#산업연구원 #서비스업 #데이터 #서비스산업 #데이터산업 #data 
[KSMR-너의 연구를 들려줘!] 서비스산업의 KEY, 데이터가 움직인다!  - 구진경 산업연구원 서비스미래전략실장 - 

21세기 원유라고 불리는 '데이터', 
산업에 잘 활용되면 산업의 성장을 이끌어나갈 동력이 될 수 있기 때문인데요,
서비스산업에서 데이터는 어떻게 활용되고 있을까요? 

산업연구원 구진경 서비스미래전략실장의 영상을 통해 확인해 보세요!

0:00:44 산업에서 데이터가 갖는 의미?
0:04:32 금융보험업에서 데이터 활용 현황은?
0:07:43 의료보건업에서 데이터 활용 현황은?
0:10:40 유통물류업에서 데이터 활용 현황은?
0:14:33 서비스산업 데이터 활용 활성화를 위한 정책방향은?

 English subtitles are added to this video.

자세한 내용은 산업연구원 홈페이지 연구보고서를 통해 확인하세요!


(자막)
안녕하세요, 여러분. 반갑습니다. 아나운서 김현지입니다. 오늘은 우리 산업연구원의 기본 연구 과제 중에서 ‘서비스산업의 데이터 활용 생태계 활성화 전략 연구’에 대해서 서비스미래전략실 구진경 박사님과 함께 이야기 나눠보도록 하겠습니다. 박사님, 안녕하세요.

 안녕하세요. 산업연구원 서비스미래전략실 구진경입니다. 저는 서비스산업을 연구하고 있고요. 2023년에는 서비스산업의 디지털 전환 전략의 일환으로 ‘서비스산업에서의 데이터 활용 생태계 활성화 전략’ 연구를 수행했습니다.

 반갑습니다. 우리 박사님의 미소가 더욱더 돋보이는 것 같은데 오늘 또 재미난 이야기 들려주시길 바라면서 본격적인 얘기 나눠볼게요. 오늘 우리가 서비스산업과 데이터에 대해서 이야기를 해볼 텐데, 요즘 산업에서 데이터가 갖는 의미는 어떤지 궁금합니다.

  요즘 사람들은 무척 바쁩니다. 저도 그런데요. 마트에 갈 시간이 없을 뿐만 아니라 심지어 집에 필요한 생필품은 뭐가 떨어졌는지도 잘 알지 못합니다. 그럴 때 친구가 와서 말을 해줍니다. “치약과 세제가 떨어졌어. 평소 너의 취향을 고려했을 때 미백 치약이랑 새로 나온 히노키 향 세제가 좋을 것 같아. 내가 대신 사다 줄까?”라고 물어봅니다. 무척 반가운 일이고 고마운 친구입니다. 지금까지 말씀드린 일을 해주는 친구가 이미 미국에서는 등장했는데요, 바로 아마존의 “알렉사”라는 인공지능 스피커입니다. 어떻게 알렉사는 제가 무슨 물건을 필요로 하고 어떤 취향인지 알까요? 

 왠지 지금 눈치껏 생각했을 때 우리가 데이터에 관한 얘기를 나누고 있으니까요, 알렉사가 미리 구매 정보 데이터를 좀 활용해서 얘기하지 않았을까 하는 생각이 드는데, 맞나요?

 맞습니다. 아마존이 제 구매 이력과 구매주기를 알고 저와 비슷한 프로파일을 가진 소비자들의 구매데이터를 갖고 있기 때문인데요. 알렉사는 고객의 구매데이터를 바탕으로 소비자가 원하는 제품을 추천하고 음성으로 바로 온라인 주문까지 해주는 서비스를 제공하고 있습니다.

 진짜 너무 좋은데요. 제 옆에도 있으면 좋겠다는 생각이 드는데. 특히 요즘 우리 너무 바쁘잖아요. 그런 소비자들에게는 더없이 필요한 친구가 아닐까 하는 생각이 듭니다. 근데 소비자뿐만 아니라 사실 기업에서도 이렇게 데이터를 활용할 수 있을 것 같은데 어떤가요?

 그렇죠. 기업은 구매데이터 기반으로 고객의 취향을 알고 제품을 추천합니다. 그렇기 때문에 마케팅 효과가 더 좋겠죠, 또 소비자가 만족하는 제품을 제공하기 때문에 반품이나 교환을 줄여 비용을 줄일 수가 있습니다.

 정말 탁월하네요. 역시 기업에서도 이미 데이터가 엄청난 역할을 해주고 있는 것 같은데요. 사실 모든 산업에서도 잘 활용될 수 있겠지만, 다양한 사람들을 상대하는 서비스산업에서 데이터 활용이 정말 무조건적으로 필요할 것 같은데 어떻게 활용이 되고 있나요?

  네. 일단 서비스산업 기업들은 제조업과 데이터를 활용하는 방식이 조금 다릅니다. 타 산업 특히 제조업의 경우는 데이터를 활용해서 제품을 개발하거나 개선하고 제조 공정상 효율성을 높이는데, 주로 활용합니다. 반면에 서비스산업에서의 데이터는 제조업보다는 좀 더 다양한 방식으로 활용되고 있습니다. 유통산업에서처럼 고객의 행동을 예측하고 고객 맞춤형 서비스를 제공하기도 하고, 의료업에서는 환자의 의료기록뿐만 아니라 유전체 정보를 수집해 질병의 예방과 치료에 활용합니다. 금융업에서는 고객 정보를 기반으로 보험사기를 예방할 수도 있습니다. 서비스업에 활용되는 데이터는 기업에는 기존의 없던 새로운 서비스를 개발해서 새로운 시장을 창출할 수 있게 해주고, 개별 소비자를 위한 새로운 가치들을 만들어 내고 있습니다.

 그렇군요. 제가 기존에 생각했던 것보다 훨씬 더 다양하게 활용이 되고 있는 것 같은데요. 그렇다면 서비스산업에서 데이터 활용 실태가 어떤지 궁금합니다. 뭔가 주목할 만한 점이 있다든지, 아니면 예측 불가한 무언가가 있다든지. 한번 소개해주세요.

  데이터산업의 국가 간 비교를 보면 국내 데이터산업은 전 세계에서 가장 빠르게 성장하고 있습니다. 그러나 국내 서비스산업의 활용 정도는 그 중요성에 비해 낮은 편입니다. 통계청의 기업활동 조사 결과를 분석해보면 2019년 기준 서비스산업 종업원 수 5인 이상 기업 중 빅데이터 활용기업은 438개 기업입니다. 그러나 그중에서도 상당수가 IT 기업들이고요, IT 기업을 제외한 서비스업종 중에는 금융업, 의료업, 유통물류업에서만 데이터를 활용하고 있습니다. 특정 업종의 경우는 데이터 활용기업이 하나도 없는 기업들도 많이 있습니다. 일부 업종에서만 편중되어서 빅데이터를 활용하는 것을 알 수 있습니다. 

 그러게요. 성장 속도는 비교적 빠른 편이지만, 아직 많은 산업에서 활용도는 조금 낮은 편인 게 아쉽기는 합니다. 그렇다면 우리 박사님께서 예시로 들어주셨던 것 중에 금융보험업에서는 데이터가 어떻게 활용되는지 현황이 궁금합니다.

  금융보험업은 국내 서비스산업에서 데이터 활용이 가장 활발한 분야입니다. 금융업에서는 데이터의 활용이 가장 활발하게 일어날 수 있는 이유는 금융데이터의 특징 때문입니다. 금융보험업 데이터는 주식채권과 같은 금융상품 거래 과정에서 발생하는 금융시장 데이터, 개인의 소득이나 자산, 금융거래 정보가 포함된 개인 금융정보 데이터, 금융감독원 등이 갖고 있는 금융 공공데이터로 구분할 수 있습니다. 금융데이터는 매우 표준화되어 있다는 특징이 있습니다. 은행에 가보시면 아시겠지만, 계좌를 개설한다든지, 송금한다든지 하는 은행거래에서 사용하는 양식과 적어야 하는 내용이 어떤 은행이든 상관없이 모두 동일합니다. 이는 금융거래를 통해 발생하는 데이터가 모두 똑같은 항목, 똑같은 포맷이기 때문에 다양한 금융기관을 통해 데이터를 수집하더라도 별도의 표준화 과정 없이 활용할 수 있다는 것입니다. 때문에 금융데이터는 수집하기도, 활용하기도 쉽습니다.

 이 점은 좀 편리한 부분이네요?

  금융보험업 기업들도 데이터를 마케팅에 가장 많이 활용하고 있습니다. 대표적인 예로 저희가 아는 카드사들에서도 고객에 따라 혜택이 다른 다양한 카드를 출시한 것을 보실 수 있으실 텐데요, 단순히 고객의 나이나 성별에 따른 카드상품이 아니라 최근에는 라이프스타일에 따라 혹은 관심사에 따라 다양한 혜택을 부여하는 경우들이 있습니다. 이는 대표적인 고객 데이터 기반 금융상품의 개발 예라고 볼 수 있습니다. 보험사들의 경우는 빅데이터를 활용해서 보험사기 고위험군을 사전에 탐색하기도 하고 모럴징후 분석시스템을 통해 위험을 관리하기도 합니다.

 그러게요. 미리 위험을 준비할 수도 있겠네요. 데이터가 똑똑하다, 이런 생각이 드는데요. 이렇게 활발하게 활용되고 있는 금융데이터에도 분명히 한계는 존재할 것 같은데요. 이를 해소하기 위한 주요 정책 과제가 있다면 어떤 게 있나요?

  네, 맞습니다. 금융데이터도 한계는 있습니다. 표준화되어 있는 몇 개의 항목 이외에 기업 입장에서 활용할 수 있는 데이터의 항목이 매우 적다는 것입니다. 은행에서 계좌를 개설할 때 운동을 좋아하는지 독서를 좋아하는지는 게재하지 않습니다. 하지만 신용카드사 또는 보험사들이 상품개발을 할 때 개인의 라이프와 관련된 정보를 안다면 더 다양하게 활용할 수 있겠죠, 때문에 금융데이터의 경우도 이종산업의 데이터와의 결합이 중요합니다. 실제 금융사들의 경우도 데이터 활용의 장애 요인으로 다양한 데이터 확보가 어렵다는 것을 꼽고 있는데요, 금융산업에서 이종데이터를 활용할 수 있도록 다양한 이종산업과 결합을 가능하게 하는 정책적 지원이 필요합니다. 

 아울러 가장 데이터가 표준화되어 있다고 하는 금융데이터의 경우에도 데이터에 대한 적정 시장가격이 측정되어 있지 않습니다. 현재의 공급자 중심의 일방적인 데이터 가격책정이 아니라 표준화된 데이터 가치 측정 모델 개발을 통해서 데이터 거래에 대한 신뢰를 높여줄 필요가 있습니다. 이렇게 데이터에 대한 신뢰가 높아진다면, 데이터에 대한 거래는 더욱 활발해질 수 있을 것으로 생각합니다. 

 그러게요. 금융데이터에서는 이종산업과의 결합, 표준화된 가치 측정 모델이 필요하겠네요. 그렇다면 두 번째로 예시 들어주셨던 의료보건업은 어떻게 활용현황이 되는지도 궁금한데요?

  의료보건업 데이터는 환자의 진료데이터, 임상연구 데이터, 유전체 데이터, 라이프로그 데이터 등이 포함됩니다. 의료데이터는 일반 병원에서 생성하는 민간데이터와 국민건강보험공단, 국립암센터, 질병 관리청이 보유하고 있는 공공데이터로 구분될 수 있습니다. 우리나라는 단일 건강보험체계를 갖고 있기 때문에 건강보험 관련 각종 정보, 보험료, 의료급여와 같은 표준화된 정보들이 공공에 축적되어 있습니다. 다만 민간 의료데이터들이 작성자에 따라 다 달라 표준화가 어렵다는 특징이 있습니다. 

  의료데이터를 활용해 제품을 개발하거나 개인맞춤형 의료정보를 제공하는 게 의료데이터의 가장 대표적인 활용 예라고 볼 수 있습니다. 이 의료데이터를 활용해서 질병의 예방, 진단, 치료, 관리하고 있는데요, 특히 디지털 치료제가 각광받기 시작하면서 의료데이터를 활용한 서비스들의 많아지고 있습니다. 대표적인 예가 미국의 ‘리봉고헬스’인데요, 리봉고헬스는 당뇨나 고혈압과 같은 만성질환자를 대상으로 질병 개선을 위한 식단, 운동, 생활습관 개선을 위한 코칭서비스를 제공하고 있습니다. 고객의 혈당, 혈압 등의 임상 수치를 측정할 수 있는 기기를 제공하고, 기기를 통해서 수집된 데이터를 기반으로 환자에게 맞춤형 운동이나 식단과 같은 솔루션이 제공됩니다. 또 리봉고헬스의 모회사인 ‘텔라닥’에서는 개별환자들을 통해 모아진 이런 의료데이터를 취합해서 데이터를 기반 비대면 진료 서비스를 제공하고 있습니다. 

 비대면으로도 가능한가 보네요?

 네. 데이터 덕분이죠. 그러나 최근에는 의료데이터를 기반으로 한 비즈니스 모델이 더 다양화되고 있습니다, 데이터의 중요성이 커지다 보니 의료데이터 자체를 거래하는 비즈니스 모델도 생겨나고 있습니다. 미국의 ‘페이션츠라이크미’를 대표적으로 꼽을 수 있을 것 같습니다. 페이션츠라이크미는 환자들이 생성하는 의료정보 교환 플랫폼으로 환자들이 자신의 의료정보를 플랫폼에 제공하면 플랫폼에서 이를 가명 처리해서 필요로 하는 기업에 판매합니다. 

 좋네요. 뭔가 편리하게 건강을 지킬 수 있다는 생각이 드는데 일상생활에서 밀접하게 들어와 있는 것 같아요. 말씀을 듣다 보니까 의료데이터는 산업 이상의 가치를 가진 게 아닌가 싶은데, 이를 더 잘 활용하려면 어떤 방법이 있을지 궁금합니다.

 네. 맞습니다. 의료데이터는 산업 이상의 가치를 가지고 있는 데이터라고 볼 수 있고요. 여러분들께서 공감하시겠지만, 의료정보는 개인데이터 중에서도 가장 개인들이 밝히길 꺼리는 민감데이터입니다. 때문에 의료데이터의 수집을 위해서는 반드시 사회적 합의가 필요하며 정부는 자발적 참여를 유도할 수 있는 정책 마련이 필요합니다. 

 그러게요. 안전한 기반이 좀 마련되어야 하겠네요.

 아울러 민간데이터의 경우도 의사에 따라 차트 작성할 때 사용하는 용어, 서식, 기술 방식 등이 달라서 표준화가 어려워 활용도가 낮은데요, 비정형 데이터에 대한 품질 기준 마련이 필요하겠습니다.

 그렇군요. 세 번째로 궁금한 게 유통물류업에서는 데이터가 어떻게 활용되는지 알려주세요.

  유통데이터는 소비자가 상품을 구매하는 과정에서 발생하는 모든 데이터를 생각하시면 됩니다. 우리가 구입하는 상품데이터, 어디서 얼마나 샀는지 등에 대한 거래데이터, 사는 우리에 대한 정보인 소비자 데이터 그리고 최근에는 온라인 유통이 발달하면서 제품이 소비자에게 배송되는 과정의 물류 데이터를 포함합니다. 앞서 금융데이터와 의료데이터와 비교해보면 유통데이터를 더 가깝게 느끼실 것 같은데요 

 네. 그런 것 같아요. 저도 약간 그런데요.

 하지만 3개의 데이터 중 유통데이터는 표준화된 데이터의 축적이 다소 부족한 분야입니다. 특히 소비자의 구매데이터를 확보하기 위해서는 기본적으로 소비자가 무엇을 샀는지부터 출발을 해야 되는데요. ‘무엇을’에 해당하는 표준화된 상품 DB가 구축되어 있지 않습니다. 때문에 상품을 식별할 수 있는 표준화된 데이터가 부족합니다. 여러분들이 흔히 공산품을 구매하실 때 보실 수 있는 바코드의 경우는 민간에서 발행하고 부착의무가 있지 않습니다. 국내 대형마트들이 커지면서 마트들이 상품관리를 위해 바코드부착을 제조사에 요청해서 국내 공산품의 바코드부착이 확대되었는데요 온라인 유통이 성장하면서 온라인 유통기업들은 상품의 바코드부착을 요청하지 않습니다. 때문에 상품을 식별할 수 있는 표준화된 상품데이터 DB가 점차 줄어들고 있는 거죠. 반면에 유통데이터는 이종산업에서 활용도가 높습니다. 앞서 말씀드린 개인의 소비패턴을 금융상품 개발에 활용할 수 있고, 개인이 소비분석을 통해서 먹고 운동하고 생활하는 방식이 개인의 건강과 연결될 수 있기 때문입니다. 

 그렇겠네요. 말씀하신 것처럼 유통데이터는 이종산업에서의 활용도가 높은데, 사실 그와 반대로 표준화된 데이터의 구축은 다소 미흡한 게 사실인 것 같긴 하네요. 

  맞습니다. 덧붙이자면 현재 유통산업에서 데이터의 가장 일반적인 활용방식은 마케팅 분야의 활용으로 볼 수 있습니다. 매스마케팅보다는 개인화된 타겟마케팅이 마케팅의 효과가 훨씬 좋고요. 개인화된 마케팅 서비스를 제공하기 위해 필요한 게 바로 고객 데이터입니다. 요즘 SNS 보시면 제가 한번 관심을 갖고 찾아본 제품의 연관 광고들이 계속 피드 되는 것을 경험하셨죠?
 
 맞아요. 저는 가끔 그래서 편리한데 무섭다 이렇게 느낄 때도 있었던 것 같아요. 

 귀찮기도 하지만 저도 혹해서 많이 삽니다. 최근에는 온라인 유통이 성장하면서 물류배송의 중요성이 증가했는데요. 온라인 주문하면 가장 알고 싶은 건 바로 이 물건이 언제 도착하는 지입니다. 
 
 너무 중요하죠.

 네. 맞습니다. 2022년부터 네이버는 도착 보장 서비스를 선보였는데요. 이는 소비자의 주문 데이터, 물류 정보, 택배 배송정보 등의 다양한 데이터의 결합을 통해서 배송시간을 정확하게 소비자에게 알려주고 정시에 받아볼 수 있도록 하는 서비스입니다.

 너무 좋은 것 같아요. 저는 사실 무언가를 살 때, 도착 배송 보장 서비스 있잖아요. 그걸 보고 사거든요. 온라인 쇼핑을 많이 하는 저로서는 유통데이터 활용이 더 마음 깊이 와닿는 것 같아요. 상품을 저같이 사야 하는 소비자나, 판매해야 하는 기업들에게, 모두에게 꼭 필요한 유통데이터가 아닌가 싶은데, 이 유통데이터가 지금도 잘 활용되지만 앞으로 더 많이 활용되려면 어떤 것들이 필요한가요?

 우선 유통데이터의 활용 활성화를 위해서는 앞서 말씀드린 표준화된 상품 DB 구축이 선행되어야 합니다. 그리고 다양한 유통사들이 보유하고 있는 상품 및 거래데이터가 거래되어 공유될 수 있도록 해야 됩니다. 우리 생활의 많은 부분들이 소비와 연관되어 있고 그만큼 유통데이터의 생성되는 양이 많습니다. 그럼에도 불구하고 축적되어 공유되고 있는 게 많지 않기 때문에 수집되는 양만큼의 활용은 어렵습니다.

 그렇군요. 축적하고 표준화시키는 게 가장 필요한 게 아닌가 하는 생각이 드네요. 지금 말씀해주신 금융보험업, 의료보건업. 그리고 유통물류업까지 쭉 데이터 활용현황과 각각의 주요 과제에 대해서 말씀을 해주셨는데, 전반적인 서비스산업 데이터 활용 생태계 활성화를 위해서 어떤 것들이 필요할지 말씀 부탁드리겠습니다.

  흔히 데이터를 21세기의 원유라고 합니다. 산업에 잘 활용되면 산업의 성장을 이끌어나갈 동력이 될 수 있기 때문입니다. 하지만 원유가 동력이 되기 위해서는 원유를 활용할 수 있도록 정제, 가공의 과정을 거쳐서 원활한 유통이 이루어져야 합니다. 원유를 잘 못 다루면 화재의 위험이 있듯이 데이터도 잘못 다루면 개인정보 침해라는 심각한 위험을 안고 있습니다. 따라서 위험하지만 유용한 자원을 능숙하게 거래할 수 있는 유통체계가 필요하고, 안전하게 관리할 수 있는 거버넌스와 관리규칙이 필요합니다. 때문에 데이터를 수집하고 관리하고 거래할 수 있는 정부 정책의 필요성이 커지는 겁니다.
 
 우선 데이터가 많을수록 활용가치가 높아지기 때문에 내가 모은 데이터뿐만 아니라 남이 모은 데이터까지도 모두 활용할 필요가 있습니다. 때문에 데이터 거래라는 것을 하고 데이터 거래 활성화를 위해 데이터거래소를 만들었습니다. 국내에서도 데이터거래소가 운영되고 있지만 사실상 데이터 거래가 많이 일어나고 있지는 않습니다. 우선 기업들이 자사가 보유한 데이터를 거래소에 내놓지 않고요. 파는 데이터도 사려는 기업들의 니즈에 부합하지 않은 경우가 많습니다. 다양한 이유가 있을 수 있겠지만, 데이터거래소가 시장의 기능인 판매되는 상품의 분류와 가공, 가격책정 등의 시장서비스를 제공하고 있지 못한 것이 이유일 수 있겠고요. 이거보다 조금 더 큰 문제는 데이터로 인해 법적 분쟁이 생겼을 때 조정하는 역할을 해주지 못합니다. 특히 개인정보를 포함하고 있는 데이터의 경우 법적 분쟁의 발생 소지가 높고 이는 기업들의 데이터 활용의 상당한 부담이 되고 있습니다. 

 그러게요. 약간의 민감한 부분인 것 같네요. 잘 거래되기 위해서는 신뢰와 분명한 책임 소재가 필요하지 않나 싶습니다. 지금 말씀해주셨다싶이 데이터가 많으면 많을수록 좋은 게 아니라 누가, 어떤 데이터를 어떻게 활용하느냐, 이거에 따라 가치가 달라지겠네요.

  네. 맞습니다. 데이터는 말 그대로 원유라고 생각하시면 됩니다. 누군가는 원유로 난방을 하고 누군가는 차량을 운행합니다. 이처럼 데이터도 활용하는 분야와 방법에 따라 다양한 가치를 창출합니다. 때문에 분야별로 데이터를 잘 다룰 수 있는 전문가가 필요합니다. 저희 연구에서는 국내외 데이터 활용기업과 비활용기업을 대상으로 실태조사를 시행했었는데요. 데이터 활용기업과 비활용기업 모두 기업의 데이터 활용의 가장 큰 장애 요인으로 데이터 전문인력의 양적, 질적 부족을 꼽았습니다. 
 
 이게 시급한 문제네요.
 
 이미 우리 정부에서는 빅데이터 전문인력을 양성하기 위해 빅데이터 전문대학원과 국비 지원 직업교육 중심의 인력 양성프로그램을 도입하고 시행하고 있는데요, 다만 빅데이터 전문인력의 교육 기간이 짧고 교육과정을 통해 도달할 수 있는 전문성의 수준이 낮아서 국비 지원 직업교육과 전문대학원과의 연계, 빅데이터 박사과정의 확대 등을 통해서 인력의 전문성을 더욱 강화할 필요가 있습니다. 또 분야별 산업현장의 수요를 충족시키기 위해 전문인력 양성뿐만 아니라 재직자의 분야별 빅데이터 교육 확대도 필요할 것으로 생각됩니다. 

  앞서 금융, 의료, 유통데이터의 활용에 관해 말씀드리면서 이종데이터 간 결합의 중요성에 대해서도 말씀을 드렸는데요, 이종데이터 간 결합 활용성을 높이기 위해서는 표준화된 데이터 결합 가이드라인이 필요합니다. 현재도 데이터 결합 활용성을 높이기 위해서 금융, 의료 등의 분야에서는 별도의 데이터 결합 가이드라인이 있는데요, 분야별로 별도의 가이드라인이 만들어져 이용되고 있기 때문에 이종데이터 간 결합 활용에 대한 가이드라인이 부재한 상황입니다.

 그렇군요. 아직은 살짝 아쉬운 점도 있긴 하지만 하나씩 나아가면 유통데이터, 모든 데이터를 더 잘 활용할 수 있겠죠. 이번 연구를 수행하시면서 박사님, 뭔가 어려우셨던 점이나 아쉬우셨던 점이 있는지, 또 향후 과제는 어떤 것을 계획하시는지도 궁금합니다.

  앞서 금융, 의료, 유통데이터의 특징과 활용현황에 대해 살펴보았는데요, 금융업을 제외하고 국내 서비스업의 데이터 활용하는 수준은 매우 낮습니다. 특히 국내 데이터 거래 시장의 발달이 더디기 때문에 사실상 한국의 서비스산업 데이터 생태계가 조성되어 있다고 보기가 어렵습니다. 생태계 구성 주체들 간의 데이터를 통한 원활한 흐름이 형성되었다기보다는 기업들이 자체적으로 데이터를 모으고 자사 내에서만 활용하는 수준의 데이터 활용이 이루어지고 있습니다. 데이터 경제라는 용어를 처음 쓴 것으로 알려진 Newman의 2011년 가트너 보고서에서는 데이터 경제의 진화단계를 전체 4단계로 나누고 있습니다. 국내 서비스산업의 데이터 활용 수준은 1단계에서 약간 진보한 수준에 머무르고 있는 것으로 판단됩니다. 

 아직은 그렇군요.

 데이터 공유 생태계를 염두에 두고 데이터를 모으기보다는 개별 기업들이 데이터를 쌓아두는 데서 약간 진보한 수준에 있는 것으로 판단됩니다. 따라서 본 연구는 서비스산업의 데이터 활용 생태계에 대한 연구였지만 아직 국내 서비스산업은 데이터 생태계를 구축하기에는 아쉬운 초기 수준에 머무르고 있습니다. 

 네. 박사님 오늘 ‘서비스산업의 데이터 활용 생태계 활성화 전략’ 연구에 대해서 많은 이야기 나눠봤는데요. 오늘 어떠셨는지 소감 한마디 부탁드리겠습니다. 
 
 저도 오늘 연구 내용에 대해서 자세히 알려드릴 수 있어서 좋았습니다. 경청해주시고 질문해주셔서 감사합니다. 앞으로 산업연구원은 더 열심히 국민 여러분과 이렇게 영상으로 소통할 수 있는 기회 만들어나가겠습니다.

 네. 오늘 말씀 감사합니다. 앞으로도 서비스산업에서의 데이터 활용, 더 기대하도록 하겠습니다. 오늘 재밌는 이야기 감사하고요. 시청해 주신 여러분, 고맙습니다. 감사합니다.