검색 결과가 없습니다

검색어와 일치하는 결과가 없습니다.

원하시는 정보를 찾는 데 도움이 되도록 다음을 시도해 보십시오.

  • 검색에 사용하신 키워드의 철자가 올바른지 확인하십시오.
  • 입력한 키워드에 동의어를 사용하십시오. 예를 들어 “소프트웨어” 대신 “애플리케이션”을 사용해 보십시오.
  • 아래에 표시된 인기 검색어 중 하나를 사용해 보십시오.
  • 새로운 검색을 시작하십시오.
인기 질문

분석 정의

분석 클라우드

비즈니스 분석은 데이터의 중요한 패턴을 발견, 해석 및 전달하고 도구를 사용하여 전체 조직이 모든 장치의 모든 환경에 있는 모든 데이터에 대해 질문할 수 있도록 하는 프로세스입니다. 비즈니스 분석은 최적화, 비용 절감 및 고객 참여와 같은 원하는 결과를 이끌어 낼 수 있는 더 많은 기회를 추가합니다. 분석에 성공한 사람들은 본능을 무시하고 데이터가 보여주는 내용에 따라 결과를 선택합니다. 완벽한 시나리오에서 비즈니스 리더는 편견 없이 방법론을 설정하여 방정식에 선입견이나 경험을 추가하지 않고도 통찰력과 발견을 얻을 수 있습니다.

 

오늘날 모든 조직은 더 많은 사람들을 위해 더 많은 데이터를 사용하여 더 깊은 통찰력을 더 빠르게, 더 적은 비용으로 도출하여 분석에서 더 많은 것을 얻고자 합니다. 이러한 목표를 달성하려면 기대하는 보안, 유연성 및 안정성으로 전체 분석 프로세스를 지원하는 강력한 플랫폼이 필요합니다. 따라서 사용자가 거버넌스를 희생하지 않고 셀프 서비스 분석을 수행할 수 있도록 지원해야 합니다. 그리고 관리가 쉬워야 합니다. 그러나 엔터프라이즈급 비용과 인프라 없이 엔터프라이즈급 시스템의 이점을 어떻게 얻을 수 있을까요? 모든 회사가 더 나은 성과를 원하고 더 나은 의사 결정을 내리기 위해 데이터를 분석하기 때문에 오늘날 비즈니스 분석은 어디에나 있습니다.

개인화, 머신 러닝 및 심층적인 도메인 지식을 사용하는 비즈니스 분석을 통해 기업은 애플리케이션, 데이터 웨어하우스 및 데이터 레이크의 데이터에서 관련성 있고 실행 가능한 통찰력을 얻을 수 있습니다. 비즈니스 분석은 조치를 요구하는 완전한 프로세스여야 합니다. 통찰력이 확보되면 비즈니스는 프로세스를 재평가, 재실행 및 재구성할 수 있습니다. 이는 행동을 취하는 것이 전부입니다.

분석 기본 사항

데이터 자체는 의미가 없습니다. 갖가지 방법을 총동원하여 지구상 모든 이론을 배워도, 이를 행동으로 옮기거나, 피벗 하거나, 조정하지 않으면 아무 의미가 없을 것입니다. 원하는 대로 모든 기술을 활용하지 못한다면 투자 비용을 전부 회수할 수 없습니다. 오늘날 우리는 데이터가 질문에 대한 해답을 찾고, 결과를 예측하고. 새로운 패턴을 배우게 할 수 있습니다. 이것이 귀하가 보유한 데이터의 잠재력입니다.

분석의 비즈니스 가치

  • 새로운 업무 방식

    비즈니스의 본질이 변화하고 있으며, 이러한 변화와 더불어 새로운 경쟁 방식이 등장합니다. 오늘날 기술에 정통한 직원의 요구 사항을 충족한다는 것은 가치를 창출하고 신속하게 운영할 수 있는 방법을 갖추는 것을 의미합니다. 또, 사용자들에게 속도와 단순성을 제공하는 동시에 최고 수준의 데이터 품질과 보안을 유지할 수 있습니다. IT가 중추적인 역할을 담당하는 중앙 집중식 분석 플랫폼을 비즈니스 분석 전략의 토대로 삼아야 합니다. 비즈니스 계획 및 IT 주도형 계획을 결합하면 가장 최적의 방법으로 혁신을 실현할 수 있습니다.

  • 새로운 기회 발견

    분석 기술이 발전하면서 데이터를 통해 수익을 창출할 수 있는 새로운 기회가 열리고 있습니다. 현대화된 분석은 예측적, 자가 학습적 및 능동적으로 숨겨진 데이터의 패턴을 발견할 수 있도록 지원합니다. 이는 직관적일 뿐만 아니라 수백만 행 및 열의 데이터를 즉시 이해할 수 있도록 돕는 탁월한 가상화 기능을 포함하고 있습니다. 현대화된 분석은 모바일을 지원하며 쉽게 실행할 수 있습니다. 또한, 사용자들을 적시에, 적합한 데이터로 연결하며 추가로 교육을 받을 필요가 거의 또는 전혀 없습니다.

  • 데이터 시각화

    귀하는 경쟁업체들보다 먼저 데이터 신호를 파악하고자 할 것입니다. 분석기술은 비즈니스 환경을 상세히 파악할 수 있도록 지원합니다. 개인/기업/빅 데이터를 조합하면 데이터의 가치를 빠르게 파악하고 자신의 데이터 경험을 동료들과 공유할 수 있으며 이를 단 몇 분만에 처리할 수 있습니다.

과거: 분석의 역사

통계를 비교하고 데이터를 분석하는 것은 선사시대로 거슬러 올라가지만, 분석을 오늘날 우리가 알고 있는 프로세스로 발전시키는 데 일조한 중요한 이정표가 몇 가지 있습니다.

1785년 William Playfair는 널리 사용되는 기본 데이터 시각화 기능인 막대 차트의 개념을 고안했습니다. 그는 수십 개의 데이터 포인트를 표시하기 위해 막대 차트를 발명했다는 이야기가 있습니다.

1812년, 지도 제작자인 Charles Joseph Minard는 나폴레옹 군대의 모스크바 진군 실패를 도표로 만들었습니다. 그는 폴란드-러시아 국경에서부터 시작하여 군대가 공급선에서 멀리 떨어진 기간과 혹독한 겨울 추위가 실패와 어떻게 연결되어 있는지를 여러 굵기의 선으로 표시한 선형지도를 만들었습니다.

1890년, Herman Hollerith는 천공 카드에 데이터를 기록하는 "tabulating machine"을 발명했습니다. 이를 통해 데이터를 더 빨리 분석할 수 있게 되어 미국 인구 조사국의 집계 과정이 7년에서 18개월로 빨라졌습니다. 이로써 데이터 수집 및 분석을 지속해서 개선해야 하는 비즈니스 요구사항이 확립되어 오늘날에도 여전히 지켜지게 되었습니다.

현재: 분석의 현재

1970년대와 1980년대에는 주문형 분석을 위해 데이터를 추정하는 관계형 데이터베이스(RDB) 및 표준 쿼리 언어(SQL) 소프트웨어가 탄생했습니다.

1980년대 후반, William H. Inmon은 정보에 신속하고 반복적으로 액세스할 수 있는 “데이터 웨어하우스”의 개념을 제안했습니다. 또한, Gartner 분석가인 Howard Dresner는 "비즈니스 인텔리전스"라는 용어를 만들어 비즈니스 프로세스를 더 잘 이해할 목적으로 데이터 분석을 추진하는 업계의 발판을 마련하였습니다.

1990년대, 기업은 데이터 마이닝 개념을 통해 매우 큰 데이터 세트를 분석하고 패턴을 발견할 수 있었습니다. 데이터 분석가와 데이터 사이언티스트는 머신 러닝 알고리즘을 개발하고, 대규모 데이터로 작업하며, 복잡한 데이터 시각화를 만들기 위해 R과 Python과 같은 프로그래밍 언어로 몰려들었습니다.

2000년대에는 웹 검색의 혁신으로 인해 MapReduce, Apache Hadoop 및 Apache Cassandra를 개발하여 정보를 검색, 준비 및 제공할 수 있었습니다.

미래: 차세대 분석

기업이 데이터 가시성을 확보하고 더 많은 통찰력을 요구하는 것에서 벗어남에 따라 도구와 기능도 발전했습니다.

첫 번째 분석 툴 세트는 비즈니스 인텔리전스 소프트웨어에서 차용한 의미 쳬계 모델을 기반으로 했습니다. 이를 통해 강력한 거버넌스, 데이터 분석 및 기능 간 조정을 확립할 수 있었습니다. 한 가지 단점은 보고서가 항상 적시에 준비되지는 않았다는 것입니다. 비즈니스 의사 결정권자는 결과가 원래 쿼리와 일치하는지 확신할 수 없었습니다. 기술적 관점에서 이러한 모델은 주로 온 프레미스에서 사용되므로 비용 효율성이 떨어집니다. 또한, 데이터가 종종 사일로에 갇히기도 합니다.

다음으로, 셀프 서비스 도구의 진화는 분석의 대상층을 더욱 광범위하게 확장했습니다. 진화된 도구를 사용함에 있어 특별한 기술이 필요하지 않았기 때문에 분석의 활용이 가속되었습니다. 이러한 데스크톱 비즈니스 분석 도구는 특히 클라우드에서 지난 몇 년 동안 인기를 얻었습니다. 비즈니스 사용자는 다양한 데이터 자산을 탐색하는 것에 흥미를 느낍니다. 사용의 용이성은 매력적이지만, 데이터를 혼합하고 단일 버전의 SSOT(Single Source of Truth)를 만드는 것은 점점 더 복잡해지고 있습니다. 데스크톱 분석이 언제나 더 큰 그룹으로 확장 가능한 것은 아닙니다. 또한, 일관성 없는 정의에 취약합니다.

가장 최근의 분석 도구는 데이터 검색, 데이터 정리 및 데이터 게시를 자동으로 업그레이드하고 자동화하는 도구를 사용하여 비즈니스 인사이트의 폭넓은 혁신을 가능케 합니다. 비즈니스 사용자는 컨텍스트가 있는 모든 장치와 협업하고 정보를 실시간으로 활용하며 결과를 도출할 수 있습니다.

오늘날 대부분의 작업을 여전히 인간이 수행하고 있지만, 자동화를 지지하는 움직임은 늘어나고 있습니다. 기존 소스의 데이터는 쉽게 결합할 수 있습니다. 소비자는 쿼리를 실행하여 작업한 다음, 데이터의 시각적 표현과 상호 작용하여 인사이트를 얻고 모델을 구축하여 향후 동향이나 결과를 예측합니다. 이 모든 것은 매우 세분화된 수준에서 사람들이 관리하고 통제합니다. 데이터 수집, 데이터 검색 및 머신 러닝까지 포함함으로써 엔드유저에게 그 어느 때보다 빠른 기간 내에 더 많은 옵션을 제공합니다.

비즈니스 분석 수용

분석은 우리 삶의 모든 면에 스며들고 있습니다. 직원이나 재무에 관한 것이든, 고객이 좋아하고 싫어하는 것이 무엇이든, 그것이 고객의 행동에 어떤 영향을 미치는지에 관계없이 분석을 통해 답을 얻고 정보에 입각한 결정을 내릴 수 있습니다.