데이터 전략이란 무엇입니까?

효과적인 데이터 전략을 사용하면 다음과 같은 여러 가지 이점이 있습니다.

데이터 관리 문제 해결

대부분의 조직에서는 데이터 사일로, 사업부 간 데이터 중복, 부서 간 비효율적인 데이터 흐름, 데이터 우선 순위의 불명확성과 같은 데이터 관리 문제를 겪고 있습니다. 데이터 전략을 통해 기업은 데이터에 액세스하고 안전한 방식으로 공유함으로써 이러한 문제를 해결할 수 있습니다. 데이터의 가치를 활용하여 비즈니스 이니셔티브를 달성할 수 있습니다. 데이터를 보다 효과적으로 조정하고 적절한 데이터에 적시에 액세스할 수 있기 때문에 조직은 미래에 대비하거나 불확실한 상황에 대처할 수 있습니다.

고객 경험 및 충성도 개선

조직은 데이터와 분석을 활용하여 고객을 더 잘 이해하고 고객 경험을 개선합니다. 조직은 데이터를 사용하여 온라인 환경에서 콜 센터에 이르기까지, 고객에게 더 많은 가치를 창출하고 충족되지 않은 요구 사항을 사전에 해결할 수 있습니다. 또한 데이터는 조직이 새로운 비즈니스 또는 수익 창출 기회를 확보하고, 고객의 요구 사항에 따라 초개인화된 제품과 서비스를 구축할 수 있도록 해줍니다. 또한 개인화된 경험은 시간이 지남에 따라 고객 충성도를 강화합니다.

분석 성숙도 달성

Gartner Analytic Ascendancy Model은 분석 성숙도의 네 단계를 정의합니다. 일반적으로 조직은 정보를 바탕으로 한 진단 분석을 통해 어떤 문제가 발생했는지, 발생 원인은 무엇인지 파악할 수 있습니다. 분석 성숙도는 예측 분석으로 전환될 때 실현됩니다. 예측 분석에서는 데이터를 사용하여 미래에 어떤 일이 발생할지에 대한 정보를 제공합니다. 성숙도의 마지막 단계에 있는 조직은 처방 분석을 사용하여 사전에 결정된 결과를 실현합니다. 따라서 데이터 전략은 조직이 사후 판단이 아닌 선견지명에 기초한 의사 결정을 내리는 데 도움이 되는 세부 계획을 제시합니다.

ML 및 생성형 AI와 같은 미래 지향적인 애플리케이션 구축

데이터는 ML 및 생성형 AI 애플리케이션의 핵심입니다. ML 및 AI 모델에는 모델을 학습하고 추론을 실행하기 위해 데이터를 쉽게 수집하고 관리할 수 있는 기능이 필요합니다. 데이터 전략은 이미지 인식, 예측, 지능형 검색과 같은 사용 사례를 애플리케이션에 제공하는 데이터에 대한 설명입니다. 또한 데이터 모델 관리를 포함한 ML 거버넌스도 고려해야 합니다.

전사적으로 데이터 문화 조성

데이터 전략은 조직 전체의 데이터 활용 능력과 사용 효율성을 개선하기 위한 로드맵을 제시합니다. 다양한 팀이 협력하여 데이터 품질과 데이터 수집의 정확도를 높일 수 있습니다. 또한 맞춤형 교육을 개발하고 공동 작업자가 초보자에서 데이터 관리 및 사용 전문가로 발전할 수 있는 학습 경로를 만들 수 있습니다.

규제 준수 지원

효과적인 데이터 전략은 무단 데이터 액세스를 제한하는 조치를 구현하여 데이터 보안을 강화합니다. 정책 및 프로세스를 정의할 때 모든 데이터 거버넌스 규칙 및 규정을 고려할 수 있습니다. 엔터프라이즈 데이터 관리에서 항상 데이터의 프라이버시, 보안 및 무결성을 유지하도록 모든 작업을 신중하게 계획할 수 있습니다.

조직의 데이터 전략을 수립하는 데는 두 가지 주요 접근 방식이 있습니다.

중앙 집중식

데이터 관리에 대한 고도로 중앙 집중화된 제어 지향적 접근 방식은 일반적으로 모든 광범위한 데이터 범주에 대한 단일 데이터 소스를 포함합니다. 예를 들어 매출, 고객 또는 판매 데이터의 기본 소스가 하나 있습니다. 데이터 시스템은 여러 소스에서 데이터를 수집하여 정리하고 이 리포지토리에 저장합니다. 따라서 데이터 디펜스는 기업 내부 시스템을 통과하는 데이터의 무결성을 유지하기 위해 신뢰할 수 있는 데이터 소스를 식별, 표준화 및 관리함으로써 다운스트림 리스크를 최소화합니다. 다음과 같이 작업의 우선 순위를 지정합니다.

• 규제 준수 및 규정
• 분석을 사용하여 부정 행위 탐지
• 도난 방지를 위한 보안 조치

분산화

분산형 접근 방식은 중앙에서 관리되는 데이터 관리 시스템에 더 많은 유연성을 더합니다. 여러 사업부에서 동일한 데이터를 다르게 해석한다는 것을 인식합니다. 단일 데이터 소스에 안정적으로 매핑할 수 있는 제어된 데이터 변환을 허용하여 다양한 해석을 수용합니다.

예를 들어 재무 부서와 마케팅 부서 모두 매달 소셜 미디어 광고 지출 보고서를 작성하는 시나리오를 떠올려 봅니다. 광고 효과 분석에 관심이 있는 마케팅 부서는 클릭 수와 페이지 뷰에 지출이 어떤 영향을 미치는지 보고합니다. 재무 보고서는 지출이 현금 흐름에 어떤 영향을 미치는지 설명합니다. 보고서에 포함된 수치는 다르지만 두 보고서 모두 정확한 버전의 정보를 제시합니다.

균형 잡힌 데이터 전략 접근 방식

모든 기업은 데이터 전략의 성공을 위해 중앙 집중식 접근 방식과 분산형 접근 방식을 모두 통합해야 하지만, 균형을 맞추는 것은 복잡할 수 있습니다. 분산형 접근 방식은 실시간 작업으로 이루어지는 경향이 있으며 마케팅 및 영업과 같은 고객 중심의 비즈니스 기능과 보다 관련되어 있습니다. 중앙 집중식 접근 방식은 법무, 재무, 규정 준수 및 IT 부서에게 더욱 중요합니다. 균형 잡힌 데이터 전략을 통해 비즈니스 리더는 단일 데이터 원본을 일관된 방식으로 조정하여 비즈니스 요구 사항을 더 잘 충족할 수 있는 유연성을 확보할 수 있습니다.

자금이 지원되는 비즈니스 이니셔티브 파악

첫 번째 단계는 자금이 지원되는 비즈니스 이니셔티브에 맞춰 조정하는 것입니다. 이를 위해 Amazon의 거꾸로 일하기(Working Backwards)를 사용할 수 있습니다. 그런 다음, 해당 비즈니스 이니셔티브에 필요한 데이터를 결정합니다.  그런 다음 비즈니스 이니셔티브를 지원하는 데 필요한 데이터 기능을 식별합니다.

다음은 데이터 전략을 구축하기 위한 예제 단계입니다:  

• 다른 사람의 자금 지원 비즈니스 이니셔티브 지원
• 필요한 데이터 기능 파악
• 필요한 데이터의 상태 확인
• 데이터 전략 로드맵 구축
• 엔터프라이즈 아키텍처 및 프로젝트 관리와 같은 엔터프라이즈 운영 관행이 데이터 전략을 지원할 수 있는지 파악합니다.
• AI 전략 프로그램과 통합

팀 구축

데이터 전략의 성공을 위해서는 다양한 관점을 제시하는 적합한 인재를 찾는 것이 중요합니다. 팀은 다음과 같은 몇 가지 작업을 담당합니다.

• 리소스 할당 및 배포
• 정책 수립 및 개선
• 발생하는 데이터 관련 문제 해결
• 프로그램 상태 및 결과 전달

또한 데이터 거버넌스 역할을 할당하여 기술 배포, 표준 준수 보장, 정책 변경에 대한 업데이트 제공 등을 담당할 사람을 결정할 수 있습니다.

데이터 아키텍처 최적화

어떤 데이터 전략이든 실질적으로 성공하기 위해서는 올바른 도구와 기술이 필요합니다. 기존 데이터 인프라를 검토하고, 여러 팀이 현재 데이터를 사용하는 방식을 분석하고, 해결해야 할 격차를 파악해야 합니다. 이 단계에는 일반적으로 사용자의 요구 사항에 따른 기술 중심의 의사 결정이 포함되며, 여기에는 다음이 포함될 수 있습니다.

• 데이터 볼륨 및 유형
• 데이터 품질 및 분석
• 보안 및 규정 준수
• 데이터 수명 주기

궁극적으로는 올바른 보안 통제를 통해, 데이터를 필요로 하는 모든 이해 관계자가 최대한 데이터를 액세스하고, 공유하고, 활용할 수 있도록 하는 데이터 전략을 수립하는 것이 목표입니다.

AI 전략 프로그램과 통합

AI 및 ML에서 가치를 창출하려면 기본 데이터가 데이터의 적절한 품질, 통합, 보안 등을 보장하기 위해 AI 및 ML 모델과 관련된 특정 이니셔티브의 요구 사항을 충족해야 합니다. 따라서 데이터 전략 팀과 AI 전략 팀 간에 파트너십이 있어야 합니다.

AI/ML에 대한 특별 거버넌스 고려 사항

AI/ML은 데이터 전략에서 고려해야 할 새로운 기능을 도입합니다. 예:

• 특성 스토어
• 추가적인 규정 준수
• MLOps
• 새로운 윤리적 고려 사항
• 생성형 AI 고려 사항