mobile background

자료실

데이터 마켓플레이스를 성공으로 이끄는 핵심 요소


Quick Overview

기업에서 데이터 마켓플레이스는 신뢰할 수 있는 고품질 데이터 및 AI 활용을 위한 중요한 도구입니다. 주요 목적은 셀프 서비스 데이터 제품을 제공하여 직원의 생산성과 혁신을 높이는 것입니다. 성공적인 데이터 마켓플레이스를 운영하기 위해 갖춰야 할 필수 요소는 무엇일까요? 데이터 마켓플레이스를 시작하기 전 알아두면 좋은 사항을 알아봅니다.


기업에서 데이터 마켓플레이스(data marketplace)는 신뢰할 수 있는 고품질 데이터 및 AI 활용 환경에서 중요한 역할을 합니다. 예를 들어, 비즈니스 애널리스트와 데이터 과학자에게 데이터 마켓플레이스는 셀프 서비스에 사용할 수 있는 신뢰할 수 있고 유용한 데이터 소스입니다. 데이터 마켓플레이스를 활용함으로써 비즈니스 애널리스트와 데이터 과학자는 IT 개발 프로세스를 탐색하거나, 유용한 데이터 또는 모델을 수동으로 찾거나, 분석에 필요한 고품질 데이터를 얻기 위해 데이터 및 AI 모델 소유자에게 일일이 컨텍스트를 물을 필요가 없습니다.   


데이터 마켓플레이스는 데이터의 가치를 극대화할 방법을 모색하는 기업에 이상적입니다. 하지만, 성공적인 결과를 얻기 위해서 갖춰야 할 중요한 구성요소가 있습니다. 


  

데이터 마켓플레이스란? 

데이터 마켓플레이스는 분석 및 기업 용도로 관리되고 인증된 데이터 제품, 데이터 집합, AI 모델을 데이터 소비자가 한 곳에서 손쉽게 찾고 파악하고 비교하고 빠르게 액세스할 수 있는 곳입니다.  


데이터 마켓플레이스는 기업 내부 또는 외부에 초점을 맞출 수 있습니다. 내부 데이터 마켓플레이스는 기업이 신뢰할 수 있는 고가치 데이터를 보편화하고, 소비자를 위한 셀프 서비스를 구현하고, 데이터 사용에 대한 거버넌스를 보장하는 효율적인 방법을 제공합니다. 데이터 마켓플레이스에는 내부적으로 개발해 패키징한 데이터, 기업용으로 구매한 서드파티 데이터 또는 2가지의 조합을 포함할 수 있습니다. 외부 데이터 마켓플레이스는 기업 외부의 고객과 파트너에게 데이터 제품을 제공하기 위해 사용됩니다. 


사용례에 관계없이 주된 용도는 관리되고, 인증되며, 분석과 기타 비즈니스 용도로 즉시 사용 가능한 셀프 서비스 데이터 제품, 데이터 집합, AI 모델을 제공하는 것입니다. 


  

기업이 데이터 마켓플레이스로 향하는 이유 

데이터 및 분석을 위한 더 많은 셀프 서비스를 제공함으로써 직원의 생산성과 혁신을 강화하기 위해 데이터 마켓플레이스를 활용하는 기업이 늘고 있습니다. ESG(Enterprise Strategy Group)가 발행한 2023년 데이터 인텔리전스 현황 연구(The 2023 State of Data Intelligence Analyst Report)에 따르면, 데이터 마켓플레이스를 구현한 기업은 주요 동인으로 데이터 액세스 용이성 향상(50%), 데이터 지향 협업 촉진(43%), 신뢰할 수 있는 고가치 데이터의 중앙 카탈로그 생성(43%), 셀프 서비스 프로비저닝 지원(40%)을 꼽았습니다.  

  


또한 이 연구에서 데이터 마켓플레이스를 구현한 응답자의 79%는 데이터 사용자 효율성 및 혁신과 관련하여 '상당한' 정도에서 '획기적인' 정도의 영향을 경험하고 있다고 답했습니다. 




이런 결과는 개별 데이터 및 분석 사용자가 데이터 마켓플레이스를 사용하는 방법과 무슨 관계가 있을까요? 데이터 분석가가 누구에게 물어야 할지 또는 정확히 무엇을 요청해야 할지 모른 채 온라인의 한 지점으로 가서 다음 시나리오 또는 다른 시나리오에 도움이 될 수 있는 고품질의 관리되는 데이터 제품을 찾을 수 있다고 상상해 보십시오. 

 

  • ATM이 적절한 위치에 있는지 확인하기 위해 지점 위치 데이터를 조사하고 있습니다. 

  • 매장 위치와 수익성 간의 상관관계를 확인하고 있습니다. 

  • 신규 의류 라인 캠페인을 진행 중인데, 특정 지역에 대한 지리, 판매 내역, 인구 통계 데이터가 필요합니다. 

  • 조지아 주에서 PI 규칙이 변경되었는데, 외부에 접한 데이터를 고정해서 새로운 주 법령에 연결했는지 확실치 않습니다. 

  • EMEA 지역에서 우리 회사의 에너지 발자국은 어떻게 구성됩니까? 

  


소비자가 온라인 쇼핑을 하는 것과 비슷하게 분석가는 사용 가능한 데이터 제품의 온라인 카탈로그를 필터링하고 정렬해 필요에 맞는 잠재적인 데이터 제품을 파악할 수 있습니다. 결과 데이터 제품에는 하나 또는 여러 개의 내부 데이터 집합, 외부 인구 통계 데이터, 판매 내역 보고서, 그리고 경우에 따라 구매자 내역 인사이트를 보여주는 AI 모델까지 포함될 수 있습니다.  


이후 분석가는 비교 기능을 사용하여 지난 소비자 리뷰와 부가적인 자산 설명을 고려하여 가장 적합한 자산을 선별하고, 다른 데이터 문해력 보조 기능을 활용하여 데이터 소싱 또는 계보, 비즈니스 컨텍스트 및 거버넌스 지침을 파악할 수 있습니다. 분석가는 자신의 목적에 가장 잘 맞는 자산을 파악하면 즉시 액세스 요청을 시작할 수 있으며, 자동화된 거버넌스 워크플로우는 적절한 감독과 문서화, 신속한 제공을 보장합니다. 


  

데이터 마켓플레이스의 주요 이점 

데이터 가치에 대한 신뢰성을 제공하는 데이터 가치 점수 

분석에 저품질 데이터가 사용되면 만족스러운 인사이트를 얻을 수 없습니다. 데이터 가치 점수는 소비자가 기업 내의 마켓플레이스에서 제공되는 신뢰할 수 있는 고가치 데이터를 쉽고 빠르게 찾아서 활용할 수 있도록 하는 것을 목표로 데이터의 가치를 측정해서 신뢰할 수 있는 데이터를 식별합니다. 또한 데이터 가치 점수는 데이터의 수익화를 위한 기반이 됩니다. 


기업이 데이터에 점수를 매기는 데 사용할 수 있는 매개변수에는 여러 가지가 있지만, 개인적으로는 더글라스 레니가 저서 '인포매틱스: 정보를 경쟁 우위로서 수익화, 관리, 측정하는 방법(Infonomics: How to monetize, manage and measure information as a competitive advantage)'에서 설명한 다음과 같은 요소를 선호합니다. 


  

  • DQ 점수 : 데이터 품질에 대한 프로파일 결과 

  • 관련성 : 관련된 핵심 비즈니스 절차 

  • 적시성 : 데이터가 업데이트되는 빈도 

  • 희소성 : 기업의 "비밀 소스"로, 그 기업만의 고유하고 귀중한 데이터로 간주됨 

  • 수명 주기 : 데이터가 유용성을 유지하는 유효 기간 

  • 긴요도 : 공통적인 데이터 요소의 수 

  • 인증 : 완전성 

  • 사용자 평가 : 5점 만점을 기준으로 한 데이터에 대한 사용자의 평가 

  • 인기 : 데이터 집합이 사용되는 빈도 

  • 데이터 점수 : 하나 이상의 패싯(프로파일링 결과, 최종 사용자 평가, 데이터 선별 품질)의 조합으로, 매개변수를 기준으로 데이터를 골드, 실버 또는 브론즈 등급으로 알고리즘에 따라 분류 

  


데이터 가치를 수동으로 측정하는 것은 번거롭습니다. 자동화된 데이터 가치 점수화는 데이터 인텔리전스에 의해 지원되는 데이터 마켓플레이스 내에서 데이터 가치 평가를 현실적으로 달성 가능하게 해줍니다. 예를 들어, 자동화된 데이터 가치 점수화는 데이터 품질 점수, 데이터 집합/데이터 제품 또는 AI 모델이 얼마나 잘 관리 및 선별되는지와 과거 사용자들이 부여한 등급을 고려하여 데이터의 유용성을 검증할 수 있습니다. 또한 기업은 데이터 가치 점수를 결정할 때 이런 각 요소에 가중치를 부여하여 데이터 가치에 대한 기업의 고유한 시각을 반영할 수 있습니다. 


내부 데이터와 서드파티 데이터 모두 지원 

데이터 마켓플레이스의 형태는 기업마다 매우 다를 수 있습니다. 관리되는 내부 데이터만 포함되는 경우도 있고, 2000개 이상의 외부 서드파티 데이터 집합 제공업체에 액세스하여 즉시 사용 가능한 라이브 데이터를 이용하는 경우도 있습니다. 또한 일부는 신뢰할 수 있는 재배포를 위해 적용된 최고 수준의 거버넌스를 제공하는 일종의 '클린룸(clean room)'을 제공합니다. 


데이터 마켓플레이스 내에서 서드파티 데이터를 관리하는 경우 데이터 소비자의 검색 용이성, 그리고 기업의 자체 데이터 마켓플레이스에 데이터를 보관할 때 얻게 되는 내재적인 유효성 검사 외에도 실무적으로 몇 가지 부가적인 이점도 얻게 됩니다. 


서드파티 데이터 구독에는 많은 비용이 들 수 있습니다. 또한 모든 데이터를 하나의 데이터 마켓플레이스에 두면 기업 전반에서 중복 구매의 가능성을 줄일 수 있습니다. 그 외에도, 자체 데이터 마켓플레이스 내에 서드파티 데이터를 보관하면 기업의 고유한 데이터 거버넌스 프로토콜과 프로세스를 준수하도록 할 수 있으며, 데이터 가치 점수, 사용자 평가 피드백, 기타 내장된 데이터 마켓플레이스 기능을 비슷한 방식으로 활용하여 신뢰할 수 있는 고가치 데이터가 이용되도록 보장할 수 있습니다. 


데이터 가치 창출 시간 단축 

제품 만들기에 대한 '모델-마켓플레이스' 접근 방식은 개발 주기를 자동화할 수 있습니다. 데이터 제품 요청에 긴 소프트웨어 개발 수명 주기가 필요하지는 않습니다. 비즈니스에서 분석가, 설계자, 개발자, DBA에 이르기까지 요구사항을 전달하고 정제하는 대신, 데이터 마켓플레이스에 통합된 데이터 모델링 환경을 갖춘 분석 사용자는 데이터 제품이 자신의 요구 사항을 충족하는지 평가하거나 내장된 자동화를 사용해서 새로운 데이터 제품을 요청하고 받을 수 있는 원스톱 환경을 이용할 수 있습니다. 데이터 모델링 및 데이터 카탈로그 자동화와 데이터 마켓플레이스 기능의 통합은 개발 및 제공 프로세스를 단축하여 데이터 가치 창출 시간을 단축하는 효율적인 모델-마켓플레이스 접근 방식을 제공할 수 있습니다. 


AI 데이터 및 모델 드리프트 모니터링 

AI는 블랙박스가 될 수 있습니다. 투명성과 비즈니스 큐레이션, 관찰은 기업이 이 블랙박스에 대처할 수 있는 방법입니다. 기업이 AI 모델에서 얻은 인사이트를 신뢰하기 위해서는 모델의 의도, 모델이 해결하는 비즈니스 문제, 모델이 내리는 중요한 의사 결정에 대한 기본적인 이해를 통해 모델을 통제하고 원래의 목적에 집중하도록 해야 합니다. 


데이터 마켓플레이스의 데이터 프로파일링과 데이터 계보의 결합은 데이터의 출처에 대한 내부 시야를 제공하며, 프로파일링 결과는 기업에 투명성을 제공합니다. 기업은 데이터 품질 소프트웨어에 연결된 데이터 관찰가능성 또는 지속적 데이터 모니터링 기능을 통해 AI 모델에서 드리프트와 편향성을 추가로 모니터링하고, 데이터가 허용되는 매개변수를 벗어나기 시작할 때 알림을 받을 수 있습니다. 


기업은 자동화된 데이터 카탈로그, 데이터 품질, 데이터 마켓플레이스 기능을 결합함으로써 비즈니스 의도부터 데이터 제품 요청에 적용하기, 드리프트 관찰 및 부서와 사업부 전반에 걸친 결과 공유에 이르기까지 전체 사용례를 조율하여 필요한 교정을 신속하게 수행할 수 있습니다. 


  

데이터 마켓플레이스의 성공을 이끌기 위해 필요한 핵심 구성요소 

비즈니스 가치에 대한 인식부터 시작 

데이터 마켓플레이스의 전체적인 목표는 사용자가 기업에 이익이 되는 인사이트를 발굴하는 데 사용할 수 있는 고품질의 데이터를 확보하는 것입니다. 소수의 사용례와 비즈니스 성과를 목표로 설정하면 데이터 마켓플레이스를 구현할 때 안내 지표로 사용할 수 있습니다. 

 

견고한 데이터 관리 기반 확보 

데이터 거버넌스, 데이터 설계, 데이터 관리에 투자한 기업은 지능적이고 종합적이며 고도로 신뢰할 수 있는 비즈니스 인사이트를 기대합니다. 이것이 바로 목표입니다. 하지만 데이터 마켓플레이스에서 좋은 결과를 얻을 수 있는지는 다음의 세 가지 요소에 따라 좌우됩니다. 


  • 데이터 발견 : 사용자가 과제를 해결하기 위한 데이터 집합과 자산을 신속하게 찾을 수 있는가? 

  • 데이터 품질 : 사용자가 자신의 분석이 잘 설명되고 검증 및 프로파일링된 데이터를 근거로 한다는 것을 신뢰할 수 있는가? 

  • 데이터 문해력 : 사용자가 데이터 집합이 무엇인지, 어떻게 사용되는지, 그리고 정확성을 보장하기 위한 가드레일을 알 수 있는 컨텍스트가 있는가? 

  


누군가가 이 데이터를 소유하고 있으며 잘 선별되었다고 말하기는 쉽습니다. 그러나 핵심 데이터가 프로파일링되었는지, 데이터 계보가 있는지, 선별된 데이터를 어떻게 사용해야 하는지에 대한 가드레일이 있는지, 최종 사용자가 데이터 집합에 대해 어떻게 느끼는지를 따져봐야 합니다. 유용하고 적용 가능한 분석 도출의 시작은 견고한 데이터 관리 기반을 갖추는 것입니다. 


기업 데이터의 성장과 성숙도 벤치마크 

7단계 데이터 성숙도 프로그램의 가치 사용례를 통해 데이터의 가치를 완전히 활용하는 기업 역량의 성장과 성숙도를 지속적으로 벤치마킹하면 데이터 마켓플레이스 노력에 대한 성과를 조기부터, 자주 제공할 수 있습니다. 예를 들면, 기업에서 PII 데이터가 유출된 부분 찾기, 데이터 팽창 식별하기, 특정 문제에 대한 근본 원인 분석 및 교정하기 등이 있습니다. 


  

결론 

데이터 마켓플레이스 세계로 들어갈 때는 사용례와 사람, 프로세스, 기술을 정렬하는 것이 필수적입니다. 사용례가 중심이 되도록 하십시오. 이런 접근 방법은 신뢰할 수 있는 고가치 데이터에 대한 더 폭넓고 관리되는 액세스, 그리고 갈수록 데이터 중심이 되고 있는 환경에서 비즈니스가 성공하기 위한 가치 있는 인사이트를 촉진하는 데이터 마켓플레이스를 위한 기반이 됩니다. 

  

데이터 마켓플레이스 구축에 관심이 있으시거나 관련 솔루션에 대해 궁금한 점이 있으시면 언제든 퀘스트소프트웨어코리아로 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