빅데이터는 이제 우리 생활에서 떼려야 뗄 수 없는 것이 되어버렸습니다. 일상생활 속의 문제를 해결하거나 불편한 점을 개선해주는 역할을 하면서, 빅데이터는 점점 더 우리의 일상과 긴밀한 관계를 유지해 가고 있습니다. 하지만 빅데이터가 모든 문제를 해결해 줄 수는 없습니다. 우리의 생활에서 사소하게 일어나는 문제에 대해서는 특히 더 그렇습니다.

그래서 주변 생활 속에서 발생하고 쌓이는 데이터, 즉 ‘생활 데이터’가 필요하게 되는 것입니다. 생활 데이터는 데이터가 주는 본질적인 의미보다 기술과 장비에 치중하게 되는 요즘의 ‘빅데이터 세태’에 반하여 나온 개념입니다. 우리 주변에서 발견할 수 있는 아주 작은 데이터라도 그것을 활용하고 이해하는 과정이 중요하다는 것을 강조하는 것이지요. 관련 전문가가 아니더라도, 또는 많은 양의 정보를 수집하는데 시간과 비용을 들이지 않아도, 내 주변에서 항상 존재하고 있는 생활 데이터를 통해서 우리는 주도적으로 문제 상황에 맞설 수 있습니다.


생활 데이터가 된 당뇨병력 기록 차트, 사진 출처



생활 데이터의 활용 사례


1. 통계로 튀기는 치킨

  2015년 통계청에서 주최한 통계 활용 수기 공모에서 최우수상을 차지한 ‘통계로 튀기는 치킨’은 치킨집을 하는 아버지를 돕기 위해 매일 매일의 닭고기 수요를 예측하는 모델을 만들어 활용했던 대학생 허성일 님의 이야기입니다.





약 6개월의 관찰 끝에 계절, 날씨, 이벤트 등의 주요 변수를 얻고, 2013년 8월 판매 예상량과 실제 판매량을 데이터화 시킨 ‘가중치 닭고기 소모량 통계’를 만들었습니다. 또한, 효율적 판매를 위해 고객들의 치킨 구매 패턴을 분석하였습니다. 기호에 따라 일정한 구매 패턴을 보인다는 것을 알게 되었으며, 이는 전체 매출의 15%를 차지한다는 결과를 얻어냈습니다.


어쩌면 무시하고 넘어갈 수도 있었을 영업 데이터와 단순한 변수로 의미 있는 결과를 도출하고 치킨집에 새로운 활기를 줄 방안을 마련할 수 있었습니다.



2. 당뇨병 관리


자기 주변의 데이터 활용 사례와 방법에 대해 공유하고 실습으로 데이터 분석 능력을 키우는 목적의 모임인 ‘생활데이터 그룹’에서 소개한 서영부 님의 사례입니다.

서영부 님의 장모님께서는 당뇨병 진단을 받으시고 새로운 식이요법을 적용하고 매일 혈당을 측정하는 일에 적응하는 데 많은 어려움을 겪고 계셨습니다. 공복 시 혈당은 120 이하, 식후 혈당은 160 이하를 유지한다는 목표를 세우고 아침 공복 1번, 식후 3번의 빈도로 측정을 시작하셨지만 이를 꾸준히 기록하는 것을 힘들어하셨습니다.



서영부 님께서 공유해주신 장모님의 혈당 기록표



이에 서영부 님은 장모님께 혈당관리를 위한 데이터 사용법을 가르쳐드렸습니다. 종이에 입력하시던 혈당 데이터를 엑셀에 옮겨 추이를 보여드리고, 추가로 데이터를 넣으시면 그래프가 그려지도록 만들어 드린 것입니다. 또한, 혈당 관리를 위해서는 어느 기준점 이하로 그래프가 내려가야 한다는 점을 이해시켜 드렸습니다.



서영부 님께서 공유해주신 장모님의 혈당 기록표 엑셀 버전


이를 통해 장모님께서는 측정하는 숫자와 목표 간의 관례를 이해하실 수 있었습니다. 더불어 서영부 님은 장모님께서 혈당관리에 필수적인 운동량을 채우실 수 있도록 미 밴드도 드렸습니다. 운동량의 기준을 설정하여 운동량을 수치를 통해 관리하실 수 있게 한 것입니다. 이렇게 간단한 도구를 사용하여 생활 속의 데이터를 시각적으로 이해하고 측정할 수 있습니다.



3. 터미널 롯데리아, 동네 맥도날드, 강남 버거킹?




 한 트위터 이용자의 말에서 착안하여, 전국의 롯데리아, 버거킹, 맥도날드, KFC 매장 수와 지역의 발전 수준과의 상관관계를 파악한 사례도 있습니다. 위의 방정식을 ‘버거지수’라고 하고, 2015년 1월 26일 각각의 홈페이지에서 얻은 매장 정보를 토대로 다음과 같은 결과가 만들어졌습니다.





강남과 서초에는 롯데리아보다 버거킹, 맥도날드, KFC가 훨씬 많으며, 다른 지역에서도 주로 ‘시내’권인 중구 지역이 버거지수가 높은 것으로 나타났습니다.

추가로 브랜드별 매장 분포도 파악하였습니다. 이를 통해 롯데리아 매장이 전국적으로 고르게 분포하는 것을 확인하였는데요. 이에 따라 인구밀도에 상관없이 롯데리아 매장 숫자가 고정적인 비율이라면, 버거지수와 인구밀도에도 상관관계가 있을 것이라고 가설을 확장하였습니다.


인구밀도와 버거지수와의 상관관계



시군구 경계로 지역을 단순화했고 유동 인구나 인구 구조의 등의 특징을 충분히 고려하지 못하였지만, ‘이렇지 않을까?’라고 생각했던 것을 생활 속에서 얻어 낼 수 있는 데이터로 증명하려고 한 좋은 사례가 될 수 있습니다.



생활 데이터의 실천


아직 어떤 생활 데이터를 활용하여 어떻게 분석해야 하는지 감이 잡히지 않는다면, 어디서부터 시작해야 할까요?



1. 문제에서 시작하기

생활 데이터로 직접 풀어보고 싶은 문제가 주변에 있다면, 문제를 정의해 보세요. 이를 통해 자신의 고민을 구체화하여 데이터 분석과 수집 방향을 설정할 수 있습니다.

내가 최근에, 혹은 지속적으로 가장 관심을 두는 문제는 무엇일까? 그 문제에 관련된 현상을 어떻게 데이터화할 수 있을 것인가? 관련된 데이터가 이미 어딘가에 존재하는가? 아니라면 어떻게 수집할 수 있을까? 그 데이터를 분석하기 위한 최고의 방법은 무엇일까? 이런 질문에 대한 답을 생각하는 과정에서 문제의 세부사항 및 필요한 생활 데이터의 모습을 구체화할 수 있습니다.



2. 데이터에서 시작하기

생활데이터 그룹의 김영웅 님은 정보 공개 청구로 얻은 지하철 인구 유입 데이터를 살펴보다가, 크리스마스이브에 잠실역 승하차 인원이 급증하는 것을 발견하였습니다. 이 데이터를 통해 휴일에 유동인구가 줄어드는 장소를 찾으면 붐비지 않는 곳에서 데이트할 수 있겠다는 생각을 하게 되고, 이는 슬로우 데이트라는 데이터 분석 프로젝트가 되었습니다.


김영웅님이 만든 기념일별 데이트지도



이처럼 최근에는 여러 분야에서 다양한 데이터가 공개되고 있습니다. 데이터 공유에 따른 투명성의 확보 및 열린 혁신에 대한 인식이 높아졌기 때문입니다. 더불어 스마트폰과 웨어러블 기기의 진화로 개인의 일상을 기록하는 라이프로깅(Life-logging)이 활발해 짐에 따라 데이터에 대한 접근성도 높아졌습니다. 이를 활용하여 생활 데이터의 분석을 시작해 볼 수 있습니다.


3. 도구에서 시작하기

데이터에 대한 관심만큼이나 데이터를 다루는 도구 및 기법도 넘쳐 나고 있습니다. 기초부터 공부하여야 쓸 수 있는 도구들도 많고, 분석에 필요한 언어도 많습니다. 또 어떤 데이터인지에 따라 여러 가지 분석 기법을 병행해야 하는 예도 있습니다. 따라서 자신이 활용할 수 있는 도구가 어떤 것이 있는지 파악하는 것도 중요합니다.

데이터양이 방대하고 분석이 일회성으로 끝나지 않는 데이터에는 고급 도구와 기법이 필요합니다. 하지만 기본적으로는 엑셀도 좋은 도구가 될 수 있습니다. 다른 프로그래밍 기반의 도구와는 달리, 시각적으로 데이터를 입력할 수 있고, 셀 단위의 분석을 통해 패턴을 찾기에 유용하기 때문입니다.



4. 기존의 분석에서 시작하기


다른 사람의 분석 결과를 살펴보는 것도 좋은 시작이 될 수 있습니다. 데이터 수집 및 분석, 그리고 결과의 전달 방식에 이르기까지 어떤 기법과 도구를 사용했는지 꼼꼼하게 살펴보면서 부족한 점을 채우고 자신의 방식으로 발전시킬 수 있습니다.

데이터 저널리즘을 접할 수 있는 FiveThirtyEigth는 이 사이트의 상당수의 기사에 사용된 데이터를 GitHub페이지에서 제공하고 있습니다. 자기 주변의 문제를 직접 데이터로 해결하는 생활 데이터를 실천하는 개인들의 커뮤니티인 Quantified Self의 다양한 발표 자료도 유용하게 활용할 수 있습니다.



맺는 말


  생활 데이터는 상대적으로 적은 데이터와 단순한 문제들로 이루어져 있어 모든 사람들이 접근하기 쉽고, 자신의 삶과 연관되어 흥미롭게 결과를 도출해 낼 수 있습니다. 또한 분석하는 사람이 주도적으로 자신 데이터를 활용하여 문제 상황에 접근할 수 있다는 점이 큰 장점입니다.


하지만 모든 데이터가 그러하듯이, 생활 데이터라고 자신의 주변에서 일어나고 있는 문제를 모두 해결해 줄 수는 없습니다. 오히려 데이터를 어떻게 다룰 것이며, 그것으로부터 도출된 것을 어떻게 활용할 지가 더 중요합니다. - ‘데이터를 잘 써먹을 수 있는 구체적인 방법’ 보러 가기

내 주변의 문제를 데이터로 해결하기 위해 필요한 것은 무엇인가? 스스로에게 물어보고 답을 찾을 때 생활 데이터의 시대를 맞이하였다고 할 수 있을 것입니다.



(생활 데이터의 특성 상 개인 정보를 활용하여 분석한 사례가 많습니다. 때문에 민감한 정보는 본 글에 담지 못하였으나, '생활 데이터 분석', '일상 데이터 분석' 등으로 검색하시면 더 다양한 사례를 확인하실 수 있습니다.)


참고: Jin Young Kim의 브런치, 통계청, 슬로우뉴스



by 수달 발자국



Posted by slowalk



 한동안 분야를 막론하고 '데이터' 혹은 '빅데이터'의 열풍이 몰아친 적이 있었습니다. 그 열기는 한 김 식었고 그 뒤에 감추어져 있던 거품이 모습을 드러내기도 하였지만, 데이터는 여전히 어떤 '가치'를 창출하는 데 있어 중요한 수단으로 여겨지고 있습니다. 치열한 경쟁 속에서 살아남기 위해서 데이터의 사용은 더욱 필요할 것이며, 기술의 발전은 그러한 적용을 수월하게 만들 것입니다. 


 과연 데이터 시대에서 우리는 가치 있는 데이터를 잘 사용하고 있을까요? 많은 데이터를 가지고 있는 것 또는 그러한 데이터를 사용하는 행위 자체에 어떤 의미를 부여하며, 데이터 사용의 본질을 잊고 있는 것은 아닐지 고민해 보아야 합니다. 효율적인 의사 결정을 지원하는 정보라는 관점에서 데이터를 잘 활용하기 위해서는 어떻게 해야 하는지 그 방법을 소개해보려고 합니다.    


 먼저 짚고 넘어가야 할 점은 데이터를 다루는 세 단계, (1) 데이터의 수집(Collection), (2) 가공(Refinement), (3) 전달 (Delivery) 입니다. 





데이터에 대한 세간의 관심은 어떻게 하면 많은 양의 데이터를 저장하고 빨리 꺼내 볼 수 있는가에 치중되어 있습니다. 하지만 이것은 가장 기초적인 첫 단계일 뿐입니다. 의사 결정자들이 원하는 '대답'의 형태를 갖추려면 여러 가지 가공과 통계학을 이용한 모델들을 만들어야 합니다. 그리고 세 번째 단계로 '의사 결정자들이 이해하기 쉬운 형태의 대답'을 이용자들이 '선호하는 채널을 통해 쉽게' 볼 수 있게 해 주어야 비로소 "데이터를 제대로 사용하기 시작했다"라고 말할 수 있는 것입니다.

 


'어떤 대답을 원하는 가' 목적을 명확히

 데이터를 다루는 단계를 이해했다면 이제 데이터 분석을 통해 어떤 대답을 원하는 것인지, 데이터를 활용하고자 하는 목적이 무엇인지를 생각해 보아야 합니다. 마케팅 분야를 예로 들어보겠습니다. 효율적인 마케팅이 목적이라면 어느 정도의 반응률이 나오면 성공이라 할 수 있는지, 어느 정도의 비용 절감이 목표인지도 현실성 있게 정의하고 일을 시작해야 합니다. 


마케팅을 주 목적으로 하는 데이터라고 해서 다 비슷한 것도 아닙니다. 수익 모델, 판매 방식, 판매자와 구매자가 선호하는 채널 등에 따라 데이터의 구조 자체가 완전히 달라질 수 있기 때문입니다. 따라서 데이터 수집에 앞서 데이터를 활용하려고 하는 목적이 무엇인지에 대해 정리하는 과정이 필요합니다.



데이터 전략에 대한 단계적 접근 방법



출처: 팝톡(POP&TALK) 블로그



 데이터를 통해서 어떤 대답을 이끌어 낼 것인지를 명확하게 하였다면, 데이터를 활용하는 전략을 구체화하는 것이 필요합니다. 단계적 전략이 필요한 이유는 (1) 그 과정이 복잡하므로 단계로 나누어야 그 공정의 관리가 수월해지며, (2) 각 단계마다 다른 종류의 전문성과 기술이 필요하기 때문입니다. 계속해서 마케팅의 예를 들어 데이터 전략을 구체화하는 주요 단계들에 대해 살펴보도록 하겠습니다.


1. 질문의 공식화 Formulate Questions) : 위에서 말한 목적을 명확하게 하는 단계입니다.


2. 데이터 재고 조사 (Data Inventory) : 어떤 조직이든 생각한 것보다 많은 데이터를 보유하고 있고 어떤 유용한 데이터는 쉽게 눈에 띄는 곳에 있지 않은 경우가 있습니다. 갖가지 정보를 전부 고려하여 데이터를 취합하여야 합니다.


3데이터 수정과 정형화 (Data Hygiene and Standardization) : 데이터의 조각들은 조사되고 추려져야 하며 때로는 고쳐지기도 해야 합니다. 데이터를 관리하는 부서에 따라 비슷한 정보도 다른 형태로 존재하는 경우가 많으니 사용 시에 고민을 덜려면 미리 정형화하여야 합니다.


4. 고객의 정의 (Customer Definition) : 한 조직 내에도 고객에 대한 정의가 여럿 있을 수 있으니 모든 ID 시스템, 고객 번호, 등록번호, 이메일 등이 고려되고 통합되어야 합니다.


5. 데이터의 통합 (Data Consolidation) : 일관된 고객 ID 시스템이 구축되면 일관되게 정리되어 있지 않은 데이터들이 새 ID를 중심으로 통합되어야 합니다. 이것은 모든 단계에서 가장 중요한 과정이기도 합니다. 비즈니스, 데이터, 그리고 분석에 관한 지식이 고루 필요한 작업이며 앞으로의 분석과 리포팅의 초석이 되는 변수들이 창출되는 단계이기도 합니다. 게다가 기업이 속한 산업의 특수성과 사업 모델에 따라 변수들의 형태가 천차만별로 달라지기 때문에 고도의 전문성과 경험을 요합니다.


6. 분석 프로젝트 (Analytical Projects) : 새로운 고객 중심의 플랫폼이 구성되면 그것을 토대로 한 시험 프로젝트를 처음부터 끝까지 실행해보는 것이 중요합니다. 처음부터 모든 걸림돌과 애로 사항들을 다 찾아낼 수 없으므로 반복적 테스트가 중요합니다.


7. 정보의 적용 (Applying the Knowledge) : 실제적인 마케팅 캠페인에 적용하고 전제 데이터베이스로 이용 범위를 확장합니다. 


8. 결과의 분석 (Result Analysis) : 결과를 도출하는 것을 넘어서, 모든 마케팅과 캠페인에 대한 결과를 재 입력하여 새로운 정보를 적용시켜야 합니다. 


이 단계들은 물론 간추려진 과정이며, 경우에 따라서 달라질 수 있습니다. 각 단계들은 데이터 분석의 주 목적을 공유하되 독립된 프로젝트들로 기획, 관리되어야 하며, 어떤 단계들은 동시에 진행될 수도 있습니다. 



데이터를 잘 가공하는 방법

 위의 데이터 전략 단계에서 시사하는 바 중의 하나는 데이터를 정리하는 과정을 통해 초석을 세우는 것이 중요하다는 것입니다.  그렇다면 어떠한 방법으로 데이터를 '잘' 정리할 수 있을까요?


첫 번째 방법은 '범주화'하는 것입니다.

 요즘 수집되고 있는 많은 데이터는 가공되지 않은, 정형화 되지 않은, 구분되어 있지 않은, 수정되지 않은 '자유형 데이터'들인 경우가 많습니다. 이러한 데이터들을 숫자로 표현하여 컴퓨터가 계산할 수 있도록 만들어 주는 것이 중요합니다. 그러기 위해서는 우선 '카테고리와 태그'를 잘 분류해야 합니다. 


실제로 인터넷 음악 서비스들이 마치 따로 고용된 DJ처럼 서로 잘 연결된 노래들을 자동으로 연속해서 틀어주는 것의 배후에는 잘 구성된 공식, 즉 알고리즘이 수백만 개의 노래들 간의 연관 점수를 계산하고 있습니다. 그러한 점수 계산의 시작 점은 각 노래마다 붙어있는 카테고리나 태그입니다. 노래나 음악의 장르, 가수, 연주자, 작곡가, 편곡자, 주요 악기 구분, 오리지널/리메이크 구분 등이 그 예가 될 수 있습니다. 


두 번째 방법은 '빈 곳을 메우는' 것입니다.





아무리 열심히 데이터를 모아도 어떤 이가 특정 상품을 구매한 적이 없다며 그 특정 상품을 중심으로 만든 변수는 비어있는 채로 남아 있을 수밖에 없습니다. 이처럼 비어 있는 데이터(Missing Data)는 도처에 널려있습니다. 그리고 데이터가 없는 데에도 많은 이유가 있습니다. 그렇다면 비어있는 데이터를 어떻게 다뤄야 할까요? 빈 곳으로 놔둘 것인가, 아니면 그곳에 무언가를 채워 넣을 것인가, 채워야 한다면 그렇다면 어떤 방법을 사용할 것인가. 이러한 질문에 대한 대답은 '경우에 따라 다르다'라는 것이며, 중요한 것은 정보의 부재에도 중요한 의미를 찾아낼 수 있다는 것입니다. 


 거래 기록에 있어서 계산이 가능한 데이터들은 거래 기록이 없을 때 자연적으로 비어있게 됩니다. 이것을 빈 곳으로 두어야 하지 0으로 표현해서는 안 됩니다. 간단한 '가구당 자녀 수'라는 정보를 수집하는데 자녀가 없다면 그것은 빈 곳으로 놔두는 것보다 0을 사용하는 것이 훨씬 바람직합니다. 


또는 통계적 모델을 통해 추정된 값으로 비어있는 곳을 메우는 방법도 있습니다. 예를 들어 가구당 연 수입을 다른 변수들을 이용하여 추정한다고 할 때에 아주 높은 액수(예: 5억 원 이상의 단위)나 특정 액수(예: 8천 6백 5십만 원)를 정확히 추정하는 것은 가능하지도 않고 바람직하지도 않습니다. 추정치로 값을 메우는 경우에는 대부분 '8천만 원 ~ 9천만 원`등의 '범위'로 주어지게 됩니다.



인간적인 요소를 제대로 이해해야

 데이터는 컴퓨터 출현 이전에도 존재해 왔습니다. 다만 데이터를 분석하는 도구가 변해왔을 뿐입니다. 지금 우리는 문자의 발명 이래로 집적된 모든 정보의 양보다 수백만 배 많은 데이터를 매일 실시간으로 수집하고 있습니다. 모든 사람의 행동은 물론이고 기계의 활동까지도 전부 기록되고 있으니 말입니다. 단지 몇 번의 클릭으로 통계적 모델을 만드는 도구가 일상화되고 있으며, 훗날에는 단지 컴퓨터에게 사업 목적을 명시하는 것만으로도 분석 임무를 수행할 수 있게 하는 것이 가능해질지도 모릅니다. 


 하지만 인간에 대한 이해와 고유의 감성적인 영역은 기술이 변해도 바뀌지 않는 유일한 것입니다. 인문학이 중요하게 여겨지고 있는 이유와 일맥상통한다고 볼 수 있습니다. 맹목적으로 기술에 의존하여 데이터를 가공하는 행위에 치중된 것이 아니라, 수많은 데이터를 어떻게 바라볼 것이며, 어떻게 활용해야 할 지를 의사 결정하는 것이 데이터를 잘 써먹을 수 있는 가장 중요한 방법이 아닐까 생각합니다.   



더 알고 싶다면

 데이터 분석과 활용에 대해 더 깊고 자세한 내용을 알고 싶으시다면 '데이터를 잘 써먹을 수 있는 구체적인 방법들'이라는 데이터 전략, 빅데이터 애널리틱스 전문가의 특별 연재를 참고하시기 바랍니다. 위에 소개된 내용 이외에도 데이터를 분석하는데 있어서 필요한 데이터베이스 모델링, 예측, 아웃소싱 등 전문적인 내용을 담고 있습니다.



출처: ITDaily, Forbes


by 수달 발자국


Posted by slowalk

리브랜딩이란 단순히 로고를 예쁘고 새롭게 만드는 것에서 끝나는 것이 아닙니다. 브랜드의 새로운 비전과 철학에 맞지 않는 옷을 입은 로고는 오래 갈 수 없습니다. 새롭게 태어난 브랜드의 말과 행동부터 모든 걸 새롭게 재설계해야 지속할 수 있습니다. 브랜드의 맞춤옷을 위해 걸음걸이와 습관을 살펴본 것이 데이터 분석이었다면, 이제 본격적인 설계와 구현에 들어가는 과정입니다.


> 먼저 읽기 : ed:m, 당신의 이름을 함께 만들다 (1) 





edm이 ed:m이 되다 – 유학은 ‘경험’이 핵심 키워드다


슬로워크: 기존 유학 시장을 분석해 보니 ‘상업적, 돈’과 같은 부정적 이미지가 있었어요. 유학의 동기가 ‘스펙’만이 아니라는 것도 확인했고요. 이제는 유학을 자신이 원하는 경험과 배움을 찾기 위해 가는 과정으로 봐야 한다는 것이죠. 교육(education)은 하나로 정의할 수 없으며, 다양한 모든 경험이 교육이 될 수 있다는 것을 새로운 CI에 녹여내야 했습니다.


ed:m은 교육(ed)에서 경험(m)으로의 확장을 의미(:)합니다. 그리고 [ed:m]은 [education is m_]을 함축적으로 표현합니다. ed:m이 유학을 통한 다양한 경험을 꿈꾸는 이들을 위해 mom(엄마)이 될 수도, mentor(멘토)나 mate(친구)가 될 수도 있는 것이죠. ed:m 브랜드가 소비자의 모든 경험으로 채워질 수 있도록 콘텐츠와 채널 전략, 이에 대한 가이드라인을 세웠습니다.




ed:m 브랜드 핵심 콘셉트


다각적 데이터 분석과 핵심 키워드 추출을 통해 ed:m이 앞으로 해야 할 행동과 말을 정립한 것인데요. 말이란 어떤 내용의 콘텐츠를 어떤 채널을 통해서 어떤 톤앤매너로 해야 하는지에 대한 가이드이고, 행동이란 어떤 프로모션으로 어떻게 다가가야 하는지 접점과 방식을 정해드린 것입니다. 커뮤니케이션 매뉴얼을 통해 채널 활용 전략, 콘텐츠 활용 전략부터 프로모션 방안과 블로그 글쓰기 가이드라인까지 브랜드가 해야 할 모든 것을 담아드렸습니다. 단순히 기업의 CI를 교체 하는 것이 아닌, 브랜드의 커뮤니케이션 방식에 대한 종합적인 컨설팅인 것이죠.



ed:m 콘텐츠, 채널 활동


ed:m : ‘경험’이라는 핵심 키워드를 잘 도출하신 것 같아요. 외국어를 배우고, 유학을 가는 것의 본질이 경험이죠. 단기에 영어를 배우는 데는 분명 한계가 있어요. 절차와 철학이 필요하고, ed:m은 그 절차와 과정을 돕는 곳입니다.

리브랜딩 과정을 통해 ed:m의 핵심 가치와 철학이 구성원들에게 내면화되고, 브랜드에도 녹아 들게 되었어요. 슬로워크와 함께 ed:m 구성원들을 인터뷰하고, 워크샵도 같이 하는 과정에서 브랜드가 왜 중요하고 앞으로 어떻게 해야 하는지 ed:m 스스로 알아가게 되었습니다. 결과물 달랑 하나만 주어지는 게 아니라, 리브랜딩 과정을 함께 겪으면서 ed:m 스스로 학습되고, 알아가고, 경험 하고 배우게 되어서 만족스럽습니다.

예전에는 로고를 만들 때 ed:m의 아이덴티티와 철학이 정말 녹아 있을까에 대한 의문이 있었어요. 지금은 ed:m이 무슨 의미인지 누구에게나 정확히 이야기할 수 있습니다. 이건 정말 큰 의미죠. 향후 오랫 동안 ed:m이 가져가야 할 아이덴티티이고, ed:m의 얼굴이잖아요. 모든 구성원이 시간을 내서 함께 성장했던 과정이 참 좋았습니다.



ed:m 리브랜딩 그 이후 – 함께 성장한 프로젝트였습니다

ed:m : 리브랜딩 결과물을 내부 구성원들에게 바로 알리지 않았어요. 모든 구성원이 모이는 송년 회에서 깜짝 발표를 했죠. 그때 드레스코드가 ‘dot(점)’였어요. 드레스코드가 왜 ‘dot’일까 궁금해 하는 분들이 많았는데, ed:m의 :을 암시한 것이었죠. edm이 ed:m으로 변화한 과정에 대해 브랜딩 총괄을 맡은 슬로워크의 문광진 실장님이 오셔서 프리젠테이션을 하셨어요. 그간의 작업 과정이 담긴 동영상까지 만들어 보여주셨죠. 전 직원에게 공개하는 그 과정이 리브랜딩의 클라이막스 같은 느낌이더군요.



슬로워크: 리브랜딩 작업 이후에 ed:m이 전사적으로 CI를 다 교체하고, 지점마다 간판도 다 바꾸고, 브랜드 패키지 제품도 만드시는 것 보면서 기분이 좋았어요. 리브랜딩이 끝났어도 슬로워크 내부에서는 ed:m에 대한 아이디어를 계속 공유하고 있습니다. 디자인 검색을 하거나 아이디어가 떠오를 때, ed:m에 적용하면 좋을 것을 이야기하는 거죠. 슬로워크가 리브랜딩 결과에 책임을 져 야 하잖아요. 이후에도 어떤 작업이 지속되어야 브랜드가 잘 살아남을 수 있을지 고민하는 거죠. 좋은 아이디어가 있으면 ed:m에 계속 제안하려고 합니다.



ed:m 브랜드 어플리케이션



ed:m : 리브랜딩 작업 이후에도 여러 프로젝트를 슬로워크와 함께 하고 있어요. ed:m의 홈페이지 리뉴얼도 슬로워크에서 하시는데, 프로젝트 담당자인 임마로 이사님도 슬로워크다운 장점을 잘 살려서 작업을 진행하고 계세요. 슬로워크 디자이너들의 시각적 직관에 데이터 분석의 시너지가 더해지는 듯해요. 리브랜딩 작업이 로고 교체에서 끝난 게 아니라, 리브랜딩에서 설계한 콘텐츠와 프로모션의 방향성과 가이드라인이 홈페이지까지 연속성 있게 이어지고 있습니다.



ed:m 웹사이트(edmedu.com)


슬로워크는 한 마디로 진정성 있는 결과물을 낼 수 있는 업체입니다. 저희도 여러 외부 업체와 이런저런 프로젝트를 진행해봤지만, 진정성 있는 결과물을 만드는 건 참 어렵더군요. 만족스러운 결과물을 내기 위해서는 서로에 대한 관심과 진심이 필요하죠. 파트너 관계로 서로 존중하고 과정을 함께 만들어 가야 하고요. 슬로워크는 배려와 소통을 통한 디자인에 최적화된 곳이라고 생각해요.




ed:m 리브랜딩은 기존 브랜드 컨설팅과 디자인 작업의 통합을 고민한 프로젝트였습니다. 파트너와 함께 확신을 갖고 실험하며 데이터를 분석해 만족스럽게 작업을 마무리할 수 있었죠. 슬로워크는 데이터 분석 및 브랜드 전략 수립부터 브랜드 패키지 디자인까지 총괄한다는 점에서 일반적인 리브랜딩 작업과 차별화한 결과물을 낼 수 있었습니다.

의뢰한 것 이상으로 받은 것 같아 고맙다는 ed:m. 함께 하는 과정에서 성장하고 자극 받았다는 슬로워크. 리브랜딩 작업에서 서로가 경험한 것들이 새로운 성장의 밑거름이 될 것입니다.



리브랜딩 프로젝트 

프로젝트 관리 – 슬로워크 디자인기획실 문광진 / ed:m유학센터 최원혁  

브랜드 콘셉트 – 슬로워크 디자인기획실

데이터 분석 – 슬로워크 디자인기획실 박영현, 뭐든지팀 임호열 / 스태커 황인성 

아이덴티티 디자인 – 슬로워크 디자인기획실 박영현, 곽지은

어플리케이션 디자인 – 슬로워크 디자인기획실 박영현, 곽지은 

프로모션 전략 – 슬로워크 디자인기획실 박영현, 뭐든지팀 임호열 


웹사이트 리뉴얼 프로젝트 

프로젝트 관리 – 슬로워크 웹개발실 임마로 / ed:m유학센터 최원혁, 성지영 

인포메이션 아키텍처 – 슬로워크 웹개발실 김다온 

디자인 – 슬로워크 웹개발실 권지현, 박화진, 신기주, 이윤호

개발 – 슬로워크 웹개발실 류태석, 뭐든지팀 문윤기


홍보 

프로젝트 관리 – 슬로워크 뭐든지팀 조성도

인터뷰/라이팅 – 송혜원 

이미지/촬영 – 슬로워크 뭐든지팀 노길우, 디자인기획실 문광진, 박영현, 곽지은 



> 더 읽기 : 브랜드를 표현하는 또 다른 방법, 글쓰기 스타일
               화면이 작아지면 로고가 변한다? 반응형 로고 디자인



Posted by slowalk

브랜드는 시간이 지나고 환경이 변하며 많은 변화를 겪게 됩니다. 새로운 환경과 상황에 맞춰 함께 변화하기 위해서 브랜드가 재설계되는 ‘리브랜딩’ 과정이 필요한데요.



슬로워크가 맡은 edm유학센터의 리브랜딩 이야기를 들려드리려고 합니다. 슬로워크는 통합 커뮤니케이션 컨설팅 회사로서, BI나 CI를 만드는 브랜드 아이덴티티 작업, 브랜드 컨설팅과 캠페인, 인큐베이팅을 진행하고 있습니다. edm유학센터의 리브랜딩은 단순히 로고 하나만 새롭게 만드는 것이 아니라, 조사와 데이터 분석부터 브랜드 콘셉트 도출 및 설계와 브랜드 경험에 대한 가이드라인까지 구축하는 전방위적인 작업이었습니다. 시각적 직관과 데이터 분석의 시너지, edm 내부구성원의 참여로 인한 또 다른 수확까지, 슬로워크와 edm유학센터 모두를 성장시킨 5개월 간의 이야기입니다



프로젝트 첫 미팅 - 디자인 느낌보다 신뢰가 우선입니다

edm유학센터(이하 edm)는 2000년 12월에 설립해 국내직영지사 6곳, 해외직영지사 2곳, 유학미술학원 2곳, 아이엘츠전문 영어학원 1곳과 2개의 협력사를 운영하고 있습니다. edm은 2011년에 미션, 비전, 핵심 가치에 대해 재정의하는 작업을 한 뒤 리브랜딩을 맡길 곳을 찾지 못한 상태였습니다. 슬로워크의 웹사이트와 블로그 콘텐츠를 보면서 슬로워크에 대한 호감이 있어 리브랜딩 작업을 의뢰하게 되었죠. 리브랜딩에 대한 제안서가 통과된 후, 첫 미팅에서 edm은 리브랜딩이라는 무형의 프로젝트에 대한 구체적인 그림을 기대했습니다.




edm: edm의 CI가 7~8년 전에 만든 것이었어요. 슬로워크의 블로그 활동, 콘텐츠를 뽑아내는 안목 등을 봐왔기 때문에 호감이 있었고, 리브랜딩 작업도 기대했죠. 어떤 방법론으로 어떻게 진행할 지에 대한 기대가 있는데, 첫 미팅에서는 구체적으로 안 보였어요. 



슬로워크: 저희는 디자이너 중심으로 팀이 꾸려져 있다 보니, 첫 미팅에서 프로젝트에 대한 직관과 느낌을 공유하는 식으로 일을 했어요. edm의 리브랜딩 작업은 기존 작업과 달라야 했습니다. 데이터 분석과 진행 과정에 있어 edm의 참여와 협조가 중요했기 때문에 첫 미팅 후, 자료를 다시 만들어 일주일 뒤에 두 번째 미팅을 했죠. 두 번째 미팅에는 저희를 신뢰할 수 있을만한 증거 자료, 방법론과 구체적인 그림을 가져갔어요. 기존 유학원 이미지와 차별화된 새로운 콘셉트의 브랜딩 전략을 수립하기 위해서 내∙외부 빅데이터 분석을 통해 정량적 근거를 활용한 키워드와 콘셉트를 도출해야 한다는 것이었습니다. 



edm: 슬로워크 전에 다른 회사를 몇 곳 알아보고 견적도 받아봤어요. 다른 곳보다 가격을 더 깎아주겠다는 곳도 있었죠. 그런데 가격이 중요한 게 아니잖아요. 슬로워크는 edm의 신념과 철학을 깊이 이해하고, 결과물 하나만 내놓는 것이 아니라 과정을 함께 만들어가자고 제안해 주셔서 좋았어요.

두 번째 미팅부터는 저희가 원하는 방법론 등에 대해 정말 충실히 준비해 오셨어요. 그 이후부터는 완전히 믿고 맡겼죠. 단계마다, 과정마다 신뢰감 있게, 내용도 튼실하게 보여주셨어요. 저희가 미안할 정도로 성실하게 해주셨죠.



슬로워크:edm 측에서 저희를 신뢰하신 이후부터는 굉장히 시원시원하게 프로젝트가 진행되었어요. 수월했지만 치열하게 진행해 나갔죠. 저희의 머리 속에는 그림이 다 들어 있고 확신도 있지만, 클라이언트는 프로젝트 초반에 불안할 수밖에 없을 거라고 생각해요. 그 과정을 잘 조율해야 서로에게 만족스러운 결과가 나온다고 생각합니다. 초기에는 일하는 방식을 빨리 맞춰나가는 데 초점을 맞췄습니다.



리브랜딩을 위한 다각적 데이터 분석 - 유학에 관심 있는 사람들은 어디에 모여 있을까?


슬로워크: edm유학센터의 리브랜딩 작업은 디자이너로서의 시각적 접근이 아닌, 통합커뮤니케이션을 위한 데이터 접근에서 시작했습니다. 리브랜딩을 위해 이해관계자가 모두 참여하는 툴을 사용했는데요. 근거 데이터를 크게 세 가지 섹션에서 추출했습니다. 첫 번째는 edm 내부 관계자, 두 번째는 외부 유학 전문가, 세 번째는 유학에 관심 있는 이해관계자(소비자) 입니다.



통합 브랜드 커뮤니케이션 프로세스 


첫 번째로 edm 전체 구성원께 기존 CI 및 회사의 아이덴티티와 철학에 대한 질문지를 드렸고, 각 지점의 대표 구성원을 인터뷰했습니다. edm 대표님과도 수시로 인터뷰를 했고요. 대면 인터뷰를 통해 유학에 대한 이미지, edm 브랜드 관련 이미지에 대한 키워드를 추출해 그룹으로 묶었습니다. 서면 인터뷰를 통해 edm 구성원들의 edm 브랜딩에 대한 이해도를 파악하고, 브랜딩 측면에서 보완되어야 할 점을 찾았습니다. edm의 총 17개 팀이 수행중인 팀별 미션을 분석해 edm 브랜드 관련 키워드도 파악했습니다. 이 과정을 통해 파악된 브랜드 관련 키워드는 향후 리브랜딩 콘셉트 도출에 반영했고, 내부 의견은 브랜딩 실행 전략 수립에 반영했습니다.


edm 이해관계자 인터뷰


두 번째로 유학 시장의 흐름을 파악하기 위해 유학 관련 외부 전문가들에게 리포트를 의뢰했습니다. 전문가들의 리포트를 통해 유학에 대한 관심과 방향이 어떻게 바뀌고 있는지 파악한 것이죠. 




세 번째로 유학에 대해 관심 있는 층, 잠재적 소비자 층을 이해하기 위해 이들이 자주 모이는 커뮤니티를 조사했습니다. 이 중 집중적으로 정보와 이야기가 모이는 유학 관련 카페를 분석해서 얻은 빅데이터를 개발자와 함께 수집해서 분석했습니다. 키워드를 추출하고 마인드맵을 그려 패턴을 찾았죠. 소비자들이 말하는 공통 키워드를 통해 edm의 전략적 방향을 정했습니다. 


온라인 여론 빅데이터 분석



edm: 온라인 여론에 대한 빅데이터 분석 같은 것은 저희 쪽에서 미처 생각하지 못했던 부분이었어요. 리브랜딩 작업에 이런 것까지 필요한 줄 몰랐는데, 슬로워크 쪽에서 먼저 제안해 주셨고 이과정에서 저희도 인사이트를 많이 얻었죠. 


이렇게 슬로워크와 edm의 협업으로 리브랜딩을 위한 1단계가 끝났는데요. 다양한 데이터 분석을 통해 얻은 결론은 무엇일까요? edm은 왜 :(콜론)를 사용한 ed:m이 되었을까요? ed:m 연말 파티를 깜짝 놀라게 한 동영상 공개까지, 좀 더 많은 이야기를 다음 편에서 들려드릴게요.


> 더 읽기 : ed:m, 당신의 이름을 함께 만들다 (2) 





Posted by slowalk