스마트팩토리를 위한 현업 교육은 이렇게 해 보십시요

어제는 여수에 지인들과 어제 저녁식사 시간을 가졌습니다.
오늘 돌산 예술랜드에서 강의가 있어 일정을 맞추었습니다.
전 직장 기술인재개발원 현직 후배님들이 주관이 되서 만든 자리입니다.
퇴직한 선배님 두분과 동기 그리고 후배님들이 송년의 시간이었습니다.
지난 일, 기술교육에 대한 이야기와 생활 그리고 삶을 공감했습니다.
​
그 자리에서 한 기업에서 몇백 명의 빅데이터 전문가를 만드는 교육을 준비한다고 들었습니다.
그래서 "몇 %를 위해 교육을 하는 것일까요? 추진하는 계열사를 위한 자리가 되겠습니다."라고 이야기했습니다.

과연 누구를 위한 교육일까?

아마도 추진은 교육을 주관하지 않고 스마트팩토리를 주관하는 조직에서 할 것입니다.

과연 누가 미소를 지을까?

많은 기업들이 직원들을 전문가를 만들어서 현업문제를 해결하는 데 활용하겠다는 이야기를 합니다.
하지만 성공한 기업은 거의 없습니다.

전문가를 몇 고용하는 것이 얼마나 효과적인데 말입니다.
제가 볼 때는 '빵점짜리 기획이 아닌 마이너스 기획'이라고 자신있게 말씀을 드립니다.
​
그동안 기업들은 전문가를 만든다고 했습니다, 그 결과는?

한 예로 예지보전 기술 중 가장 뛰어나고 오랜 역사가 있는 진동진단과 분석 기술에 대해 전문가를 보유하고 있습니까?
그렇다면 SmartSignal이니 전기해석법과 같은 기술 도입에 신중했을 것입니다.

이 기술도 도입한 후 어떻습니까?
설비관리 전략이 없는 가운데, 관리부서가 아닌 다른 조직에서 기획해서 하라고 하니까 시도는 하지만 결과는 '?'입니다.

기술교육에 접근하는 비법은 두가지입니다.​
첫째는 엔지니어가 현업이 가진 문제해결이나 업그레이드, 또는 변혁을 기획할 정도의 교육이고 그 지식을 바탕으로 해당 기술 전문가와 협업을 하는 것입니다.​
둘째는 솔루션을 배우는 것입니다.

구체적으로 빅데이터 전문가 교육에 대한 조언을 드리면,

1. 먼저 현장의 현실을 조사해 보기 바랍니다.
빅데이터가 아닌 통계적 상관분석이나 마이닝 보다도 낮은 수준도 못하고 있습니다.
공장에 미니탭 같은 분석도구도 사용자가 0.x% 정도입니다.

몇일을 가르쳐서 전문가라고 할까요?
분명 추진부서에서는 주기적으로 점검하고 경영층에 보고를 하면서 그 결과만을 쫓을 것입니다.
공장에서 교육 받은 직원의 임무는 두번째이고요, 해당 직원들은 스트레스에 편법을 부서장과 이야기하게 될 것입니다.
며칠 교육해서 전문가가 되도록 스스로 시간을 낼 여력이 현장에 몇이나 될까?
부서장이 회의만 없으면 가장 시간이 많은데...^^

2. 공장에 어떤 데이터가 있는지 조사해 보십시오.
최근 대기업에서 수십억을 투자한 프로젝트에서 도입 후 데이터가 없어서 IoT 프로젝트를 추가로 하는 웃지못할 일도 있습니다.

3. 통계란 무엇인가? 이 교육은 필요할 것입니다.
내가 관리하거나 해보고 싶은 것을 통계로 할 수 있는 것인지?

또 다음과 같은 컨설턴트들이 있는데 공장문제에 대한 접근이 잘못된 것입니다.
빅데이터라는 기술을 배워서 해결할 문제를 찾아가는 방법을 가르치는 접근은 대학이나 연구소에 가능한 방법입니다.
공장은 그 시간에 전문가를 불러 현업과 실행을 하게 하는 곳입니다.
​
저는 두가지 질문으로 접근을 제안합니다.

먼저 공장에 부서별로 고민 중인 문제가 무엇인지?
둘째 무엇을 해결하면 Quantum Jump가 가능한지?
​
이 둘을 조사해 볼 것입니다.
각각의 문제들을 현업 엔지니어들과 기술 컨설턴트들과 워크샵을 가질 것입니다.
그리고 해결안 도출을 위해 집단지성 토론을 벌일 것입니다.
워크샵으로 며칠을 한다면 문제들이 구분이 될 것이고 과제의 윤곽이 잡힐 것입니다.
그러면 우선순위 기준을 세워 과제에 대한 수행계획을 세웁니다.

여기서 한가지 프로 마인드가 필요합니다.
단, 돈을 들여서 해결하려고 하는 것은 프로가 아니라 아마추어들의 방십입니다.
이상성을 찾아가는 작업을 혁신과 현업이 해야 합니다.
여기서 혁신조직의 수준이 나옵니다.
거의 대부분을 외부에 의존하는 혁신조직은 없는만 못합니다.
실적만 관리해서 일만 힘들게 하거나 경쟁을 시켜 목적을 왜곡시키는 경우를 주변에서 흔히 봅니다.
​
이상성​
​
비용은 제로에 가까우며 효율은 최고로 할 수 있는 방법을 찾는 것입니다.
​
솔직히 현업 엔지니어는 현업 일이 많아서 교육도 워크샵도 하기 쉽지않습니다.

그러다보면 신입사원을 중심으로 조직이 구성되는데, 그 결과는 유추하기 힘듭니다.
​
반드시 선임을 끌여들여야 합니다.​
​
그렇다면 한 예로 빅데이터나 통계적상관분석을 접근한다면?
전문가를 고용하는 것입니다.
그래서 그들이 현장을 이해한 후 부서별 교육과 과제해결(안)을 고민하게 합니다.
여기서 정유나 석유화학에는 미니탭, 파빌리온의 인사이트와 VOA. K.net Analytics 와 같은 뛰어난 도구들이 있습니다.
그 외에도 Excel이나 고용한 전문가가 잘 쓰는 것으로 접근을 한다면 그때 결과가 보일 것입니다.

전문가도 빅데이터 전문가에 파이선이나 R을 사용하는 전문가, 그리고 기업용으로 활용중인 솔루션도 사용하는 전문가 등 문제를 여러각도로 볼 구성도 고려사항입니다.
​
먼저 나의 문제를 찾고 그 다음 해결을 위한 기술 교육이나 솔루션/Tool을 도입하십시오.
당연히 직원을 전문가로 만들려는 바보가 되지 말고 해당 전문가를 고용해서 집단지성의 묘미를 느껴보십시오.

빅데이터는 전혀 새로운 패러다임은 아닙니다.

기존에는 기업 내 정형 데이터만 대상이던 것이 이제는 기업 밖의 다양한 형식의 데이터로 확장된 것은 새로운 패러다임이라고 볼 수 있습니다.
하지만 분석을 한다는 것은 과거부터 해 오던 것입니다.
중요한 포인트는 공장의 경우는 필요할까?
영업과 전략, 기획, 인사 등과는 달리 공장 내 데이터로만 분석이 필요한 공장에 빅데이터 교육이 왜 빌요한가요?
공장에도 많은 비정형 데이터가 있습니다.
하지만 그런 데이터를 직접 데이터베이스로 사용하기 보다는 장비를 거쳐 1차적인 판단데이터를 사용하고 있습니다.
앞으로는 처리와 분석 방식이 바뀔 수는 있습니다.

그동안 분석기법들은 왜 사용을 못했는지 그 이유를 찾아서 그것을 해결해 주는 것이 빠를 것입니다.

질문사항이나 교육이 필요하시면 매일로 주십시오.
》 yhs5719@naver.com