분석이란 무엇입니까?

비즈니스 분석은 데이터의 중요한 패턴을 발견, 해석 및 전달하는 과정이며, 툴을 이용해 조직 전체에서 어떤 장치 및 환경에서든 모든 데이터에 대해 질문할 수 있도록 지원합니다. 비즈니스 분석은 최적화, 비용 절감, 고객 참여 등과 같은 원하는 결과를 끌어낼 기회를 한층 더 강화합니다. 성공적으로 활용하는 조직은 직감에 좌우되지 않고 데이터가 드러내는 결과에 기반해 의사결정을 내립니다. 이상적인 시나리오에서 비즈니스 리더는 선입견이나 과거 경험으로부터 영향을 받지 않고 통찰과 발견을 확보할 수 있도록 편향 없는 방법을 확립합니다.

Oracle 분석에 대해 자세히 알아보기 (PDF)

오늘날 조직은 비용은 절감하면서 더 많은 사람들을 위해 더욱 빠르게 보다 깊은 통찰을 얻을 수 있도록 더 많은 데이터를 이용하여 분석을 통해 더 많은 것을 얻고자 합니다.—— 이런 목표를 달성하려면 보안, 유연성 및 신뢰성 요건에 부합하며 전체 분석 프로세스를 지원하는 강력한 플랫폼이 필요합니다. 거버넌스를 희생하지 않으면서 사용자가 셀프 서비스 분석을 수행할 수 있도록 지원해야 합니다. 이와 함께 관리도 쉬워야 합니다. 하지만 엔터프라이즈급 비용과 인프라 없이 어떻게 엔터프라이즈급 시스템의 장점을 확보할 수 있을까요? 이제 어디에서나 비즈니스 분석을 쉽게 찾아볼 수 있습니다. 어떤 기업이든 실적 개선을 원하고 더 나은 의사결정을 위해 데이터를 분석하고자 하기 때문입니다.

개별 맞춤화, 머신 러닝 및 심층적인 도메인 지식을 이용하는 비즈니스 분석으로 기업들은 전체 어플리케이션, 데이터 웨어하우스 및 데이터 레이크에 걸쳐 있는 데이터로부터 유의미하고 실행 가능한 통찰을 확보할 수 있습니다.—— 비즈니스 분석은 실행으로 이어지는 완전한 프로세스로 구현되어야 합니다. 일단 통찰을 확보하면 기업은 프로세스를 재평가, 재실행 및 재구성할 수 있습니다. ’비즈니스 분석의 본질은 실행입니다.

분석의 근본 요소

분석의 근본 요소

데이터는 그 자체로는 의미가 없습니다. 우리는 많은 노력을 기울여 모든 가능한 교훈을 배울 수는 있지만, ’이를 실행해서 적용하지 않는다면 모든 노력은 허사가 될 것입니다. ’이용할 수 있는 모든 기술을 활용하지 않는다면, 투자 수익을 실현할 기회를 놓치게 됩니다. 오늘날의 세계에서 우리는 데이터로 효과적으로 소통할 수 있으며, 데이터로 하여금 질문에 답하고 결과를 예측하며 새로운 패턴을 학습하도록 할 수 있습니다. 바로 이것이 데이터의 잠재력입니다.

분석의 비즈니스 가치

분석의 비즈니스 가치
  • 새로운 업무 방식

    비즈니스의 특성은 변하고 있으며, 그러한 변화와 함께 새로운 경쟁 방식이 도래합니다. ’기술에 밝은 오늘날의 노동력의 요구에 부합함으로써 가치 창출 및 신속한 실행 방법을 확보할 수 있습니다. 또한 최고 수준의 데이터 품질과 보안을 유지하면서 사용자들에게 속도와 단순성을 제공해야 합니다. IT가 중추적인 역할을 수행하는 중앙 집중화된 분석 플랫폼은 비즈니스 분석 전략의 근본 요소가 되어야 합니다. 비즈니스 주도 및 IT 주도 전략 모두를 결합하는 것이 혁신을 위한 최고의 전략입니다.

  • 새로운 기회의 발견

    분석 기술이 발전하면서 데이터 활용의 새로운 기회가 열리고 있습니다. 현대화된 분석은 예측적, 자가 학습적 및 능동적으로 숨겨진 데이터의 패턴을 발견할 수 있도록 지원합니다. 직관적이기도 합니다. 수백만 행과 열로 이루어진 데이터를 즉시 이해할 수 있도록 돕는 탁월한 시각화가 가능하기 때문입니다. 첨단 비즈니스 분석은 이동성이 높으며 사용이 용이합니다. 또한 사용자들을 적시에 적합한 데이터로 연결해 추가 교육을 받을 필요가 거의 없거나 전혀 없습니다.

  • 데이터 시각화

    귀하는 경쟁업체들보다 먼저 데이터 신호를 파악하고자 할 것입니다. 분석은 비즈니스 환경을 고선명 이미지로 볼 수 있는 능력을 제공합니다. 개인 데이터, 기업 데이터 및 빅데이터의 매쉬업을 통해 데이터의 가치를 신속하게 이해할 수 있으며, 여러분의 데이터 스토리를 동료들과 공유할 수 있고, 이 모든 작업을 불과 몇 분 이내에 수행할 수 있습니다.

분석 트렌드

분석 트렌드

분석 시장이 지속적으로 진화하고 있는 가운데, IT 주도의 비즈니스 분석 이니셔티브 추구에서 비즈니스와 IT의 공동 주도로의 근본적인 변화가 새로운 대세로 자리 잡게 되었습니다. 이에 현재 대부분의 조직에서 분석이 전략적인 수단이 된 것은 분명한 사실이며, 이에 따라 새로운 소비자와 새로운 기대가 부상하고 있습니다.

실시간으로 결정을 내려 광범위한 대상과 공유하는 방식이 변했습니다. 노동력은 변하고 있으며, 그러한 변화로 새로운 작업 방식이 등장합니다. 사무실에서 흔히 교육 매뉴얼을 흔히 볼 수 있는 시대는 지나갔습니다. ’오늘날의 노동력은 직관적인 인터페이스를 이용한 신속한 작업 방식을 기대합니다. 그러나 여기서 그치지 않습니다.’ 속도와 단순성이 중요하지만, 데이터 품질과 보안에 대한 비즈니스 리더의 기대치는 여전히 높습니다. IT가 중추적인 역할을 수행하는 중앙 집중화된 분석 플랫폼은 여전히 모든 비즈니스 분석 전략의 기본적인 부분입니다. 비즈니스 주도 및 IT 주도 전략 모두를 결합하는 것이 혁신을 위한 최고의 전략입니다.

우리는 클라우드에 분석을 적용하는 것은 단순한 배포 선택을 훨씬 뛰어넘는 조치라고 생각합니다. —사람, 장소, 데이터 및 시스템 사이의 장벽을 허물어 사람과 프로세스가 정보 및 기술과, 그리고 서로 상호작용하는 방식을 근본적으로 변화시키기 때문입니다.

과거: 분석의 역사

분석의 역사

통계 비교와 데이터 분석은 기록된 역사보다 앞서지만, 오늘날 우리가 알고 있는 과정으로 분석을 발전시키는 데 기여한 몇 가지 중요한 이정표가 있습니다.

1785년에 William Playfair가 기본적인 (그리고 널리 이용되는) 데이터 시각화 기능 중 하나인 막대 그래프 개념을 제시했습니다. 그는 수십 개의 데이터 포인트를 표시하기 위해 막대 그래프를 고안했다고 합니다.

1812년에는 지도제작자 Charles Joseph Minard가 나폴레옹 군대가 모스크바로 진격하면서 발생한 사상자 수를 지도에 표시했습니다. 폴란드-러시아 국경에서 시작해 그는 굵은 선으로 선형 지도를 작성해 사상자 수가 어떻게 혹독한 겨울 날씨와 관련이 있으며, 군대가 물자 보급로에서 떨어진 만큼의 시간과 관련이 있는지 보여주었습니다.

1890년에는 Herman Hollerith가 천공 카드에 데이터를 기록한 "표 작성 기계"를 고안했습니다. 이 장치 덕분에 데이터를 더욱 신속하게 분석할 수 있게 되어 미국 인구 조사의 집계 과정이 7년에서 18개월로 단축되었습니다. 이로써 데이터 수집 및 분석을 꾸준히 개선해야 한다는 비즈니스 요구가 확립되었고 이는 오늘날까지 이어지고 있습니다.

현재: 오늘날의 분석

오늘날의 분석

1970년대와 1980년대에는 요청받는 즉시 분석을 위해 데이터를 추론하는 관계형 데이터베이스(RDB)와 표준 쿼리 언어(SQL) 소프트웨어가 등장했습니다.

1980년대 후반에 William H. Inmon은 정보에 신속하게 반복적으로 액세스할 수 있는 데이터 웨어하우스 개념을 제안했습니다.“” 또한 Gartner의 분석가인 Howard Dresner는 기업이 비즈니스 프로세스에 대한 더욱 정확한 이해를 목적으로 데이터를 분석할 수 있는 길을 열어준 "비즈니스 인텔리전스"라는 용어를 만들었습니다.

1990년대에는 데이터 마이닝 개념을 바탕으로 방대한 데이터 세트에 나타나는 패턴을 발견 및 분석할 수 있게 되었습니다. 데이터 분석자들과 데이터 과학자들은 앞다투어 R과 Python 같은 프로그래밍 언어를 이용해 머신 러닝 알고리즘을 개발했고 대규모 데이터 세트로 작업하며 복잡한 데이터를 시각화했습니다.

2000년대에는 웹 검색의 혁신으로 MapReduce, Apache Hadoop 및 Apache Cassandra가 개발되어 정보 검색, 작성 및 제공을 지원했습니다.

미래: 차세대 분석

차세대 분석

기업이 데이터 가시성 확보와 더 많은 통찰 확보에서 한 걸음 더 나아가면서 툴과 그 기능들도 발전했습니다.

최초의 분석 툴 세트는 비즈니스 인텔리전스 소프트웨어에서 형성된 의미 체계 모델에 기반을 두었습니다. 이러한 툴 세트는 모든 기능에 걸친 강력한 거버넌스와 데이터 분석 및 정렬 확립에 기여했습니다. 한 가지 단점은 보고가 항상 적시에 이루어지지는 않는다는 점이었습니다. 기업 의사결정자들은 때때로 결과가 원래의 쿼리와 일치하는지 확신할 수 없었습니다. 기술적인 관점에서 이러한 모델은 주로 온프레미스에서 사용되어 비용 효율성이 낮았습니다. 또한 데이터도 자주 사일로에 갇히는 문제도 안고 있습니다.

그 다음에는 셀프 서비스 툴이 발전하면서 분석 사용자의 폭이 보다 넓어졌습니다. 셀프 서비스 툴은 특별한 기술이 필요하지 않아 분석 활용이 가속화되었습니다. 이러한 데스크톱 비즈니스 분석 툴은 지난 몇 년 동안 특히 클라우드에서 인기를 얻었습니다. 기업 사용자들은 광범위한 데이터 자산을 탐구할 수 있다는 데 열광합니다. 사용 편의성이 매력적이긴 하지만, 데이터 혼합과 "단일 원본" 생성이 점점 복잡해지고 있습니다. 데스크톱 분석을 항상 더 큰 그룹으로 확장할 수 있는 것은 아닙니다. 아울러 데스크톱 분석은 일관성 없는 정의에 취약합니다.

최근에 분석 툴은 데이터 디스커버리, 클리닝 및 퍼블리싱을 자동으로 업그레이드하고 자동화하는 툴이 지원되어 비즈니스 통찰의 더욱 폭넓은 전환을 가능케 하고 있습니다. 기업 사용자들은 어떤 컨텍스트 장치로도 협업할 수 있으며 실시간으로 정보를 활용해 결과를 도출할 수 있습니다.

오늘날에도 여전히 인간이 작업의 대부분을 수행하고 있지만, 이제 자동화가 점점 힘을 얻고 있습니다. 기존 소스의 데이터를 쉽게 결합할 수 있습니다. 소비자는 쿼리를 실행해 작업한 후에 데이터 시각화로 상호작용해 통찰을 얻고 모델을 구성해 미래 트렌드나 결과를 예측합니다. 이 모든 작업을 매우 세부적인 수준에서 인간이 관리하고 제어합니다. 데이터 수집, 데이터 디스커버리 및 머신 러닝의 도입으로 최종 사용자는 그 어느 때보다 신속하게 다양한 옵션을 제공받고 있습니다.

비즈니스 분석의 수용

비즈니스 분석의 수용

분석은 우리 삶의 모든 분야에 스며들고 있습니다. 여러분이 어떤 질문을 하든 (직원이나 재무에 관한 것이든, 고객의 선호와 관련된 것이든, 또는 고객 행동에 선호가 미치는 영향에 관한 것이든), 분석은 여러분에게 해답을 제시하며 충분한 정보를 제공받은 상태에서 결정을 내릴 수 있도록 돕습니다.