러한 수준의 호기심과 데이터 활용은 더 큰 창의성과 혁신을 촉진할 수 있습니다.
효과적으로 구현된 데이터 리터러시 문화는 다음 원칙을 보여주어야 합니다.
- 기업 전반의 데이터 접근 대중화
- 체계적이고 투명하며 설명 가능한 데이터
- 책임감 있게 데이터를 활용하고 분석할 수 있도록 교육받은 데이터 시민 역량 강화
- 데이터 리터러시를 주도하고 지원하는 리더십
1. 기업 전반의 데이터 접근 대중화
데이터 리터러시 조직에서는 데이터가 필요한 사람이 필요한 시점에 데이터를 사용할 수 있습니다. 이를 위해서는 복잡하고 사일로화된 데이터 에코시스템 전반에서 거버넌스가 적용된 데이터에 빠르고 안전하며 간편하게 액세스할 수 있도록 지원하는 아키텍처가 필요합니다.
예를 들어 데이터 패브릭은 지능형 자동화 시스템을 사용해 조직의 온프레미스 및 멀티클라우드 환경 전반의 데이터를 통합합니다. 이 기능은 데이터 사일로 및 증가하는 데이터 볼륨과 같은 문제를 해결하는 동시에 간편한 셀프 서비스 데이터 액세스를 지원합니다.
데이터 인텔리전스는 데이터 리터러시를 위한 데이터 접근성을 더욱 지원합니다. 이는 메타데이터 관리, 데이터 검색, 데이터 거버넌스, 품질 보증 및 데이터 분석과 같은 핵심 데이터 활동을 자동화하고 간소화합니다.
2. 체계적이고 투명하며 설명 가능한 데이터
조직이 거버넌스 기반 데이터 액세스를 구축한 이후에는 의사결정자가 데이터가 시스템 전반에서 어떻게 이동하는지를 이해하도록 지원하는 것이 중요합니다. 예를 들어 거버넌스 툴은 메타데이터를 사용해 컨텍스트와 계보를 보여줌으로써 투명성을 제공합니다. 이러한 툴은 팀 간 데이터 정의와 용어를 표준화하는 데에도 도움을 줍니다.
데이터가 체계적이고 투명하며 설명 가능할 때 사람들은 데이터의 가치와 자신의 역할에서 이를 어떻게 활용할 수 있는지를 더 쉽게 이해할 수 있습니다. 이러한 투명성과 이해를 지원하기 위해 사용자는 다음과 같은 핵심 질문에 답할 수 있는 액세스 권한, 정보 및 툴을 갖추어야 합니다.
- 데이터 소스는 무엇이며 신뢰할 수 있는가?
- 어떤 메타데이터, 규칙 및 규정 준수 정책이 적용되는가?
- 이 데이터는 비즈니스 가치와 성과 창출에 어떻게 기여하는가?
3. 책임감 있게 데이터를 활용하고 분석할 수 있도록 교육받은 데이터 시민 역량 강화
IBM 기업가치연구소(IBV)의 설문조사에 따르면, 선도적인 최고 데이터 책임자(CDO)의 85%는 교육을 확대하고 있으며, 77%는 직원 재교육을 진행하고 있고, 70%는 조직 전반의 데이터 리터러시 향상을 위해 새로운 인재를 채용하고 있습니다.
성공적인 데이터 리터러시 프로그램은 직원이 데이터를 실행 가능한 분석 정보로 이어지는 설득력 있는 시각적 스토리로 변환할 수 있도록 지원합니다. 데이터 리터러시 과정 및 교육은 데이터 시각화 툴 사용법과 실제 사용 사례 및 비즈니스 목표에 맞춘 스토리텔링 기법 등 실무적인 기술을 직원이 익힐 수 있도록 지원해야 합니다.
마찬가지로 중요한 점은 사용자가 책임감 있는 데이터 스튜어드가 되는 방법도 배워야 한다는 것입니다. 데이터 리터러시 역량을 갖춘 인력은 적절한 비즈니스 정책 및 관련 규정에 따라 자신 있게 데이터를 액세스, 저장 및 관리할 수 있습니다.
4. 데이터 리터러시를 지원하고 주도하는 리더십
2025년 보고서에 따르면 데이터 리터러시 교육 프로그램을 구현할 때 리더의 24%는 경영진 지원 부족을 문제로 꼽았으며, 이로 인해 전사적 도입을 추진하기 어렵다고 답했습니다.5
데이터 문화는 최고 경영진에서부터 시작됩니다. 직원에게 가이드라인, 자료, 교육 및 툴을 제공하는 것만으로는 충분하지 않을 가능성이 높으며, 고위 리더십의 지원도 필요합니다. 데이터 리터러시는 모든 수준에서 조직 문화와 조직 구조의 핵심 요소가 되어야 합니다.
실제로 리더는 바람직한 데이터 리터러시 기술의 모범을 보여야 하며, 그들의 행동이 조직 전체의 방향성을 결정하기 때문입니다. 또한 데이터 문화 및 실무 방식에 대한 피드백 기회를 제공하는 것도 중요합니다. 다양한 관점을 포함한 열린 대화를 장려하면 더 나은 결과를 만들어낼 수 있습니다.
리소스
직관적인 그래픽 인터페이스를 통해 스트리밍 데이터 파이프라인을 생성하여 하이브리드 및 멀티클라우드 환경 전반에서 완벽한 데이터 통합을 촉진합니다.
watsonx.data를 사용하면 오픈, 하이브리드 및 관리형 데이터 저장소를 통해 데이터의 위치와 관계없이 모든 데이터로 분석과 AI를 확장할 수 있습니다.
IBM Consulting을 통해 엔터프라이즈 데이터의 가치를 실현하여 비즈니스 이점을 제공하는 인사이트 중심의 조직을 구축하세요.
각주
1,3,5 The State of Data and AI Literacy Report 2025, DataCamp, 2025년 4월.
2 State of Data Report 2024, Hakkōda, 2024년.
4 Approaches to Building Big Data Literacy, MIT Media Lab, 2015년 9월 28일.