쌓인 데이터를 수익화할 때 필요한 조언 5가지

전 세계 기업은 방대한 양의 데이터를 보유하고 있다. 데이터는 항상 자연스럽게 쌓여왔지만, 소비자 및 비즈니스 활동이 늘어나면서 기하급수적으로 증가하고 있다. 이런 상황은 기업이 전례 없는 양의 정보를 수익화할 기회를 열어주고 있다.

기술 연구 및 자문 회사 ISG의 최고 데이터 분석 책임자 캐시 루디는 “데이터를 시장에서 가치를 인정받는 제품이나 서비스로 바꿔 효과적으로 수익화할 수 있다”라고 말했다. 그는 “ISG는 데이터가 풍부한 여러 고객과 일하면서, 허락을 받아 데이터를 저장하고 있다. 그런 다음 데이터를 가공해 고객이 경쟁사와 비교하고 어떤 업체가 자사의 전략적 목표를 지원하는 데 적합한지 파악할 수 있는 제품으로 만든다”라고 설명했다.

ISG뿐만 아니라 많은 기업이 데이터를 새로운 수익원으로 바꾸는 데 관심을 보이고 있다. 2025년 CIO 현황 조사에 따르면, IT 리더의 38%는 회사 데이터 수익화가 올해 IT 투자를 이끄는 가장 중요한 비즈니스 이니셔티브라고 답했다. 이는 지난해 16%에 비해 두 배 이상 증가한 수치다.

회사 데이터를 새로운 수익원으로 전환하고자 하는 IT 리더라면, 데이터 전문가가 알려주는 몇 가지 핵심 조언과 인사이트를 참고할 만하다.

제품 개발의 기본이 중요

AI 기반 콘텐츠 제작사 어질리티 라이터(Agility Writer)의 설립자 아담 용은 “데이터 수익화는 다른 제품을 만들고 파는 것과 크게 다르지 않다. 아이디어 구상, 시장 조사, 가격 분석, 시장 진출 계획이 모두 필요하다”라고 말했다. 그는 먼저 체계적인 제품 개발 프로세스를 만들 것을 제안했다.

ISG의 루디도 이에 동의하며 “만들고자 하는 데이터 제품이나 서비스가 무엇인지, 시장이 왜 이를 필요로 하는지, 경쟁자는 누구인지, 그리고 제품이 왜 특별한지 정의해야 한다. 시장이 원하는 데이터 제품이나 서비스가 있다는 확신이 들면 데이터를 관리, 유지, 통제하는 데 필요한 기술을 정의해야 한다”라고 조언했다.

전문 서비스 기업 시키크(Sikich)의 데이터 및 AI 책임자 릭 영은 기존 제품과 쉽게 통합되는 시스템을 사용해 간단한 분석부터 시작할 것을 권장했다. 또한 초기 데이터 수익화 프로젝트는 작게 시작해 고객 피드백을 모으고, 확장하기 전에 기회를 충분히 이해해야 한다고 그는 말했다.

영은 “기업은 원활한 구현을 위해 현재 보유한 데이터/기술 환경과 제품 수명 주기에 맞는 솔루션의 우선순위를 정해야 한다”라고 언급했다.

수익화에 적합한 데이터 확보

ISG의 루디는 다른 곳에서 찾을 수 없는 인사이트를 가진 데이터가 수익화하기에 적합하다고 언급했다. 그는 “경쟁사와 비교해 실질적인 변화를 이끌어낼 수 있는 벤치마크 데이터, 구체적인 경쟁 정보, 사실에 기반한 의사결정을 지원하는 예측 분석, 여러 데이터 소스에서 뽑아낸 AI 기반 인사이트가 포함된다”라고 설명했다.

어질리티 라이터의 용은 특히 사용자 행동 데이터가 수익화하기 용이하다면서 구글 애널리틱스를 예로 들었다. 그는 “구글 애널리틱스는 사용자의 행동을 추적한다. 기업은 이를 통해 웹사이트나 마케팅 전략을 세밀하게 조정할 수 있다. 구매 의도나 이탈률 같은 심층적인 데이터도 판매하거나 타겟 마케팅에 활용할 수 있어 가치가 높다”라고 설명했다.

루디에 따르면 수익화할 가치가 낮은 데이터는 오래된 데이터, 누구나 접근할 수 있는 서드파티 데이터, 소송 위험으로 사용 권한이 적은 데이터, 일관성이 없거나 부분적이어서 잘못된 결정으로 이어질 수 있는 데이터다.

용은 “오래되었거나 맥락이 부족한 데이터는 실제 가치를 만들어내지 못한다. 세분화나 행동 맥락이 없는 단순 트래픽 수치는 개인화된 참여 데이터만큼 유용한 통찰력을 주지 못한다”라고 설명했다.

로봇 및 휴머노이드 정보 웹사이트 마이휴머노이드(MyHumanoid)의 설립자 일리얀 파스칼레프는 고객이 인사이트를 실제 가치로 바꿀 수 있게 도와주는 데이터를 신중하게 고르는 것이 핵심이라고 말했다. 이를 위해서는 데이터가 해결할 문제를 정확히 파악하는 것이 중요하다.

파스칼레프는 “사용자 행동 패턴, 거래 데이터, 위치 정보 같은 세밀하고 실행 가능한 데이터 세트가 보통 수익화하기 가장 쉽다. 이런 데이터는 기업이 운영을 개선하고, 시장 변화를 예측하거나, 소비자 선호도를 더 잘 이해하는 데 직접적으로 도움이 된다”라고 설명했다.

그는 이어 “광범위한 인구통계 정보, 지나치게 익명화된 데이터, 또는 빨리 구식이 되는 과거 정보 같은 일반적인 데이터는 거의 수익화할 가치가 없다. 이런 정보는 경쟁 우위가 부족할 뿐만 아니라, 규정 준수 비용과 프라이버시 리스크가 종종 이익보다 더 크다”라고 지적했다.

잠재적인 리스크 파악

ISG의 루디는 데이터 수익화가 특히 금융 거래에 익숙하지 않은 조직에게 위험할 수 있다고 말했다. 가치 있는 정보를 갖고 있다는 사실을 다른 당사자가 알게 되면 보안 침해 리스크가 커지기 때문이다. 또한 사용 권한이 없는 데이터를 실수로 사용하거나, 수익화하려는 데이터의 품질이 낮거나 다른 데이터 세트와 통합되지 않는 경우도 리스크가 따른다. 그에 따르면 궁극적인 리스크는 판매하는 데이터를 아무도 원하지 않는 상황이다.

어질리티 라이터의 용은 강력한 보안이 필수적이라고 강조했다. 그는 “주의하지 않으면 데이터를 잘못 다루거나 사용자 동의를 제대로 받지 않아 큰 벌금을 물을 수 있다. 데이터 유출이 발생하면 기업 평판에 심각한 타격을 줄 수 있다. 데이터를 안전하게 지키고 사용자 정보를 어떻게 활용하는지 투명하게 공개해야 실수를 피할 수 있다”라고 조언했다.

파스칼레프는 규제 준수를 소홀히 하면 비용이 많이 들 수 있다면서, “GDPR, CCPA 같은 규제는 주의하지 않으면 무거운 벌금이 부과돼 기대했던 수익을 모두 잃을 수 있다. 처음부터 데이터 보안과 규제 준수 전문가에게 충분히 투자해야 한다”라고 말했다.

적합한 수익 모델 선택

시키크의 영은 기업, 연구 기관, 정부 기관에 직접 판매하기 위한 구독 기반 접근법과 상업화 전략을 활용할 것을 조언했다.

그는 “가치 있는 데이터 세트를 모아서 패키징하는 데이터 서비스(DaaS)가 데이터 수익화의 기본 모델이다. 하지만 고객에게 예측 모델링 기능을 제공하는 인사이트 서비스는 더 높은 가치를 제공할 수 있다. 또한 구독자가 자신의 데이터를 안전하게 제공자의 인사이트 플랫폼에 통합할 수 있는 인사이트 플랫폼 서비스도 고려해볼 만하다”라고 말했다.

영은 또한 제품에 분석 기능을 내장해 가치와 고객 유지율을 높일 수도 있다고 언급했다. 그는 “여기에는 내부 운영 개선, 고객 경험 최적화, 개인화된 제품 개발을 위한 데이터 활용이 포함된다. 최신 AI 기반 분석은 경쟁 우위를 유지하면서도 핵심 비즈니스 제품을 혁신할 수 있는 맞춤형 제품과 실시간 인사이트 생성을 가능하게 한다”라고 설명했다.

현명한 재투자

마이휴머노이드의 파스칼레프는 데이터 수익화로 얻은 수익의 일부를 데이터 수집 방법 개선, 프라이버시 보호 강화, 분석 향상에 재투자할 것을 권장했다. 그는 “지속 가능한 선순환을 만들어 단기적인 이익보다 장기적인 성장을 보장할 수 있다”라고 말했다.

어질리티 라이터의 용은 “데이터 자체보다 어떻게 활용하느냐가 차이를 만든다. 콘텐츠를 만들든, 마케팅을 개인화하든, 판매를 최적화하든, 데이터를 똑똑하고 책임감 있게 사용하는 것이 핵심이다”라고 덧붙였다.
[email protected]