안녕하세요, 님. 이번 호부터 뉴스레터가 달라집니다. HEARTCOUNT 소식을 넘어, 데이터 분석 실무에 바로 쓸 수 있는 정보로 채워갑니다.

경영진의 데이터 질문에 여러분은 어떻게 답하고 계신가요? 서버에서 데이터를 받고, 엑셀로 취합해 보고서를 만들며 며칠은 걸리는 경우가 많습니다. 반면 어떤 조직은 회의 자리에서 바로 답합니다. 차이는 더 좋은 AI를 쓰느냐가 아니라, 데이터가 의사결정까지 끊기지 않고 흐르는 구조를 갖췄느냐에 있습니다.

이번 호는 그 구조를 만드는 방법에 대한 이야기입니다. 수기 보고서 체제에서 데이터 중심 경영으로 전환한 도드람한돈의 사례와, AI가 내놓은 숫자를 회의에 사용하기 위한 방법을 소개합니다.

수기 보고서에서 데이터 중심 경영으로 - 도드람한돈의 전환기

"오늘자 매출 얼마야?" 이 한 마디에 답하려고 엑셀 파일을 몇 개나 여시나요? 매일 이 과정을 반복하고 있다면, 도드람한돈의 이야기가 낯설지 않을 겁니다.

수십 개 탭을 오가던 영업일보, 화면 저장 한 번으로 작성 완료

30년 넘게 국내 돈육 시장을 이끌어온 도드람한돈은 생산·재고·매출·원가·시세까지 데이터가 부족한 적이 없었습니다. 문제는 그다음이었는데요. 영업일보 한 장을 만들기 위해 여러 엑셀 파일과 수십 개 탭을 오가며 필터를 바꿔 자료를 추출하고, PDF로 변환해 공유하는 작업이 매일 반복됐습니다. HEARTCOUNT 도입 후, 영업팀은 대시보드에서 필요한 화면을 이미지로 추출해 보고서로 바로 사용하고 있습니다. 추출·가공·변환으로 이어지던 과정이 화면 저장 한 단계로 줄었고, 보고 체계는 그대로 유지됐습니다.

감에 의존하던 시세 예측, 오차율 11.95%에서 1.46%로

지육 시세는 원료돈 구매와 판매 가격을 결정하는 핵심 변수지만, 예측 기준은 담당자마다 달랐고 유료 예측 서비스는 오차가 컸습니다. HEARTCOUNT는 환율, 소·닭·수입육 가격 같은 외부 변수를 더해도 정확도가 나아지지 않는다는 것을 검증한 뒤, 시세 데이터에 내재된 시계열 패턴을 활용하는 Prophet+XGBoost 결합 모델을 택했습니다. 기존 서비스의 오차율 11.95%가 1.46%까지 내려왔고(2025년 10월 기준), 이 예측값은 지금 가격 회의에서 원료돈 구매·판매 시점을 정하는 근거로 쓰이고 있습니다.

현업이 직접 확장하는 대시보드

현재 20개 이상의 보고서가 자동화됐고, 경영진은 KPI 대시보드를 현황판처럼 상시 확인합니다. 프로젝트가 끝난 뒤에도 IT팀이 직접 데이터셋을 구성하고 대시보드를 추가하며 운영을 이어가고 있습니다. 외부에서 구축한 시스템을 넘겨받는 데서 끝나지 않고, 내부적으로 적극 활용하는 구조로 자리 잡은 것이죠.

믿어도 되나요, AI의 숫자를

"이번 달 실적률이 왜 떨어졌나요?" AI에게 물으면 SQL이 만들어지고 계산된 답이 나옵니다. 그런데 그 숫자, 임원 보고에 그대로 올릴 수 있으신가요?

선뜻 답하기 어렵다면, 문제는 AI 성능이 아니라 '맥락'에 있습니다.

모델 격차가 줄어들 때, 결과를 바꾸는 것은 맥락

AI 모델의 성능은 빠르게 평준화되고 있습니다. 이때 결과의 차이를 만드는 건 AI가 우리 회사의 데이터와 기준을 얼마나 이해하느냐입니다. revenue라는 컬럼 하나만 봐도, 취소 건을 포함하는지, 세금을 제외하는지, 청구일 기준인지 수금일 기준인지는 이름만으로 알 수 없습니다. 그 기준은 대개 담당자의 머릿속, 오래된 보고서, 사내 위키 어딘가에 흩어져 있습니다. AI가 아무리 좋아져도, 이 기준을 모르면 '맞아 보이는 답'밖에는 내놓을 수 없습니다.

같은 질문에 다른 답이 나온다면, 기준을 고정하는 Semantic MCP

부서마다 KPI 정의가 다르면 같은 질문에도 다른 숫자가 나옵니다. 마케팅팀의 전환율과 데이터팀의 전환율이 다른 것처럼요. Semantic MCP는 AI가 데이터베이스에 직접 접근해 임의로 SQL을 만들게 두지 않고, 회사가 정의한 KPI, 계산 기준, 권한 범위 안에서만 분석하게 합니다.

현황만 보는 대시보드에서 원인과 다음 액션까지 짚는 Decision Agent로

대시보드는 무슨 일이 일어났는지는 보여주지만, 무엇을 검토해야 하는지는 말해주지 않습니다. Semantic MCP 위에서 작동하는 Decision Agent는 KPI 변화에 영향을 준 원인 변수(Driver)를 분석하고, 검토 가능한 개선 수단(Lever)과 실행 후보(Action)까지 제안합니다. 예를 들면 매출이 떨어졌다고 무작정 프로모션을 권하는 게 아니라, 어느 상품군·채널·지역에서 변화가 컸는지 먼저 짚는 것이죠.

SQL 자산을 활용한 규칙 기반 시멘틱 모델링

Semantic 레이어는 꼭 필요하지만, 막상 만들기는 쉽지 않습니다. 조직에 이미 있는 검증된 SQL을 규칙 기반으로 자동 변환해 그 구축 부담을 줄이는 방법을 정리했습니다.

© IDK SQUARED, Inc All rights reserved
HEARTCOUNT (04518) 서울특별시 중구 정동길 35

이 메일은 HEARTCOUNT 고객에게 발송되었습니다.

뉴스레터 수신거부(Unsubscribe)