비즈니스에서 실시간 데이터 정확도의 중요성

정확한 실시간 데이터를 얻는 것은 비즈니스에 필수적입니다. 메타데이터를 사용하여 패턴을 식별하고, 메타데이터 파일을 통해 이 정보를 그룹화하고, 메타데이터 관리 프레임워크를 통해 메타데이터 정확성을 보장해야 합니다.

실시간 데이터 정확도, 올바른 값과 형식을 나타내는 데이터 품질 특성, 수익성 있고 성장하는 비즈니스를 위한 필수 요소를 고려하십시오. 기업은 소비자 수요의 유입에 대처하기 위해 정확한 실시간 데이터가 필요합니다. 최고 경영진과 재무 전문가의 3분의 1이 실시간 재무 데이터를 점점 더 중요하게 생각한다는 데 동의합니다.

안타깝게도 많은 조직이 실시간 데이터에서 비즈니스 통찰력을 얻기 위해 계속해서 고심하고 있습니다. 회사는 스트리밍 데이터 피드에 대해 몇 시간을 수집하지만 올바른 결정을 내리기 위해 이 스트림 중 몇 분만 필요할 수도 있습니다.

축적된 데이터의 양을 검증하는 방법을 결정하는 것조차도 한 데이터 세트가 다른 데이터 세트보다 더 정확한지 여부를 신속하게 파악하는 데 어려움이 있습니다. 전화를 잘못 걸고 1,400만 달러의 손실을 입은 비즈니스에 기여하십시오.

다행히 데이터에 대한 데이터인 메타데이터는 실시간 데이터 정확성에 도달하는 데 도움이 됩니다. 이 기사는 실시간 데이터 정확성을 얻기 위해 메타데이터를 사용하는 여정에 독자를 시작할 것입니다.

메타데이터를 사용하여 실시간 데이터 정확성 검증

기존 데이터를 정확하게 유지하기 위해 더 많은 데이터를 생성하는 것에 대해 이야기하는 것은 직관적이지 않을 수 있습니다. 그러나 메타데이터에는 몇 가지 초능력이 있습니다.

• 정확한 경우 메타데이터는 설명하는 정보에 대한 컨텍스트를 제공하여 데이터 정확성을 입증합니다. 컴퓨터 프로그램은 이 메타데이터를 스키마나 표현으로 바꿀 수 있습니다.
• 메타데이터 정의에는 데이터 세트에 대한 기술, 비즈니스 또는 운영 설명의 조합이 포함됩니다. 따라서 시스템, 프로세스 또는 사람들은 메타데이터를 사용하여 고객, 구매, 제품, 위치 등을 특성화할 수 있습니다.
• 알고리즘은 기술 메타데이터를 사용하여 다른 프로세스나 사람이 추가 조치를 취하도록 플래그를 지정할 수 있습니다.
• 메타데이터는 방대한 양의 데이터를 둘러싸서 해당 데이터를 더 쉽게 찾을 수 있도록 합니다.

두 명의 전문가인 Romero와 Calders는 정보 프로파일링이라는 접근 방식을 통해 이러한 메타데이터의 강점을 활용했습니다. 프로파일링을 위한 스키마를 형성하기 위해 메타데이터를 적용한 프레임워크를 제안한 다음 메타데이터를 사용하여 결과를 묶습니다.

이러한 발견을 더 발전시키면 기업은 비즈니스 규칙을 사용하여 스키마의 메타데이터 형성을 안내하고 메타데이터로 래핑된 패킷의 데이터를 그룹화할 수 있습니다. 이러한 조직은 알고리즘을 사용하여 데이터 패턴을 찾고 일치하는 데이터 세트를 검색함으로써 실시간 데이터를 보다 효율적으로 처리할 수 있습니다.

실시간 데이터 정확도 예제 탐색

실시간 데이터 정확성을 위한 메타데이터의 사용은 실생활에서 어떻게 보일까요? Babson College의 Gordon과 Shankaranarayanan이 통찰력을 제공합니다.

회사 A의 피드에 매시간 수백 개의 인스턴트 메시지가 있다고 가정해 보겠습니다. 고객 John Doe는 A 회사에서 자전거를 사고 싶다고 문자를 보냈습니다. A 회사는 이 메시지가 John Doe에서 온 것이며 자전거를 사고 싶다는 메시지를 확인하려고 합니다.

먼저 애플리케이션은 John Doe에 대한 메타데이터인 John Doe 프로필을 생성합니다. John Doe에 대한 메타데이터가 전화번호, 사용된 휴대전화 유형 및 Company A의 멤버십 상태를 기반으로 하는 값이 있다고 가정합니다. 이 John Doe 표현은 Company A의 고객 관계 관리 시스템에 포함된 데이터로 좋을 것입니다.

그런 다음 컴퓨터 프로그램은 이 John Doe 프로필을 가져와 데이터 스트림에서 찾을 항목을 정의하는 비즈니스 규칙과 함께 피드의 텍스트 스트리밍과 일치시킵니다. 소프트웨어는 John의 스키마 Doe와 일치하는 데이터를 확인하면 콘텐츠 메타데이터 파일 아래에 함께 묶습니다. 이 콘텐츠 메타데이터 파일은 문자 메시지가 John Doe로부터 온 것이라고 확신하는 사람들이 검색할 수 있습니다(메타데이터 품질이 비즈니스 요구 사항을 충족하는 경우).

또한 알고리즘은 Amazon이 고객에게 어떤 제품을 추천할지 결정하는 것과 같이 John Do가 자전거를 구매할 가능성을 결정하기 위해 구매 프로필을 작성합니다. 그런 다음 알고리즘이 이 구매 프로필을 적용하고 John이 자전거를 사고 싶어할 가능성을 측정할 수 있습니다.

메타데이터 정확도를 중요하게 만들기

메타데이터를 사용하여 스키마 및 배치를 생성하는 것은 메타데이터 정확도에 크게 의존합니다. 그렇지 않으면 실시간 데이터 정확성을 보장하는 것이 불가능합니다.

위의 예에서 John Doe가 전화번호를 변경했지만 그의 메타데이터에 여전히 이전 전화번호가 있는 경우 John Doe의 메타데이터는 정확하지 않습니다. 마찬가지로, 실시간 데이터 세트가 포함된 메타데이터 파일에는 올바르게 레이블이 지정되어야 합니다. John Doe의 텍스트 파일이 포함된 메타데이터에 잘못된 고객 이름이 있는 경우 사람이 John의 텍스트 파일을 찾지 못할 것입니다.

따라서 기업이 데이터를 모니터링하고 정제하고 고품질 데이터를 지속적으로 제공하기 위해 사용하는 동일한 이유와 프로세스가 메타데이터에도 적용됩니다. 실시간 검증에 사용되는 메타데이터는 실시간 데이터 정확성에 대한 확신을 가질 수 있을 만큼 충분히 정확해야 합니다.

메타데이터 관리 프레임워크

그러면 메타데이터 모니터링 및 정리를 자동화하는 것으로 충분할까요? 아니요. 비즈니스에 유용하고 액세스할 수 있는 충분한 메타데이터 품질을 확보하는 것은 메타데이터 관리 프레임워크에 달려 있습니다.

조직의 인력, 프로세스 및 기술이 이 메타데이터 관리 프레임워크와 이를 생성하는 비즈니스 규칙을 구성합니다.

예를 들어, 한 부서가 한 시스템에서 고객 이름을 표준화하고 다른 부서에서 별도의 애플리케이션에서 고객 이름을 다르게 형식화하는 경우 불안정한 메타데이터 관리 프레임워크를 갖게 됩니다. 조직에서 메타데이터를 사용하는 부서는 무엇입니까?

적절한 실시간 데이터 정확성을 보장하기 위해 메타데이터 관리 프레임워크를 개발하려면 다음이 필요합니다.

• 존재하는 구조와 그 영향에 대한 메타데이터 관리 평가. 이 기준선에서 기업은 변경할 프로세스를 파악할 수 있습니다.
• 데이터 전략, 비즈니스를 지속하고 성장시키기 위해 데이터를 사용하기 위한 계획입니다.
• 메타데이터 액세스 및 보안을 조정하여 규정 준수를 유지하는 프로그램인 데이터 거버넌스
• 실시간 데이터 정확성을 결정하는 데 있어 메타데이터의 중요성과 가치에 대한 집합적 데이터 활용 능력. 또한 작업자는 좋은 메타데이터를 정의하는 방법을 알아야 합니다.
• 메타데이터가 설명하는 대상 또는 대상을 정의하는 속성 및 값에 대한 확실한 비즈니스 요구사항

마지막 단어

2020년에 기업은 실시간 데이터 품질이 필요한 이유를 알게 되었고 이 데이터에서 비즈니스 통찰력을 얻는 데 대해 불신감을 갖게 되었습니다. 높은 데이터 볼륨과 데이터 속도는 기업이 텍스트 또는 메시지 스트림에서 각 데이터 조각의 정확성을 신속하게 보장하는 데 상당한 장애물을 제공합니다.

메타데이터 스키마와 비즈니스 규칙을 사용하여 실시간 데이터를 큐레이션하면 더 많은 가치를 얻을 수 있으며 관련 없는 데이터를 분석하여 회사 리소스를 절약할 수 있습니다. 결과를 청크하고 메타데이터를 사용하여 이러한 데이터 세트에 레이블을 지정하면 정확한 데이터를 더 빨리 찾을 수 있습니다. 그러나 이러한 방식으로 메타데이터를 사용하려면 정확한 메타데이터와 적절한 메타데이터 관리 구조가 필요하므로 기업이 실시간 데이터 정확성을 신뢰할 수 있습니다.