나이가 들었다면 개인 데이터가 컴퓨터에 저장된 몇 장의 사진과 일부 Word 문서와 동일했던 시절을 기억할 것입니다. 몇십 년을 건너뛰면 우리가 살고 있는 세상은 적어도 데이터 측면에서는 인식할 수 없게 됩니다.
오늘날 데이터는 어디에나 있습니다. 인류가 매일 생산하는 것의 규모는 엄청납니다. 최근 추산에 따르면 전 세계의 연간 일일 데이터 생산량은 4억 2백만 테라바이트가 넘습니다. 어떤 맥락에서 이는 세계 인구가 약 82억 명이라고 가정할 때 1인당 하루에 대략 49GB의 데이터에 해당합니다. 이 모든 데이터를 수집해야 하며 이를 수행하는 도구 중 일부는 우리 모두에게 익숙합니다. 소셜 미디어 플랫폼과 온라인 소매점이 좋은 예입니다. Facebook은 2023년에 매일 약 4,000TB의 데이터를 생성했는데, 이는 인터넷 역사상 최악의 데이터 침해 중 하나에 연루되었다는 점을 고려하면 우려될 수 있습니다. 모든 트윗, 모든 이메일, 모든 WhatsApp 메시지 및 모든 웹 검색이 여기에 추가되며 데이터 수집 도구로 간주될 수 있습니다.
이는 매우 분명한 소스이지만 다른 많은 데이터 수집 도구는 잘 알려져 있지 않으므로 업무 및 개인 데이터를 안전하게 유지해야 합니다. 여기에서는 레이더에 포착되지 않은 다섯 가지 일반적인 데이터 수집 도구를 살펴보겠습니다.
프로세스 마이닝 도구
데이터의 일부 용도는 즉시 명백해집니다. 예를 들어, 인터넷에서 삼성 스마트 TV를 검색하면 모든 피드에서 TV에 대한 광고가 쏟아져 나올 가능성이 높습니다. 이에 대해 많이 생각할 필요가 없습니다. 누구누구가 새 TV를 구매하려고 합니다. 그들이 원하는 것이 무엇인지 보여드리겠습니다. 그러나 일부 도구는 그보다 더 심층적입니다. 그들은 실제로 무슨 일이 일어나고 있는지 밝히기 위해 데이터 내에서 데이터를 수집합니다. 실제로 미군에서도 데이터 관리를 처리하는 새로운 방법을 테스트하고 있습니다.
비즈니스에서 가장 일반적으로 사용되는 프로세스 마이닝 도구는 비즈니스 시스템 내에서 생성된 이벤트 로그 및 감사 추적에서 정보를 추출합니다. 사용자가 요청을 승인하거나, 기록을 업데이트하거나, 양식을 제출하거나, 자동화된 워크플로를 트리거할 때마다 기록됩니다. 프로세스 마이닝 도구는 이러한 정보(타임스탬프, 사용자 작업, 시스템 이벤트 및 트랜잭션 ID 추출)를 수집하고 프로세스를 재구성하여 사람들이 생각하는 실행 방식과 달리 작업이 실제로 수행되는 방식에 대한 통찰력을 수집합니다.
Microsoft Process Advisor, Celonis 및 Appian Process Mining과 같은 도구는 이러한 로그를 사용하여 워크플로에 대한 통찰력을 구축합니다. 올바른 데이터로 무장한 소프트웨어는 프로세스 병목 현상을 식별하고, 리소스를 최적화하고, 자동화를 개선하고, 운영 비용을 절감할 수 있습니다. 즉, 이러한 도구는 실제 성능이 예상 성능과 어떻게 다른지, 그리고 그 이유를 보여주는 데이터를 수집합니다.
관찰 도구
여기서는 Flock Safety 카메라와 같은 논란의 여지가 있는 시스템에 대해 이야기하는 것이 아닙니다. 물론 그 자체로는 데이터 수집 도구이기 때문입니다. 오히려, 우리가 논의하고 있는 관찰 도구는 사람들이 웹 사이트나 앱과 상호 작용하는 방식을 공개하지 않고 조용히 관찰하는 좀 더 미묘한 터치입니다.
한 가지 예로 익명화된 사용자 상호 작용을 캡처하여 디지털 상호 작용이 실제로 어떻게 발생하는지 이해하는 세션 기록 소프트웨어가 있습니다. Contentsquare, Microsoft Clarity, Crazy Egg와 같은 도구는 클릭, 스크롤, 마우스 이동 및 탐색 경로를 기록합니다. 이 중 어느 것도 개인 데이터가 아닙니다. 이는 사람이 사이트와 상호 작용할 때 발생하는 행동 패턴을 이해하는 것을 목표로 합니다. 여기서 익명성은 사용자의 신원을 보호하는 것뿐만 아니라 사람들이 자신이 감시당하고 있다는 것을 알면 다르게 행동하기 때문에 중요합니다. 이 특성은 호손 효과(Hawthorne effect)라는 이름까지 갖고 있으며 물리적 및 디지털 측면 모두에서 설문 조사 결과에 큰 영향을 미칠 수 있습니다.
이는 사람들이 실제로 클릭한 내용, 포기한 양식, 무시한 페이지 부분 등 진정한 행동을 수집하는 것이 핵심이기 때문에 디지털 도구에 중요합니다. 사용자가 자신의 움직임이 추적되고 있다는 것을 알면 행동이 바뀌고 수집된 데이터는 현실을 덜 대표하게 됩니다. 이 수집 방법에는 뭔가 불안하고 빅 브라더 같은 느낌이 들지만 현실은 덜 불길합니다. 숨겨진 관찰은 호손 효과를 방지하고 실제 사용에 대한 보다 정확한 그림을 제공합니다.
수동 데이터 수집 방법
디지털 시대에는 이상하게 보일 수도 있지만 일부 “구식” 데이터 수집 도구는 여전히 매우 관련성이 높습니다. 설문 조사, 인터뷰, 포커스 그룹 및 체크리스트는 조직에서 정보를 수집하기 위해 자주 사용되며 사용자 연구 플랫폼 Maze에 따르면 AI가 많은 연구 환경에서도 여전히 중요합니다. Maze 2026 업계 보고서에 따르면 팀은 여전히 규모에 대한 설문조사와 미묘한 차이에 대한 인터뷰에 의존하고 있으며 두 가지 방법을 결합하여 “큰 그림” 통찰력을 제공합니다. AI는 이제 대부분의 연구팀에서 사용되지만 주로 합성 및 전사와 같은 작업에 사용되며 Maze 보고서는 인간의 판단이 점점 더 중요해지고 있다고 지적합니다.
조직에서는 정보를 캡처하기 위해 여전히 다른 “인간 중심” 도구를 사용하고 있습니다. 예를 들어, 행정 기록과 체크리스트를 통해 의도와 현실 사이의 격차를 확인할 수 있습니다. 일반적으로 사용되는 또 다른 수동 수집 방법은 루브릭입니다. 이는 기술이나 행동을 명확한 기준으로 나누어 누군가가 개인의 수행 능력을 판단할 수 있도록 하는 본질적으로 구조화된 채점 가이드입니다. 이는 셀 수 없는 항목에 대한 데이터를 수집하고 수량화하는 데 특히 유용합니다. 예를 들어 사회적 기술, 의사소통 품질, 작업이 얼마나 독립적으로 완료되었는지 등이 있습니다.
마지막으로, 관찰 기록, 퇴사 인터뷰, 세션 평가는 모두 사람들이 시스템과 상황을 수행하고, 학습하고, 참여하는 방식에 대한 통찰력을 지속적으로 제공하는 방법입니다.
예술 기반 데이터 수집 도구
정량화하기 어려운 정보를 수집하는 데 사용되는 또 다른 도구 세트는 예술 기반 데이터 수집 방법입니다. 루브릭과 유사하게 이러한 도구는 평가자가 감정, 경험, 관계 및 상황 이면의 의미와 같은 사항을 포착하는 데 도움이 됩니다. 그러나 기준에 따라 성과를 채점하는 대신 예술 기반 방법은 참가자가 무언가를 창조하도록 유도합니다. 이것은 그림일 수도 있고, 콜라주일 수도 있고, 글로 쓰여진 이야기일 수도 있고, 라이브 공연일 수도 있습니다. 이는 데이터를 수집하는 상당히 무작위적인 방법으로 보일 수 있지만 이러한 접근 방식은 사람들이 말로 표현하기 힘든 아이디어를 표현하는 데 도움이 된다고 생각합니다.
이는 사람들이 어떻게 느끼는지, 상황을 어떻게 해석하는지 또는 다양한 아이디어가 어떻게 연결되는지 탐구하는 것이 목표일 때 유용합니다. 중요한 것은 예술 기반 방법의 데이터가 실제로 예술 작품이 아니라는 것입니다. 오히려 그 뒤에 설명이 있습니다. 평가자는 참가자와 협력하여 참가자의 “작품”이 무엇을 나타내는지 이해합니다. 여기에는 창작물이 무엇을 나타내는지, 어떤 감정이나 아이디어를 전달하는지, 어떤 연관성을 드러내는지 설정하는 것이 포함됩니다. 이러한 상호작용을 통해 수집된 정보는 다른 정성적 데이터와 마찬가지로 공통 주제, 패턴, 통찰력 및 패턴에 대해 분석될 수 있습니다.
