견고한 데이터 아키텍처의 전략적 이점
잘 구성된 데이터 아키텍처의 보상은 운영 프로세스를 넘어섭니다. 이러한 이점은 전략적 운영 효율성, 더욱 심층적인 비즈니스 통찰력, 인접한 비즈니스 기회에 도달하는 능력으로 확장되며, 이 모든 것이 보다 민첩한 방식으로 실행됩니다.
6개월 후, 음식 배달 앱을 다시 살펴보세요...
이전 기사 에서는 가상의 음식 주문 및 배달 서비스를 소개하고, 고객 주문 프로세스, 픽업 및 음식 배달 워크플로, 결제 처리 등 몇 가지 주요 일상 운영 워크플로를 설명했습니다. 우리는 워크플로에 대한 주요 데이터 입력을 중심으로 한 의도적인 데이터 전략이 어떻게 보다 강력하고 민첩하고 확장 가능한 비즈니스 프로세스를 만들어내는지 살펴보았습니다.
이 글에서는 일상적인 운영 효율성을 넘어, 사전에 고려된 데이터 아키텍처 설계의 장기적이고 전략적인 이점을 설명하고 싶습니다. 우리의 신청이 성공적이었다면, 최초 시나리오보다 6개월 앞당겨서, 기업 리더들은 이제 몇 가지 새롭고 떠오르는 기회를 발견했을 것입니다. 그들은 이제 기술자들에게 기본 시스템이 몇 가지 특정 기회와 관련 과제에 얼마나 빠르고 쉽게 조정되고 적응할 수 있는지 묻고 있습니다.
- 서비스 성장이 가속화되고 있으며, 회사는 추가 도시로 사업을 확장하고 싶어합니다.
- 서비스 확장의 일환으로, 점진적인 데이터 거버넌스 요구 사항이 추가되는 수익성이 높은 캘리포니아 시장에 진출하고자 합니다.
- 예상치 못한 수요 급증으로 인해 배송 시간이 점차 길어지고 있습니다. 기술이 그 문제를 해결하는 데 도움이 될 수 있나요?
- 이 회사는 신생 스타트업과의 경쟁에 직면해 있으며, 일부 레스토랑에서는 경쟁 서비스로의 전환을 고려하기도 했습니다. 우리는 공급업체(레스토랑)를 유지하는 데 도움이 되는 부가가치를 입증할 수 있습니까?
나열된 네 가지 예시 과제는 두 가지 광범위한 범주로 분해될 수 있습니다.
첫째, 주요 일상("전술적") 비즈니스 프로세스의 효율성을 조정하고 개선합니다.
둘째, 회사 고객을 통해 직접 또는 간접적으로 회사에 장기적("전략적") 가치를 창출하는 새로운 통찰력을 창출합니다.
처음 두 가지 새로운 과제(영역 확장과 관련 규정 준수 요구 사항)는 전술적인 비즈니스 프로세스를 중심으로 하며, 따라서 본질적으로 운영과 관련이 있습니다. 마지막 두 가지 과제는 더 전략적인 성격을 가지고 있습니다.
먼저 전술적, 운영적 문제를 살펴보겠습니다.
운영 효율성 개선
추가 도시로 지리적으로 확장하면 몇 가지 문제가 발생할 수도 있습니다. 배달 워크플로의 잠재적인 문제 중 하나는 거리 주소에 모호성 문제가 있을 수 있다는 것입니다. 동일한 주소(예: "100 Main St.")가 여러 도시에 존재할 수 있습니다. 또 다른 가능한 문제는 도시마다 시간대가 다를 수 있다는 것입니다. 이 점을 고려하지 않았다면 픽업이 오후 6시에 이루어졌을 것입니다. MDT는 인근 PDT 도시(오후 6시 30분)에 배달하는 경우 1시간 늦을 수 있습니다. 태평양 일광 절약 시간제). 이전 기사에서 설명한 데이터 아키텍처는 데이터 요소에 대한 "정규화된" - 전역적으로 고유한 - 표현이라는 개념을 통합하여 두 가지 잠재적 문제를 모두 해결하고, 이를 통해 애플리케이션이 이러한 추가 요구 사항을 암묵적으로 수용할 수 있도록 했습니다.
두 번째 전술적 우려는 캘리포니아주의 추가적인 데이터 거버넌스 요구 사항을 준수하는 것입니다. 캘리포니아 소비자 개인정보 보호법(CCPA)에 대한 우려의 전체 집합은 그 자체로 전체 문서 세트이지만, 한 측면은 데이터 소스와 함께 수집된 날짜와 함께 주석이 달린 고객에 대한 모든 데이터를 수집할 수 있는 능력과 관련이 있습니다. 이전에 논의한 대로, 기본 데이터 수집 파이프라인이 타임스탬프와 같은 메타데이터 주석을 추가할 수 있는 데이터 아키텍처 프레임워크를 구축하면 추가적인 데이터 거버넌스 요구 사항을 간편하게 최소한의 증분적 노력으로 충족할 수 있습니다.
전략적 가치
회사의 일상적인 전술적 워크플로 및 프로세스 개선을 통해 창출된 비즈니스 가치 외에도, 더 중요하다고 할 수 있는 또 다른 이점은 기존의 경쟁 환경을 기울이고 참여할 수 있는 새로운 경쟁 환경을 개척할 수 있는 전략적 가치입니다.
적응형 애플리케이션을 위한 운영 워크플로 재구성
전략적 이점의 한 유형은 주요 운영 워크플로의 청사진을 변경하여 "분야를 기울이는" 능력입니다. 이는 단순히 최적화하는 것을 넘어 재구성하는 것을 의미합니다. 견고하고 미래지향적인 데이터 아키텍처는 수요 변동으로 인해 발생하는 납품 시간 단축이라는 앞서 언급한 과제를 해결하는 데 필요한 주요 기능인 집계 및 데이터 분석을 민첩하고 효율적으로 활용할 수 있도록 하며, 동적 가격을 적용합니다.
더 구체적으로, 데이터 아키텍처에 대한 사전 고려로 인해 다음과 같은 이점이 있습니다.
- 일관된 구문과 의미 체계를 사용하여 여러 데이터베이스 테이블에서도 각 주문 및 배송의 타임스탬프를 유지합니다.
- 일관된 구문과 의미 체계를 사용하여 픽업 및 배달 위치의 기록 기록을 유지합니다.
그 결과, 주문과 배송이라는 두 가지 서로 다른 워크플로우의 데이터를 상관관계를 파악하고 분류하고 집계할 수 있습니다. 또한, 유연한 메타데이터 아키텍처를 활용하면 수집된 데이터에 분석을 위한 풍부한 맥락적 정보를 주석으로 달 수 있습니다. 전반적인 배달 지연 시간을 생각해 보세요. 주문부터 음식이 배달될 때까지 걸리는 시간입니다. 지연 시간은 주문 및 배달 워크플로우 전반에서 상관관계를 분석하여 계산할 수 있습니다. 또한 두 워크플로우의 지리적 위치 데이터 표현도 일관된 구문과 의미 체계를 사용하므로 배달 지연 시간 계산과 상관 관계를 우편번호 등의 위치별로 분리할 수 있습니다. 따라서 데이터 전략에 대한 사전 고려 덕분에 우리는 시간당, 우편번호당 세부적으로 전체 배달 지연 시간에 대한 데이터 세트를 더욱 쉽게 만들 수 있습니다. 마지막으로, 유연한 메타데이터 접근 방식을 활용해 교통 상황과 강수량 합계와 같은 추가적인 상황적 정보를 시간별 통계에 주석으로 추가할 수 있습니다.
이 시점에서 우리는 분석 파이프라인에 공급할 수 있는 풍부한 정보를 가지고 있으며, 이를 통해 예측 AI 방법을 사용하여 전체 배송 시간의 증가와 관련된 패턴을 인식하고 심지어 미래에 그러한 조건을 예측할 수도 있습니다.
이 이야기의 마지막 단계로, 기업이 이제 배송 워크플로를 수요와 공급의 문제로 재구성하여 가격을 통해 공급과 수요를 맞추는 모습을 상상해 볼 수 있습니다. 구체적인 예로는 배달 기사의 보상을 고정된 일정을 통해 또는 실시간 상황에 따라 동적으로 시간과 위치에 따라 조정할 수 있도록 하는 것입니다. 데이터 사이클에서 "루프를 닫는" 것은 데이터를 활용하여 실행 가능한 단계(가격 조정)를 취해 비즈니스 문제(전반적인 배송 지연 시간 관리)를 해결하고, 폐쇄 루프 피드백(관찰된 지연 시간에 따라 동적 가격 조정)을 사용하여 워크플로를 "적응형"으로 만드는 것입니다.
데이터에서 직접 수익화 가능한 비즈니스 가치 창출
데이터에서 얻을 수 있는 또 다른 가치는 데이터를 사용해 "새로운 경쟁장을 개척"하고, 고객에게 직접적인 혜택을 제공하여 수익을 창출할 수 있는 사업적 가치를 창출하는 것입니다. 6개월 후 시나리오에서 한 가지 예가 언급되었습니다. 레스토랑인 공급업체 측 파트너에게 가치를 제공하는 것입니다. 애플리케이션 고객에게 통찰력을 제공해야 하는 비즈니스 요구 사항에 대한 솔루션은 애플리케이션의 운영 워크플로에서 수집한 데이터를 다시 한 번 활용하는 것입니다. 이번에는 고객 및 파트너를 위한 비즈니스 통찰력을 추출하기 위한 원자재로 활용합니다. 이러한 비즈니스 통찰력은 다양한 형태로 나타날 수 있습니다. 몇 가지 예를 들면 다음과 같습니다.
- 정상보다 수요가 많을 것으로 조기에 예측하여 파트너가 이에 따라 대비할 수 있습니다.
- 특정 메뉴 품목의 가격에 대한 통찰력을 통해 수요 민감성을 파악하고 동종 레스토랑의 가격과 비교합니다.
- 레스토랑의 보다 전략적인 계획을 지원하기 위한 정량화된 입력 자료, 예를 들어 운영 시간을 늘리거나 줄이는 것이 매출에 미치는 영향 예측.
이러한 비즈니스 통찰력을 발견하는 것은 단순히 대규모 데이터 저장소가 있는 것만으로 가능한 것이 아니라 일관된 메타데이터 어휘를 사용하여 수집된 데이터에 구조화된 방식으로 주석을 달 수 있는 데이터 전략을 통해서도 가능합니다.
특정한 비즈니스 통찰력 스토리 하나를 확대해서 살펴보면서 메뉴 가격에 대한 통찰력을 어떻게 결정할 수 있을지 생각해 보세요. 원자재부터 시작하여 주문 워크플로에서 운영상 수집된 데이터를 살펴보면 메타데이터로 주석을 단 데이터 전략의 가치가 쉽게 드러납니다. 구체적으로, 특정 레스토랑의 품목 가격이 기록될 뿐만 아니라, 관련 메타데이터도 보관됩니다. 음식의 추가적인 설명적 속성, 예를 들어, 제공량, 음식의 종류(예: 청량음료 또는 햄버거), 특별한 추가 사항(예: 반찬 포함 또는 매운맛) 등을 고려하세요. 데이터 아키텍처가 일관된 메타데이터 태그 어휘(예: "인분 온스", "식품 등급", "향상") 및 정규화된 메타데이터 값 집합을 사용하여 이러한 속성에 대한 메타데이터로 음식 항목 데이터를 장식하면 음식 항목 정보를 여러 레스토랑에서 비교할 수 있습니다. 예를 들어, 코드 데이터베이스에서 "버거 베이스먼트"에는 맨 케이브 버거가 있고, "하트 어택 그릴"에는 더블 바이패스 버거가 있다는 것만 알려져 있다면, 의미 있는 비교를 할 수 있는 근거가 없습니다. 하지만 메타데이터 주석 어휘를 추가하면 비교와 분석을 수행할 수 있습니다. 시스템은 두 항목이 모두 "햄버거"라는 "식품 종류"에 속하기 때문에 두 항목이 비슷하다고 이해하게 됩니다. 또한, 분석은 다른 메타데이터 필드를 사용하여 분량 크기를 정규화할 수도 있습니다(예: "Man Cave"는 8온스이고 "Double Bypass"는 12온스일 수 있음). 마지막으로, "치즈 포함"과 같은 "향상" 값의 표준 공간을 사용하여 2차 유사점 및/또는 차이점을 기반으로 추가 조정을 수행할 수도 있습니다. 다시 한번, 데이터 아키텍처에 대한 사전 고려(이번에는 메타데이터 전략) 덕분에 기업은 기존 워크플로의 데이터 배출을 간단히 활용하여 새로운 비즈니스 기회를 신속하게 제공할 수 있었습니다.
요약
대부분의 기업 리더는 자사의 성공이 중요한 운영 워크플로우를 계획하는 것과 그 워크플로우의 실행에 대한 가시성에 달려 있다는 사실을 잘 알고 있습니다. 우수한 기업 리더는 또한 이러한 통찰력을 빠르고 효율적으로 생성하고, 통찰력을 바탕으로 내부 및 외부적으로 조치를 취하는 능력이 지속적인 성공의 핵심이라는 사실을 알고 있습니다.
기술자로서 우리는 지속적인 운영 효율성 개선과 비즈니스 민첩성이라는 비즈니스 목표를 실현할 수 있는 솔루션을 구축하라는 요청을 받습니다. 안타까운 점은 엔지니어가 솔루션의 데이터 처리 소프트웨어 요소에만 집중하고, 데이터 아키텍처 자체에는 충분히 집중하지 않는 경우가 많다는 것입니다. 이로 인해 내부 워크플로 개선과 새로운 파생 고객 상품 출시에 상당한 노력이 필요하고 배포까지 시간이 지연되는 경우가 많습니다. 이 기사에서 보여주듯이 데이터 아키텍처(데이터 어휘, 표현, 메타데이터 전략)에 대한 사전 주의는 민첩하고 강력한 데이터 기반 비즈니스의 기술적 기반입니다.