― 『Thick Data: 빅데이터도 모르는 인간의 숨은 욕망』 백영재 (테라코타)

작성 │ 류호윤 (경영학·컴퓨터공학 전공)

1. 딥러닝의 그림자, Thick Data의 필요성

딥러닝 모델을 학습시키는 과정에서 우리는 종종 중간의 추론 과정을 이해하지 못한 채 결과값만 받아들인다. 데이터와 파라미터만 입력하면 예측이 출력되는 이른바 ‘블랙박스’ 시스템은 효율적이지만, 그만큼 인간의 직관이나 맥락은 소외된다. 성능이 높을수록 그 과정을 해석하기 어려워지고, 결국 사용자는 점점 더 수동적인 입장이 된다.

이러한 상황에서 『Thick Data』는 질문을 던진다. “이렇게 좋은 기술이 있는데, 왜 두터운 데이터를 이야기해야 하는가?” 저자는 통계적 결과만으로는 인간의 진짜 욕망을 온전히 이해할 수 없다고 말한다. 수치가 가리키지 못하는, 깊고 복잡한 사회문화적 맥락을 포착하는 일. 바로 그것이 Thick Data의 영역이다.

2. 질적 통찰의 프레임워크 ― Thick과 Big의 차이

Thick Data란 단순히 양이 아닌 깊이를 갖춘 데이터를 의미한다. 빅데이터가 정량적, 수치 기반의 분석에 강점을 가진다면, Thick Data는 문화적 맥락과 인간의 내면을 해석하는 질적 접근이다. 저자는 이 개념을 인류학적 방법론에서 빌려온 세 가지 축, 즉 문화상대주의, 총체적 접근, 참여관찰에 기반해 설명한다.

이러한 원칙을 바탕으로 도출된 Thick Framework는 다음과 같은 다섯 가지 핵심 요소를 담는다:

-

  • Tolerance: 낯선 것을 받아들이는 개방성

    • Hidden Desire: 소비자도 인지하지 못한 욕망 탐색

    • Informant: 극단적 소비자를 주목하는 통찰

    • Context: 맥락을 고려한 판단

    • Kindred Spirit: 고객과의 정서적 연결

저자는 이 프레임워크가 빅데이터의 결함을 보완하며, 결과적으로 두 접근이 결합된 Smart Data로 이어질 수 있다고 말한다. 즉, 무엇을 원하는가(what)와 왜 원하는가(why)를 모두 해석해내는 통합적 전략이 가능해진다는 것이다.

3. 사람을 중심에 두는 데이터 전략

책은 게임회사 블리자드와 할리 데이비슨의 사례를 통해 Thick Data의 실제 적용 사례를 소개한다. 블리자드는 대중교통 중심의 한국 게이머 특성을 고려해 모바일 플랫폼으로 전환했고, 이는 문화적 차이를 반영한 결정이었다. 이들은 단순히 이용자 데이터를 분석하는 것이 아니라 고객을 내부자이자 창작자로 존중하며 피드백을 수렴했다.

할리 데이비슨은 고객을 제품의 수요자가 아닌 ‘정체성의 일부’로 대우했다. 그 결과 팬덤은 충성도 높은 브랜드 커뮤니티로 발전했다. 이처럼 소비자를 단순 수치가 아닌 수평적인 관계 속 존재로 인식한 접근이 장기적인 경쟁력으로 이어졌다는 점에서 두 기업은 Thick Data의 가치를 실증한 셈이다.

하지만 저자는 이러한 사례들이 단순한 캠페인이 아니라, 조직 전체의 문화적 변화를 전제로 한다는 점을 강조한다. 다양성과 수평성에 대한 존중, 그리고 경영진이 앞장서는 ‘넛지’적 개입이야말로 변화의 시작점이 되어야 한다.

4. 데이터 기술의 미래, 인간성과의 동행

생성형 AI가 문학을 쓰고 그림을 그리고 프로그래밍을 대신하는 시대, 단순히 기술만으로는 차별화를 이루기 어려운 시대가 도래했다. 저자는 이런 환경 속에서 인간 본연의 욕망, 즉 사회적 연결에 대한 갈망이 여전히 중요하다고 본다.

고객은 데이터로 단순화된 개체가 아니다. 말하지 못한 욕구를 알아채고, 섬세하게 반응하는 브랜드를 신뢰한다. 이 책은 그런 맥락에서 Thick Data가 향후 더 중요한 무기가 될 것임을 역설한다. 피상적인 수치 위에 사회적 맥락과 감정의 결을 더할 때, 데이터는 비로소 ‘의미 있는 정보’가 된다.

[마무리]

『Thick Data』는 단순히 빅데이터의 한계를 비판하는 책이 아니다. 그것은 오히려 새로운 빅데이터 시대에 필요한 통합적 감각, 기술과 인간성의 조화를 말한다. 이 책은 묻는다. “기술은 빠르게 발전하는데, 우리는 사람의 마음을 따라잡고 있는가?”

이 질문에 답하고자 하는 이라면, 정량(quantitative)을 넘어 정성(qualitative)으로 시선을 돌려야 한다. 그리고 그 여정의 첫걸음은 Thick Data에서 시작된다.