Offcanvas

������ ��������� ���������

하이브리드 근무 시대의 EX, '직원 디지털 경험' 개선 팁 9선

업계 전문가에게 직원들의 ‘디지털 경험’을 개선할 수 있는 이니셔티브와 플랫폼이 무엇인지 물어본다면 (아마도) 수백 가지 이름을 들을 수 있을 것이다. 기업들은 적절한 워크플로우와 기능을 통해 셀프서비스를 활성화하고, 생산성을 향상하며, 협업을 촉진하고, 컴플라이언스를 개선할 수 있다.  많은 기업이 하이브리드 근무를 영구적인 운영 모델로 고려하면서 ‘직원 경험(EX)’ 개선이 그 어느 때보다 중요해졌다. 플랫폼 선택, 구축 방식, 이를 사용할 때의 전반적인 직원 경험은 직원 만족도 향상과 인재 유치 및 유지에 도움이 될 수 있다. 실제로 한 보고서에 따르면, 직원들을 지원하는 기술이 있는 회사는 직원 참여도가 230% 더 늘어났고, 직원들이 3년 이상 머무를 확률도 85% 더 증가했다.  컴퓨터, 네트워크 성능, 클라우드 프로비저닝, 기타 인프라 문제도 중요하지만 이러한 시스템은 직원 경험의 기준선일 뿐이다. 진정으로 중요한 것은 직원들에게 권한을 부여하고 아울러 직원들이 업무를 더 쉽고 빠르며 즐겁게 처리할 수 있도록 하는 애플리케이션, 워크플로우, 데이터 플랫폼이다. 클리어스카이(ClearSkye)의 CEO 존 밀번은 “제대로만 한다면 디지털 경험 플랫폼은 비즈니스를 가속하는 요소가 될 것”이라면서, “하지만 잘못하면 가장 중요한 자산인 직원들에게 장애물을 제공하게 된다”라고 말했다.    1. 시작을 간소화하는 ID 및 액세스 관리 직원들이 업무를 시작하기 위해 가장 먼저 하는 일은 무엇인가? 바로 회사 시스템에 로그인하고 액세스하는 것이다. 이 과정은 서비스형 소프트웨어(SaaS), 원격근무, 클라우드 애플리케이션의 시대가 되면서 점점 더 복잡해지고 있다. 한 보고서에 의하면 지난 2021년 전 세계 기업들은 평균 110개의 SaaS 애플리케이션을 사용했으며, 클라우드 서비스를 감안하면 그 수는 훨씬 더 많을 수 있다. 직원들이 하루에도 여러 번 인증해야 하고, 수십 개의 비밀번호를 기억해야 한다...

비즈니스 인텔리전스 데이터 관리 IT 관리 노코드 로우코드 직원 관리 직원 경험 직원 디지털 경험 하이브리드 근무 디지털 경험 플랫폼 고객 데이터 플랫폼 시민 데이터 과학자

2022.08.10

업계 전문가에게 직원들의 ‘디지털 경험’을 개선할 수 있는 이니셔티브와 플랫폼이 무엇인지 물어본다면 (아마도) 수백 가지 이름을 들을 수 있을 것이다. 기업들은 적절한 워크플로우와 기능을 통해 셀프서비스를 활성화하고, 생산성을 향상하며, 협업을 촉진하고, 컴플라이언스를 개선할 수 있다.  많은 기업이 하이브리드 근무를 영구적인 운영 모델로 고려하면서 ‘직원 경험(EX)’ 개선이 그 어느 때보다 중요해졌다. 플랫폼 선택, 구축 방식, 이를 사용할 때의 전반적인 직원 경험은 직원 만족도 향상과 인재 유치 및 유지에 도움이 될 수 있다. 실제로 한 보고서에 따르면, 직원들을 지원하는 기술이 있는 회사는 직원 참여도가 230% 더 늘어났고, 직원들이 3년 이상 머무를 확률도 85% 더 증가했다.  컴퓨터, 네트워크 성능, 클라우드 프로비저닝, 기타 인프라 문제도 중요하지만 이러한 시스템은 직원 경험의 기준선일 뿐이다. 진정으로 중요한 것은 직원들에게 권한을 부여하고 아울러 직원들이 업무를 더 쉽고 빠르며 즐겁게 처리할 수 있도록 하는 애플리케이션, 워크플로우, 데이터 플랫폼이다. 클리어스카이(ClearSkye)의 CEO 존 밀번은 “제대로만 한다면 디지털 경험 플랫폼은 비즈니스를 가속하는 요소가 될 것”이라면서, “하지만 잘못하면 가장 중요한 자산인 직원들에게 장애물을 제공하게 된다”라고 말했다.    1. 시작을 간소화하는 ID 및 액세스 관리 직원들이 업무를 시작하기 위해 가장 먼저 하는 일은 무엇인가? 바로 회사 시스템에 로그인하고 액세스하는 것이다. 이 과정은 서비스형 소프트웨어(SaaS), 원격근무, 클라우드 애플리케이션의 시대가 되면서 점점 더 복잡해지고 있다. 한 보고서에 의하면 지난 2021년 전 세계 기업들은 평균 110개의 SaaS 애플리케이션을 사용했으며, 클라우드 서비스를 감안하면 그 수는 훨씬 더 많을 수 있다. 직원들이 하루에도 여러 번 인증해야 하고, 수십 개의 비밀번호를 기억해야 한다...

2022.08.10

글로벌 칼럼 | 사전예방적 데이터 거버넌스의 시작은 '시민 데이터 과학자 지원'

‘현업에 데이터 및 시각화 도구를 제공하는 것’과 ‘보고서를 실행하는 업무에서 IT를 제외하는 것’은 완전히 별개의 문제다.  CIO가 기업의 데이터 전략에 불만을 토로할 수 있는 방법이 있을까?  비즈니스 사용자가 스프레드시트에서 데이터 시각화 및 기타 셀프서비스 비즈니스 인텔리전스 플랫폼으로 마이그레이션하는 데 얼마나 성공적이었는지 물어보면 된다. 그다음 최고 데이터 책임자(CDO)에게 증가하는 데이터세트에서 인사이트를 통합, 준비, 분석, 공유하려는 ‘시민 데이터 과학자’ 지원을 포함한 데이터 거버넌스 프로그램을 이끄는 게 얼마나 어려운지 질문하라.     최근 필자는 CIO닷컴의 ‘일의 미래 서밋(Future of Work Summit)’에서 노코드 및 로우코드 플랫폼을 활용하는 시민 개발 프로그램 관리 워크샵을 진행했다. 시민 데이터 과학을 주제로 한 이유는 많은 CIO와 CDO가 이러한 프로그램의 데이터 거버넌스를 구축하는 방법에 관해 조언을 구하고 있다는 사실을 알았기 때문이다.  게다가 지난 3월과 4월 각각 (1) 스프레드시트가 비즈니스를 어떻게 망치는지(‘스프레드시트가 비즈니스를 망친다?··· 5가지 위험성(5 ways spreadsheets kill your business)’) 그리고 (2) 스프레드시트를 비즈니스 워크플로우로 대체하는 방법(‘망치기 전에 바로잡자··· 스프레드시트 개선 방안 5가지(5 ways to improve on spreadsheets for business workflows)’)에 관해 기사를 쓴 이후였기 때문에, 서밋에 참석한 IT 및 데이터 리더에게 실제로 직면하고 있는 어려움이 무엇인지 너무나 들어보고 싶었다.  필자는 시민 데이터 과학 전문가 조직(CoE)을 개발하는 것에 관해 잘 알고 있으며, 10여 년 전 CIO로서 첫 번째 프로그램을 선보이기도 했다. 여기서는 필자의 신간 ‘디지털 트레일블레이저(Digital Trailblazer)’의 ‘...

시민 데이터 과학 시민 데이터 과학자 거버넌스 스프레드시트 데이터 애널리틱스 셀프서비스 인사이트 CDO 로우코드 노코드

2022.07.14

‘현업에 데이터 및 시각화 도구를 제공하는 것’과 ‘보고서를 실행하는 업무에서 IT를 제외하는 것’은 완전히 별개의 문제다.  CIO가 기업의 데이터 전략에 불만을 토로할 수 있는 방법이 있을까?  비즈니스 사용자가 스프레드시트에서 데이터 시각화 및 기타 셀프서비스 비즈니스 인텔리전스 플랫폼으로 마이그레이션하는 데 얼마나 성공적이었는지 물어보면 된다. 그다음 최고 데이터 책임자(CDO)에게 증가하는 데이터세트에서 인사이트를 통합, 준비, 분석, 공유하려는 ‘시민 데이터 과학자’ 지원을 포함한 데이터 거버넌스 프로그램을 이끄는 게 얼마나 어려운지 질문하라.     최근 필자는 CIO닷컴의 ‘일의 미래 서밋(Future of Work Summit)’에서 노코드 및 로우코드 플랫폼을 활용하는 시민 개발 프로그램 관리 워크샵을 진행했다. 시민 데이터 과학을 주제로 한 이유는 많은 CIO와 CDO가 이러한 프로그램의 데이터 거버넌스를 구축하는 방법에 관해 조언을 구하고 있다는 사실을 알았기 때문이다.  게다가 지난 3월과 4월 각각 (1) 스프레드시트가 비즈니스를 어떻게 망치는지(‘스프레드시트가 비즈니스를 망친다?··· 5가지 위험성(5 ways spreadsheets kill your business)’) 그리고 (2) 스프레드시트를 비즈니스 워크플로우로 대체하는 방법(‘망치기 전에 바로잡자··· 스프레드시트 개선 방안 5가지(5 ways to improve on spreadsheets for business workflows)’)에 관해 기사를 쓴 이후였기 때문에, 서밋에 참석한 IT 및 데이터 리더에게 실제로 직면하고 있는 어려움이 무엇인지 너무나 들어보고 싶었다.  필자는 시민 데이터 과학 전문가 조직(CoE)을 개발하는 것에 관해 잘 알고 있으며, 10여 년 전 CIO로서 첫 번째 프로그램을 선보이기도 했다. 여기서는 필자의 신간 ‘디지털 트레일블레이저(Digital Trailblazer)’의 ‘...

2022.07.14

RPA와 공생관계··· '분석 프로세스 자동화(APA)'란? 

RPA 봇이 오케스트레이션을 비롯해 자동화에 필요한 프론트라인 운영 요건을 제공한다면, ‘분석 프로세스 자동화(Analytics Process Automation, APA)’ 봇은 스마트 소프트웨어를 더 스마트하게 하기 위해 필요한 데이터과학 기능을 누구나 쉽게 사용할 수 있도록 지원한다.  오늘날 기술 업계에서 ‘봇’의 등장과 대중화는 전적인 환영을 받았다. 여기서 봇은 ‘소프트웨어 로봇’의 줄임말이다. 가장 기본적인 형태의 봇은 간단한 폼 기반 애플리케이션 화면으로 사용자의 상호작용을 추적하도록 설계된 화면 스크래핑 도구다.  RPA 분야에 속하는 봇은 지난 10년 동안 단순한 화면 스크래핑 도구 그 이상으로 발전했다. 현재의 봇은 정확하게 정량화 할 수 있는 반복적인 워크플로우 작업을 사람 대신 기계에 떠넘길 수 있는 정교한 방법이자 도구다.    그러나 봇 유니버스에는 RPA 봇만 존재하지 않는다. RPA 봇과 가까운 사촌이나 다름없는 ‘APA 봇’이 있으며, 이들은 ‘닭이 먼저냐, 달걀이 먼저냐’와 같은 관계를 공유하고 있다.  ‘분석 프로세스 자동화(Analytics Process Automation)’ 기능을 달리 일컫는 ‘APA 봇’이 RPA 봇과 함께 누구나 쉽게 데이터를 처리 및 분석할 수 있도록 하기 때문이다.  RPA와 APA의 차이점은? 만약 ‘RPA’가 데이터를 수집하고 분류하며 가져오는 오케스트레이션 도구라고 한다면, ‘APA’는 더 깊은 의미를 찾고 추론하기 위해 해당 데이터에 데이터 과학을 적용하는 것이다.  더 정확하게 살펴보자면, RPA는 API 없이 레거시 시스템, 최신 애플리케이션, 데이터베이스에서 데이터를 수집하고 집계한다. RPA 봇은 웹사이트 스크래핑, 광학문자인식(Optical Character Recognition; OCR) 등을 통해 정형 및 비정형 데이터를 수집한다.  APA는 분석 처리를 위해 데이터 집약적 프로세스를 자동화...

RPA 로봇 프로세스 자동화 APA 분석 프로세스 자동화 유아이패스 오토메이션애니웨어 블루프리즘 데이터 자동화 데이터 과학 시민 데이터 과학자 초자동화 애플리케이션 소프트웨어

2020.11.24

RPA 봇이 오케스트레이션을 비롯해 자동화에 필요한 프론트라인 운영 요건을 제공한다면, ‘분석 프로세스 자동화(Analytics Process Automation, APA)’ 봇은 스마트 소프트웨어를 더 스마트하게 하기 위해 필요한 데이터과학 기능을 누구나 쉽게 사용할 수 있도록 지원한다.  오늘날 기술 업계에서 ‘봇’의 등장과 대중화는 전적인 환영을 받았다. 여기서 봇은 ‘소프트웨어 로봇’의 줄임말이다. 가장 기본적인 형태의 봇은 간단한 폼 기반 애플리케이션 화면으로 사용자의 상호작용을 추적하도록 설계된 화면 스크래핑 도구다.  RPA 분야에 속하는 봇은 지난 10년 동안 단순한 화면 스크래핑 도구 그 이상으로 발전했다. 현재의 봇은 정확하게 정량화 할 수 있는 반복적인 워크플로우 작업을 사람 대신 기계에 떠넘길 수 있는 정교한 방법이자 도구다.    그러나 봇 유니버스에는 RPA 봇만 존재하지 않는다. RPA 봇과 가까운 사촌이나 다름없는 ‘APA 봇’이 있으며, 이들은 ‘닭이 먼저냐, 달걀이 먼저냐’와 같은 관계를 공유하고 있다.  ‘분석 프로세스 자동화(Analytics Process Automation)’ 기능을 달리 일컫는 ‘APA 봇’이 RPA 봇과 함께 누구나 쉽게 데이터를 처리 및 분석할 수 있도록 하기 때문이다.  RPA와 APA의 차이점은? 만약 ‘RPA’가 데이터를 수집하고 분류하며 가져오는 오케스트레이션 도구라고 한다면, ‘APA’는 더 깊은 의미를 찾고 추론하기 위해 해당 데이터에 데이터 과학을 적용하는 것이다.  더 정확하게 살펴보자면, RPA는 API 없이 레거시 시스템, 최신 애플리케이션, 데이터베이스에서 데이터를 수집하고 집계한다. RPA 봇은 웹사이트 스크래핑, 광학문자인식(Optical Character Recognition; OCR) 등을 통해 정형 및 비정형 데이터를 수집한다.  APA는 분석 처리를 위해 데이터 집약적 프로세스를 자동화...

2020.11.24

10년 후, 데이터 과학자 사라진다?··· ‘오토ML’로 싹 달라진다!

‘오토ML(AutoML)’은 개발자를 데이터 과학자로 바꿀 준비가 돼 있다. 반대 경우도 마찬가지다. 오토ML이 데이터 과학을 어떻게 더 나은 방향으로 변화시키는 걸까? 앞으로 10년 후에는, 현재 우리가 알고 있는 데이터 과학자가 없어질 것이다. 일자리가 사라질 걱정은 할 필요 없다. 데이터 과학자들도 걱정할 필요는 없다. 하는 일이 달라지는 것이기 때문이다. 오히려 미국 노동부(Bureau of Labor) 통계에 따르면 데이터 과학자의 역할은 2029년까지 평균보다 더 높은 속도로 확대될 전망이다.    설명하자면, 기술 발전으로 인해 데이터 과학자의 업무와 기업이 애널리틱스에 접근하는 방식에 큰 변화가 초래될 것으로 예상된다. 원시 데이터부터 모델까지 머신러닝 파이프라인을 자동화하는 오토ML 도구가 이러한 혁신적인 변화를 견인한다.  이에 따라 데이터 과학자들은 10년 후 완전히 다른 기술과 도구를 갖게 될 가능성이 크다. 그러나 복잡한 데이터를 활용해 비즈니스 문제를 해결할 수 있도록 지원하는 전문 가이드라는 점은 여전할 것이다. 데이터 과학을 ‘민주화’ 하는 오토ML 최근까지도 머신러닝 알고리즘과 프로세스는 거의 전적으로 전통적인 데이터 과학자, 즉 전문 교육을 받고 고급 학위를 취득했거나 또는 대규모 기술 기업에서 일하는 사람들만 다룰 수 있는 영역이었다. 데이터 과학자들은 머신러닝 개발 스펙트럼의 모든 부분에서 매우 중요한 일들을 해왔다.  하지만 머지않아 데이터 과학자들은 더욱더 협력적이고 전략적인 역할로 변화할 전망이다. 오토ML과 같은 도구를 사용해 학문적인 이론 및 기술을 자동화함으로써, 기업이 데이터를 통해 비즈니스 문제를 해결할 수 있도록 솔루션을 ‘가이드’하는 데 집중할 수 있다는 뜻이다.  이는 오토ML이 머신러닝 모델 구축을 ‘민주화’하기 때문에 가능한 부분이다. 이미 시장에서는 스타트업부터 클라우드 하이퍼 스케일러까지 여러 업체가 개발자를 대상으로 전문 교육이나 경험 측면...

데이터 과학 데이터 과학자 오토ML 개발자 시민 데이터 과학자 머신러닝 애널리틱스 AWS 마이크로소프트 애저 데이터 사이킷런 텐서플로우 파이토치

2020.11.20

‘오토ML(AutoML)’은 개발자를 데이터 과학자로 바꿀 준비가 돼 있다. 반대 경우도 마찬가지다. 오토ML이 데이터 과학을 어떻게 더 나은 방향으로 변화시키는 걸까? 앞으로 10년 후에는, 현재 우리가 알고 있는 데이터 과학자가 없어질 것이다. 일자리가 사라질 걱정은 할 필요 없다. 데이터 과학자들도 걱정할 필요는 없다. 하는 일이 달라지는 것이기 때문이다. 오히려 미국 노동부(Bureau of Labor) 통계에 따르면 데이터 과학자의 역할은 2029년까지 평균보다 더 높은 속도로 확대될 전망이다.    설명하자면, 기술 발전으로 인해 데이터 과학자의 업무와 기업이 애널리틱스에 접근하는 방식에 큰 변화가 초래될 것으로 예상된다. 원시 데이터부터 모델까지 머신러닝 파이프라인을 자동화하는 오토ML 도구가 이러한 혁신적인 변화를 견인한다.  이에 따라 데이터 과학자들은 10년 후 완전히 다른 기술과 도구를 갖게 될 가능성이 크다. 그러나 복잡한 데이터를 활용해 비즈니스 문제를 해결할 수 있도록 지원하는 전문 가이드라는 점은 여전할 것이다. 데이터 과학을 ‘민주화’ 하는 오토ML 최근까지도 머신러닝 알고리즘과 프로세스는 거의 전적으로 전통적인 데이터 과학자, 즉 전문 교육을 받고 고급 학위를 취득했거나 또는 대규모 기술 기업에서 일하는 사람들만 다룰 수 있는 영역이었다. 데이터 과학자들은 머신러닝 개발 스펙트럼의 모든 부분에서 매우 중요한 일들을 해왔다.  하지만 머지않아 데이터 과학자들은 더욱더 협력적이고 전략적인 역할로 변화할 전망이다. 오토ML과 같은 도구를 사용해 학문적인 이론 및 기술을 자동화함으로써, 기업이 데이터를 통해 비즈니스 문제를 해결할 수 있도록 솔루션을 ‘가이드’하는 데 집중할 수 있다는 뜻이다.  이는 오토ML이 머신러닝 모델 구축을 ‘민주화’하기 때문에 가능한 부분이다. 이미 시장에서는 스타트업부터 클라우드 하이퍼 스케일러까지 여러 업체가 개발자를 대상으로 전문 교육이나 경험 측면...

2020.11.20

'데이터 과학자' 영입보다 양성··· 한 제조서비스 회사의 업스킬링 사례

데이터 과학자 영입으로 고군분투했던 글로벌 제조 서비스 업체가 ‘시민 데이터 과학 프로그램(Citizen Data Science program)’이라는 카드를 꺼내들었다. 내부 인력을 데이터 과학자로 전환시킨 업스킬링 성공 사례를 살펴본다.  몇 년 전 미국의 제조 서비스 회사 자빌(Jabil)은 비즈니스 의사결정에 적극 활용할 수 있는 풍부한 데이터가 있었지만 정작 이를 쌓아 두기만 하고 실제로 써먹지 못하고 있었다. 전 세계 20만 명 이상의 직원을 둔 자빌은 28개국의 100개 공장을 현대화하는 ‘팩토리 오브 더 퓨처(Factory of the Future)’ 이니셔티브에 착수했다. 목표는 제조 라인에서 데이터를 추출해 분석하고, 여기서 얻은 인사이트를 바탕으로 프로세스를 개선하는 것이었다.    그러나 다른 많은 기업과 마찬가지로 자빌 역시 ‘데이터 과학자’를 물색하는 데 어려움을 겪었다. 자빌의 CIO 개리 캔트렐은 “전 세계에 데이터 과학자가 3명뿐인 것처럼 보일 지경이었다. 운이 없었던 것 같다. 그 이후에 실마리를 찾긴 했지만 처음에는 난관이 있었다”라고 말했다.  설사 데이터 과학자를 찾을 수 있었다고 해도 이 기업의 산업 분야와 관련된 전문 지식을 빠르게 익히는 것 또한 쉽지 않은 일이었다. 자빌의 비즈니스가 복잡하기 때문이다. 이 기업의 비즈니스는 의료부터 국방, 컴퓨팅, 스토리지, 네트워킹에 이르기까지 여러 산업별 설계 엔지니어링을 포괄한다. 이 밖에 전자제품과 소비재 업체를 대상으로 제조 및 공급망 서비스와 소재 기술 서비스까지 제공한다.  그는 “유능한 데이터 과학자를 큰 비용을 투자해 영입하더라도 이들을 우리의 비즈니스에 익숙해지도록 만들기까지 상당한 시간이 걸릴 것이라고 생각했다”라고 밝혔다.  캔트렐의 해결책은 ‘시민 데이터 과학 프로그램(Citizen Data Science program)’을 구축해 자사 비즈니스에 전문 지식이 있는 내부 인력들을 데이터 과학자로...

제조업 데이터 과학 데이터 과학자 데이터 애널리틱스 시민 데이터 과학자 업스킬링 머신러닝 예측 모델 크로스 펑셔널 팀 HR CIO

2020.06.15

데이터 과학자 영입으로 고군분투했던 글로벌 제조 서비스 업체가 ‘시민 데이터 과학 프로그램(Citizen Data Science program)’이라는 카드를 꺼내들었다. 내부 인력을 데이터 과학자로 전환시킨 업스킬링 성공 사례를 살펴본다.  몇 년 전 미국의 제조 서비스 회사 자빌(Jabil)은 비즈니스 의사결정에 적극 활용할 수 있는 풍부한 데이터가 있었지만 정작 이를 쌓아 두기만 하고 실제로 써먹지 못하고 있었다. 전 세계 20만 명 이상의 직원을 둔 자빌은 28개국의 100개 공장을 현대화하는 ‘팩토리 오브 더 퓨처(Factory of the Future)’ 이니셔티브에 착수했다. 목표는 제조 라인에서 데이터를 추출해 분석하고, 여기서 얻은 인사이트를 바탕으로 프로세스를 개선하는 것이었다.    그러나 다른 많은 기업과 마찬가지로 자빌 역시 ‘데이터 과학자’를 물색하는 데 어려움을 겪었다. 자빌의 CIO 개리 캔트렐은 “전 세계에 데이터 과학자가 3명뿐인 것처럼 보일 지경이었다. 운이 없었던 것 같다. 그 이후에 실마리를 찾긴 했지만 처음에는 난관이 있었다”라고 말했다.  설사 데이터 과학자를 찾을 수 있었다고 해도 이 기업의 산업 분야와 관련된 전문 지식을 빠르게 익히는 것 또한 쉽지 않은 일이었다. 자빌의 비즈니스가 복잡하기 때문이다. 이 기업의 비즈니스는 의료부터 국방, 컴퓨팅, 스토리지, 네트워킹에 이르기까지 여러 산업별 설계 엔지니어링을 포괄한다. 이 밖에 전자제품과 소비재 업체를 대상으로 제조 및 공급망 서비스와 소재 기술 서비스까지 제공한다.  그는 “유능한 데이터 과학자를 큰 비용을 투자해 영입하더라도 이들을 우리의 비즈니스에 익숙해지도록 만들기까지 상당한 시간이 걸릴 것이라고 생각했다”라고 밝혔다.  캔트렐의 해결책은 ‘시민 데이터 과학 프로그램(Citizen Data Science program)’을 구축해 자사 비즈니스에 전문 지식이 있는 내부 인력들을 데이터 과학자로...

2020.06.15

우버, '도모' 도입해 폭증하는 데이터 문제 해결

전 세계에서 폭발적으로 발생하는 데이터 문제는 오늘날 많은 기업의 공통 고민이다. 하지만 승차 공유 회사 우버는 이 문제를 해결하기 시작했다고 밝혔다. 도모팔루자(Domopalooza)의 가상 무대에 오른 우버 임원이 데이터 문제와 해결 방법에 대해 발표했다.   우버에서 글로벌 출장 및 경비를 담당하는 이사인 앤시아 크리틀은 자신의 사업부에서 역동적이고 투명한 방식으로 비즈니스를 통합하고 제시해야 하는 여러 가지 데이터 소스가 있다고 밝혔다. 크리틀은 “현업팀이 결과를 도출하는 데 도움이 되는 측정 항목의 투명성을 위해 데이터 및 분석 기능을 사용할 수 있도록 해야 했다”라며 “이전에는 매월 정보가 제공돼 현업은 좀더 역동적인 방식으로 데이터가 필요했다”라고 말했다.  "기존 팀 역량에 맞는 솔루션을 찾아야 했으며, 확장할 준비가 된 솔루션도 필요했다"라고 크리틀은 당시를 회상했다.  이 요청을 예상하여 팀은 이미 다양한 플랫폼을 검토했으며 도모를 선택했다. 크리틀은 “도모가 연결을 도와주었고 훌륭한 UX로 확장할 수 있게 해줬다”라며 우버에서 모바일 우선 전략을 세우는 것이 중요하다고 강조했다. 이어서 "이러한 방식으로 우리 팀은 자체 대시 보드에서 통찰력을 얻어 자체 결과를 끌어낼 수 있었다"라고 덧붙였다.  우버 선임 T&E 리포팅 애널리스트인 롭 와섬은 우버의 가장 큰 데이터 문제는 모든 것을 한곳에 모으는 것이라고 언급하며 다음과 같이 설명했다.  “우리에게는 속도가 빠른 데이터 시각화 및 수집 툴이 가장 중요했다. 도모는 데이터 과학자 없이도 사용하기 쉽도록 드래그 앤드 드롭 인터페이스를 포함해 우리 모두를 위해 이 모든 것을 구현했다. 이러한 방식으로 모든 클릭은 팀을 위해 실행 가능한 것으로 귀결된다. 이전에 여러 개의 대시보드가 있었다. 하지만 이제는 두 개의 서로 다른 대시보드를 만들고 모든 사람을 추가하는 기능이 마음에 든다. 또한 보고 기능을 통해 사람들의 마음을 사로잡...

빅데이터 승차 공유 EX 도모팔루자 Domo 도모 직원경험 시민 데이터 과학자 우버 분석 시각화 CMO 데이터 과학자 가상 컨퍼런스

2020.03.20

전 세계에서 폭발적으로 발생하는 데이터 문제는 오늘날 많은 기업의 공통 고민이다. 하지만 승차 공유 회사 우버는 이 문제를 해결하기 시작했다고 밝혔다. 도모팔루자(Domopalooza)의 가상 무대에 오른 우버 임원이 데이터 문제와 해결 방법에 대해 발표했다.   우버에서 글로벌 출장 및 경비를 담당하는 이사인 앤시아 크리틀은 자신의 사업부에서 역동적이고 투명한 방식으로 비즈니스를 통합하고 제시해야 하는 여러 가지 데이터 소스가 있다고 밝혔다. 크리틀은 “현업팀이 결과를 도출하는 데 도움이 되는 측정 항목의 투명성을 위해 데이터 및 분석 기능을 사용할 수 있도록 해야 했다”라며 “이전에는 매월 정보가 제공돼 현업은 좀더 역동적인 방식으로 데이터가 필요했다”라고 말했다.  "기존 팀 역량에 맞는 솔루션을 찾아야 했으며, 확장할 준비가 된 솔루션도 필요했다"라고 크리틀은 당시를 회상했다.  이 요청을 예상하여 팀은 이미 다양한 플랫폼을 검토했으며 도모를 선택했다. 크리틀은 “도모가 연결을 도와주었고 훌륭한 UX로 확장할 수 있게 해줬다”라며 우버에서 모바일 우선 전략을 세우는 것이 중요하다고 강조했다. 이어서 "이러한 방식으로 우리 팀은 자체 대시 보드에서 통찰력을 얻어 자체 결과를 끌어낼 수 있었다"라고 덧붙였다.  우버 선임 T&E 리포팅 애널리스트인 롭 와섬은 우버의 가장 큰 데이터 문제는 모든 것을 한곳에 모으는 것이라고 언급하며 다음과 같이 설명했다.  “우리에게는 속도가 빠른 데이터 시각화 및 수집 툴이 가장 중요했다. 도모는 데이터 과학자 없이도 사용하기 쉽도록 드래그 앤드 드롭 인터페이스를 포함해 우리 모두를 위해 이 모든 것을 구현했다. 이러한 방식으로 모든 클릭은 팀을 위해 실행 가능한 것으로 귀결된다. 이전에 여러 개의 대시보드가 있었다. 하지만 이제는 두 개의 서로 다른 대시보드를 만들고 모든 사람을 추가하는 기능이 마음에 든다. 또한 보고 기능을 통해 사람들의 마음을 사로잡...

2020.03.20

"자동화 늘면서 데이터 과학자 업무 부담 준다" 가트너

전문성은 다소 떨어질 수 있지만 데이터를 집계하고 정교하게 분석할 수 있는 ‘시민 데이터 과학자’가 늘어날 전망이다. ->모두가 빅데이터 전문가··· '시민 데이터 과학자'가 뜬다 가트너는 자동화 프로세스가 급증하고 인공지능 기기가 전문 데이터 과학자의 영역에 국한됐던 기술보다 우세해지면서 시민 데이터 과학자가 부상한다고 내다봤다. 그 결과 기존 빅데이터 업체들은 데이터 통합 및 모델 구축과 같은 복잡한 작업을 단순화하기 위해 모든 산업 분야에서 기업의 영역을 확대하고 있다고 가트너는 전했다. 가트너는 기업 사용자가 셀프서비스 분석과 데이터 과학자의 고급 분석 기술 간의 격차를 해소하는 개개인을 ‘시민 데이터 과학자’로 정의했다. 시민 데이터 과학자는 과거 더 많은 전문 지식이 필요했던 정교한 분석을 집계할 수 있게 되었다. 가트너 연구 책임자인 주앙 타파딘하스는 "대부분 기업에 비즈니스 전반에 걸쳐 일관되게 사용할 데이터 과학자가 충분하지 않다. 하지만 시민 데이터 과학자가 될만한 숙련된 정보 분석가는 많다"고 말했다. 타파딘하스는 "적절한 툴이 있으면 복잡한 진단 분석을 수행하고 예측이나 규범적 분석을 활용하는 모델을 만들 수 있으므로 일반 기업 사용자의 분석 범위를 뛰어넘어 깊이 있고 폭넓은 분석 프로세스로 전환할 수 있다"고 밝혔다. 가트너 연구 부회장인 알렉산더 린든도 자동화가 늘면서 기술 격차를 해소해 더 많은 분석가를 압도할 것이라는 의견을 내놨다. 그는 "단순성의 핵심은 반복적이고 수동적인 작업이며 심층적인 데이터 과학 전문 지식이 필요하지 않는 작업의 자동화다”고 강조했다. 타파딘하스는 “자동화의 결과로 훨씬 더 복잡한 데이터 유형을 포함해 더 많은 데이터 소스에 대한 접근이 늘어난다. 그 결과 좀더 다양하고 정교한 분석...

가트너 데이터 과학자 자동화 고급 분석 시민 데이터 과학자 셀프서비스 분석

2017.01.19

전문성은 다소 떨어질 수 있지만 데이터를 집계하고 정교하게 분석할 수 있는 ‘시민 데이터 과학자’가 늘어날 전망이다. ->모두가 빅데이터 전문가··· '시민 데이터 과학자'가 뜬다 가트너는 자동화 프로세스가 급증하고 인공지능 기기가 전문 데이터 과학자의 영역에 국한됐던 기술보다 우세해지면서 시민 데이터 과학자가 부상한다고 내다봤다. 그 결과 기존 빅데이터 업체들은 데이터 통합 및 모델 구축과 같은 복잡한 작업을 단순화하기 위해 모든 산업 분야에서 기업의 영역을 확대하고 있다고 가트너는 전했다. 가트너는 기업 사용자가 셀프서비스 분석과 데이터 과학자의 고급 분석 기술 간의 격차를 해소하는 개개인을 ‘시민 데이터 과학자’로 정의했다. 시민 데이터 과학자는 과거 더 많은 전문 지식이 필요했던 정교한 분석을 집계할 수 있게 되었다. 가트너 연구 책임자인 주앙 타파딘하스는 "대부분 기업에 비즈니스 전반에 걸쳐 일관되게 사용할 데이터 과학자가 충분하지 않다. 하지만 시민 데이터 과학자가 될만한 숙련된 정보 분석가는 많다"고 말했다. 타파딘하스는 "적절한 툴이 있으면 복잡한 진단 분석을 수행하고 예측이나 규범적 분석을 활용하는 모델을 만들 수 있으므로 일반 기업 사용자의 분석 범위를 뛰어넘어 깊이 있고 폭넓은 분석 프로세스로 전환할 수 있다"고 밝혔다. 가트너 연구 부회장인 알렉산더 린든도 자동화가 늘면서 기술 격차를 해소해 더 많은 분석가를 압도할 것이라는 의견을 내놨다. 그는 "단순성의 핵심은 반복적이고 수동적인 작업이며 심층적인 데이터 과학 전문 지식이 필요하지 않는 작업의 자동화다”고 강조했다. 타파딘하스는 “자동화의 결과로 훨씬 더 복잡한 데이터 유형을 포함해 더 많은 데이터 소스에 대한 접근이 늘어난다. 그 결과 좀더 다양하고 정교한 분석...

2017.01.19

모두가 빅데이터 전문가··· '시민 데이터 과학자'가 뜬다

대형 유통업체인 '시어스(Sears)'의 온라인 애널리틱스와 비즈니스 인텔리전스 선임 마크 피켓이 미국 해병대 소대장이었을 때 그는 부대원을 위해 모든 결정을 내릴 수 없음을 깨달았다. 그는 "모든 시나리오를 대비할 수 없고, 소통할 수 없을 때도 있었다"며 "결국 해병대원이 스스로와 부대원에 의지하도록 훈련하는 것이 방법이었다"고 말했다. 빅데이터 시대의 기업도 이와 다르지 않다. 이미지 출처: 시어스 피켓은 기업 내 여러 부서의 직원이 애널리틱스 툴과 기술로 그들의 데이터에서 필요한 답을 얻는 이른바 '시민 데이터 과학자 운동(citizen data scientist movement)'의 대표 주자이다. 그는 "시장에 대한 현업의 이해가 전례 없는 수준으로 깊어지고 있다"며 "우리는 이들을 지원해 스스로 분석작업을 하는 데 필요한 데이터를 제공하려고 노력한다"고 말했다. 시어스의 사례에서는 여건도 잘 맞았다. 시어스는 리테일 사업 전반에 걸쳐 각기 다른 유형의 제품을 판매하는 수많은 버티컬 사업의 집합체다. 피켓은 "우리는 잔디와 정원부터 가전제품과 의류, 보석, 매트리스까지 아주 다양한 사업을 벌이고 있다"며 "우리 팀은 이 모두를 지원하려고 하지만 우리는 현업이 하는 것처럼 사업을 이해하기는 매우 어려웠다"고 말했다. 그래서 피켓의 목표는 현업 직원이 데이터 관련된 작업의 80%를 스스로 처리해 답을 찾도록 하는 것이었다. 그는 플랫포라(Platfora)의 빅데이터 애널리틱스 플랫폼을 도입했는데, 알맞은 툴을 선정한 것이 큰 도움이 됐다. 현재 시어스에는 300명 이상의 교육받은 시민 데이터 과학자가 이 툴을 활용해 IT 팀의 도움 없이 매주 수천 개의 데이터 분석 보고서를 만들어 내고 있다. 강력한 셀프서비스 툴의 등장 시어스는 기업 특성 때문에 시민 데이터 과학자 모델이 성과를 거둘 ...

빅데이터 시민 데이터 과학자

2016.04.11

대형 유통업체인 '시어스(Sears)'의 온라인 애널리틱스와 비즈니스 인텔리전스 선임 마크 피켓이 미국 해병대 소대장이었을 때 그는 부대원을 위해 모든 결정을 내릴 수 없음을 깨달았다. 그는 "모든 시나리오를 대비할 수 없고, 소통할 수 없을 때도 있었다"며 "결국 해병대원이 스스로와 부대원에 의지하도록 훈련하는 것이 방법이었다"고 말했다. 빅데이터 시대의 기업도 이와 다르지 않다. 이미지 출처: 시어스 피켓은 기업 내 여러 부서의 직원이 애널리틱스 툴과 기술로 그들의 데이터에서 필요한 답을 얻는 이른바 '시민 데이터 과학자 운동(citizen data scientist movement)'의 대표 주자이다. 그는 "시장에 대한 현업의 이해가 전례 없는 수준으로 깊어지고 있다"며 "우리는 이들을 지원해 스스로 분석작업을 하는 데 필요한 데이터를 제공하려고 노력한다"고 말했다. 시어스의 사례에서는 여건도 잘 맞았다. 시어스는 리테일 사업 전반에 걸쳐 각기 다른 유형의 제품을 판매하는 수많은 버티컬 사업의 집합체다. 피켓은 "우리는 잔디와 정원부터 가전제품과 의류, 보석, 매트리스까지 아주 다양한 사업을 벌이고 있다"며 "우리 팀은 이 모두를 지원하려고 하지만 우리는 현업이 하는 것처럼 사업을 이해하기는 매우 어려웠다"고 말했다. 그래서 피켓의 목표는 현업 직원이 데이터 관련된 작업의 80%를 스스로 처리해 답을 찾도록 하는 것이었다. 그는 플랫포라(Platfora)의 빅데이터 애널리틱스 플랫폼을 도입했는데, 알맞은 툴을 선정한 것이 큰 도움이 됐다. 현재 시어스에는 300명 이상의 교육받은 시민 데이터 과학자가 이 툴을 활용해 IT 팀의 도움 없이 매주 수천 개의 데이터 분석 보고서를 만들어 내고 있다. 강력한 셀프서비스 툴의 등장 시어스는 기업 특성 때문에 시민 데이터 과학자 모델이 성과를 거둘 ...

2016.04.11

IDG 설문조사

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.

10.5.0.8