data-driven v.s data-informed

hackernoon 의 Why you should be data-informed and not data-driven 라는 글 요약

data-driven 과 data-informed 말장난 같지만 driven 은 모든 의사결정이 데이터에 근간. 이에 반해 informed 는 데이터는 중요한 인풋 중 하나일 뿐이며 데이터를 사용하여 유저에게 어떤 value 를 줄 수 있을지에 대한 이해를 높이는데 있다.

예를 들어, 푸시 알림을 몇 개 보내봤는데 해당 유저들로부터 conversion 이 높다졌다고 치자. Double down 노력의 일환으로 푸시 알림 frequency 를 높였다. 당연 유저들이 알림에 대한 면역력 (?) 이 생기고 짜증을 유발하여 결국 앱을 지우게 된다.

Data-informed 문화에서는 어떤 알림을 유저가 좋아하는지, 왜 좋아하는지, 어떻게하면 우리 앱이 주는 가치를 높일 수 있을지, 비슷한 high-value events 가 있을지에 대해 고민하는 것이다.

Data-Driven과 Data-Informed의 핵심 차이

Data-driven 의사결정은 데이터를 최종 판단의 기준으로 두는 방식이고, data-informed 의사결정은 데이터를 핵심 근거로 사용하되 맥락과 가설 검증을 함께 반영하는 방식입니다. 실제 현장에서는 두 방식의 균형이 성과를 좌우합니다. Gartner에 따르면 2024년 기준 기업 디지털 이니셔티브 중 비즈니스 목표를 달성하거나 초과 달성한 비율은 48%에 그쳤고, 반대로 비즈니스와 기술이 함께 의사결정을 설계한 Digital Vanguard 그룹은 71% 달성률을 보였습니다 (Gartner, 2024). 또한 McKinsey Global Survey는 2024년 조직의 정기적 생성형 AI 활용 비율이 65%로, 직전 조사 대비 거의 두 배로 증가했다고 밝혔습니다 (McKinsey, 2024). 즉, 데이터 활용량 자체보다 데이터 해석 구조가 성과 차이를 만듭니다.

"D&A leaders must demonstrate their value to the organization by linking the capabilities they are developing and the work they do to achieve the business outcomes required by the organization." — Ramke Ramakrishnan, VP Analyst at Gartner (2024)

실제 비즈니스에서의 적용 사례

실무에서는 data-driven과 data-informed를 분리해서 쓰기보다, 캠페인 운영 단계별로 다르게 배치할 때 성과가 높아집니다. 예를 들어 예산 배분과 채널 믹스는 data-driven으로 운영하고, 메시지 빈도와 고객 경험 설계는 data-informed로 운영하는 식입니다. CMO Survey Fall 2024에 따르면 미국 기업의 마케팅 지출은 최근 1년간 5.8% 증가했고 향후 12개월 증가 전망은 8.6%입니다 (The CMO Survey, 2024). 같은 조사에서 디지털 마케팅 지출 증가율은 11.1%, 향후 12개월 전망은 12.7%로 더 높았습니다 (The CMO Survey, 2024). 예산이 늘어나는 국면에서는 데이터 기반 집행이 중요하지만, 빈도 피로도나 채널 간 간섭 같은 맥락 변수까지 반영해야 실제 전환 유지율이 개선됩니다.

Wavestone의 2024 Data and AI Leadership Executive Survey에서도 비슷한 패턴이 확인됩니다. 응답 기업의 90%는 생성형 AI 투자를 늘리고 있지만, 실제로 생산 환경에서 대규모 구현을 완료한 기업은 5%에 불과했습니다 (Wavestone, 2024). 투자 데이터만 보고 속도를 높이는 접근은 data-driven에 가깝고, 조직 역량·품질·리스크를 같이 보는 접근은 data-informed에 가깝습니다. 이 간극을 줄이는 조직이 실행 성과를 먼저 확보합니다.

언제 Data-Driven을, 언제 Data-Informed를 선택해야 하는가

반복성이 높고 실험 비용이 낮은 의사결정에는 data-driven이 유리하고, 고객 경험과 브랜드 신뢰처럼 장기 효과가 큰 의사결정에는 data-informed가 더 안전합니다. Salesforce State of Marketing 10th Edition에 따르면 83%의 마케터가 개인화된 양방향 커뮤니케이션 전환을 인식하지만, 데이터 활용에 만족하는 비율은 4명 중 1명 수준에 머뭅니다 (Salesforce, 2026). 또한 Forrester의 2024 Marketing Survey 분석에서는 B2B 마케팅 리더의 64%가 조직이 의사결정에 사용할 측정 체계를 신뢰하지 못한다고 답했습니다 (Forrester, 2024). 즉, 데이터가 많아도 신뢰 가능한 측정 구조가 없으면 data-driven은 쉽게 왜곡되고, data-informed는 조직 합의를 만들기 어려워집니다.

실무 판단 기준은 간단합니다. 첫째, KPI가 단기 수익과 직접 연결되면 data-driven 우선입니다. 둘째, KPI가 고객 생애가치(LTV), 리텐션, 브랜드 신뢰처럼 시차를 갖고 나타나면 data-informed 우선입니다. 셋째, 두 방식 중 하나만 고정하지 말고 주간 운영은 data-driven, 월간 전략 조정은 data-informed로 이원화하면 의사결정 비용을 낮추면서도 성과를 안정화할 수 있습니다.

실행을 위한 운영 체크포인트

Data-informed 문화를 만들기 위해서는 지표 추가보다 운영 리듬 설계가 먼저입니다. 2024년 Gartner 조사에서 전체 조직 평균 달성률이 48%였다는 점은 단순 분석 도입만으로는 성과가 제한됨을 보여주고, Wavestone 조사에서 90% 투자 대비 5% 대규모 구현이라는 간극은 실행 체계 부재의 비용을 보여줍니다 (Gartner, 2024; Wavestone, 2024). 따라서 팀은 주간 단위로 data-driven 실험 로그를 관리하고, 월간 단위로 data-informed 리뷰를 진행해 맥락 변수와 고객 가치 변화를 함께 점검해야 합니다.

운영 템플릿은 세 가지면 충분합니다. 실험 로그에는 가설·지표·결과를 기록하고, 의사결정 로그에는 데이터 외에 반영한 맥락 변수와 반대 가설을 함께 남기며, 분기 리뷰에서는 단기 KPI와 장기 지표의 상충 여부를 점검합니다. 이 방식은 데이터 중심 실행 속도를 유지하면서도 의사결정의 품질과 재현성을 높여, 캠페인 성과를 일시적 상승이 아닌 지속 가능한 성장으로 전환하는 데 유리합니다.