SK하이닉스의 스마트한 안전·보건 관리 ‘JEM시스템’

마지막 업데이트: 2022년 6월 3일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기

암호화폐 기초적 분석 설명

암호화폐 기초적 분석에는 금융 자산 정보를 자세히 살펴보는 과정이 포함됩니다. 예를 들어, 여러분은 해당 암호화폐의 활용 예시, 이용자 수, 프로젝트를 이끄는 팀을 살펴볼 수 있습니다.

기초적 분석의 목표는 자산이 과대평가 혹은 과소평가 되었는지를 파악하는 것입니다. 해당 단계에서 여러분의 인사이트를 활용하여 트레이딩 포지션을 고려할 수 있습니다.

암호화폐처럼 변동성이 큰 자산을 거래하는 데는 기술이 필요합니다. 학습 곡선에는 보통 전략 선택, 광범위한 트레이딩 세계에 대한 이해, 기술적, 기초적 분석을 마스터하는 것이 포함됩니다.

기술적 분석의 일부 전문 지식들은 전통 금융 시장에서 유래된 것입니다. 다수의 암호화폐 트레이더들이 외환, 주식, 상품 트레이딩에 사용되는 것과 동일한 기술적 지표를 사용합니다. RSI, MACD, 볼린저 밴드와 같은 도구는 어떤 자산을 거래하든 시장 추세를 살펴보는 데 사용됩니다. 이와 같은 기술적 분석 도구는 SK하이닉스의 스마트한 안전·보건 관리 ‘JEM시스템’ 암호화폐 세계에서도 무척이나 잘 알려져 있습니다.

암호화폐 기초적 분석은 전통 시장과 유사한 접근 방법을 사용하지만, 믿을 수 있다고 증명된 도구들을 암호화폐 자산을 평가하는 데도 사용하기는 어렵습니다. 암호화폐에 대한 적절한 기초적 분석을 진행하기 위해서는 어디에서 가치가 파생되는지를 이해해야 합니다.

이번 아티클에서는 여러분만의 지표를 만드는 데 사용할 수 있는 분석 방법들을 살펴볼 것입니다.

기초적 분석(FA)이란 무엇인가요?

기초적 분석은 자산 또는 기업의 "내재 가치"를 파악하기 위해 투자자들이 사용하는 접근 방법입니다. 기초적 분석의 주된 목표는 내부 및 외부 요소를 살펴봄으로써, 자산 또는 기업이 과대 평가 또는 과소 평가되었는지를 결정하는 것입니다. 이후 전략적으로 포지션을 개설 및 종료하는 데 이를 사용할 수 있습니다.

기술적 분석 또한 가치있는 트레이딩 데이터를 제공하지만, 이는 서로 다른 인사이트로 이어집니다. 기술적 분석 사용자는 자산의 과거 가격 동향을 통해 미래 가격을 예측할 수 있다고 생각합니다. 따라서 캔들스틱 패턴을 파악하고, 필수 지표들을 공부합니다.

전통적인 기초적 분석가들은 보통 기업 메트릭스를 통해 기업의 진정한 가치를 파악합니다. 주당순수익(한 기업이 각 미결 주식에 대해 얼마만큼의 이익을 창출하는지) 또는 주가순자산비율(투자자들이 회사를 자기 자본 비율 대비 어떻게 평가하고 있는지)과 같은 지표가 여기에 포함됩니다. 기초적 분석가들은 이를 틈새 시장 속에 있는 기업에 적용할 수 있는데, 이를 통해 자신이 향후 투자할 대상이 다른 대상과 어떤 관계에 있는지 파악하기도 합니다.

암호화폐 기초적 분석의 문제점

실제로 암호화폐 네트워크는 기존 사업을 평가하는 동일한 관점으로 평가될 수 없습니다. 비트코인(BTC)처럼 보다 탈중앙성을 제공하는 것일수록 상품(원자재)에 가깝습니다. 그러나 보다 중앙화된 암호화폐(기관에 의해 발행되는)라 할지라도 기존의 기초적 분석 지표는 많은 것을 말해주지 못합니다.

따라서 우리는 다른 프레임워크를 살펴봐야 합니다. 첫 번째 단계는 튼튼한 메트릭스를 찾는 것입니다. 여기서 튼튼하다는 것은 속임수를 쓰기가 쉽지 않다는 의미입니다. 트위터 팔로워 수나 텔레그램/레딧 사용자 수는 좋은 메트릭스는 아닐 것입니다. 가짜 계정을 만들거나 소셜 미디어 내 활동을 비용을 지불하고 이를 쉽게 구매할 수 있기 때문입니다.

우리가 평가하고 있는 네트워크에 대한 완벽한 그림을 제공할 수 있는 단일한 측정 방법은 존재하지 않는다는 점을 기억해야 합니다. 우리는 블록체인상의 활성 주소 숫자와 급격한 증가 여부를 살펴볼 수 있습니다. 그러나 그 자체로는 많은 것을 알 수는 없습니다. 이는 단독적인 행위자가 매번 새로운 주소로 자금을 주고 받는 것일 수도 있습니다.

다음 섹션에서는 암호화폐 기초적 분석 메트릭스의 세 가지 유형인 온체인 메트릭스, 프로젝트 메트릭스, 금융 메트릭스에 대해 살펴볼 것입니다. 이는 완벽한 목록은 아니지만, 이후의 지표를 생성하는 데 좋은 토대를 제공해 줄 것입니다.

온체인 메트릭스

온체인 메트릭스는 블록체인에서 제공하는 데이터를 통해 살펴볼 수 있는 지표입니다. 우리는 원하는 네트워크에 대해 자체적으로 노드를 실행하고, 데이터를 추출할 수 있습니다. 그러나 시간이 많이 걸리고, 상당한 비용이 필요할 수 있습니다. 특별히, 우리가 투자만을 고려하고 있으며, 이러한 시도에 시간이나 자원을 낭비하고 싶지 않다면 더욱 그럴 수 있습니다.

보다 간단한 솔루션은 투자 결정에 도움을 제공하기 위해 설계된 웹사이트 또는 API를 통해 정보를 획득하는 것입니다. 예를 들어, 코인마켓캡의 비트코인 온체인 분석은 상당히 많은 정보를 제공합니다. 코인메트릭스의 데이터 차트 또는 바이낸스 리서치 프로젝트 보고서 또한 살펴볼 수 있습니다.

트랜잭션 수

트랜잭션 수는 네트워크에서 발생하는 작업을 측정하는 좋은 척도입니다. 특정 기간(또는 이동 평균을 사용) 동안의 트랜잭션 수를 표시 함으로써, 시간에 따른 활동 변화를 살펴볼 수 있습니다.

이 메트릭스는 주의해서 사용해야 합니다. 활성 주소라 해도 특정 주체가 온체인 활동을 부풀리기 위해 자신의 지갑 사이에서 자금을 전송하는 것일 수 있습니다.

트랜잭션 가치

트랜잭션 수와 혼동하지 말아야 할 트랜잭션 가치는 특정 기간 내 얼마나 많은 금액이 거래되었는지를 보여줍니다. 예를 들어, 전체 10 이더리움 트랜잭션의 금액이 각 50달러에 해당하며 동일한 날에 전송되었을 경우, 일간 트랜잭션 거래량은 500달러였다고 말할 수 있습니다. 우리는 이를 USD와 같은 명목화폐를 통해 측정할 수 있으며, 또한 프로토콜의 기본 단위(ETH)를 통해 측정할 수도 있습니다.

활성 주소

활성 주소는 특정 기간 동안 활성화된 블록체인 주소입니다. 이는 다양한 방법으로 계산될 수 있지만, 가장 잘 알려진 방법은 특정 기간 동안(예를 들면, 며칠, SK하이닉스의 스마트한 안전·보건 관리 ‘JEM시스템’ 몇 주 혹은 몇 달)에 걸쳐 각 트랜잭션의 전송자와 수신자를 함께 계산하는 것입니다. 일부는 누적 고유 주소 수를 살펴보기도 하며, 이는 시간에 따른 전체 주소 수를 추적한다는 의미입니다.

지불 수수료

지불된 수수료는 블록 공간에 대한 수요를 보여줄 수 있으며, 이는 일부 암호화폐 자산에 있어 다른 자산에 비해 중요한 요소입니다. 우리는 이를 경매에서의 입찰과 유사한 것으로 생각할 수 있습니다. 참가자들은 자신의 트랜잭션을 적절한 시간 내에 포함시키기 위해 서로 경쟁합니다. 더 높은 입찰가를 제시하는 이의 트랜잭션이 더 빠르게 승인(마이닝 됨)될 것이며, 낮은 입찰가를 제시하는 이들의 트랜잭션은 더 오래 기다려야 할 것입니다.

암호화폐 발행이 일정에 따라 감소한다면, 이는 흥미롭게 살펴봐야 할 메트릭스입니다. 주요 작업 증명(PoW) 블록체인은 블록 보상을 지급합니다. 일부의 경우 이는 블록 보조금과 거래 수수료로 구성됩니다. 블록 보조금은 주기적으로 감소합니다(비트코인 반감기와 같은 사건을 통해).

시간이 지남에 따라 마이닝 비용이 증가하는 경향이 있지만, 블록 보조금이 서서히 줄어들기 때문에, 자연스럽게 트랜잭션 수수료가 높아지게 됩니다. 그렇지 않을 경우, 마이너는 손실을 보며 마이닝을 하다가 네트워크에서 이탈하기 시작할 것입니다. 이는 체인 보안에 연쇄적인 반응을 일으키게 됩니다.

해시레이트 및 스테이크 수량

오늘날 블록체인은 다양한 합의 알고리즘을 사용하며, 각각은 고유한 메커니즘을 갖고 있습니다. 이러한 합의 알고리즘이 네트워크 보안에 핵심적인 역할을 한다는 점을 감안할 때, 이와 관련된 데이터를 분석하는 것은 가치 있는 기초적 분석 요소가 될 수 있습니다.

해시레이트는 작업 증명 암호화폐 네트워크의 건강도를 측정하는 척도로 사용됩니다. 해시레이트가 높을수록, 51% 공격을 성공하기가 어렵습니다. 해시레이트가 계속해서 증가한다는 것은 마이닝에 대한 관심이 증가한다는 의미일 수 있으며, 이는 저렴한 간접 비용과 높은 수익 때문일 수 있습니다. 반대로, 해시레이트가 감소할 경우 마이너가 오프라인 상태로 전환한다는 의미("조건부 항복")이며, 이는 네트워크 보안을 유지하는 것이 더는 이득이 되지 않기 때문입니다.

전반적인 마이닝 비용에 영향을 미칠 수 있는 요소에는 자산 가격, 처리된 트랜잭션 수, 지불되는 수수료 등이 있습니다. 물론, 직접적인 마이닝 비용(전기세, 연산 능력) 또한 중요한 요소입니다.

스테이킹(지분 증명)은 작업 증명 마이닝과 유사한 게임 이론과 연관된 개념입니다. 그러나 메커니즘은 다르게 작동합니다. 기본 개념은 블록 검증에 참여하기 위해 사용자가 자신의 보유 자산을 스테이킹하는 것입니다. 우리는 특정 기간 동안 스테이킹 된 수량을 살펴보고 이자(또는 손실)를 예측해 볼 수 있습니다.

프로젝트 메트릭스

온체인 메트릭스가 관찰 가능한 블록체인 데이터와 관련되어 있는 반면, 프로젝트 메트릭스에는 팀의 성과(존재할 경우), 백서, 향후 로드맵과 같은 요인을 살펴보는 정성적 접근 방식이 포함됩니다.

프로젝트에 투자하기 전에는 백서를 읽어보는 것이 좋습니다. 백서는 암호화폐 프로젝트에 대한 개괄을 제시하는 기술 문서입니다. 좋은 백서는 네트워크 목표를 정의하고 있어야 하며, 이상적으로는 다음에 대한 인사이트를 제시해야 합니다.

  • 사용된 기술(오픈 소스 여부)
  • 목표를 통해 충족시키려는 활용 예시
  • 업그레이드 및 새로운 기능에 대한 로드맵 또는 토큰 공급 및 분배 계획

프로젝트에 대한 논의와 더불어 해당 정보들을 상호 참조하는 것이 좋습니다. 사람들은 프로젝트에 대해 어떻게 이야기하고 있나요? 어떤 위험 사항들이 존재하나요? 목표는 현실적으로 보이나요?

암호화폐 네트워크 뒤에 특정 팀이 존재한다면, 구성원의 지난 실적을 통해 해당 프로젝트를 통한 성과를 내기 위한 필요 역량을 팀이 보유하고 있는지 알아볼 수 있습니다. 구성원들은 이전에 해당 업계에서 성공을 거둔 적이 있나요? 이들의 전문 지식은 프로젝트 목표를 달성하기에 충분한가요? 이들은 의심스러운 프로젝트 또는 스캠에 연루된 적이 있나요?

만약 팀이 존재하지 않는다면, 개발자 커뮤니티는 어떤 상황인가요? 프로젝트가 공개 깃허브를 공유하고 있다면, 얼마나 많은 기여자가 존재하고, 얼마나 많은 활동이 이뤄지고 있는지 확인합니다. 꾸준하게 개발이 진행되는 코인이 2년 동안 저장소가 한 번도 업데이트되지 않은 프로젝트에 비해 더 나은 것일 수 있습니다.

좋은 백서는 암호화폐가 목표로 하는 활용 예시에 대한 개념을 제시해야 합니다. 이 단계에서 프로젝트의 경쟁사와 더불어 대체하고자 하는 기존 인프라를 파악하는 것이 중요합니다.

이상적으로 이에 대한 기초적 분석은 철저하게 진행되어야 합니다. 자산 그 자체로는 매력적으로 보일 수 있지만, 유사한 암호화폐에도 적용되는 동일한 지표를 통해 해당 자산은 취약한 것으로 나타날 수도 있습니다.

토크노믹스 및 초기 분배

일부 프로젝트는 문제 해결을 위한 솔루션으로 토큰을 발행합니다. 프로젝트 자체가 성공할 수 없다고 말할 수는 없지만, 이러한 맥락에서 관련 토큰이 유용하지 않을 수도 있습니다. 따라서 토큰의 실제 활용처가 있는지가 중요합니다. 더 나아가 이러한 활용이 더 큰 시장에서도 인식될 수 있는 것이며, 그러한 활용성을 얼마나 가치있게 평가할 것인지도 중요합니다.

여기서 또 하나 고려해야 할 중요한 요소는 초기 자금이 어떻게 분배되었는가 하는 것입니다. ICO 또는 IEO를 통해서였나요? 아니면 마이닝을 통해 얻을 수 있었나요? 전자의 경우, 백서는 재단과 팀이 어느 정도를 보유하고 있는지, 투자자들은 어느 정도를 사용할 수 있는지 개략적으로 설명해야 합니다. 후자의 경우, 자산 발행자가 사전 채굴(발표 이전에 네트워크에서 채굴)한 흔적은 없는지를 살펴볼 수 있습니다.

분배 양상을 살펴봄으로써 존재하는 모든 위험에 대해 생각해볼 수 있습니다. 예를 들어, 공급의 대다수를 소수의 주체만이 소유하고 있는 경우, 이는 위험한 투자라는 결론을 내릴 수도 있습니다. 해당 주체들이 결국 시장을 조작할 수 있기 때문입니다.

금융 메트릭스

자산이 현재 거래되는 방식, 이전 거래 기록, 유동성 등은 모두 기초적 분석에 유용할 수 있습니다. 그러나 암호화폐 자산 프로토콜의 경제학과 인센티브와 관련된 메트릭스 또한 이러한 유형에 포함될 수 있습니다.

시가총액(또는 네트워크 가치)은 유통량에 현재 가격을 곱해서 계산합니다. 기본적으로, 이는 해당 암호화폐 자산을 모두 구매(슬리피지는 없다고 가정) 할 때의 금액을 추정하는 것입니다.

시가총액만으로는 오해가 발생할 수 있습니다. 이론적으로, 천만 개의 공급량을 가진 쓸모없는 토큰을 발행하는 것은 간단한 일입니다. 토큰 중 하나가 1달러에 거래되었다면, 시가 총액은 1천만 달러가 됩니다. 이러한 가치는 당연히 왜곡된 것이며, 기반이 튼튼한 가치가 제안되지 않는다면 더 큰 시장에서 토큰은 외면당하게 될 것입니다.

이와 관련하여 한 가지 알아둘 것은 특정 암호화폐 또는 토큰이 얼마나 많이 유통되고 있는지를 정확히 파악하는 것은 불가능하다는 사실입니다. 코인은 소각될 수 있으며, 키가 분실될 수도 있고, 자금 보유 사실을 그저 잊어버릴 수도 있습니다. 그 대신 우리가 보는 것은 더 이상 유통되지 않는 코인을 걸러내고자 시도하는 근사치입니다.

그럼에도 불구하고 시가총액은 네트워크 성장 잠재력을 파악하는 데 광범위하게 사용됩니다. 일부 암호화폐 투자자들은 "시가총액이 작은" 코인이 "시가총액이 큰" 코인보다 성장 가능성이 높다고 생각합니다. 또 다른 이들은 시가총액이 높은 코인이 강력한 네트워크 영향력을 갖고 있으며 따라서, 적은 시가 총액의 잘 알려지지 않은 코인보다 더 크게 성장할 가능성이 있다고 생각합니다.

유동성 및 거래량

유동성은 자산을 얼마나 쉽게 사고팔 수 있는지를 나타내는 척도입니다. 유동적인 자산은 거래 가격에 판매하는 데 문제가 전혀 없는 자산입니다. 이와 관련된 개념인 유동적인 시장은 매도와 매수가 충분한 경쟁력을 갖춘 시장입니다(매수 매도 스프레드 간격이 좁음).

유동적이지 않은 시장에서 발생할 수 있는 문제는 "적정" 가격에 자산을 판매할 수 없다는 것입니다. 이는 거래를 진행할 구매자가 존재하지 않는다는 것이며, 따라서 매도가를 낮추거나 유동성이 증가하기를 기다려야 합니다.

거래량은 비유동성을 결정하는 데 도움이 되는 하나의 지표입니다. 이는 몇 가지 방법으로 측정될 수 있으며, 특정 기간 동안 얼마나 많은 자산이 거래되었는지를 보여줍니다. 일반적으로, 차트에는 일간 거래량이 표시됩니다(기본 통화 또는 달러로 표시).

기초적 분석의 맥락에서 유동성에 익숙해지는 것이 도움이 될 수 있습니다. 이는 궁극적으로 향후 투자에 관한 시장의 관심을 나타내는 하나의 지표 역할을 합니다.

공급 메커니즘

어떤 이들에게는 코인 또는 토큰의 공급 메커니즘이 투자 관점에서 가장 흥미로운 특성이기도 합니다. 실제로, 스톡 SK하이닉스의 스마트한 안전·보건 관리 ‘JEM시스템’ 투 플로우(S2F) 비율과 같은 모델이 비트코인 지지자들 사이에서 점점 더 많은 인기를 얻고 있습니다.

최대 공급량, 유통량, 인플레이션 비율을 통해 의사결정 정보를 내릴 수 있습니다. 일부 코인은 시간이 지남에 따라 발행되는 단위를 줄여가며, 해당 코인에 대한 수요가 유통량보다 많아질 것이라고 믿는 투자자들은 이를 매력적으로 생각하게 됩니다.

반면, 다른 투자자는 융통성 없이 통제되는 한도가 장기적인 관점에서 손해라고 SK하이닉스의 스마트한 안전·보건 관리 ‘JEM시스템’ 볼 수도 있습니다. 이는 코인/토큰 보유자가 이를 사용하도록 장려하지 않고, 보유하게 되는 것에 대한 우려일 수 있습니다. 또 다른 비판은 얼리 어답터들에게 불공평하게 보상을 주기 때문에, 꾸준한 인플레이션 정책이 신규 참여자들에게 보다 공정한 것이라 주장할 수 있습니다.

메트릭스 조합 및 기초적 분석 지표 생성

이제 몇 가지 기본적인 측정 방법들을 숙지했습니다. 이제 우리가 다루는 자산의 재정 건전성을 더 잘 이해하기 위해 이를 조합하는 방법에 대해 이야기해보도록 하겠습니다. 그 이유는 무엇일까요? 앞서 설명한 것처럼 모든 메트릭스에는 단점이 존재합니다. 뿐만 아니라, 각 암호화폐 프로젝트의 숫자들만을 살펴본다면, 중요한 많은 정보들을 간과하는 것입니다. 다음 상황을 살펴보도록 하겠습니다.

코인 A

코인 B

시가총액

트랜잭션 수(6개월)

평균 트랜잭션 가치(6개월)

활성 주소(6개월)

만약, 우리가 두 코인의 활성 주소만을 별개로 비교할 경우 아무런 핵심 정보를 얻을 수 없습니다. 우리는 분명 지난 6개월간 코인 A코인 B보다 활성 주소가 많았다고 이야기할 수 있지만, 이는 종합적인 분석과는 거리가 멉니다. 이 수치가 시가총액과 어떤 관련이 있을까요? 또는 트랜잭션 수와는 어떤 관계가 있을까요?

보다 신중한 접근 방식은 우리가 코인 A의 일부 통계치에 적용할 수 있는 일종의 비율을 만들고, 코인 B의 비율과 비교해 보는 것입니다. 이를 통해 SK하이닉스의 스마트한 안전·보건 관리 ‘JEM시스템’ 각 코인의 개별적인 메트릭스만을 맹목적으로 비교하지 않을 수 있습니다. 그 대신, 우리는 각 코인을 개별적으로 평가하는 기준을 만들 수 있습니다.

예를 들어, 우리는 시가총액과 트랜잭션 수의 관계를 통해 시가총액만을 통해 알 수 있는 것보다 훨씬 많은 것을 알 수 있습니다. 이 경우, 우리는 시가총액을 트랜잭션 수로 나눌 수 있습니다. 코인 A의 경우 비율은 5이며, 코인 B의 경우 비율은 0.125입니다.

이 비율만을 놓고 보면 계산된 숫자가 작기 때문에 코인 B의 내재 가치가 코인 A보다 높다고 생각할 수 있습니다. 이는 코인 B에서 시가총액 대비 훨씬 더 많은 트랜잭션이 발생하고 있다는 것입니다. 따라서 코인 B가 더 많은 사용성을 갖고 있을 수 있으며, 코인 A는 과대평가되었을 수 있습니다.

어떠한 관찰 결과도 투자 조언으로 해석되어서는 안 됩니다. 이는 단지 우리가 어떻게 더 큰 그림의 일부를 볼 수 있는지를 보여주는 예시일 뿐입니다. 프로젝트의 목표와 코인의 기능을 이해하지 못한다면, 코인 A의 비교적 적은 트랜잭션 수가 긍정적인 것인지 부정적인 것인지 판단할 수 없습니다.

NVT 비율(Network Value-to-Transaction ratio)은 암호화폐 시장에서 인기를 끌고 있는 이와 유사한 비율입니다. 분석가 윌리 우(Willy Woo)가 만든 것으로, 네트워크 가치 대 트랜잭션 비율(NVT)은 암호화폐 세계의 "주가수익률"이라 알려져 있습니다. 간단히 말해, 이는 시가총액(또는 네트워크 가치)을 트랜잭션 금액(보통 일간 차트상의)으로 나눈 것입니다.

우리는 사용할 수 있는 지표의 유형만을 살펴보고 있을 뿐입니다. 기초적 분석은 프로젝트의 전반적인 가치를 평가하는 데 사용할 수 있는 시스템을 개발하는 것입니다. 보다 우수한 리서치를 수행할수록, 더 많은 데이터를 처리해야 합니다.

암호화폐 기초적 분석을 SK하이닉스의 스마트한 안전·보건 관리 ‘JEM시스템’ 올바르게 진행하면 기술적 분석에서는 얻을 수 없는 무척이나 소중한 인사이트를 얻을 수 있습니다. 시장 가격을 네트워크의 "진짜" 가치와 구분하는 것은 훌륭한 트레이딩 기술입니다. 물론, 기술적 분석은 기초적 분석으로는 예측할 수 없는 것들을 말해주기도 합니다. 이것이 바로 오늘날 많은 트레이더들이 두 가지를 조합해서 사용하는 이유입니다.

다른 많은 전략과 마찬가지로, 완벽한 기초적 분석 방법은 존재하지 않습니다. 이번 아티클을 통해 암호화폐 자산의 포지션을 개설 및 종료하기 전에 고려해야 할 몇 가지 요소들을 이해하는 데 도움이 되었기를 바랍니다.

빅데이터로 구성원 안전과 건강을 책임지다_SK하이닉스의 스마트한 안전·보건 관리 ‘JEM시스템’

기업경영에서 일과 구성원의 건강은 떼어놓을 수 없는 관계다. 특히 다양한 자재와 물질을 취급하는 반도체 회사에서는 구성원의 안전과 건강은 그 자체로 기업의 핵심 역량이자 자산이다. 이에 SK하이닉스는 모든 구성원이 행복하고 건강한 직장생활을 영위할 수 있도록 SK하이닉스의 스마트한 안전·보건 관리 ‘JEM시스템’ 다양한 노력을 펼치고 있다. 대표적인 것이 바로 2016년 구축된 ‘JEM(Job Exposure Matrix) 시스템’.

JEM 시스템은 국내 반도체 업계에서 최초로 도입된 빅데이터(Big Data) 기반 작업환경 노출정보 관리 시스템이다. 사업장 내 다양한 안전·보건 분야 정보를 데이터베이스화해, 구성원의 일상적인 건강관리는 물론 직업병 예방까지 책임지고 있다. 뉴스룸은 JEM 시스템을 구축하고 운영∙관리하고 있는 SHE 안전보건팀 문형일 TL, 선행연구팀 이경호 TL을 만나 SK하이닉스가 JEM을 구축한 배경과 개발과정, 그리고 이를 통해 얻을 수 있는 기대효과에 대해 자세히 들어봤다.

안전·보건 ‘모범 기업’ SK하이닉스, 건강한 일터를 고민하다

SK하이닉스는 지난 2014년 외부전문가 7인과 노사 대표 4인으로 구성된 ‘산업보건 검증위원회(이하 검증위)’ 권고에 따라 작업환경 실태조사 및 산업보건 진단을 실시했다. 1년간 지속된 정밀 조사를 통해 전 사업장에서 사용되고 있는 화학물질의 노출량과 영향을 파악하고, 제3의 독립기구인 ‘산업보건 지원보상위원회’를 꾸려 직업병 의심사례가 있는 구성원 및 협력사 지원을 위한 체계적인 보상지원책을 마련했다.

1 단계 ‘ 검증 ’ 활동과 2 단계 ‘ 지원보상과 개선 ’ 활동이 수동적인 사후 대응이었다면 , 검증위는 여기서 더 나아가 ‘ 직업병 발생률 제로 (Zero)’ 를 위한 과제 추진을 제안했다 . 이처럼 ‘ 예방 ’ 에 초점을 맞춰 직업병 발생 가능성 자체를 낮추는 3 단계 활동을 위해 SK 하이닉스는 ‘ 산업보건 선진화 지속위원회 ’ 를 별도로 구성해 선제적인 보건 인프라 구축에 나서고 있다 .

3단계의 여러 과제 중 ‘노출정보 기반 안전·보건 통합관리 체계(이하 JEM 시스템)’은 지속적으로 추진 중인 프로젝트다. JEM 시스템은 캠퍼스, 건물, Fab 등 작업환경에서 발생하는 다양한 노출정보를 종합한 표(Job Exposure Matrix)로 구성원의 건강과 관련된 요인을 선제적으로 대응 및 관리하는 전산화 프로그램. 반도체 사업장 내에서 사용되는 화학물질의 현황 파악은 물론, 직무별 노출이력 관리를 통해 안전하고 쾌적한 근무 환경을 만드는 것이 목표다.

문형일 TL은 “전산화된 데이터 허브를 통해 누락되는 정보 없이 효율적이고 선제적으로 안전·보건 관리를 하는 것이 JEM 시스템의 핵심”이라고 설명했다.

JEM 시스템, 빅데이터로 작업환경 모니터링부터 직업병 예방까지 한 번에

기존의 안전·보건 관리 방식은 각 부서 담당자들이 엑셀(Excel) 파일에 개별 구성원의 정보를 수기(手記)로 입력해 효율적인 데이터 활용이 어려웠다. 부서마다 사용하는 용어와 기준이 다르고 휴먼에러로 오기입된 정보가 생겨도 바로 확인할 수 없었기 때문. 따라서 JEM 시스템 개발 시, 각종 용어와 기준을 표준화하는 작업부터 시작했다. 현업 담당자 인터뷰를 통해 혼용되는 단위공정 용어를 통일하고, 물리·화학적 인자에 노출될 수 있는 위험도를 고려하여 직무 유형을 18개 그룹으로 분류했다.

여기에 구성원의 소속 부서 및 직무 등의 인사정보와 단위공정별 출입 빈도를 세부지표로 추가해 일련의 정보들을 시스템상에서 한 번에 조회할 수 있도록 만들었다. 또한, 엄격하고 까다로운 관리가 필요한 화학물질 정보들을 체계적으로 관리할 수 있도록 ‘공정별 화학물질’ 페이지를 만들어 사용이력을 조회할 수 있도록 구성했다. 이를 통해 JEM 시스템에 접속하는 관리자들은 요약된 구성원 종합 직무노출 정보는 물론, 이천과 청주 사업장 내 각 생산라인과 단위공정별 화학물질 상세 리스트를 조회하고 업데이트할 수 있다. SK하이닉스만의 안전·보건 전용 빅데이터 클라우드가 만들어진 셈이다.

인포v2-01

현업에서 수집되는 JEM 데이터는 구성원의 동의를 거쳐 정기적으로 전산 시스템에 업데이트된다. 이처럼 시스템을 통해 정기적으로 변경·관리되는 안전·보건 데이터들은 사업장 내 작업환경 측정, 특수검진 대상자 선정, 화학물질 위험성 평가 등의 예방 활동을 위한 기초자료로 활용된다. 또한, 당사 구성원들의 노출관점 직무 유형, 근무이력, 공정별 화학물질 데이터 등을 토대로 구성원의 건강 상태를 체계적으로 관리할 수 있게 됐다.

무엇보다 JEM 시스템이 보유한 큰 장점은 데이터가 쌓일수록 구성원의 직업병 발생 확률을 낮출 수 있다는 데 있다. 직업병 의심사례가 발생하면 JEM 데이터로 기록된 근무 이력을 추적해 신속히 대응하는 것은 물론, 축적된 데이터 통계를 기반으로 작업환경도 미리 개선할 수 있다.

기업 안전·보건 관리의 ‘표준’ 만들었다는 자부심 느껴. 완전한 자동화 시스템이 목표

지금은 JEM 시스템이 안정화되었지만, 선례가 없는 대규모의 프로젝트인 만큼 처음에는 다양한 시행착오가 있었다. 이경호 TL은 시스템 구축 과정에서 ‘각종 용어와 규격에 대한 표준화 과정’을 난관으로 꼽았다. 그는 “동일한 단위공정에서도 부서 혹은 담당자마다 조금씩 다른 표현을 사용하고 있었기에 이를 하나로 통일하는 작업에 오랜 시간이 걸렸다”고 말했다.

수백 개의 직무 유형을 물리·화학적 인자 노출 위험도에 따라 18개 그룹으로 분류하는 과정 또한 쉽지 않았다. 시스템 도입 후에는 예상치 못한 변수들로 차질이 생기기도 했다. 수용할 수 있는 데이터 양보다 더 많은 JEM 데이터로 인해 시스템에 과부하가 발생한 것. 인력과 시간이 부족하여 어려움을 겪었지만, IT 개발 부서와의 협업을 통해 무사히 해결할 수 있었다.

또한, 처음으로 도입된 시스템이다 보니 구성원들이 정확한 사용법을 숙지하기까지 시간이 걸렸다. 이를 단축하기 위해 설명회를 개최하고 문의사항들을 초석으로 매뉴얼을 제작하여 배포했다. 문형일 TL은 “시스템 개발단계부터 현장의 목소리를 최대한 담으려고 노력했으며, 사용자 관점에서 기능 보완과 개선을 위해 계속 노력하고 있다”고 밝혔다.

여러 우여곡절이 있었지만, 국내 기업 최초로 안전·보건 관리 체계의 표준을 만든 만큼, 나름의 보람과 자부심이 있다. 특히 이경호 TL은 우연히 참석한 외부 학회에서 SK하이닉스의 JEM 시스템이 기업의 선제적인 안전·보건 관리 우수사례로 뽑혀 학자들의 관심을 받는 모습을 보고 뿌듯함을 느꼈다고.

JEM 시스템을 찾고 활용하는 부서도 점차 늘고 있고, 구성원의 반응도 긍정적이다. 문형일 TL은 “시스템 운영이 안정화되고 고도화되며 데이터의 신뢰성 또한 높아진 것 같다”며 “적극적으로 시스템 개선을 위한 제안을 하고, 격려와 응원의 말을 건네는 구성원들을 만날 때 힘이 난다”고 말했다.

그가 최근 몰두하고 있는 분야는 사용자 경험(UX, User Experience) 개선. 시스템을 사용하는 구성원 관점에서 사용환경(UI, User Interface)을 개선해, 더 간편하게 데이터를 조회하거나 입력할 수 있도록 할 계획이다. 이와 함께 HR 시스템과 화학물질 관리 시스템 등 다양한 기존 관리 시스템과의 연계하여 JEM 데이터의 정합성을 높이는 작업도 진행 중이다. 궁극적인 목표는 실시간으로 JEM 정보를 업데이트할 수 있는 ‘자동화 시스템’으로 발전시키는 것. 이를 위해 연 2회로 정해져 있는 부서별 데이터 변경관리 주기도 점점 더 좁혀갈 예정이다.

07

마지막으로 두 사람은 구성원들에게 조금은 불편하더라도 건강하고 안전한 근무환경을 위해 JEM 시스템에 관심을 가져주기를 당부했다.

“지금의 시점에서만 생각한다면 JEM 시스템은 단순히 나의 위치를 기록하는 것이라고 생각할 수 있습니다. 하지만 그렇게 모인 기록들은 그 자체로 나만의 근무 이력서가 됩니다. 더 많은 JEM 데이터가 쌓인다면 이를 초석으로 더 좋은 근무 환경을 만들 수 있습니다. 아직 시스템을 활용하는 게 낯설고 귀찮을 수 있지만, 누구나 안전하고 건강하게 근무할 수 있는 회사를 만들기 위해 앞으로도 적극적인 협조와 관심 부탁드립니다.”

지표가없는 작업의 이점

쉽게 이해하는 모바일 데이타 분석

조대협(http://bcho.tistory.com)

모바일 서비스 비지니스를 진행함에 있어서 가장 중요한 것중 하나는 지표에 따른 의사 결정과 서비스 개선이다. 이를 위해서, 어떤 지표들이 필요한지 정의하고 어떻게 측정할지에 대한 정확한 이해가 필요한데, 이 글에서는 모바일 서비스 리포팅에 대해 어떤 지표가 있고 어떻게 활용해야 하는지, 그리고 이런 지표를 수집 분석하기 위한 도구들에 대해서 설명하도록 한다.

모바일 서비스에서 단계별 사용자 흐름

먼저 지표를 이해하기 전에, 사용자가 모바일 서비스 가입부터 사용에서 부터 이익을 내줄때 까지 어떤 흐름을 거치는지에 대해서 살펴볼 필요가 있다. 여러 글들이나 서비스들에서 다소 용어 차이는 있지만 대부분 아래와 같이 단계를 정의한다.

Acquisitions (사용자 획득 단계)

“사용자 획득 단계”는, 사용자가 앱을 설치 하는 단계로 광고/마케팅등을 통해서 사용자가 앱을 인지하고 설치하는 단계인데, 조금 더 세분화 하면, 설치 후 첫번째 실행을 한 단계로 정의하거나 또는 설치 후 회원 가입까지 한 단계를 “사용자가 획득 되었다” 라고 판단할 수 있다.

사용자의 유입은 검색엔지이나 앱스토어의 검색등을 통하거나, TV,온라인 캠페인(인터넷 광고), 오프라인 캠페인등을 통해서 이끌 수 있다. 유입 경로가 다양하기 때문에 모든 경로에 대한 추적은 불가능하지만, 특히 온라인 캠페인(인터넷 광고) (페이스북이나 카톡 등)는 손쉽게 추적이 가능하고 사용자 획득양에 따라서 광고 플랜을 조절할 수 있기 때문에, 이러한 온라인 캠페인은 시작하기 전에 사용자 유입이 비용대비 어떻게 효과가 있는지를 측정할 수 있는 준비 (분석툴등)를 해놓고 시작해야 한다.

Retention (사용자 유지 단계)

마케팅등을 통해서 사용자를 유입시켰으면 이 유입된 사용자를 서비스에 잡아놓아야 하는데, 이를 Retention, 즉 사용자 유지라고 한다. 이 사용자 유지율을 가입한 사용자가 가입한 이후, 얼마나 꾸준히 재 접속을 하는지를 통해서 측정하는 것이 일반적인데, 1일 후 재접속율, 2일..7일 재접속율을 체크하면 된다.

이 단계에서 이탈을 방지하고 얼마나 사용자를 Lock in 하여 충성도가 높은 사용자층을 유지하는 것이 중요하다.

Engagement (사용자 활동 단계)

사용자가 서비스를 지속적으로 사용하기 시작하면, 서비스와 사용자간의 인터랙션 즉 활동이 시작되는 단계가 된다. 미디어 서비스일 경우 단방향으로 컨텐츠를 보기만 하는 단방향성의 활동보다는 댓글이나 좋아요 버튼등을 통한 양방향 활동등을 유도하여 서비스의 로열티를 높이고, 서비스에 체류하는 시간을 늘려서 장기적으로 수익화할 수 있는 원천으로 삼아야 한다.

Monetize (수익화 단계)

고정 사용자 층이 형성이 되었으면, 이 사용자 층을 이용하여 수익을 창출해야 하는 데, 광고나 게임의 경우 인앱 구매, 쇼핑의 경우 물품의 실제 구매 단계 까지 연결이 되서 최종적으로 수익을 창출하는 단계이다.

사용자의 인터랙션은 앞에서 설명한바와 같이 위의 그림 처럼 깔때기 형태로 이루어지며 SK하이닉스의 스마트한 안전·보건 관리 ‘JEM시스템’ 최종 수익을 발생하는 사용자를 얼마나 많이 유도 하느냐가 비지니스의 성패가 된다.

이러한 흐름을 설명하는 것은 보통 모바일 앱 데이타 분석에 있어서 상당히 많은 지표들이 있고, DAU,MAU,Session Time등 각각의 지표만을 모니터링 하고 분석할뿐 전체 지표가 어떻게 연결되는지 연관성에 대한 인사이트가 적은 것이 대부분의 문제라고 생각하기 때문에 사용자의 단계별 활동에 대한 흐름을 설명하였다.

단계별 지표 정의와 의미

이번에는 위에서 서술한 각 단계별로 모니터링 하는 주요 중요 지표에 대해서 알아보도록 하자

Acquisition

앱을 다운로드해서 설치한 횟수이다. 이때 중요한 것이 이 Download 수와 실제 사용자 수는 일치 하지 않는다는 것이다. 같은 사용자가 기기를 바꿔서 다시 다운로드할 수 도 있고, 여러기기에 다운로드를 할 수 도 있고 혹은 앱을 지웠다가 재 설치할 수 도 있기 때문에 , 다운로드 수와 사용자 수를 혼돈하지 않도록 한다. 이러한 다운로드 수는 별도의 솔루션을 사용하지 않더라도 구글 플레이 스토어나, 애플 앱스토어 등에서 쉽게 모니터링 할 수 있다.

신규 사용자 수이다. 앱을 설치하고 첫번째로 사용하는 사용자의 수로, 실제로 프로모션등으로 인하여 앱을 설치는 하지만, 사용하지도 않고 삭제하는 경우의 수도 많기 때문에, 별도로 측정이 필요하다.

Demographic Info

그외, 사용자에 대한 기본적인 정보를 수집할 수 있는데, 나이, 성별, 지역적인 위치, 사용 단말의 종류, 통신사등 기본적인 인구 통계나 디바이스에 대한 정보를 수집을 통해서 주로 어떤 사용자 층이 서비스를 사용하는지 인지할 수 있다.

Install tracking

사용자 획득 단계에서 중요한 지표중의 하나가, 이 사용자가 어디를 통해서 들어왔냐는 것이다. 온라인 마케팅을 통해서 들어온건지. 그렇다면 채널이 페이스북인지? 아니면 웹 사이트 광고인지, 어느 웹사이트 인지? 아니면 공유 기능등을 통한 추천으로 들어온것인지 이메일 마케팅을 통해서 앱 인스톨이 유도 된것인지등이 분석이 되어야 한다.

이러한 분석은 안드로이드 앱의 경우 캠페인 관리 기능을 통해서 UTM 정보라는 것을 획득하면, 어느 경로를 통해서 앱 인스톨이 유도 되었는지 추적이 가능하기 때문에, 결과적으로 어느 마케팅 채널을 통해서 사용자 유입이 활발하게 이루어지는지 판단이 가능하고 이를 통해서 효율적인 채널에 마케팅 리소스를 집중할 수 있도록 해준다.

Retension rate는 신규 사용자의 재 방문율 분석을 통해서 인지할 수 있다. 이런 수치는 Google Analytics나 Yahoo의 Flurry등읗 이용하여 분석이 가능한데, 아래 그림은 Flurry의 Retension 모니터링 화면이다.

가입자가 가입을 한후에, 날짜가 지남에 따라 얼마나 많은 사람이 남아 있는 가를 볼 수 있다. 당연히 Day 0 에는 100% 일테고, 위의 그림을 보면, 1일 차에는 대략 60%의 사용자가 남게 되고, 그후에 40~50% 사용자가 유지되는 것을 볼 수 있다.

Engagement 는 서비스에 대한 사용자의 활동량을 측정하는 수치로 서비스의 종류나 특성에 따라 측정해야 하는 수치가 다르다. 예를 들어 신문이나 방송같은 미디어 서비스의 경우 컨텐츠 뷰수가 중요할것이고, 게임같은 경우에는 플레이 시간이나, 레벨업 등이 중요할 것이고, 쇼핑의 경우에는 상품을 보는 수등이 중요할 수 있다.

이런 추가적인 지표는 각 서비스에 맞게 정의하는 것이 중요하지만, 공통적으로 사용할 수 있는 지표를 보면 다음과 같다

앱 상에서 사용자의 이동 경로로, 메인 화면으로 갔다가 각각의 메뉴로 사용자가 이동하고 각 메뉴별 체류 시간등을 분석해줌으로써 사용자가 주로 어떤 패턴으로 기능을 사용하는지 또한 어떤 기능이 많이 사용되고 안되는지 등에 대해서 분석이 가능하다.

Active User

Active User는 단위 시간동안 그 서비스를 사용한 사용자의 수를 뜻한다.

일반적으로 일단위나 주단위, 월단위를 많이 사용하는데 각각을 DAU(Daily Active User), WAU(Weekly Active User), MAU(Monthly Active User)라고 하고 앱의 서비스 규모를 측정하는 가장 일반적인 지표로 많이 사용된다.

다음으로 중요한 지표중 하나는 세션(Session)인데, 세션은 한명의 사용자가 한번 앱에 접속해서 사용하고 종료할때까지의 기간을 세션이라고 한다. 한명의 사용자가 하루에 여러번 앱을 사용하면 각각이 하나의 세션으로 취급되며, 일반적으로 안드로이드의 경우 하나의 세션을 사용자의 액션이 없을 경우 30분 후에 종료되는 형태로 정의된다. (cf. 웹에서 HTTP Session이 사용자 액션이 없으면 20분 후에 종료되는 것과 같은 종류로 보면 된다)

이 세션의 수는 일반적으로 현재 앱을 사용하는 동시 접속자 수와 유사하다고 보면 된다. (사용자가 실제 사용을 종료하고도 30분 정도를 동시 사용자로 측정하기 때문에 다소 오차는 있지만, 전체적으로는 동접자 수와 유사하다고 판단한다.)

Session Lenth

한번 접속했을때 사용자가 앱을 사용하는 시간을 Session Length라고 한다. 이 Session Length가 길다는 것은 그만큼 앱을 사용하는 시간이 길다는 의미로 사용자의 활동이 많다고 볼 수 있으나, 앱의 특성에 따라서 Session Length가 가지는 의미는 다르다. 알람 앱같은 경우에는 설정이나 알람이 울릴때만 앱이 사용되기 때문에, Session Length가 길 수 가 없고 짧다. 그래서 Session Length가 긴것 보다는 총 Session의 수가 얼마나 되느냐가 중요한 척도가 된다.

근래에 모바일 서비스에서 중요한 지표중의 하나가 바이럴 지표인데, 페이스북과 같은 SNS 서비스를 통해서 공유가 되고, 이 공유를 통해서 들어오는 사용자 유입은 매우 중요하다. 그래서 추가적으로 SNS 매체별 공유 카운트 등을 별도로 추적할 필요가 있다.

Bounce rate

흔히들 놓치는 수치 중에 하나가 이탈율이다. 사용자 Install이 증가함에도 불구하고, 지속적으로 DAU가 늘어나지 않는 이유는 흔히 앱을 설치했다가 삭제하는 이탈 사용자 때문인데, 이러한 이탈율은 Google play store 등에서 쉽게 추적이 가능하다.

Loyalty (하루에 몇번 앱을 사용하는가?)

다음으로는 사용자의 충성도를 측정하는 지표인데, 주로 하루에 또는 일주일에 몇번 앱을 사용하는지를 측정한다.

추가적으로 고민해야 하는 사항들

앞에서 모바일 앱 데이타 분석에서 일반적으로 살펴봐야 하는 지표들에 대해서 알아보았다. 이런 일반 지표 이외에 추가적으로 고려해야 하는 부분은 무엇이 있을까?

코호트 분석 (Cohort analysis)

코호트 분석이란, 분석 결과를 특정 사용자 그룹으로 (나이 또는 성별 등) 나눠서 더 깊게 분석하는 것으로, 집단의 특성에 따른 인사이트를 얻어서 서비스에 반영할 수 있다.

예를 들어서 DAU가 100만으로 꾸준히 유지 되는 서비스가 있다고 가정할때, 이를 연령 층으로 나누었을때 20대 사용자가 증가하고 30대가 감소한다면, DAU 향상을 위해서 30대를 위한 서비스 개선을 생각하거나 또는 서비스의 방향을 20대로 아예 바꿔 버릴 수 도 있다. 앞의 지표를 하나의 숫자로만 보고 분석하면 집단별 특성을 놓칠 수 있지만, 코호트 분석을 통하면 서비스를 사용하는 집단의 특성에 따라 다양한 해석이 가능하기 때문에 그에 따른 다양한 대응역시 가능하게 된다.

퓨넬 분석 (Funnel analysis)

Funnel / 깔때기 분석이라고 하는데, 특정 목표를 달성할때 까지 사용자의 잔존 비율을 단계별로 분석하는 분석 방법이다.

앞에서 설명한 Acquisitions > Retain > Engagement > Monetization 의 단계도 뒤로 갈수록 사용자가 점점 낮아지는 깔때기 형태로 일종의 퓨넬 분석에 속한다.

위의 그림은 Flurry에서 제공하는 Funnel 분석 결과 화면으로, 자동차를 판매하는 사이트에서, 각 단계별로 넘어가는 사용자 통계로, Choose Car 단계에서 Check In 단계로 넘어갈때, 43.1 %의 사용자만 넘어간것을 볼 수 있다. 다음 단계는 각각 56.4%, 72.6%로 View State 목표를 달성하는 과정중에 사용자가 Check In 단계에서 가장 많이 이탈함을 알 수 있고 이 부분을 우선 개선해야 하는 것을 알 수 있다.

이러한 퓨넬 분석을 이용하면, 사용자가 최종 목표에 다다르기 까지 어느단계에서 이탈을 하는지 쉽게 판단이 가능하고, 그 단계를 보강함으로써 최종단까지 사용자를 유도하도록 서비스를 개선할 수 있다.

지금까지 다양한 지표를 살펴봤는데, 비단 모바일 데이타 분석 뿐 아니라 일반적인 데이타 분석에서도 경험상 보면 필요한 핵심 지표의 수는 그리 많지 않다. 오히려 지표가 많을 수 록 혼란이 생기고, 각 지표의 의미를 이해하기 위해서 많은 노력이 들어간다. 그래서 조직에서 그리고 비지니스에서 꼭 필요한 핵심 지표 위주로 지표를 선정하고 집중해서 관리 하는 것이 훨씬 더 효과적이 아닌가 한다.

앞서 살펴본 일반적인 지표 이외에도 모바일 서비스에 있어서 중요한 추가 지표들이 있다.

앱의 사용자 유발하고, 앱 평가를 떨어뜨리는 요인중의 하나가 ANR(Application Not responding : 애플리케이션이 멈춰서 응답이 없는 현상) 또는 앱이 비정상 종료 되는 경우인데, 모든 케이스는 아니지만 상당 케이스는 모니터링 도구를 통해서 추적이 가능하다. 구글의 플레이 스토어의 경우에도 개발자 콘솔을 통해서 이 ANR과 DOWN리포팅 및 로그를 받을 수 있고, 아니면 야후 Flurry나 트위터의 Fabric을 통해서도 이 문제에 대한 로그를 수집 및 분석이 가능하다.

서비스의 노출을 위한 검색엔진 최적화 만큼이나 중요한것이 모바일 앱에서는 앱스토어 최적화이다. 앱스토어에 올라가는 이미지, 문구, 분류 체계 그리고 검색 노출이 쉽게 하는 기능뿐 아니라, 앱스토어에서 앱에 대한 평점 관리는 대단히 중요한 지표이기 때문에 이 부분 역시 같이 신경써야 한다.

그러면 이런 지표들을 측정하고 사용하기 위해서는 어떠한 절차를 거쳐야 할까?

가장 중요한 것은 정보 모델의 설계이다. 서비스 특성을 감안하여 가장 중요한 성장 동력이 되는 지표가 무엇인지, 앞의 퓨넬 모델에서 설명한 사용자의 획득에서 수익 창출 단계까지 이르기 까지 서비스의 특성에 따라서 어떤 지표가 필요한지를 선정하고, 서비스에 맞춰서 각 지표를 정의하는 것이다.

미디어 서비스의 경우 앱 인스톨, 액티브 사용자 비율, 탈퇴 비율등과 같은 정적 지표와

사용자가 메인에서 리스트로 진입해서 컨텐츠를 보고 댓글을 쓰는 동적 이동에 따른 메인 뷰 수, 컨텐츠 뷰수, 체류 시간과 같은 동선에 따른 지표를 정보 모델로 정의할 필요가 있다.

이러한 정보 모델이 정의 되고, 각 대표 지표가 선정이 되었으면, 이를 실제 구현할 수 있는 구현 방법을 결정해야 하는데, 모바일 데이타 분석은 빅데이타 영역에 속하기 때문에 자체 구축을 하려면 하둡이나 스파크같은 복잡한 인프라가 필요하고 대용량 데이타를 저장 및 분석하기 위한 많은 하드웨어와 인력이 필요하다.

근래에는 클라우드 서비스 형태로 제공되는 모바일 앱 분석 서비스들이 많고 광고 플랫폼을 중심으로 앞에서 언급한 구글,야후,트위터들이 무료 분석 플랫폼을 제공하기 때문에 이러한 무료 플랫폼을 이용하는 것도 하나의 방법이 된다.

개인적으로는 Flurry를 가장 선호하는데, 사용자 수에 대한 제약이 없고 User Path, Funnel 분석등 다양한 기능을 제공한다. Google Analytics의 경우 기능이 막강하고 다양한 커스터마이제이션이 가능은 하지만 사용법 학습등에 많은 노력이 필요하고, 일정 볼륨이 넘어가면 1억원 이상의 비용을 지급하고 유료로 사용해야 하기 때문에 과연 좋은 선택인가에 대해서는 의문이 있다.

단 이러한 플랫폼의 경우에는 커스터마이징이 어렵고 이로 인하여 대쉬 보드에 원하는 지표를 다 넣을 수 없는 경우가 많기 때문에 만들어놓더라도 각각의 지표가 연결된 의미를 찾지 못해서 무용지물화 되기 쉬운 단점이 있고, 앱스토어나 기타 흩어져있는 시스템들의 정보를 취합하여 보여줄 수 없다.

중간 대안으로는 정보분석 플랫폼을 사용하되, 이러한 분석 플랫폼들은 오픈 API를 제공하고 있고, 앱스토어도 오픈 API를 제공하기 때문에, 이러한 API를 이용하여 여러 소스로 부터 데이타를 모으고, 조직의 데이타 분석 수준이나 뷰에 적절한 대쉬 보드를 직접 구축하면 훨씬 SK하이닉스의 스마트한 안전·보건 관리 ‘JEM시스템’ 높은 효과를 얻을 수 있다.

구현 방식이 선정되면 앱에서 발생하는 이벤트 (시작, 종료, 메인 페이지 이동, 댓글 등록)를 플랫폼으로 보낼 코드를 삽입하면 된다.

야후 플러리의 경우 간단하게 이벤트 명을 입력하는 것만으로 이벤트를 로깅 할 수 있다.

이때 솔루션에 따라 이벤트의 개수와 이벤트의 길이에 제약이 있기 때문에, 정보 모델을 설계할때 적절한 이벤트 수를 정하는 것이 중요하다. (플러리의 경우 300개의 이벤트, 이벤트 명은 255자 이하)

이벤트 명을 정의할때는 정보 모델에 따라서 트리 구조로 계층 구조를 갖는게 좋은데 예를 들어

식의 REST 형식의 리소스 형태를 사용하게 되면, 훨씬 더 직관적으로 이해 쉽다.

모바일건 웹이건 근래의 서비스는 경쟁이 심해지고 빠르게 사용자의 니즈를 이해하고 맞춰나가지 않으면 생존하기 힘든만큼 데이타 분석은 선택이 아니라 거의 필수적이다.

이러한 데이타 분석은 갑자기 튀어난게 아니라 Dataware SK하이닉스의 스마트한 안전·보건 관리 ‘JEM시스템’ house, Business Intelligence, OLAP 등으로 예전 부터 전통적으로 존재하고 있는 시스템이고 다만 구현 방식이나 강조되는 포인트들이 다소 변경된것인데, 경험상으로 보면 이런 시스템을 구현하는 데 많은 비용과 노력을 들이지만 100% 잘 사용되는 경우가 드물다.

원인을 보면, 시스템을 구축하지만 이 구축된 정보를 얼마나 쉽게 전달할것인가에 대한 고려가 적고 지표에 대한 이해와 시스템 사용 방법에 대한 교육이 없이 한정된 배경 지식만으로 전체 지표를 이해가 불가능 하기 때문이다.

시스템을 보는 입장에서 최대한 단순하게 만들어야 되는데, 경험상 BI 프로젝트등을 해보면 멋진 대쉬보드를 만들어놓고도 결국 끝에 가서 나오는 말은 액셀로 보내주세요. 이다.

시스템의 구축이 전체의 30% 이하 정도의 작업이라면 나머지는 필요한 지표의 정의, 정보 모델의 정의, 사용자가 원하는 대쉬보드의 구축, 구성원들에 대한 데이타 분석 및 시스템에 대한 활용 교육이 지속적으로 제공되어야 한다. 큰그림을 이해하지 못한 상태에서 파편만 보다가는 전체 흐름이나 방향을 놓칠 수 있기 때문에 이 부분에 대해서는 몇번을 강조해도 부족함이 없을것이라 본다.

하이퍼오토메이션

개별 프로세스의 한계를 넘어 기존 비즈니스 프로세스 자동화의 확장을 의미합니다. AI 도구와 RPA의 결합을 통해 하이퍼오토메이션은 비즈니스 사용자가 실행하는 거의 모든 반복 작업을 자동화할 수 있게 합니다.

또한, 비즈니스 프로세스를 동적으로 탐색하고 이를 자동화하기 위한 봇을 생성하는 등 한 차원 높은 자동화를 실현합니다. 하이퍼오토메이션은 Gartner에서 선정한 올해의 10대 전략 기술 트렌드이기도 합니다.

RPA(로보틱 프로세스 자동화), ML(머신 러닝), AI(인공 지능)와 같은 다양한 도구를 조화롭게 적용하여 과거 분야별 전문가를 필요로 하던 복잡한 비즈니스 프로세스도 자동화할 수 있으므로 진정한 디지털 트랜스포메이션이 가능해집니다.

하이퍼오토메이션은 어떻게 작동할까요?

Gartner에 따르면 AI와 ML로 강화된 RPA는 하이퍼오토메이션을 가능하게 하는 핵심 기술입니다. RPA와 AI 기술을 결합하면 이전에는 자동화가 불가능했던 영역까지 자동화할 수 있는 성능과 유연성을 얻을 수 있습니다. 즉. 비정형 데이터 입력에 의존하는 문서화되지 않은 프로세스도 자동화할 수 있게 됩니다.

하이퍼오토메이션은 어떻게 작동할까요?

프로세스 디스커버리는 AI를 사용하여 프로세스를 찾아내고 자동으로 봇을 생성해 자동화 속도를 최대 5배까지 높입니다. Automation Anywhere는 혁신적인 설계를 통해 프로세스 자동화 여정의 모든 단계에서 비즈니스 이해당사자가 협업할 수 있도록 지원합니다. 비즈니스 리더, 프로세스 분석가, 기술 전문가, 지식 근로자 모두가 엄격한 거버넌스와 데이터 보안을 유지하면서 전례 없는 규모의 자동화를 추진할 수 있습니다.

하이퍼오토메이션 분석은 데이터 봇이 작동하면서 수집하는 데이터에서 출발합니다. Bot Insight는 봇이 직접 수행하는 작업뿐 아니라 작업 중 발생하는 활동에 대한 모든 정보를 반환할 수 있는 자체 측정 및 모니터링 기능을 기반으로 SK하이닉스의 스마트한 안전·보건 관리 ‘JEM시스템’ 구축되었습니다. Bot Insight는 유의미한 정보를 판별하고 미래를 예측하는 하이퍼오토메이션 분석을 위해 이 프로세스 수준의 방대한 세부 정보를 활용합니다.

RPA는 소프트웨어 로봇을 이용해 구조화된 비즈니스 프로세스를 오류 없이 실행하는 것입니다. RPA 봇은 사람과 마찬가지로 모든 환경 및 애플리케이션에서 프로세스 작업을 실행할 수 있으며, 완벽한 유연성과 더불어 즉시 업무를 시작할 수 있고 온디맨드 확장이 가능하며 연중무휴 24시간 최대 속도로 작업할 수 있다는 추가적인 장점을 지닙니다.

IQ Bot은 컴퓨터 비전, 광학 문자 인식(OCR), 퍼지 로직, 머신 러닝(ML) 등의 인지 기술을 통해 지능형 문서 처리를 제공하며 비정형 정보를 캡처, 추출 및 분류합니다. IQ Bot은 유연하고 적응력이 뛰어나며 작업으로부터 학습하는 디지털 워커와 봇을 생성합니다.

하이퍼오토메이션의 이점은 무엇 일까요?

하이퍼오토메이션의 이점은 무엇일까요?

하이퍼오토메이션의 이점은 무엇 일까요?

복잡한 작업 가속화

하이퍼오토메이션은 사람의 지식이 투입되어야 하는 더욱 복잡한 작업을 자동화하여 누구나 비즈니스를 혁신할 수 있도록 빠른 경로를 제시합니다.

디지털 워커 배포

지능형 RPA 업스킬링을 통해 반복 작업을 수행하는 지능형 디지털 워크포스를 생성해 직원 능률을 향상시킵니다. 이러한 디지털 워커는 다양한 비즈니스 애플리케이션에 연결하고, 정형 및 비정형 데이터 모두에서 작동하며, 데이터를 분석하여 결정을 내리고, 프로세스를 탐색하여 새로운 자동화 기회를 발견할 수 있는 하이퍼오토메이션의 변화 주체입니다.

AI(인공 지능)의 힘

AI(인공 지능)의 힘

AI는 디지털 워커를 표준 자동화 접근 방식과 차별화하여 RPA+로 만드는 하이퍼오토메이션의 필수 요소입니다.

그리고 이전에 액세스할 수 없었던 데이터와 프로세스를 발견하고 자동화함으로써 하이퍼오토메이션은 조직의 디지털 트윈(DTO) 생성이라는 고유한 이점도 제공합니다. 이것이 어떻게 도움이 될까요? DTO는 기존에는 볼 수 없었던 프로세스, 기능 및 주요 성능 지표 간의 상호 작용을 가시화합니다.

비즈니스 가치 창출 상황에서 인텔리전스를 활용하여 가치가 발생하거나 발생하지 않는 시점에 신속하게 대응하고 기회를 포착할 수 있다고 상상해 보세요.

하이퍼오토메이션은 어디에 영향을 줄까요?

보험

은행

의료

제조

공공 부문

생명 과학


청구 처리 및 관리 보고서 자동화 사용자 정보 업데이트 우선순위 지정 및 청구 배정 판결 프로세스 감사 관리 등록 및 자격 요건 관리 업무를 자동화하여 비용을 절감하고 고객 경험을 개선합니다


0 개 댓글

답장을 남겨주세요