오늘날 데이터 중심성에 대한 언급 없이는 회의실 안건이 완성되지 않습니다. 그러나 아직까지 데이터 중심성이 정확히 무엇인지에 대해 손가락질할 수 있는 사람은 아무도 없습니다. 대부분의 조직은 지난 100년 동안 사업을 해 온 조직이라도
데이터 중심성에 대한 생각이 갑자기 깨어났습니다. 데이터에 대한 집중은 최근의 현상이 아니며, 소셜 및 머신 데이터가 데이터 폭발을 가져왔습니다. 조직은 데이터 폭발 이전에도 데이터 마이닝에 능숙했으며, 이보다 더 좋은 예는 무엇일까요?
데이터 중심성에 대한 연례 보고서를 인용할 수 있을까요?
데이터 중심성에 대한 모든 소문에도 불구하고 전자상거래 산업을 제외하고 다른 어떤 산업도 아직까지 소셜 데이터를 효과적으로 활용할 수 없었습니다. 질문은 얼마나 많은 데이터가 채굴되고 있으며 분석에도 유용합니까? 실제 사용 사례가 없으면,
비즈니스 정당성, 데이터와 관련된 모든 프로그램은 여전히 헛된 꿈으로 남을 것입니다. 모두가 데이터 중심성에 대해 이야기하지만 이를 달성하기 위한 논리적 순서를 정하려는 실제 시도는 이루어지지 않았습니다. 데이터 현대화 여정을 시작한 모든 조직에 물어보세요
지난 10여년 동안 현장에서는 실제로 아무것도 변하지 않았다는 것을 비공개로 인정할 것입니다. 데이터 중심성이라는 이름으로 데이터 플랫폼, 레이크, 마트, 볼트 등을 구현함으로써 기술적 부채가 증가했지만, 기업에서는 이를 빛나는 것으로 여깁니다.
새로운 기술 장난감. 아무도 비즈니스 컨텍스트를 구축하고 비즈니스를 진행하는 것에 대해 생각하지 않았고 결과적으로 의도된 수혜자였던 바로 그 사용자가 이를 버렸기 때문에 조직은 데이터 플랫폼을 활용하는 데 어려움을 겪고 있습니다.
데이터 중심성은 기술 솔루션을 요구하는 것이 아니라 비즈니스 소유권, 영향 및 결과를 요구합니다. 핵심을 파악하는 것은 종종 고통스러운 일이며, 이것이 데이터 중심 비전의 성공과 실패를 정의합니다.
아래의 데이터 중심성 피라미드를 살펴보고 데이터 중심성이라는 험난한 개념에 생명력을 불어넣기 위해 다양한 계층을 어떻게 주의 깊게 구성해야 하는지 이해해 보겠습니다. 이 블로그에서는 처음 두 레이어, 즉 기둥(Pillars)과 추기경(Cardinal)을 다루겠습니다.
조직으로서의 원칙은 종종 첫발을 올바르게 내딛는 데 어려움을 겪습니다.
*다음 블로그에서는 핵심 및 기본 원칙과 함께 기본 기능 및 데이터 제어에 대해 더 자세히 알아볼 예정입니다.
데이터 중심성의 핵심:
- 비용과 가치: 본질적인 가치와 중요성이 없는 자산은 무엇입니까? 데이터는 자산으로 인식되므로 조직이 데이터의 가치를 파악하고 필요한 제어 기능을 마련하는 것이 중요합니다. 실용적이지도 않아요
모든 데이터 자산에 집중하는 것은 바람직하지 않으며, 가장 중요한 데이터 자산을 식별하고 우선순위를 지정하는 것이 좋습니다. - 문해력 : 고객 중심, 규정 준수, 수익과 같은 주요 지표 및 KPI를 정의하고 측정하려면 데이터 유형, 크기 및 사용량 외에 데이터의 비즈니스 컨텍스트에 대한 지식이 중요합니다.
- 민주화: 통찰력을 얻기 위해 데이터를 채굴해야 하는 사람들의 손에 데이터가 자유롭게 제공되지 않는 한, 자산은 실제 가치가 전혀 없는 명목상의 상태로 남아 있습니다. 신뢰할 수 있는 데이터를 적시에 확보하는 것이 셀프 서비스 성공의 핵심입니다.
활성화. - 거주 데이터가 수집, 공유, 소비되는 방식 국법에 따라 움직인다. 조직은 다양한 지역에서 운영되며 데이터 보호 및 개인 정보 보호에 대해 해당 국가의 법률을 준수해야 합니다. 데이터
따라서 공유 및 액세스는 데이터 중심이라는 비전을 달성하는 데 매우 중요합니다. - 문화: 풀뿌리 수준의 사람들이 데이터 처리의 중요성과 결과를 인식하기 시작하지 않는 한 어떤 수준의 전략이나 기술 투자도 데이터 중심성을 가져올 수 없습니다.
데이터 중심성의 기본 원칙
- 주인 : 소유권은 책임을 확립하고 데이터 도메인이 적절하게 정의되고 데이터 제품이 비즈니스 요구에 따라 제공되는지 확인하는 데 핵심입니다. 소유권은 데이터의 중요성과 함께 확인되어야 합니다. 일반
소유권 매트릭스는 조직의 복잡성과 현실을 고려할 수 없습니다. 각 운영 모델에는 비즈니스 현실을 반영하기 위한 상황화가 필요합니다. - 조화: 여러 정의를 제거하고 공통 표준, 정의 및 정책을 설정하면 데이터 조화에 큰 도움이 됩니다. 마케팅, 규정 준수, 서비스 팀은 고객에 대해 서로 다른 정의를 가질 수 없습니다.
- 추적성: 규정에 따라 감사 가능성과 추적 가능성이 더욱 강조되었습니다. e2e 프로세스를 이해하고 데이터 흐름을 밑줄 프로세스에 매핑하는 것이 중요합니다. 데이터 수명주기를 이해하면 필요한 정보를 얻을 수 있습니다.
통찰력. - 목적에 적합: 자신있게 사용할 수 없다면 데이터는 무엇입니까? 통찰력의 품질은 입력 데이터의 품질만큼 좋습니다. 따라서 엄격한 데이터 거버넌스 및 데이터 관리는 본질적으로 데이터 품질을 보장하는 것입니다. 데이터 품질
비즈니스와 기술 개념을 모두 다루는 전체적인 접근 방식이 필요합니다. DQ 도구를 도입함으로써 데이터 품질이 달성되었으며 이제 탐구해야 할 것은 AI/ML뿐이라는 사실과 더 이상 다를 수 없습니다. - 보안: 데이터 보안은 더 이상 강제 사항이 아니라 비즈니스 존재 자체에 매우 중요합니다. 보안 정책을 정의하고 정교한 도구를 조달하는 것만으로는 보안을 달성할 수 없습니다. 데이터 보안 요구 사항은 언제든지 발생합니다.
수집, 처리, 이용, 접근, 보관부터 대내외 공유까지를 포괄합니다. 데이터 보안을 개인 정보 보호 및 거버넌스와 연계하면 루프를 닫는 데 도움이 됩니다.
조직이 기본 원칙과 원칙을 파악하면 기능과 제어 기능을 배치하는 것이 훨씬 쉬워집니다. 이에 대해서는 다음 블로그에서 논의해 보겠습니다.
