디자인 씽킹 ⑪ - 뷰카월드(VUCA World)를 현명하게 대처하기 1

* VUCA(뷰카) : Volatility(변동성), Uncertainty(불확실성), Complexity(복잡성), Ambiguity(모호함)의 앞 글자를 딴 단어로 현재의 예측 불가능하고 미래 생존을 담보하기 어려운 환경을 의미하는 신조어

우리가 살고 있는 뷰카월드(VUCA World)

불확실한(VUCA) 상황을 어떻게 하면 현명하게 대처할 수 있을까?

우리는 코로나19와 같이 다양한 형태의 불확실한(VUCA) 환경을 점점 더 자주 마주하게 됩니다. 또한 이러한 상황들은 더 복잡하고 모호한 문제로 연결되고, 복잡한 문제를 해결하기 위해 많은 사람들의 통섭적인(Concilience*) 사고와 전문성 그리고 창의성까지 필요로 하지만, 조직의 구조는 점점 개인화되고 세분화되며 분절된 형태로 발전하면서, 점점 더 독립적으로 업무를 수행할 수밖에 없는 상황과 구조로 발전하고 있습니다. 특히, 이번에 겪었던 코로나19는 심지어 공간의 분리를 넘어 심리적 단절까지 만들어 낸 상황에서 물리적, 심리적 고통과 더불어 생명을 위협하는 아픔까지 가져왔고 이를 해결하기 위한 많은 노력들이 나타나고 있습니다.

그렇다면, 앞으로 다가올 뷰카월드(VUCA World)에서 발생한 문제를 신뢰할 수 있는 해석과 이해를 바탕으로(Sensemaking*), 현명하게 예측 대응하는 방법에 대해서 살펴보도록 하겠습니다.

* Concilience(통섭적) : 에드워드 오스본 윌슨의 1998년 저서 《통섭, 지식의 대통합》을 통해 다시 알려지기 시작, 라틴어 어원을 따지면 '함께 뛰어넘다'라는 뜻 한국에 도입되면서 '큰 줄기를 잡다'는 뜻의 한자어로 사용, 학문은 자연과학과 인문학으로 양분되고 사회과학은 생물학과 인문학에 흡수될 것으로 전망, 과학과 인문학을 융합하려는 인간 지성의 위대한 도전의 지속성 주장
* Sensemaking(센스메이킹) : 미시간대학교 경영대학 석좌교수 칼 웨익(Karl Weick)은 센스메이킹을 조직 내에 진행되는 여러 현상을 '메이크 센스하게 하는 것'이라고 정의하며 경영 측면에서의 센스메이킹은 '조직의 내외부에서 진행되는 불확실하고 복잡한 상황을 명백하게 이해하게 하고 그 이해를 기반으로 대처하는 인지 과정을 의미

뷰카월드(VUCA World)에서 발생한 문제를 디자인 씽킹으로 현명하게 대처하는 액션 스텝!

① 공감되는 문제 상황 발견하기
② 생생한 현장 데이터 수집하기
③ 신뢰할 수 있는 분석/진단하기
④ 설득력 있는 문제 상황 예측하기
⑤ 자발적인 조직적 협력 대응하기

하나. "살아있는 생생한 행동 데이터" 수집하기!

: 시스템에서 수집되지 않은 생생한 행동 데이터 정의하고 수집 가능한 형태의 추가적인 시스템 로그 데이터와 현장 기록 데이터(현장 사진, 말, 행동) 수집하기!

먼저 문제를 신뢰할 수 있게 이해하기 위해서(Sensemaking) "살아있는 현장의 행동 데이터"를 수집하는 것이 중요합니다. 기록된 데이터는 "이미 과거의 벌어진 일!" 즉, "과거 데이터"입니다. 그렇기 때문에 빠르게 변화하는 뷰카월드(VUCA World)를 과거 데이터로는 "새롭게 현상에 대응"하기엔 역부족입니다. 기록된 데이터는 과거 상황을 이해하고 해석할 수 있지만, 현재에 벌어진 일이나, 벌어질 일에 대해 해석하기 위해서는 "살아있는 생생한 데이터"가 중요한 단서가 되므로 꼭 필요합니다. 그러므로 실시간으로 발생한 "살아있는 행동 데이터"가 과거의 데이터와 결합해서 "투명한 해석"이 가능해지고 "명쾌한 해석을 바탕으로 신뢰"를 이끌어내게 됩니다.

이렇게 해석한 것들은 나를 비롯한 나와 같은 어려움을 겪고 있는 사람들 그리고 전문가 관점에서 도움을 주고 싶어하는 사람들에게 문제를 함께 풀 수 있게 심리적 공감력을 바탕으로 강력한 실행력까지 이끌어냅니다.

"신뢰할 수 있는 해석"이란?
참여자 간 경험적 지혜와 전문가들의 전문지식을 바탕으로 문제해결의 방안을 "실행력 있는 통찰력(insightful)" 통해 구체적으로 제시하고, 조직원들 간의 "신뢰 기반 자발적 협력(Organizational voluntary cooperation*)"을 통해 문제 상황을 현명하게 해결해 갈 수 있게 됩니다.

* Organizational voluntary cooperation(조직의 자발적 협력) : 조직 연구 분야의 권위자인 UC버클리대학의 모튼 한센 교수는 "협력이란? 각 이해 관계자들이 소통과 협력을 통해 공동의 목표를 달성하고 성과를 창출하는 행동"이라고 정의
* 협력의 조직 정서 : 세계적인 창의성 전문가인 하버드대학의 테레사 아마빌레 교수는 “도움의 조직 정서는 조직 내에서 아이디어의 품질과 실행력을 높이는 데 필요한 다각적인 시각과 경험, 그리고 전문성을 이끌어낸다”고 강조

→ 디자인 씽킹의 고객여정지도에 “생생한 데이터 수집”하기!

* Customer Journey Map(고객여정지도) : 문제 현상이 발현되기 전과 후의 여정을 맥락 기반으로 이해할 수 있게 시간의 흐름을 따라 행동의 흐름을 시각화해서 정리한 지도. 모두가 공감, 신뢰할 수 있는 문제 발생 지점을 찾아내고 전후 맥락 이해하는 용도로 활용

고객여정지도는 문제 사항에 대해 신뢰와 공감이 가고, 문제 상황을 쉽게 이해가 가도록 맥락 기반에서 합리적 해석하는 데 도움을 줄 수 있습니다. 디자인 씽킹 방법론 중 고객여정지도를 활용해서 "살아있는 생생한 현장의 행동 데이터"로 문제 해결의 실마리 찾기 위한 중요한 보물 지도와 같습니다.

또한 고객여정지도는 현재의 문제 상황의 전후 맥락을 이해하기 위해 그리기도 하고, 문제의 근본적인 원인을 찾고 이를 해결하기 위해 연관된 이해관계자들과 도움을 줄 수 있는 분야 전문가들이 참여하도록 설득용으로 문제가 해결된 개선된 고객여정지도 를 그려 자발적 조직 협력을 이끌어내는 데 활용하기도 합니다.

Identification

• Observations
• Activities
• Motive Sub Activities
• Time
• Tools
• Insights
• Opportunities

Familiarization

• Observations
• Activities -verify restrictions/explain procedures
• Motive Sub Activities - confirming ask or confirm issues related to disposition(e.g diet, stress,age and weight)/introducing explain briefly what needs to be done
• Time - 00:00:20/00:00:30
• Tools - patient record might be available/
• Insights -misunderstanding may occur leading to written errors/misunderstanding may occur
• Opportunities

Confirmation

• Observations
• Activities - calm patient/indentify patient/prepare order
• Motive Sub Activities - tranquitizing professional and courteous behavior should help calm the patient,who may be nervous/checking 1.request identification(e.g. driver's license or hospital record0 2.compare information with the test requests/updating write or type information on the requested form
• Time - 00:00:10/00:00:40/00:00:15
• Tools - /indentification bracelet ,card,patient record/patient record,pen,formal request
• Insights - apporopriate skills need to be used to calm patient properly/misspelling may occur during identication/ may occur during identification
• Opportunities - training & products/protocol & procucts/training & products

생생한 경험 데이터 수집하기 첫 번째 – 고객 여정을 사진으로 기록

고객 여정을 그리는 방법은 매우 다양합니다. 그중 고객이 겪는 어려움을 사진으로 찍어 기록으로 남기고 이를 여정지도에 활용하는 방법입니다. 이러한 방법은 고객의 리얼 보이스(Real Voice)를 직접 듣는 것처럼 고객의 리얼 페인(Real Pain)을 직접 목격하게 되므로 살아있는 생생한 현장의 정성 데이터로 프로젝트에 참여한 사람들로 하여금 공감과 신뢰를 빠르게 이끌어낼 수 있는 장점을 가지고 있습니다. 사진을 사용할 때 시간의 순서에 따라 정리하고 이때 한 행동들과 행동을 하게 된 동기와 목적, 사용했던 툴(Tool)이나 터치 포인트(Touch Pint) 그리고 관찰하면서 얻은 인사이트(Insight)들을 적고 문제를 개선할 수 있는 기회와 협력할 수 있는 이해관계자들에 대해서 상세하게 기술합니다.

생생한 경험 데이터 수집하기 두 번째 – 고객 행동이 남긴 정량 데이터 변화를 시간 따라 기록

고객 여정을 그리는 또 다른 방법은 고객의 행동 변화를 기록한 정량 데이터를 시간의 순서에 따라 여정지도에 활용하는 방법입니다. 이러한 방법은 고객의 행동 변화량이 어떻게 달라지고 있고, 어떻게 느끼고 있는지 전후 상황을 살펴보기에 유용한 방법입니다. 예를 들어 어떠한 서비스에 관심이 생겨 구독이 늘어났는지 또는 관심이 없어져서 줄어들었는지 그리고 왜 이러한 행동을 하게 되었는지 현상이 일어난 배경과 결과를 중심으로 주도면밀하게 살펴보기에 여정지도는 매우 유용합니다.

생생한 경험 데이터 수집하기 세 번째 – 고객 행동이 남긴 디지털 풋프린트를 시간 따라 기록

고객 여정을 그리는 또 다른 방법은 고객의 행동 변화를 기록한 디지털 풋프린트(Digital Foot Print)를 활용하는 방법입니다. 이 방법은 눈에 보이지 않는 디지털 공간에서 어떻게 움직이고 있고, 어떠한 것들이 주요 원인이 되고 그 결과로 어떠한 현상들이 벌어지고 있는지 파악하기 유용한 방법입니다. 예를 들어 특정 취향을 가진 키덜트(Kidult : 아이(Kid)와 성인(Adult)의 합성어) 족은 어린 시절에 경험했던 향수들을 여전히 잊지 못해 그 경험을 다시 하고 싶어지는 데 이런 취향을 가진 사람들에게 제공되는 타겟 서비스인 패션, 잡화, 소품을 판매하면서 구매 기록으로 키덜트 취향을 가진 고객이 누구인지를 알 수 있고 그들의 관심 변화와 라이프 스타일을 파악할 수 있게 됩니다.

둘. "살아있는 생생한 행동 데이터"를 기반으로 신뢰할 수 있는(Sensemaking) 분석하기!

: 미래를 완벽하게 예측할 수 없지만, "살아있는 현장의 행동 데이터"로 "살아있는 현장의 행동 데이터"로 파워풀하게 문제 해결하기!

고객 여정을 기반으로 고객 행동을 분석하는 것은 고객의 전후 행동을 예측하고 더 좋은 경험과 서비스를 제공할 수 있는 단서들을 찾게 해줍니다. 그러기 때문에 고객의 행동 단위로 분석하는 이유는 행동이 가지는 의미에 중요한 가치를 둔 분석법이라 할 수 있다. 특정 행동을 하기까지 영향을 미치는 특정 행동 변수를 찾아내고 그 특정 행동 구간에서 부정적인 요소들을 개선, 제거 함으로서 고객에게 미치는 인지, 경험, 인상, 느낌, 비교, 판단, 선택, 확장, 옹호의 고객 여정의 변화를 이끌어 내는 것입니다. 그러므로 고객 행동 즉, 여정을 분석하고 신뢰할 수 있는 해석과 이에 알맞은 대응, 개선책을 이끌어 내는 것은 매우 중요한 일이 됩니다. 고객 행동을 단계별로 구체적으로 살펴보면 인지(Awareness), 교육(Education), 고려(Consideration), 구매(Purchase), 채택(Adoption), 유지(Retention), 확장(Expansion), 옹호(Advocacy) 등 다양한 고객 여정이 있습니다. 각 단계 안에서 특이하게 나타나는 고객 패턴이 존재하게 되는데 이러한 것을 분석해서 고객의 불편 어려움을 제거하고 더 좋은 서비스를 제공하기 위해 근거자료를 찾아 활용할 수 있습니다.

• awareness - 1,4,9
• education -10,2,6,14
• consideration - 16,3,15,5,8
• purchase - 7,11,18,15
• adoption - 12,13
• retention - 20,15
• expansion - 18,8
• advocacy - 5

• 1~18:behavior category, circle size:weight behavior,color:journey stage,emoticon:emotional score

고객 행동 기반 분석 첫 번째 – 고객 여정 단계별 행동에 따른 패턴 분석

또한 Shapley Value 분석기법을 통해 이러한 행동 패턴에 영향을 미치는 요인의 영향력을 분석해서 신뢰 있는 해석으로 좀 더 직관적으로 문제해결을 할 수 있습니다. SHAP(SHapley Additive exPlanation)는 어떠한 현상이 일어난 것에 대한 원인을 역추적하고 원인 간의 강도 분석을 통해 좀 더 잘 이해할 수 있고 납득과 신뢰가 생기게 각 변수의 설명 값을 통해 설득력을 갖게 됩니다. 이 외에도 앞으로 일어날 행동에 대한 예측까지 블랙박스 모델을 통해 예견할 수 있습니다.

[참고] Shap 분석기법에 대해서 자세히 알아보기

shap

• age=65→,sex=f→,bp=180→,bmi=40→/base rate=0.1→Model→Output=0.4
• explanation
• base rate=0.1/age=65→,sex=f→,bp=180→,bmi=40→+0.4,-0.3,+.1,+.1→Output=0.4

• data
• →x/→x'
• (black-box)model:f/surrogate model:g
• →prediction/→expla]nation
• x=hx(x')/g(z')=f(hx(z')),where z'~x'

고객 행동 기반 분석 두 번째 – 고객 행동에 영향을 미치는 요인 분석

수집된 생생한 데이터를 수집하는 일도 중요하지만 분석하는 일도 못지않게 중요합니다. 데이터양이 적으면 수작업으로 분석하지만, 데이터양이 방대할수록 통계분석 시스템을 활용한다면 보다 쉽고 빠르게 분석할 수 있습니다. 아래 표는 특정 프로젝트의 분석한 내용으로 빨간색은 예측치의 긍정적인 영향을, 파란색은 부정적인 영향 미치는 것을 시각적으로 분석하고 있습니다. 분석된 내용을 설명하자면, 특정한 상황에 영향을 미치는 긍정적인 요인으로는 자본의 큰 손실, 기혼자의 높은 교육수준, 기혼자의 낮은 교육수준, 독신 노인의 높은 교육수준, 거대자본의 획득으로 설명되었습니다. 부정적인 요인으로는 젊은 독신 그리고 중년 독신의 낮은 학력 수준, 젊은 독신의 높은 학력 수준으로 설명되었습니다. 이렇게 인구통계학적인 요인 분석 외에도 행동 데이터 분석의 시각화가 가능합니다. 예를 들어서 점원 추천에 의존하는 고객과 그렇지 않은 고객, 인터넷 서핑 자료나 동료의 추천에 의존하는 고객 같이 고객의 행동이 긍/부정의 영향을 미칠 수 있고 구매라는 행동에 직간접적인 영향을 미치며 이러한 것들이 어떠한 상관관계가 있고 좋은 구매 경험을 제공하기 위해서 어떻게 서비스를 개선해야 하는지 그 지점을 찾는 데 도움을 줍니다. 어떠한 결과나 현상을 설명할 수 있는 요인들을 추출하고 해석할 수 있게 면밀하게 현상들을 분석하고 앞으로 나타날 현상까지 예측할 수 있게 도움을 줍니다.

simples sorted by explanation similarity

• large capital - loss log adds of making 250k :1.83
• married and less educated - loss log adds of making 250k :2.17
• married well educated - loss log adds of making 250k :0.8305
• middle aged less educated single - loss log adds of making 250k:-1.17
• young and single - loss log adds of making 250k:-1.17
• well educated young single - loss log adds of making 250k:0.8305
• well educated older single - loss log adds of making 250k:-1.17
• large capital gain - loss log adds of making 250k:2.83

고객 행동 기반 분석 두 번째 – 긍/부정요인 분석

이번 호에서는 “뷰카월드(VUCA World)를 현명하게 대처하기!” 편으로 생생한 데이터를 수집하고 이를 고객여정지도에 시각화하는 다양한 방법에 대해서 알아보았습니다. 그리고 이러한 것들을 이해와 납득을 넘어 신뢰 기반의 설득이 될 수 있는 수준으로 분석하고 개선의 실마리를 찾아 조직적 협력을 할 수 있게 만들어내는 방법에 대해서 알아봤습니다. 가장 중요한 것은 ‘생생한 고객 데이터 수집’으로 고객의 페인포인트(Pain Pont) 단서를 찾는 방법은 ‘생생한 고객 행동’에 있다는 것을 기억해 주세요~

그럼, 이상으로 “뷰카월드(VUCA World)를 현명하게 대처하기!”를 적용해서 고객 주도 혁신이 실현되기를 바라겠습니다.

피플 퍼스트를 통해서 디지털 트랜스포메이션 혁신을 찾는 방법은 이전 기고 글에서 확인이 가능합니다.

지난 기사 자세히 보기 :
“디자인 씽킹 ⑩ - 성공적인 디지털 트랜스포메이션을 위해 피플 퍼스트(People, First)로 시작”
https://www.samsungsds.com/kr/insights/

삼성SDS는 고객의 경험 순간순간을 놓치지 않고 꾸준히 개선해 나가면서 더 사랑받을 수 있는 ‘혁신 서비스와 상품’을 만들고자 노력하고 있습니다. 필자도 DT(Design Thinking)로 고객이 원하는 새로운 가치를 발견하고, DT(Digital Transformation)로 고객이 원하는 새로운 기술을 실현할 수 있도록 업무 문화 혁신 활동을 지속해 나가겠습니다.

여러분의 비전이 실현될 때까지! Realize your vision~
DT(Design Thinking)로, DT(Digital Transformation)해 나가겠습니다.



References
[1] Sensemaking(센스메이킹)
칼 웨익 (Karl Edward Weick : 미시간대학교 경영대학 석좌교수)
센스메이킹 : Sensemaking in Organizations (Foundations for Organizational Science)
[2] Concilience(통섭적)
에드워드 윌슨 (Edward Osborne Wilson : 미국의 사회생물학자), 1998년
컨실리언스 : Consilience: The Unity of Knowledge: Edward Osborne Wilson
[3] Organizational voluntary cooperation(조직의 자발적 협력)
모튼 한센 (Morten Hansen : 미국 캘리포니아 주립대학 버클리 캠퍼스 정보대학원 경영학 교수이자 INCEAD의 교수), 2009년
협력 : Collaboration: How Leaders Avoid the Traps, Build Common Ground, and Reap Big Results
https://www.ischool.berkeley.edu/people/morten-hansen
[4] 혐력적 조직 정서
테레사 아마빌레(Teresa M. Amabile: 하버드 경영대학원 교수), 1996년
맥락적 창의성 : Creativity In Context: Update To The Social Psychology Of Creativity
[5] 사진을 활용한 고객여정 지도
http://wwwdev.kmooc.kr/asset-v1:SNUk+SNU061.020k+2020+type@asset+block@_학습자료__인간_중심_성찰과_디자인_3주차.pdf,
[6] 기록된 정량데이터를 활용한 고객여정지도
https://ar.pinterest.com/pin/245798092148386652/amp_client_id=CLIENT_ID(_)&mweb_unauth_id=&simplified=true
[7] 디지털 풋 프린트된 고객행태 데이터를 고객여정지도
https://www.glassbox.com/visualize-user-journey-mapping/#journeymapping
https://www.beusable.net/blog/?p=3264
[8] 각 여정별 고객행태 패턴 그룹핑 정보를 활용한 고객여정지도
https://kimiae.tistory.com/m/29
[9] 고객행동에 대한 요인을 설명할 수 있는 데이터분석
https://velog.io/@tobigs_xai/2%EC%A3%BC%EC%B0%A8-SHAP-SHapley-Additive-exPlanation
[10] 고객행동에 영향을 미친 긍부정요인 설명 가능한 데이터 분석
https://github.com/slundberg/shap/issues/309



▶   해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶   해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.