나쁜 리스트의 숨은 비용 — 데이터 품질이 영업 성과를 가른다

폐업한 곳에 건 전화, 틀린 주소로 보낸 메일은 공짜가 아니다. B2B 데이터가 매년 얼마나 빠르게 노후되는지, 그 비용이 어디서 발생하는지, 그리고 1-10-100 법칙으로 본 데이터 품질의 경제학을 사실 기반으로 정리한다.

디비나라 데이터팀

영업 데이터의 비용을 따질 때 대부분은 구매가만 본다. 1만 건짜리 리스트를 얼마에 샀느냐. 하지만 진짜 비용은 가격표에 없다. 그 리스트로 일하는 동안 조용히 새어 나가는 시간과 신뢰, 그리고 기회비용에 숨어 있다. 데이터 품질을 비용의 문제로 보지 않으면, 가장 비싼 데이터를 가장 싸 보이는 가격에 사게 된다.

리스트는 가만히 있어도 썩는다

가장 먼저 인정해야 할 사실은 데이터가 부패성 자산이라는 점이다. 사람은 이직하고, 회사는 이전하고, 가게는 문을 닫는다. 데이터를 한 번 사 두면 영원히 쓸 수 있다는 생각은 처음부터 틀렸다.

업계 추정에 따르면 B2B 연락처 데이터는 연 22.5% 안팎으로 노후된다. 월로 환산하면 약 2.1%씩, 그것이 복리로 쌓여 1년이면 5분의 1 이상이 더 이상 맞지 않는 데이터가 된다. 그중에서도 이메일 주소의 부패가 가장 빠르다. 도메인이 바뀌고 담당자가 떠나면서, 12개월이 지나면 보유 이메일의 30~40%가 무효이거나 엉뚱한 사람에게 닿는다는 분석이 반복적으로 나온다.

한국의 사업자 데이터는 여기에 한 가지 변수가 더 붙는다. 폐업이다. 통계청 기업생멸행정통계에 따르면 2022년 신생기업의 1년 생존율은 64.4%에 그쳤다. 막 생긴 가게 셋 중 하나는 1년 안에 사라진다는 뜻이다. 작년에 받은 신규 개업 리스트가 올해도 유효하다는 보장은 어디에도 없다.

리스트를 사는 순간이 데이터 품질의 정점이라는 사실, 그리고 그 정점에서부터 곡선이 내려가기 시작한다는 사실. 이것이 모든 계산의 출발점이다.

나쁜 데이터의 청구서는 어디로 가나

노후된 데이터는 그냥 "안 맞는 데이터"로 끝나지 않는다. 비용으로 전환된다. 가트너(Gartner)는 나쁜 데이터 품질이 조직에 연평균 약 1,290만 달러의 손실을 입힌다고 추산한다. 이 숫자가 추상적으로 들린다면, 그 청구서가 실제로 도착하는 경로를 따라가 보면 된다.

• 버려진 영업 시간 — 영업 담당자가 폐업한 곳에 전화를 걸고, 떠난 담당자를 찾고, 반송된 메일을 확인하는 시간. 가장 비싼 자원인 사람이 가장 가치 없는 일에 쓰인다.
• 발송 평판 손상 — 무효 주소가 섞인 리스트로 메일을 대량 발송하면 반송률·스팸 신고가 올라가고, 도메인 발송 평판이 떨어진다. 정작 유효한 수신자에게 가는 메일까지 스팸함으로 밀린다.
• 잘못된 의사결정 — 데이터가 틀리면 그 위에 세운 시장 판단도 틀린다. 폐업한 업체가 카운트에 남아 있으면 시장 규모를 과대평가하고, 자원 배분을 잘못한다.
• 신뢰의 침식 — 영업팀이 리스트의 품질을 한 번 의심하기 시작하면, 좋은 데이터마저 쓰지 않게 된다. 데이터 자산 전체가 죽는다.

MIT 슬론(MIT Sloan)과 코크대 경영대학원 연구는 한발 더 나아가, 기업이 나쁜 데이터 품질로 매출의 15~25%를 매년 잃는다고 본다. 측정 관점에 따라 숫자는 다르지만, 방향은 한결같다. 데이터 품질은 IT 위생의 문제가 아니라 손익의 문제다.

1-10-100 법칙 — 미루면 열 배로 돌아온다

데이터 품질의 경제학을 가장 간명하게 보여 주는 틀이 1-10-100 법칙이다. 1992년 라보비츠(Labovitz)와 창(Chang)이 정리한 이 규칙은, 데이터 오류를 다루는 비용이 단계마다 약 10배씩 커진다고 본다.

• 예방에 1 — 입력·수집 시점에 검증하는 비용.
• 정정에 10 — 이미 들어온 오류를 나중에 찾아 고치고 중복을 제거하는 비용.
• 방치의 대가 100 — 틀린 데이터를 그대로 써서 발생하는 실패. 놓친 매출, 잘못된 판단, 평판 손상.

이 숫자들은 회계 법칙이 아니라 자릿수의 경향을 나타내는 경험칙이다. 그러나 메시지는 분명하다. 데이터 품질에서 가장 비싼 선택은 아무것도 하지 않는 것이다. 깨끗한 리스트를 확보하는 비용은 1의 영역에 있고, 노후된 리스트를 방치한 채 영업하는 비용은 100의 영역에 있다. 싸게 산 리스트가 비싼 이유가 여기 있다.

그래서 무엇을 봐야 하나

데이터를 구매하거나 구축할 때, 품질을 가르는 질문은 가격이 아니다.

1. 언제 수집됐고, 얼마나 자주 갱신되는가. 신선도가 명시되지 않은 데이터는 노후율을 알 수 없는 데이터다. 한 번 만든 스냅샷인지, 주기적으로 다시 수집하는지가 1년 뒤의 가치를 가른다.
2. 폐업·중복·오류가 걸러졌는가. 같은 업체가 여러 출처에서 중복으로 들어오거나, 이미 사라진 곳이 그대로 남아 있으면 카운트부터 틀린다.
3. 연락이 실제로 닿는가. 상호와 주소만 있는 리스트와, 연락 가능한 채널까지 검증된 리스트는 같은 건수라도 가치가 다르다.

규모가 있는 조직일수록 이 차이가 손익에 미치는 영향이 크다. 영업 인력이 많고 발송량이 많을수록, 노후된 데이터 한 줄이 곱해지는 횟수도 늘어나기 때문이다. 그래서 데이터팀을 갖춘 회사들이 먼저 "구매한 리스트"에서 "관리되는 데이터"로 옮겨 간다.

디비나라가 사업자 데이터를 다룰 때 신선도와 정제를 전제로 두는 이유도 같다. 흩어진 공개 데이터를 모아 중복·폐업을 걸러 내고 주기적으로 다시 수집하는 일은, 결국 1의 비용을 들여 100의 손실을 막는 작업이다. 데이터 구축이 어떻게 이뤄지는지를 들여다보면, 품질이 가격이 아니라 설계의 문제라는 점이 보인다.

나쁜 리스트는 공짜가 아니다. 단지 청구서가 나중에, 다른 항목으로 도착할 뿐이다.

정제된 리스트를 실제 회신으로 바꾸는 발송·타이밍 원칙은 5분영업 블로그 콜드메일 회신율을 3배로 올린 3가지 원칙에서 마케팅 관점으로 다룬다.

참조

• Gartner, "Data Quality: Why It Matters and How to Achieve It" — gartner.com (나쁜 데이터 품질의 연평균 약 1,290만 달러 손실 추산)
• MIT Sloan Management Review, "Seizing Opportunity in Data Quality" — sloanreview.mit.edu (나쁜 데이터로 인한 매출 손실 15~25%)
• Cleanlist, "B2B Data Decay: 22% Lost Per Year" — cleanlist.ai (B2B 연락처 연간 노후율)
• 통계청, 2024년 기업생멸행정통계(잠정) 결과 — kostat.go.kr (신생기업 1년 생존율 64.4%, 5년 생존율 36.4%)
• Matillion, "The 1:10:100 Rule of Data Quality" — matillion.com (예방·정정·실패 비용의 1-10-100 경험칙)