![경영진이 대시보드에 제시된 숫자를 맹신하지 않고, 그 이면의 비즈니스 맥락을 비판적으로 읽어낼 때 비로소 데이터는 올바른 의사결정의 도구가 된다. [사진 = 코리아비즈니스리뷰 자료 사진]](https://epzvqcvbpcduaglyoici.supabase.co/storage/v1/object/public/news-images/legacy-cgi/2026/02/27/1772192167_62409.jpg)
최근 글로벌 비즈니스 환경과 경영 현장에서 데이터 기반 의사결정(Data-driven decision making)은 시장의 극심한 불확실성을 통제하고 조직의 나아갈 방향성을 설정하기 위한 핵심 전략 기조 중 하나로 확고히 자리 잡고 있다.
과거 소수 경영진의 직관과 오랜 경험에 전적으로 의존하던 전통적인 관행에서 벗어나, 객관적인 수치와 실시간으로 업데이트되는 대시보드를 바탕으로 경영의 지휘봉을 잡는 것은 이제 현대 리더십이 갖추어야 할 필수적인 덕목으로 간주된다.
특히 디지털 전환(Digital Transformation)이 가속화되면서 수많은 기업들이 데이터 호수(Data Lake)를 구축하고 고도화된 인공지능 분석 도구를 도입하는 데 천문학적인 자본을 투입해 왔다.
그러나 이처럼 최신 분석 인프라를 성공적으로 구축한 선도 기업들 중에서도, 데이터 활용이 당초 기대했던 것만큼의 실질적인 재무적 성과를 내지 못하거나 치명적인 판단 오류로 인해 뼈아픈 위기를 겪는 사례가 산업계 곳곳에서 반복적으로 보고되고 있다. 이는 단순히 조직 내에 양질의 데이터가 부족하거나 최첨단 분석 솔루션이 부재하기 때문에 발생하는 현상이라기보다, 숫자라는 매개체를 해석하고 실제 경영 전략에 적용하는 인간 고유의 인지적 한계와 조직 내부의 구조적 결함이 복합적으로 겹쳐지며 나타나는 현상으로 설명할 수 있다.
이번 아티클에서 중점적으로 다루고자 하는, 겉으로는 완벽해 보이는 데이터 경영 시스템 속에서 경영진을 은밀하게 속이는 3대 오류는 다음과 같이 명확히 정의할 수 있다.
첫째는 리더 개인의 심리적 취약성에서 기인하는 '확증 편향(Confirmation bias)'이라는 인지적 오류다.
둘째는 조직이 측정하고 달성하고자 하는 비즈니스의 진짜 목적을 잃어버린 채 허상을 좇게 만드는 '지표 설계 및 문제 정의의 오류'다.
셋째는 조직 내에 통일된 기준이 존재하지 않아 부서마다 서로 다른 숫자를 주장하게 만드는 단일 진실 원천(Single source of truth) 부재에서 비롯된 '데이터 거버넌스 붕괴'라는 구조적 오류다.
이 세 가지 덫은 데이터의 양이 방대해질수록, 그리고 분석 도구가 화려해질수록 오히려 더 교묘하게 경영진의 시야를 가리는 역할을 한다.
리더의 눈을 가리는 3가지 덫: 확증 편향과 허상 지표의 씁쓸한 이면
경영진이 가장 우선적으로, 그리고 가장 뼈저리게 경계해야 할 첫 번째 함정인 확증 편향은 의사결정권자가 무의식적으로 범하는 치명적인 인지적 오류다.
널리 알려진 바와 같이 확증 편향은 개인이 자신이 이미 마음속으로 품고 있는 기존의 신념이나 가설을 지지해 주는 정보는 더욱 적극적으로 탐색하고 과대하게 해석하는 반면, 자신의 생각과 반대되는 객관적 증거는 무시하거나 그 의미를 의도적으로 축소하려는 심리적 경향성을 의미한다.
첨예한 이해관계가 얽힌 기업의 최고 의사결정 과정에서 이러한 편향이 특히 위험해지는 지점은, 조직 내에 분석할 데이터가 아예 존재하지 않아서가 아니다. 오히려 동일하게 주어진 거대한 데이터 묶음 속에서도 리더가 자신의 입맛에 맞는 특정 세부 지표, 특정 기간의 추이, 혹은 특정 고객 세그먼트만을 체리피킹(Cherry-picking)하듯 취사선택하여 결론을 유도할 수 있다는 점이 가장 큰 문제다.
막대한 예산이 수반되는 신사업 진출이나 대규모 인수합병을 이미 내심 결정해 둔 최고경영자라면, 리스크를 경고하는 수많은 재무적, 시장적 지표들은 애써 외면한 채 자신의 대담한 결정을 합리화해 줄 단 하나의 긍정적인 시장 전망 데이터만을 전체 의사결정의 핵심 논거로 삼을 위험성이 농후하다.
두 번째 오류는 근본적으로 무엇을 최적화할 것인지에 대한 방향성을 잘못 설정하여 대시보드 자체가 사람을 속이게 만드는 지표 설계 및 문제 정의의 오류다. 이는 조직이 진정으로 추구해야 할 본질적인 비즈니스 가치와는 동떨어진 채, 단순히 시스템상에서 측정하기 쉽거나 단기적인 성과 보고에 유리한 이른바 허상 지표(Vanity metric)에 조직 전체가 매몰될 때 발생한다.
혁신적인 모바일 커머스 플랫폼을 운영하는 기업의 사례를 상상해 보자. 이 기업이 서비스의 장기적인 건전성과 지속 가능한 수익 모델을 검증하기 위해서는 진성 고객의 월간 재방문율이나 고객 생애 가치(LTV), 혹은 장바구니 결제 전환율과 같은 깊이 있는 지표를 입체적으로 분석해야 한다.
그러나 경영진이 단순히 누적 앱 다운로드 수나 특정 이벤트 기간의 일시적인 페이지 뷰(PV) 폭증만을 핵심 성과 지표로 삼고 이를 바탕으로 마케팅의 성공을 선언한다면, 조직은 텅 빈 성장에 취해 거대한 착시 현상에 빠지게 된다. 이는 결과적으로 밑빠진 독에 물 붓기 식으로 막대한 마케팅 예산을 낭비하게 만들고, 제품의 본질적인 사용자 경험을 개선할 수 있는 골든타임을 허비하게 만드는 원인으로 작용한다.
내부의 적이 된 사일로 현상: 부서마다 각기 다른 '진실'을 주장할 때
세 번째 오류인 데이터 거버넌스의 붕괴는 앞선 두 가지 오류를 조직 전반으로 확산시키는 가장 치명적인 구조적 결함이다. 기업의 규모가 커지고 부서 간의 전문성이 세분화될수록, 각 부서가 자신들의 성과를 방어하고 내부적인 이익을 극대화하기 위해 폐쇄적으로 움직이는 사일로(Silo) 현상이 짙어지게 마련이다.
이러한 경직된 환경에서는 영업, 마케팅, 재무, 운영 등 각 부서가 동일한 비즈니스 이벤트를 두고도 자신들에게 가장 유리한 방식의 서로 다른 기준과 상이한 포맷으로 데이터를 수집하고 자의적으로 가공하는 데이터 마사지 관행이 빈번하게 고개를 든다.
마케팅 부서는 특정 캠페인으로 막대한 잠재 매출을 창출했다고 보고하지만, 영업 부서는 실제 계약으로 이어진 숫자는 그에 한참 미치지 못한다고 주장하며, 재무 부서는 또 다른 회계 기준을 적용하여 전혀 다른 최종 수익을 최고경영자에게 보고하는 촌극이 빚어지는 것이다.
전사적으로 데이터의 정의와 산출 로직이 통일된 단일 진실 원천이 확립되지 않은 조직에서는, 데이터가 시장의 객관적인 통찰을 얻기 위한 과학적인 도구가 아니라 부서 간의 책임 공방과 정치적 주도권 다툼을 위한 소모적인 무기로 전락하고 만다.
숫자가 증명하는 데이터 경영의 양면성: 23배의 잠재력과 85%의 경고
이러한 오류들을 극복하고 데이터를 올바르게 경영 현장에 접목했을 때 기업이 얻을 수 있는 잠재적인 효과는 산업 내 여러 연구 결과를 통해 짐작해 볼 수 있다.
대표적으로 글로벌 컨설팅 기업 맥킨지(McKinsey)가 실시한 2013년 ‘DataMatics’ 설문 조사는 데이터 중심 조직의 경쟁력을 구체적으로 엿볼 수 있는 사례다.
대형 국제 기업의 관리자 약 400명을 대상으로 진행된 이 심층 인터뷰 기반 설문에 따르면, 방대한 고객 데이터 분석(Customer analytics)을 전사적으로 광범위하고 집중적으로 활용하는 이른바 ‘챔피언’ 집단은, 상대적으로 분석 도구의 활용도가 떨어지는 비집중 그룹에 비해 신규 고객 확보 측면에서 경쟁사를 명확히 상회(outperform)할 가능성이 23배 높게 나타났다. 또한, 동일한 조사 자료에서 이들 챔피언 집단이 해당 산업군 내에서 평균 이상의 높은 수익성을 달성할 가능성도 비집중 그룹 대비 거의 19배 높게 보고된 바 있다.
다만 경영진은 이 압도적인 수치를 맹신하기에 앞서, 이것이 특정 시점에 실시된 설문 기반의 비교 결과이며 대상 표본이 국제적인 대규모 기업의 관리자들에 집중되어 있다는 점을 반드시 유의해야 한다.
산업의 고유한 특성이나 기업의 1인당 매출 규모, 그리고 고객 분석을 집중적으로 활용한다는 기준의 세부적인 정의에 따라 데이터 투자가 가져오는 실제 성과와 체감 효용의 해석은 조직마다 크게 달라질 수 있는 점을 감안할 필요가 있다.
반면, 막대한 자원을 투입한 데이터 분석 프로젝트가 실제 경영 현장에서 뿌리내리는 과정에서 마주하게 되는 뼈아픈 현실의 벽 역시 널리 알려진 업계의 추정치를 통해 가늠해 볼 수 있다.
IT 리서치 및 자문 기관인 가트너(Gartner)는 과거 빅데이터 및 데이터 분석 프로젝트의 실패율을 약 60% 수준으로 추정한 바 있다. 이후 2017년 가트너의 수석 애널리스트 닉 호이데커(Nick Heudecker)는 한 업계 콘퍼런스 발언과 관련 인터뷰를 통해, 자신들이 과거에 발표했던 60%라는 실패율 추정치는 오히려 너무 보수적이었으며, 시장의 실제 실패율은 85%에 더 가까웠다(closer to 85 percent)고 솔직하게 언급하여 큰 반향을 일으켰다.
즉, 오늘날 산업계에서 경각심을 일깨우기 위해 빈번하게 인용되는 ‘빅데이터 프로젝트의 85%가 실패로 돌아간다’는 자극적인 문구는, 특정 연도의 공식적이고 정밀한 단일 통계 보고서의 결과라기보다는 가트너 애널리스트의 뼈있는 추정 발언이 2차, 3차 인용되면서 굳어진 일종의 경고성 수치에 가깝다.
따라서 현명한 리더십이라면 이 85%라는 숫자를 모든 데이터 프로젝트의 기계적인 실패 확률로 받아들일 것이 아니라, 억 단위의 예산을 들여 새로운 분석 기술과 솔루션을 도입한다고 하더라도 조직 내부의 팽배한 정치적 갈등, 기존 업무 관행을 고수하려는 실무진의 강한 저항, 그리고 부서 간 협업을 가로막는 폐쇄적인 문화적 장벽 등으로 인해 당초 기대했던 데이터의 비즈니스 가치 실현이 무참히 좌절되고 마는 현실의 복잡성을 상징적으로 드러낸 추정치로 이해하는 편이 훨씬 더 정확하고 실용적인 태도일 것이다.
가상 시나리오로 본 생존의 갈림길: 숫자에 갇힌 조직 vs 맥락을 꿰뚫는 조직
이처럼 데이터를 대하는 리더의 철학과 조직의 내재적 역량에 따라 기업의 실제 운명이 어떻게 극명하게 엇갈리는지를 명확히 이해하기 위해, 이하의 A 시나리오와 B 시나리오는 실제 존재하는 특정 기업의 사례가 아닌, 교육적 설명을 위해 복잡한 시장 변수를 단순화하여 구성한 가상의 사례임을 먼저 밝혀둔다.
먼저 가상의 기업인 A 시나리오는 대외적으로는 데이터 중심의 혁신 경영을 강하게 표방하고 있으나, 그 내부를 들여다보면 심각한 확증 편향과 허상 지표의 덫에 깊게 갇혀 서서히 침몰하고 있는 전형적인 함정 속의 조직이다.
A 기업의 최고경영자는 최근 회사의 명운을 걸고 야심 차게 론칭한 프리미엄 구독 서비스의 성공을 맹목적으로 확신하고 있다. 그는 초기 프로모션 기간에 쏟아진 막대한 마케팅 보조금 덕분에 일시적으로 급증한 신규 가입자 수라는 표면적이고 긍정적인 지표만을 강력하게 강조하며 전사적인 샴페인을 터뜨린다.
반면 고객 데이터를 직접 다루는 일선 실무진이 조심스럽게 제기하는, 결제 첫 달 만에 서비스 구독을 해지하는 이탈률의 가파른 상승이나 진성 고객 한 명을 확보하기 위해 지불해야 하는 고객 획득 비용(CAC)의 기하급수적인 폭등과 같은 치명적인 경고성 데이터들은, 새로운 비즈니스 모델이 안착하기 위해 겪어야만 하는 일시적인 성장통이라 자의적으로 치부하며 철저히 묵살해 버린다.
부서 간 장벽이 높고 소통이 단절된 A 기업의 억압적인 분위기 속에서, 유능한 데이터 분석팀은 시장의 진실을 파헤치고 쓴소리를 던지는 본연의 임무를 상실한 채 오로지 최고경영자의 입맛에 맞는 화려하고 긍정적인 그래프만을 기계적으로 생산해 내는 수동적인 하청 부서로 전락하고 만다.
그 결과, 이 가상의 A 기업은 겉으로 보이는 대시보드의 화려한 지표에 취해 무리한 확장과 출혈적인 마케팅 지출을 고집하다가, 결국 심각한 현금 흐름의 경색과 자본 잠식에 직면하며 시장에서 도태될 위기에 처하게 될 가능성이 매우 높다.
이와는 대조적으로 가상의 B 시나리오는 올바른 데이터 리터러시 역량과 투명성을 보장하는 거버넌스가 최고경영자부터 말단 사원에 이르기까지 조직 문화의 핵심으로 단단하게 뿌리내린 건강하고 민첩한 기업의 표본이다.
B 기업의 리더십은 아침마다 책상 위에 올라오는 대시보드의 요약된 숫자를 결코 맹신하지 않으며, 항상 그 지표가 어떤 비즈니스적 맥락 속에서, 어떠한 외부 변수들의 영향을 받아 형성되었는가라는 본질적인 질문을 끊임없이 던진다.
긍정적인 성과 지표가 보고되더라도 그것이 거시 경제의 일시적인 호황 덕분인지, 아니면 경쟁사의 실책에 따른 단기적 반사이익인지, 그것도 아니면 자사의 뼈를 깎는 내부 역량 강화의 온전한 결과인지를 냉정하게 분리하여 분석한다. 특히 B 기업의 경영진은 자신이 애초에 세웠던 사업적 가설과 정반대되는, 때로는 리더의 자존심을 긁는 충격적인 부정적 데이터가 보고되었을 때 이를 결코 묵살하거나 데이터를 가져온 실무자를 질책하지 않는다.
오히려 조직이 돌이킬 수 없는 벼랑 끝으로 향하는 것을 사전에 막아준 귀중한 경고 신호이자 전략 수정의 기회로 겸허하게 수용한다. 이들은 부서 간에 쳐진 데이터 접근의 장벽을 과감하게 허물어, 조직 내 모든 구성원이 단일 진실 원천이라는 투명하고 동일한 기준 아래 핵심 데이터에 접근하여 계급장 없이 치열하게 토론할 수 있는 제도적 기반을 마련한다.
결과적으로 이 가상의 B 기업은 시장의 미세한 균열과 소비자의 행동 변화를 경쟁사보다 한발 앞서 조기에 감지하며, 예측 불가능한 위기 상황 속에서도 유연하고 신속하게 경영 전략을 수정하여 지속 가능한 장기적 성장을 성공적으로 이룩해 낼 수 있는 탄력성을 확보하게 된다.
C레벨이 당장 던져야 할 질문: 진정한 데이터 리더십을 위한 4대 실천 전략
그렇다면 현실의 척박한 비즈니스 환경 속에서 리더십이 당면한 이 거대한 오류들을 바로잡고, 조직의 체질을 진정한 데이터 주도형으로 혁신하기 위해 C레벨 임원과 관리자들이 지금 당장 현장에서 실행에 옮겨야 할 구체적이고 실천적인 가이드는 무엇인가.
첫째, 중대한 의사결정 과정에서 필연적으로 발생할 수밖에 없는 확증 편향의 위험을 제도적으로 견제하기 위해 조직 내에 '레드팀(Red Team)'의 역할을 공식적인 프로세스로 도입하는 방안을 적극적으로 고려해야 한다.
막대한 자본이 투입되는 신규 프로젝트나 전략의 전환을 검토하는 단계에서, 리더가 자신의 긍정적인 가설을 회의석상에 먼저 던져 구성원들의 자유로운 사고를 억압하는 가이드라인을 제시하는 우를 범해서는 안 된다.
이와 반대로 의도적으로 추진 중인 가설에 반대되는 시장의 악재와 부정적인 증거만을 집요하게 수집하고, 기존 전략의 논리적 취약점을 무자비하게 공격하는 독립적인 검증 그룹을 운영함으로써 최고경영자의 개인적인 직관과 맹신이 객관적 데이터로 교묘하게 포장되는 위험을 초기 단계에서 차단해야 한다.
둘째, 조직 전체의 '데이터 리터러시(Data Literacy)' 수준을 한 차원 높이는 전면적인 교육과 문화 조성이 시급하다.
일반적으로 통용되는 산업계의 학술적 기준에서 데이터 리터러시는 단순히 숫자를 나열하는 것을 넘어 ‘데이터를 올바르게 읽고(read), 도구를 활용해 다루고(work with), 통계적으로 분석하고(analyze), 그 결과를 타인과 논리적으로 소통(communicate)할 수 있는 능력’으로 정의된다.
본 아티클에서는 이러한 기본적인 정의의 토대 위에 비즈니스 생태계의 복잡한 맥락에 대한 깊은 이해와 맹목적인 숫자에 대한 비판적 사고를 더해, 단순한 소프트웨어 도구의 활용을 넘어 발견한 인사이트를 실제 조직의 의사결정과 실행으로 직결시키는 종합적이고 실천적인 역량이라는 의미로 확장하여 강조하고자 한다.
이러한 고도화된 데이터 리터러시는 실무 부서의 데이터 과학자들뿐만 아니라, 의사결정의 최종 책임을 짊어지는 C레벨 임원들에게 더욱 절실하게 요구되는 시대적 소양이다. 임원진 스스로가 특정 통계 지표가 가진 근본적인 한계나 표본 추출 과정에서 발생할 수 있는 편향성의 위험을 깊이 있게 이해하지 못한다면, 결국 잘못된 질문을 던지게 되고 엉뚱한 데이터를 요구하게 될 수밖에 없기 때문이다.
셋째, 조직의 건강 상태를 진단하고 성과를 평가하는 지표 체계의 대대적인 개편과 이를 뒷받침할 전사적인 거버넌스의 확립이 필수적이다.
이미 발생한 과거의 매출이나 영업이익률처럼 결과만을 사후적으로 보여주는 후행 지표(Lagging indicator)에 대한 맹목적인 의존도를 과감히 낮춰야 한다. 그 대신 고객의 초기 서비스 이탈률이나 제품 개발의 리드 타임처럼 향후의 재무적 성과를 미리 예측하고 현재의 진행 과정을 통제할 수 있는 선행 지표(Leading indicator)를 적극적으로 발굴하여, 두 지표 간의 입체적인 균형을 맞추는 평가 시스템을 구축해야 한다.
아울러 전사적으로 동일한 데이터 정의 사전을 공유하고 수집 기준을 명확히 확립하여, 영업팀에서 데이터를 추출하든 재무팀에서 대시보드를 열든 항상 동일한 단일 진실 원천을 가리킬 수 있도록 강력하고 타협 없는 데이터 거버넌스 제도를 안착시켜야 한다.
마지막으로, 실패한 데이터 분석 프로젝트의 결과나 경영진의 기대에 어긋나는 부정적인 지표를 어떠한 윤색 없이 투명하게 보고할 수 있는 조직 내 '심리적 안전감(Psychological safety)'의 토대를 탄탄하게 구축해야 한다.
조직 행동 및 심리학 연구에서 말하는 심리적 안전감이란, 조직의 구성원이 상사로부터의 처벌이나 동료들의 조롱, 혹은 인사상의 보복에 대한 어떠한 두려움 없이 자유롭게 의문을 제기하고, 자신의 업무상 실수를 솔직하게 인정하며, 조직 전체에 불리할 수 있는 나쁜 소식을 지체 없이 투명하게 공유할 수 있다고 굳게 믿는 조직의 건강한 심리적 상태를 의미한다.
데이터 프로젝트의 맥락에서 이 심리적 안전감은 선택이 아닌 필수적인 문화적 전제 조건이다. 수억 원의 비용이 들어간 분석의 결과가 당초 경영진이 원했던 그림을 그려주지 못하더라도, 혹은 기존 주력 사업의 치명적인 결함을 적나라하게 지적하더라도, 이 불편한 진실을 용기 있게 들고 온 메신저를 결코 비난하거나 불이익을 주지 않아야 한다.
오히려 조직이 더 큰 수렁에 빠지는 것을 조기에 막아준 그 투명하고 객관적인 정보의 가치를 전사적으로 칭찬하고 포상하는 성숙한 문화가 정착될 때, 비로소 조직 내의 데이터는 어떠한 정치적 왜곡 없이 맑고 투명하게 흐를 수 있게 된다.
화려한 그래프를 넘어: 불편한 진실을 수용하는 리더의 위대한 용기
경영의 험난한 항해 속에서 데이터 그 자체는 언제나 가치중립적이며 어떤 특정한 의도나 목적을 스스로 가지고 있지 않다. 숫자는 그저 시장에 존재하는 있는 그대로의 현상을 조용히 반영할 뿐이다.
그 차가운 숫자들을 모아 기업을 도약시키는 날카로운 혁신의 무기로 벼려낼 것인지, 아니면 리더의 불안한 내면을 달래고 잘못된 고집을 합리화하기 위한 자기 위안의 방패막이로 전락시킬 것인지는 전적으로 그 데이터를 마주 보고 질문을 던지는 경영진의 인지적 겸손함과 조직의 투명한 태도에 의해 결정된다.
내 생각과 부합하는 정보만을 편식하려는 확증 편향의 함정, 비즈니스의 본질을 외면한 채 측정하기 쉬운 숫자만 추종하는 지표 설계의 오류, 그리고 서로 다른 진실을 주장하며 투명성을 상실한 사일로 효과와 거버넌스의 붕괴는 아무리 막강한 자본력과 훌륭한 IT 시스템을 갖춘 글로벌 선도 기업이라 할지라도 방심하는 순간 언제든 깊게 빠져들 수 있는 가장 현실적이고 치명적인 위협이다.
만약 당신의 조직이 지금 막대한 예산과 시간을 들여 거대한 데이터 웨어하우스를 구축하고 임원실의 벽면을 화려한 실시간 대시보드로 가득 채웠음에도 불구하고, 시장의 변화에 둔감하고 기대만큼의 폭발적인 성과나 혁신을 이끌어내지 못하고 있다면 어떻게 할 것인가. 그것은 결코 더 비싼 분석 소프트웨어를 구매하거나 더 많은 데이터를 긁어모아야 한다는 기술적인 신호가 아니다.
오히려 데이터를 해석하고 소통하는 조직 문화의 근본적인 체질 개선과 리더십의 본질적인 변화가 절실하게 필요하다는 가장 강력한 경고음으로 받아들여야 한다. 이제는 매일 아침 눈앞에 제시되는 보고서 속 숫자의 표면적인 등락에만 일희일비하는 근시안적인 태도를 과감히 버릴 때다.
수많은 긍정의 지표들 이면에 숨겨진 비즈니스의 진짜 맥락과 잠재적 위험을 냉철하게 파헤치고, 자신이 밤낮을 지새워 세운 핵심 전략 가설이 철저히 틀렸음을 데이터가 명백히 입증할 때 어떠한 변명 없이 이를 겸허히 수용할 수 있는 최고경영자의 진정한 용기가 그 어느 때보다 절실하게 요구되는 시점이다.
이번 아티클에서 심층적으로 해부한 3대 오류의 치명적인 덫이 혹시 지금 이 순간에도 우리 조직의 의사결정 회의실에 교묘하게 스며들어 있지는 않은지 냉정하게 점검해 보라. 그리고 리더인 당신부터 비판적인 데이터 리터러시 역량을 내재화하고 구성원 모두에게 투명한 심리적 안전감을 부여하는 작지만 위대한 실천을 당장 내일 아침의 경영 회의에서부터 당신의 조직에 과감하게 적용해 보라.