|
McKinsey Digital 에 대해 더 알고 싶으십니까 ?
3. 민첩한 팀에서 제품 및 플랫폼 운영 모델로
많은 디지털 및 AI 변환 프로그램은 20~30개의 중앙 관리 팀이 솔루션을 신속하게 제공하기 위해 민첩한 방식으로 작업하는 공장 모델을 개발했습니다. 그러나 이러한 접근 방식은 기업 전체에서 수백 개의 팀을 지원하도록 쉽게 확장할 수 없습니다.
도약을 위해서는 기업이 제품(웹 검색 또는 데이터 자산과 같은 내부 또는 외부 고객을 위한 특정 솔루션 또는 서비스) 및 플랫폼(재고 관리 또는 고객 관계 관리). 이 모델은 진행 속도를 늦추는 승인 프로세스 및 예산 요청과 같은 기존 운영 문제를 제거하기 때문에 확장이 가능합니다.
제품 및 플랫폼 운영 모델을 작동 시키는 데 중요한 요소는 비즈니스와 IT가 훨씬 더 긴밀하게 협력한다는 것입니다 . 사실 IT는 기술 플랫폼 팀을 감독하고 제품 팀을 위한 기술 인재를 찾는 역할은 여전히 수행하지만 "요구 사항 이행자"라는 전통적인 역할은 더 이상 존재하지 않습니다.
레고 그룹은 특정 솔루션을 제공하는 데 필요한 각 디지털 제품을 담당하는 팀을 지정하여 이 아이디어를 마음에 새겼습니다. 이 모델을 작동시키는 데 중요한 것은 각 비즈니스 도메인에 경영진의 후원자와 도메인에서 결과를 제공할 공동 책임을 지는 비즈니스 및 IT의 리더가 있다는 것입니다. 제품 팀 또는 팟(Pod) 수준에서 비즈니스 리더는 제품 소유자의 역할을 맡았습니다. 비즈니스를 제품 관리 구조에 통합함으로써 비즈니스가 제품 팀이 개발한 솔루션을 채택하는 데 도움이 되었습니다. 제품 팀의 모든 구성원은 KPI와 인센티브를 공유했습니다.
DBS도 비슷한 접근 방식을 따랐습니다. 각 플랫폼은 결제 또는 고객 서비스와 같은 전사적 요구를 충족하는 일련의 제품 팀을 관리했습니다. 비즈니스 및 기술 리더가 제품 팀을 공동으로 소유하는 "투인더박스(two-in-the-box)" 접근 방식을 구현했습니다. 플랫폼 리더는 1년 동안 이러한 리소스를 사용하는 방법을 자유롭게 결정할 수 있습니다.
4. 핵심 역량으로서의 기술에서 분산 엔지니어링 우수성으로
이론적으로 디지털 자산을 릴리스하는 것은 간단합니다. 자체 코드를 알고 있는 팀은 신속하게 변경, 통합, 테스트 및 릴리스를 수행할 수 있습니다. 그러나 대부분의 경우 해당 팀은 자신이 알고 제어하는 코드 기반에서 작업하는 것이 아니라 많은 팀에서 지속적으로 수정하는 무질서하고 깨지기 쉬운 코드 기반이 있는 대규모 애플리케이션에서 작업합니다. 게다가 그 애플리케이션은 다른 많은 것들에 의존하기 때문에 광범위한 조정이 필요하며 고도로 수동적인 프로세스로 인해 더욱 방해를 받습니다.
이 기술 Gordian 매듭을 끊기 위해 재배선 회사는 다음을 수행합니다.
5. 중앙 집중식 데이터 및 분석에서 조직 전체에 포함하기까지
재편성된 기업에서 데이터는 모든 작업 팀과 프로세스에 내장되어 있으며 사용하기 쉬운 도구를 통해 회사의 모든 사람이 사용할 수 있습니다. 이러한 액세스를 대규모로 활성화하려면 다양한 관련 데이터 요소를 광범위한 사용 사례에 사용하기 쉬운 형식으로 결합하는 데이터 제품이 필요합니다. 한 가지 예는 다양한 팀이 고객별 솔루션을 만들기 위해 액세스할 수 있는 자산인 Customer 360 데이터 제품일 수 있습니다. 많은 회사가 디지털 혁신에서 몇 가지 데이터 제품을 만들었지만 재연결된 기업은 종종 조합하여 데이터 제품의 지속적인 흐름을 개발하고 관리합니다.
예를 들어 DBS는 돈세탁 위협에 대해 더 빠르고 더 나은 통찰력을 생성하기 위해 여러 모델을 결합하는 이니셔티브를 시작했습니다. 그들은 다양한 내부 및 외부 데이터 소스와 함께 규칙, 네트워크 링크 분석 및 기계 학습을 사용했습니다. 이를 통해 자금 세탁 방지를 위한 AI 기반의 종단 간 감시 프로세스를 개발할 수 있었습니다.
데이터 및 AI 제품 개발을 가능하게 하려면 데이터 흐름 및 액세스를 관리하기 위한 견고한 기본 데이터 아키텍처가 필요합니다. AI 모델링을 통한 Freeport의 성공은 포괄적인 중앙 데이터 웨어하우스를 보유하고 있었기 때문에 실시간으로 초 단위 성능 판독값을 캡처하고 상호 연관시킬 수 있었기 때문에 가능했습니다.
Google은 데이터에 대한 안전한 액세스를 제공하는 데 특히 중점을 두었습니다. 모든 Google 직원이 다양한 제품 및 개발 요구에 액세스할 수 있는 중앙 데이터 저장소를 만들었습니다. 민감한 데이터와 민감하지 않은 데이터를 모두 여러 형식으로 저장하고 직렬화할 수 있습니다. Google은 미리 선택된 키 식별자(예: 고객 ID) 세트를 통해 서로 다른 소스 간에 데이터를 동기화할 수 있는 도구도 개발했습니다.
Rewired: 디지털 및 AI 시대의 경쟁 우위를 위한 McKinsey 가이드
6. 단기 이익에 대한 집중에서 현대 문화를 통한 확장에 대한 집중으로
디지털 솔루션에서 잠재적인 가치를 최대한 추출하는 능력은 성공적인 장기 혁신의 핵심입니다. 재편성된 기업은 확장과 강화 메커니즘에 의해 지원되는 지속적인 성장 문화를 구축함으로써 이러한 결과를 달성합니다 . Rewired 회사는 특히 다음 세 가지 영역에 중점을 둡니다.
학습 리더 문화 구축
회사가 확장됨에 따라 지시적 리더십을 통해 가능한 것에 대한 한계에 도달합니다. 이 문서에서 다루는 기능의 범위를 구현하는 행동을 주입하는 데 중점을 둔 문화가 들어오는 곳입니다. Rewired 회사는 고객에게 초점을 맞추고 디지털에 정통하며 "모든 것을 아는 것"보다 "모든 것을 아는 것"이 아닌 리더를 개발하여 이러한 문화를 강화합니다. 이러한 학습 정신은 팀이 신속한 테스트와 지속적인 개선을 통해 혁신하도록 추진합니다.
조직의 모든 수준에 있는 리더는 그러한 문화를 구축하는 데 중요한 역할을 합니다. 예를 들어 DBS는 관리자가 변화에 저항하는 것이 아니라 변화를 주도하도록 하기 시작했습니다. 회사는 좋은 피드백을 제공하고, 데이터를 사용하여 결정을 내리고, 공감하고, 협력하는 방법에 대한 교육에 투자했습니다. 이 프로세스를 통해 DBS는 많은 관리자가 제품 및 플랫폼 팀에 효과적으로 기여할 수 있는 권한을 부여할 수 있었습니다.
학습 리더 문화의 초석은 리더에게 결정을 내릴 수 있는 자율성을 제공하면서도 결과에 대해 책임을 지게 하는 것입니다. 예를 들어 Amazon은 단일 스레드 리더에게 역할을 실행할 수 있는 범위를 제공하지만 분기별로 검사되는 특정 고객 대면 및 재무 목표를 정의할 것을 기대합니다. 각 팀이 추가 투자를 받는지 또는 초점을 전환하라는 요청을 받는지 결정하기 위해 매년 더 심층적인 검토가 이루어집니다.
문화 변화는 비즈니스의 최고 리더가 변화를 주도하는 것에서 시작됩니다. 예를 들어 LEGO 그룹의 최고 경영진은 처음부터 디지털 혁신을 공동으로 소유해야 한다는 점을 분명히 했습니다.
실적 추적
책임을 확인하고 솔루션이 잠재적인 가치를 최대한 제공하도록 재연결된 기업은 종종 비용 절감을 위해 예약된 정밀도로 진행 상황을 추적합니다. DBS는 진행 중인 약 100개의 이니셔티브를 실시간으로 모니터링하기 위해 대시보드를 만들었습니다. 이 도구는 매주 업데이트되었으며 모든 직원이 액세스할 수 있습니다. 이를 통해 경영진은 신속하게 문제를 식별하고 개입하여 문제를 해결함으로써 변화의 추진력을 유지할 수 있었습니다.
Amazon에서 리더는 이니셔티브의 진행 상황을 지속적으로 확인하고 우수한 성과를 내는 직원에게 공급할 인재와 리소스를 재할당합니다. 그들은 또한 리더가 이니셔티브의 가장 중요한 세부 사항을 면밀히 파악하고 적절하게 개입하여 문제를 해결하고 위험을 식별하도록 요구하는 "깊이 파고들기" 원칙을 수용합니다.
쉽게 재사용할 수 있는 솔루션 만들기
Rewired 회사는 서로 다른 고객 세그먼트, 시장 또는 조직 단위에서 솔루션을 최대한 쉽게 재사용함으로써 자율성과 지속적인 개선 문화를 가능하게 합니다. 이전에 생성되고 승인된 코드를 재사용하겠다는 이러한 약속을 통해 팀은 솔루션을 다시 빌드하는 것보다 솔루션을 혁신하고 개선하는 데 더 쉽게 집중할 수 있습니다. 이 접근 방식의 핵심은 자산화(또는 제품화)입니다. 여기서 솔루션은 쉽게 조정하고 맞춤화할 수 있는 방식으로 패키징됩니다. 대부분의 경우 적절하게 설계된 경우 솔루션의 60~90%를 재사용할 수 있습니다.
Freeport는 일련의 조건 하에서 얼마나 많은 구리를 회수할 수 있는지 예측하는 데 도움이 되는 기계 학습 모델을 개발했습니다. 이 모델이 여러 현장에서 작동하도록 하기 위해 Freeport는 다른 공장에 보다 쉽게 적용할 수 있도록 리팩토링하고 재패키징했습니다. 이러한 방식으로 핵심 코드의 약 60%를 쉽게 재사용할 수 있었고 나머지 40%는 새로운 채굴 사이트마다 맞춤화되었습니다. 또한 회사는 사이트별 모듈이 호출할 수 있는 중앙 집중식 코드 기반 개발에 투자하여 코드를 유지 관리하고 개선하는 것이 더 쉽고 비용 효율적이 되도록 했습니다.
비즈니스 재배선은 장기적인 약속입니다. 그러나 이를 잘 수행하는 기업은 그 과정에서 가치를 구축하고 경쟁업체와 실질적인 디지털 거리를 둘 수 있습니다. 이것은 디지털 작업 에서 디지털화 로 의 진화입니다 .
저자 소개
Santiago Comella-Dorda 는 McKinsey 보스턴 사무실의 파트너이며 Eric Lamarre 는 수석 파트너이고 Noor Narula 는 동료 파트너입니다. Julie Goran은 뉴욕 사무소의 파트너입니다. Kent Gryskiewicz 는 뉴저지 사무소의 파트너입니다.
저자는 이 기사에 기여한 Alexey Dang, Sherina Ebrahim, Richard Guinness, Shefali Gupta, Priyanka Karuvelil 및 Douglas Merrill에게 감사를 표합니다.
우리에게 이야기
우리와 함께 경력을 탐색
관련 기사
기사 - McKinsey 분기별
경쟁에서 이기기 위해 재연결됨
기사
디지털 트랜스포메이션: 디지털과 AI를 위한 재배선
기사 - McKinsey 분기별
Freeport-McMoRan은 데이터를 가치로 전환합니다.
|