비즈니스 인텔리전스 개요

엔터프라이즈에서의 비즈니스 인텔리전스 적용

• 측정

다수의 비즈니스 인텔리전스 도구는 측정에 이용됩니다. 센서, CRM 시스템, 웹 트래픽 등으로부터 입력 데이터를 받아 KPI를 측정할 수 있습니다. 예를 들어 생산 대기업의 시설 팀을 위한 솔루션은 정비 일정을 최적화하기 위해 주요 장비의 온도를 측정하는 센서가 포함될 수 있습니다.

• 분석

분석은 유의미한 동향과 통찰력을 얻기 위한 데이터 연구입니다. 비즈니스 인텔리전스 도구는 회사들이 데이터를 심도있게 이해하고 데이터에 기반한 결정을 통해 가치를 추구할 수 있기 때문에 아주 널리 적용 되는 사례입니다. 그 예로, 마케팅 조직은 새로운 고객으로 전환될 가능성이 가장 높은 고객 세그먼트를 판단하는데 분석을 사용할 수 있습니다.

• 보고

보고서 작성은 비즈니스 인텔리전스 소프트웨어의 표준 용도입니다. BI 제품은 이제 내부 이해관계자를 위한 정기적인 보고서를 생성하고, 분석을 위한 매우 중요한 업무를 자동화하며, 스프레드시트와 워드 프로세싱 프로그램의 필요성을 대체합니다.

그 예로, 영업 운영 분석가는 자신의 관리자를 위해 지리적 지역 별 지난 주 영업을 상세하게 보여주는 주간 보고서를 생성하는 도구를 사용할 수도 있습니다. 이는 수동으로 하려면 훨씬 더 많은 노력을 필요로 하는 작업입니다. 고급 보고서 작성 도구를 이용하면, 그 같은 보고서 작성에 필요한 노력을 훨씬 줄일 수 있습니다. 어떤 경우, 비즈니스 인텔리전스 도구를 이용하여 보고 절차를 완전히 자동화할 수 있습니다.

• 공동 작업

공동 작업 기능은 사용자들이 실시간으로 동일 데이터와 동일 파일로 함께 작업할 수 있게 합니다. 이는 현대 비즈니스 인텔리전스 플랫폼에서 매우 일반적인 기능입니다. 모든 장치에서 가능한 공동 작업은 계속해서 새롭고 개선된 비즈니스 인텔리전스 도구 개발을 주도할 것입니다. BI 플랫폼에서의 공동 작업은 새 보고서 또는 대시보드 작성 시 중요할 수 있습니다.

그 예로, 기술 회사 CEO가 24시간 내에 새로운 제품에 대한 포커스 그룹 데이터에 대해 맞춤식 보고서나 대시보드를 원할 수 있습니다. 제품 관리자, 데이터 분석가, QA 시험자 모두 공동 작업 BI 도구를 이용하여 마감시한 내 작성 완료를 위해 보고서나 대시보드에 자신이 맡은 섹션을 동시에 구축할 수 있습니다.

비즈니스 인텔리전스 모범 사례

비즈니스 인텔리전스 이니셔티브는 조직이 헌신하여 전략적으로 실행해야만 성공할 수 있습니다. 결정적인 요소는 다음과 같습니다.

• 비즈니스 조직 후원

  비즈니스 조직의 후원은 성공을 위한 가장 중요한 요소입니다. 가장 최적화된 시스템일지라도 비즈니스 조직의 노력 부족을 극복할 수 없기 때문입니다. 조직이 프로젝트 예산을 제공하지 않거나 임원이 BI와 관련되지 않은 이니셔티브에 열중하는 경우, 프로젝트는 성공할 수 없습니다.

• 비즈니스 조직의 요구사항

  비즈니스 인텔리전스 시스템을 적절히 구현하기 위해 비즈니스 조직의 필요를 이해하는 것이 중요합니다. 이를 이해해야 이유는 두 가지입니다 - 최종 사용자와 IT 부서 모두 중요한 요구사항을 가지고 있고, 종종 이들은 서로 다를 수 있습니다. 이 중요한 BI 요건을 이해하기 위해, 조직은 구성원들의 다양한 요구사항을 모두 분석해야 합니다.

• 데이터 양과 품질

  비즈니스 인텔리전스 이니셔티브는 고품질의 데이터를 대규모로 통합하는 경우에만 성공할 수 있습니다. 일반적인 데이터 소스로는 고객 관계 관리(customer relationship management, CRM) 소프트웨어, 센서, 광고 플랫폼, 전사적자원관리(enterprise resource planning, ERP) 도구가 있습니다. 불량한 데이터는 잘못된 결정으로 이어지기 때문에, 데이터 품질이 중요합니다.

  데이터 품질을 관리하는 일반적 기술은 데이터 프로파일링으로, 이 경우 개선된 데이터 거버넌스를 위해 데이터를 검사하고 통계치를 수집합니다. 이는 일관성을 유지하고, 위험을 줄이며, 메타데이터를 통한 검색을 최적화하는데 도움이 됩니다.

• 사용자 경험

  원활한 사용자 경험은 비즈니스 인텔리전스에 중요합니다. 이는 사용자 채택을 촉진하고 궁극적으로 BI 제품 및 이니셔티브로부터 더 많은 가치를 추진할 수 있기 때문입니다. 최종 사용자 채택은 논리적이고 사용 가능한 인터페이스가 없이는 어려울 것입니다.

• 데이터 수집 및 정제

  데이터는 수없이 많은 소스로부터 수집할 수 있으며 쉽게 조직을 당황하게 할 수 있습니다. 이를 예방하고 비즈니스 인텔리전스 프로젝트를 이용하여 가치를 창출하기 위해, 조직은 결정적으로 중요한 데이터를 식별해야 합니다. 비즈니스 인텔리전스 데이터는 종종 CRM 데이터, 경쟁사 데이터, 업계 데이터 등을 포함합니다.

• 프로젝트 관리

  강력한 프로젝트 관리에 가장 필수적인 요소 중 하나는 프로젝트 직원, IT, 최종 사용자 간 결정적인 커뮤니케이션 라인을 여는 것입니다.

• 구매 동의

  여러 형태의 구매 동의가 있습니다. 새로운 비즈니스 인텔리전스 제품을 구입할 때 최고 의사 결정권자의 구매 동의는 매우 중요합니다. 전문가는 IT의 선호도 및 요구사항에 대한 커뮤니케이션을 통해 IT의 동의를 얻을 수 있습니다. 최종 사용자도 마찬가지로, 내용은 다를지라도, 요구사항과 선호사항을 가지고 있습니다.

• 요구사항 수집

  여러 BI 도구들을 비교할 때 투명성을 개선하기 때문에 요구사항 수집은 반드시 따라야 할 가장 중요한 모범 사례입니다. 요구사항은 IT와 비즈니스 사용자 등 다양한 구성 그룹에서 옵니다.

• 교육

  교육은 최종 사용자 채택을 유인합니다. 최종 사용자가 제대로 교육받지 못하면, 채택과 가치 창출은 훨씬 더디고 성취하기 어려워집니다. MicroStrategy를 포함하는 다수의 비즈니스 인텔리전스 공급자들은 모든 관련 사용자들을 위한 교육 및 인증 서비스로 구성될 수 있는 교육 서비스를 제공합니다. 교육은 비즈니스 인텔리전스 프로젝트와 관련된 일체의 핵심 그룹에 제공될 수 있습니다.

• 지원

  지원 엔지니어는 종종 비즈니스 인텔리전스 공급자들이 제공하며, 소프트웨어나 서비스 내의 기술적인 문제를 다룹니다. MicroStrategy의 지원 서비스에 대해 자세히 알아 보십시오.

• 기타

  회사는 고급 분석을 실행하기 전에 전통적인 BI 역량을 실시하고 있어야 합니다. 고급 분석은 가치를 부가하기 전에 몇 가지 중요한 전제조건을 필요로 합니다. 예를 들어, 데이터 정제가 이미 우수한 상태여야 하며 시스템 아키텍처가 설정되어 있어야 합니다.

  BI 도구들은 또한 많은 사용자에게 블랙박스일 수 있습니다. 따라서, 그 결과를 지속적으로 검증하는 것이 중요합니다. 사용자의 변경 요청을 구하고 이를 실행하는 피드백 시스템을 설정하는 것이 비즈니스 인텔리전스에서 지속적인 개선을 주도하는데 중요합니다.

비즈니스 인텔리전스의 기능

• 엔터프라이즈 보고

  비즈니스 인텔리전스의 주요 기능 중 하나는 엔터프라이즈 보고로, 핵심 사내 이해관계자들에게 적절한 비즈니스 데이터를 정기적으로 또는 필요에 따라 제공하는 것입니다. 보고서는 여러 형식을 취할 수 있고 여러 방법으로 생성될 수 있습니다. 그러나, 비즈니스 인텔리전스 제품은 이 프로세스를 자동화하거나 보고서 생성에서의 고충을 완화할 수 있습니다. BI 제품들은 보고서 생성에 있어서 기업 차원의 확장성을 활성화할 수 있습니다.

• OLAP

  온라인 분석 프로세싱(Online Analytical Processing, OLAP)은 다차원의 분석 문제를 해결하는 접근법입니다. 이는 온라인 거래 프로세싱(Online Transaction Processing, OLTP)의 파생품입니다. OLAP의 핵심 가치는 이 다차원적 측면에 있으며, 이를 통해 사용자들은 다양한 관점에서 문제를 살펴볼 수 있습니다. OLAP는 CRM 데이터 분석, 재무 관련 예측, 예산 책정 등의 업무를 완료하는데 이용할 수 있습니다.

• 분석

  분석은 데이터를 검토하여 패턴이나 추세를 찾아내어 중요한 결정을 내리도록 하는 프로세스입니다. 이는 데이터에 숨겨진 패턴을 찾는데 도움을 줄 수 있습니다. 분석은 기술적, 규범적 또는 예측적일 수 있습니다. 기술적 분석은 중심 경향성(평균, 중앙값, 모드)와 분산(범위, 표준편차 등)을 측정하여 데이터 집합을 기술합니다.

  규범적 분석은 비즈니스 인텔리전스의 하위 집합으로서 결과를 최적화하기 위한 특정 활동을 규정합니다. 이는 데이터에 바탕을 둔 신중한 조치를 결정합니다. 따라서, 규범적 분석은 상황에 따라 다르며, 솔루션이나 모델은 다른 사용 사례로 일반화해서는 안됩니다.

  예측 분석은 또한 예측 분석학 또는 예측 모델링으로도 불리며, 미래의 또는 미지의 이벤트를 예측할 수 있는 모델을 생성하는 통계 기술을 사용합니다. 예측 분석은 비즈니스, 산업 또는 더 거시적인 수준에서 동향을 예측하는 강력한 도구입니다.

• 데이터 마이닝

  데이터 마이닝은 커다란 데이터 집합에서 패턴을 찾아내는 프로세스이며, 이 패턴들을 찾아내기 위해 종종 기계 학습, 통계 및 데이터베이스 시스템을 활용합니다. 데이터 마이닝은 데이터 관리 및 데이터 사전 처리를 위한 주요 프로세스입니다. 이를 통해 적절하게 데이터를 구조화하기 때문입니다.

  최종 사용자는 또한 데이터 마이닝을 이용하여 숨겨진 패턴을 보여주는 모델을 구성할 수 있습니다. 그 예로, 사용자는 특정 제품이나 솔루션을 구매할 가능성이 가장 높은 잠재고객 예측을 위해 CRM 데이터를 조사(마이닝)할 수 있습니다.

• 프로세스 마이닝

  프로세스 마이닝은 고급 알고리즘을 데이터 집합에 적용하여 데이터 내의 패턴을 보여주는 데이터베이스 관리 시스템입니다. 프로세스 마이닝은 정형 및 비정형 데이터를 포함하여 다수의 상이한 유형의 데이터에 적용할 수 있습니다.

• 벤치마킹

  벤치마킹은 산업 KPI를 사용하여 비즈니스, 프로젝트, 또는 프로세스의 성공을 측정하는 것입니다. 이는 BI 에코시스템에서 중요한 활동이며, 비즈니스를 점증적으로 개선 하기 위해 비즈니스 계에서 널리 사용됩니다.

• Intelligent Enterprise

  앞에서 논의한 것들은 모두 비즈니스 인텔리전스의 독특한 목표나 기능입니다. 그러나, BI는 전통적인 의사결정 지원 시스템을 벗어나 적용할 때 가장 가치가 있습니다. 클라우드 컴퓨팅의 출현과 모바일 장치의 폭발로 비즈니스 사용자들이 언제 어디서나 분석을 요구하므로 이제 모바일 BI가 비즈니스 성공에 필수적인 요소가 되었습니다.

  비즈니스 인텔리전스 솔루션이 조직의 전략 및 운영에 널리 퍼져 나갈 때, 과거에는 불가능했던 방식으로 데이터, 사람들, 엔터프라이즈 자산을 사용할 수 있으며, 즉, Intelligent Enterprise가 될 수 있습니다. 귀사가 Intelligent Enterprise가 되는데 MicroStrategy가 어떤 도움을 줄 수 있는지 자세히 알아보십시오.

• 비정형 데이터

  검색 가능성 및 데이터 평가 문제를 해결하려면, 콘텐츠에 대해 알아야합니다. 현재, 비즈니스 인텔리전스 시스템 및 기술은 검색 가능성과 데이터 평가를 유지하기 위해 적절히 정형화된 데이터를 필요로 합니다. 이 정형화는 메타데이타와 함께 맥락을 추가하여 이루어집니다.

  다수의 조직은 또한 데이터 품질 문제로 어려움을 겪고 있습니다. 오염되지 않은 BI 아키텍처와 시스템을 갖췄더라도, 의심의 여지가 있거나 불완전한 데이터를 가진 회사는 자신들의 앞에 보이는 숫자를 신뢰하지 않는 사용자들로부터 구매 동의를 얻기 어려울 것입니다.

• 낮은 채택율

  많은 BI 프로젝트들은 오래된 도구 및 기구들을 완전히 교체하려 합니다. 그러나, 사용자가 익숙했던 과거의 도구들과 프로세스로 되돌아가려 하므로 종종 사용자 채택율이 낮은 결과를 가져옵니다. 많은 전문가들은 BI 프로젝트가 보고서를 작성하거나 실행하는데 소요되는 시간 때문에 실패한다고 말합니다. 소요 시간 때문에 사용자들이 새로운 기술을 채택할 가능성이 낮아지고 이전의 도구로 돌아갈 가능성이 높아진다는 것입니다.

  비즈니스 인텔리전스 프로젝트가 실패하는 또 다른 이유는 부적절한 사용자 또는 IT 교육입니다. 부적절한 교육은 불만과 당혹감을 불러와 프로젝트를 실패하게 만듭니다.

• 이해관계자와의 커뮤니케이션 부족

  내부 커뮤니케이션이 비즈니스 인텔리전스 프로젝트의 실패를 불러올 수 있는 또 다른 중요 요인입니다. 하나의 잠재적인 함정은 구현 중에 사용자들에게 근거없는 희망을 주는 것입니다. BI 프로젝트는 종종 즉시 결과를 얻을 수 있는 것으로 소개되나, 모든 관련자들에게 스트레스를 주는 대규모 프로젝트로 전환되는 경우가 많습니다.

  최종 사용자와 IT 부서 간의 커뮤니케이션 결여가 프로젝트 성공을 막을 수 있습니다. IT와 구매자의 요구사항이 최종 사용자로 구성된 팀의 필요와 부합해야 합니다. 그들이 서로 협력하지 않으면, 최종 제품은 기대치와 필요에 부합되지 않을 수 있으며, 이는 모든 당사자들에게 불만을 야기하여 프로젝트를 실패로 이끌 수 있습니다. 성공적인 프로젝트는 비즈니스 사용자에게 내부 IT 요구사항을 모두 만족시키는 가치있는 도구를 제공합니다.

• 부적절한 계획

  연구 및 자문 회사인 Gartner는 비즈니스 인텔리전스 제품을 한 곳에서 구매하는 것을 경고합니다. 비즈니스 인텔리전스 제품들은 아주 차별화되어 있고, 고객들이 기능과 가격에 있어서 조직의 필요에 맞는 제품을 찾는 것이 중요합니다.

  조직들은 종종 비즈니스 인텔리전스를 유동적인 프로세스라기보다는 일련의 프로젝트로 취급합니다. 사용자들은 일반적으로 지속적으로 변경을 요구합니다. 따라서, 검토하고 개선점을 구현하는 절차를 갖추는 것이 매우 중요합니다.

  일부 조직들은 또한 기업 목표와 IT 및 최종 사용자의 필요를 구체화한 구체적인 전략을 세우기보다는 비즈니스 인텔리전스를 “일단 시작해보자는” 접근법을 시도합니다. Gartner는 여러 관련된 그룹에서 선발한 사람들로 전담 팀을 구성하여 비즈니스 인텔리전스 전략을 작성하거나 개정할 것을 제안합니다.

  회사들은 피상적 수준의 사용자 정의 대시보드를 요청하고 비싼 비즈니스 인텔리전스 제품의 구매를 피하려 할 수도 있습니다. 이런 유형의 프로젝트는 그 특수성 때문에 실패하는 경향이 있습니다. 하나의 고립된 사용자 정의 대시보드는 전반적인 기업 목표나 비즈니스 인텔리전스 전략에 적절하지 않을 수도 있습니다.

  새로운 비즈니스 인텔리전스 시스템 및 소프트웨어 준비에서, 많은 회사들은 통일된 결과를 얻으려 노력합니다. 이는 가장 일반적인 것부터 가장 특별한 것까지 KPI에 대한 표준 정의를 필요로 합니다. 적절하게 문서화가 되어 있지 않고, 여러 정의가 떠돌아 다니면, 이 불일치를 적절하게 다루느라 사용자들이 어려움을 겪고 귀중한 시간을 낭비할 수 있습니다.