자료실

성공적인 데이터 거버넌스 프레임워크를 만드는 5단계



성공적인 데이터 거버넌스 프레임워크를 만드는 5단계


강력한 데이터 거버넌스 프레임워크는 성공적인 데이터 거버넌스를 구현하는 핵심입니다. ‘데이터 거버넌스 프레임워크’라고 하면 대부분은 규칙, 역할, 책임을 떠올립니다. 예를 들어 데이터를 어떻게 저장/관리/사용해야 하며 어떻게 하면 안 되는지 등에 대한 규칙이 있고, 데이터 스튜어드(data steward)/소유자/관리자처럼 데이터 관리와 관련된 역할, 그리고 잘 관리되는 데이터 자산에 대한 전반적인 ‘관리 및 공급’과 의사결정에 따르는 책임이 있습니다. 기본적으로는 정확하지만, 현대 기업에서 데이터 거버넌스 프레임워크가 성공하고 지속하려면 훨씬 더 많은 것이 필요합니다. 


데이터 거버넌스 프레임워크란?

데이터 거버넌스 프레임워크는 모든 데이터 요소 또는 데이터 소스에서 사용할 수 있어야 하는 주요 정보의 표준화된 메타 모델입니다. 데이터 거버넌스 프레임워크는 데이터를 보호하고 데이터와 관련된 위험을 낮추고 사용을 최적화해서 데이터에서 비즈니스 가치를 도출하기 위해 필요한 폭넓은 데이터 인텔리전스를 제공할 만큼 광범위해야 합니다. 데이터 거버넌스 프레임워크는 기업에서 데이터가 개발/저장/관리/변형/이동/통합/소비되는 과정 전반에서 데이터와 관련된 모든 아티팩트의 단일 소스여야 합니다. 현재와 미래의 데이터에 영향을 미치는 광범위한 기술, 인프라 및 플랫폼에 대한 심층적인 지원과 인식을 유지하면서 비즈니스 이해관계자를 위한 추상적 데이터를 처리할 수 있어야 합니다(특정 데이터 관리 기술, 인프라 및 플랫폼, 클라우드 등에 구속되지 않음). 


데이터 거버넌스 프레임워크의 주요 요소는? 

데이터 거버넌스 프레임워크의 주요 요소는 일반적으로 다음과 같습니다. 프레임워크는 이런 정보의 연결 및 상호 관계를 설정해서 데이터에 대한 가시성과 인텔리전스를 제공해야 합니다. 


· 데이터 저장소, 데이터 이동 프로세스 및 데이터 소비 프로세스에 대한 기술적 메타데이터. 스키마, 관계, 데이터 형식, 정의, 유효한 값, 검증 규칙, 제약, 뷰가 포함되어야 합니다. 

· 소유권, 스튜어드십, 용어, 정의, 민감 데이터 거버넌스를 위한 분류 정책(PII/IP/HCI), 비즈니스 규칙 및 기타 데이터 공유 협약, 규제 연결, 데이터 인증과 같은 부가적인 컨텍스트를 제공할 수 있는 아티팩트와 같은 비즈니스 메타데이터 

· 데이터 품질 점수, 규칙, 상태 확인, 교정 프로세스 및 프로파일링 결과 

· 참조 데이터(참조 데이터를 특정 사용 사례와 연결하는 코드 세트 및 크로스워크 포함) 

· 데이터 책임자, 관리자, 사용자 간의 상호작용을 관리하기 위한 데이터 거버넌스 프로세스와 워크플로우 

· 사용 메타데이터(예 : 데이터에 액세스한 사람, 액세스 빈도 및 용도, 이후의 사용을 촉진하고 가이드를 제공할 기타 핵심 성과 지표) 

· 이런 아티팩트의 연결을 통해 도출한 인사이트(예 : 영향 분석, 데이터 인텔리전스 대시보드, 사용된 위치, 관계 및 연결의 탐색 가능한 그래프 뷰, 데이터 계통 뷰 및 분석) 

· 커뮤니티, 이해관계자가 사용하거나 관심을 가진 데이터에 대한 이들의 집단 지식과 피드백을 포착하고 코드화하기 위한 태깅 및 협업 워크플로우 


데이터 거버넌스 프레임워크를 만드는 방법은?

조직의 비즈니스와 데이터, 기술 환경은 복잡하고, 디지털 트랜스포메이션 목표도 저마다 고유합니다. 따라서 데이터 거버넌스 프레임워크는 조직 요구사항의 개별적 특성을 수용할 수 있는 유연함을 갖춰야 합니다. 또한 앞으로 어떤 데이터가 새로 유입될지 모르고 이로 인해 거버넌스 요구사항이 더 확대될 수 있습니다. 유연하고 견고한 프레임워크를 만들기 위한 기본 원칙은 무엇일까요? 조직에서 데이터 거버넌스 프레임워크를 만들 때 적용할 5단계는 다음과 같습니다. 


1. 자산, 프로세스, 파이프라인을 찾아서 문서화

시작은 물리적인 데이터 자산과 프로세스, 파이프라인을 찾고 문서화하는 기능입니다. 이렇게 하면 데이터를 저장하는 구조, 데이터를 이동하고 소비하는 프로세스를 자세히 기술함으로써 실제 현실을 표현하는 기반을 얻게 됩니다. 이 단계에서는 이해관계자가 상황에 따라 환경을 탐색하도록 도와주는 세부적인 데이터 계통 및 영향 분석과 탐색 보조 기능을 제공하기 위한 기초가 마련됩니다. 


유연한 데이터 거버넌스 프레임워크를 구축하려면 하이브리드 클라우드 환경(클라우드와 온프레미스), 다양한 데이터 형식(관계형, 플랫 파일 NoSQL), 레거시 및 현대적 통합과 이동 접근 방식(ETL, ELT, 스트리밍 등)에 대한 인식과 지원으로 조직의 사일로를 허물어야 합니다. 또한 이런 차이점을 포괄적인 하나의 물리적 뷰로 정규화하는 기능이 결합된 기술(BI/리포팅, ML/AI, 고급 분석)과 광범위한 데이터 소비 사용례까지 포함해야 합니다. 


2. 비즈니스 컨텍스트 생성

다음은 비즈니스 컨텍스트를 만드는 기능입니다. 이를 위해서는 유연한 비즈니스 언어 역량이 중요합니다. 일반적인 비즈니스 언어는 조직이 비즈니스 데이터 용어, 설명, 정책 및 규칙을 정의하고 이를 물리적 데이터 환경과 연결할 수 있게 해줍니다. 그러나 진정한 가치는 조직이 조직의 고유한 요구사항을 반영하는 다른 비즈니스 데이터 자산을 손쉽게 정의 및 유지하고, 이를 적용되는 프레임워크의 모든 측면과 연결할 수 있을 때 얻을 수 있습니다. 대표적으로 데이터 공유 계약, 규정 및 기타 컴플라이언스 태깅, 데이터 분류 체계, 데이터 자산이 조직이 미치는 영향과 위험, 가치에 대한 시야와 분석력을 높일 수 있게 해주는 지표 등이 있습니다. 


3. 데이터 품질 이해

3번째 요소는 데이터 품질입니다. 비즈니스 사용자가 데이터로 의사결정에 필요한 신뢰를 구축하기 위해 데이터의 가치와 인사이트를 평가하려면 데이터의 품질을 알아야 합니다. 시작은 데이터의 세밀한 의미를 파악하기 위한 프로파일링 통계를 제공하는 것입니다. 이해관계자가 무엇이 필요한지를 알고, 규칙을 기준으로 지속적으로 데이터를 확인하고, 문제가 있을 경우 품질 개선을 요청하려면 데이터 품질 규칙에 액세스할 수 있어야 합니다. 최종 사용자가 자신의 분석, AI 및 ML 사용례를 충족하기 위해 가장 품질이 높은 데이터 소스를 선택할 수 있도록 품질 점수는 모든 데이터 소스와 연결되어야 합니다.  


4. 이해관계자 간 교류 및 협업

데이터의 물리적 관점과 비즈니스 관점을 포착 및 결합한 이후 구현해야 하는 핵심 역량은 이해관계자 간 교류 및 협업입니다. 기업의 모든 이해관계자는 데이터 거버넌스 프레임워크에 대한 읽기 전용 뷰를 통해 각자 고유한 역할의 컨텍스트 내에서 데이터를 발견 및 탐색하면서 데이터 기반 문화 구축에 필요한 사용 능력을 얻을 수 있습니다. 


관리되는 피드백 루프와 가이드가 있는 워크플로우를 통해 이 뷰를 강화하면 조직은 조직 전반에 존재하는 ‘집단 지식’을 포착, 공유할 수 있고 역할과 책임이 명확히 규정된 프레임워크를 유지하고 강화하는 데 필요한 엄격함과 명확성을 얻게 됩니다. 이를 통해 조직은 데이터를 중심으로 한 ‘데이터 커뮤니티’와 소셜 네트워크를 촉진할 수 있으며, 이는 다시 조직의 사일로를 허물고 부서 간 조율을 강화하며 데이터에 대한 조직의 신뢰와 전략적 사용 폭을 늘려줍니다. 


5. 자동화

성공을 위한 마지막 핵심 구성 요소는 자동화입니다. 데이터 거버넌스 프레임워크를 제공하는 과정이 수월했다면 이미 자동화가 되어 있을 것입니다. 유연한 데이터 거버넌스 프레임워크를 설정하는 것과 별개로, 이 프레임워크의 정확성과 완전성, 적시성을 유지하는 것은 매우 어려운 일입니다. 이 부분이 오래되거나 불완전해지면 이해관계자의 신뢰 부족으로 인해 고사하게 되고, 데이터에 대한 부정확한 인사이트는 원치 않는 비즈니스 결과로 이어질 수 있습니다. 


따라서 데이터 거버넌스 프레임워크를 최대한 자동화하면 디지털 트랜스포메이션의 방향이 어디를 향하든 프레임워크의 적절성과 민첩성을 유지할 수 있게 됩니다. 


시작은 물리적 데이터 환경에서 메타데이터의 지속적인 캡처와 수집을 자동화하고, 전체 수명 주기에 걸쳐 이 메타데이터의 버전이 명확하게 지정 및 표시되도록 하고, 이 프로세스로 인해 발생하는 지연이 없도록 하여 부정적인 영향을 낮추는 것입니다. 


· 자동화 인텔리전스 사용

새로운 데이터 자산 및 거버넌스 아티팩트를 첫날부터 사용, 보호하고 관련성을 유지하기 위해서는 자동화된 인텔리전스를 사용하여 물리적 데이터 자산과 비즈니스 데이터 자산 간의 연결을 생성, 유지하는 것이 중요합니다. 


· 데이터 인텔리전스와 인사이트

다음 자동화 지점은 데이터 인텔리전스와 인사이트입니다. 이 프레임워크의 내용을 활용하여 주문형 계통, 영향 분석, 자산 상호 관계 및 주제별 지표와 같은 행동으로 옮길 수 있는 인사이트를 구축하는 역량은 조직이 데이터에 대해 더 나은 의사결정을 내리고 데이터가 제공하는 기회에서 최대한 많은 수익을 얻을 수 있도록 해줍니다. 


· 운영 변화 유도

마지막으로, 자동화로 확보한 비즈니스 데이터 환경에 대한 포괄적인 시야를 이용해 새로운, 수정된 데이터 파이프라인을 제공하고 새로운 데이터 사용례를 더 빠르고 정확하게 충족함으로써 기능 및 운영상의 변화를 이끄는 것이 중요합니다. 이와 같은 방법으로 메타데이터를 활성화하면 메타데이터 관리를 통해 얻는 혜택이 증가하고 더 민첩하면서 위험은 낮은 데이터 기반 기업을 위한 중심축이 형성됩니다. 


비즈니스 가치 극대화

데이터 인텔리전스의 근간은 데이터 거버넌스입니다. 데이터 거버넌스는 정해진 일련의 데이터 정책과 원칙에 따라 적절한 수준의 데이터 액세스, 가용성 및 사용을 보장합니다. 데이터 거버넌스 전략과 구현의 성숙도는 조직마다 다르지만, 데이터 거버넌스는 규모 및 유형에 관계없이 모든 조직에서 매우 중요한 요소입니다. 그러나 데이터 거버넌스에서 비즈니스 가치를 저절로 얻을 수 있는 것은 아닙니다. 실제로 많은 데이터 거버넌스 이니셔티브가 실패했습니다. 하지만 유연하고 자동화된 데이터 거버넌스 프레임워크를 채택하면 민첩하고 포괄적이며 시의적절하고 지속 가능한 데이터 인텔리전스 소스가 주는 혜택을 얻어 비즈니스에 핵심적인 데이터 기능을 뒷받침하고 데이터 기반의 비즈니스 수행 방식을 보장할 수 있습니다. 


데이터 거버넌스와 데이터베이스 관리에 대해 궁금한 점이 있으시면 언제든 퀘스트소프트웨어 코리아로 문의주시기 바랍니다.  




퀘스트소프트웨어코리아(주)

서울특별시 강남구 테헤란로 445 본솔빌딩10F
전화 번호 02-3420-9000 | 팩스 번호 02-569-3600

전자 메일 KoreaMarketing@quest.com 


Copyright © Quest. All Rights Reserved.

Hosting by I'MWEB


퀘스트소프트웨어코리아(주) 서울특별시 강남구 테헤란로 445 본솔빌딩10F
전화 번호 02-3420-9000 | 팩스 번호 02-569-3600 | 전자 메일 KoreaMarketing@quest.com


Copyright © Quest. All Rights Reserved.

Hosting by I'MWEB