원시 데이터에서 실제 수익까지: 번창하는 데이터 비즈니스를 구축하기 위한 입문서

[힘힘]

원시 데이터에서 실제 수익까지: 번창하는 데이터 비즈니스를 구축하기 위한 입문서

2024년 7월 18일| 기사

에 의해아리 리바리키안, 케이번 로우샨키시, 마르쿠스 베르거-데 레온, 그리고비슈누 카말나트

공유하다

인쇄

다운로드

구하다

수익성 있는 데이터 비즈니스를 구축하려면 올바른 데이터뿐만 아니라 이를 지원할 수 있는 비즈니스 모델과 기업 역량도 필요합니다.

다운로드

기사(10페이지)

가장 인기 있는 통찰력

1. 맥킨지 기술 트렌드 전망 2024
2. 다음에 읽을 책: McKinsey의 2024년 연간 도서 추천
3. 2024년 초 AI의 현황: Gen AI 도입이 급증하고 가치 창출 시작
4. 생성 AI의 경제적 잠재력: 다음 생산성 프런티어
5. Gen AI와 그 이후: 이제 집중해야 할 다른 곳

거의 2세기 전, Lewis Tappan과 John M. Bradstreet은 데이터를 수익성 있는 제품으로 전환할 수 있는 잠재력을 보여주었습니다. 당시 기업과 상인은 사업을 확장하고 있었고 잠재적 파트너의 신용도를 판단할 수 있는 신뢰할 수 있는 방법이 필요했습니다. 은행가와 투자자는 이 급성장하는 경제에서 대출 및 투자 결정을 안내할 보다 일관되고 객관적인 정보를 간절히 원했습니다. Tappan과 Bradstreet은 데이터 수집, 분석 및 판매에 전념하는 회사와 이를 통해 얻은 통찰력을 설립했습니다. 그들의 회사는 시장에서 중요한 격차를 메웠고 결국 합병하여 Dun & Bradstreet을 형성했습니다.

오늘날로 넘어가면, 기업들은 종종 데이터에 휩쓸려 그것을 사업으로 전환할 수 있을지 알아내려고 합니다. 답은 명확하지 않습니다. 데이터 사업을 구축하는 것은 모든 기관에 적합한 것은 아니며, 특히 데이터에서 엄청난 이점을 가진 몇몇 주요 기업이 이미 존재하는 분야에서는 더욱 그렇습니다. 그러나 고유한 데이터, 분석 또는 조직적 노하우를 활용하여 미개척 시장 기회를 해결하는 제품을 만들 수 있는 기업에는 엄청난 보상이 따를 수 있습니다.

유럽의 건축 자재 회사는 핵심 성과 지표(KPI)를 추적하는 내부 도구를 외부에서 판매할 수 있는 제품으로 전환하여 기업 가치가 5억 달러가 넘는 새로운 사업 기회를 발견했습니다. 마찬가지로, 통신 회사는 데이터를 사용하여 디지털 대출 사업을 구축하여 5년 이내에 2억 달러의 새로운 수익을 실현할 예정입니다. 그리고 그들은 혼자가 아닙니다. McKinsey가 새로운 사업 구축에 대한 기업 리더를 대상으로 실시한 연례 설문 조사에 따르면, 약 40%가 향후 5년 내에 데이터, 분석 및 AI 기반 사업을 만들 것으로 예상합니다. 이는 모든 새로운 사업 구축 범주 중 가장 높은 수치입니다(표 1).1

증거물 1

저희는 장애인이 저희 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보가 필요하시면 기꺼이 도와드리겠습니다. 다음 주소로 이메일을 보내주세요: McKinsey_Website_Accessibility@mckinsey.com

데이터 비즈니스를 구축하는 것이 조직에 가치를 창출할 수 있는지 어떻게 알 수 있을까요? 이 기사에서는 지금이 데이터 비즈니스를 고려하기에 적절한 시기인 이유, 적합한지 평가하는 방법, 시작하기 위한 중요한 고려 사항을 공유합니다.

왜 지금

리더들이 10년 이상 데이터 사업을 평가해 온 반면, 진화하는 기술 역량과 전 세계적으로 AI와 분석이 더 많이 도입되면서 오늘날 데이터를 수익화할 가능성이 커졌습니다. 특히 4가지 기술 전환을 통해 회사는 그 어느 때보다 더 빠르고 저렴하게 새로운 데이터 제품을 만들 수 있게 되었습니다.

• 향상된 데이터 관리 효율성: 기업은 데이터 도구와 기술의 정교함 덕분에 다양한 플랫폼에서 실시간으로 데이터를 보다 효율적으로 처리, 관리, 액세스 및 재사용할 수 있습니다. 이러한 효율성은 확장 가능하고 지속 가능한 데이터 비즈니스를 만드는 데 필수적입니다.
• 생성형 AI(gen AI): 몇 년 전만 해도 텍스트, 이미지, 비디오와 같은 비정형 데이터를 표준화된 형태로 변환하여 접근하고 분석하는 것은 대부분 기업에 엄청나게 비쌌습니다. Gen AI는 이러한 데이터를 구조화하는 것을 더 비용 효율적으로 만들어 더 광범위한 사용이 가능하게 했습니다. AI와 분석을 민주화하는 로우코드 및 노코드 분석 플랫폼의 등장과 결합하여 데이터 기업은 이제 데이터에서 더 많은 가치를 얻을 수 있습니다 .
• 실제 세계 데이터에 대한 접근성 증가: 사물 인터넷(IoT) 도입이 가속화됨에 따라 센서 기술을 구현하고 실제 세계 데이터를 수집하는 데 따른 비용과 장벽이 크게 감소했습니다. 이제 기업은 실제 세계 데이터를 더 빠르고 저렴하게 수집하여 더 광범위한 애플리케이션에 액세스할 수 있습니다.
• 내부 데이터 제품 사용 증가: 업계 리더들은 주어진 데이터 세트가 여러 가지 다른 사용 사례를 지원할 수 있도록 데이터를 내부적으로 제품처럼 취급하는 경우가 점점 더 늘고 있습니다(사이드바 "데이터 제품이란 무엇인가?" 참조). 이 "데이터 패키징"은 데이터를 수익화하는 데 있어 선두를 달리게 합니다.

공유하다

사이드바

데이터 상품이란?

또한, 리더들이 데이터와 분석에서 얻을 수 있는 최대 17조 7,000억 달러의 잠재적 가치를 놓고 경쟁함에 따라 데이터 중심의 의사 결정에 대한 갈증이 더욱 커질 것으로 예상합니다 .2여기에 AI로부터 2조 6,000억 달러가 추가되어 4조 4,000억 달러가 됩니다 .삼이는 데이터와 AI 제품에 대한 비옥한 토양을 만들 수 있습니다. 공급업체가 고객의 쇼핑 행동을 더 잘 이해할 수 있도록 돕는 데이터 솔루션을 출시한 Walmart Data Ventures를 생각해 보세요. Walmart Luminate라는 이 회사의 제품은 시장의 틈새를 메워 회사가 첫해에 강력한 시장 채택과 80%의 분기별 성장을 달성할 수 있도록 했습니다.4

데이터 사업은 종종 승리하기 위해 강력한 가치 제안과 고유한 데이터 이점이 필요하기 때문에, 우리는 소수의 데이터 사업이 등장하여 향후 10년 동안 산업별 시장을 지배할 것으로 예상합니다. 나중에 등장하는 사업은 따라잡기 어려울 수 있습니다.

McKinsey의 사업 구축 솔루션인 Leap 에 대해 자세히 알아보시겠습니까 ?

기회와 올바른 전략 평가

데이터 비즈니스는 기본적으로 상당한 양의 데이터(내부 또는 외부)에 액세스할 수 있어야 하거나, 충족되지 않은 시장 요구를 해결할 수 있을 만큼 고유한 데이터 처리 및 비즈니스 가치 외삽 접근 방식이 있어야 합니다. 예를 들어, 인구 통계적 쇼핑 데이터는 현재 해당 분야의 시장 리더가 충분히 이용할 수 있기 때문에 오늘날에는 가치가 없을 수 있습니다. 그러나 틈새 시장 세그먼트의 실시간 쇼핑 선호도에 대한 데이터는 일부 회사가 시장 전략을 현지화할 때 가치가 있을 수 있습니다.

우리의 경험에 따르면 리더는 이러한 데이터 세트를 구축하기 위해 각각 다른 가치 제안과 중요 성공 요소를 갖춘 세 가지 광범위한 전략을 추구할 수 있습니다(표 2).

• 무디스, S&P 글로벌, 피치가 신용 평가에서 한 것처럼 산업 표준을 만드세요 . 일반적으로 이러한 데이터 비즈니스는 데이터 수집자로 시작하여 엄청난 양의 고유 데이터를 조립합니다. 일부는 네트워크 효과가 제품의 유용성을 확장하여 결국 대체 제안을 능가하고 산업 표준이 될 때까지 전환점에 도달할 수 있습니다. 이는 매우 효과적인 전략이 될 수 있습니다. Google이 자사 데이터에 대해 AI 모델을 훈련할 수 있도록 하는 Reddit의 연간 6,000만 달러 계약을 고려하세요.5하지만 이는 또한 추구하기 가장 어려운 사업 모델 중 하나이기도 합니다. 시장 리더가 사실상의 표준으로 자리 잡으면 신규 진입자가 경쟁하기가 점점 더 어려워집니다.

  여기에서 성공하려면 데이터 접근에서 비대칭적 이점, 선점자 우위 또는 둘 다가 필요합니다. 한 금융 서비스 회사는 가격 역학이 빠르게 변하는 지역에서 정확한 가격 예측을 위한 최고의 선택이 되기 위해 자리 매김했습니다. 이 회사는 위성 이미지, 목록, 공개 신고, 광고, 직접 전화 및 사업장(때로는 개인을 직접 파견하여 온라인에서 사용할 수 없는 세부 정보를 파악)에서 새로운 데이터를 수집하고 예측 정확도를 개선하는 방식으로 분석하여 이를 수행했습니다. 그런 다음 고객에게 결과적인 통찰력에 액세스할 수 있는 사용하기 쉬운 플랫폼을 제공합니다.

• 참여 사용자 기반에서 통찰력을 활용하세요. 적절한 데이터 사용 권한이 있으면 조직은 참여 사용자 기반에서 수집한 데이터를 광고주, 공급업체, 파트너 및 사용자에게 귀중한 통찰력으로 전환할 수 있습니다. 예를 들어 디지털 상호 작용의 벤치마크 및 행동 데이터는 데이터 마켓플레이스를 통해 "있는 그대로" 판매되거나 분석과 결합하여 구매자에게 직접 통찰력으로 판매될 수 있습니다. 회사는 이러한 통찰력을 사용하여 디지털 채널에서 타겟팅 광고를 판매할 수도 있습니다.

  이 전략은 데이터의 고유성과 고객을 위한 강력한 제품 가치 제안을 만드는 회사의 능력에 크게 의존합니다. 데이터 제품 판매가 핵심 제품의 판매 또는 점착성을 증가시키는 "플라이휠 효과"를 유발할 수 있다면 비즈니스 사례가 더 매력적으로 보입니다. 금융 서비스 회사는 인기 있는 데이터 및 분석 제품을 지능형 워크플로 솔루션에 통합하여 고객을 위한 중요한 비즈니스 프로세스를 자동화하고 의사 결정을 가속화함으로써 증분 수익의 길을 열었습니다. 이 통합 솔루션은 또한 고객이 다른 데이터 및 분석 요구 사항을 위해 해당 생태계에 머무르는 것을 선호했기 때문에 회사의 다른 제품 판매를 촉진했습니다.

• 상당한 조직적 노하우를 제품으로 전환합니다. 예를 들어, 내부 비즈니스 문제를 해결하기 위한 도구를 구축하는 데 축적된 지식과 역량은 때때로 수익성 있는 제안으로 발전할 수 있습니다. 이는 효율성을 추적하기 위한 내부 도구를 SaaS(Software-as-a-Service) 제품으로 전환한 앞서 언급한 유럽 건축 자재 회사의 전략이었습니다. 리더들은 처음에는 이 데이터에서 얻은 경쟁 우위를 잠식하는 것에 대해 우려했지만, 분석 결과 이 ​​데이터를 제품으로 전환하는 것이 도구를 자체적으로 유지하는 것보다 회사에 더 수익성이 높을 것이라는 것을 발견했습니다.

  이러한 조직적 노하우는 회사가 핵심 운영의 부산물로 고유한 데이터를 수집할 때에도 나타날 수 있습니다. 한 회사는 자산에 IoT 센서를 추가하고 그 결과 얻은 통찰력을 사용하여 고객의 운영을 개선함으로써 운영 방식을 혁신하고 새로운 데이터 기반 수익 스트림을 창출하고 있습니다. 예를 들어, 센서의 온도 및 GPS 데이터를 통해 회사의 고객은 온도에 민감한 선적물에 대한 운송 중에 더 나은 경로 결정을 내릴 수 있습니다.

증거물 2

저희는 장애인이 저희 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보가 필요하시면 기꺼이 도와드리겠습니다. 다음 주소로 이메일을 보내주세요: McKinsey_Website_Accessibility@mckinsey.com

지속 가능한 데이터 비즈니스 구축을 위한 중요한 고려 사항

데이터를 수익화할 잠재적 기회를 파악한 리더는 고마진의 지속 가능한 제공의 기반인 규모의 경제를 달성하는 데 3~5년이 걸릴 것으로 예상해야 합니다. (시장 테스트를 위한 최소 실행 가능 제품 출시는 처음 12~18개월 내에 이루어져야 합니다.)

이러한 영역을 성공적으로 탐색하려면 강력한 고객 가치 제안을 정의하고, 사업을 확장하고 지속할 수 있는 운영 모델과 기술 역량을 구현하고, 운영에 영향을 미칠 수 있는 모든 데이터 개인 정보 보호 및 보안 문제를 미리 해결해야 합니다.

강력한 고객 가치 제안 정의

우리는 일반적으로 고객 가치 제안과 채택에 영향을 줄 수 있는 두 가지 제품 속성이 있다는 것을 발견했습니다.

1. 데이터 제품이 제공하는 "지능"의 유형. 고전적인 DIKW 프레임워크인 데이터, 정보, 지식, 지혜는 제공물의 잠재적 가치와 내구성을 평가하기 위한 하나의 계층 구조를 제공합니다(표 3). 기업은 대량의 원시 데이터 또는 정보를 판매하여 수익성 있는 제품을 만들 수 있습니다. 기본적으로 판매 데이터에서 추출한 구매 습관과 같이 어떤 식으로든 맥락화된 데이터입니다. 그러나 데이터 제품이 이 가치 사슬에서 더 높은 순위에 있을수록 최종 사용자에게 더 큰 가치가 생기고 경쟁자가 복제하기 어려워져 시간이 지남에 따라 마진과 고객 유지율이 높아집니다.

증거물 3

저희는 장애인이 저희 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보가 필요하시면 기꺼이 도와드리겠습니다. 다음 주소로 이메일을 보내주세요: McKinsey_Website_Accessibility@mckinsey.com

1. 제품 제공 원형. 원시 데이터는 일반적으로 데이터 마켓플레이스와 같은 데이터 플랫폼을 통해 제공됩니다. 다른 유형의 인텔리전스는 분석 도구와 같은 기존 인사이트 플랫폼이나 최종 사용자의 워크플로에 직접 통합된 지능형 애플리케이션을 통해 제공됩니다. 여기서 최종 사용자의 의사 결정 및 워크플로에 오퍼링이 더 통합될수록 최종 사용자에게 잠재적인 가치가 커지고 마진이 높아지며 최종 사용자가 일상 업무에 필수적이라고 생각하여 고객 이탈을 줄일 가능성이 높아집니다(표 4). 시간이 지남에 따라 고객 기반이 증가함에 따라 상호 작용의 증가에 따른 데이터와 피드백이 오퍼링을 더욱 차별화하고 고객 충성도를 높이는 선순환이 생성됩니다.

증거물 4

저희는 장애인이 저희 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보가 필요하시면 기꺼이 도와드리겠습니다. 다음 주소로 이메일을 보내주세요: McKinsey_Website_Accessibility@mckinsey.com

최소 실행 가능 제품에 대한 초기 고객 조사와 테스트는 잠재력을 과대평가하는 함정을 피하기 위해 새로운 제안을 개발하는 데 필수적입니다. 일반적인 접근 방식 중 하나는 조기 채택자가 되고 제품 빌드 전반에 걸쳐 지속적인 피드백을 제공할 의향이 있는 소규모 대상 고객을 모집하는 것입니다. 유럽의 한 제약 회사는 개발 중에 모든 기능을 검증하기 위해 잠재 고객과 일관된 피드백 루프를 시작하여 기대를 모았던 새로운 데이터 제품을 성공적으로 출시했습니다. 여기에는 최소 실행 가능 제품을 개발하면서 고객과 자주 소통하고 A/B 스타일 프로토타입 테스트를 하는 것이 포함되었습니다. 개발 중에 주제 전문가는 또한 알고리즘 출력을 자주 검증했으며, 이는 파일럿 고객의 신뢰를 얻는 데 중요했습니다.

이러한 피드백 루프는 제품 수명 주기 전반에 걸쳐 사용할 수 있습니다. 금융 서비스 회사의 초기 제안은 시장을 선도했지만, 지속적인 고객 피드백을 통해 통찰력의 적시성과 함께 제품의 가치가 증가한다는 것을 깨달았습니다. 의사 결정 시점에 실시간 인텔리전스를 제공하는 새로운 워크플로 솔루션을 만들어 회사는 기존 데이터 자산의 가치를 5배에서 10배로 늘릴 수 있었습니다.

성장을 위한 CEO의 선택: 새로운 사업 구축

설문조사를 읽어보세요

운영 모델 조정

데이터 사업을 구축하는 데 있어 회사가 저지르는 가장 흔한 실수 중 하나는 데이터 제품의 제공을 효과적으로 지원하기 위해 조직과 역량을 적응시키는 것을 소홀히 하는 것입니다. 데이터 사업을 구축하는 기업은 새로운 손익(P&L) 기대치, 새로운 가격 책정 및 판매 모델, 새로운 기술에 대한 투자를 중심으로 조직을 지향해야 합니다.

• 단기 이익보다 성장 잠재력에 대한 인센티브 제공: 데이터 제품은 종종 첫해에 비합리적인 성과 기대치로 인해 실패합니다. 모든 신생 벤처의 경우와 마찬가지로, 처음 1년 반에서 2년 동안 리더는 단기 수익성보다는 성장 잠재력을 측정하는 KPI에 인센티브를 제공해야 합니다. 이러한 KPI에는 일반적으로 고객 성장 및 유지, 월별 반복 수익(SaaS 제품의 경우) 또는 고객 인수 비용에 비해 고객의 평생 가치(LTV 대 CAC)가 포함됩니다. 이를 지원하는 한 가지 전략은 내부 조직 및 회계 통제를 통해 데이터 사업을 모회사에서 분리하거나 별도의 법적 실체를 만드는 것입니다. 예를 들어, 유럽 건축 자재 회사는 데이터 사업을 자회사로 분사하여 새로운 법인이 자율성을 높이고 의사 결정을 더 빠르게 내릴 수 있도록 했습니다.

• 새로운 판매 및 가격 책정 모델 채택: 판매 측면에서 대부분의 데이터 기업은 새로운 인재를 고용하고 기존 인재의 기술을 향상시켜 데이터 제품의 가치를 설명하고 입증해야 합니다. 데모를 맞춤화하고 제공하고, 파일럿 프로그램을 통해 일찍 고객을 참여시키고, 고위 기술 또는 데이터 의사 결정권자와 관계를 구축하고, 새로운 가격 책정 모델(예: 프리미엄 모델)을 지원하고, 고객이 배포 고려 사항을 이해하도록 돕는 것입니다. 예를 들어, 한 대형 소비자 데이터 및 연구 회사는 무료 평가판과 타겟 사용 계층을 통해 제품 기반 판매 노력을 이끌 디지털 출시 팀을 구성하여 제공을 구축했습니다. 초기 판매를 넘어, 고객이 제품을 사용하여 성공하도록 지원하는 조직을 설정하고, 지속적인 고객 조언을 제공할 수 있도록 인재의 기술을 향상시키면 고객 경험을 개선하는 데 도움이 될 수 있습니다.

  데이터 제품의 가격 책정은 까다로울 수 있습니다. "더 나은, 더 빠른 의사 결정 및 워크플로"의 가치는 종종 이러한 유형의 제공의 근본적인 이점이지만, 기존 제품보다 더 다양할 수 있기 때문입니다. 데이터 제품의 유용성은 항상 고객에게 즉시 명확하지 않아, 특히 다른 옵션이 있는 경우 이러한 제품이 뚜렷한 고통스러운 점을 달래준다고 확신시키기가 더 어렵습니다. 결과적으로, 고객에게 제품의 유용성과 고객이 기꺼이 지불할 금액을 확인하기 위해 적절한 가격 책정 조사에 투자하는 것이 중요합니다. 이러한 조사는 종종 회사가 제공 사항을 고객의 고통스러운 점에 가장 잘 맞추고 시장의 대안과 비교하는 방법에 대한 지침을 제공할 수도 있습니다.

• 전문 기술에 투자: 목표는 데이터 비즈니스의 성장과 지속 가능성을 지원하고 회사의 데이터 수익화 역량을 구축하는 것입니다. DIKW 가치 사슬 내에서 데이터 비즈니스가 제공하는 인텔리전스 유형은 회사에 필요한 기술 인재 유형을 결정합니다. 원시 데이터를 제공하려는 리더는 주로 데이터 엔지니어에 투자해야 하며, 최종 사용자에게 지식이나 지혜와 같은 보다 정교한 통찰력을 제공하려는 리더는 데이터 과학자와 AI 및 머신 러닝 엔지니어의 벤치를 늘려야 합니다.

데이터 기술 현대화

현대적인 데이터 아키텍처가 없다면 데이터 비즈니스가 확장하고 선도적인 고객 경험을 유지하는 것은 어렵습니다. 데이터 자산의 시작점과 복잡성에 따라 강력한 데이터 기반을 구축하는 데 6개월에서 15개월이 걸릴 수 있습니다.

일부 기초 기술은 모든 데이터 비즈니스에 필요한 기본 요소입니다(표 5). 추가 투자는 사용된 데이터 유형과 제공 방법에 따라 달라집니다. 예를 들어, 고객에게 대량의 데이터와 정보에 대한 액세스를 제공하려는 일부 데이터 비즈니스는 일반적으로 고객이 데이터 세트에 대한 세부 정보를 검색하고 볼 수 있는 포털(일반적으로 스토어프런트라고 함)을 제공합니다.

인텔리전스 플랫폼을 제공하거나 광범위한 데이터 제품을 개발하려는 회사는 강력한 MLOps 및 DataOps 툴링, 기술 및 관행을 플랫폼에 내장해야 합니다. 이러한 접근 방식을 통해 회사는 위험을 효과적으로 관리하는 동시에 제공의 일부로 새로운 AI 기능을 보다 빠르고 안정적이며 비용 효율적으로 제공할 수 있습니다.

증거물 5

저희는 장애인이 저희 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보가 필요하시면 기꺼이 도와드리겠습니다. 다음 주소로 이메일을 보내주세요: McKinsey_Website_Accessibility@mckinsey.com

데이터 보안, 개인정보 보호 및 지적 재산권 관리

공유하다

사이드바

McKinsey의 AI인 QuantumBlack에 대하여

데이터 보안, 프라이버시, 소유권은 모든 리더에게 중요한 관심사 입니다 . 그러나 이러한 위험이 데이터 회사의 비즈니스 모델과 확장 능력에 미칠 수 있는 잠재적 영향은 위험을 상당히 높입니다. 결과적으로 리더는 비즈니스, 기술, 사이버 및 법률 팀이 기회를 평가하는 데 자주 그리고 일찍 협력하도록 해야 합니다.

조기에 주의가 필요한 네 가지 문제는 다음과 같습니다.

• 데이터와 관련하여 귀하와 다른 사람들이 가진 권리 이해: 귀하의 데이터 소스는 무엇입니까? 퍼스트 파티, 공급업체 등이며, 데이터는 어떻게 획득되었습니까? 데이터를 사용하는 방법에 제한이 있습니까? 또는 문제가 있는 기본 데이터 세트에서 파생되었는지에 대한 우려가 있습니까(예: 저작권이 있는 자료일 수 있는 생성 AI에 대한 교육 데이터)? 데이터 비즈니스는 데이터를 평가하고 데이터 권리에 대한 진화하는 대화를 면밀히 따라야 합니다. 특히 혁신적인 기술이 이러한 대화와 충돌하고 이를 촉진할 때 더욱 그렇습니다.
• 처음부터 일관된 데이터 개인정보 보호 원칙을 개발하는 것: 제품을 출시하기 전에 기업에서 개인 데이터를 수집, 사용, 보관, 삭제, 보호하는 방법을 파악하면 새로운 제품과 기능을 출시할 때 데이터 기업이 잠재적인 좌절과 시간이 많이 소요되는 장애물로부터 보호받을 수 있으며 고객과의 신뢰를 유지할 수 있습니다.
• 지역 법률 검토 및 추적: 다양한 국가, 지역 및 부문 법률은 데이터 비즈니스가 데이터를 수집, 공유, 처리, 저장, 보안 및 관리하는 방식에 영향을 미칠 수 있습니다. 또한 일부 관할권은 다른 관할권보다 더 명확하게 정의된 규정을 가지고 있어 예측 가능성이 더 큽니다. 리더는 규정이 명확하게 정의되지 않은 지역에서 운영할 때의 불확실성과 위험에 대한 기대치를 고려해야 합니다.
• 데이터 거버넌스와 보안 우선 순위 지정: 이는 일반적으로 데이터 비즈니스가 확장되는 것을 막는 "가장 약한 고리"입니다. 데이터 문제를 신속하게 식별하고 해결하고 데이터 액세스 및 자격을 효과적으로 관리하는 것과 같은 데이터 거버넌스 및 보안 기능은 성장하는 사용자 기반에 양질의 제품을 제공하는 데 기초가 됩니다.

---

귀중한 데이터 세트와 관련 통찰력을 구축하는 데는 시간이 걸릴 수 있으며, 먼저 움직이는 기업은 미개척 시장 기회를 포착하는 데 상당한 이점을 얻을 수 있습니다. 그러나 이 시장에 진입하는 기관은 충족되지 않은 고객 요구 사항을 해결하는 고유한 데이터 세트와 제품을 확장할 수 있는 적절한 역량을 보유해야 합니다. 그렇게 하는 기업은 확장 가능하고 수익성 있는 사업을 구축할 뿐만 아니라 잠재적으로 지속 가능한 브랜드를 만들 수도 있습니다.

저자에 관하여

아리 리바리키안뉴욕의 수석 파트너

링크드인이메일

케이번 로우샨키시뉴욕의 수석 파트너

링크드인이메일

마르쿠스 베르거-데 레온베를린의 수석 파트너

링크드인이메일

비슈누 카말나트파트너, 보스턴

링크드인이메일

저자는 이 논문에 기여한 Pravanjan Das와 Rob Mueller에게 감사를 표하고 있습니다.