전문가로부터 직접 듣는 엔터프라이즈 데이터 전략 구축을 위한 5단계

데이터는 무서운 단어일 수 있습니다.

그래서는 안 되지만 그렇습니다. 대부분 사람들이 그것을 관리하는 방법에 어려움을 겪기 때문입니다.

많은 기업이 데이터가 너무 많아서 다음에 어디로 가야할지 모르는 지점에 도달했습니다. 다른 사람들은 규모가 너무 작아서 엔터프라이즈 데이터 전략에 투자할 필요가 없다고 생각합니다.

사실, 회사 규모와 데이터의 현재 상태에 관계없이 데이터 전략을 구현하면 이점을 얻을 수 있습니다.

귀하의 시작을 돕기 위해 우리는 다음의 전문 지식을 활용했습니다. 조시아 코소프스키, HubSpot 비즈니스 인텔리전스 팀의 그룹 제품 관리자(즉, 사내 데이터 전략 전문가)

이 기사를 다 읽을 때쯤이면 회사의 현재 데이터 성숙도 수준, 전략을 수립하기 전에 고려해야 할 요소, 그리고 그 과정에서 도움이 되는 몇 가지 단계에 대해 더 잘 알게 될 것입니다.

대중의 믿음에도 불구하고, 엔터프라이즈 데이터 전략은 대량의 데이터를 보유한 대기업만을 위한 것이 아닙니다. 실제로 소규모 기업은 초기에 데이터 전략에 투자하고 확장하는 데 도움이 되는 기반을 마련함으로써 이점을 얻을 수 있습니다.

엔터프라이즈 데이터 전략의 이점

많은 조직이 직면하는 일반적인 함정은 많은 양의 데이터를 수집하는 동안 모든 팀이 이를 자신만의 방식으로 해석한다는 것입니다. 표준 보고 방법은 없으며 각 팀은 동일한 측정항목에 대해 서로 다른 값을 보고할 수 있습니다.

이는 무엇이 정확한지 명확하게 이해하지 못한 채 모든 사람이 서로 다른 데이터를 갖게 된다는 것을 의미합니다. 단일 진실 소스가 없으면 데이터를 신뢰하고 귀중한 통찰력을 얻는 것이 엄청나게 어려워집니다.

Kossowski는 "데이터는 사일로에만 존재하지 않습니다."라고 말했습니다. “마케팅팀은 다른 팀이 영향력을 행사할 수 없는 마케팅 관련 데이터만 사용하지는 않습니다. 그들은 다양한 영역에서도 정보를 얻고 싶어할 것입니다.”

그녀는 계속해서 이렇게 말합니다. "그러므로 해당 팀이 서로 의사소통할 수 있도록 하려면 거버넌스 및 표준화 요소와 공통 언어가 정말 중요합니다."

따라서 EDS를 구현하면 정보 사일로를 방지하고 데이터에 대한 신뢰를 허용하며 의사 결정을 내릴 수 있습니다.

엔터프라이즈 데이터 전략을 구축할 때 고려해야 할 사항

1. 현재 데이터 성숙도 수준

Kossowski가 전략을 수립하기 전에 가장 먼저 권장하는 것은 자체 평가입니다.

스스로에게 물어보세요. 귀하의 회사는 데이터 성숙도 단계에서 어디에 속합니까?

작은 골짜기 회사가 실제로 얼마나 데이터 기반인지 판단하는 데 도움이 되는 널리 사용되는 "데이터 성숙도 모델"을 보유하고 있습니다. 4가지 단계가 있습니다:

• 데이터 인식 – 귀하의 회사는 보고 시스템을 표준화하지 않았으며 시스템, 데이터 소스 및 데이터베이스가 통합되어 있지 않습니다. 게다가 데이터 자체에 대한 신뢰도도 부족합니다.
• 데이터에 능숙함 – 데이터, 특히 품질에 대한 신뢰가 여전히 부족합니다. 데이터 웨어하우스에 투자했지만 아직 누락된 부분이 있습니다.
• 데이터에 정통함 – 귀하의 회사는 귀하의 데이터를 바탕으로 비즈니스 결정을 내릴 수 있습니다. 그러나 IT는 온디맨드 방식으로 신뢰할 수 있는 데이터를 제공하기 위해 노력하므로 비즈니스 리더와 IT 사이에는 여전히 해결해야 할 몇 가지 문제가 있습니다.
• 데이터 기반 – IT와 비즈니스는 긴밀하게 협력하며 동일한 입장에 있습니다. 이제 기초 작업(특히 데이터 소스 통합)이 이미 성공적으로 구현되었으므로 데이터 전략 확장에 중점을 둡니다.

여기서 가장 중요한 것은 회사가 어디에 속하는지에 대해 현실적이 되는 것입니다.

Kossowski는 “내가 보기에 가장 큰 함정은 회사가 데이터 성숙 단계에 있는지 자신에게 솔직하지 못한 것이라고 생각합니다.”라고 말했습니다.

그녀는 데이터가 어떻게 당신을 이끌었는지에 대해 당신이 느끼는 감정을 살펴보는 것만으로는 충분하지 않다고 덧붙입니다. 생각 당신 회사는요. 사실을보세요.

귀하의 회사가 현재 직면하고 있는 데이터 문제를 식별하는 것부터 시작하십시오. 이는 귀하의 현재 위치를 나타내는 훌륭한 지표입니다.

2. 귀하의 산업 및 회사 규모

귀하가 속한 업계와 회사 규모에 따라 데이터 전략에 중앙 집중식 접근 방식을 취할지 아니면 분산 접근 방식을 취할지 여부가 결정됩니다.

하지만 이러한 접근 방식을 분석하기 전에 공격과 방어라는 두 가지 데이터 전략 프레임워크에 대해 이야기해 보겠습니다.

Kossowski와 대화하는 동안 그녀는 이 프레임워크(자세히 설명)에 대해 이야기했습니다. 여기에서 지금 확인해 보세요.)는 HubSpot이 자체 전략을 개발하는 데 도움을 주었습니다.

데이터 방어는 데이터 보안, 액세스, 거버넌스 및 정확성과 같은 사항을 우선시하는 반면, 데이터 공격은 의사 결정을 가능하게 하는 통찰력을 얻는 데 중점을 둡니다.

모든 회사에는 공격과 방어의 균형이 필요합니다. 그러나 일부는 해당 산업에 따라 스펙트럼의 한쪽 끝에 더 의존합니다.

예를 들어 의료 기관이나 금융 기관은 데이터 개인정보 보호와 보안이 가장 중요한 매우 민감한 데이터를 다룰 가능성이 높습니다.

실시간 데이터와 빠른 통찰력을 얻는 것이 최우선 순위는 아니지만 데이터에 액세스할 수 있는 사람에 대한 가드레일을 제공하는 것은 아마도 최우선 순위일 것입니다. 따라서 그들은 방어 프레임워크에 더 많이 기울게 될 것입니다.

반면에, 빠르게 움직이는 경향이 있고 데이터 통찰력의 빠른 전환에 더 많이 의존하는 산업인 기술 회사가 있습니다.

그래서 그들은 공격에 더 많이 의존합니다. 그렇긴 하지만, 기술 회사(및 기타 빠르게 변화하는 산업)에는 금융과 같이 국방에 더 중점을 두는 부서가 확실히 있습니다.

이제 중앙 집중화 및 분산 전략으로 돌아갑니다.

사용하는 프레임워크는 어떤 전략이 회사에 가장 적합한지 알려줍니다.

중앙 집중식 구조에는 데이터와 보고서를 관리하고 준비하는 중앙 집중식 보고 또는 비즈니스 인텔리전스(BI) 팀이 있습니다.

Kossowski는 "이러한 [구조]는 소규모 조직에서 훨씬 더 잘 작동할 수 있으며, 특히 느리게 움직일 것이기 때문에 방어를 우선시하는 조직에서는 더욱 그렇습니다."라고 말했습니다. "당신은 병목 현상이 될 것이지만, 당신은 또한 그것의 모든 부분을 엄격하게 통제할 수 있습니다."

반면 분산 모델은 공격적인 접근 방식을 취하는 대규모 팀에 더 적합합니다. 이렇게 하면 각 팀이 빠르게 움직일 수 있고 자신에게 맞는 방식으로 작업을 수행할 수 있습니다.

이 모델에서 BI는 단순히 플랫폼을 담당하고 팀이 개발 작업을 수행하는 동안 가드레일을 설정한다고 Kossowski는 설명합니다.

“조직을 생각해보면 회사 규모가 커지고 팀이 중앙 집중화될수록 확장하기가 점점 더 어려워집니다.”라고 그녀는 말했습니다. "결국 이를 달성하려면 점점 더 많은 사람을 고용해야 합니다."

"그래서 내 생각에 회사의 특정 규모에서는 어쨌든 점점 더 분산화된 [전략]을 향해 움직이게 될 것입니다."

따라서 귀하의 업계와 규모에 가장 적합한 프레임워크가 무엇인지 이해하고 나면 적절한 전략을 구현할 수 있습니다.

3. 데이터 관리팀

Kossowski에 따르면 데이터 과학은 현재 데이터 관리에서 가장 뜨거운 주제입니다. 그리고 그녀는 틀리지 않았습니다.

2012년에 Harvard Business Review에서는 이 이름을 붙였습니다. 21세기 가장 섹시한 직업. 거의 10년 후, 글래스 도어 미국에서 두 번째로 좋은 직업으로 선정되었습니다.

그러나 데이터 관리 팀에 어떤 역할을 추가할지 논의 중이라면 데이터 과학자가 첫 번째 선택이 되어서는 안 됩니다.

Kossowski는 데이터 과학이 이를 뒷받침하는 데이터만큼만 좋아질 것이라고 강조합니다. 그리고 해당 데이터가 신뢰할 수 없다면 귀중한 통찰력을 얻을 수 없습니다.

“데이터 과학은 마술처럼 잘못된 데이터를 통찰력으로 바꾸는 마술 지팡이가 아닙니다. 그럼에도 불구하고 여전히 데이터 기반이 필요할 것입니다.”라고 그녀는 덧붙입니다. "그래서 차세대 큰 일이기 때문에 무언가를 시작하는 것은 큰 관심사라고 생각합니다."

데이터 성숙도 모델의 초기 단계에 있는 경우 Kossowski는 어디에 노력을 집중해야 하는지 제안합니다.

“SQL 작성 및 SQL 테이블 구축 경험이 있는 데이터 웨어하우스 설계자 또는 데이터 분석가입니다.”라고 그녀는 말합니다. “한 사람만 고용하려고 하는데 데이터가 그렇게 많지 않다면 이는 매우 강력한 고용이 될 수 있습니다. 규모가 작을 때 한 사람이 할 수 있는 일이 많기 때문입니다. 그들은 다양한 모자를 쓰고 다양한 것을 배울 수 있습니다.”

데이터를 웨어하우스에 수집하는 등 보다 기술적인 작업을 수행하는 데 사용할 수 있는 타사 도구가 있습니다.

이 단계에서 정말로 필요한 것은 데이터 구조화를 도와줄 사람입니다.

1. 데이터 아키텍처 개요를 작성합니다.

가장 먼저 하고 싶은 일은 데이터를 세부적인 수준에서 이해하는 것입니다.

이러한 질문에 자신에게 물어 :

• 데이터는 어디에 저장되나요?
• 어떤 유형의 데이터를 어떤 소스에서 수집할 예정인가요?
• 데이터는 어떻게 구성되나요?

여기서 목표는 데이터의 구조를 이해하는 것입니다.

구조에 대한 이해가 없으면 데이터 관리 방법에 대한 포괄적인 계획을 세울 수 없습니다.

2. BI와 팀 간의 관계를 정의합니다.

데이터 전략과 관련하여 가장 중요한 단계 중 하나는 프로세스에 참여하는 팀을 정의하고 BI에 대한 기대치를 설정하는 것입니다.

이전에 데이터 전략에 대해 생각해 본 적이 없는 대규모 조직에서는 모든 팀이 다른 모델을 따르고 BI와 다른 관계를 갖고 있어 BI가 간소화되고 표준적인 방식으로 운영되기 어려운 경우가 많습니다.

또한 데이터 분석가와 BI의 역할 사이의 경계가 모호해집니다.

데이터 분석가는 해당 팀과 관련된 비즈니스 논리와 수집되는 데이터의 구조를 알아야 합니다. 반면 BI는 지원하는 운영 영역에 대한 구체적인 지식을 가질 필요가 없으며 대신 데이터 소스에 집중하고 분석가를 지원하기 위한 플랫폼을 관리해야 합니다.

BI가 팀의 특정 비즈니스 로직에 맞게 프로세스를 정기적으로 조정하면 모든 작업이 느려지고 지속적인 재학습이 필요하게 됩니다.

Kossowki의 제안? BI 계층에서 비즈니스 논리를 제거하고 최대한 많은 팀과 관련된 작업을 수행하세요.

또한 표준 분석가 프로필과 BI와 팀 간의 관계 모델을 생각해 보세요.

Kossowski는 "우리가 전체 플랫폼이 아닌 데이터 세트에 대해 작업하는 곳이 여전히 있을 것입니다. 하지만 가능한 한 기본 데이터를 정리하여 참여를 쉽게 만들고 있지만 그렇지 않습니다. 실제로 이러한 조인과 논리를 수행합니다.”

3. 소유권을 할당합니다.

팀과 BI 간의 관계를 설정한 후 다음 단계는 누가 무엇을 소유할지 정의하는 것입니다.

데이터의 각 부분에 대해 서로 다른 소유자를 갖는 것이 일반적입니다. 예를 들어 한 사람이나 팀이 운영 데이터를 소유하고 다른 사람이나 팀은 보고 데이터를 소유할 수 있습니다.

파이프라인의 여러 단계에서 소유자를 할당해야 할 수도 있습니다. BI 팀은 특정 단계에서 데이터를 소유한 다음 분석가에게 전달할 수 있습니다.

Kossowski는 소유권이 데이터를 생성하는 팀에서 시작된다고 믿습니다.

“그들은 데이터에 대한 어느 정도의 소유권을 느껴야 하고, 뭔가 잘못되었을 경우 어느 정도 책임을 져야 합니다.”라고 그녀는 말했습니다. “소스에 문제가 있으면 BI가 할 수 있는 일이 거의 없기 때문입니다.”

그녀는 계속해서 말합니다. "그리고 그 수준에서 패치 패치를 적용하려고 하면 나중에 더 많은 문제에 직면하게 될 것이므로 관계도 중요합니다."

4. 데이터 거버넌스를 확립하십시오.

데이터 거버넌스는 정확성과 품질을 보장하기 위해 데이터를 수집하고 저장하는 방법을 알려주는 일련의 정책 및 규정입니다.

간단히 말해서 데이터 거버넌스는 “안녕하세요, 우리가 만든 이 진실 데이터 소스를 사용하고 그 일부가 되고 싶으신가요? 그렇다면 이 기준을 충족해야 합니다."

여기에는 코딩 표준 충족, 특정 수의 검토자 확보, 특정 문서화 프로세스 준수가 포함될 수 있습니다.

Kossowski는 “거버넌스와 채택에 대해 생각할 때 실제로는 준수를 위해 시행할 수 있는 메커니즘에 관한 것입니다.”라고 말했습니다.

거버넌스와 관련하여 고려해야 할 두 가지 부분은 문화적 측면과 기술적 측면입니다.

문화적 관점에서 팀이 이러한 표준을 채택하도록 하려면 어떻게 해야 합니까? 기술적인 관점에서 모든 작업에 동작 수정이 필요하지 않도록 자동화할 수 있는 프로세스는 무엇입니까?

이 두 부분을 생각할 때 분석가 측과 엔지니어(또는 소스 팀) 측을 모두 고려해야 합니다.

Kossowski는 엔지니어링 팀의 경우 데이터가 제품이나 책임의 핵심 부분이 아니기 때문에 웨어하우스에 들어올 때 데이터가 어떤 모습인지 생각하기 어려울 수 있다고 설명합니다.

분석가와 긴밀하게 협력하는 데이터 기반 조직이 아니면 데이터의 실질적인 이점을 보지 못할 수도 있습니다. 이 경우 분석가는 데이터가 X 결정에 영향을 미친다는 것을 전달할 수 있으므로 데이터가 Y 요구 사항을 의미할 때까지 결정을 내릴 수 없습니다.

분석가의 경우 비즈니스에 더 가깝고 직접적인 영향을 확인할 수 있기 때문에 이점을 더 쉽게 확인할 수 있습니다. 데이터 거버넌스 표준을 따르면 BI에 대한 의존도가 낮아져 작업이 더 빠르게 진행된다는 것을 알 수 있습니다.

“데이터에서 얻은 통찰력은 제품에 대한 결정을 내리는 데 힘을 실어주어야 합니다. 왜냐하면 그것이 제품 및 엔지니어링 팀을 확보할 수 있는 유일한 방법이기 때문입니다.

데이터의 가치를 받아들이고 내보내는 데이터에 대해 생각합니다.”라고 Kossowski는 말했습니다.

5. 정기적으로 재평가하십시오.

데이터 성숙도 모델의 어느 부분에 속하든 데이터 전략에는 항상 약간의 조정이 필요합니다.

Kossowski는 "[HubSpot에서] 우리는 3개년 계획과 각 연도에 무슨 일이 일어날지에 대한 모든 아이디어를 가지고 있습니다."라고 말했습니다. 하지만 지금부터 1년 후에 보면 상황이 어떻게 바뀌었는지에 따라 조정하고 싶은 부분이 있을 것이라고 충분히 예상합니다.”

예를 들어, 귀하의 제품이나 서비스에 새로운 기능을 도입하고 이제 더 민감한 고객 데이터를 수집하고 있다고 가정해 보겠습니다. 이를 위해서는 보다 방어적인 접근 방식이 필요할 수 있습니다. 회사가 기하급수적으로 성장하는 경우 중앙 집중식 전략 대신 분산 전략으로 전환해야 할 수도 있습니다.

회사 운영 방식에 변화가 없더라도 여전히 재평가가 필요할 수 있습니다. 다음은 데이터 전략을 검토해야 할 시점이라는 두 가지 주요 지표입니다.

• 일이 얼마나 오래 걸리는지에 대한 좌절감이 있습니다.
• 데이터에 대한 신뢰가 부족합니다.

Kossowski는 이 둘 사이의 균형을 찾는 것이 중요하다고 말합니다.

그녀는 “BI가 모든 작업을 수행하는 것을 원하지는 않을 것입니다. 그렇게 하면 시간이 오래 걸리기 때문입니다. 그러나 또한 분석가 집단에서 실제로 의존할 수 없을 정도로 많은 자유를 누리고 싶지도 않습니다. 데이터."

경험상 좋은 규칙은 6개월에서 1년마다 전략을 검토하는 것입니다. 비즈니스 리더, IT 및 팀과 대화하여 모든 사람이 진행 상황에 대해 어떻게 생각하는지 이해하고 어떤 변경이 필요한지 결정하세요.

데이터 성숙도 수준, 업계, 회사 규모가 모두 취하는 단계에 영향을 미치기 때문에 EDS 구축 프로세스는 회사마다 다릅니다.

귀하의 회사가 현재 어디에 있는지 조사함으로써 귀하의 비즈니스의 특정 요구 사항을 충족하는 전략을 개발할 수 있습니다.

출처: https://blog.hubspot.com/marketing/enterprise-data-strategy