Quick Overview by ChatGPT 👀 데이터 인텔리전스 전략은 기업 내 데이터 가시성, 사용 지침, 정책 준수를 보장하며, 이를 통해 비즈니스 가치를 극대화합니다. 전략 수립 시에는 고충점을 파악해 이를 해결할 이해관계자를 동참시키고, 기존 인프라와 데이터의 공통 정의를 구축하는 것이 중요합니다. 사용자가 필요한 데이터에 접근할 수 있는 환경을 마련하고, 단계적인 로드맵과 교육 계획을 수립해야 합니다. 실수를 피하고 성공적인 실행을 위해서는 경영진의 지지와 명확한 커뮤니케이션이 필수적입니다. |
데이터 인텔리전스 전략은 가용한 데이터 자산에 대한 전사적 가시성, 데이터 사용 지침, 데이터 정책 준수를 보장하는 가드레일 등의 이점을 제공합니다. 1부(비즈니스 가치를 극대화하는 데이터 인텔리전스 전략 수립법 – 1부)에서는 데이터 인텔리전스 전략에 포함되어야 하는 요소, 그리고 전략이 없을 경우 닥치게 되는 상황을 살펴보았습니다.
2부에서는 1부에 이어 데이터 인텔리전스 전략 수립을 위한 베스트 프랙티스를 알아보고, 그 과정에서 피해야 할 실수를 소개합니다.
💡데이터 인텔리전스 전략을 위한 베스트 프랙티스
1. 데이터 인텔리전스 전략이 도움이 될 수 있는 고충점 파악
기업의 가장 큰 고충점은 일반적으로 핵심 데이터 요소에 있습니다. 가장 빈번하게 액세스하는 요소가 아니라 해도 그 요소 안의 정보가 신뢰할 수 있을 만큼 정확해야 한다는 면에서 여전히 중요할 수 있습니다. 고충점은 어느 데이터에 먼저 집중할지 결정하는 데 도움이 됩니다.
이 과정은 반복적이라는 점을 기억하십시오. 모든 정보를 한 번에 수집해서 모든 테이블의 모든 열과 애플리케이션을 분석하는 것이 아닙니다. 목표는 고충점을 먼저 파악하는 것입니다. 그래야 그 문제에 가장 자주 직면하는 이해관계자를 파악할 수 있기 때문입니다. 이들은 자신의 고충을 덜어줄 데이터 인텔리전스 전략을 적극적으로 지지할 사용자입니다.
이해관계자를 전략에 동참시키면 이들은 치어리더가 되어 기업 내 다른 그룹에 데이터 인텔리전스 전략을 홍보하게 됩니다. 이렇게 하면 더 많은 사람의 지지를 받으며 진전할 수 있습니다.
2. 데이터 인텔리전스를 지원할 기존 인프라 확인
과정의 시작은 모든 기술을 파악하는 프로세스입니다. 이 프로세스에서 데이터 거버넌스 기회도 발견하게 됩니다. 예를 들어, 기업이 각기 다른 3개의 ETL 툴과 5개의 데이터베이스 유형을 사용하고 있음을 발견할 수 있습니다. 곧 어디에 손을 대야 할지 알 수 있을 것입니다.
✔️데이터 품질, 데이터 카탈로그 또는 데이터 계보가 있는가?
데이터 인텔리전스 전략을 지원하는 툴과 관련된 문제는 기업과 기업 내부의 여러 그룹에서 툴을 기다리는 데 지쳤다는 점입니다. 이들은 스스로 요구사항을 잘 알고 완벽하게 맞는 솔루션을 찾을 수 없다는 이유로 자체적으로 조달하는 방법을 택합니다. 데이터 품질 툴은 마케팅과 같은 특정 부서에 채택되는 경향이 있습니다. 이처럼 기업 내 각 부분에서 툴이 어떻게 작동하는지 파악하고 더 폭넓게 사용하기에 적합한지 살펴보십시오.
예상외로 많은 기업이 곳곳에 고립된 스프레드시트에 데이터를 유지합니다. 다른 어떤 방법을 써도 이것보다는 낫습니다. SQL 서버 데이터베이스의 자체 데이터 카탈로그로 적당히 업그레이드하는 방법이 대표적입니다. 적어도 얼마간의 데이터 모델링을 추가해서 스스로 궁지로 몰아넣지 않는다면 이것도 그런대로 괜찮은 방법입니다.
데이터 계보에서 목표는 여러 변환을 거슬러 데이터를 추적할 수 있도록 하는 것입니다. 액세스 권한이 있다면 ETL 툴에서 데이터의 이동을 볼 수 있으며, 이 툴이 계보에 대한 인사이트를 제공할 수도 있습니다. 이런 종류의 데이터 인텔리전스 툴이 기업에 있다면 중앙화되지 않고 분산되어 있을 가능성이 높습니다. 또한 아마 다양한 기술로 확장될 것입니다.
✔️현재 이런 프로세스는 얼마나 수동으로 수행되는가?
데이터 계보를 추적하는 데 수동 방법을 사용하면 작업 속도가 금방 뒤처지게 됩니다. 스프레드시트 업데이트와 같은 수작업에 의존한다는 것은 사람의 기억력과 정보 처리량에 의존하는 것입니다. 결국 속도가 느릴 수밖에 없습니다. 추적 툴은 데이터에 손을 댈 때마다 기록을 유지해서 추적을 자동화할 수 있어야 합니다.
3. 데이터의 의미에 대한 공통적인 정의 구축
✔️정의의 생성과 업데이트에 대한 워크플로우가 있는가?
어떤 공통된 정의가 있나요? 누가 데이터를 사용하며, 데이터를 어떻게 정의하고 있나요? 회사의 두 부분에서 동일한 데이터를 사용하면서 그 데이터를 서로 다르게 지칭하는 경우가 있습니다. 왜 이런 일이 생길까요? 정의가 바뀌거나 시간이 지나면서 점진적으로 변형됐을 때 이것을 추적할 수 있나요?
변화하는 정의의 일반적인 예로 메트릭이 있습니다. 오랜 기간 동안 한 가지 방식으로 메트릭을 계산하다가 어떤 일이 발생해 이제 다른 방법으로 계산할 수 있습니다. 이 변화에 대한 기록이 있나요? 일반적으로 이 질문에 대한 대답은 "아니요"입니다. 그 기록은 사람들의 머릿속에 존재하며 그 사람 중 일부는 퇴사했기 때문입니다. 승인 체인이든 임의의 단발성 행위든 분명히 어떤 형태의 워크플로우가 있었을 것입니다. 데이터 인텔리전스 전략은 이 워크플로우의 추적과 기록을 수반합니다.
✔️거버넌스 프로그램이 이미 있는가?
공통 정의는 일반적으로 거버넌스로 이어집니다. 거버넌스는 예를 들어 애플리케이션과 기술 등 기업 전반의 여러 곳에 이미 일정 수준 존재합니다. 그러나 거버넌스는 통제, 부담스러운 오버헤드, 특정 작업을 하지 말라는 지시와 연결되는 경우가 많습니다.
일반적으로 이 평판은 기업이 사전 거버넌스의 부재로 인해 불편한 시나리오에 직면할 때 발생합니다. 좋지 않은 상황에 처했다면 많은 경우 그 이유는 모두가 하나의 기술, 애플리케이션, 정의 목록에 따라 작업하도록 보장하는 자체적인 통제의 부재에 있습니다. 여기에는 통제적 요소가 있지만 이는 질서로 이어집니다. 거버넌스는 독재가 아니며 모든 사람의 의견을 수용하는 것을 목표로 합니다.
4. 사용자들이 필요한 데이터에 대한 액세스 권한을 획득하는 방법 기술
높은 수준에서 사용자가 데이터에 어떻게 액세스하는지 설명할 수 있나요? 필요한 보고서를 어떻게 구하나요? 특히, 데이터 분석가가 질문에 대한 답을 어떻게 얻나요? 이들은 분기별, 연도별 수치를 제시하는 업무를 담당합니다. 이를 위해 얼마큼의 일을 해야 하나요? 여기저기 묻고 다녀야 하나요, 아니면 데이터를 찾을 수 있는 프로세스가 이미 있나요?
성숙한 기업은 데이터 마켓플레이스를 구현해서 사용자가 필요한 데이터를 손쉽게 찾고 선택할 수 있도록 합니다.
5. 로드맵 개발과 실행 계획
모든 문제를 한 번에 해결할 수는 없습니다. 부서별이든 여러 부서와 관련된 핵심 요소별이든 로드맵은 데이터 인텔리전스 전략의 구현을 이끄는 가이드가 됩니다.
6. 교육 계획
사용자에게 데이터 인텔리전스 전략을 소개하고 관련 교육을 실시하기 위한 계획은 어떻게 세웠나요? 툴도 전략의 일부지만 어느 솔루션을 선택하든 사용자들은 새로운 프로세스에 대한 교육을 원합니다. 가장 중요한 것은 사용자가 익숙하게 여기는 방법과 새로운 방법 간의 차이입니다.
💡데이터 인텔리전스 전략을 구현할 때 저지르는 실수
🖐️중요한 사용자를 파악하지 않음
데이터 인텔리전스를 활용하는 가장 중요한 장소와 사용자를 파악하지 않으면 전체적으로 데이터 인텔리전스를 홍보하기가 더 어려워집니다. 프로세스를 전개하는 데 필요한 지원을 받지 못할 수도 있습니다. 다른 곳에서 구현이 탄력을 얻는 데 도움이 되는 치어리더를 찾으십시오. 데이터를 집중적으로 사용하는 영역부터 시작해서 한 번에 한 영역의 사용자를 육성할 수 있습니다. 이들은 일단 가치를 인식하게 되면 다음 영역으로 가는 데 도움이 됩니다.
🖐️명확히 정의된 사용례가 없음
명확하게 정의된 사용례를 확보하는 것은 애초에 데이터 인텔리전스 전략을 구현하고자 하는 이유를 지지하는 방법입니다. 명확한 사용례는 가장 중요한 목표를 보여줍니다.
데이터 계보를 고려해 보십시오. 데이터가 폭넓게 이동하고, 데이터 소유자가 계보에 대한 질문을 받는 경우를 가정해 보겠습니다. 사용자에게 데이터가 어디에서 왔고 어디로 가는지 알려줄 수 있도록 계보를 추적해야 한다는 압박이 커집니다. 감사관과 규제 기관에 대응해야 하므로 계보를 잘 파악하고 있어야 합니다.
특정 출발점 또는 사용례에서 추적하는 것을 이니셔티브로 삼을 수 있습니다. 이 부분을 확보하고 거기서부터 확장해 나갈 수 있습니다. 어느 방향으로든 더 나아가거나 출처를 더 역추적할 수 있지만 앞으로 더 많은 타겟을 추적하려면 먼저 이 부분을 확보해야 합니다. 명확히 정의된 사용례가 있으면 목표를 어떻게 달성할지 설명할 수 있습니다.
🖐️가치를 얻기까지 너무 오랜 시간이 걸림
대부분 기업은 특히 초기에, 즉 장애물이 사방에 있을 때 이 실수를 저지릅니다. 아키텍처의 장애물일 수도 있고, 리소스에 대한 승인을 얻어야 하는 장애물, 또는 프로젝트에 사람을 참여시키는 장애물일 수도 있습니다. 오래 걸릴수록 데이터 인텔리전스 전략은 사람의 관심사에서 멀어지게 됩니다. 더 빠르게 가치를 보여주고 사람들의 업무 수행 방식에 실제로 영향을 미칠수록 사람들은 더 많은 관심을 갖고 더 적극적으로 참여하게 됩니다.
작은 것이라도 큰 진전을 보여주고, 전략의 다음 단계로 나아가는 동안 피드백을 제공할 수 있음을 알려주세요. 정의를 통해서든 계보 또는 데이터 인텔리전스의 다른 어떤 구성 요소를 통해서든 가치를 보여주기 위해 거창한 것이 필요하지는 않습니다. 때로는 약간의 진전만 있으면 더 많은 관심을 갖고 더 많은 것을 보고 싶어 할 것입니다.
💡성공적으로 구현하려면 어떻게 해야 할까요?
🙂시작부터 비즈니스 인력 참여
운영 부서의 비즈니스 사용자가 메트릭의 계보 추적을 담당한다고 가정해 보겠습니다. 이 작업은 수동으로 이뤄질 가능성이 높습니다. 즉, 여러 시스템으로 가서 숫자를 뽑고 이를 스프레드시트에 입력합니다. 또는 단조로운 작업에 스프레드시트 매크로를 사용하지만 매크로가 계속 잘못 작동하여 정보의 부정확함과 같은 문제가 발생할 수도 있습니다.
이들에게 데이터가 어떻게 들어오고 메트릭이 어디에서 오는지 더 잘 살펴볼 수 있게 해주는 데이터 인텔리전스 툴을 소개합니다. 이 툴로 시스템을 분석하기 시작하면서 문제의 원인이 점점 더 명확히 드러납니다. 동일한 데이터가 시스템 간에 서로 길이가 다른 필드에 저장되어 있거나, 솔루션 업체의 애플리케이션이 데이터에 다른 레이블을 지정하는 경우도 있을 것입니다. 메타데이터를 심층적으로 살펴보는 프로세스를 통해 적절히 문서화되지 않은 필드가 사용되는 경우를 파악할 수 있습니다. 제대로 된 데이터 인텔리전스를 통해 이제 필드에 정확히 무엇이 있는지 알 수 있습니다.
비즈니스 인력은 데이터를 사용하는 당사자입니다. 프로세스에 이들이 참여하도록 하여 올바른 정보를 얻기 위해 필요한 것이 무엇인지를 파악해야 합니다. 그런 다음에는 당연히 프로세스를 자동화하여 손을 댈 일이 없도록 해야 합니다.
🙂명확하게 전파(하향 지원)
데이터 인텔리전스 전략을 성공적으로 구현하기 위해서는 최고 경영진의 동의가 필수적입니다. 경영진이 전사적 이메일을 통해 데이터 인텔리전스 이니셔티브를 시작하거나 CDO를 구한다는 내용을 전하면 메일을 읽는 사람은 그것이 중요한 일임을 이해하게 됩니다. 거대한 함선의 방향을 돌리기 위해서는 시간이 필요하지만 들인 시간 이상으로 시간을 절약하게 됩니다. 또한 이것이 고충점이 있는 곳을 안내하므로 직접 여기저기 찾을 필요가 없습니다.
🙂기술 환경의 다이어그램 만들기
비즈니스 인력을 참여시키고자 할 때 기술 환경의 다이어그램이 유용한 툴이 됩니다. 현재 사용 중인 기술, 데이터를 변환하는 툴, 사용 중인 보고 기능 등 현재의 상황을 전체적으로 보여주는 데 이 다이어그램을 사용합니다. 다이어그램에는 버전 번호 수준까지 세부적인 내용을 포함합니다. 비즈니스 관리자는 구식이 된 SQL 서버 또는 오라클 버전에서 애플리케이션을 실행하는 경우가 종종 있습니다. 이들은 꼭 해야 하는 경우가 아니면 업그레이드를 하지 않습니다. 이를 움직이기 위해서는 시간과 노력이 필요합니다.
🙂정교한 맞춤 구성은 피하기
모든 툴이 그렇듯이 핵심 제품으로 최대한 많은 부분을 해결해야 합니다. 맞춤 구성을 더 추가할수록 더 많은 유지보수가 발생하고, 이는 업그레이드 시 감당해야 하는 복잡성으로 이어집니다.
🙂실행, 측정, 반복하고 성공을 알리기
데이터 인텔리전스 전략이 성공으로 이어질 때마다 이를 알리고 사용자가 다른 사용자에게 전달하도록 합니다. 성공적인 노력은 데이터 카탈로그, 데이터 문해력, 데이터 품질, 데이터 마켓플레이, 자동화 기능 등을 구현하기 위한 로드맵의 일부임을 강조하세요. 무엇을 구현할 계획인지를 알리고 사용자 사이에 기대감을 조성해야 합니다.
💡결론
데이터 인텔리전스 전략은 기업이 데이터에 대해 이미 열정을 갖고 있고 이니셔티브가 회사 내에서 폭넓은 지원을 받을 때 성공할 가능성이 가장 높습니다. 이런 기업은 메시지를 수용하고 데이터 인텔리전스를 제대로 하기 위한 작업에 대한 투자를 망설이지 않습니다. 자신의 분야에 대해 숙련된 기술을 갖춘 IT 전문가를 찾기는 어렵지 않지만, 데이터의 일관성과 모델링에 전념하는 인력은 찾기가 어렵습니다.
데이터 인텔리전스 전략은 모든 사용자가 자산에 액세스하고 자산을 이해할 수 있도록 함으로써 데이터를 최대한 활용할 수 있게 해줍니다. 데이터 인텔리전스의 수집과 협업을 자동화하여 더 많은 사용자의 손에 쥐어줄 때 얼마나 큰 성과를 거둘 수 있는지 확인해 보세요.
데이터 인텔리전스 전략 수립에 어려움을 겪고 계시거나 도움이 되는 솔루션에 대해 궁금한 점이 있으시면 언제든 퀘스트소프트웨어코리아로 문의주시기 바랍니다. 😀
Quick Overview by ChatGPT 👀
데이터 인텔리전스 전략은 기업 내 데이터 가시성, 사용 지침, 정책 준수를 보장하며, 이를 통해 비즈니스 가치를 극대화합니다. 전략 수립 시에는 고충점을 파악해 이를 해결할 이해관계자를 동참시키고, 기존 인프라와 데이터의 공통 정의를 구축하는 것이 중요합니다. 사용자가 필요한 데이터에 접근할 수 있는 환경을 마련하고, 단계적인 로드맵과 교육 계획을 수립해야 합니다. 실수를 피하고 성공적인 실행을 위해서는 경영진의 지지와 명확한 커뮤니케이션이 필수적입니다.
데이터 인텔리전스 전략은 가용한 데이터 자산에 대한 전사적 가시성, 데이터 사용 지침, 데이터 정책 준수를 보장하는 가드레일 등의 이점을 제공합니다. 1부(비즈니스 가치를 극대화하는 데이터 인텔리전스 전략 수립법 – 1부)에서는 데이터 인텔리전스 전략에 포함되어야 하는 요소, 그리고 전략이 없을 경우 닥치게 되는 상황을 살펴보았습니다.
2부에서는 1부에 이어 데이터 인텔리전스 전략 수립을 위한 베스트 프랙티스를 알아보고, 그 과정에서 피해야 할 실수를 소개합니다.
💡데이터 인텔리전스 전략을 위한 베스트 프랙티스
1. 데이터 인텔리전스 전략이 도움이 될 수 있는 고충점 파악
기업의 가장 큰 고충점은 일반적으로 핵심 데이터 요소에 있습니다. 가장 빈번하게 액세스하는 요소가 아니라 해도 그 요소 안의 정보가 신뢰할 수 있을 만큼 정확해야 한다는 면에서 여전히 중요할 수 있습니다. 고충점은 어느 데이터에 먼저 집중할지 결정하는 데 도움이 됩니다.
이 과정은 반복적이라는 점을 기억하십시오. 모든 정보를 한 번에 수집해서 모든 테이블의 모든 열과 애플리케이션을 분석하는 것이 아닙니다. 목표는 고충점을 먼저 파악하는 것입니다. 그래야 그 문제에 가장 자주 직면하는 이해관계자를 파악할 수 있기 때문입니다. 이들은 자신의 고충을 덜어줄 데이터 인텔리전스 전략을 적극적으로 지지할 사용자입니다.
이해관계자를 전략에 동참시키면 이들은 치어리더가 되어 기업 내 다른 그룹에 데이터 인텔리전스 전략을 홍보하게 됩니다. 이렇게 하면 더 많은 사람의 지지를 받으며 진전할 수 있습니다.
2. 데이터 인텔리전스를 지원할 기존 인프라 확인
과정의 시작은 모든 기술을 파악하는 프로세스입니다. 이 프로세스에서 데이터 거버넌스 기회도 발견하게 됩니다. 예를 들어, 기업이 각기 다른 3개의 ETL 툴과 5개의 데이터베이스 유형을 사용하고 있음을 발견할 수 있습니다. 곧 어디에 손을 대야 할지 알 수 있을 것입니다.
✔️데이터 품질, 데이터 카탈로그 또는 데이터 계보가 있는가?
데이터 인텔리전스 전략을 지원하는 툴과 관련된 문제는 기업과 기업 내부의 여러 그룹에서 툴을 기다리는 데 지쳤다는 점입니다. 이들은 스스로 요구사항을 잘 알고 완벽하게 맞는 솔루션을 찾을 수 없다는 이유로 자체적으로 조달하는 방법을 택합니다. 데이터 품질 툴은 마케팅과 같은 특정 부서에 채택되는 경향이 있습니다. 이처럼 기업 내 각 부분에서 툴이 어떻게 작동하는지 파악하고 더 폭넓게 사용하기에 적합한지 살펴보십시오.
예상외로 많은 기업이 곳곳에 고립된 스프레드시트에 데이터를 유지합니다. 다른 어떤 방법을 써도 이것보다는 낫습니다. SQL 서버 데이터베이스의 자체 데이터 카탈로그로 적당히 업그레이드하는 방법이 대표적입니다. 적어도 얼마간의 데이터 모델링을 추가해서 스스로 궁지로 몰아넣지 않는다면 이것도 그런대로 괜찮은 방법입니다.
데이터 계보에서 목표는 여러 변환을 거슬러 데이터를 추적할 수 있도록 하는 것입니다. 액세스 권한이 있다면 ETL 툴에서 데이터의 이동을 볼 수 있으며, 이 툴이 계보에 대한 인사이트를 제공할 수도 있습니다. 이런 종류의 데이터 인텔리전스 툴이 기업에 있다면 중앙화되지 않고 분산되어 있을 가능성이 높습니다. 또한 아마 다양한 기술로 확장될 것입니다.
✔️현재 이런 프로세스는 얼마나 수동으로 수행되는가?
데이터 계보를 추적하는 데 수동 방법을 사용하면 작업 속도가 금방 뒤처지게 됩니다. 스프레드시트 업데이트와 같은 수작업에 의존한다는 것은 사람의 기억력과 정보 처리량에 의존하는 것입니다. 결국 속도가 느릴 수밖에 없습니다. 추적 툴은 데이터에 손을 댈 때마다 기록을 유지해서 추적을 자동화할 수 있어야 합니다.
3. 데이터의 의미에 대한 공통적인 정의 구축
✔️정의의 생성과 업데이트에 대한 워크플로우가 있는가?
어떤 공통된 정의가 있나요? 누가 데이터를 사용하며, 데이터를 어떻게 정의하고 있나요? 회사의 두 부분에서 동일한 데이터를 사용하면서 그 데이터를 서로 다르게 지칭하는 경우가 있습니다. 왜 이런 일이 생길까요? 정의가 바뀌거나 시간이 지나면서 점진적으로 변형됐을 때 이것을 추적할 수 있나요?
변화하는 정의의 일반적인 예로 메트릭이 있습니다. 오랜 기간 동안 한 가지 방식으로 메트릭을 계산하다가 어떤 일이 발생해 이제 다른 방법으로 계산할 수 있습니다. 이 변화에 대한 기록이 있나요? 일반적으로 이 질문에 대한 대답은 "아니요"입니다. 그 기록은 사람들의 머릿속에 존재하며 그 사람 중 일부는 퇴사했기 때문입니다. 승인 체인이든 임의의 단발성 행위든 분명히 어떤 형태의 워크플로우가 있었을 것입니다. 데이터 인텔리전스 전략은 이 워크플로우의 추적과 기록을 수반합니다.
✔️거버넌스 프로그램이 이미 있는가?
공통 정의는 일반적으로 거버넌스로 이어집니다. 거버넌스는 예를 들어 애플리케이션과 기술 등 기업 전반의 여러 곳에 이미 일정 수준 존재합니다. 그러나 거버넌스는 통제, 부담스러운 오버헤드, 특정 작업을 하지 말라는 지시와 연결되는 경우가 많습니다.
일반적으로 이 평판은 기업이 사전 거버넌스의 부재로 인해 불편한 시나리오에 직면할 때 발생합니다. 좋지 않은 상황에 처했다면 많은 경우 그 이유는 모두가 하나의 기술, 애플리케이션, 정의 목록에 따라 작업하도록 보장하는 자체적인 통제의 부재에 있습니다. 여기에는 통제적 요소가 있지만 이는 질서로 이어집니다. 거버넌스는 독재가 아니며 모든 사람의 의견을 수용하는 것을 목표로 합니다.
4. 사용자들이 필요한 데이터에 대한 액세스 권한을 획득하는 방법 기술
높은 수준에서 사용자가 데이터에 어떻게 액세스하는지 설명할 수 있나요? 필요한 보고서를 어떻게 구하나요? 특히, 데이터 분석가가 질문에 대한 답을 어떻게 얻나요? 이들은 분기별, 연도별 수치를 제시하는 업무를 담당합니다. 이를 위해 얼마큼의 일을 해야 하나요? 여기저기 묻고 다녀야 하나요, 아니면 데이터를 찾을 수 있는 프로세스가 이미 있나요?
성숙한 기업은 데이터 마켓플레이스를 구현해서 사용자가 필요한 데이터를 손쉽게 찾고 선택할 수 있도록 합니다.
5. 로드맵 개발과 실행 계획
모든 문제를 한 번에 해결할 수는 없습니다. 부서별이든 여러 부서와 관련된 핵심 요소별이든 로드맵은 데이터 인텔리전스 전략의 구현을 이끄는 가이드가 됩니다.
6. 교육 계획
사용자에게 데이터 인텔리전스 전략을 소개하고 관련 교육을 실시하기 위한 계획은 어떻게 세웠나요? 툴도 전략의 일부지만 어느 솔루션을 선택하든 사용자들은 새로운 프로세스에 대한 교육을 원합니다. 가장 중요한 것은 사용자가 익숙하게 여기는 방법과 새로운 방법 간의 차이입니다.
💡데이터 인텔리전스 전략을 구현할 때 저지르는 실수
🖐️중요한 사용자를 파악하지 않음
데이터 인텔리전스를 활용하는 가장 중요한 장소와 사용자를 파악하지 않으면 전체적으로 데이터 인텔리전스를 홍보하기가 더 어려워집니다. 프로세스를 전개하는 데 필요한 지원을 받지 못할 수도 있습니다. 다른 곳에서 구현이 탄력을 얻는 데 도움이 되는 치어리더를 찾으십시오. 데이터를 집중적으로 사용하는 영역부터 시작해서 한 번에 한 영역의 사용자를 육성할 수 있습니다. 이들은 일단 가치를 인식하게 되면 다음 영역으로 가는 데 도움이 됩니다.
🖐️명확히 정의된 사용례가 없음
명확하게 정의된 사용례를 확보하는 것은 애초에 데이터 인텔리전스 전략을 구현하고자 하는 이유를 지지하는 방법입니다. 명확한 사용례는 가장 중요한 목표를 보여줍니다.
데이터 계보를 고려해 보십시오. 데이터가 폭넓게 이동하고, 데이터 소유자가 계보에 대한 질문을 받는 경우를 가정해 보겠습니다. 사용자에게 데이터가 어디에서 왔고 어디로 가는지 알려줄 수 있도록 계보를 추적해야 한다는 압박이 커집니다. 감사관과 규제 기관에 대응해야 하므로 계보를 잘 파악하고 있어야 합니다.
특정 출발점 또는 사용례에서 추적하는 것을 이니셔티브로 삼을 수 있습니다. 이 부분을 확보하고 거기서부터 확장해 나갈 수 있습니다. 어느 방향으로든 더 나아가거나 출처를 더 역추적할 수 있지만 앞으로 더 많은 타겟을 추적하려면 먼저 이 부분을 확보해야 합니다. 명확히 정의된 사용례가 있으면 목표를 어떻게 달성할지 설명할 수 있습니다.
🖐️가치를 얻기까지 너무 오랜 시간이 걸림
대부분 기업은 특히 초기에, 즉 장애물이 사방에 있을 때 이 실수를 저지릅니다. 아키텍처의 장애물일 수도 있고, 리소스에 대한 승인을 얻어야 하는 장애물, 또는 프로젝트에 사람을 참여시키는 장애물일 수도 있습니다. 오래 걸릴수록 데이터 인텔리전스 전략은 사람의 관심사에서 멀어지게 됩니다. 더 빠르게 가치를 보여주고 사람들의 업무 수행 방식에 실제로 영향을 미칠수록 사람들은 더 많은 관심을 갖고 더 적극적으로 참여하게 됩니다.
작은 것이라도 큰 진전을 보여주고, 전략의 다음 단계로 나아가는 동안 피드백을 제공할 수 있음을 알려주세요. 정의를 통해서든 계보 또는 데이터 인텔리전스의 다른 어떤 구성 요소를 통해서든 가치를 보여주기 위해 거창한 것이 필요하지는 않습니다. 때로는 약간의 진전만 있으면 더 많은 관심을 갖고 더 많은 것을 보고 싶어 할 것입니다.
💡성공적으로 구현하려면 어떻게 해야 할까요?
🙂시작부터 비즈니스 인력 참여
운영 부서의 비즈니스 사용자가 메트릭의 계보 추적을 담당한다고 가정해 보겠습니다. 이 작업은 수동으로 이뤄질 가능성이 높습니다. 즉, 여러 시스템으로 가서 숫자를 뽑고 이를 스프레드시트에 입력합니다. 또는 단조로운 작업에 스프레드시트 매크로를 사용하지만 매크로가 계속 잘못 작동하여 정보의 부정확함과 같은 문제가 발생할 수도 있습니다.
이들에게 데이터가 어떻게 들어오고 메트릭이 어디에서 오는지 더 잘 살펴볼 수 있게 해주는 데이터 인텔리전스 툴을 소개합니다. 이 툴로 시스템을 분석하기 시작하면서 문제의 원인이 점점 더 명확히 드러납니다. 동일한 데이터가 시스템 간에 서로 길이가 다른 필드에 저장되어 있거나, 솔루션 업체의 애플리케이션이 데이터에 다른 레이블을 지정하는 경우도 있을 것입니다. 메타데이터를 심층적으로 살펴보는 프로세스를 통해 적절히 문서화되지 않은 필드가 사용되는 경우를 파악할 수 있습니다. 제대로 된 데이터 인텔리전스를 통해 이제 필드에 정확히 무엇이 있는지 알 수 있습니다.
비즈니스 인력은 데이터를 사용하는 당사자입니다. 프로세스에 이들이 참여하도록 하여 올바른 정보를 얻기 위해 필요한 것이 무엇인지를 파악해야 합니다. 그런 다음에는 당연히 프로세스를 자동화하여 손을 댈 일이 없도록 해야 합니다.
🙂명확하게 전파(하향 지원)
데이터 인텔리전스 전략을 성공적으로 구현하기 위해서는 최고 경영진의 동의가 필수적입니다. 경영진이 전사적 이메일을 통해 데이터 인텔리전스 이니셔티브를 시작하거나 CDO를 구한다는 내용을 전하면 메일을 읽는 사람은 그것이 중요한 일임을 이해하게 됩니다. 거대한 함선의 방향을 돌리기 위해서는 시간이 필요하지만 들인 시간 이상으로 시간을 절약하게 됩니다. 또한 이것이 고충점이 있는 곳을 안내하므로 직접 여기저기 찾을 필요가 없습니다.
🙂기술 환경의 다이어그램 만들기
비즈니스 인력을 참여시키고자 할 때 기술 환경의 다이어그램이 유용한 툴이 됩니다. 현재 사용 중인 기술, 데이터를 변환하는 툴, 사용 중인 보고 기능 등 현재의 상황을 전체적으로 보여주는 데 이 다이어그램을 사용합니다. 다이어그램에는 버전 번호 수준까지 세부적인 내용을 포함합니다. 비즈니스 관리자는 구식이 된 SQL 서버 또는 오라클 버전에서 애플리케이션을 실행하는 경우가 종종 있습니다. 이들은 꼭 해야 하는 경우가 아니면 업그레이드를 하지 않습니다. 이를 움직이기 위해서는 시간과 노력이 필요합니다.
🙂정교한 맞춤 구성은 피하기
모든 툴이 그렇듯이 핵심 제품으로 최대한 많은 부분을 해결해야 합니다. 맞춤 구성을 더 추가할수록 더 많은 유지보수가 발생하고, 이는 업그레이드 시 감당해야 하는 복잡성으로 이어집니다.
🙂실행, 측정, 반복하고 성공을 알리기
데이터 인텔리전스 전략이 성공으로 이어질 때마다 이를 알리고 사용자가 다른 사용자에게 전달하도록 합니다. 성공적인 노력은 데이터 카탈로그, 데이터 문해력, 데이터 품질, 데이터 마켓플레이, 자동화 기능 등을 구현하기 위한 로드맵의 일부임을 강조하세요. 무엇을 구현할 계획인지를 알리고 사용자 사이에 기대감을 조성해야 합니다.
💡결론
데이터 인텔리전스 전략은 기업이 데이터에 대해 이미 열정을 갖고 있고 이니셔티브가 회사 내에서 폭넓은 지원을 받을 때 성공할 가능성이 가장 높습니다. 이런 기업은 메시지를 수용하고 데이터 인텔리전스를 제대로 하기 위한 작업에 대한 투자를 망설이지 않습니다. 자신의 분야에 대해 숙련된 기술을 갖춘 IT 전문가를 찾기는 어렵지 않지만, 데이터의 일관성과 모델링에 전념하는 인력은 찾기가 어렵습니다.
데이터 인텔리전스 전략은 모든 사용자가 자산에 액세스하고 자산을 이해할 수 있도록 함으로써 데이터를 최대한 활용할 수 있게 해줍니다. 데이터 인텔리전스의 수집과 협업을 자동화하여 더 많은 사용자의 손에 쥐어줄 때 얼마나 큰 성과를 거둘 수 있는지 확인해 보세요.
데이터 인텔리전스 전략 수립에 어려움을 겪고 계시거나 도움이 되는 솔루션에 대해 궁금한 점이 있으시면 언제든 퀘스트소프트웨어코리아로 문의주시기 바랍니다. 😀