칼럼 | 데이터 중심 문화를 만들려는 노력이 실패하는 이유

많은 데이터 이니셔티브가 실패하는 이유는?

기업은 수십 년간 데이터, 분석, AI에 막대하게 투자해 왔다. 데이터 기반 보고 체계와 자동화, 정교한 의사결정, 그리고 혁신을 이끌 새로운 인사이트라는 분명한 목표 때문이다. 생성형 AI의 등장은 이런 흐름에 더욱 불을 붙였고, 데이터 기반 가치 창출은 이제 경영진의 최우선 과제로 부상했다.

이를 위해 많은 기업이 기술, 인재, 컨설팅에 수십억 달러를 쏟아부었지만, 대부분의 데이터 이니셔티브가 기대에 미치지 못하고 있다. 수많은 보고서가 활용되지 못한 채 방치되고, 대시보드에 먼지가 쌓이며, AI 파일럿은 확산되지 못한 채 멈춰 선다. 왜 이런 현상이 발생하는 걸까?

문제는 기술이 아니다. 인프라와 도구는 이미 충분히 마련돼 있고, 데이터 관리, 비즈니스 인텔리전스, 데이터 과학, AI에 대한 개념도 성숙 단계에 이르렀다. 실제 병목은 다른 곳에 있다. 바로 조직이 일상적인 의사결정에서 데이터를 다루는 방식이다. 기업이 데이터를 통해 경쟁력을 얻으려면 데이터 활용 전략뿐만 아니라 ‘일하는 방식’도 중요하다. 경영진은 이제 데이터를 자연스럽게 활용하고 공유하는 조직 분위기, 즉 ‘데이터 문화’가 진정한 데이터 중심 기업으로 나아가기 위한 핵심 요소라고 보고 있다.

그러나 여기에는 몇 가지 근본적인 질문이 따른다. 데이터 문화란 정확히 무엇이며, 기업 문화 전반과 어떤 관계에 있을까? 조직이 데이터 중심으로 전환하려 할 때, 데이터 문화는 어떤 역할을 하는가? 그리고 경영진은 왜 조직 문화 변화의 성공률이 낮다는 현실을 반복적으로 마주하게 되는가?

이 질문에 답하기 위해서는 우선 ‘조직 문화’의 본질을 살펴본 뒤, 그 안에서 데이터 문화가 어떤 위치를 차지하는지 이해할 필요가 있다.

조직 문화

경영진은 오래전부터 문화를 기업 성공의 핵심 동력으로 인식해 왔다. 그러나 대규모 문화 변화를 실제로 이루는 일은 결코 쉽지 않다. 보고서에 따르면 조직 문화 변화의 실패율은 최대 70%에 달하는 것으로 나타났다. 수치는 논쟁의 여지가 있지만, 대부분의 리더는 문화의 방향을 바꾸는 일이 경영에서 가장 어려운 과제라는 것을 경험으로 알고 있다. 왜 그럴까?

사회학자 니클라스 루만의 이론에 기반한 현대 조직 시스템 이론은 이에 대한 흥미로운 해석을 제시한다. 이 관점에서 문화는 ‘직접 통제할 수 없는 것’으로, 조직의 업무 방식과 의사결정 구조를 통해서만 ‘간접적으로’ 영향을 미칠 수 있다. 다시 말해, 문화는 성과의 원인이 아니라 결과다. 조직이 문제를 해결하고 성과를 만들어내는 과정을 반복하며 쌓인 행동의 패턴이 곧 문화로 나타나는 것이다.

결국 문화는 리더가 새로운 가치 선언문을 내걸거나, 교육 프로그램을 운영하거나, 브랜드 이미지를 새로 만드는 식으로 ‘설계할 수 있는 것’이 아니다. 문화는 구성원들이 상호작용하고 함께 경험을 쌓는 과정에서 자연스럽게 형성된다. 시스템 이론의 관점에서 또 하나 중요한 시사점은 리더가 흔히 빠지는 유혹, 즉 ‘사람을 고치려는 시도’를 경계해야 한다는 점이다. 조직 내에서 나타나는 모든 행동은 나름의 맥락 속에서 합리성을 갖는다. 따라서 진정한 문화 변화를 이끌려면 사람을 바꾸려 하기보다 맥락을 바꿔야 한다. 의사결정 방식, 인센티브 구조, 커뮤니케이션 패턴 같은 조직의 구조적 맥락이 바뀌면, 행동 변화도 자연스럽게 나타난다.

이런 사고의 전환은 경영진에게 매우 중요하다. 원하는 문화를 설계하려 애쓰기보다 가치 창출에 초점을 맞추고 이를 가로막는 구체적인 문화적 장벽을 찾아내야 한다. 근본 원인을 파악해야 직원들이 의사결정을 내리고 문제를 해결하며 협업하는 방식을 변화시킬 맞춤형 실행 방안을 마련할 수 있다. 전략이 제대로 이루어지면 가치 창출을 막는 장벽이 사라지고, 그 결과로 새로운 문화가 자연스럽게 따라온다.

그렇다면 이런 관점을 데이터 중심 기업을 만드는 데 어떻게 적용할 수 있을까?

데이터 문화

데이터 문화를 구체적으로 이해하기 위해서는 먼저 그 개념을 명확히 정의할 필요가 있다. 데이터 문화란 조직이 데이터, 분석, AI를 활용해 비즈니스 가치를 창출하는 과정에서 반복적으로 나타나는 패턴을 뜻한다. 이 패턴에는 여러 요소가 포함된다. 예를 들어, 경영진이 의사결정을 내릴 때 데이터를 얼마나 신뢰하고 반영하는지, 데이터를 적극적으로 공유하는지, 아니면 어떠한 이유로 숨기는지, 팀이 직관에 의존하기보다 정보에 기반해 문제를 제기할 수 있는 분위기가 조성돼 있는지 등이다. 또한 언제 데이터를 맹신하지 않고 직관을 따를 것인지 판단하는 감각 역시 데이터 문화의 일부다.

경영진이 데이터 중심 경영을 논할 때면 종종 강력한 데이터 문화의 필요성을 강조하곤 한다. 데이터 문화는 흔히 “데이터와 AI에 대한 막대한 투자가 왜 실제 비즈니스 성과로 이어지지 못하는가”를 설명하는 마지막 퍼즐 조각으로 묘사된다. 하지만 시스템 이론의 관점에서 보면 데이터 문화는 리더가 설계하고 주입할 수 있는 대상이 아니다. 이는 조직 문화의 한 형태로, 조직이 일상적인 의사결정 속에서 데이터를 어떻게 활용하고 분석하며, AI를 어떤 방식으로 접목하느냐에 따라 자연스럽게 형성되는 결과다.

이 관점은 두 가지 중요한 의미를 가진다. 첫째, 데이터 문화를 성공의 전제 조건으로 보는 것은 오해의 소지가 많다. 문화는 먼저 생기는 것이 아니라, 사람들이 데이터와 AI를 활용해 실제 문제를 해결하고 가치를 만들어내는 구체적인 경험의 결과다. 둘째, 데이터 문화를 인위적으로 ‘만들려는 시도’는 식물을 빨리 자라게 하려고 억지로 잡아당기는 것과 같다. 중요한 것은 성장 조건을 만드는 일, 즉 데이터를 기업 자산으로 만드는 데 방해가 되는 근본 원인을 찾아 해결하는 것이다.

이를 위해 리더에게는 ‘보이지 않는 것을 보는 능력’이 필요하다. 예를 들어, 한 관리자가 왜 다른 부서와 데이터를 공유하지 않으려 하는가? 그 행동은 어떤 조직적 맥락 속에서 발생한 것인가? 같은 질문을 던질 수 있어야 한다.

데이터 문화를 이런 관점에서 바라보면 ‘데이터 거버넌스’와 자연스럽게 맞물린다. 데이터 거버넌스는 일반적으로 데이터 품질과 규정 준수를 보장하기 위한 규칙, 프로세스, 역할을 설계하고 적용하는 체계로 이해된다. 데이터를 기업의 핵심 자산으로 활용하기 위한 기반을 다지는 역할이다.

데이터 거버넌스와 데이터 문화는 데이터로부터 가치를 창출하는 핵심 축이자 서로 보완적인 관계에 있다. 이 둘은 조직이 데이터를 어떻게 실질적 가치로 전환하는지를 결정하는 요소다. 데이터 거버넌스가 신뢰할 수 있는 기반, 즉 데이터 자산 자체를 만드는 데 초점을 맞춘다면, 데이터 문화는 그 기반을 활용해 어떻게 비즈니스 성과를 높이는지에 초점을 둔다.

다음 프레임워크는 이 두 접근 방식을 7가지 핵심 영역에서 비교하며, 조직이 데이터 가치를 극대화하기 위해 무엇을 균형 있게 관리해야 하는지를 보여준다.

데이터 문화는 실제 활용의 순간, 특히 팀이 불확실한 상황에서 판단을 내려야 할 때 결정적인 역할을 한다. 또 하나 중요한 차이점은, 데이터 거버넌스는 제도적으로 강제할 수 있지만 데이터 문화는 그럴 수 없다는 점이다. 데이터 문화는 규정이나 명령으로 만들어지는 것이 아니라, 조직의 일상 속에서 자연스럽게 형성되는 것이다.

데이터 문화를 실천으로 옮길 도구와 사례

만약 문화가 설계할 수 없는 것이라면, 리더는 어떤 도구를 활용해 문화를 다뤄야 할까? 이때 활용할 수 있는 것이 ‘컬처보드(Culture Board)’다. 이 도구는 비즈니스 목표와 문화적 장벽을 연결해, 보다 효과적으로 개입할 수 있도록 돕는다. 데이터 문화에 초점을 맞춰 컬처보드를 적용하면, 다음과 같은 5단계 프로세스로 정리할 수 있다.

• 비즈니스 과제 설정(Business need): 해결해야 할 핵심 조직 과제를 명확히 정의한다.
• 패턴 식별(Identify): 비즈니스 과제의 맥락에서 조직 내 반복되는 문화적 행동 패턴을 찾아낸다.
• 장벽 인식(Sense): 여러 패턴 중에서 가치 창출을 가장 크게 방해하는 핵심 장벽을 추려낸다.
• 실행 조치 설계(Creating): 일상 업무와 밀접하게 연결된 실행 방안을 구체적으로 설계한다.
• 실행 및 관찰(Implement): 실행 조치를 조직 내에 정착시키고, 시간이 지나면서 효과를 관찰한다.

컬처보드가 실제로 어떻게 작동하는지 이해하기 위해 한 병원의 사례를 살펴보자. 이 병원은 의료 사고로부터 학습해 환자 안전을 강화하겠다는 목표를 세웠다. 이미 사고 보고 시스템은 갖춰져 있었지만, 실제로는 유용한 수준의 세부 정보가 거의 기록되지 않았다. 그 결과 과거의 사고로부터 인사이트를 얻거나 개선 방향을 찾기가 사실상 불가능했다. 병원의 비즈니스 과제는 명확했다. 의료 오류를 줄이는 일은 규제 준수 차원을 넘어, 경쟁력을 유지하기 위한 전략적 과제였다.

리더들은 ‘패턴 식별’ 단계에서 문제의 근본 원인을 더 깊이 탐색했다. 그 과정에서 중요한 패턴 하나가 드러났다. 직원들이 사고 보고를 의도적으로 피하고 있었던 것이다. 의사와 간호사들은 보고가 곧 평판 훼손이나 징계로 이어질 것을 두려워했다. 여기에 효율성 목표가 더해져, 세밀한 기록을 남길 시간조차 없었다. 컬처보드는 이런 상황을 단순히 직원들의 의지 부족이나 책임감 결여로 보지 않고, 조직이 만들어낸 구조적 맥락, 즉 해결해야 할 ‘상황적 문제’로 정의할 수 있게 했다.

이어지는 ‘장벽 인식’ 단계에서 리더들은 한 가지 결론에 도달했다. 사건 보고가 안전하고 의미 있는 일이 되지 않는 한, 실제 개선은 불가능하다는 점이었다.

이러한 통찰을 바탕으로 병원은 몇 가지 실행 조치를 취했다. 먼저 사건 보고 절차를 전면 개편해 익명성을 보장했으며, 인센티브 구조를 조정해 효율성만을 강조하던 기존 KPI 지표를 폐지했다.

결과는 놀라웠다. 보고 건수와 내용의 품질이 눈에 띄게 향상됐다. 이제 병원의 소규모 혁신팀은 훨씬 풍부한 데이터를 분석해, 특정 진료 과정에서 오류율을 낮출 수 있는 구체적 개선 방안을 도출할 수 있게 됐다. 개선 효과가 눈에 보이기 시작하자 직원들은 시스템을 신뢰하기 시작했고, 자연스럽게 새로운 조직 문화가 자리 잡았다.

이 사례는 데이터 가치 창출의 핵심인 ‘피드백 루프’를 잘 보여준다. 데이터 거버넌스의 공식적 변화는 데이터 문화에 직접적인 영향을 미칠 수 있다. 그러나 더 중요한 점은 그 반대 방향의 작용이다. 새롭게 형성된 데이터 문화는 다시 데이터 자산의 품질을 높이는 데 기여한다. 앞선 병원 사례에서 직원들이 더 풍부하고 정확한 보고서를 작성하게 된 것이 대표적인 예다. 이처럼 데이터 거버넌스와 데이터 문화는 서로 맞물리며 선순환 구조를 만든다. 새롭게 형성된 문화가 제도적 시스템을 강화하고, 그 시스템이 다시 문화를 뒷받침한다. 이 순환이야말로 지속 가능한 데이터 중심 전환을 이끄는 동력이 된다.

장벽을 발견하고 극복하기

많은 경영진이 데이터 중심 조직으로 거듭나기 위해 문화를 ‘고쳐야 할 문제’로 인식한다. 그러나 현대 조직 이론은 이러한 접근이 논리적 오류라고 지적하고 있다. 데이터 문화를 설계하거나 ‘만들어내려는 시도’는 본질적으로 성공 확률이 낮다. 이유는 명확하다. 데이터 거버넌스와 달리 데이터 문화는 결과물이기 때문이다.

따라서 리더는 문화를 인위적으로 바꾸려 하기보다, 데이터·분석·AI를 활용한 가치 창출을 가로막는 장벽을 찾아내고 제거하는 데 집중해야 한다. 장벽이 해소되면 데이터 활용 성과가 자연스럽게 향상되고, 데이터 문화가 부수적으로 형성될 수 있다. 그래야 데이터 거버넌스와 데이터 문화가 선순환하는 구조가 형성되며, 이는 곧 지속 가능한 데이터 가치 창출의 원동력이 된다.

이런 관점을 받아들이면 조직은 성공 가능성이 낮은 대규모 문화 혁신 프로젝트나 형식적인 변화 프로그램에서 벗어날 수 있다. 대신, 데이터 기반 가치 창출에 방해되는 문화적 패턴을 찾아내는 일에 자원과 노력을 집중할 수 있다. 이 과정에서 근본적 맥락과 장벽이 드러나면, 가치 창출을 촉진하는 실행 전략을 설계할 수 있다. 그러면 데이터 활용의 성과를 개선하고 데이터 투자 수익률(ROI) 또한 실질적으로 높일 수 있다.
dl-ciokorea@foundryco.com