투이컨설팅 이호재 상무
기준데이터관리는 어떻게 발전하여 왔나?
※ 위 내용은 '투이톡' 모바일 앱을 통해서도 확인하실 수 있습니다. http://itunes.apple.com/us/app/tu-i-tokeu/id1171671108?l=ko&ls=1&mt=8
데이터가 서 말이라도 꿰어야 성과
디지털 시대의 모든 기술은 데이터를 필요로 한다. 인공지능은 데이터를 학습할 수 없다면 연료가 떨어진 자동차와 같다. 사물인터넷은 데이터 송신과 수신으로 작동한다. 클라우드는 데이터 활용 기회를 대폭 확장했다. 애널리틱스는 데이터로 시작해서 데이터로 끝난다. 데이터는 쌓아두고 활용하지 않으면 비용만 증가한다. 데이터는 저절로 활용되지 않는다. 데이터를 수집하고 다듬고 정리해서 제공해야 한다.
기준데이터관리(Master Data Management)가 필요한 이유를 정리해보면 다음과 같다.
▶ 데이터는 디지털 사회의 핵심 자원이다. 데이터를 경영 활동에 효과적으로 활용할 수 있는 체계가 필요하다. 업무 성과와 데이터를 연계하여 관리해야 한다.
▶ 데이터는 사용자 역할에 따라 보고자 하는 관점이 다를 수 있다. 서로 다른 사용자가 자신의 목적에 맞게 데이터를 이용하면서도 전체로서는 하나의 진실(single version of truth)로 유지되어야 한다.
▶ 디지털 사회에서 고객은 다양한 경로로 기업과 상호작용한다. 고객 경험의 일관성을 유지하기 위해서는 고객 중심으로 데이터가 통합되어야 한다. 고객을 360도로 이해할 수 있어야 한다.
▶ 관리해야 하는 데이터 유형이 다양하다. 기업 내부 데이터는 물론 외부 데이터도 관리해야 한다. 구조데이터와 비구조데이터, 음성, 영상, 문서 등 다양한 데이터를 서로 연계해서 관리해야 한다.
▶ 데이터의 범위와 양이 빠르게 증가하고 있다. 데이터 규모 증가는 데이터 활용 관점에서 복잡성을 높이고, 또한 관리 비용도 증가시킨다. 데이터 생명주기 관리 등 효율적인 관리 방안을 도입해야 한다.
무엇이 기준데이터인가?
기준데이터는 업무 프로세스 및 시스템 상에서 동일한 기준으로 사용되는 기업의 핵심 데이터로서, 기업 정보의 신뢰성 및 정확도를 보장하고 프로세스를 효과적으로 관리하기 위한 기본 데이터이다. 기준데이터관리는 단순히 시스템 구축 만을 의미하는 것이 아니다. 기준데이터의 품질과 일관성을 유지하고 업무 변화에 대응할 수 있는 운영 체계에 대한 거버넌스와 운영 표준체계를 수립하고, 이를 기반으로 정보시스템을 개발하고 운영하는 인프라 구축을 포함한다.
데이터는 활용 목적에 따라 기준데이터(Master Data), 트랜잭션데이터(Transaction Data), 분석데이터(Analytic Data)로 구분한다. 기준데이터는 전사 업무 부문 간 공통의 의미를 가져야 할 정보로, 업무 수행 시 참조되는 데이터이다. 기준데이터가 중복이나 누락 등의 이유로 부정확할 경우, 기준데이터를 참조해 생성되는 트랜잭션데이터부터 이를 가공해 생성되는 분석데이터까지 신뢰성과 품질에 치명적인 문제가 발생될 수 있다. 이는 기업의 운영에도 심각한 문제를 초래할 수 있다. 금융권 정보 분석계는 많은 데이터를 확보하고 있으나, 분석 효율성과 정확성이 떨어지는 경우가 많은데, 대부분의 원인이 기준데이터 기반으로 데이터를 관리하지 않기 때문이다.
어떤 데이터를 기준데이터로 선정할 것인가를 판단하기는 쉽지 않다. 무엇보다 비즈니스 모델을 이해하고 있으면서, 데이터 생성, 보관, 정제, 활용 등 데이터 생명주기를 다루어 본 경험이 있어야 한다. 실무적으로 적용할 수 있는 선정 기준은, 동일 기준, 동일 값, 동시 반영, 낮은 변경 빈도, 참조 정보 등이다.
▶ 제조업 중심 MDM 적용 단계
2000년대에 제조 분야에서 제품 코드, 공급 업체 부품 코드 등 기준데이터를 관리하기 위해 MDM을 적극 도입했다. 특히 제조 분야는 ERP(Enterprise Resource Planning)를 보편적으로 도입한 만큼 ERP와 연계되어 각종 기준데이터를 통합해 운영하는 식으로 MDM을 활용하기 시작했다. 삼성그룹이 삼성전자를 시작으로 제조 계열사에 적용하면서 많은 발전이 가능했다.
▶ 차세대 프로젝트를 통해 금융, 의료, 유통 산업 MDM 확대 단계
차세대 프로젝트를 수행하면서 다양한 산업에서 MDM의 필요성에 관심을 가지게 되었다. 금융, 의료, 유통 등 서비스 산업들도 다양한 정보시스템을 운영하면서 산재되어 있는 고객 혹은 주요 기준데이터들의 통합 관리 필요성을 인식하였다. 콜센터에서 관리하는 고객 정보와 다양한 채널로 관리되는 고객 정보가 중복되어 금전적, 시간적 손실을 발생시킬 수 있다는 점을 인지하게 됐다. MDM 기능 중 ‘중복 제거’와 ‘매칭’ 기능이 있다. 이 기능들은 고객의 정보를 취합해 중복된 정보를 제거해주며, 동일한 고객을 찾아서 고객 정보를 통합 관리할 수 있도록 해주었다.
▶ 디지털 시대로 MDM 확대 촉진 단계
디지털화가 진전되면서 데이터가 자원이며 경쟁 무기라는 인식이 확산되기 시작했다. 빅데이터 분석을 시도하는 경우 많은 기업이 데이터 확보와 정제 등 데이터 준비 작업에 상당한 노력이 소요되었다. 데이터 분석을 확산하기 위해서는 먼저 기준데이터관리가 정착되어야 한다는 결론에 이르렀다. 인공 지능을 학습시키기 위한 데이터 확보 및 정제도 중요한 이슈로 떠오르고 있다. 디지털 기업의 데이터 아키텍처에서 MDM은 필수 컴포넌트가 되었다. MDM은 데이터 발생부터, 정제, 보관, 활용, 폐기 등 전체 데이터 생명주기를 관리함으로써 디지털 기업의 데이터 활용 역량을 좌우한다.
기준데이터관리, 무엇을 고민해야 하나?
데이터는 활용 가치가 큰 자산이다. 하지만 활용하지 않는다면 쓰레기와 같다. 데이터 보관이 늘어나면, 비용이 지속적으로 증가하고 데이터 유출 위험만 커진다. 활용한다면 보물과 같다. 분석 능력을 높여서 의사결정을 빠르고 올바르게 내릴 수 있게 되어서, 기업 프로세스를 혁신시키고 성과를 높이게 될 것이다. 데이터를 위한 데이터관리는 다음을 고려해야 한다.
▶ 엔터프라이즈 아키텍처를 새로 정의해야 한다. 전사 관점에서 데이터를 정의해야 한다. 부분의 성과가 결국 전사적 이익으로 연계되도록 조정해야 한다. 예를 들어, Twitter 및 Facebook 등의 소셜 데이터를 캠페인에 활용하는 경우, 고객 마케팅 및 서비스에서 이용하는 고객 데이터와 연결해서 적용하는 것이 바람직하다. 그렇지 않으면 마케팅 또는 고객 서비스 프로세스를 훼손할 수 있고, 일관성 없는 고객 커뮤니케이션으로 이어질 수 있다.
▶ 위험 노출 예방 역할이 필요하다. 빅데이터 구현에서와 마찬가지로 외부의 정보 소스를 기반으로 작업을 실행하면 데이터 품질 저하, 중요한 정보 손실 및 권한이 없는 정보에 대한 액세스와 같은 요인이 더 많이 발생한다. 비즈니스 운영에서 데이터 사용과 관련하여 위험 통제를 만들고 실행하는 데 도움을 주기 위해 거버넌스 조직 체계에 빅데이터 정보 책임자 역할을 부여하는 것이 좋다.
▶ 빅데이터를 효율적으로 사용하려면 기존 방식과 새로운 방식이 혼합되어야 한다. 기존 MDM은 전통적으로 정책 기반 및 승인 기반 접근 방식을 사용한다. 그러나 빅데이터는 일반적으로 미리 정의된 프로세스나 컨트롤이 거의 없거나 전혀 없는 방식을 사용한다. 승인 없이 데이터를 처리할 수 있게 하는 새로운 방식이 필요하다.
▶ 중장기 요구 사항을 파악해야 한다. 기업과 정보 인프라에 직면한 과제 규모는 빠르게 변화하고 있다. 이것은 반드시 현재 기준데이터관리 구현이 더 이상 목적에 맞지 않는다는 것을 의미하지는 않는다. 그러나 투자 및 고용이 디지털 비즈니스의 정보 요구 사항을 따라잡을 수 있도록 하려면 새로운 요구 사항과 미래 요구 사항을 고려한 즉각적인 평가 및 계획이 반드시 필요하다.
- 끝 -
하루 5분, 스마트해지는 시간~투이톡 설치(구글 플레이 스토어, 애플 앱스토어)
https://play.google.com/store/apps/details?id=com.consulting2e.academy
