데이터 기반 문화 조성을 위한 Google 가이드

데이터가 말해주는 데이터 문화의 중요성

디지털 혁명은 모든 비즈니스에 전례 없는 기회와 위험을 가져옵니다. 저렴하고 풍부한 온라인 리소스는 새로운 제품, 새로운 시장, 더욱 풍부한 고객 관계를 위한 새로운 기회를 약속하지만, 치열한 경쟁과 끊임없는 분열을 야기하기도 합니다.

변화에 직면했을 때 네 가지 불변의 핵심 원칙을 기억하는 것이 좋습니다. 그것은 바로 시장을 정확히 파악하라, 고객에게 집중하라, 완벽한 제품을 제공하고 변화하는 조건에 맞출 준비를 하라, 효율성을 추구하라입니다.

즉, 데이터를 수집하여 잘 사용해야 합니다. 이를 중심으로 직장 문화를 조성합니다. 이는 관련된 사람들에 따라 매우 다르게 보일 것입니다. 서로 다른 두 팀에 혁신 또는 어려운 문제를 해결하는 목표를 부여하고 동일한 기술과 데이터를 제공하더라도 서로 매우 다른 두 결과를 얻을 수 있습니다. 성공적인 문화 조성을 위해서는 서로 다른 팀들이 목표와 데이터에 대한 의견을 조정해야 합니다.

문화는 그 자체로 촉진제입니다. McKinsey and Company의 데이터 문화가 중요한 이유(Why data culture matters)에서는 다음과 같이 말했습니다. “문화는 복합적인 문제가 될 수도, 복합적인 솔루션이 될 수도 있습니다. 조직의 데이터 목표가 비즈니스 전략 및 핵심 운영과 분리되어 있으면 분석 이니셔티브의 결과가 기대치를 충족하지 못할 수 있습니다. 그러나 데이터 분석에 대한 기대감이 조직 전체에 스며들면 이는 에너지와 추진력의 원천이 됩니다. 그렇기에 기술은 놀라운 것입니다. 기술이 문화와 조화를 이룰 때 얼마나 성장할 수 있을지 상상해보세요.”

그리고 기억하세요. 데이터를 사용하는 것은 새로운 개념이 아닙니다. 상업이 시작된 이래 사람들은 사실을 관찰하고, 중요한 것이 무엇인지 파악하고, 활용할 패턴을 찾아냈습니다. 현대 통계학의 역사는 1749년으로 거슬러 올라가며, 데이터 기반 관리가 점점 더 정교해짐에 따라 한 세기가 넘는 기간 동안 전 세계 GDP는 급격히 증가했습니다. 지금 우리는 데이터 중심의 혁명 시대에 살고 있습니다. 이는 데이터를 성공적으로 활용했기 때문에 가능했습니다.

작업을 준비하는 방법은 보유한 데이터의 양과 품질에 따라 달라집니다. 고대의 농부들은 날씨 경향을 관찰하는 비공식 데이터를 사용했고, 상업시대의 상공업자들은 표준화된 공작 기계에 대한 특허를 냈습니다. 컴퓨터 시대 초창기에는 수학과 연산 연구를 응용했습니다. 이제는 전사에 널리 보급할 수 있는 더욱 강력한 방법이 필요합니다.

데이터 문화는 어떤 모습일까요? 기회의 규모부터 살펴보겠습니다. 2002년, 디지털 스토리지 용량이 전체 아날로그 용량을 추월했습니다. 그 이후로 일반 기업이 소유한 데이터의 연평균 성장률은 약 60%였습니다. 데이터 양이 증가했을 뿐만 아니라 이제 다른 컴퓨터는 물론 브라우저, 센서, 스마트폰, 모바일 기기를 포함한 더 다양한 소스에서 데이터가 제공됩니다. 변화의 연평균 성장률은 계산할 수 없습니다.

Google은 이러한 기회에 대해 많이 생각합니다. 따져보면 Google은 전 세계의 모든 정보를 정리하겠다는 사명하에 설립되었으며, 수년간 엄청난 속도로 다양한 종류의 데이터에서 유용한 정보를 얻고 행동을 이끌어내는 것과 관련된 여러 흥미로운 문제를 해결해 왔습니다.

Google은 Google Cloud에서 제공하는 유용한 정보와 데이터 관리용 도구 및 서비스를 통해 비즈니스 광고에서 소비자와 기업 모두에 유용한 디지털 정보와 조치 수행 기능을 제공하고자 노력합니다. ANZ, Mayo Clinic, Sanofi, UPS를 비롯한 전 세계 기업에서 Google 제품이 혁신과 디지털 혁신을 가속화하는 데 어떻게 도움이 되는지에 대해 이야기합니다. '디지털 항공사'로 전환 중인 에어아시아를 예로 들어 보겠습니다. 에어아시아는 이미 이러한 혁신을 통해 새로운 유용한 정보를 얻고, 민첩성을 높이고, 더욱 개인화된 경험을 제공하여 업계에서 두각을 나타내고 있습니다. 에어아시아의 최고 제품 책임자인 니쿤지 샨티는 "우리는 고객에게 더 많은 것을 제공하고, 고객 경험을 개인화하고, 예약 및 발권을 개선하기 위해 디지털 항공사가 되어야 했습니다. 이를 위해 데이터 관리에서 데이터 기반 의사 결정 체제로 전환했습니다."라고 말합니다.

우리는 또한 혁신의 여정과 고객의 난제 해결을 돕는 과정에서 내부 조직의 데이터 최적화에 대한 많은 교훈을 얻었습니다. 이 eBook에서는 이러한 교훈 중 일부를 통해 데이터 문화가 중요한 이유를 알 수 있습니다. 이는 신뢰할 수 있는 운영, 유용한 정보의 범용화, 비즈니스 민첩성 강화, 인텔리전스 적용이라는 네 가지 핵심 원칙으로 귀결됩니다.

대규모 데이터 작업 조직화에 대한 몇 가지 놀라운 사실이 있습니다. 데이터를 둘러싼 기술의 발전은 더 많은 액세스와 향상된 관리 편의성을 의미합니다. 대규모 데이터를 관리하고 작업하는 것은 과거의 데이터 작업과 비교할 때 더 어렵고, 새로운 도전과제입니다. 대부분의 경우 이는 오늘날의 더 나은 프로세스 자동화와 데이터를 이해하기 위한 도구를 통해 해결됩니다. 물론 더 많은 액세스는 보안, 품질 및 해석 가능성에 있어 새로운 도전과제를 의미합니다.

좋은 기업은 고객에 대한 깊은 이해와 배려를 바탕으로 좋은 제품을 만드는 훌륭한 프로세스를 갖추고 있다는 점에 주목해야 합니다. 다시 말해, 모든 좋은 기업은 이러한 결과를 만들어내는 훌륭한 내부 문화를 갖고 있습니다. 사람들은 호기심과 창의성을 바탕으로 새로운 문화에 적응합니다. 적절한 때 현재 상태에 도전하고 새로운 유용한 정보를 바탕으로 혁신합니다. 자신에게 맡겨진 데이터의 힘을 활용해 프로세스를 조정하고 적용하여 데이터에서 새로운 가치를 만들어냅니다.

거대한 디지털 변화가 올바른 대규모 데이터 수집 및 사용 문화 조성의 필요성에 대해 새롭고 더 분명한 관심을 불러일으킨다는 것은 지금 그 어느 때보다도 분명합니다. 지난 경험에 비추어 볼 때 초기에 올바른 문화를 조성하는 것이 중요합니다. 새로운 목표를 위해 노력하는 사람들은 쓸모가 있는 한 더 많은 데이터를 보유하는 것을 절대 마다하지 않습니다. 클라우드 컴퓨팅, 데이터 관리, 데이터 분석, 인공지능 기술은 나날이 더 빠르게 발전하고 있습니다. 세상에 변화를 가져오려면 어떠한 비즈니스도 속도가 늦춰져서는 안 됩니다.

기업이 데이터 문화를 재창조하거나 새로운 문화를 조성하려고 할 때 다음과 같은 몇몇 Google Cloud 제품이 유용하다는 평가가 많습니다.

• Cloud SQL - 온프레미스 워크로드를 완전 관리형 Google Cloud로 쉽게 마이그레이션
• Cloud Spanner 및 Cloud Bigtable - 대규모 확장성을 위한 클라우드 기반 데이터베이스 서비스
• BigQuery - 페타바이트 규모의 초고속 데이터 웨어하우징용
• Looker - 최신 BI, 임베디드 분석 및 데이터 기반 애플리케이션용
• Dataproc - Hadoop 및 Spark 클러스터를 사용한 빅데이터 처리용
• Dataflow - 서버를 사용하지 않고 신속하게 일괄 및 스트리밍 데이터 처리
• Pub/Sub - 독립 앱과 메시지 교환
• Dataprep - 분석 또는 머신러닝을 위한 빠르고 시각적인 데이터 준비
• AutoML - 많은 전문 지식 없이 커스텀 ML 모델 학습
• AI Platform - 온프레미스 또는 Google Cloud에 ML 모델 배포 가능

오늘날 기업들이 상시적인 공급 기대, 빠르게 발전하는 기술, 많은 양의 가용 데이터에 직면함에 따라 비즈니스 민첩성에 대한 요구가 커지고 있습니다. 그렇다면 민첩성이란 무엇이며 어떻게 달성할 수 있을까요? Google Cloud는 민첩성을 달성하기 위해서는 사람, 프로세스, 데이터와 해당 데이터를 구체화할 수 있는 기술이 필요하다고 생각합니다. 민첩성을 갖춘 조직의 구성원들은 상품화된, 바쁘기만 하고 쓸데없는 일이 아니라 자신이 잘하는 일에 집중할 수 있습니다. 핵심은 액세스할 수 있는 도구와 서비스에 대한 선택권을 제공하고 필요할 때 도구와 서비스를 사용할 수 있도록 하는 것입니다. 이를 통해 더욱 쉽게 목표를 달성하고, 더 많은 일을 하고, 넓게 생각하고, 새로운 아이디어를 낼 수 있습니다.

요즘 기술자들에게서 자주 듣게 되는 이야기이면서 현대 사회에서 매우 분명한 사실은 기술자에게 필요한 도구는 데이터 도구라는 것입니다. 기업은 데이터로 넘쳐나며 매일 새로운 데이터가 유입됩니다. 민첩해지기 위해서는 지난 경험과 지혜를 기반으로 특화 도구를 사용해 보고, 도구를 대규모로 사용하는 것을 두려워하지 않아야 합니다. 이러한 도구에는 일상적인 작업을 제거하기 위한 관리형 데이터베이스가 포함됩니다. 소수가 아닌 많은 사람이 데이터를 사용할 수 있도록 제어되고 간소화된 빅데이터 분석도 여기에 포함됩니다. 여기에는 비즈니스에 의해 수집되고 반복 가능한 방식으로 처리되어 일관되게 유용하며 시각적이고 실행 가능한 형식으로 제공되는 모든 데이터가 포함됩니다. 도구는 더 나은 결정을 내리기 위해 해당 데이터에 대해 질문하고 데이터로부터 예측을 얻기 위해 찾고 있는 것을 데이터에 알려줄 수도 있습니다.

민첩성과 같은 개념은 회사가 사용하는 기술뿐만 아니라 태도와도 관련이 있습니다. 처음 시작할 때 Google은 기성 기술을 사용했습니다. 회사가 성장하면서 Google은 중요한 교훈을 많이 얻었습니다. 이 과정에서 Google은 반응하고 조정해야 했습니다(민첩성). 우리는 개발자가 자체 스택을 운영하도록 하는 것이 효율적이지 않다는 것을 깨달았습니다. Google에서 기술을 개발하면서 단순성, 자동화, 개방성에 중점을 두었습니다. 우리는 사용자가 완전 관리형 통합 기술에 액세스할 수 있을 때 데이터가 다른 역할을 한다는 것을 알게 되었습니다. 이제 Google 직원은 올바른 데이터를 검색하거나 이러한 데이터를 찾거나 분석하는 데 필요한 하드웨어나 소프트웨어를 수정하는 데 시간을 허비하지 않을 뿐만 아니라 데이터 운영, 확장 또는 관리에 대한 기술 부족이나 민첩성 결여에 대해 걱정하지 않습니다. 우리는 이러한 사고방식이 사용자가 더 잘 협업하고 종종 발견되는 사일로와 병목 현상을 줄이거나 없애는 데 도움이 될 수 있다고 믿습니다. 이것의 유효성은 Gmail과 같은 제품을 개발하면서 내부적으로 확인되었습니다. Gmail은 처음 만들어진 이후 계속 진화하고 있지만 기업 규모에서도 단순성과 사용자 친화성을 유지하고 있습니다.

고객들은 새로운 민첩한 태도에 맞게 어떻게 기술과 문화를 조정했는지 이야기합니다. 예를 들어 한 글로벌 미디어 회사는 여러 데이터 센터와 1,200개의 서비스를 Google Cloud로 이전했습니다. 이러한 이전의 가장 큰 목적은 민첩성 달성이었습니다. 더 높은 수준의 서비스를 통해 더 나은 제품을 더 빠르게 제공하고, 데이터 센터를 관리하는 대신 음악 서비스를 개발하는 등 내부팀이 가장 잘하는 것에 집중할 수 있게 되었습니다. 이 회사는 팀이 필요로 할 때 올바른 데이터를 사용할 수 있도록 하고 스트리밍 데이터 분석 및 처리를 위한 도구를 통해 민첩성을 더했습니다.

데이터 레이크로 구축된 Twitter의 분석 인프라는 매일 페타바이트 규모의 데이터를 수집하며 사용자 요구 사항을 신속하게 충족하기 위해 여러 대상으로 복제되어야 합니다. Twitter는 데이터 세트를 Cloud Storage에 복제한 다음 Google Cloud 등에서 BigQuery, Cloud Bigtable, Dataproc을 사용할 수 있도록 하기로 결정했습니다. 사용자는 셀프서비스로 필요한 데이터에 액세스하여 비즈니스 전반에 민첩성을 더할 수 있습니다.

글로벌 금융 기관인 HSBC는 온프레미스 데이터 웨어하우스를 Google Cloud로 마이그레이션하여 민첩성을 높이고 워크로드를 줄이고 프로세스를 자동화했습니다. 이를 통해 기술적 부채를 없애고 인프라 관리가 아닌 혁신에 집중할 수 있는 데이터 플랫폼을 구축할 수 있었습니다. 마이그레이션 이후 HSBC는 더 나은 개발 및 테스트 절차, 데이터 웨어하우스의 단일 정보 소스, 안전한 데이터 액세스를 위한 승인된 뷰를 제공합니다. 사용자는 데이터 탐색에 제약을 받지 않으며 고객은 필요한 것을 더 빨리 얻습니다.

궁극적으로 민첩한 비즈니스란 시장 요구 사항, 변화하는 고객 요구 사항, 예측할 수 없는 문제에 대응할 수 있는 성공적인 비즈니스입니다. 사람과 데이터가 지금 어떻게 상호작용하고 있는지 그리고 이를 개선할 방법이 있는지 생각해보세요.

연구 결과, 데이터 문화 조성이 실질적인 비즈니스 결과를 가져오는 것으로 확인되었습니다. 여러분이 만드는 문화는 조직의 요구 사항과 목표에 따라 다르며 이상적으로는 사람, 프로세스, 데이터를 통합합니다.

물론 데이터 부분은 필수적입니다. 데이터가 필요한 유용한 정보를 제공하고 비즈니스의 민첩성을 높일 수 있도록 기술 인프라를 설정하는 것에 대해서는 앞에서 이야기했습니다. 데이터에 인텔리전스를 적용하여 현재는 물론 미래에도 유효하도록 하는 것도 중요합니다. 10년 전에는 상상도 할 수 없었던 AI 및 ML 도구가 학계나 일부 대기업만이 아닌 다양한 분야와 영역에서 현재 사용할 수 있고, 사용되고 있습니다. 이러한 유형의 고급 분석을 사용하는 기업은 더 나은 결정을 내리고 경쟁업체보다 앞서 나갈 수 있다고 말합니다.

협업적인 데이터 문화에 따라 모든 사람이 고급 분석 도구와 결과에 쉽게 액세스할 수 있어야 합니다. 어느 팀에 어떤 정보가 필요한지 확인하면 작업을 수행하는 데 적합한 데이터를 사용자에게 제공할 수 있습니다. 이를 통해 사용자는 운영 및 비즈니스 프로세스를 최적화하고, 연구 개발을 수행하거나, 일상적인 질문에 답할 수 있습니다. 실시간 데이터 기반의 분석적 질문은 새로운 아이디어와 혁신의 가능성을 엽니다. 데이터를 적용함으로써 단순히 지난달 판매 수치를 알 수 있을 뿐만 아니라 개별 고객이 온라인 쇼핑을 하는 동안 다중 채널 구매 기록을 파악하여 고객의 방문 기록과 현재 장바구니에 무엇이 담겨 있는지를 바탕으로 적절한 상품을 실시간으로 제안할 수 있습니다.

고급 분석이 친숙한 도구와 애플리케이션에 통합되면 이미 일상적인 워크플로의 일부가 되어 사용자가 필요한 답을 쉽게 얻을 수 있습니다. 또한 이를 통해 팀 간의 사일로가 없어져 영업 또는 마케팅 리더가 분석팀의 리더에게 보고서를 요청할 필요가 없습니다. 대신 단일 데이터 세트로 함께 작업하여 데이터 기반 의사 결정을 더 빠르게 내릴 수 있습니다. 그리고 견고한 데이터 웨어하우스 기반은 모두가 필요로 하는 유용한 정보와 보고서를 얻을 수 있는 충분한 여건이 마련되어 있음을 의미합니다.

Google Cloud 분석 고객 중 하나인 American Cancer Society는 AI Platform을 사용하여 디지털 병리 이미지에서 새로운 패턴을 식별합니다. American Cancer Society는 AI 이미지 분석을 통해 암 지표를 찾도록 모델을 훈련하여 연구원들이 더 빠르게 암 지표를 식별하여 환자 결과를 개선할 수 있습니다. 그 결과, 이전보다 12배 더 빠르게 이미지를 분석할 수 있습니다.

LG CNS도 Google Cloud의 데이터 분석 도구를 사용하여 제품 제조 라인의 결함을 식별합니다. LG CNS는 이전에도 머신러닝 모델을 학습한 적이 있지만 Google Cloud를 통해 더 빠르고 정확하게 학습할 수 있음을 알게 되었습니다. 더욱 효율적인 이 프로세스로 생산 라인당 연간 약 $1,000,000를 절약했습니다.

Google Cloud에서는 데이터 웨어하우징을 위한 BigQuery와 같은 시스템과 Contact Center AI 및 Document Understanding과 같은 시스템에 AI 및 ML 기술을 구축합니다. 이러한 유형의 유용한 정보는 비즈니스 내부의 선택된 소수의 사용자에게만 제공되거나 액세스하기 어려워서는 안 됩니다. 익숙한 SQL 인터페이스로 BigQuery ML을 구축했으므로 사용자는 머신러닝을 사용할 수 있도록 쿼리를 작성하기만 하면 됩니다. 또한 기본 제공되는 고급 분석 기능으로 차세대 스마트 기술에 대비할 수 있습니다.

Google은 인텔리전스가 프로세스, 사람, 데이터 전반에 포함되어야 한다고 굳게 믿습니다. 사용자가 필요한 것을 갖고 있고 프로세스가 간단할 때 훌륭한 아이디어를 더 발전시킬 수 있습니다.

현대 사회에서 우리가 액세스할 수 있는 데이터는 의식을 확장할 만큼 놀라우며 유용합니다. 많은 데이터를 수집하여 얻을 수 있는 최상의 결과는 그래픽, 보고서 또는 일상적인 비즈니스 워크플로에 포함된 데이터를 '이용'할 수 있다는 것입니다. 데이터와 인간 지식 및 이해가 결합하여 사업 계획서와 프로젝트에 대한 새로운 시각을 가져다주고 새로운 유용한 정보와 아이디어를 창발할 수 있습니다.

오늘날 선택할 수 있는 기술은 많지만 사용자가 쉽게 액세스할 수 없다면 비즈니스 발전에 도움이 되지 않습니다. 오늘날 IoT 센서, 비즈니스 앱, 마케팅 데이터 등의 모든 데이터 소스를 사용하면 조직 전체에 중복 데이터 사일로가 생기기 쉽고 사람들은 서로 다른 정보 세트나 중복 데이터 세트에 의존하게 됩니다.

조직의 데이터에 대한 단일 정보 소스가 있고 모든 사람이 필요할 때 원하는 방식으로 이에 액세스할 수 있도록 하는 것이 정말 중요합니다. 이를 위해서는 필요한 데이터를 데이터 웨어하우스로 수집하고, Looker와 같은 엔터프라이즈 BI 시스템에서 10~20개의 SaaS 앱 또는 공용 클라우드의 데이터를 결합할 수 있는 데이터 모델을 생성하고, 프로비저닝 지연 또는 병목 현상 없이 팀에서 해당 정보 소스에 액세스하고 사용할 수 있도록 해야 합니다. 데이터 거버넌스는 올바른 사용자가 올바른 액세스 권한을 갖고 사용 및 수명 주기 동안 데이터를 보호하는 데 반드시 필요합니다. 데이터 거버넌스가 잘 구축되어 있다면 데이터 분석가는 셀프서비스 보고서를 실행하여 판매 수치를 분석할 수 있고, 머신러닝 전문가는 수익을 예측하거나 새로운 도구를 만들기 위한 모델을 만들 수 있을 것입니다. 잘 구축된 데이터 문화에서는 팀이 작업을 마쳐야 할 때만 함께 일하지 않고 늘 공동으로 작업합니다. 데이터 문화가 잘 작동되고 기술이 뒷받침된다면 사용자는 비즈니스 발전에 도움이 될 수 있는 새로운 프로젝트를 추진하는 데 필요한 시간과 리소스를 확보할 수 있을 것입니다.

유용한 정보를 위한 기술 기반이 마련되어 있어야 자신의 데이터를 신뢰하고 사용할 수 있으며, 앞으로 나아가는 데 도움이 되도록 데이터에 대한 질문을 할 수 있습니다. 데이터 분석 기술을 선택할 때 다음과 같은 질문을 할 수 있습니다.

• 조직의 데이터를 통합적으로 볼 수 있는가
• 조직의 비즈니스 사용자도 필요한 데이터를 쉽게 볼 수 있는가
• 플랫폼이 예산 초과 없이 실시간으로 스트리밍 데이터를 수집할 수 있는가
• 플랫폼이 다양한 소스의 데이터 유형을 처리할 수 있는가

더욱 영향력 있는 성과를 낼 수 있는 사용자를 연결하려면 약간의 계획이 필요합니다. 회사에서 진행 중인 AI 프로젝트의 이해관계자 유형을 살펴보면 첫 번째 단계는 프로젝트를 성공적으로 만들기 위해 서로 연결하고 이해하는 것임을 알 수 있습니다. 사용하는 도구와 서비스가 해당 연결 작업을 지원해야 합니다.

많은 고객이 기술을 업데이트하고 미래를 계획하는 동시에 더 많은 데이터 기반 문화를 조성하고자 합니다. 예를 들어 에어아시아는 비즈니스 결정에서 데이터가 계속해서 더 큰 역할을 한다는 것을 알고 있었습니다. 에어아시아팀은 한 달에 6PB 이상의 데이터를 분석했으며 이전에는 모든 분석 결과를 얻기 위해 매주 또는 매월 Excel 보고를 기다려야 했습니다. 하지만 이제는 BigQuery와 ML 기능을 사용하여 1,500명으로 구성된 팀이 언제든지 데이터에 액세스하고 몇 분 만에 2년 이상의 데이터에 대한 임시 쿼리를 수행할 수 있습니다. 팀원은 직관적인 인터페이스에 액세스한 다음 필요에 따라 세부정보를 상세히 살펴볼 수 있습니다. 이를 통해 운영 비용을 5~10% 절감할 수 있었습니다. 이는 해당 업계에서 상당히 큰 수치입니다. 또한 개별 시스템에 저장할 때보다 데이터를 더 안전하게 보호할 수 있었습니다.

BigQuery 데이터 웨어하우스를 사용하면 객체 스토리지, 트랜잭션 데이터베이스, Sheets 등의 데이터를 처리할 수 있으므로 데이터를 복제할 필요가 없습니다. 내부 데이터에서 더 많은 가치를 얻을 수 있도록 공개 데이터 세트도 여기에는 포함됩니다. Google은 사용자가 쉽게 공동작업하고 유용한 정보를 공유할 수 있도록 사용하기 쉽게 제품을 만듭니다. 또한 직관적인 ML 도구 및 기타 고급 분석과 같이 현재와 미래에 유용한 기능을 만듭니다.

데이터 문화를 조성하는 것은 사람, 프로세스, 데이터를 하나로 모으는 것입니다. 우리는 그것이 올바른 데이터인지, 그리고 그 데이터를 쉽게 사용할 수 있는지 확인하는 것에 대해 이야기했습니다. 간소화된 데이터 수집 및 사용의 장점 중 하나는 신뢰할 수 있다는 것입니다. 온프레미스 또는 레거시 시스템이 많으면 데이터가 고립되고 사용자에 의해 반복해서 복사되어 여러 곳에 오래된 시스템이 생기게 됩니다. 또한 데이터 세트가 커지기 시작하면 데이터 품질이 문제가 될 수 있습니다.

따라서 데이터 기반 문화 조성에서 중요한 단계 중 하나는 사용자가 데이터를 쉽게 신뢰하게 만드는 것입니다. 즉, 데이터가 최신 상태이며 정확하다고 믿게 만드는 것이 중요합니다. 이를 위해서는 외부 데이터 세트나 고립된 프로젝트가 없어야 합니다. 기본적으로 조직에 단일 데이터 정보 소스가 있고 모두가 그것이 무엇인지 알고 있어야 합니다.

신뢰는 데이터 문화 목표를 달성하거나 깨뜨릴 수 있는 사람과 프로세스 문제이며, 더 큰 데이터 기술 문제이기도 합니다. 수집하고 분석하는 데이터가 많을수록 보안과 거버넌스의 중요성도 커집니다. 자신의 도구와 프로세스에 대한 신뢰는 성공적인 데이터 기반 문화에서 큰 부분을 차지합니다.

데이터는 매우 다양한 소스에서 제공되지만 모두 암호화, 데이터 무단 반출, 액세스 제어를 포함하는 동일한 기본 수준의 보호가 필요합니다. 그 외에도 고유한 위협 모델과 데이터 보호에 중점을 둔 영역이 있을 수 있습니다. 업계에 따라 특정 규정 및 규칙 준수가 중요할 수 있습니다. 클라우드 제공업체의 기술 스택이 보안 기능을 제공할 수 있어야 하며 메타데이터, 데이터 카탈로그, 데이터 계보를 사용하여 데이터를 관리하고 정책을 설정할 수 있어야 합니다. 그리고 팀 공동작업을 위해 액세스 규칙 설정이 용이해야 하고 안전한 데이터 공유가 허용되어야 합니다.

이를 이행하는 것은 성공적인 데이터 분석 출시에 필수적이므로 보안 관행 및 도구를 실행하는 방법에 대한 큰 그림을 고려하세요. Google의 BeyondCorp는 원래의 제로 트러스트 네트워킹 원칙에서 발전한 제로 트러스트 보안 모델을 자체적으로 구현한 것입니다. 그 이면의 아이디어는 액세스 제어가 네트워크 경계에서 개별 사용자 및 기기로 이동하여 사용자가 VPN 없이도 모든 위치에서 안전하게 작업할 수 있도록 하는 것입니다. BeyondCorp에는 싱글 사인온(SSO), 액세스 프록시, 액세스 제어 엔진, 사용자 인벤토리, 기기 인벤토리, 보안 정책, 신뢰 저장소가 포함됩니다. BeyondCorp Remote Access는 이 기능을 제공하는 클라우드 솔루션이므로 사용자가 내부 웹 앱에 안전하게 원격으로 액세스할 수 있습니다.

글로벌 금융 기관인 고객 중 한 곳에서 BigQuery 마이그레이션을 준비하면서 데이터가 보호되는지, 데이터의 계보를 추적할 수 있는지, 인프라가 업무상 중요한 앱에 대해 충분히 신뢰할 수 있는지 등의 몇 가지 중요한 질문을 했습니다. 이 고객은 메타데이터 태깅을 사용하고 Google Cloud로 마이그레이션하여 단일 정보 소스를 얻었습니다. BigQuery의 데이터는 항상 암호화되며 기본 Identity and Access Management(IAM) 통합은 데이터 액세스 수준이 열 수준의 세부사항까지 보장됨을 의미합니다. 조직은 정기적으로 위험 시뮬레이션을 실행할 수 있으며 BigQuery를 사용하여 보안, 거버넌스, 규제 상태를 개선했습니다.

신뢰할 수 있는 데이터 분석 플랫폼은 공격이나 보안 침해로부터 보호하는 데 도움이 되지만 견고한 데이터 문화 조성과도 많은 관련이 있습니다. 데이터를 신뢰할 수 있으면 혁신과 새로운 아이디어에 집중할 수 있습니다.

데이터 문화가 조직의 문제일까요 아니면 솔루션일까요? 솔루션이라면 어떤 모습일까요? 데이터 문화가 성공을 거두었는지 어떻게 알 수 있을까요? 이러한 질문은 시작하거나 이미 시작된 것을 기반으로 구축하는 데 도움이 될 수 있습니다. 데이터 문화는 업계에 따라 비즈니스마다 다른 모습일 것입니다. 여러분과 여러분의 이해관계자는 팀과 조직에 가장 적합한 것이 무엇인지 알게 될 것이며 여러분이 구축하는 데이터 문화가 여러분의 비즈니스에 가장 적합한 문화가 될 것입니다.