당신은 주제를 찾고 있습니까 “데이터 가치 – 데이터 자본주의 시대의 데이터 가치평가(EY한영 김성수 파트너)“? 다음 카테고리의 웹사이트 https://you.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: https://you.maxfit.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 데이터 비즈니스 채널 이(가) 작성한 기사에는 조회수 553회 및 좋아요 12개 개의 좋아요가 있습니다.
데이터 가치 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 데이터 자본주의 시대의 데이터 가치평가(EY한영 김성수 파트너) – 데이터 가치 주제에 대한 세부정보를 참조하세요
o 산업진흥팀 이관규 주임(02-3708-5373)
데이터 가치 주제에 대한 자세한 내용은 여기를 참조하세요.
디지털 경제시대, 데이터 가치를 높이자 – 투이컨설팅
데이터 자산의 가치는 어떤 특성이 있을까? 데이터 가치는 어떻게 증폭될 수 있을까? 금융회사들의 데이터 활용 현황. 데이터 규모는 고객 수와 고객 상호 …
Source: www.2e.co.kr
Date Published: 9/15/2021
View: 2487
데이터의 가치를 향상하는 가장 손쉬운 방법 – 한번에 한 단계씩
요즘에는 비즈니스나 기술 간행물을 접할 때마다 디지털 트랜스포메이션이나 데이터 가치에 대한 기사를 쉽게 찾아 볼 수 있습니다. 불과 얼마 전까지만 해도, …
Source: blog.purestorage.com
Date Published: 5/17/2022
View: 6567
데이터 가치평가 방법론
데이터 가치평가 방법론 개관. 1. 데이터의 분류. 2. 데이터의 가치평가 방법 개관. III. 기업의 관점에서 본 개인정보 가치평가. 1. 전통적 자산가치 평가 방법의 …
Source: sapi.co.kr
Date Published: 1/6/2021
View: 828
데이터 가치 추출이 지금처럼 힘들어서는 안 된다
생산자는 데이터를 필요로 하는 사람과 안전하게 공유할 수 있는 도구를 원한다. 그러나 기술 플랫폼은 이런 욕구를 만족시켜주지 못하고 있고, 소비자와 …
Source: www.technologyreview.kr
Date Published: 2/23/2022
View: 1915
데이터 가치 창출에 관한 사례 및 시사점 | 국내연구자료
정보통신정책연구원은 본고에서 데이터 거래의 경제적 가치와 정책적 함의를 파악하기 위해 주요 글로벌 온라인 플랫폼 사업자의 데이터 가치 창출 …
Source: eiec.kdi.re.kr
Date Published: 12/29/2022
View: 4091
1.데이터 분석을 통한 가치 창출 – DATA ON-AIR
데이터 사이언스 캔버스는 “비즈니스 이슈를 분석에서 어떻게 가치를 창출하고 분석 결과를 어떻게 현장에 적용하는가” 를 논리적으로 기술한 것이라 정의할 수 …
Source: dataonair.or.kr
Date Published: 11/19/2021
View: 131
[웹3웨이브] 웹3 시대…’데이터 가치’ 이해가 필요하다
데이터는 모든 조직이 가장 원하는 핵심 자원 데이터 기반 플랫폼 기업 등장과 성장은 웹2.0 시대 특징 데이터는 ‘개인의 자산(Asset)’.
Source: contents.premium.naver.com
Date Published: 11/20/2021
View: 5415
과기정통부, 데이터 가치 평가제도 마련 – IT조선 > 기업 > 컴퓨팅
데이터 가치평가 제도는 시장에서 유통, 거래되는 데이터의 경제적 가치를 가액, 등급 및 점수로 평가하는 제도로 과기정통부장관이 데이터 가치평가기관 …
Source: it.chosun.com
Date Published: 9/27/2021
View: 7401
요즘 기업에 꼭 필요한 데이터 가치 극대화 솔루션은? – 전자신문
[AI∙빅데이터 솔루션] 데이터 가치 높여 비즈니스 트랜스포메이션 성공 이끄는 구글 데이터 클라우드. 디지털 파괴(Digital disruption)의 시대가 …Source: www.etnews.com
Date Published: 3/16/2021
View: 4937
주제와 관련된 이미지 데이터 가치
주제와 관련된 더 많은 사진을 참조하십시오 데이터 자본주의 시대의 데이터 가치평가(EY한영 김성수 파트너). 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 데이터 가치
- Author: 데이터 비즈니스 채널
- Views: 조회수 553회
- Likes: 좋아요 12개
- Date Published: 2021. 11. 12.
- Video Url link: https://www.youtube.com/watch?v=IZsQgyKJTuc
디지털 경제시대, 데이터 가치를 높이자
데이터 활용과 공유의 시대가 시작되고 있다
데이터는 보호와 보안의 대상이었다. 데이터가 외부로 유출되면 치명적인 결과를 가져왔다. 데이터에 대한 외부의 접근을 철저하게 차단해야 했다. 또한 고객 데이터를 외부에서 수집한다는 것은 불법이었다. 데이터는 강력한 보안 솔루션 안에서만 있어야 하는 시대였다.
2020년은 데이터 패러다임이 전환되는 시점이다. 개인정보보호법과 신용정보법이 개정되어서 올해 8월에 발효된다. 기업은 데이터를 익명화 등의 처리를 거쳐서 외부에 판매할 수도 있고 구매할 수도 있게 된다. 데이터 주체인 개인의 동의를 얻어서 개인의 데이터를 수집하고 관리하며 개인을 위한 서비스를 제공할 수 있는 마이데이터 비즈니스가 가능하게 된다.
데이터 보호와 보안에서 데이터 공유와 활용의 시대가 시작되는 것이다. 데이터를 감춰두고 자신의 비즈니스를 위해서만 활용하는 것은 데이터의 가치 실현을 포기하는 것이다. 데이터는 디지털 시대의 중요한 자산이다. 데이터 자산의 가치는 어떤 특성이 있을까? 데이터 가치는 어떻게 증폭될 수 있을까?
금융회사들의 데이터 활용 현황
데이터 규모는 고객 수와 고객 상호작용 빈도에 비례한다. 금융회사, 통신사, 커머스회사, 소셜미디어 기업 등이 고객 데이터 확보에 절대적으로 유리하다. 금융회사는 금융거래의 결과로 고객에 대한 데이터를 대규모로 축적하고 있다.
금융회사는 데이터를 마케팅, 리스크, 컴플라이언스, 프로세스 최적화 등에 활용하여 왔다. 투이컨설팅의 2020년 디지털성숙수준 조사 결과에 의하면 데이터분석 영역의 성숙수준은 2020년 조사에서 크게 향상되었다(그림1). 데이터 분석은 기존 업무를 지원하는 부수업무에서 업무 프로세스의 핵심 성과를 좌우하는 필수 업무가 되고 있음을 알 수 있다.
[그림 1] 금융 부문 영역별 성숙 수준 추이 / 출처: 2020디지털성숙진단보고서 (투이컨설팅)또한 금융회사들의 성숙 수준 조사에서 긍정 답변이 가장 많았던 항목은 데이터를 실적 분석에 활용한다는 것이었다. 데이터 분석 유형은 실적 분석, 결과 예측, 최적화 등으로 구분된다. 실적 분석은 가장 낮은 수준의 분석이다. 금융회사들의 데이터 분석은 고도화될 여지가 더 있기는 하지만, 폭넓게 활용되고 있다는 점은 알 수 있다.
부정 답변이 가장 많았던 항목은 데이터를 외부에 판매하여 수익을 창출하는 항목이었다. 기존의 법 체계에서는 데이터 판매가 제한되고 있었기 때문에 어느 정도 당연한 결과이다. 하지만 앞으로는 데이터가 스스로 수익을 창출하는 자산으로서 기능할 수 있게 된다. 나아가서 새로운 비즈니스 모델을 만들어낼 수도 있다.
[그림 2] 데이터 분석 관점 금융 부문 답변 / 출처: 2020디지털성숙진단보고서 (투이컨설팅)금융회사는 데이터 시대에 매우 유리한 위치에 있다. 대규모 고객을 보유하고 있고, 고객과 일정한 주기로 상호작용을 하고 있다. 고객 데이터는 금융회사의 데이터 품질이 가장 우수하다. 더 나아가서, 고객의 높은 신뢰를 받고 있다. 금융회사는 어떤 전략으로 디지털 시대의 자산인 데이터를 활용할 것인가에 따라 성과가 크게 달라질 것이다. 특히, 마이데이터 비즈니스는 금융회사들의 데이터 활용 역량을 판가름하는 시금석이 될 전망이다.
데이터가 자산으로서 갖는 특성
데이터의 가치는 더욱 높아지고 그 중요성 또한 너무나도 강조되고 있지만 기업들은 데이터에 대한 가치를 어떻게 인지하고 있을까? 대부분의 조직은 원칙적으로는 데이터가 자산임을 인식하지만 실질적인 재무 가치 산정은 쉽지 않은 상태이다.
데이터는 무형 자산이다. 실체 확인의 어려움으로 인하여 기업들은 데이터를 자산으로 평가하기보다는 관리를 위한 스토리지 도입 및 유지, 어플리케이션, 인건비 등으로 IT 비용을 증가시키는 요소로 평가하고 있지는 않을까?
Daniel Moody & Peter의 “Walsh Measuring The Value Of Information: An Asset Valuation Approach” 에서는 다른 자산과 같이 경제 법칙을 따르지 않는 정보를 경제적 재화로 정의하기 위한 7가지 특성을 제시하고 있다. 제시된 7가지 특성과 데이터 경제 시대에 고려할 사항을 포함하여 데이터 가치를 살펴보자.
특성 1. 데이터는 가치의 손실없이 무한하게 공유할 수 있다.
그러나 무한 공유로 인한 복제로 데이터 오너십을 복잡하게 하고, 별도의 데이터 스토리지 유지/관리 및 인터페이스 개발, 데이터 정합성 관리 등을 위한 비용을 추가하여야 하는 이슈가 발생하지 않도록 하여야 한다.
특성 2. 사용에 따라 가치가 하락하는 많은 자산들과 달리 사용할수록 가치가 상승한다.
그러나 동일한 구성과 형태로만 반복적으로 활용된다면 정보가 일반화되는 어느 시점에 활용가치는 하락하게 될 것이다. 누구나 알고 있는 정보는 정보로써 가치를 잃게 되기 때문이다.
그렇기 때문에 무형 자산인 데이터의 특성을 적극 활용하여 동일한 자산으로 가치를 유지하기 위한 활용 전략이 필요하다(제5법칙, 제7법칙에 연계).
특성 3. 데이터는 쉽게 달라진다.
다른 자산과 마찬가지로 데이터도 시간이 지남에 따라 감가상각되는 경향이 있다. 그러나 그것이 가치를 잃는 속도는 데이터의 종류에 따라 달라진다.
고객의 정보가 변경될 경우 이전 주소 보다 최근 정보가 더 가치 있겠지만, 패턴을 알고 싶은 경우에는 최근 정보보다 과거 누적된 정보가 더 중요한 가치를 가질 수 있다. 특히, 의사결정지원을 위해서는 과거 데이터의 축적이 절대로 필요하다. 그러므로 데이터 특성과 활용 목적에 따라 차별화된 관리 정책이 필요하다.
특성 4. 데이터의 가치는 정확성에 따라 증가한다.
데이터의 정확성은 데이터가 가져야 하는 기본이 되는 필수 요소임을 누구나 동의하는 사항일 것이다. 그렇다면 정확하기 않은 데이터는 무가치한 것일까? 의사결정을 위한 정보를 생성할경우 부정확한 데이터를 사용할 수 없지만 데이터의 정확성을 높이기 위한 작업에 활용하기 위해서는 그 또한 관리가 필요하다고 생각한다. 아마존 CEO 제프 베조스의 “우리는 절대로 데이터를 내다버리지 않는다”에 언급된 데이터에는 모든 데이터가 포함되어 있을 것이라고 생각된다. 데이터에 대한 가치는 성급하게 판단하여서는 안될 것이다.
특성 5. 다른 데이터와 결합하면 가치가 증가한다.
2020년 8월 개정된 데이터3법 시행을 앞두고 데이터전문기관 지정을 추진 중이다. 데이터 결합과 가명처리 적정성 평가 등의 업무를 전담하게 될 데이터전문기관의 역할은 향후 결합에 의한 데이터 가치 상승에 많은 영향을 끼치게 될 것으로 예상된다. 기업 내부 데이터간의 결합이
아니라 서로 다른 기업이 보유하고 있는 데이터 간의 결합은 데이터 분석을 통한 인사이트 확보에 필수 요소가 될 것이다.
특성 6. 무조건 많다고 더 나은 것이 아니다
우리는 정보의 홍수 속에 살고 있다. 정보의 양이 한계를 초과하면 이해력은 급격히 저하되고 의사결정 성과는 감소한다고 결과를 나타나기도 한다.
빅데이터가 부상하던 초기에도 유사한 사례가 많았다. 일단은 무조건 대량의 데이터를 수집하고 저장하는 것을 우선으로 진행했으나, 무조건 많은 데이터보다는 올바른 데이터를 통한 인사이트를 얻는 것이 더 중요하다는 것을 경험을 통해 알 수 있었다.
특성 7. 데이터는 절대 고갈되지 않는다.
대부분의 자원은 사용할수록 고갈되지만 데이터는 자체적으로 생성되고, 사용할수록 더 많은 데이터를 보유하게 된다. 서로 다른 데이터를 활용하여 요약, 분석 또는 결합한 결과로 새로운 데이터나 파생 데이터가 생성되는 경우가 많기 때문에 사용할수록 더 많은 데이터를 확보하게 될 것이다.
데이터의 자산 가치를 높이는 요인
데이터를 자산으로 평가하기 위한 특성을 살펴보았다. 데이터 가치를 높이기 위해 갖추어야 할 요소는 무엇일까?
1. 완전성
데이터가 얼마나 많은 정보를 포괄하는지 나타내는 것으로 완전성이 높을수록 통찰력의 정확도가 높아진다. 데이터의 완전성을 높이기 위해서는
– 데이터 관리 및 인프라 및 프로세스 개선을 통한 체계화된 데이터 수집(외부데이터 포함)
– 다양한 소스의 데이터에 대한 정합성 확보를 위한 관리 체계가 필요하다.
2. 일관성
하나의 데이터는 어디에서나 동일한 일관성을 유지하여야 한다. 구조 데이터는 미리 정의된 구분과 형식에 부합하여 발생되겠지만, 이미지/소리와 같이 구조화되어 있지 않은 데이터는 일관성을 유지하기 어렵고 추가 작업이 필요하다. 이런 비구조적 데이터의 경우 처리가 되어 있을수록 가치가 높아진다.
3. 정확도
데이터의 신뢰성이 데이터 가치에 상당한 영향을 미친다는 것은 가장 기본이 되는 사실이다. 정확도는 데이터 값에 대한 정확도뿐 아니라 데이터 입증(출처)을 위한 정확도를 포함하여야 한다.
4. 적시성
적시성은 데이터가 사용 시점에 최신상태로 유지되는 정도를 가리킨다. 일반적으로 최신 데이터일수록 가치가 높으나 사용용도에 따라 달라지는 상대적 척도이다.
5. 고유성
데이터는 대안이 적을수록 가치가 높아진다. 고유성에 대한 가치의 동인은 데이터가 제공하는 경쟁 우위 및 수익 기획에 있다.
6. 상호운용성 및 접근성
데이터는 내∙외부 데이터와 결합하여 새로운 가치를 생성할 수 있는 잠재력을 가지고 있다. 쉬운 접근과 결합 용이성을 제공하지 않는다면 데이터 소비자들은 관심을 가지지 않을 것이다.
7. 데이터에 대한 제한 및 책임
데이터 사용이 제한되지 않을수록 데이터의 가치는 높아진다. 또한 데이터와 관련된 잠재적 책임은 데이터의 가치를 떨어뜨릴 수 있으며 데이터 활용을 저해하는 주요 요인이 된다.
데이터를 제한없이 사용할 수 있고 잠재된 책임으로부터 자유로울 있는 관리 정책을 통해 데이터 소비자가 데이터에 대한 책임에 노출되지 않도록 하여야 한다.
이제는 데이터를 바라보는 관점을 바꾸어야 한다. 디지털 탈바꿈은 데이터로부터 시작된다. 데이터가 주도하는 비즈니스를 만들어야 한다. 또한 생성되는 데이터를 활용하여 새로운 비즈니스를 시작해야 한다. 데이터를 잘 활용하는 조직이 될 수 있도록 데이터 리터러시와 데이터인프라, 데이터거버넌스를 확보해야 한다.
[참조자료]– Guide to Data Valuation for Data Sharing (Infocomm Media Development Authority, Personal Data Protection Commission)
– Daniel Moody & Peter의 “Walsh Measuring The Value Of Information: An Asset Valuation Approach”
저작권자 © 투이컨설팅 무단전재 및 재배포 금지
데이터의 가치를 향상하는 가장 손쉬운 방법 – 한번에 한 단계씩
요즘에는 비즈니스나 기술 간행물을 접할 때마다 디지털 트랜스포메이션이나 데이터 가치에 대한 기사를 쉽게 찾아 볼 수 있습니다. 불과 얼마 전까지만 해도, 대부분의 기업들은 데이터를 가치 있는 자산으로 여기지 않았으나 지금은 다릅니다.
퓨어스토리지는 최근에 설문조사를 통해 영국에 있는 대부분의 기업들이 이제는 직원보다 데이터를 더 가치 있게 생각한다는 사실을 발견 했습니다.1 또한 모든 업계의 상위 20개 기업들 중 3분의 1은 2018년까지 디지털 기술에 의한 급격한 변화를 경험할 것으로 예상하고 있었습니다. 이는 직원의 사기 진작에는 도움이 되지 않지만 비즈니스의 존속을 위해서는 좋은 소식이라 할 수 있겠습니다.2
데이터가 가치 있다는 것은 누구나 아는 사실입니다. 그 사실에 대해 약간의 의구심이 있었다해도, 2006년 Microsoft의 LinkedIn 인수를 보면 생각이 달라질 것입니다. 해당 인수에서 Microsoft는 각 사용자 데이터에 1개월 당 $260를 지불했습니다. (총 인수 금액 $2,620억, 이용자수 1억명 기준)3 또한 2006년에는 오일 및 에너지 기업들이 세계에서 가장 가치 있는 기업들로 상위를 차지했었지만, 작년에는 Alphabet (Google의 모기업), Apple, Facebook, Amazon, Microsoft가 상위를 장악했습니다.3
Apple이나 Amazon이 아닌 기업들에게, 디지털 트랜스포메이션이란 감히 엄두를 낼 수 없는 일로 느껴질 수도 있습니다. 하기는 해야겠는데, 아니면 이미 시작은 했지만, 그 여정이 정상적인 비즈니스 활동에 지장을 주는 것으로 느껴질 수 있습니다. 그럴 필요가 없습니다. 대부분의 기업은 이미 디지털 트랜스포메이션의 여정을 시작한 상태일 것입니다.
그리고 대부분의 비즈니스나 IT 프로젝트와 마찬가지로, 그 과정을 작은 여러 개의 프로젝트로 나눔으로써 보다 간단하게 여정을 완수할 수 있습니다. 이러한 맥락에서, 데이터 특히, Oracle® 데이터베이스에 저장되어 있는 데이터의 가치를 향상시킬 수 있는 3단계 접근방식을 살펴보도록 하겠습니다.
1단계: 운영 데이터
거의 모든 기업이 이미 운영 데이터를 보유하고 있으며, 정보를 추적 및 이용하거나 트랜잭션을 처리하는데 이를 이용하고 있습니다. 운영 데이터는 직원, 직접적인 경쟁업체, 채권자, 공급업체 및 고객에 관한 정형화된 데이터로 대부분 관계형 Oracle 데이터베이스에 저장됩니다. 축하합니다! 귀사는 이미 데이터 가치를 향상하는 단계에 접어들었습니다.
2단계: 현대적인 데이터 웨어하우징
데이터 에코시스템에 현대적인 데이터 웨어하우스를 추가하는 경우, 운영 데이터를 비롯 다양한 소스에서 생성된 다양한 유형(정형, 비정형, 반정형)의 현재 및 이력 데이터를 통합하여 분석을 수행할 수 있습니다. 이제 트렌드와 기회를 파악할 수 있습니다. 이것이 디지털 트랜스포메이션의 기반이 됩니다.
3단계: 고급 분석
고급 분석을 추가하는 것이 그 다음 단계입니다. 고급 분석은 빅데이터가 아닙니다. 빅데이터에 머신 러닝으로 지원되는 예측적 분석을 수행하는 것입니다. 패턴을 파악해서 자동으로 고객 및 비즈니스 니즈를 해결하고 업계를 혁신적으로 변화시키는 것입니다. 이는 Amazon과 Netflix가 이용자들에게 마법처럼 올바른 제품을 추천하는데 사용하는 방법이기도 합니다.
모든 것의 토대
이 모든 단계들의 토대가 되는 것은 데이터 에코시스템으로 유입되는 데이터를 정제, 전환 및 병합하는 데이터 파이프라인입니다. 또한 데이터의 저장 및 분석에 사용되는 애플리케이션 및 솔루션, 그리고 이러한 애플리케이션과 툴들을 지원하는 올바른 인프라가 존재합니다.
올바른 인프라에는 클라우드 시대를 위한 퓨어스토리지 데이터 플랫폼이 포함됩니다. 왜 그럴까요? 간단히 말하자면, 이 플랫폼은 블록, VM, 파일, 객체 등 데이터베이스, 가상 머신, 분석 또는 웹스케일 IT를 통합하는데 필요한 데이터 스토리지 서비스들을 제공하기 때문입니다. 또한 다음과 같은 혜택을 제공합니다.
· Oracle 데이터베이스와 애플리케이션을 위해 빠르면서 낮은 레이턴시 제공
· 무중단 업그레이드, 높은 성능, 99.9999%의 가용성
· 더 적은 점유면적에서 더 큰 용량 제공
· 컴퓨트와 스토리지 용량을 별도로 확장 가능
· 데이터 절감 및 중복 제거
· 신속한 무중단 백업 및 복구
· 에버그린 스토리지로 낮은 총소유비용(TCO) 및 높은 투자회수율(ROI) 제공, 통합을 통해 Oracle 라이선스 최적화 제공
· Oracle 애플리케이션 및 데이터베이스 가상화 역량
또한 플랫폼의 모든 구성요소가 호환 가능하기 때문에, 주어진 용량이나 여정의 단계에 맞게 필요한 규모로 먼저 시작을 하고, 여정이 진척되고 필요가 생기면 확장을 할 수 있습니다.
보다 깊이 있는 관점
Oracle 데이터의 가치 향상을 위한 단계적 접근방식을 간단하게 살펴보았습니다. 보다 자세한 정보는 아래를 참고하십시오.
· 솔루션 개요 “데이터 가치를 향상해주는 플랫폼(The Platform to Increase Data Value)” – 디지털 트랜스포메이션 여정에 대해 보다 깊이 있게 살펴보고 클라우드 시대를 위한 퓨어스토리지 데이터 플랫폼이 어떻게 이 여정의 각 단계와 관련된 Oracle 솔루션들을 지원하는지 알려 드립니다.
· 백서 “데이터 가치 향상을 위한 로드맵(A Roadmap to Increase the Value of Data)” – 디지털 트랜스포메이션 여정에 대해 한층 더 깊이 있게 살펴보고 클라우드 시대를 위한 퓨어스토리지 데이터 플랫폼과 기능들이 어떻게 이 여정의 각 단계와 관련된 Oracle 솔루션들을 지원하는지 알려드립니다.
· 자세한 내용은 퓨어스토리지의 Oracle 솔루션 페이지 www.purestorage.com/oracle을 방문하십시오.
1City A.M. “Is Your Greatest Asset People, or Data?” 2017년 10월. www.cityam.com/273261/your-greatest-asset-people-data.
2Clark, Tim. “Think Digital Transformation Doesn’t Matter? Your Customers Beg to Differ.” SAP Business Trends. 2016년 5월. https://blogs.sap.com/2016/05/19/think-digital-transformation-doesnt-matter-your-customers-beg-to-differ/ .
3World Economic Forum. “The Value of Data.” 2017년 9월. www.weforum.org/agenda/2017/09/the-value-of-data/.
4Pure Storage. “Purity Is Built for Cloud Era Flash.” www.purestorage.com/products/purity.html.
데이터 가치 추출이 지금처럼 힘들어서는 안 된다
전 세계적으로 일어나고 있는 데이터 폭증 사태가 어떤 영향을 미칠지가 계속해서 우리의 상상력을 자극한다. 2018년 나온 한 보고서는 모든 사람이 매일 1초마다 평균 1.7MB의 데이터를 생성한다고 추산했는데, 연간 데이터 생성량은 그 이후로 두 배 이상 증가했고, 2025년이 되면 다시 또 두 배 이상 증가할 것으로 예상되고 있다. 전 세계 경제 동향을 연구하는 맥킨지 글로벌 인스티튜트(McKinsey Global Institute)가 발표한 보고서는 빅데이터를 능숙하게 사용하여 자율주행차, 개인 맞춤형 건강관리, 추적이 가능한 식품 공급망 등에 다양하게 적용함으로써 3조 달러(약 3,500조 원)의 부가가치를 창출할 수 있을 것으로 추산하고 있다.
그러나 이와 동시에 이 모든 데이터를 시스템에 추가하려는 움직임은 데이터를 찾고, 사용하고, 관리하고, 합법적이고 안전하고 효율적으로 공유하는 방법에 관련해 혼란을 야기하고 있다. 특정 데이터 세트의 출처는 어디인가? 누가 어떤 데이터의 주인인가? 누가 특정한 데이터를 볼 수 있게 허락되나? 데이터는 어디에 있나? 공유가 가능한가? 팔 수는 있는가? 사람들이 그것의 사용 방법을 볼 수 있나? 여러 가지 의문이 뒤따른다.
데이터의 적용 사례가 늘어나고 보다 보편화됨에 따라 생산자, 소비자, 데이터 소유자와 책임자는 따라야 할 표준화된 업무 절차인 ‘플레이북(playbook)’이 없다는 사실을 깨닫고 있다. 소비자는 신뢰할 수 있는 데이터에 연결하여 가능한 최선의 결정을 내리기를 원한다. 생산자는 데이터를 필요로 하는 사람과 안전하게 공유할 수 있는 도구를 원한다. 그러나 기술 플랫폼은 이런 욕구를 만족시켜주지 못하고 있고, 소비자와 생산자를 연결해줄 만큼 실제로 모두에게 믿음을 주는 것도 없다.
데이터를 어떻게 찾아서 언제 옮겨야 하나?
완벽한 세상이라면 데이터는 누구나 쓸 수 있는 소프트웨어처럼 자유롭게 흘러 다닐 것이다. 그것은 포장되어 원자재처럼 팔리고, 볼 수 있는 권한이 있는 사람이라면 누구나 아무 문제 없이 쉽게 볼 수 있을 것이다. 데이터의 출처와 이동 경로를 추적할 수 있게 됨으로써 도중에 어디선가에서 시도될지 모를 악의적 사용에 대한 어떠한 걱정도 없앨 수 있다.
물론 오늘날의 세상은 이런 식으로 돌아가지 않는다. 엄청난 데이터 폭증으로 인해 수많은 문제와 기회들이 생겨나자 많은 양의 정보를 공유하기가 까다로워졌다.
조직 안팎 거의 어디서나 데이터가 생성되고 있는 현재 제일 먼저 해결해야 할 과제는 어떤 데이터를 수집하고 있고, 그것을 찾기 쉽게 정리하는 방법을 알아내는 일이다.
저장되고 처리되는 데이터와 인프라의 투명성(transparency)과 주권(sovereignty)의 결핍은 신뢰 문제를 일으킨다. 오늘날 여러 ‘기술 스택(technology stack)’, 즉 기술 조합에서 중앙집중화된 장소로 데이터를 이동하는 데는 많은 비용이 들며 비효율적이다. 개방형 메타데이터 표준과 광범위하게 접근 가능한 애플리케이션 프로그래밍 인터페이스의 부재는 데이터의 접근과 소비를 어렵게 만들 수 있다. 섹터별로 데이터 온톨로지(ontology, 사물 간의 관계 등 여러 개념을 컴퓨터 처리가 가능한 형태로 표현하는 것)가 있으면 섹터 외부의 사람들은 새로운 데이터 소스가 주는 혜택을 받기 힘들 수 있다. 그리고 이해당사자가 여럿이고 기존 데이터 서비스에 접근하기 어려우면 각자의 책임 소재를 정해놓은 ‘거버넌스 모델(governance model)이 없이 데이터를 공유하기 어려울 수 있다.
앞장서는 유럽
이러한 여러 가지 문제에도 불구하고 대규모 데이터 공유 프로젝트가 추진되고 있다. 유럽연합(EU)과 한 비영리 단체가 지원하는 프로젝트는 가이아엑스(Gaia-X)라는 ‘상호운용이 가능한 데이터 교환 서비스’를 제공하고 있다. 기업들은 이 서비스를 통해 유럽의 엄격한 데이터 프라이버시 보호법의 보호를 받으며 데이터를 공유할 수 있다. 가이아엑스는 업계 전반에서 데이터를 공유하는 그릇이자 인공지능(AI), 분석, 사물인터넷 등과 연결된 데이터 서비스 관련 정보가 모이는 저장고로 그려지고 있다.
휴렛패커드 엔터프라이즈(Hewlett Packard Enterprise, 이하 HPE)는 최근 기업, 서비스 제공자, 공공기관이 가이아엑스에 참여할 수 있게 지원하는 솔루션 프레임워크를 발표했다. 현재 개발 단계에 있고, 개방형 표준과 클라우드 네이티브(Cloud Native, 클라우드의 이점을 최대한 활용할 수 있게 애플리케이션을 구축하고 실행하는 방식)를 기반으로 하는 이 데이터스페이스 플랫폼은 데이터, 데이터 분석 방법, AI를 도메인 전문가와 일반 사용자가 보다 쉽게 접근할 수 있게 해준다. 이것은 도메인 영역 전문가들이 늘 그렇듯 많은 비용을 들여 데이터를 중앙집중화된 장소로 이동하지 않고서도 신뢰할 수 있는 데이터세트를 보다 쉽게 찾아내고, 운용 데이터에 대한 분석을 안전하게 수행할 수 있는 공간을 제공한다.
기업은 이 프레임워크를 통해 IT 환경 전반에 걸쳐 있는 복잡한 데이터 소스를 통합함으로써 데이터 투명성을 대폭 제고할 수 있게 되므로 데이터 굳이 과학자가 아니더라도 누구나 기업이 보유하고 있는 데이터, 접근 방법, 사용 방법을 실시간으로 파악할 수 있다.
데이터 공유 추진도 기업이 추진해야 할 최우선 과제다. 기업이 직면한 중요한 우선 과제 중 하나는 내부 AI와 머신러닝 모델을 교육하는 데 사용되고 있는 데이터의 베팅(vetting), 즉 배경 조사다. 기업과 업계는 제품 개발부터 채용과 제조에 이르기까지 모든 것을 지속적으로 개선하기 위해 AI와 머신러닝을 광범위하게 활용하고 있다. 우리는 이제 막 시작하는 단계에 있다. 인터넷데이터센터(IDC)는 2021년 3,280억 달러(약 383조 원)가 될 것으로 예상되는 전 세계 AI 시장이 2025년이 되면 5,540억 달러로 성장할 것으로 전망했다.
정부와 기업은 AI의 잠재력을 십분 발휘하기 위해 이러한 모델을 추진하는 모든 데이터의 집단적 족적을 더 잘 이해하고 있을 필요가 있다. AI 모델은 어떻게 결정을 내리나? 그들도 편견에 빠지나? 그들은 믿을 만 한가? 신뢰할 수 없는 개인이 기업이 모델을 교육했을 때 섰던 데이터에 접근하거나 데이터를 변경할 수 있었나? 데이터 생산자와 소비자를 보다 투명하고 효율적으로 연결하면 이러한 질문에 대한 해답을 찾는 데 도움이 될 수 있다.
데이터 성숙도 구축
기업이 하룻밤 사이에 모든 데이터를 잠금 해제하는 방법을 찾아낼 수는 없다. 그러나 데이터 공유에 대한 사고방식을 조성하는 데 도움이 되는 기술과 관리 개념을 활용할 수 있게 준비할 수는 있다. 즉, 데이터를 임시방편으로 사용하기보다 전략적이고 효과적으로 소비하거나 공유할 수 있게 성숙도를 높일 수 있다.
데이터 생산자는 일련의 단계를 밟음으로써 데이터 배포 범위의 확대에 대비할 수 있다. 고객은 데이터의 위치를 파악하고 수집 방법을 이해해야 한다. 그런 다음 데이터 소비자가 적절한 적절한 시기에 적절한 데이터 세트에 접근할 수 있는지 확인해야 한다. 그것이 출발점이다.
이어 더 어려운 부분이 나온다. 데이터 생산자에 조직 안팎에 소비자가 있을 경우 소비자는 데이터에 연결돼야 한다. 이는 조직적 및 기술적인 과제다. 많은 조직이 다른 조직과의 데이터 공유를 관리할 수 있기를 바란다. ‘데이터의 민주화’, 즉 적어도 조직 전반에서 데이터를 찾을 수 있게 해주는 것은 조직의 성숙도 문제에 해당한다. 이 문제를 어떻게 다뤄야 할까?
자동차 산업에 기여하는 회사들은 벤더, 협력업체, 하청업체들과 적극적으로 데이터를 공유한다. 자동차를 조립하는 데는 많은 부품과 협조가 필요하다. 협력업체는 엔진에서 타이어, 인터넷 수리 채널에 이르기까지 모든 것에 대한 정보를 선뜻 공유한다. 자동차 데이터 공간은 1만 곳이 넘는 벤더에 서비스를 제공할 수 있다. 하지만 다른 산업은 더 배타적인 모습을 보일 수 있다. 일부 대기업은 자체 자사 사업부들 사이에서도 민감한 정보를 공유하고 싶어하지 않을 수 있다.
데이터 중심의 사고방식 조성
소비자와 생산자 중 어느 한 편에 속한 기업은 다음과 같은 전략적 질문을 자문해 봄으로써 데이터 공유와 관련된 사고방식을 개선할 수 있다.
기업이 AI와 머신러닝 솔루션을 구축하고 있다면 팀들은 어디에서 데이터를 얻고 있는가? 그들이 데이터에 어떻게 접속하고 있는가? 그리고 데이터의 신뢰성과 출처를 보증하기 위해 어떻게 데이터의 이력을 추적할 수 있는가?
데이터가 다른 사람들에게 가치가 있는 경우, 팀이 그 가치를 확장하기 위해 현재 취하고 있는 현금화 경로는 무엇이며, 그 경로를 어떻게 관리할 것인가?
기업이 이미 데이터를 교환하거나 현금화하고 있다면 여러 플랫폼, 즉 온 프레미스(on premises, 기업이 서버를 클라우드 환경이 아닌 자체 설비로 보유하고 운영하는 방식)와 클라우드에서 모두 광범위한 서비스를 허가할 수 있는가?
벤더와 데이터를 공유해야 하는 조직의 경우 현재 동일한 데이터세트 및 업데이트에 대한 그들의 조율은 어떻게 이루어지고 있는가?
생산자들은 그들의 데이터를 복제하길 원하나, 아니면 사람들이 모델을 가져오게 만들기를 원하나? 데이터세트가 너무 커서 복제가 힘들 수도 있다. 기업은 데이터가 존재하는 플랫폼에 소프트웨어 개발자를 둔 채 모델을 안팎으로 이동해야 하나?
데이터를 소비하는 부서의 근로자가 조직 내 데이터 생산자가 하는 일에 어떤 영향을 미칠 수 있는가?
행동에 나서기
데이터 혁명으로 인해 사업 기회가 창출되고 있는 가운데 전략적 차원에서 데이터를 검색하고, 수정하고, 관리하고, 데이터로부터 통찰력을 얻는 방법을 둘러싼 혼란은 가중되고 있다. 데이터 생산자와 소비자의 상호 단절은 점점 더 심각해지고 있다. HPE는 그들 모두가 데이터 혁명을 자신에게 유리하게 만드는 데 필요한 공통의 기반을 제공하기 위해 HPE 에즈메랄 소프트웨어 플랫폼(HPE Ezmeral Software Platform)과 같은 기반과 솔루션을 오픈소스로 활용하여 온 프레미스와 공공 클라우드를 모두 지원하는 플랫폼을 구축하고 있다. (HPR 기고)
1.데이터 분석을 통한 가치 창출 – DATA ON-AIR
1. 데이터 분석을 통한 가치 창출
데이터 사이언스 캔버스는 “비즈니스 이슈를 분석에서 어떻게 가치를 창출하고 분석 결과를 어떻게 현장에 적용하는가” 를 논리적으로 기술한 것이라 정의할 수 있습니다. 더 나은 방향과 성공을 향해 비즈니스 이슈를 해결해 나가는 것을 혁신이라 한다면 데이터 과학은 궁극적으로 기업, 고객 그리고 산업 현장을 위해 가치를 창출하는 것입니다.
분석 과제(주제)는 데이터 분석 결과의 활용을 통해 창출하려는 제안 가치입니다. 데이터 분석의 목적이 데이터를 통한 통찰의 도출에 있다면, 먼저 대상 업무 또는 서비스에서 문제점을 도출하고 데이터 기반으로 해결 방안을 찾을 수 있는 실행 계획을 도출하여 분석 주제로 정의 합니다. *데이터 분석을 통한 가치 제안 = 데이터 분석 과제 비즈니스의 복잡도가 증가하는 시장 안에서는 의사 결정에 도움이 되는 데이터 분석 결과를 얻기가 매우 어렵습니다. 또한 비즈니스의 속도가 중요해진 지금은 데이터 분석 과제를 수행하는데 있어서 계획을 세우기(planning) 보다 모델을 디자인하면서 진행하는 ‘디자인 씽킹’ 전략이 효율적입니다. <블록 체크리스트> ㆍ분석 주제를 정의하기 위해서는 해당 업무 파악을 통해 문제점을 도출
ㆍ정의된 문제점에 대해 실현 가능성 검토
ㆍ해당 문제점에 대한 To-Be 목표를 계획
ㆍAs-Is/To-Be 간의 간극을 해결 할 수 있는 데이터 분석 활동 계획을 정의
ㆍ활동 계획을 실행 할 수 있는 대상 데이터, 분석 도구, 분석 자원, 일정 계획 등을 정립 데이터 분석 가치 제안 블록 활용법
분석 주제 정의 ‘데이터 분석을 통해 업무의 이슈를 개선하거나 신규 업무 개발의 방향 설정 등 비즈니스 가치 창출이 가능한 주제를 정의하는 것 입니다.’ 분석 주제 정의는 실제 분석을 수행하기에 앞서 분석을 수행할 과제의 정의 및 의도했던 결과를 도출할 수 있도록 이를 적절하게 관리할 수 있는 방안을 사전에 계획하는 일련의 작업입니다. 분석 과제 수행을 통해 어떠한 목표(What)를 달성하기 위하여(Why) 어떠한 데이터를 가지고 어떤 방식으로(How) 수행할 지에 대한 일련의 계획을 수립하는 작업이기 때문에 성공적인 분석 결과를 도출하기 위한 필수 작업입니다. 업무 요구 파악, 이슈 및 쟁점사항 도출 분석 과제는 다양한 비즈니스 문제를 데이터 분석 문제로 변환하고 이를 바탕으로 “데이터 분석 과제 정의서”를 작성하고 분석 과제로서의 타당성을 검토하여 발굴된 과제로 확정합니다. 과제 발굴에는 하향식 접근 방법(Top Down Approach)과 상향식 접근 방법(Bottom Up Approach)이 있다. 과제 발굴 접근 방법
As-Is
‘업무 영역의 현 상태에 대한 진단을 통해 분석 주제와 연관된 문제점을 도출합니다.’
현장에서는 어떤 것들이 주로 문제가 될까요 업종에 따라 작업장 마다 다른 문제를 가지고 있을 것입니다. 하지만 비슷한 고민들을 하고 있기도 합니다.
다음과 같은 두 가지 경우를 생각해봅시다.
첫 번째는, 회사에서 판매하고 있는 ‘어떤 상품의 매출이 떨어지고 있다.’라는 문제입니다.
상품의 매출이 떨어지고 있다면 분명 큰 문제일 것입니다. 하지만 이 상품이 회사에서 주력 상품이 아니거나 곧 판매가 중단될 상품이라면 큰 문제가 되지는 않을 것입니다. 물론 회사의 수익에 큰 영향을 미치는 주력 상품이라면 문제가 될 수 있습니다.
두 번째는, 반대로 회사에서 판매하고 있는 ‘어떤 상품의 매출이 오르고 있다.’라는 문제를 생각해봅시다.
매출이 오르는 경우도 문제가 될까요? 보통은 매출이 오르는 상황이라면 특별히 문제가 되지 않을 것 같으나 ‘상품에 들이고 있는 광고비에 맞지 않는 매출 상황’ 이라면 문제가 될 수 있습니다.
이와 같이 ‘현장의 문제’ 라는 것은 어떤 환경에 처해 있느냐에 따라 달라질 수 있습니다. 따라서 ‘As-Is’ 를 파악한다는 것은 문제를 정밀하게 파악하는 중요한 출발점이라 할 수 있습니다.
To-be
‘분석 주제로 정의한 비즈니스 문제점에 대한 목표를 설정해야 합니다. 문제점이 해결되었을 때의 목표 수준은 정량적으로 나타내야 합니다.’
현상과 문제 구별하기
데이터 분석을 통해 문제점을 해결하기 위한 방안을 제대로 찾기 위해서는 현상과 문제를 명확히 구별할 필요가 있습니다.
‘매출이 떨어지고 있다’ 혹은 ‘불량률이 증가하고 있다’ 등을 현장에서는 ‘문제’로 다룹니다. 그러나 데이터 분석에서
이러한 것들은 단지 ‘현상’에 불과할 수 있습니다. 이러한 ‘현상’을 가지고 담당자와 논의하여 해결해야 할 ‘문제’를 찾
아내는 것이 중요합니다.
매출을 올리거나 불량률을 줄이기 위해서는 어떤 문제 해결을 통해 목표에 도달할 수 있는지 알아야 합니다. 이를 위해 현장에서 달성하고자 하는 ‘To-Be’ 목표를 당사자 간에 공유하는 것은 데이터 분석을 수행하는 데 필수 요소입니다.
현장과 목표를 공유하는 것을 데이터 분석에서는 ‘문제의 발견’ 이라고 합니다. ‘현상(As-Is)’이 공유되고 ‘To-Be’
가? 공유되었을 때 데이터 분석을 수행할 토대가 마련되었다고 할 수 있습니다.
데이터 분석을 통해 As-Is와 To-Be의 차이가 나는 원인이 무엇인지부터 검증해 나갈 수 있습니다.
Gap 분석
‘As-Is 와 To-Be의 정량적 차이를 Gap 이라 정의하고, Gap을 해결하기 위한 데이터 분석 활동 계획을 도출 합니다.’
현상 As-Is To-Be 문제인가? 매출이 떨어졌다. 매출 비율이 낮다. 지금 상태로 OK 문제 아님 매출 비율이 높다. 호경기 매출 문제 불량률이 올랐다. RPM이 높다. RPM을 낮춤 문제 RPM이 적절하다. 지금 상태로 OK 문제 아님
‘문제 발견’을 위한 효과적인 방법 중 하나는 ‘As-Is =To-Be’으로 생각해서 Gap분석을 하는 방법이 있습니다. ‘As-Is’와 ‘To-Be’의 차이를 파악하기 위해서는 다음의 3가지 관점에서 문제를 살펴보아야 합니다.
1. 요인의 전체 영향도 찾기
2. 분해해서 차이 파악 하기
3. 비교해서 차이 파악 하기 대상 데이터 ‘데이터 분석에 사용 할 대상 데이터들로 데이터 후보군을 선정합니다.’ 이 단계에서는 문제를 검증하기 위해 필요한 데이터를 파악하는 것입니다. 분석에 활용할 대상 데이터를 파악할 때는 다음 5가지를 검토합니다. 1. 문제를 검증하기 위해 어떤 데이터가 필요한가?
2. 필요한 데이터가 보존되어 있는가?
3. 필요한 데이터를 사용할 수 있는가?
4. 데이터가 보존되어 있지 않을 경우, 새로 데이터를 취득할 수 있는가?
5. 새로 데이터를 취득하는데 시간이나 비용이 많이 들 경우, 대체할 수 있는 데이터가 있는가? 데이터 분석가는 작업의 효율을 위해 가급적이면 이미 가지고 있는 데이터로 분석을 하고, 아니면 바로 사용할 수 있는 데이터가 있는지 확인하는 것이 필요 합니다. 데이터를 취득하는데 시간과 비용이 많이 들긴 하지만, 데이터를 새로 취득해서 얻는 분석 결과가 현장에 미치는 효과가 크다고 판단되면 새로 취득하는 것을 검토해 보아야 합니다. 데이터를 새로 취득하게 되면 수집되는 시점부터 데이터가 쌓이기 시작하기 때문에 과거의 현상과 비교할 수 없다는 문제점도 있습니다. 그리고 충분히 데이터가 쌓일 때까지는 데이터 분석을 시작할 수 없는 등 작업에 장애 요인이 생기게 됩니다. 분석 주제 타당성 검토 ‘확보된 분석 자원과 계획된 일정 내에서 해당 분석 주제의 목표를 달성할 수 있는지 여부를 검토합니다.’ 분석 자원 ‘데이터 엔지니어, 데이터 분석가, 업무 전문가 등 프로젝트 참여 인력에 대한 계획과 분석 인프라에 대한 조사를 합니다.’
구분 인적자원 분석 인프라 비고 분석 전문가 데이터 엔지니어 HADOOP, SPARK, SQL 등 데이터 분석가 R, PYTHON, H2O 등 실무 담당자 업무 담당자 시각화 도구 데이터 관리자 빅데이터 플랫폼
일정 계획 ‘데이터 분석을 수행하기 위한 일정계획을 수립합니다.’ 일정 계획을 수립할 때는 업무량, 데이터 수집에 걸리는 시간, 분석의 난이도, 목표 사업 기간, 소요 인력, 예산 등에 기초해서 작성해야 합니다.
실제 수행하는 작업 단위를 기준으로 작성하되 작업 단위는 5일 이내에 수행 가능한 작업으로 나누어서 관리하는 것이 좋습니다. ‘매출이 떨어졌다/불량률이 올랐다.’ 등은 As-Is 현상입니다. 이것을 ‘To-Be’와 연결하여 ‘As-Is’와 ‘To-Be’의 차이가 어떤 구조인지 분석하는 것이 문제가 나타난 근본적인 원인을 파악하기 위해 필요한 작업이 됩니다. 출처) Citizen Data Scientist를 위한 데이터 사이언스 캔버스
지은이 ㈜ 베가스 R&D Center
[웹3웨이브] 웹3 시대…‘데이터 가치’ 이해가 필요하다
데이터는 디지털 시대의 금, 쌀, 원유로 불린다. 금, 쌀, 원유 같은 상품(commodity)은 시장 환금성이 좋은, 쉽게 사고팔 수 있는 재화다. 대부분의 재화는 수요와 공급에 따라 시장에서 그 가치가 정해지며 공급이 수요에 미치지 못하면 가격이 오르고 반대의 경우 가격이 떨어진다.
하지만 데이터는 그 자체로는 거래가 불가능하다. 특별한 목적으로 수집된 데이터(고객 및 시장 분석 데이터)는 판매가 이뤄지기도 하지만 일반적으로는 시장에서 거래가 이뤄지기 어려운 속성을 가지고 있다. 데이터는 데이터 자체로 가치를 지닌다기보다 대규모 데이터를 가공, 분석, 활용할 때 그 가치가 증가한다고 볼 수 있다.
따라서 제한된 데이터, 소수 데이터는 그다지 큰 가치가 없다. 대규모 데이터를 결합, 분석, 재가공했을 때는 얘기가 달라진다. 개별 데이터 가치를 합한 것 이상의 가치를 지니게 되는 것이다. 수백, 수천 명의 데이터와 수억 명의 데이터를 비교하면 후자의 가치가 기하급수적으로 커진다.
과기정통부, 데이터 가치 평가제도 마련
데이터 경제 시대를 맞아 정부가 데이터의 가치를 평가하는 제도를 만든다.
과학기술정보통신부는 ‘데이터 가치평가기관 지정 및 운영에 관한 지침(이하 가치평가지침)’과 ‘데이터 안심구역 지정 및 운영에 관한 지침(이하 안심구역지침 등)’ 데이터 관련 3개 지침을 마련했다고 14일 밝혔다.
이번에 마련한 3개 지침은 데이터 산업진흥 및 이용촉진에 관한 기본법에서 규정한 ‘데이터 가치평가 제도’와‘데이터 안심구역 제도’를 효율적으로 지원하기 위한 상세 내용을 담고 있다. 이를 위해 과기정통부는 4월부터 민·관이 참여한 연구반과 간담회 등을 통해 전문기관 및 산학연 전문가들의 의견을 수렴했다.데이터 가치평가 제도는 시장에서 유통, 거래되는 데이터의 경제적 가치를 가액, 등급 및 점수로 평가하는 제도로 과기정통부장관이 데이터 가치평가기관을 지정하도록 규정하고 있다. 데이터 가치평가기관으로 지정받기 위해서는 기술사, 변호사 및 데이터 경력자 등 전문인력 6인을 포함한 10인 이상의 상설조직, 평가모델·기법 및 시설·장비 등을 갖추도록 명시하고 있다.이러한 가치평가기관의 지정과 운영에 관한 사항을 중립적이고 전문적으로 검토하기 위해 9명의 전문가로 구성된 ‘데이터가치평가자문단’을 구성해 운영하는 내용도 포함한다.과기정통부는 가치평가지침은 데이터의 객관적 가치를 정해 시장에서 데이터의 유통과 거래가 활발하게 이뤄지게 하는 역할을 하고, 기술력과 성장잠재력을 보유한 중소·스타트업의 데이터는 투자유치, 금융지원 등의 기업 활동 개선에도 기여할 것으로 본다.데이터 안심구역 제도는 의료 데이터 및 유료 데이터 등 외부 공개가 곤란한 민감한 데이터를 일정한 보안이 확보된 공간에서 분석할 수 있도록 지원하는 제도다.데이터 안심구역은 분석을 마친 이용자가 원본 데이터를 제외한 분석결과 등을 외부로 반출해 활용할 수 있도록 하기 때문에 데이터 분석수요와 데이터의 유출 우려를 동시에 충족하는 일종의 완충 공간이다. 안심구역 지침에서는 데이터 안심구역을 지정 받고자 하는 기관은 4인 이상의 운영조직, 보안 공간·시설 및 시스템 등을 갖춰야 하는 상세 요건 등을 포함한다.데이터 안심구역 보안대책에 관한 기준에는 데이터 보호·암호화 등 기술적 보안, 보안공간의 출입통제 방안 등 물리적 보안 그리고 침해사고 대응절차 등 관리적 보안 등 안심구역의 보안기준을 제시했다.안심구역지침이 시행됨으로서 정부의 지정을 받은 데이터안심구역에서 경영상·영업상 공개가 곤란한 데이터를 분석·활용할 수 있는 기반이 제공될 것으로 기대된다고 과기정통부는 설명했다.과기정통부는 이번에 마련한 지침을 토대로 연내 데이터 가치평가기관과 데이터 안심구역을 지정하는 등 본격적으로 제도가 시행될 수 있도록 한다는 방침이다.박윤규 과기정통부 제2차관은”데이터 가치평가 및 데이터 안심구역 제도를 통해 기업들이 보유한 데이터 가치를 객관적으로 평가받고, 공공과 민간에서 쉽게 이용되지 못했던 데이터를 활용할 수 있는 환경을 조성한 것은 매우 의미가 있다”며 “이번에 마련한 지침은 세계 최초로 도입한 데이터기본법이 시장에서 잘 정착하도록 제도적 기반을 마련함은 물론, 데이터 산업발전을 통해 디지털경제 패권국가를 실현하고 디지털플랫폼정부를 성공적으로 구현하는 데에 중요한 역할을 할 것이다”고 말했다.류은주 기자 [email protected]
요즘 기업에 꼭 필요한 데이터 가치 극대화 솔루션은?
디지털 파괴(Digital disruption)의 시대가 도래하면서 모든 산업 분야의 기업들은 더 나은 기술, 더 나은 비즈니스 모델, 더 나은 운영 가치 사슬과 고객 경험 제공으로 경쟁하고 있다. 이런 경쟁에서는 데이터가 핵심이다. 데이터는 새로운 것은 아니지만 새로운 기회들이 확장되고 복잡해지는 오늘날에는 데이터와 데이터를 활용할 수 있는 능력이 기업에게는 성공의 열쇠이다.
그러나 많은 기업이 데이터 주도형 기업이 되기 위한 여정을 시작했거나, 진행하고 있지만 대부분의 기업들은 디지털 잠재력을 완전히 활용하는 단계에 이르지 못하고 있다. 때문에 데이터는 이제 능력이 필요하다. 바로 기술, 프로세스, 그리고 사람을 상호 연결하는 능력 말이다.
데이터 클라우드는 기업의 비즈니스 트랜스포메이션을 가속화해 더욱 스마트한 제품, 그리고 더욱 스마트한 고객과 함께 더 스마트한 비즈니스를 할 수 있게 한다. 데이터 클라우드의 진정한 영향력은 모든 사람이 적시에 적절한 정보에 접근하고 이를 기반으로 보다 지능적으로 액션을 취할 수 있을 때 빛을 발한다.
데이터가 가치 극대화하는 구글 데이터 클라우드
데이터는 모든 글로벌 비즈니스의 필수 요소이다. 데이터는 분석 및 트랜잭션 응용 프로그램 전반에 걸친 트랜스포메이션을 위한 로켓 연료라 할 수 있다. 생성된 데이터는 AI 기반 비즈니스 인사이트를 강화하고 기업이 실시간으로 더 나은 결정을 지원하며, 기업이 미션 크리티컬 애플리케이션을 구축하고 실행할 때 기초 역할을 한다.
데이터 클라우드 전략의 핵심은 증가하는 데이터 복잡성을 관리하고 끊임없이 변화하는 고객의 기대치를 충족하며 변화하는 비즈니스 조건에 지속적으로 적응하는 것이다. 구글 클라우드의 목표는 고객이 데이터를 가치로 변환하고 혁신을 주도하도록 돕는 것이다.
구글 클라우드의 개방형 플랫폼은 고객에게 트랜잭션, 분석 및 AI 기반 애플리케이션을 관리할 수 있는 최대한의 유연성을 제공한다. 고객은 광범위한 트랜잭션, 처리 및 분석 엔진, 오픈 소스 도구, 개방형 API 및 ML 서비스 중에서 선택하여 종속성을 없앨 수 있다.
구글의 DNA에는 AI가 있다. 구글의 기반에는 선구적인 AI 연구와 전 세계의 정보를 모든 사람과 기업에 유용하게 만든다는 원칙이 있다. 전 세계 수십억 명이 사용하고 사랑하는 검색, 지도, 유튜브와 같은 구글 제품도 AI가 그 중심에 있다.
구글에는 구글의 내부 데이터 요구사항을 위해 구축되었으며 속도, 규모, 보안 및 기능 면에서 타의 추종을 불허하는 몇 가지 중요하고 구체적인 데이터 도구가 있다. 구글 클라우드는 미션 크리티컬 비즈니스 시스템을 위한 신뢰할 수 있는 데이터 기반을 제공하고 클라우드 환경에 관계 없이 사람과 앱이 상호 작용할 수 있는 단일 장소를 제공한다. 고객들은 분석 자체를 넘어 비즈니스에 알맞는 액션을 취하고 결과를 만들 수 있다.
데이터 클라우드는 클라우드에 대한 포괄적이고 입증된 접근 방식을 제공하며, 비즈니스를 실행하는 시스템, 즉 데이터가 생성되는 곳부터 비즈니스의 현재 상황을 보여주는 분석, 그리고 미래를 예측하고 자동화하는 AI와 머신러닝에 이르기까지 전체 데이터 수명주기를 아우른다.
데이터베이스, 데이터 분석 및 인공지능을 현대 비즈니스에 필요한 확장성, 속도, 보안 및 단순성을 제공하는 단일 플랫폼에 결합한다. 현업의 직원에게 적시에 적절한 정보를 제공하여 더 나은 정보를 바탕으로 현명한 결정을 내릴 수 있게 한다.
다양한 비즈니스에 빛을 발하는 구글 데이터 클라우드
모바일 게임 기업인 게임빌컴투스 플랫폼은 더 많은 게임 데이터를 효과적으로 분석하기 위해 모바일 게임 플랫폼 HIVE의 데이터 웨어하우스를 구글 빅쿼리로 이전했다. HIVE는 인증, 멤버십, 프로모션, 요금 결제, 알림, 고객센터, 데이터 분석 등 게임 개발과 운영에 관련된 통합 모바일 게임 플랫폼이다.
게임빌컴투스 플랫폼은 이 HIVE와 게임 데이터를 기반으로 이용자들의 움직임을 읽고 적절한 운영 방법과 타겟 마케팅 방법까지 결정했으나 2012년 구축한 온프레미스 인프라의 데이터 수용량이 한계에 다다랐다. 점차 복잡해지는 데이터를 처리하기에 온프레미스 데이터 웨어하우스의 성능도 만족스럽지 못했다. 빠르게 돌아가는 게임 개발, 운영 환경에서 직접 온프레미스 환경 구축은 시간적인 부담이 있었다.
게임빌컴투스 플랫폼은 당장 필요한 기능들을 갖춰야 해서 클라우드에서 운영되는 관리형 서비스를 고려했다. 구축 과정과 성능, 비용, 효과까지 만족할 수 있는 구글 클라우드의 빅쿼리를 선택했다. 빅쿼리가 사실상 무한한 데이터를 관리해주므로 게임빌컴투스 플랫폼은 HIVE 플랫폼을 꾸준히 고도화하고, 분석에 필요한 데이터를 무제한에 가깝게 수집하여 활용하고 있다.
지역 기반의 중고거래 서비스 당근마켓은 폭발적인 성장세와 함께 늘어나는 게시물 관리의 고민을 안고 있었다. 초기에는 운영자들이 직접 콘텐츠 검수를 했지만, 등록되는 게시물이 폭발적으로 늘어나면서 운영자가 하나하나 관리하는 것이 불가능해졌다. 그렇다고 관리 인력을 계속 뽑기에는 부담스러울 뿐 아니라 근본적인 해결책이 아니라고 판단했다.
구글 텐서플로우 기반의 머신러닝 모델을 적용하여 서비스에 올라오는 글을 분류하고, 이용자에게 맞춤형 콘텐츠를 추천해 게시판을 정책에 맞춰 빈틈 없이 관리하고 콘텐츠 맞춤 서비스를 제공하게 되었다.
빅쿼리를 이용해 데이터를 수집하고 분석하여 마케팅 부서에서는 유료 상품이나 마케팅 효율을 분석하고, 기획과 사업 부서에서는 새로운 서비스에 대한 이용자 반응과 성과를 읽어낸다. 구글 클라우드를 통해 데이터 분석과 머신러닝을 도입하는 모든 과정이 1~2명의 인력으로 해결됐다.
데이터 사일로를 극복할 수 있는 비즈니스 인사이트 제공
데이터 클라우드는 기업이 데이터 및 기술 혁신을 활용하여 비즈니스 혁신을 추진하는 방식에 대한 산업 범주에 속한다 할 수 있다. 기업은 디지털 트랜스포메이션에 대한 비즈니스 요구와 전략을 가장 지원할 데이터 플랫폼 기술을 선택해야 한다.
구글 클라우드는 앞으로도 계속해서 기업이 오늘날의 역동적인 디지털 환경에서 데이터 사일로에서 벗어나 안전하게 비즈니스 결과를 예측하고 정보에 입각한 실시간 결정을 내릴 수 있도록 AI 및 머신러닝, 데이터 분석, 데이터베이스 솔루션을 제공할 계획이다.
이향선 전자신문인터넷기자 [email protected]
[알림] 전자신문인터넷과 넥스트데일리는 오는 9월 9일 목요일 오전 9시 30분부터 오후5시까지 “2021 AI & Big Data Smart Convergence” 무료 온라인 콘퍼런스를 개최한다. 이 행사에서는 AI와 빅데이터 분야 글로벌 기업들의 기술과 실무 적용 노하우와 성공 사례를 공유해 기업의 업무 효율을 높이고 비즈니스 확대와 새로운 비즈니스를 창출할 수 있는 전략을 제시한다.
키워드에 대한 정보 데이터 가치
다음은 Bing에서 데이터 가치 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 데이터 자본주의 시대의 데이터 가치평가(EY한영 김성수 파트너)
- 데이터 비즈니스
- Data Business
- 한국데이터산업진흥원
- K-DATA
- DATA-STARS
- 데이터스타즈
- DATA-GLOBAL
- 데이터글로벌
- 데이터비즈온
- DATA-BIZON
데이터 #자본주의 #시대의 #데이터 #가치평가(EY한영 #김성수 #파트너)
YouTube에서 데이터 가치 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 데이터 자본주의 시대의 데이터 가치평가(EY한영 김성수 파트너) | 데이터 가치, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.