2025년의 데이터 중심 기업

[힘힘]

2025년의 데이터 중심 기업

2022년 1월 28일| 인터렉티브

공유하다

인쇄

다운로드

구하다

빠르게 가속화되는 기술 발전, 인식된 데이터 가치, 증가하는 데이터 활용 능력은 "데이터 중심"의 의미를 변화시키고 있습니다.

2025년에는 스마트 워크플로와 인간과 기계 간의 원활한 상호 작용이 기업 대차대조표만큼 표준이 될 것이며 대부분의 직원은 데이터를 사용하여 업무의 거의 모든 측면을 최적화할 것입니다.

우리는 2025년이 그리 멀지 않다는 것을 알고 있지만 그게 핵심입니다.

이 새로운 데이터 기반 기업을 정의하는 7가지 특성은 이미 많은 기업이 그 중 일부를 전시하고 이를 위한 여정을 시작하는 것을 보았습니다.

가장 빠른 속도로 발전할 수 있는 기업은 데이터 지원 기능에서 가장 높은 가치를 포착할 수 있습니다. 예를 들어, 이미 이자 및 세금 공제 전 수익(EBIT)의 20%가 인공 지능(AI)에 의해 기여되고 있는 기업은 이러한 특성을 뒷받침하는 데이터 관행에 참여할 가능성이 훨씬 더 높습니다 .

이 가이드는 경영진이 새로운 데이터 기반 기업의 특성과 이를 통해 지원되는 기능을 이해하는 데 도움을 주기 위해 작성되었습니다. 또한 조직에 이를 포함시키는 방법에 대해 더 자세히 알아볼 수 있는 리소스도 제공합니다.

특징 1

모든 결정, 상호 작용 및 프로세스에 포함된 데이터

---

오늘

조직에서는 예측 시스템부터 AI 기반 자동화에 이르기까지 데이터 기반 접근 방식을 조직 전체에 산발적으로 적용하여 가치를 무시하고 비효율성을 초래하는 경우가 많습니다. 많은 비즈니스 문제는 여전히 전통적인 접근 방식을 통해 해결되며 해결하는 데 몇 달 또는 몇 년이 걸립니다.

2025년까지

거의 모든 직원이 자연스럽고 정기적으로 데이터를 활용하여 업무를 지원합니다. 기나긴(때로는 수년에 걸친) 로드맵을 개발하여 문제를 해결하는 데 기본을 두는 대신 혁신적인 데이터 기술이 어떻게 몇 시간, 며칠 또는 몇 주 만에 문제를 해결할 수 있는지 물어볼 수 있습니다.

조직은 더 나은 의사 결정을 내릴 수 있을 뿐만 아니라 기본적인 일상 활동과 정기적으로 발생하는 의사 결정을 자동화할 수 있습니다. 직원들은 혁신, 협업, 커뮤니케이션 등 보다 "인간적인" 영역에 자유롭게 집중할 수 있습니다. 데이터 기반 문화는 지속적인 성과 개선을 촉진하여 진정으로 차별화된 고객 및 직원 경험을 창출하고 현재 널리 사용되지 않는 정교한 새 애플리케이션의 성장을 가능하게 합니다.

일상적인 응용주요 원동력

시작하는 방법

AI 지원 조직으로 전환하는 방법에 대한 자세한 내용은 " AI를 통한 승리는 마음의 상태입니다 "를 읽고 AI 리더가 제공하는 데이터의 힘을 활용하는 방법을 알아보세요 .

아직 시작하지 않았다면 직원의 데이터 사용 및 AI 기술 향상을 시작하세요 . 분석 아카데미가 도움을 드릴 수 있습니다.

" AI 확장 " 에서 데이터와 AI를 활용하기 위해 각 워크플로, 여정, 기능을 재구성하는 방법을 알아보세요 .

데이터 기반 조직에 대한 비전을 명확히 표현하세요 .

특징 2

데이터는 실시간으로 처리되어 전달됩니다.

---

오늘

레거시 기술 구조의 한계, 보다 현대적인 아키텍처 요소 채택의 어려움, 집중적인 실시간 처리에 대한 높은 계산 요구로 인해 연결된 장치의 데이터 중 극히 일부만 실시간으로 수집, 처리, 쿼리 및 분석됩니다. 직업. 기업은 속도와 계산 강도 중에서 선택해야 하는 경우가 많으며, 이로 인해 보다 정교한 분석이 지연되고 실시간 사용 사례의 구현이 방해될 수 있습니다.

2025년까지

연결된 장치의 방대한 네트워크는 종종 실시간으로 데이터와 통찰력을 수집하고 전송합니다. 최종 사용자를 위해 데이터가 생성, 처리, 분석 및 시각화되는 방식은 실시간 분석을 위한 카파 또는 람다 아키텍처와 같은 새롭고 보다 유비쿼터스적인 기술에 의해 극적으로 변화되어 더욱 빠르고 강력한 통찰력을 제공합니다. 클라우드 컴퓨팅 비용이 지속적으로 감소하고 보다 강력한 "인메모리" 데이터 도구(예: Redis, Memcached)가 온라인으로 제공됨에 따라 가장 정교한 고급 분석도 모든 조직에서 합리적으로 사용할 수 있습니다. 전체적으로 이를 통해 고객, 직원 및 파트너에게 통찰력을 제공하기 위한 더 많은 고급 사용 사례가 가능해졌습니다.

일상적인 응용주요 원동력

시작하는 방법

이러한 기능을 지원하는 데 필요한 모듈성, 유연성 및 확장성을 지원하는 실제 테스트를 거친 참조 데이터 아키텍처를 활용하십시오 .

실시간 기능과 같은 미래의 데이터 및 분석 요구 사항을 충족하기 위해 클라우드 지원 데이터 플랫폼 으로 발전하세요 .

셀룰러 지원 컴퓨팅 장치의 미래에 대해 알아보세요 .

특징 3

유연한 데이터 저장소를 통해 즉시 사용 가능한 통합 데이터 제공

---

오늘

데이터의 확산은 비정형 또는 반정형 데이터에 의해 주도되지만, 대부분의 사용 가능한 데이터는 여전히 관계형 데이터베이스 도구를 사용하여 정형 방식으로 구성됩니다. 데이터 엔지니어는 종종 데이터 세트를 수동으로 탐색하고, 데이터 세트 간의 관계를 설정하고, 결합하는 데 상당한 시간을 소비합니다. 또한 시간이 많이 걸리고 확장성이 없으며 오류가 발생하기 쉬운 수동 및 맞춤형 프로세스를 사용하여 자연스럽고 구조화되지 않은 상태의 데이터를 구조화된 형식으로 정제해야 하는 경우가 많습니다.

2025년까지

데이터 실무자는 시계열 데이터베이스, 그래프 데이터베이스, NoSQL 데이터베이스 등 다양한 데이터베이스 유형을 점점 더 많이 활용하여 데이터를 보다 유연하게 구성할 수 있습니다. 이를 통해 팀은 비정형 데이터와 반정형 데이터 간의 관계를 더 쉽고 빠르게 쿼리하고 이해할 수 있으며, 이를 통해 새로운 AI 기반 기능 개발과 데이터 내 새로운 관계 발견을 가속화하여 혁신을 주도할 수 있습니다. 이러한 유연한 데이터 저장소를 실시간 기술 및 아키텍처의 발전과 결합하면 조직은 "고객 360" 데이터 플랫폼 및 디지털 트윈과 같은 데이터 제품, 즉 제조 시설과 같은 물리적 개체의 실시간 지원 데이터 모델을 개발할 수 있습니다. , 공급 또는 심지어 인체). 이를 통해 기존 기계 학습 기능이나 강화 학습과 같은 고급 기술을 사용하여 정교한 시뮬레이션과 가상 시나리오를 구현할 수 있습니다.

일상적인 응용주요 원동력

시작하는 방법

문화와 기술 변화를 구현하여 데이터 아키텍처를 현대화 하세요 .

나중에 데이터 자산(예: 고객에 대한 전체 보기)으로 구성할 수 있는 중요한 데이터 세트(예: 고객 구매 빈도, 고객 속성)를 식별 하고 이러한 데이터 자산(예: 비즈니스 데이터 제품)에 대한 분류법을 개발합니다 . 예를 들어 '고객 360').

유연한 온톨로지와 지식 그래프를 탐색하여 다양한 클래스의 데이터와 데이터 포인트 간의 관계를 매핑합니다.

기존 디지털 시뮬레이터를 업그레이드하고 이를 클라우드 환경으로 다시 플랫폼화하고 API를 업데이트하여 강화 학습과 같은 보다 정교한 AI 기능을 지원합니다.

특징 4

데이터 운영 모델은 데이터를 제품처럼 취급합니다.

---

오늘

IT 외부에 조직의 데이터 기능이 있는 경우 하향식 표준, 규칙 및 제어를 사용하여 데이터를 관리합니다. 데이터에는 업데이트되어 다양한 방식으로 사용할 수 있도록 보장하는 진정한 "소유자"가 없는 경우가 많습니다. 또한 데이터 세트는 광범위하고 사일로화되어 있고 종종 비용이 많이 드는 환경에 걸쳐(때로는 중복으로) 저장되므로 조직 내 사용자(예: 분석 모델을 구축하기 위해 데이터를 찾는 데이터 과학자)가 원하는 데이터를 신속하게 찾고, 액세스하고, 통합하기가 어렵습니다. 그들에게 필요한 데이터.

2025년까지

데이터 자산은 내부 팀 또는 외부 고객이 사용하는지 여부에 관계없이 제품으로 구성되고 지원됩니다. 이러한 데이터 제품에는 데이터 보안을 내장하고, 데이터 엔지니어링을 발전시키고(예: 데이터를 변환하거나 새로운 데이터 소스를 지속적으로 통합하기 위해) 셀프 서비스 액세스 및 분석 도구를 구현하기 위해 조직된 전담 팀 또는 "스쿼드"가 있습니다. 데이터 제품은 DataOps (데이터용 DevOps)와 지속적인 통합 및 제공 프로세스 와 도구를 활용하여 소비자의 요구 사항을 충족하기 위해 민첩한 방식으로 지속적으로 발전합니다 . 전체적으로 이들 제품은 다양한 비즈니스 과제를 해결하고 새로운 AI 기반 기능을 제공하는 데 드는 시간과 비용을 줄이는 데 더 쉽고 반복적으로 사용할 수 있는 데이터 솔루션을 제공합니다.

일상적인 응용주요 원동력

시작하는 방법

비즈니스에 AI 팀을 포함시키고 이러한 데이터 제품을 사용하여 새로운 AI 기반 제품을 설계, 개발, 배포 및 지속적으로 개선할 수 있도록 권한을 부여합니다.

데이터 품질을 보장하고 데이터를 제품처럼 취급하는 데이터 거버넌스 운영 모델을 사용합니다 .

특징 5

최고 데이터 책임자의 역할이 가치 창출로 확대됩니다.

---

오늘

CDO(최고 데이터 책임자)와 해당 팀은 데이터를 관리하고 품질을 보장하기 위한 정책, 표준 및 절차 준수를 개발하고 추적하는 비용 센터 역할을 합니다.

2025년까지

CDO와 그 팀은 손익 책임을 지닌 하나의 사업 단위로 기능합니다. 이 부서는 비즈니스 팀과 협력하여 데이터를 사용하는 새로운 방법을 구상하고, 전체적인 기업 데이터 전략을 개발하고(및 이를 비즈니스 전략의 일부로 포함), 데이터 서비스 및 데이터 공유를 통해 수익을 창출하여 새로운 수익원을 육성하는 일을 담당합니다. .

일상적인 응용주요 원동력

시작하는 방법

CDO의 경우 사업부 리더와 대화를 시작하여 데이터를 활용하여 비즈니스 가치를 창출할 수 있는 기회를 파악하세요.

조직의 상태, 인재, 문화는 물론 데이터 품질까지 포괄하는 스코어카드와 지표를 바탕으로 전체적인 우선순위를 개발합니다 .

새로운 수익 창출 데이터 서비스가 기업 가치 및 문화와 일치하도록 데이터의 윤리적 사용을 강화합니다 .

특징 6

데이터 생태계 멤버십이 표준입니다.

---

오늘

데이터는 조직 내에서도 고립되어 있는 경우가 많습니다. 외부 파트너 및 경쟁업체와의 데이터 공유 계약이 증가하고 있지만 여전히 흔하지 않고 제한적인 경우가 많습니다.

2025년까지

대규모의 복잡한 조직은 데이터 공유 플랫폼을 사용하여 조직 내 및 조직 간 데이터 기반 프로젝트에 대한 협업을 촉진합니다. 데이터 기반 기업은 데이터 풀링을 촉진하여 모든 구성원에게 보다 가치 있는 통찰력을 제공하는 데이터 경제에 적극적으로 참여합니다. 데이터 마켓플레이스는 데이터의 교환, 공유 및 보완을 가능하게 하여 궁극적으로 기업이 진정으로 독특하고 독점적인 데이터 제품을 구축하고 그로부터 통찰력을 얻을 수 있도록 지원합니다. 전체적으로, 데이터 교환 및 결합에 대한 장벽이 크게 줄어들고 생성된 가치가 부분의 합보다 훨씬 더 큰 방식으로 다양한 데이터 소스를 통합합니다.

일상적인 응용주요 원동력

시작하는 방법

성공적인 생태계를 위한 다양한 유형의 데이터 생태계와 모범 사례에 대해 자세히 알아보세요 . 다음은 금융 서비스 , 소매 , 의료 분야 의 몇 가지 예입니다.

조직에 가장 중요한 데이터 생태계 원형을 선택하세요 .

데이터 공유 도구, 프로토콜 및 절차를 채택하십시오 .

특징 7

개인 정보 보호, 보안 및 복원성을 위해 데이터 관리의 우선 순위가 지정되고 자동화됩니다.

---

오늘

데이터 보안 및 개인 정보 보호는 초기 규제 데이터 보호 의무와 소비자가 자신의 정보가 얼마나 많이 수집되고 사용되는지 깨닫기 시작하면서 규정 준수 문제로 간주되는 경우가 많습니다. 데이터 보안 및 개인 정보 보호는 개별 데이터 세트에 맞게 조정되기보다는 불충분하거나 단일체인 경우가 많습니다. 직원에게 안전한 데이터 액세스를 제공하는 것은 매우 수동적인 프로세스이므로 오류가 발생하기 쉽고 시간이 오래 걸립니다. 수동 데이터 복원력 프로세스로 인해 데이터를 빠르고 완전하게 복구하기가 어려워 직원 생산성에 영향을 미치는 장기간의 데이터 중단 위험이 발생합니다.

2025년까지

조직의 사고방식은 VCDPA(버지니아 소비자 데이터 보호법), GDPR(일반 데이터 보호 규정), 캘리포니아 소비자 개인 정보 보호법과 같은 규제 기대치가 발전함에 따라 데이터 개인 정보 보호, 윤리 및 보안을 필수 역량 영역으로 처리하는 방향으로 완전히 전환되었습니다. (CCPA); 데이터 권리에 대한 소비자 인식 증가; 보안 사고의 위험성이 점점 높아지고 있습니다. 셀프 서비스 프로비저닝 포털은 사전 정의된 "스크립트"를 사용하여 데이터 프로비저닝을 관리 및 자동화하여 사용자에게 거의 실시간으로 데이터에 대한 액세스를 안전하게 제공함으로써 사용자 생산성을 크게 향상시킵니다.

자동화되고 거의 일정한 백업 절차를 통해 데이터 복원력이 보장됩니다. 더 빠른 복구 절차를 통해 며칠 또는 몇 주가 아닌 몇 분 만에 데이터의 "최종 양호한 복사본"을 신속하게 구축하고 복구할 수 있으므로 기술적 결함이 발생할 경우 위험이 최소화됩니다. 데이터 품질 문제의 식별, 수정, 교정을 자동화하는 등 데이터를 보다 효과적으로 관리하기 위해 AI 도구를 사용할 수 있게 되었습니다. 전체적으로 이러한 노력을 통해 조직은 데이터와 데이터 관리 방법 모두에 대해 더 큰 신뢰를 구축하고 궁극적으로 새로운 데이터 기반 서비스의 채택을 가속화할 수 있습니다.

일상적인 응용주요 원동력

시작하는 방법

특히 소비자 데이터 와 관련된 데이터 및 분석 활동의 잠재적인 윤리적, 규제적 영향을 이해하고 평가하려면 데이터 윤리 프레임워크를 채택하는 것이 좋습니다 .

클라우드 도구를 활용하여 우선 순위 데이터를 저장, 관리 및 보호하는 것을 고려 하고, 이미 클라우드에 있는 데이터의 경우 사이버 보안 정책의 일부로 자동화된 백업 및 복원력 기능과 도구를 활용하세요.

진화하는 새로운 자동 프로비저닝 및 복원력 기능으로 마이그레이션하기 위한 로드맵을 만듭니다 .

데이터베이스 관리를 자동화할 수 있는 향후 기회를 활용하기 위해 거버넌스 및 제어 프로토콜을 개발, 검토 및 수정하는 빈번하고 반복적인 접근 방식을 채택합니다 . 예를 들어 셀프 서비스 프로비저닝 포털을 설정하고 호환되는 데이터에 대한 자동화된 백업 및 복원 절차를 의무화하는 등의 방법을 사용합니다. 플랫폼.

모든 결정, 상호 작용 및 프로세스에 포함된 데이터

1

데이터는 실시간으로 처리되어 전달됩니다.

2

유연한 데이터 저장소를 통해 즉시 사용 가능한 통합 데이터 제공

삼

데이터 운영 모델은 데이터를 제품처럼 취급합니다.

4

최고 데이터 책임자의 역할이 가치 창출로 확대됩니다.

5

데이터 생태계 멤버십이 표준입니다.

6

개인 정보 보호, 보안 및 복원성을 위해 데이터 관리의 우선 순위가 지정되고 자동화됩니다.

7

저자 소개

Neil Assur 는 McKinsey 필라델피아 사무소의 파트너 파트너이고 Kayvaun Rowshankish  는 뉴욕 사무소의 파트너입니다.