Offcanvas
2024.01.25 Bob Violino  |  CIO
성공적인 데이터 전략을 운영하는 것은 쉬운 일이 아니다. 추구해야 할 방향성을 정하는 것도 필요하지만 동시에 실수와 그릇된 판단을 피하는 것도 중요하다. 업계 전문가는 데이터 전략 구축 시 어떤 실수를 피하고 있는지 알아보았다.
 
ⓒ Getty Images Bank

기업이 데이터를 수집, 저장, 정리, 접근, 보호하는 방식은 목표를 달성하는 데 핵심적인 역할을 한다. 안타깝게도 데이터 전략의 성공으로 가는 길에는 많은 어려움이 따르므로 CIO 및 기술 리더는 미리 신중하게 계획안을 만들어야 한다. 특히 다음 8가지 실수는 피하면서 데이터 전략을 구축하길 추천한다.

실수 1. 기업의 목표를 무시
조직의 전반적인 비즈니스 목표를 고려하지 않고 데이터 전략을 수립하려 하는가? 이는 실패로 가는 지름길이다. 집중해야 할 바를 무시하고 시간과 돈을 투자하는 것이 의미가 없는 일이나 다름없다.

금융 서비스 회사인 밴가드(Vanguard)의 최고 데이터 분석 책임자 라이언 스완은 “성공적인 데이터 전략을 대규모로 구축하려면 데이터를 수집하고 분석하는 것 이상의 것을 생각해야 한다”라며 “특히 중심이 되는 미션이 없다면, 조직이 데이터 이니셔티브의 우선순위를 정하고, 리소스를 효율적으로 할당하기 어렵다. 거기에 자신의 업무가 비즈니스 성과에 어떤 진정한 영향을 미치는지 명확하게 이해하기 어렵기에 관련 인력을 육성하는 것이 어려울 수 있다”라고 설명했다.

스완은 “데이터와 분석을 통해 실행 가능한 인사이트를 수집하여 개인화된 고객 경험을 제공하고, 투자 및 비즈니스 운영을 최적화하고, 위험을 줄임으로써 투자에 대한 높은 성공 기회를 얻을 수 있다”라고 말했다.

데이터 스튜어드십은 기업 목표 달성을 돕는 데이터 전략을 만드는 데 도움을 준다. 여기서 말하는 데이터 스튜어드십란 데이터 체계적이고 접근 가능한 고품질 데이터를 지속적으로 담당자에게 제공하는 관리 체계다.

의료 관리 컨설팅 회사 임팩트 어드바이저스(Impact Advisors)의 CISO이자 수석 고문인 마크 존슨은 “조직은 종종 데이터 관리 체계를 마련하지 않은 채 서비스와 애플리케이션을 가동하고 실행한다”라며 “재해 복구, 비즈니스 연속성, 정보 보안과 마찬가지로 데이터 전략도 신중하게 고려하고 정의하여 나머지 부분에 정보를 제공하는 동시에 강력한 비즈니스를 구축할 수 있는 기반을 제공해야 한다”라고 설명했다.

실수 2. 비정형 데이터 과소평가
조직이 축적하는 데이터의 대부분은 텍스트, 비디오, 오디오, 소셜 미디어, 이미지로 대표되는 비정형 데이터다.

이러한 데이터 소스는 기업에 엄청난 가치를 제공하며 고객과 시장 동향에 대한 새로운 인사이트를 얻게 해준다. 그러한 데이터를 무시하는 것은 큰 실수다.

엔터프라이즈 소프트웨어 개발업체인 IFS의 CTO인 케빈 밀러는 “비정형 데이터의 적절한 사용은 IT 리더에게 점점 더 중요해질 것”이라며 “혁신 및 추가적인 비즈니스 가치 창출해 준다는 점에서 비정형 데이터는 무시할 수 있는 것이 아니다. 실행 가능한 인사이트를 얻기 위해 비정형 데이터를 사용하는 것은 IT 리더에게 중요한 과제가 될 것이다.”라고 설명했다.

밀러는 비정형 데이터의 이점을 극대화하려면 명확한 목표를 정의하라고 조언했다. 밀러는 “비정형 데이터 활용의 목표는 무엇인지 스스로 물어야 한다”라며 “동시에 비정형 데이터가 매출이나 시장 성장, 비용 효율성 또는 기타 전략적 성과에 어떻게 기여할 것인지도 따져봐야 한다. 이런 질문으로 전략이 비즈니스 목표에 부합하고 그 결과로 얻은 인사이트가 실행 가능한지 파악할 수 있다”라고 밝혔다.

비정형 데이터 소스 중에서도 어떤 것이 핵심 가치와 인사이트를 제공할 수 있는지 평가할 줄 알아야 한다. 밀러는 “비정형 데이터의 가치는 비즈니스 환경이 변화하고 새로운 데이터 소스를 사용할 수 있게 됨에 따라 계속 진화한다”라며 “IT 리더는 비정형 데이터에서 도출된 인사이트의 효과를 평가하기 위해 정기적인 검토 주기를 정하고 인사이트가 실행 가능하고 관련성을 유지할 수 있도록 지속적인 모니터링과 개선을 위한 프로세스를 구축해야 한다”라고 조언했다.

또한 명확한 개인정보 보호, 규제 준수, 데이터 거버넌스 정책을 수립도 중요하다. 밀러는 “많은 산업과 국가에서 데이터 개인정보 보호 및 보안과 관련된 엄격한 규제를 시행하고 있다”라며 “데이터 거버넌스 규칙을 수립하고 준수하면 향후 발생할 수 있는 법적 및 금전적 처벌을 받는 것을 피할 수 있다. 또한 명확한 거버넌스 규칙은 데이터 수집, 저장 및 형식 지정에 대한 표준을 정의하여 데이터 품질을 보장함으로써 분석의 정확성과 신뢰성을 높인다”라고 밝혔다.

실수 3. 데이터 사일로 생성
데이터 사일로로 인해 비즈니스 사용자의 정보 액세스가 거부되는 것은 수년 동안 문제가 되어 왔다. 현재 많은 부서, 사업부 또는 그룹이 데이터 분석에 참여하고 있는 가운데, 다른 팀원이 사용할 수 없는 시스템에 데이터를 저장하면 데이터의 가치가 떨어질 수 있다.

편의점 운영업체인 레이스트렉(RaceTrac)의 엔터프라이즈 데이터 및 고급 분석 담당 이사 존 윌리엄스는 데이터 사일로는 일관성 없는 데이터와 운영 비효율성을 초래한다고 지적했다.

약 800개의 매장을 보유한 레이스트랙은 매장에 설치된 카메라와 주유 펌프에 내장된 사물 인터넷(IoT) 장치에서 수집한 데이터는 물론 연간 2억 6천만 건의 거래를 포함하는 상당한 양의 데이터를 처리하고 있다.

윌리엄스는 “과거 레이스트렉은 사업 또는 부서가 각각 보고서 생성을 위해 서로 다른 공식, 프로세스, 정의를 개발했다. 그 결과 동일한 데이터에서 서로 다른 결론과 권장 사항이 나오게 되었다”라고 말했다.

레이스트렉은 사일로 현상을 없애기 위해 조직 전체 및 여러 시스템에서 데이터를 공유할 수 있는 통합 데이터 환경을 구축했다. 윌리엄스는 “중앙 집중식 데이터 관리 시스템을 구현하고 부서 간 커뮤니케이션을 장려했다. 이는 조직 전체에서 신뢰할 수 있는 데이터의 일관성과 접근성을 보장하는 데 중요한 역할을 했다”라고 설명했다.

기술적으로 레이스트랙은 알레이션(Alation)의 데이터 인텔리전스 플랫폼을 활용하여 데이터를 중앙 집중화하고 필요에 따라 사용자에게 셀프 서비스 분석을 제공하고 있다.

실수 4. 데이터팀 분산
데이터 자체는 물론 데이터 팀을 분산시키는 것은 조직에 문제를 일으킬 수 있다. 밴가드의 스완은 “고립된 데이터팀 구조는 비즈니스 성과를 창출하는 효과적인 데이터 전략을 개발하고 확장하려는 조직에 특히 문제가 된다”라며 “데이터팀을 중앙 집중화하고, 비즈니스와 물리적으로 함께 위치하며, 비즈니스에 맞춰 목표를 설정하도록 구성하는 것이 좋다”라고 조언했다.

스완은 또한 통합된 데이터팀은 조직 전체에서 원활한 데이터 통합, 공유 및 협업을 가능하게 하는 통합 데이터 에코시스템을 구축하는 데 도움을 준다.

스완은 “데이터 전문가와 비즈니스 간의 긴밀한 협업은 가치 있고 지속적인 인사이트를 제공하고, 프로세스를 개선하며, 효율성을 구축하고, 주요 운영 영역에서 마찰을 줄인다”라며 “이러한 환경은 데이터 및 분석 전문가들에게도 만족감을 더 줄 수 있다”라고 설명했다.

실수 5. 데이터 거버넌스 무시
데이터 거버넌스는 모든 데이터 전략의 핵심이 되어야 한다. 그렇지 않으면 데이터 품질 저하, 일관성 결여, 규정 미준수 등의 문제가 발생할 수 있다.

윌리엄스는 “표준화된 데이터 관리 접근 방식이 없는 상황에서 데이터의 품질과 일관성을 유지하는 것은 어려운 일이다”라며 “레이스트랙도 알레이션을 도입하기 전에는 실제로 해당 문제를 경험했다. 그 결과 데이터에 대한 신뢰가 부족하고 중복된 노력으로 인해 데이터 기반 의사 결정을 하는 데 방해를 받았다”라고 밝혔다.

조직은 강력한 데이터 거버넌스 프레임워크를 구축해야 한다고 윌리엄스는 말했다. 여기에는 데이터 관리자를 지정하고, 투명한 데이터 소유권을 확립하고, 데이터 정확성, 접근성 및 보안에 대한 지침을 구현하는 것이 포함된다.

윌리엄스는 “데이터 리니지, 거버넌스, 협업을 위해 데이터 인텔리전스 플랫폼을 사용하면 조직의 모든 구성원이 분석 및 보고를 위한 과정에서 신뢰할 수 있는 데이터 소스에 쉽게 접근할 수 있다”라고 설명했다.

실수 6. 품질이 낮은 데이터 사용
데이터는 정확할 때만 조직에 가치를 준다. 그렇지 않을 경우 잘못된 의사 결정으로 이어져 고객 경험을 망칠 수 있다.

임팩트 어드바이저의 존슨은 안 좋은 데이터 또는 품질이 낮은 데이터가 AI의 가장 큰 문제라고 말했다. 존슨은 “생성형 AI도 비슷한 문제를 겪고 있다”라며 “AI 기업의 대규모 언어 모델 학습 과정에서도 저품질 데이터가 활용될 때가 있다. 그래서 챗봇 응답 결과에 '조작된' 출처와 사실이 나오는 경우가 있는 것”이라고 설명했다.

존슨은 데이터 정제(cleansing) 도구가 저품질 데이터 문제를 해결하는 데 도움이 된다고 밝혔다. 존슨은 “하지만 결국 엔티티, 속성, 관계, 데이터 유형, 제약 조건, 계층 등에 대한 공통 데이터 모델을 갖춘 신중한 데이터 전략이 뒷받침돼야 한다”라고 말했다.

실수 7. 실시간 데이터에 대한 가시성 부족
실시간 데이터를 활용할 수 있는 능력이 없으면 기업은 고객 수요 변화에 적응하고 더 나은 고객 경험을 제공할 기회를 놓칠 수 있다.

윌리엄스는 “빠르게 진화하는 비즈니스 환경에서 실시간 데이터에 신속하게 접근하고 이해할 수 있는 역량을 갖추는 것은 조직에 경쟁 우위를 제공하는 데 매우 중요하다”라고 설명했다.

조직 데이터에 대한 포괄적인 관점이 없으면 데이터의 의도된 목적을 파악하고, 정확성을 판단하고, 품질을 개선하고, 중복성을 식별하는 것이 어려워진다고 윌리엄스는 말했다. 포괄적인 관점이 없으면 결국 의사 결정 과정을 신뢰할 수 없거나, 정상 범위 이하의 데이터 도는 너무 오래된 데이터를 사용할 수 있다는 것이다.

윌리엄스는 “신뢰할 수 있는 데이터를 기업 전체에 걸친 자산으로 전환하려면 데이터 사용자가 조직 내 전체 데이터 수명주기를 철저히 이해해야 한다”라고 말했다. 실제로 레이스트랙은 데이터 혁신 이후 규정 준수를 간소화하고 영향 분석을 간소화했으며, 업스트림 데이터의 변경 사항을 실시간으로 이해관계자에게 즉시 알리는 시스템을 구축했다. 윌리엄스는 “결과적으로 데이터 이용자는 데이터에 기반한 의사결정을 더욱 자신 있게 실시간으로 내릴 수 있었다”라고 밝혔다.

실수 8. 다양한 배경을 가진 인재의 중요성을 간과
기업에는 데이터 전문 지식을 갖춘 전문가가 필요하며, 데이터 전략을 실행하는 데 도움이 되는 직책을 채우려면 후보자 풀을 넓혀 놓으면 좋다.

밴가드의 스완은 “데이터 및 분석 인재를 찾을 때 코딩이나 프로그래밍 배경을 갖춘 사람만 고집한다면 효과적인 데이터 전략을 수립하기 어려울 수 있다”라며 조언했다.

스완은 “다양성을 가진 팀은 혁신성이 증가하며 더 많은 정보에 입각한 의사 결정을 내리고, 문제 해결 방식을 다양하게 살펴볼 수 있다. 고객의 요구와 선호도에 대해서도 더 깊이 이해할 수 있다”라며 “데이터 및 분석 인재에 대해 ‘천편일률적인’ 접근 방식은 협업, 사고의 다양성, 성과 향상을 저해할 수 있다”라고 설명했다.

밴가드 내 최고 데이터 및 분석 팀은 다양한 배경을 가진 인재를 채용하고 있으며, 그중에는 수학, 영어, 경영학을 전공한 직원도 있다.
ciokr@idg.co.kr
추천 테크라이브러리

회사명:한국IDG 제호: CIO Korea 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아01641 등록발행일자 : 2011년 05월 27일

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

Copyright © 2024 International Data Group. All rights reserved.