조직의 데이터 활용도를 높이는 방법
조직의 데이터 활용도를 높이고 ROI를 달성하기 위한 세 가지 모범 사례
모든 산업 및 규모에 관계 없이, 끊임없이 변화하는 세계에서 기업들은 수익성이 더 높고 효과적이며 리스크에 대한 준비성 또는 지속성/적응성을 갖춘 전략적 목표를 달성하기 위해 데이터를 활용하고 있습니다. 기업의 데이터 분석은 반드시 비즈니스의 속도에 맞추어 성장해야 하며 민첩성과 탄력성을 갖추어야 합니다. 그렇지 않으면, 기업의 분석은 엉망이 되거나 걸려 넘어질 수 있습니다.
종종 수년간의 해결 방법과 기존 프로세스와의 간극 수정으로 인해 축적된 기술적 부채는 너무 비싸고 더 유능한 최신 툴을 대체하기 어려워 보입니다. 그러나 성숙하고 현대적인 데이터 분석에 대한 수요는 무시하기에는 너무 강해지고 있습니다.
아래에 엔터프라이즈 분석 프로그램을 통해 조직의 데이터 분석/활용 수준을 높이고 ROI를 달성하는 세 가지 모범 사례가 있습니다.
1. Get all data under management (모든 데이터를 "적절한 관리" 상태로 두어라)
분석의 기반이 되는 엔터프라이즈 데이터는 표준 이하로 관리될 경우 매우 좁은 이해 관계에만 유용합니다. 표준 이하로 관리되고 있는 데이터(정상적으로 "Under Management" 되고 있지 않은 데이터)가 ROI를 제공하는 경우는 거의 없다는 것을 알게 되었습니다.
"Under Mangement"는 데이터가 활용 가능한 플랫폼에 있음을 의미합니다. 이 플랫폼은 광범위한 접근(access)을 위해 구축/설계되었으며, 적어도 플랫폼과 상호 작용합니다.
즉, 데이터는 데이터 웨어하우스(Data Warehouse), 데이터 레이크(Data Lake), 운영 허브(Operational hub) 및 마스터 데이터 관리 허브(Master data management hub)를 염두에 두고 구축됩니다.
어플리케이션 데이터가 이러한 구조 중 하나에 완전히 포함되지 못하는 몇 가지 유한한 이유가 있는데, 어플리케이션에 적절한 보안 또는 특정 데이터 변환과도 관련이 있을 수 있지만 '활용 가능한 플랫폼'이 우선순위가 되어야 합니다. 모든 엔터프라이즈 데이터 요소는 활용 가능한 플랫폼에 있어야 합니다. 따라서 다른 곳에서 활용할 수 없는 요소를 위해 불필요한 데이터 저장소를 구축하지 않도록 해야 합니다.
활용 범위를 넘어서, 데이터는 프로파일 및 사용에 적합한 플랫폼에 있어야 합니다. 데이터는 높은 비기능성(가용성, 성능, 확장성, 안정성, 내구성, 보안)을 갖춘 데이터베이스에 저장되어야 하며, 가장 세분화된 레벨에서 데이터 품질 표준(데이터 거버넌스에 정의된 대로)으로 활용되고 셀프 서비스가 가능하도록 지원되어야 합니다.
모든 엔터프라이즈 데이터와 타사 데이터를 세분화된 수준에서 관리하는 것은 과도한 작업인 것처럼 보일 수 있지만, 기업의 이니셔티브/추진 요소 및 전략에 있어서 데이터의 중요성은 끊임없이 강조됩니다. 모든 요소가 의심할 여지 없이 가치 있습니다. 만약 그것이 명백하지 않다면, 기존의 경영 활동과 동시에 데이터의 중요성과 그 데이터를 어떻게 비즈니스의 이익에 이용할 수 있을지를 입증하는 것을 목표로 하는 행동이 있어야 할 것입니다.
2. Big data tooling for big data(빅데이터를 위한 빅데이터 툴 사용)
과거에는 증가하는 비정형 빅데이터를 높은 비용과 제한된 성공률로 관계형 데이터 웨어하우스에 강제로 공급하려고 했습니다. 경쟁 지평이 빅데이터 분석에 확고히 집중되어 있는 지금, 다른 데이터는 이미 양호한 상태일 것으로 예상되므로 빅데이터는 적합한 툴을 사용하는 것이 중요합니다. 좀 다른 수준의 툴이 필요합니다. 이러한 툴들은 주로 빅데이터의 수집 문제에 초점을 맞춥니다.
이것은 주로 클라우드 스토리지인 빅데이터 데이터 플랫폼에서 시작되며, 우리는 그 저장소를 Data Lake라고 부릅니다. Data Lake는 흔한 엔터프라이즈용 중앙 집중식 스토리지입니다. Data Lake는 주로 분석 데이터를 위한 것이며, 미래를 위해 데이터를 아주 잘 보존할 수 있습니다. 오늘날 데이터 과학자들이 주된 사용자이지만, 시간이 지남에 따라 분석가들도 사용하는 등 범위가 넓어지고 있습니다.
3. Manage the change to an analytics culture(분석 문화의 변화 관리)
분석 프로그램에서 ROI를 최대한 활용하려면 데이터 아키텍처와 사용자 간에 기술 역할을 분산시켜야 합니다. 사용자는 통찰력을 요청하기보다는 자신의 통찰력을 포착하여 Self-service Data Access 권한을 가질 줄 알아야 합니다. 사용자가 가지고 있는 제한된 창에서 이루어지는 데이터와의 상호 작용은 Self-Service 접근 방식을 통해 크게 향상될 것입니다. 그러나, 모든 사용자가 이렇게 바뀌길 원하진 않을 겁니다.
모든 비즈니스 기능에 대해 Self-Service 분석 관련 변경 사항들을 관리하려면 관리가 필요합니다. 체계적인 관리가 없다면, 경영진의 어떠한 지시에도 불구하고 사용자들은 변화를 수용하는 것에서부터 변화를 거부하는 것까지 갈팡질팡하게 될 것입니다. 후발주자들은 대부분 약간의 공간 그리고 시간이 필요합니다. 예를 들어, 분석 능력이 뛰어난 동종 업체의 사례(레퍼런스), 데이터 또는 분석 중심의 전사적 방향(Culture)의 강화 등이 있습니다. 현업의 Self-Service 분석은 오늘날 회사의 기반을 높이는 일부이며 필수적이고 불가피한 일입니다.
빅데이터툴링은 빅데이터를 비롯하여 모든 데이터를 관리하고 분석 문화의 변경을 관리하는 것이 엔터프라이즈 분석 프로그램을 통해 조직의 분석 활용도를 높이고 ROI를 달성하는 가장 좋은 방법입니다.
Self-Service 데이터 분석의 중요성은 모든 현업을 위한 데이터 분석 솔루션, HEARTCOUNT가 탄생한 이유이기도 합니다. 본문에서 말하는 것처럼, 조직의 데이터 활용도를 높이려면 통계학, 데이터 분석 관련 전문 지식이 없더라도/다른 일로 바쁘더라도 현업 스스로 데이터를 분석하고 가치를 발견하는 권한을 가져야 합니다. HEARTCOUNT로, 그 변화를 시작해보세요.
HEARTCOUNT 사용해보기 클릭
HEARTCOUNT 뉴스레터 클릭
사용 가이드/튜토리얼/활용 사례 클릭
데이터를 분석하는 사람들의 커뮤니티, 데이터 히어로 클릭
이 글은 InformationWeek의 Article을 번역하여 작성되었습니다.
https://www.informationweek.com/big-data/how-to-elevate-your-organization-s-use-of-data-analytics
