물건이 귀했던 시절에는 만들어두기만 하면 날개 돋친 듯 팔리던 시절도 있었다.

 

지금은 그 반대다. 하루가 멀다 하고 버려지는 재고가 부지기수다. 제품의 질이 좋아도 마케팅에서 밀리면 답이 없다. 현대에는 넘쳐 나는 물건들로 인해 소비자들의 관심 한 번 받는 것이 하늘의 별 따기만큼 어렵다. 아무리 잘 만들어진 제품이라고 하더라도 그 제품을 제대로 쓸 사람의 니즈에 제대로 공감하지 않고 만들었다면 순식간에 시장의 낙오자가 된다.

 

이제 시장은 그냥 제품이 아닌 ‘디자인된 제품’을 요구한다.  ‘고객에게 필요하게 디자인된, 고객의 니즈를 해결하도록 디자인된, 그리고 고객 맞춤형으로 새롭게 디자인’ 되어야만 살아남을 수 있는 시대가 됐다. 그런데 이 ‘디자인‘이라는 말, 익숙하면서도 이러한 쓰임이 아직은 낯설다.

 

데이터 기반의 디자인씽킹에서 고객발굴을 위한 공감단계는 필수다.

(출처=Pexels)

 

 

여기서 쓰인 ‘디자인’의 뜻은 단순히 제품 외양이나 개발 단계에 적용되는 외형의 디자인을 말하는 것이 아니다. ‘제품 기획, 마케팅, 관련 서비스 등 전 과정에 걸쳐 비즈니스 문제를 해결하고 프로세스를 혁신하는 전략’이다. 다른 말로 ‘디자인씽킹(Design Thinking)’이라 한다. 디자인적 사고방식, 즉 디자이너들의 감수성과 창의적인 작업 프로세스를 이용하는 혁신을 위한 디자인적 사고 기법이다.

 

 

“디자인 씽킹은 직관적 사고나 분석적 사고의 한쪽이 아니라 이에 대해 통합적으로 접근하는 사고법이다.”

– 로저 마틴(Roser Martin)

 

기존의 비즈니스에서 주로 쓰였던 논리설계에 의한 분석적 사고나 추상적인 영감에 의한 직관적 사고와 다른 점이 있다면 ‘인간 중심적’이라는 점이다. 사람을 중심으로 대상에 대한 깊은 공감과 이해에서부터 문제를 시작한다. 그리고 이렇게 발굴된 문제에 대해서는 아이디어 도출과 프로토타이핑, 그리고 테스트를 빠르게 반복하며 더 나은 해결방안을 찾기 위한 끝없는 의견의 수렴과 확산을 반복하는 방식이다.

 

일반적인 디자인씽킹 프로세스는 총 5단계로 진행되어 있으며, 각 구간별로 끊어지는 것이 아닌 유기적으로 반복되는 특성을 가진다.
또한 구간별로 의견의 수렴과 확산을 반복하며 통합적으로 사고하는 방식을 통해 최선의 개선안을 찾는 것이 목적이다.

 

 

1950년대 미국 스탠퍼드대에서 떠오른 디자인씽킹은, 90년대 세계에서 가장 혁신적인 디자인 컨설팅 기업 ‘IDEO(아이데오)’에 의해 그 개념이 널리 알려졌다. 이후에는 스탠포드 대학의 디자인 전문 연구소인 ’d.School(디스쿨)’을 통해 디자인씽킹에 대한 R&D가 더욱 전문적으로 진행될 수 있었다. 디자인씽킹을 통해 탄생한 혁신 사례들은 곧 다시 급류가 되어 디자인씽킹의 열기를 전 세계 비즈니스 분야에 넘실거리게 만들었다. 오늘날 디자인씽킹이 삼성, 현대, 애플, IBM, 나이키 등 세계 굴지의 기업에서 혁신 창출의 방법론이자 비즈니스의 창의적인 문제해결을 위한 필수요소로 자리매김한 것도 이러한 까닭이다.

 

그렇다면 ‘데이터 기반의 디자인씽킹’이란 무엇이 다를까. 이 과정의 포인트는 기존 디자인씽킹의 프로세스에 ‘데이터’를 활용하는 과정을 더해 결과분석 속도와 능률을 배로 더했다는 점이다. 즉, 스탠퍼드대 d. school에서 밝힌 디자인씽킹의 5가지 기본 프로세스에서 대상에 대한 공감, 문제 정의, 아이디어 도출 등의 과정에 ‘데이터’라는 사실 기반의 통계자료를 활용하여 문제에 ‘디자인씽킹스럽게 접근하되’ 더욱 빠르고 객관적으로 분석하는 것이 핵심이다.

 

데이터 기반의 디자인씽킹 프로세스(출처=Thinking lab)

 

 

특히, 앞단에서 고객과 문제를 정의하는데 페르소나 기법, 고객 여정 지도, 현장 인터뷰 등 다소 많은 시간과 노력이 필요한 일반적인 디자인씽킹 과정과 비교했을 때, 투입되는 시간과 리소스는 몇십 배 이상 줄일 수 있다. 발로 뛰는 것도 좋지만 데이터의 분석 결과가 말해주는 사실도 뚜렷하기 때문이다.

 

이처럼 데이터를 통해 문제를 발견하고, 해석하고, 해결방법을 찾는 데이터 기반 문제해결 프로세스와 디자인씽킹 접목했을 때 나는 시너지는 매우 크다. 이를테면 매년 워킹그룹을 설정하고 지역 문제등을 해결과제로 내세운 디자인씽킹 프로그램을 운영하는 ‘국민디자인단’ 활동 결과물 중 하나를 사례로 들어보자.

 

이곳에서 2018년 과제 중 하나로 진행한 제주특별자치도 버스 정류소 프로젝트가 있었다. 이 과제의 소요기간은 2018년 3월에 첫 과제 도출을 시작으로 이에 대한 현장 조사, 대상 분석, 디자인단 발굴, 이슈공유, 아이데이션, 시민인터뷰, 프로토타입 제품 발주 및 설치까지 진행하는 데 걸린 시간은 평균 8개월 남짓이었다.

 

이에 반해 연관된 데이터셋과 이와 관련된 키워드를 도출하여 직접 나열된 가설 항목과 이에 따른 데이터 결과를 분석한 결과 약 3시간 남짓 만에 비슷한 결과가 도출되는 것을 확인할 수 있었다.

 

2018 제주도특별자치도의 대중교통 문제를 대상으로 진행한 국민디자인단의 프로젝트를 데이터로 분석해보았다.
‘제주도의 대중교통 관련 불만을 해결하자’는 과제의 결론은 제주도의 열악한 버스 정류장을 개선하고, 잦은 교통사고를 해결하는 것이었다.(출처=Thinking lab)

 

 

물론 인간중심적인 사고방식인 디자인씽킹에서 실제 현장의 조사나 깊이 있는 인터뷰 도출 등은 없어서는 안 될 항목이다. 하지만 이 과정에 데이터를 더욱 적극적으로 활용했을 때 역시 깊이 있는 분석결과가 도출될 수 있었고, 최소한의 인원으로도 유의미한 프로젝트를 충분히 진행할 수 있다는 사실에 충분한 의의가 있다.