Offcanvas
81
%
자료 제목 :
애널리틱스 지향적인 기업 만들기
Becoming an analytics-driven organization to create value
자료 출처 :
Ernst and Young
원본자료 다운로드
발행 날짜 :
2021년 09월 15일

BI / 데이터센터 / 빅데이터 | 애널리틱스 / 스토리지

기고 | 데이터 사일로 해체, 올바른 자동화 전략으로 할 수 있다

2021.09.27 Anna Frazzetto  |  CIO
언스트 앤 영(Ernst and Young)의 최근 보고서에 따르면 데이터가 모든 의사결정의 중심에 있어야 한다는 개념을 적극 받아들이는 조직이 81%에 이르는 나타났다. 그러나 데이터가 여전히 고립된 저장소(사일로)에 보관되어 있어서 의사 결정 과정이 지연되는 조직이 많은 실정이다.

데이터가 다양한 사일로에 서로 다른 형식과 구성으로 갇혀 있다면 조직 도처에 무슨 일이 일어나는지 파악하기가 어려울 수 있다. 그 결과 의사 결정 과정이 길어지고 결과는 나빠진다. 이처럼 고립된 시스템을 해체하는 해법 중 하나는 출처가 서로 다른 데이터를 한 데 모아서 보다 완전한 소비와 분석을 가능케 하는 자동화 솔루션이다.
 
Image Credit : Getty Images Bank

접근성 높은 데이터를 위한 BPA와 RPA 비교
자동화는 데이터의 접근성을 크게 높여줄 수 있다. 각종 시스템에서 데이터를 수집하여 일반적인 형태로 변환하고 오류 여부를 확인하는 지루한 작업을 처리해 주기 때문이다. 이러한 집중적인 데이터 최적화 작업을 기계가 대신해준다면 업무 최전선의 실무 사용자에게 데이터의 접근성이 더욱 높아진다. 결과적으로 개발자가 아니어도 노코드 또는 로우코드 툴을 이용해 추가적인 자동화를 쉽게 구축하는 선순환이 가능해진다.

자동화로 높아진 자율성을 갖춘 이들 사용자는 프로세스와 워크플로를 믿기 어려울 만큼 효율적으로 만들 수 있고 유용한 데이터 주도 결정을 빠르게 내릴 수 있다.

자동화를 논할 때 사람들은 로보틱 프로세스 자동화(RPA) 툴을 떠올리는 경향이 있다. RPA 툴은 수동 작업을 통해서만 접근 가능한 데이터 접근에는 매우 도움이 될 수 있다. 그러나 확장하기 어렵다. 공급원이 서로 다른 데이터를 통합하고 정리 및 표준화할 수 있는 워크플로로 여러 프로세스를 짜집기 해 넣는 일도 RPA 툴로는 어렵다. RPA가 기본적으로 자주 바뀌지 않는 정례적인 작업에 적합하기 때문이다. 예를 들면, 한 시스템에서 다른 시스템으로의 데이터 이주 작업이나 고정 구형시스템으로부터의 데이터 수집을 자동화하는 작업이 있다.

RPA와 비교해 비즈니스 프로세스 자동화(BPA) 플랫폼은 확장성과 유연성이 더 크다. 이를 이용하면 사내 애널리스트와 비즈니스 리더들이 데이터 조작과 통합을 위한 규칙을 만들고 워크플로를 구축할 수 있다. BPA 플랫폼은 보고서와 대시보드 구축도 수월하게 해 준다. 이러한 보고서와 대시보드는 트렌드를 제시하고 계산 및 규칙을 활용하는 의사 결정 체계 구축에 사용될 수 있다.

대부분의 BPA 플랫폼에는 통합 엔진이 있어서 프로그래밍 인터페이스(API), 사전 구축된 통합본, 심지어 직접 데이터베이스 호출과 같은 다양한 공급원으로부터 역동적으로 데이터를 끌어올 수 있다. 이러한 기능은 전사적으로 일어나는 일에 대해 보다 완벽한 그림을 그릴 수 있도록 해준다.

일반적으로 이러한 통합 프로세스는 즉시 이용 가능하고 개발자가 아니어도 활용할 수 있다. 적절한 통합본을 이용할 수 없는 경우에 대비해 대부분의 플랫폼에서는 개발자가 나서서 커스텀 통합본을 만들 수 있도록 소프트웨어 개발자 툴킷(SDK)를 제공하고 있다.

통합 문제 극복
공급원이 서로 다른 데이터를 통합하면 큰 그림을 보다 쉽게 볼 수 있기는 하지만, 그리 간단한 작업이 아니다. 기업 곳곳의 애플리케이션과 데이터베이스에 상주하는 중복되고 일관성 없는 데이터로 인해 여전히 문제가 발생할 수 있다. 데이터를 정상화하려면 작업과 시간이 약간 더 필요하다. 오류를 확인하고 형식을 변환하며 합병 과정에서 흔하게 발생하는 불일치를 해결할 규칙을 수립해야 하기 때문이다.

고객, 제품, 공급업체 데이터는 기업의 다양한 시스템 도처에 존재한다. 즉, 데이터 불일치가 발생할 수 있다는 뜻이다. 이러한 문제를 피하는 방법은 기업 전체에 걸쳐 필수 데이터의 일관성을 유지시키는 핵심 참조 데이터(모든 시스템에서 접근 가능)에 대한 기준을 구축하고 하나의 집합으로 만드는 것이다. 

회사를 위한 범용 핵심 참조 데이터를 만들면 똑같은 데이터가 다른 여러 장소와 형식으로 존재함으로써 야기되는 충돌이 사라지고 데이터 품질과 사용성 개선에 큰 도움이 된다.

이와 같은 단일 진실 공급원을 마련하기 위해서 많은 조직들이 마스터 데이터 관리(MDM)를 위한 워크플로, 비즈니스 규칙, 내장 통합 엔진이 있는 BPA 플랫폼 활용에 나서고 있다. 이러한 탄탄한 통합 기능, 그리고 단일 플랫폼 내에서 데이터 이용 가능성을 높이는 프로세스를 자동화하는 기능 덕분에 BPA 플랫폼은 MDM 관리에 탁월한 선택으로 부상하고 있다.

위험은 적고 보상은 풍부
이러한 자동화 플랫폼은 일관성 있고 깨끗한 데이터에 대한 접근성을 높이는 데 매우 도움이 될 수 있는 반면, 고려해야 할 위험들도 있다. 

첫번째는 업체에 종속될 위험이다. 한 플랫폼에서 구축된 프로세스는 다른 플랫폼으로 쉽게 이주할 수 없다. 조직들은 이러한 점을 염두에 두고 업체 선정에 충분한 시간을 들여야 한다.

염두에 두어야 할 또 다른 중요한 요소는 관리 및 통제이다. 더 많은 직원에게 유연하고 탄탄한 툴이 더 많이 제공될 수록 위험이 늘어난다. 경험이 부족한 사람들이 민감한 데이터와 툴로 작업을 하기 때문이다. 강력한 데이터 보안과 감독을 보장하려면 통제 및 억제 장치를 늘려야 한다.

이러한 위험에도 불구하고 적합한 데이터 자동화 전략은 기업에게 조직 전반에 걸쳐 무슨 일이 일어나고 있는 알려줄 수 있다. 도전 과제와 기회에 대한 정확하고 큰 그림을 제공할 수 있는 최선의 길이기도 하다.

* Anna Frazzetto는 텐셜(Tential)의 최고 디지털 책임자(CDO)다. ciokr@idg.co.kr
CIO Korea 뉴스레터 및 IT 트랜드 보고서 무료 구독하기
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.