마스터 데이터 관리: 데이터에서 더 많은 것을 얻는 열쇠

[힘힘]

마스터 데이터 관리: 데이터에서 더 많은 것을 얻는 열쇠

2024년 5월 15일| 기사

공유하다

인쇄

구하다

마스터 데이터 관리는 고객, 공급업체, 제품 및 직원에 대한 데이터를 쉽게 구성하고 액세스할 수 있도록 함으로써 조직에 우위를 제공합니다.

수십억 달러 규모의 조직의 영업 담당자가 잠재 고객과의 미팅을 앞두고 있습니다 . 그녀는 조직의 고객 관계 관리 소프트웨어에서 고객을 검색하고 동일한 이름을 가진 여러 계정을 찾습니다. 그녀는 고객이 이미 구매하고 있는 제품과 서비스, 이미 참여한 고객 연락처, 그리고 해당 연락처가 조직 내 다른 영업 담당자와 가질 수 있는 관계에 대해 자세히 알아보려고 노력합니다. 결과적으로 영업 담당자는 다가오는 회의를 준비하기 위해 수동으로 정보를 수집하는 데 몇 시간을 소비합니다.

사이드바

저자 소개

이 시나리오는 불량한 마스터 데이터 관리(MDM)의 예입니다. 이로 인해 일반적으로 최적이 아닌 고객 및 직원 경험, 더 높은 비용 및 수익 기회 손실이 발생합니다. MDM은 모든 조직의 데이터 전략에서 중요한 구성 요소입니다(사이드바 "마스터 데이터 관리 정보" 참조). 이러한 기능은 조직의 효율성과 안정성을 높이거나 깨뜨릴 수 있습니다. 특히 데이터 사일로로 인해 비효율성과 오류가 발생할 수 있는 여러 사업부가 있는 복잡한 조직에서는 더욱 그렇습니다.

공유하다

사이드바

마스터 데이터 관리 정보

2023년에 McKinsey는 80개가 넘는 대규모 글로벌 조직을 대상으로 설문조사를 실시했습니다.1여러 업계에 걸쳐 마스터 데이터를 구성, 사용 및 성숙시키는 방법에 대해 자세히 알아보세요. McKinsey의 마스터 데이터 관리 설문 조사에 따르면 조직은 MDM 기능을 성숙시키는 데 있어 고객 경험 및 만족도 향상, 더 나은 교차 및 상향 판매 기회 제공을 통한 매출 성장 강화, 영업 생산성 향상, 보고 간소화 등 4가지 주요 목표를 갖고 있는 것으로 나타났습니다(그림 1).

전시 1

우리는 장애가 있는 개인에게도 웹사이트에 대한 동등한 접근권을 제공하기 위해 노력하고 있습니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주세요.

MDM은 최신 데이터 아키텍처 개념에서 중요한 역할을 하며 다음과 같은 5가지 방식으로 가치를 창출합니다.

• MDM은 고객 또는 제품 데이터와 같은 주요 기능에 대한 데이터를 데이터 레이크에 로드하기 전에 정리, 강화 및 표준화합니다. 이러한 방식으로 MDM은 조직 전체에서 데이터가 정확하고 완전하며 일관되도록 보장합니다.
• 데이터 제품의 맥락에서 MDM은 엔터티 전반에 걸쳐 고품질 데이터를 위한 허브를 제공하여 향상된 의사 결정, 정확한 보고 및 분석, 현지 규정 및 표준 준수를 위해 데이터 제품의 효율성, 일관성 및 신뢰성을 향상시킵니다.
• MDM은 엔터티 전체의 데이터를 표준화하여 다양한 시스템에 걸쳐 통합된 보기를 제공합니다.
• MDM은 웹 서비스(일반적으로 REST API)를 통해 애플리케이션 및 기타 도메인과 데이터를 공유하는 참조 시스템 역할을 할 수 있습니다.
• MDM과 인공지능(AI)은 서로 이익을 얻을 수 있습니다. 예를 들어, MDM은 AI 알고리즘을 활용하여 중복 기록을 식별하고 지능적으로 병합할 수 있으므로 생성 AI 시스템의 성능과 안정성을 향상시킬 수 있습니다.

그러나 많은 조직에서는 MDM의 잠재력을 완전히 활용하지 못했습니다. 이 기사는 MDM 설문조사의 통찰력을 토대로 작성되었으며, 기업이 MDM 기능을 통합할 때 직면하는 일반적인 과제를 설명하고, 기업이 경쟁 우위를 확보하는 데 도움이 되도록 MDM을 최적화할 수 있는 영역을 강조합니다.

조직이 MDM을 구현할 때 직면하는 일반적인 문제

소규모 조직과 대규모 조직 모두 MDM 모델을 구현함으로써 이점을 얻을 수 있지만, 자금 제약, 기술 지원 부족, 낮은 수준의 데이터로 인해 고품질 데이터를 수집하고 집계하는 것이 어려울 수 있습니다. 설문 조사 결과에 따르면 다음은 MDM 구현에 있어 가장 일반적인 과제 중 일부입니다.

비즈니스 사례를 만드는 데 어려움이 있음

데이터 오류 감소, 운영 효율성 향상, 의사 결정 개선을 통해 잠재적인 절감 효과를 입증하면 MDM 이니셔티브에 대한 명확한 투자 수익을 얻을 수 있습니다. 그러나 이러한 수익은 본질적으로 정량화하기 어렵기 때문에 보다 가시적이고 즉각적인 이점을 제공하는 프로젝트보다 MDM을 우선순위로 지정하는 것이 어려울 수 있습니다. 결과적으로 MDM이 조직을 강화할 수 있는 잠재력에도 불구하고 리더들은 MDM을 강화하고 관련 아키텍처 및 기술 역량에 투자하기 위한 비즈니스 사례를 구축하는 데 어려움을 겪을 수 있습니다.

과대광고를 넘어 가치를 창조하다

전략부터 규모까지 기술의 약속을 지켜드리겠습니다.

시작하다

조직 사일로

공유하다

사이드바

마스터 데이터 도메인 유형

설문 조사에 응답한 조직 중 80%는 일부 부서가 사일로에서 운영되며 각 부서에는 자체적인 데이터 관리 요구 사항, 관행, 소스 시스템 및 소비 행동이 있다고 보고했습니다. 예를 들어 영업팀은 고객 관계 관리(CRM) 시스템에서 고객 데이터를 유지관리할 수 있고, 마케팅 팀은 고객 데이터 플랫폼(CDP)을 사용하여 고객 프로필을 생성하고 광고 캠페인에 대한 정보를 제공할 수 있습니다. 사일로는 불일치와 오류로 이어질 수 있으며 비즈니스, 데이터 및 기술과 관련된 의사 결정의 어려움을 증가시킵니다(사이드바 "마스터 데이터 도메인 유형" 참조).

MDM을 기술 분야로만 취급

조직에서는 일반적으로 MDM을 기업 가치를 창출할 수 있는 차별화 요소가 아닌 기술 분야로 생각합니다. 설문 조사에 따르면 MDM 프로그램 중 16%만이 조직 전반의 전략 프로그램으로 자금을 지원받으며 IT 또는 기술 부서에서 재정적 책임을 맡게 됩니다(그림 2). 응답자의 62%는 자신의 조직에 신규 데이터 소스와 기존 데이터 소스를 통합하기 위한 잘 정의된 프로세스가 없어 MDM의 효율성을 저해할 수 있다고 답했습니다.

전시 2

우리는 장애가 있는 개인에게도 웹사이트에 대한 동등한 접근권을 제공하기 위해 노력하고 있습니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주세요.

기술이 중요한 역할을 하지만 MDM 이니셔티브가 성공하려면 전략적 방향을 설정하고, 데이터 종속성을 이해하고, 데이터 품질을 개선하고, 비즈니스 프로세스를 개선하고, 궁극적으로 조직의 목표 달성을 지원하기 위한 상당한 비즈니스 영향력과 후원이 필요합니다. 데이터 소유자의 역할은 비즈니스 이해관계자, 특히 클라이언트 데이터 도메인의 영업 및 마케팅 책임자와 같이 데이터를 가장 많이 사용하는 사업부의 책임자가 수행하는 것이 중요합니다. 해당 리더는 비즈니스 목표에 부합하는 데이터 요구 사항 및 데이터 품질 규칙을 정의하기 위한 지침을 제공할 수 있습니다.

데이터 품질이 좋지 않음

품질이 낮은 데이터는 실질적인 수동 조정 없이는 분석 기반 통찰력을 제공할 수 없습니다. MDM 설문 조사에 따르면 응답자의 82%는 마스터 데이터 품질 문제를 해결하는 데 일주일에 하루 이상을 소비했으며 66%는 수동 검토를 사용하여 마스터 데이터의 품질을 평가, 모니터링 및 관리했습니다. 결과적으로, 여러 부서로 구성된 대규모 조직은 KPI 또는 기타 지표를 효율적으로 생성하지 못할 수 있으며, 영업 담당자는 잠재 고객에 대한 일관되고 전체적인 관점을 신속하게 생성하지 못할 수 있습니다. MDM 조사에 따르면 조직의 데이터 품질에서 가장 널리 퍼진 문제는 불완전성, 불일치 및 부정확성이었습니다(자료 3).

전시 3

우리는 장애가 있는 개인에게도 웹사이트에 대한 동등한 접근권을 제공하기 위해 노력하고 있습니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주세요.

불완전성, 불일치, 정확성 외에도 많은 기업에서는 시스템 전체의 고유성 또는 정보 중복 문제와 씨름하고 있습니다. 전통적으로 조직은 상호 작용하는 이해관계자를 기준으로 데이터 자산을 분류하지만 이 접근 방식은 정보 중복으로 이어질 수 있습니다. 예를 들어 조직의 공급업체가 해당 조직의 고객일 수도 있습니다. 이러한 상황으로 인해 개인이나 조직의 특성을 일반화하고 이들과 회사에 대한 고유한 역할 간의 연결을 설정하는 "당사자" 데이터 도메인이 설계되었습니다.

마스터 데이터 품질 문제는 고객 불만, 운영 비효율성, 잘못된 의사 결정을 초래할 수 있습니다. 또한 개인 정보 또는 민감한 소비자 정보를 처리하는 회사는 규정 준수 요구 사항과 데이터 품질, 보안 및 개인 정보 보호 표준이 더 엄격합니다. 좋은 데이터가 없으면 MDM 프로세스를 구현하기가 어려울 것입니다.

복잡한 데이터 통합 ​​요구 사항

조직에서는 MDM을 기존 시스템에 통합하는 것이 어려울 수 있습니다. 호환성 문제, 데이터 마이그레이션 문제 및 시스템 업그레이드는 성공적인 MDM 구현을 방해할 수 있으며 통합 대기 시간을 최소화하는 것은 MDM 시스템에 적시에 정확한 데이터를 제공하는 데 중요합니다. 조직은 최신 기술과 기존 기술을 함께 사용할 수 있도록 데이터 시스템을 모델링, 매핑 및 변환해야 할 수도 있습니다.

MDM 기능을 효과적으로 구현하고 최적화하는 방법

이러한 과제를 극복하고 MDM 기능을 성공적으로 구현 및 최적화하려면 조직은 운영 효율성 및 고객 통찰력과 같은 우선 순위 비즈니스 사용 사례를 기반으로 창출하려는 가치를 명확하게 식별하여 비용 절감 및 수익 성장으로 이어져야 합니다. 조직은 ROI, 총 소유 비용, 성능 기준 등의 지표를 사용하여 MDM 구현의 영향과 효율성을 측정해야 합니다. 조직은 최신 도구와 기술을 채택하기 위해 미래 지향적인 접근 방식을 유지해야 합니다. 성과 KPI를 기반으로 하는 강력한 데이터 거버넌스 모델을 만듭니다. MDM 원칙의 통일된 채택을 보장하기 위해 이해관계자 간의 역량 구축을 계획합니다.

데이터 배당금: 생성 AI 촉진

기사를 읽다

최신 정보를 담은 '골든 레코드' 구축

MDM "골든 레코드"는 조직의 데이터 생태계에서 사용할 수 있는 가장 정확한 정보를 보유하는 저장소입니다. 예를 들어, 고객 데이터의 골든 레코드는 마케팅 및 영업 담당자가 고객 선호도, 추세 및 행동을 분석하는 데 사용할 수 있는 신뢰할 수 있는 단일 정보 소스입니다. 고객 세분화를 개선합니다. 개인화된 제품과 서비스를 제공합니다. 교차 판매, 상호 작용, 고객 경험 및 유지율을 높입니다.

최신 정보가 포함된 골든 레코드를 구축하기 위해 조직은 모든 ​​사업부의 데이터를 골든 레코드에 통합하고 더 정확한 정보가 제공될 때 이를 업데이트합니다. AI와 머신러닝(ML) 기술을 활용해 정보 통합이 가능하다. 또는 조직은 기업 전체에서 일관성, 정확성 및 적시성을 유지하기 위해 특정 데이터 도메인에 대한 골든 레코드로 하나의 기존 시스템을 구축할 수 있습니다.

공유하다

사이드바

네 가지 일반적인 마스터 데이터 관리 설계 접근 방식

사업부 데이터 내의 골든 레코드를 업데이트하는 데 사용할 수 있는 네 가지 일반적인 MDM 설계 접근 방식이 있습니다(사이드바 "네 가지 일반적인 마스터 데이터 관리 설계 접근 방식" 참조). 모듈식 아키텍처를 배포하면 목적에 맞는 소비 및 다양한 시스템과의 통합 패턴을 통해 골든 레코드를 관리할 수 있습니다. 예를 들어, 모든 마스터링된 클라이언트 기록은 소스 시스템에 다시 연결되고 계층 구조에 매핑되어 MDM 시스템의 연관성을 표시할 수 있습니다. 또는 클라이언트 데이터를 마스터링하고 골든 레코드 내에서 고유한 클라이언트 ID를 할당하여 모든 시스템의 데이터를 결합하고 클라이언트의 단일 포트폴리오를 만들 수 있습니다.

MDM 기능의 무결성과 신뢰성을 유지하기 위해 강력한 데이터 거버넌스 모델을 구축합니다.

설문 조사에 응답한 기업 중 29%만이 소스 시스템 및 비즈니스 애플리케이션과의 완전한 업스트림 및 다운스트림 MDM 통합은 물론 모든 거버넌스 또는 관리 역할을 갖추고 있었습니다. 조직은 데이터에 대한 단일 진실 소스를 명확하게 식별하고 오래된 정보를 저장하지 않도록 통합 실패를 처리하는 방법에 대해 직원을 적절하게 교육해야 합니다.

MDM의 데이터 거버넌스 모델은 명확한 역할과 책임을 갖고 설계되어야 하며, 다양한 사업부 및 IT 담당자로 구성된 거버넌스 협의회에서 관리되어야 하며, 비즈니스, 데이터 및 기술 이해관계자 간의 MDM 연락 담당자 역할을 할 수 있는 사람에 의해 관리되어야 합니다. 구조는 명확하게 정의된 정책 프레임워크와 마스터 데이터 도메인을 위한 맞춤형, 비즈니스 지원 및 IT 지원 운영 모델로 보완되어야 합니다. 이러한 데이터 거버넌스 프로세스를 통해 업스트림 시스템 소유자와 데이터 거버넌스 협의회는 데이터 품질 문제를 해결할 수 있습니다. 예를 들어 MDM이 생존 전략을 기반으로 하는 다른 정보와 충돌하는 새 정보 또는 업데이트된 정보를 식별하는 경우입니다.

데이터 품질을 향상하고 변환을 가속화하는 MDM 도구를 선택하세요

MDM 도구는 더욱 직관적이고 사용자 친화적으로 변하고 있으며 AI, ML, 클라우드 기술 및 연합 아키텍처의 최근 혁신으로 인해 데이터 마스터링 및 처리에 대한 새로운 가능성이 열렸습니다. 예를 들어, AI 지원 도구는 사전 훈련된 AI 및 ML 모델을 사용하여 더 높은 수준의 정확성과 효율성으로 데이터 품질, 데이터 일치 및 엔터티 해결 작업을 자동화합니다. 설문 조사에 따르면 조직의 69%가 이미 전반적인 데이터 관리 기능의 일부로 AI를 사용하고 있습니다. 그러나 일치 및 병합 기능을 강화하고 마스터 데이터 품질을 보다 광범위하게 개선하기 위해 고급 AI 기반 기술을 사용하는 비율은 31%에 불과합니다.

조직은 우선 순위에 맞춰 전환을 원활하게 수행할 수 있는 데이터 관리 도구를 선택해야 합니다. 각 MDM 도구가 조직에 가져올 수 있는 투자 수익과 증분 가치를 고려하는 것도 중요합니다. MDM 도구를 선택할 때 관련 비즈니스 이해관계자는 비즈니스 운영 및 우선순위 사용 사례에 영향을 미치는 데이터 요소를 포함하여 데이터 프로세스 및 요구 사항을 이해한 다음 새로운 시스템을 통합하는 데 필요한 기술 기능 및 워크플로를 결정하는 데 도움을 주어야 합니다.

예를 들어, 이해관계자는 데이터 품질, 매칭, 엔터티 해결 등 조직 역량의 성숙도를 평가하여 새로운 시스템이 기존 시스템 및 기술과 얼마나 쉽게 통합될 수 있는지 판단해야 합니다. 미래의 성장과 진화하는 데이터 관리 요구 사항을 수용하려면 이러한 시스템의 확장성과 유연성을 고려하는 것도 중요합니다. 또한 MDM 도구가 작업을 자동화하여 데이터 품질을 향상시킬 수 있도록 AI 및 ML 기능을 고려해야 합니다.

역량 강화 및 변화 관리 계획

프로세스와 사람들이 마스터 데이터로 작업하는 방식을 변경하지 않고 기술을 구현하는 조직은 MDM의 이점을 완전히 누리지 못할 수 있습니다.

변경 관리는 직원들이 MDM 구현으로 인한 변화를 이해하고 수용하도록 하는 데 중요합니다. 일반적으로 조직에 대한 MDM의 중요성을 입증하기 위해 경영진의 후원을 확보하는 것이 포함됩니다. 비즈니스 및 기술 이해관계자와 협력하여 비전을 전달합니다. 책임과 프로세스에 대한 기대치를 설정합니다. MDM과 데이터 원칙, 프로세스 및 도구에 대해 직원을 교육하기 위한 포괄적인 교육 프로그램을 출시합니다.

파일럿 구현으로 시작

조직은 먼저 한 도메인에서 MDM을 시험하여 통제된 환경에서 디자인, 거버넌스 모델 및 워크플로우를 검증함으로써 MDM 도구 통합을 시작할 수 있습니다. 그러면 조직은 다른 마스터 데이터 도메인이나 전체 조직으로 구현을 확장하기 전에 잠재적인 문제나 과제를 쉽게 식별하고 필요한 조정을 수행할 수 있습니다. 또한 이러한 도구를 시험해 보면 조직은 사용자 및 이해관계자로부터 피드백을 수집하여 사용자 경험을 이해하고, 개선 영역을 식별하고, MDM 도구 및 워크플로우를 최적화하기 위해 필요한 변경을 수행할 수 있습니다.

---

MDM 기능을 구현하고 최적화하는 것은 특히 여러 복잡한 시스템을 갖춘 대규모 조직의 경우 어려운 것처럼 보일 수 있습니다. 그러나 최적의 설계 접근 방식, 효율적인 거버넌스 구조 및 충분한 변경 관리 노력을 사용하여 마스터 데이터 도메인 전반에 성공적으로 배포되면 MDM은 전략적 의사 결정에 고품질 데이터를 사용할 수 있도록 보장하여 전체 환경에서 비용 절감 및 수익 기회를 가져올 수 있습니다. 조직.

저자 소개

Aziz Shaikh 와 Jorge Machado는 McKinsey 뉴욕 사무소의 파트너이며 Kayvaun Rowshankish 는 수석 파트너, Rachit Saxena 는 컨설턴트, Rajat Jain 은 어소시에이트 파트너입니다. Holger Harreis는 뒤셀도르프 사무소의 수석 파트너입니다.

저자는 이 기사에 기여한 Vladimir Alekseev에게 감사의 말씀을 전하고 싶습니다.