컴퓨팅 자원의 비용 하락과 데이터 수집 장치의 발달로 데이터가 풍부한 빅데이터 시대 도래하였다. ‑ 조직은 데이터를 활용하여 비즈니스 의사 결정에 활용할 수 있는 통찰을 얻어 전체 조직의 분석 기반 경쟁우위(analytics competitiveness)를 달성하기 위해 데이터 중 ...

컴퓨팅 자원의 비용 하락과 데이터 수집 장치의 발달로 데이터가 풍부한 빅데이터 시대 도래하였다. ‑ 조직은 데이터를 활용하여 비즈니스 의사 결정에 활용할 수 있는 통찰을 얻어 전체 조직의 분석 기반 경쟁우위(analytics competitiveness)를 달성하기 위해 데이터 중심 경영(data driven management)을 추진한다.
데이터 중심 경영은 데이터 분석을 통해 의사결정에 필요한 통찰을 얻어 실행에 옮겨 수행된다. 데이터 분석이란 데이터를 이해하거나 설명하거나 패턴을 학습하고 미래를 예측하고 적적한 대처방안을 제시한다. 기존의 데이터 분석은 데이터 과학자(data scientist)라고 불리는 전문 데이터 분석가에 의해 수행되었다. 데이터 과학자들은 컴퓨터 지식, 수학적 지식, 업무적 지식을 모두 갖추고 있는 전문가들이었는데, 이들의 수요에 비해 공급은 한정되었으며 분석은 비즈니스와 분리된 과정이고 분석의 올바른 결과를 얻기 위해 많은 시간을 소모해야 했었다. 기업의 입장에서는 이런 전문 데이터 분석가를 활용한 데이터 기반 경영을 추진은 많은 위험을 내포할 수 밖에 없다.
셀프서비스 분석(self-service analytics)는 이런 기존의 문제를 해결하기 위해 제시된 개념으로 비즈니스 영역의 전문가들이 셀프서비스 분석 도구의 도움을 받아 스스로 분석을 수행하여 비즈니스 의사 결정을 수행하는 것을 목표로 한다. 셀프서비스 분석은 기존의 데이터 분석 관행을 대체할 수 있는 획기적인 개념이지만 아직까지 어떻게 그것을 추진할 것인지에 대한 합의된 이론적 체계가 없다. 본 연구는 조직이 셀프서비스 분석을 도입하여 데이터 중심 경영을 추진하는 방안을 제시하기 위해 수행되었다.
본 연구의 의의는 셀프서비스 분석의 개념적 틀(framework)로 데이터 공급 사슬(data supply chain)을 제시하였고, 이를 구성하는 구성요소와 각 구성 요소를 지원하는 기술을 제시하였다는 점이다. 데이터 공급 사슬은 소스 데이터, 데이터 착륙/대기 영역, 데이터 허브로 구성된 데이터 파이프라인(data pipeline)과 데이터 분석과 분석 응용프로그램으로 구성된 데이터 분석 플랫폼(analytics platform)으로 구성되어 있다. 본 연구는 데이터 공급사슬의 구성요소를 정의한 후 각 구성요소를 지원하는 지원 기술과 구축 사례 등에 대해서 검토해 보았다. 마지막으로 셀프서비스 분석을 통한 데이터 중심 경영이 단순히 소프트웨어나 하드웨어의 설치만으로 구현될 수 없다는 사실에 주목하고 조직이 전략적으로 셀프서비스 분석을 도입하는 방안에 대해 제시하였다.

The era of data-rich big data has arrived because of the cost reduction of computing resources and the development of data collection devices. Organizations drive data driven management to achieve analytics-based competitive advantage of the entire or ...

The era of data-rich big data has arrived because of the cost reduction of computing resources and the development of data collection devices. Organizations drive data driven management to achieve analytics-based competitive advantage of the entire organization by gaining insights that can be used to make business decisions by leveraging data.
Data-driven management is performed by obtaining insights necessary for decision-making through data analysis. Data analysis means understanding or explaining data, learning patterns, predicting the future, and suggesting appropriate countermeasures. Existing data analysis was performed by professional data analysts called data scientists. Data scientists were experts with both computer knowledge, mathematical knowledge, and business knowledge, and their supply was limited compared to their demand, and analysis was a process separate from business and had to spend a lot of time to get the correct results of the analysis. From a company's point of view, promoting data-driven management using such professional data analysts has many risks.
Self-service analytics is a concept proposed to solve these existing problems, and aims to enable business experts to conduct business analysis by making self-serviced analysis with the help of self-service analysis tools. Self-service analysis is a breakthrough concept that can replace existing data analysis practices, but there is no consensus theoretical framework on how to pursue it. This study was conducted to suggest a way for organizations to promote data-driven management by introducing self-service analysis.
The significance of this study was that the data supply chain was presented as a conceptual framework for self-service analysis, and that the components that constituted it and the technologies supporting each component were presented. The data supply chain consists of a data pipeline composed of source data, a data landing/staging area, and a data hub, and an analytics platform composed of data analysis and analysis applications. After defining the components of the data supply chain, this study examined the supporting technologies and example cases that support each component. Lastly, we focused on the fact that data-driven management through self-service analysis cannot be implemented simply by installing software or hardware, and suggested how the organization strategically introduces self-service analysis.

컴퓨팅 자원의 비용 하락과 데이터 수집 장치의 발달로 데이터가 풍부한 빅데이터 시대 도래하였다. ‑ 조직은 데이터를 활용하여 비즈니스 의사 결정에 활용할 수 있는 통찰을 얻어 전체 조직의 분석 기반 경쟁우위(analytics competitiveness)를 달성하기 위해 데이터 중 ...

컴퓨팅 자원의 비용 하락과 데이터 수집 장치의 발달로 데이터가 풍부한 빅데이터 시대 도래하였다. ‑ 조직은 데이터를 활용하여 비즈니스 의사 결정에 활용할 수 있는 통찰을 얻어 전체 조직의 분석 기반 경쟁우위(analytics competitiveness)를 달성하기 위해 데이터 중심 경영(data driven management)을 추진한다.

데이터 분석이란 데이터를 이해하거나 설명하거나 패턴을 학습하고 미래를 예측하고 적적한 대처방안을 제시하기 위해 수행된다. 기존의 데이터 분석은 데이터 과학자(data scientist)라고 불리는 전문 데이터 분석가에 의해 수행되었다. 데이터 과학자들은 컴퓨터 지식, 수학적 지식, 업무적 지식을 모두 갖추고 있는 전문가들이었는데, 이들의 수요에 비해 공급은 한정되었으며 분석은 비즈니스와 분리된 과정이고 분석의 올바른 결과를 얻기 위해 많은 시간을 소모해야 했었다. 기업의 입장에서는 이런 전문 데이터 분석가를 활용한 데이터 기반 경영을 추진은 많은 위험을 내포할 수 밖에 없다.

셀프서비스 분석(self-service analytics)는 이런 기존의 문제를 해결하기 위해 제시된 개념으로 비즈니스 영역의 전문가들이 셀프서비스 분석 도구의 도움을 받아 스스로 분석을 수행하여 비즈니스 의사 결정을 수행하는 것을 목표로 한다. 셀프서비스 분석은 기존의 데이터 분석 관행을 대체할 수 있는 획기적인 개념이지만 아직까지 어떻게 그것을 추진할 것인지에 대한 합의된 이론적 체계가 없다. 본 연구는 조직이 셀프서비스 분석을 도입하여 데이터 중심 경영을 추진하는 방안을 제시하기 위해 수행되었다.
본 연구의 의의는 셀프서비스 분석의 개념적 틀(framework)로 데이터 공급 사슬(data supply chain)을 제시하였고, 이를 구성하는 구성요소와 각 구성 요소를 지원하는 기술을 제시하였다는 점이다. 데이터 공급 사슬은 소스 데이터, 데이터 착륙/대기 영역, 데이터 허브로 구성된 데이터 파이프라인(data pipeline)과 데이터 분석과 분석 응용프로그램으로 구성된 데이터 분석 플랫폼(analytics platform)으로 구성되어 있다. 본 연구는 데이터 공급사슬의 구성요소를 정의한 후 각 구성요소를 지원하는 지원 기술과 구축 사례 등에 대해서 검토해 보았다. 마지막으로 셀프서비스 분석을 통한 데이터 중심 경영이 단순히 소프트웨어나 하드웨어의 설치만으로 구현될 수 없다는 사실에 주목하고 조직이 전략적으로 셀프서비스 분석을 도입하는 방안에 대해 제시하였다.

본 저서의 구체적인 내용은 다음과 같다. 본 저서는 4개 파트 17개 장으로 구성되어 있다. 파트 1 셀프서비스 분석 기초에서는 셀프서비스 분석에 대한 정의와 등장 배경 등에 대해 논의(제 1 장)하고, 셀프서비스 분석의 전반적 체계를 이해하는데 필수적인 데이터 공급 사슬 (제 2 장)과 데이터 공급 사슬 참여자(제 3 장), 다양한 데이터 원천에 대한 검토(제 4장)에 대해 논의하였다. 파트 2 데이터파이프라인 지원 기술에서는 배치와 스트림을 포함한 데이터 수집 기술에 대한 논의(제 5장), 데이터 착륙/대기 지역 지원 기술(제 6장), 데이터 허브 지원 기술(제 7장) 등의 기술적 요인에 대해서 논의 한 후 데이터 허브 구축 전략(제 8장)을 제시하였다. 파트 3 데이터 분석 지원 기술에서는 셀프서비스 분석에 필수적 요소가 된 데이터 준비(제 9장)와 데이터 카탈로그(제 10장)에 대해 논의하고 데이터 준비와 데이터 카탈로그 도구 선택 방안(제 11장)에 대해 논의하였다. 셀프서비스 분석 기술(제 12장)과 분석 방법론(제 13장)에 대해 논의한 마지막으로 셀프서비스 분석 적용 사례(제 14장)를 제시하였다. 파트 4 셀프서비스 분석 실행 전략에서는 먼저 셀프서비스 분석 도입 전략(제 15장)과 전략 도출과 실행의 틀이 되는 셀프서비스 분석 성숙도 모델(제 16장)에 대해 논의한 셀프서비스 분석의 미래에 대한 전망(제 17장)을 제시하였다.

1) 연구 결과
본 연구는 데이터 중심 경영을 위한 수단으로서 최근 관심을 받고 있는 셀프서비스 분석에 대한 포괄적 정리와 활용 방안 등에 대해 정리했다는 측면에서 의미가 있다. 데이터 중심 경영을 위한 셀프서비스 분석은 단순히 분석을 지원하는 도구(소프트웨어 ...

1) 연구 결과
본 연구는 데이터 중심 경영을 위한 수단으로서 최근 관심을 받고 있는 셀프서비스 분석에 대한 포괄적 정리와 활용 방안 등에 대해 정리했다는 측면에서 의미가 있다. 데이터 중심 경영을 위한 셀프서비스 분석은 단순히 분석을 지원하는 도구(소프트웨어)를 도입하여 성공할 수 없고, 데이터 공급망이라는 거시적 차원에서 통합적 준비가 필요하다는 점을 제시하였다. 또한 데이터 중심 경영을 위한 셀프서비스 분석은 데이터 공급망의 구축 또는 데이터 분석 프레임워크의 도입을 넘어서 전략 차원으로 접근해야 하는 의미에 대해서 논의하였으며 구체적인 실행 방안에 대해서 논의하였다.

2) 연구 결과 활용 방안
본서에서 제시한 연구 결과는 실무적으로 데이터 중심 경영을 통해 경재 우위를 달성하려는 조직의 셀프서비스 분석을 활용 방안에 대한 안내 지침을 활용 할 수 있다. 또한 본서는 학술적으로 데이터 중심 경영을 위한 수단으로 셀프서비스 분석을 가르치고자 하는 정보시스템과 경영학 등의 학문 분야의 교육자와 학생들의 교재로 활용할 수 있다. 또한 셀프서비스 분석에 대한 경영학적, 정보시스템학적인 의미를 연구하는 연구자의 기초 교재로 활용할 수 있다.