데이터 관리: 데이터 사용량을 효과적으로 확장
게시 됨: 2022-12-23비즈니스 데이터베이스는 데이터로 가득 차 있습니다. 이로 인해 전략 및 운영을 촉진하는 의미 있는 비즈니스 통찰력을 찾는 것이 매우 까다로울 수 있습니다. 적절한 데이터 관리는 이 문제를 해결합니다.
주요 테이크 아웃
- 데이터 관리는 데이터 생성에서 폐기에 이르기까지 수명 주기 전반에 걸쳐 데이터를 효과적으로 감독하는 관행입니다.
- 마케팅 관점에서 데이터 관리는 데이터 기반 문화를 조성하고 수집하고 저장하는 데이터가 신뢰할 수 있고 신뢰할 수 있도록 보장합니다.
- 건전한 데이터 관리 전략을 수립하기 위한 기술 및 솔루션에는 데이터 준비, ETL 파이프라인, 데이터 거버넌스 등이 포함됩니다.
- 데이터 관리는 간단하지 않으며 어려움이 따릅니다. 모범 사례를 따라 회사의 모든 사람이 지원할 수 있는 효과적인 전략을 만듭니다.
데이터 관리란 무엇입니까?
데이터 관리는 비용 효율적이고 안전한 방식으로 전체 수명 주기 동안 데이터를 효과적으로 감독하는 방법입니다. 주요 목표는 쉽게 액세스, 검색 및 사용할 수 있는 방식으로 데이터를 구성, 저장 및 관리하는 것입니다. 여기에는 다음과 같은 작업이 포함됩니다.
- 다양한 출처에서 데이터 수집
- 안전하고 체계적인 방식으로 데이터 저장
- 데이터가 정확하고 최신인지 확인
- 무단 액세스 또는 변조로부터 데이터 보호 그리고
- 데이터를 분석하고 해석하여 인사이트를 추출하고 의사 결정을 가능하게 합니다.
마케팅 측면에서 잘 정립된 고객 데이터 관리 프로세스는 부서 내에서 데이터 중심 문화를 촉진합니다. 고품질 데이터를 저장하여 다양한 접점에서 마케팅 활동 및 고객에 대한 정확하고 포괄적인 보기를 얻을 수 있습니다. 결과적으로 대상 고객을 더 잘 이해하고 고객의 고통에 맞는 가치를 전달하며 마케팅 투자 수익(ROMI)을 높일 가능성이 가장 높은 최상의 전략을 식별하는 데 도움이 됩니다.
데이터 관리가 중요한 이유는 무엇입니까?
효과적인 데이터 관리는 기업이 수집하는 대량의 데이터 내에서 질서를 만듭니다.
데이터가 지저분해지거나 사용할 수 없게 되는 것을 방지하기 위해 데이터를 적절하게 수집하고 조작하는 방법에 대한 로드맵을 조직에 제공하여 신속하게 의사 결정을 내리고 시장 요구에 신속하게 대응할 수 있도록 합니다.
또한 직원의 자원을 확보합니다. 예를 들어, Duo의 수석 기계 학습 엔지니어이자 틈새 시장에서 주목할만한 영향력을 행사하는 Vicky Boykis의 설문 조사에 따르면 대부분의 데이터 과학자는 데이터를 정리하고 이동하는 데 시간의 60%를 사용합니다.
데이터 관리 솔루션은 수동 작업을 완전히 자동화하고 분석가가 원시 데이터를 수정하는 대신 작업을 수행하도록 할 수 있습니다.
데이터 관리 솔루션 및 기술
좋은 소식은 페타바이트 규모의 미가공 및 빈약한 데이터를 관리할 수 있다는 것입니다. 명확한 정책과 올바른 도구를 사용하면 데이터 중심 문화와 수집한 데이터에 대해 전적인 책임을 지는 직원과 함께 비즈니스가 번창할 것입니다.
데이터 준비
많은 기업이 저품질 데이터로 어려움을 겪고 있다는 것은 비밀이 아닙니다. 그들의 데이터는 일관성이 없고 중복되거나 일관된 분류 없이 다른 형식으로 저장될 수 있습니다.
데이터 준비는 추가 분석을 위해 원시 데이터를 집계, 변환 및 구조화하는 프로세스입니다. 데이터 준비 도구는 데이터를 통합 형식으로 가져오고, 불일치를 제거하고, 오류를 표시하고, 데이터를 자동으로 결합합니다. 대체로 이 프로세스는 팀이 분석 중에 도출한 통찰력을 보장하고 보고하는 보고서의 기반이 되는 데이터가 고품질이기 때문에 유효합니다.
데이터 파이프라인
데이터 파이프라인은 데이터 수집으로 시작하여 데이터 웨어하우스, 스토리지 서비스 또는 다른 애플리케이션과 같은 데이터 싱크로 끝나는 자동화된 일련의 활동입니다. 수동 데이터 입력 및 조작을 제거하여 데이터 처리를 간소화하고 마케팅 분석 및 보고 프로세스의 속도를 크게 높입니다.
ETL 파이프라인
ETL(추출, 변환 및 로드)은 데이터 파이프라인의 하위 집합입니다.
ETL 프로세스는 하나 이상의 소스에서 데이터 추출을 자동화하고 이를 표준화되고 사용 가능한 형식으로 변환한 다음 데이터 웨어하우스 또는 BI 소프트웨어와 같은 엔드포인트에 로드합니다.
이 엔드포인트는 조직의 SSOT(Single Source of Truth)가 됩니다. 여기에 저장된 데이터는 이미 깨끗하고 형식이 지정되어 분석, 시각화 또는 보고할 준비가 되어 있습니다.
예를 들어 Improvado와 같은 고급 마케팅 분석 도구는 ETL을 활용하여 Shopify, Facebook Ads, Google Analytics 등과 같은 300개 이상의 마케팅 및 판매 데이터 소스에서 데이터를 가져와 분석 가능한 형식으로 변환하고 지정된 대상에 로드합니다. , 즉 마케팅 데이터 웨어하우스 또는 BI, 시각화 또는 분석 도구입니다.
데이터웨어 하우스
데이터 웨어하우스는 비즈니스의 기록 및 실시간 데이터를 위한 스토리지 영역입니다. 일반적으로 다양한 광고 플랫폼, 소셜 미디어 등과 같은 여러 소스의 구조화된 데이터를 저장합니다.
분석 작업의 초기 단계에서 회사는 종종 스프레드시트를 사용하여 데이터를 저장합니다. 그러나 결국 그들은 스프레드시트의 끝에 도달합니다. 이 시점에서 데이터 세트가 너무 커지고 쿼리가 중단됩니다. 기술적으로 앞선 회사는 Google Big Query와 같은 클라우드 데이터 웨어하우스로 마이그레이션하여 분석 팀이 데이터를 더 자주 쿼리하고 전반적인 생산성을 높일 수 있도록 합니다.
데이터 보안
데이터 보안은 수명 주기 동안 손상이나 무단 액세스로부터 회사 데이터를 보호하기 위해 예방 조치를 취하는 것입니다. 또한 비즈니스가 HIPAA, SOC-2 및 GDPR과 같은 데이터 개인 정보 보호 법률 및 규정을 준수하는지 확인합니다.
데이터 거버넌스
데이터 거버넌스는 양질의 데이터의 기초입니다. 데이터 수집, 구성, 저장 및 분석에 대한 관리 정책 및 절차를 자세히 설명하는 프로세스입니다. 그 목적은 정확하고 완전하며 일관되고 시의적절하며 유효하고 고유한 데이터를 보장하는 것입니다.
데이터 관리 프레임워크
팀은 이러한 솔루션 및 기술과 협력하여 데이터 품질을 달성하고 데이터 관리를 위한 모든 프로세스를 적절하게 설정합니다. 데이터 거버넌스, 데이터 보안, 정보 시스템 아키텍처 등을 한 번에 구현하지 않고는 최고 품질의 데이터를 얻을 수 없습니다.
데이터 관리 프레임워크는 회사에서 데이터 관리를 구현하는 데 필요한 일련의 규칙 및 기술입니다. 현재 일반적으로 인정되는 두 가지 프레임워크가 있습니다.
DAMA-DMBOK 2
DAMA-DMBOK 2는 Data Management Association - Data Management Body of Knowledge version 2의 약자입니다. 2009년에 처음 게시된 프레임워크의 두 번째 버전입니다.
프레임워크는 데이터 관리를 구성하는 11개의 상호 연결된 지식 영역을 식별합니다. 이 프레임워크를 따를 때 회사는 모든 영역을 고려해야 합니다.
DMBOK 2는 또한 데이터 관리 프로세스를 관리하는 것은 데이터 관리 전문가만이 아니라는 것을 의미합니다. 모든 비즈니스 전문가가 참여합니다. DAMA Hexagon은 사람, 프로세스 및 기술 간의 직접적인 관계를 보여줍니다.
DMBOK 2는 데이터 관리의 주요 임무를 다음과 같이 정의합니다. "모든 이해 관계자의 데이터 가용성, 품질 및 보안 요구 사항 충족". 또한 데이터 관리 프로세스와 관련된 도구, 참여자, 메트릭 및 산출물에 대해 설명합니다.
그러나 이 프레임워크에는 한 가지 중요한 단점이 있습니다. 서로 다른 지식 영역 간의 관계를 설명하지 않고 모든 것을 사용자가 결정하도록 내버려 둡니다. 전체적으로 DMBOK 2는 많은 이론적 지식을 제공하지만 실용적인 팁은 그리 많지 않습니다.
DCAM
DMBOK 2는 공개적으로 액세스할 수 있는 프레임워크인 반면 DCAM(데이터 관리 기능 평가 모델)은 공개적으로 액세스할 수 없습니다. EDC(Enterprise Data Management Council) 구성원만 이 프레임워크에 액세스할 수 있습니다.
이 프레임워크는 성숙도가 다른 다양한 기능 측면에서 데이터 관리를 설명합니다. DCAM은 실용적이고 운영적인 초점을 가지고 있지만 데이터 관리 구현에 대한 명확한 관점을 제공하지 않습니다.
회사는 DCAM을 사용하여 프로세스를 평가하고 이해 관계자를 교육하며 데이터 관리 프로그램의 약점을 식별합니다. 또한 GDPR을 비롯한 데이터 개인 정보 보호 규정 위반 위험을 완화하는 데 도움이 됩니다.
프레임워크는 공개적으로 사용할 수 없기 때문에 모범 사례 및 권장 사항에 대한 정보가 많지 않습니다. 그러나 Enterprise Data Management Council은 최근 EDC가 프레임워크를 정의하는 데 사용하는 접근 방식에 대해 설명하는 클라우드 데이터 관리 기능 프레임워크의 공개 버전을 게시했습니다.
이 두 프레임워크 모두 데이터 관리 여정에서 좋은 출발점이 될 수 있습니다. 중요한 개념을 간략하게 설명하므로 데이터 관리를 처음 구현할 때 완전한 명확성을 유지할 수 있습니다.
데이터 관리 과제
조직의 데이터를 관리하려는 노력에서 많은 어려움에 직면하게 될 것입니다. 그러나 이러한 잠재적인 문제를 인식하면 문제를 더 잘 처리할 수 있습니다.
비즈니스 데이터 보안
데이터 보안 및 무결성에 대한 많은 내부 및 외부 위협이 있습니다. 그리고 데이터 침해는 언제든지 발생할 수 있습니다. 이로 인해 고객의 개인 데이터가 위험에 노출됩니다.
다음은 DMBOK-2가 데이터 보안 프로세스를 정의하는 방법입니다.
개별적인 시도가 아닌 공동의 노력으로 보안 위험을 해결하는 것이 항상 가장 좋습니다. 이 프로세스에는 직원 한 명이 처리하기에는 너무 많은 작업이 포함됩니다. 더 큰 규모에서 데이터 보안은 다음 네 가지 주요 활동을 중심으로 이루어집니다.
- 민감한 데이터 자산을 식별하고 분류합니다.
- 회사 내에서 민감한 데이터를 찾습니다.
- 각 자산을 보호해야 하는 방법을 결정합니다. 그리고
- 이 정보가 비즈니스 프로세스와 상호 작용하는 방식을 이해합니다.
그런 다음 직원의 무지나 부주의와 같은 외부 위협도 평가해야 합니다. 데이터 액세스 관리 및 정책 준수는 민감한 데이터 노출의 위험을 줄이고 비즈니스 인프라의 보안 수준을 높입니다.
너무 많은 데이터 다루기
데이터의 최대 73%가 사용되지 않습니다. 많은 기업이 서로 다른 소스에서 들어오는 막대한 양의 데이터를 처리하는 데 어려움을 겪고 있기 때문입니다. 옴니채널 분석에 대한 데이터 관리 가이드라인이 없는 조직은 압도되어 가용 데이터를 구성하거나 사용하지 않습니다.
그러나 한 번에 모든 데이터를 관리하려고 하지 마십시오. 회사는 대량의 데이터 세트를 생성하며 그 중 상당 부분은 사용되지 않습니다. 그렇기 때문에 데이터 관리 수명 주기는 가장 중요한 데이터에 집중하고 데이터 ROT(중복, 구식 또는 사소한 데이터)를 최소화하도록 권장합니다.
서로 다른 소스의 데이터 결합
비즈니스에서 사용하는 수십 가지 도구를 생각해 보십시오. 마케팅 부서 내에서도 여러 데이터 수집 및 분석 도구를 활용하고 있을 것입니다.
이는 데이터가 서로 통신하지 않는 격리된 스토리지 솔루션에 저장되기 때문에 발생하는 데이터 사일로를 생성할 수 있습니다. 결과적으로 각 부서는 부서 간 협업을 더욱 어렵게 만드는 데이터에 의존합니다.
품질이 좋지 않은 데이터
조직은 데이터 품질 문제를 해결하는 데 수익의 거의 1/4을 소비합니다.
낮은 품질의 데이터는 데이터 입력 중 오류, 한 도구에서 다른 도구로 데이터를 전송할 때 데이터 손상 또는 표준화된 관행의 부족으로 인해 발생합니다.
다음은 DMBOK-2의 데이터 품질 관리에 대한 포괄적인 개요입니다.
데이터 관리 수명 주기, 데이터 거버넌스 및 중요한 데이터에 대한 집중은 데이터 품질을 높이려고 할 때 고려해야 할 가장 중요한 요소 중 일부입니다.
"데이터 품질"은 신뢰할 수 있는 데이터 세트가 가져야 하는 12가지 특성을 포함하는 총칭이라는 점을 명심하십시오.
자격을 갖춘 데이터 분석가의 부족
디지털 및 현대 비즈니스에 대한 데이터의 중요성에 대한 모든 이야기에도 불구하고 전문 데이터 분석가를 찾기가 어렵습니다. 자격을 갖춘 분석가를 고용하는 데는 시간이 걸리고 신입 사원을 교육하는 데는 많은 비용과 시간이 소요될 수 있습니다.
데이터 거버넌스 부족
많은 기업에서 데이터가 이미 엉망이 된 경우 사후에 데이터 거버넌스 표준을 만듭니다. 데이터 거버넌스가 없으면 조직은 저품질 데이터에 휩싸이게 됩니다. 결과적으로 분석가는 잡초를 청소하는 데 너무 많은 시간을 소비하고 최종 사용자는 이를 이해하는 데 너무 많은 시간을 소비합니다.
데이터 관리 모범 사례
데이터 관리는 움직이는 부품이 많이 포함된 큰 작업입니다. 그러나 올바르게 시작할 수 있는 데이터 관리 모범 사례가 있습니다.
데이터 보호 및 보안 우선 순위 지정
데이터 보안 침해는 우수한 데이터 관리 원칙으로 예방할 수 있는 백만 달러 규모의 문제입니다.
일부 데이터 보호 조치에는 적절한 사용자 권한 부여, 데이터를 처리 및 관리하는 중앙 집중식 시스템 보유, 데이터 개인 정보 보호법을 준수하는 소프트웨어만 사용하는 것이 포함됩니다.
모든 데이터를 통합하고 신뢰할 수 있는 단일 소스 구축
조직에는 데이터 사일로에 저장될 수 있는 많은 데이터가 있습니다. 이는 비즈니스 환경을 전체적으로 파악하기 어렵다는 것을 의미합니다. 마케팅 전문가의 경우 이를 통해 다양한 고객 접점을 볼 수 없습니다.
예를 들어 ETL 파이프라인을 사용하여 모든 데이터를 하나의 중앙 집중식 스토리지 영역에 통합하면 수익 데이터 통찰력을 얻는 것이 더 쉬워집니다.
품질 데이터 관리 소프트웨어 사용
수동 데이터 조작은 더 이상 비즈니스에서 처리하는 데이터의 양을 줄이지 않습니다.
다행히 데이터 수집과 분석을 보다 쉽고 빠르게 해주는 새로운 기술과 자동화 소프트웨어 솔루션이 많이 있습니다. 다른 응용 프로그램과 잘 통합되는 양질의 소프트웨어를 사용하십시오.
조직의 메타데이터 용어집 작성
수집하는 모든 데이터("메타데이터"라고도 함)에 대한 표준화된 정의가 있습니다. 데이터 속성, 생성 날짜, 생성자 이름 및 저장 영역과 같은 특정 세부 정보를 포함합니다.
이를 통해 전체 조직에서 투명성과 정렬이 보장됩니다.
모든 사람이 데이터 품질에 대한 책임을 지도록 합니다.
데이터 품질은 공동 책임입니다. 일반적인 데이터 문제를 줄일 수 있는 것은 조직의 모든 사람이 이에 대해 책임을 지고 책임을 지는 것입니다.
여기서 마케터의 역할은 무엇인가요? 마케터는 기본 데이터 수집에 부분적으로 책임이 있습니다. 마케터는 UTM 태그 분류, 광고 캠페인에 대한 마크업, 추적해야 하는 계정을 알고 있습니다. 한편, 데이터 엔지니어와 분석가는 데이터 흐름의 다른 단계에서 데이터 품질을 담당합니다.
데이터 관리 관행 확립을 위한 첫 단계
데이터 기반 조직이 되는 길은 적절한 데이터 관리 관행에서 시작됩니다. 성공적인 데이터 기반 비즈니스가 준수하는 관행을 따라 이러한 변환을 지원하십시오.
1. 데이터 관리 계획 수립에 C-suite 투자하기
C-suite가 전체 사업에 투자하지 않을 때 데이터 관리는 어렵습니다. 그들은 적절하게 실행된 데이터 관리 전략의 가치를 확인하여 이를 구현하는 데 능동적으로 대처해야 합니다.
2. 현재 데이터 감사
아마도 귀사는 이미 많은 데이터를 수집하고 있을 것입니다. 이미 가지고 있는 것을 감사하십시오. 지형을 관찰하고 조직의 목표와 자원을 고려하여 이미 가지고 있는 데이터를 기반으로 데이터 관리 계획을 세우십시오.
3. 가능한 한 자동화 도구를 사용하십시오.
인적 오류는 데이터 품질 저하의 일반적인 원인입니다. 올바른 자동화 도구를 선택하면 데이터 관리가 더 빠르고 쉬워집니다. 또한 데이터 수집, 조작 및 분석 중에 인적 오류를 크게 줄일 수 있습니다.
4. 성장 계획
회사에서 수집하는 데이터는 계속 증가할 것입니다. 회사와 함께 성장하고 쉽게 확장할 수 있도록 데이터 관리 전략을 유연하게 만드십시오.
5. 신뢰할 수 있는 기술 파트너 찾기
기술 스택을 구축하고 올바른 파트너를 찾는 것은 특히 고객 데이터의 보안이 위태로울 때 신뢰할 수 있는 데이터 관리 프로세스를 구축하는 데 필수적입니다. Improvado는 기존 분석 환경에 적합하고 조직의 데이터 문화를 육성하는 고급 마케팅 분석 솔루션입니다. 이 솔루션은 자동화된 마케팅 데이터 관리 및 보고로, 팀이 고품질의 최신 데이터에만 의존하여 비즈니스 성과를 높일 수 있도록 합니다.
네 차례 야
이 가이드에 설명된 데이터 관리 모범 사례를 따르면 데이터를 정리하고 조직을 보다 데이터 중심적인 사고 방식으로 안내하는 데 도움이 됩니다. 쉽지 않은 과정이 될 것입니다. 여행입니다. 그러나 회사의 모든 사람이 실행 가능한 비즈니스 통찰력을 위해 신뢰할 수 있고 의존할 수 있는 고품질 데이터를 얻으려면 그렇게 할 가치가 있습니다.