기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

비즈니스 목표에 맞게 데이터 전략 조정

AWS 고객은 데이터 프로젝트와 회사 목표 간의 조정이 부족하면 일반적으로 비즈니스에 거의 가치를 전달하지 않는 오용되고 과도하게 설계된 데이터 플랫폼이 생성된다고 말합니다. 데이터 자산의 낮은 재사용성, 데이터 불일치, 열악한 데이터 검색, 긴 대기 시간 및 낮은 데이터 품질이 일반적인 불만 사항입니다.

데이터 전략 구축에서 발생하는 일반적인 실수로, 기술 도구 및 추세에 너무 집중하고, 엣지 도구를 사용하며, 비즈니스 사용자에게 자체 용어를 사용하는 데이터를 제공하고 주요 지표 보고를 위한 수동 태스크를 자동화하며, 데이터 품질 가시성을 제공하고, 사용자에게 데이터 탐색에 대한 자율성을 부여하여 비즈니스 기회를 가속화하는 기회를 놓치는 상황이 포함됩니다.

데이터 전략은 전환율을 높이기 위해 더 나은 고객 세분화를 수행하고, 개인화를 통해 고객 만족도를 높이며, 보존 조치를 예측하여 고객 이탈을 줄이고, 고객 경험을 개선하기 위해 A/B 테스트로 신제품과 새로운 기능을 더 빠르게 테스트하며, 비즈니스 또는 브랜딩 영향을 개선할 수 있는 기타 전략을 수행하는 등 비즈니스 문제를 해결하는 데 중점을 두어야 합니다.

기업은 데이터 거버넌스를 과소평가하는 경우가 많습니다. 이 영역에서 대부분의 노력은 분석 계층에서 수행되며 자동화되는 프로세스는 거의 없습니다. 그러면 데이터 엔지니어링 팀에 오버헤드가 발생합니다. 이 경우 이 팀은 데이터와 관련된 비즈니스 도메인을 이해하지 않은 상태로 데이터를 이해하고 이를 데이터 소비자에게 번역해야 합니다. 데이터 수집부터 데이터 소비까지 데이터 거버넌스를 적용하면 데이터 전략을 강화할 수 있습니다. 풍부한 데이터 표준화, 분류 및 품질을 지원하는 프로세스를 통해 사용자는 데이터와 쉽게 상호 작용하고 자동화된 방식으로 데이터에 액세스할 수 있습니다.

회사의 현재 단계 검색

데이터 사용 성숙도의 진입 단계에서 데이터 중심 단계로 회사를 진행하는 것은 구현하는 데 시간이 오래 걸리는 기능, 프로세스 및 역할이 필요하기 때문에 어렵습니다. 다음 다이어그램에서는 데이터 사용 성숙도의 여러 단계를 보여줍니다.

1단계(트랜잭션). 1단계에서 기업은 핵심 운영에 집중합니다. 비즈니스에 대한 재무 및 운영 성과 지표를 측정하거나 사용하지 않기 때문에 이러한 운영과 관련된 데이터를 활용하지 않습니다. 오늘날 이 단계에 있는 회사가 거의 없습니다. 이들 대부분은 비즈니스 초기 단계의 스타트업 회사입니다.

2단계(데이터 알림). 2단계에서 회사는 데이터를 사용하여 각 부서 내에서 사일로화된 방식으로 분석되는 운영, 재무 및 부서별 데이터 측면에서 비즈니스 상태를 모니터링합니다. 이 단계에 있는 대부분의 엔터프라이즈에는 데이터를 공유하는 것이 복잡하고 비용이 많이 드는 온프레미스 독점 시스템이 있습니다. 

2단계 회사를 AWS로 진행하려면 일반적으로 데이터를 추출 및 카탈로그화하고 비즈니스 영역 사이에서 공유하며 고급 대화형 분석을 사용할 수 있어야 합니다.

3단계(데이터 기반). 3단계에는 이미 데이터 사용을 최적화한 회사가 포함됩니다. 이러한 회사는 업계에 따라 여러 방식으로 데이터를 사용합니다.

그러나 3단계의 회사는 데이터를 광범위하게 사용하지만 이러한 작업을 수행하려면 수동 데이터 분석이 필요합니다.

오늘날 대부분의 회사는 3단계에 있지만 일부는 기계 학습(ML) 모델과 같은 고급 기술을 사용하며 일부는 고급 분석을 실험하기 시작합니다.

4단계(데이터 중심). 4단계의 기업은 데이터를 기반으로 이미 자동으로 결정을 내리고 있습니다. 그러나 이는 어려울 수 있습니다. 애플리케이션이 데이터를 사용하고 이에 반응하려면 데이터 및 메커니즘에 대한 확신이 필요합니다. 4단계에서는 적시에 의사 결정을 내릴 수 있도록 데이터를 제공해야 합니다.  

양방향 결정 자동화

되돌릴 수 있는(양방향) 결정은 데이터 중심 작업에 적합합니다. 예를 들어 회사는 제품 반품 또는 고객 불만 제기의 통계적으로 높은 확률을 나타내는 부정적인 리뷰를 받은 후 제품을 격리(판매 중지)하기로 결정할 수 있습니다. 격리는 문제가 해결된 후 되돌릴 수 있으며, 제품을 다시 판매할 수 있습니다.

사기 감지는 양방향 데이터 중심 작업의 또 다른 예입니다. 기업은 해결해야 할 거짓 긍정이 발생하더라도 고객과 플랫폼의 손실을 방지하는 메커니즘을 도입할 수 있습니다. 현재 메커니즘의 결과를 측정하고 효과를 평가하여 개선 사항을 도입할 수 있습니다. 고객이 거짓 긍정을 완화하거나 검증한 후 2단계 인증 또는 유사한 프로세스를 사용하여 트랜잭션을 확인하거나 재시도할 수 있습니다.

그러나 일부 작업은 쉽게 되돌릴 수 없으며 경영진의 추가 논의와 승인이 필요합니다. 이를 단방향 결정이라고 합니다. 예를 들어 시설 구축 또는 상당한 자금 투자와 관련된 작업은 일반적으로 되돌리기가 어렵습니다. 자동 데이터 중심 작업에 적합하지 않습니다.

일정한 측정을 통해 영향의 가시성을 제공하도록 데이터 중심 작업이 평가되어야 합니다. 이러한 측정은 기능을 롤백하거나 고유한 동작을 심층적으로 분석하기 위해 팀을 테스트하고 참여시키는 데 도움이 됩니다.