Offcanvas

디지털 트랜스포메이션 / 빅데이터 | 애널리틱스

칼럼ㅣ애널리틱스 맛은 재료가 좌우, ‘데이터 공급망’을 개선하라

2022.06.27 David Angelow  |  CIO
데이터는 애널리틱스 및 의사결정의 핵심 원료이고, 강력한 데이터 공급망은 비즈니스 결과를 개선한다.

오늘날 기업들은 그 어느 때보다 많은 데이터를 가지고 있으며 데이터 아키텍트, 애널리스트, 데이터 과학자가 모든 비즈니스 부문에서 널리 채용되고 있다. 
 
ⓒGetty Images Bank

하지만 기업들이 더 나은 의사결정을 내리고자 데이터를 활용하기 위해 유능한 애널리스트를 두고 경쟁을 벌이면서 정작 데이터 공급망과 데이터 품질은 개선하지 못하는 경우가 많다. 탄탄한 데이터 공급망 관리 관행이 마련되지 않으면 데이터 품질은 저하될 수밖에 없다. 

열악한 데이터 품질은 이니셔티브가 기대 가치를 달성하지 못하는 주요 원인으로 꼽힌다. 가트너에 따르면 최대 60%의 비즈니스 이니셔티브가 데이터 품질 문제로 실패한다. 기업들이 인공지능(AI)/머신러닝(ML) 기반의 의사결정으로 나아가면서 데이터 품질은 더욱더 시급한 문제가 된다. AI/ML 모델을 지원하는 데이터가 부정확하거나 불완전하거나 오래된 경우 모델은 원하는 결과를 제공하지 못한다.

데이터는 애널리틱스 및 의사결정의 핵심 원료다. 모든 유능한 비즈니스 리더는 “최선의 의사결정을 내리기 위해 어떻게 하면 데이터 품질을 개선할 수 있을까?”라고 물어야 한다. 그 대답은 기업의 데이터 공급망에서 결과를 개선하여 애널리틱스 기능에 골칫거리가 되지 않도록 하는 것이다.

그렇다면 데이터 공급망의 결과를 어떻게 개선할 수 있는가?

• 퍼스트 마일/라스트 마일 데이터의 영향 이해
• 공급망 복잡성/비용 감소
• 데이터 품질 모니터링 및 보고 개선

공급망은 다음의 3가지 주요 요소로 구성된다.
 
ⓒDavid Angelow

퍼스트 마일/라스트 마일의 영향
퍼스트 마일/라스트 마일과 관련해서는 데이터 소싱(업스트림)을 시작으로 전반적인 공급망 문제를 처리해야 한다. 애널리틱스 및 의사결정에 사용할 수 있는 데이터가 절실하기 때문에 기업들은 (다운스트림에서 고객에게 데이터를 제공하는) ‘라스트 마일’에 더 많은 투자를 해야 한다. 

데이터 공급망에서의 ‘고객’은 분석, 보고 등을 위해 데이터를 필요로 하는 내부 부서 또는 팀이다. 문제는 처음부터 데이터 소스를 올바르게 캡처하고, 데이터 공급망을 이동할 때 데이터 품질이 저하되지 않도록 하는 것이다.

물리적 공급망의 성능을 평가하는 주요 공급망 관리 지표는 OTIF(On-Time-In-Full; 적시적량배송)다. 이 가치를 개선하는 것은 최종 고객 및 업무 수행 역량과 직접적인 관련이 있기 때문에 극적인 결과를 가져올 수 있다. 다운스트림 프로세스의 데이터 품질 및 가용성의 영향에 초점을 맞춘 지표를 활용하면 기업의 인지도를 높이는 데도 도움이 될 수 있다.

Recommended action plan: 데이터 공급망 지도를 작성하라. 공급망 가시성 및 소싱 개념은 물리적 공급망 관리뿐만 아니라 데이터 공급망에도 적용된다. ‘고객 리드 타임’뿐만 아니라 데이터 소스, 모든 트랜스포메이션 활동을 이해하면 기업이 위험을 식별하고 완화하는 데 도움이 된다. 기업이 고객 니즈를 얼마나 잘 충족하고 있는지 평가하는 측정 기준을 마련하면 어디에 초점을 맞춰 개선해야 하는지 파악할 수 있다. 

공급망 복잡성
공급망 복잡성은 다운스트림 니즈를 충족하는 데 필요한 기능 네트워크를 설명하는 용어다. 필요한 공급업체, 비즈니스 기능, 유통업체 수가 많을수록 복잡성도 커진다.

공급망의 각 추가 요소는 복잡성을 증가시키고, 복잡성이 증가하면 변동성도 증가한다. 변동성은 품질의 주요 과제다. 물리적 공급망에서 기업은 업스트림 복잡성을 줄이려고 한다. 데이터 공급망에는 다양한 내부 및 외부 데이터 소스(데이터 브로커, 소셜 미디어/감정 분석 등)가 있으며, 물리적 공급망과 마찬가지로 데이터 공급망의 복잡성을 줄이면 전반적인 품질 향상에 도움이 된다.

복잡성을 줄이는 게 어떻게 품질을 향상시킬 수 있을까? 시스템 수가 적을수록 데이터 변환이 줄어들어 데이터 가용성과 정확성이 높아진다.

Recommended action plan: 다운스트림에서 사용할 수 있는 데이터 목록을 작성하고, 소스 시스템에 매핑한다(내부 대 외부). 흔히 2개 이상의 시스템에서 공통 속성이 생성돼 복잡성이 증가한다. 각 데이터 요소에 다운스트림 소비를 위한 단일 시스템을 식별/선택하고 가능한 한 적은 수의 시스템에서 데이터를 얻는 것을 목표로 ‘기록 시스템(SOR)’을 설정한다.

데이터 모니터링 및 보고
데이터 품질은 오늘날 대부분의 기업에서 핵심 성과 지표(KPI)가 돼야 한다. 출력 품질은 입력 품질에 따라 달라진다. 지금까지 먹어본 맛있는 식사와 이를 맛있게 만든 게 무엇인지 생각해 보라. 물론 장소와 분위기도 중요하지만 재료 품질이 결과에 직접적인 영향을 미친다.

데이터 품질을 평가하는 방법과 빈도는 기업마다 다를 수 있다. 다양한 부서는 품질 평가를 위해 다른 방법을 사용할 수 있다. 이를테면 회계는 마케팅보다 더 엄격할 수 있다. 하지만 왜 다르게 평가돼야 하는가? 좋은 의사결정은 양질의 데이터를 기반으로 하며, 모든 부서가 가능한 한 최선의 결정을 내려야 하지 않을까?

Recommended action plan: 데이터 품질 측정의 공통 공식을 수립하고, 모든 부서에서 일관되게 활용한다(데이터 품질 점수). 평가할 데이터의 양은 샘플링 및 추정이 필요하며, 접근 방식은 일관돼야 한다. 예를 들면 100개의 레코드를 샘플링하고, 각각을 검토하며, 오류를 식별한 다음 오류가 없는 레코드를 계산하여 올바르게 생성된 데이터의 백분율을 파악하는 방법이 있다.

데이터 공급망은 많은 기업에서 새롭게 부상하고 발전하는 개념이다. 데이터 공급망 결과를 개선할 인재를 찾고 유지하는 것은 기업의 경쟁 우위에 중요하다. 물론 유형 제품(물리적 공급망)과 무형 제품(데이터 공급망) 사이에는 차이가 있지만 실제 세계의 많은 개념과 도구를 데이터에 적용할 수 있으며, 그 결과는 물리적 공급망을 개선하는 것만큼 효과적이다. 시작하기 위해 기다리지 말자.

* Dave Angelow는 관리 컨설턴트이자 美 텍사스 주립대학교 맥코이(McCoy) 경영대학원 겸임교수다. 그는 딜로이트 컨설팅, EY, 델, AT&T 등에서 IT 운영 및 비즈니스 개발 분야 리더십을 맡은 바 있다. ciokr@idg.co.kr
 
Sponsored
추천 테크라이브러리

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 편집인 : 박재곤 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2022 International Data Group. All rights reserved.