AI 활용하여 데이터 분석 맥락화로 비즈니스 통찰력 확보

AI와 증강 분석의 발전으로 엔터프라이즈 팀이 데이터를 더 효과적으로 맥락화할 수 있게 되었습니다.

빅데이터가 유행어가 되기 훨씬 전부터 비즈니스 리더와 데이터 전문가를 좌절시켜 온 과제가 있습니다. 분석에서 맥락 부족입니다.

이 활용 사례가 친숙하게 들리는지 보십시오. 비즈니스 리더가 원래 지역 매출 하락 이유를 분석해달라고 요청했고, 데이터 분석가는 몇 달 동안 모델 구축, 데이터 수집, 비즈니스 측면을 위한 보고서 개발에 열심히 일했습니다.

문제

결과가 돌아왔을 때 결과는 실망스럽게도 단일 차원이었고, 그 매출 둔화의 진정한 '이유'를 결코 확인하지 못했습니다. 보고서는 특정 제품 라인의 하락을 식별했을 수 있고, 어쩌면 특정 영업 팀의 하락일 수도 있습니다. 하지만 둘 다는 아닙니다.

빠진 것은 맥락이었습니다. 둔화의 실제 근본 원인을 감지할 방법이 없었습니다. 인사, 보상, 이직 문제였습니까? 사실은 공급망 문제였습니까? 새로운 경쟁사 때문이었을까요? 아니면 가격 인상 같은 것 때문이었을까요? 그 모든 것 때문이었을까요? 그런 질문들은 모든 매출 분석에 대한 자연스러운 후속 질문이었을 것입니다.

하지만 다양하고 잠재적인 원인에 대한 깊은 뷰 없이는 비즈니스 리더와 데이터 전문가는 종종 서로 시간과 자원 낭비를 탓하며 떠납니다.

증강 분석의 진화

위에서 언급한 맥락을 찾기 위해 오늘날 일부 기업은 AI로 눈을 돌리고 있습니다. AI가 무수한 부서, 애플리케이션, 프로세스 간의 관계와 의존성을 감지하는 능력 덕분에 성공을 보고하고 있습니다. 그러한 관계의 존재는 스프레드시트나 전통적인 데이터베이스, 확실히 기업 조직도에는 나열되지 않은 새로운 데이터 유형에 나타납니다.

밥슨 칼리지의 분석 및 IT 구루 톰 대븐포트(Tom Davenport)가 최근 하버드 비즈니스 리뷰 기사에서 그 새로운 데이터 유형을 조사했습니다. 오라클의 분석 제품 전략 부사장 조이 피츠(Joey Fitts)와 공동 저술했습니다.

"AI는 분석이 광범위한 소스에서 중요한 맥락을 자동으로 통합하고 처리하는 것을 가능하게 합니다. 그 중 다수는 이전에는 분석가들이 사일로를 탐색하고 제대로 유지되지 않는 카탈로그를 헤치며 찾아야 했습니다."라고 그들은 썼습니다.

"이 혁신은 AI와 자동화, 기존 정보 시스템 간 연결, 데이터와 분석에서 어떤 결정이 내려질지에 대한 역할 기반 가정에 의존합니다. 결국 분석가가 미리 준비할 필요 없이 의사결정자에게 직접 전달할 수 있는 통찰력과 권장사항을 준비할 수 있습니다."

분석 프로젝트에 적합한 데이터를 찾는 것은 너무 자주 수동 작업이었습니다. 대븐포트와 피츠에 따르면.

"이것은 분석에 적합한 데이터가 무엇이고 어디에서 찾을 수 있는지에 대한 광범위한 지식을 요구했으며, 많은 분석가는 더 넓은 맥락에 대한 지식이 부족했습니다. 그러나 분석과 심지어 AI 애플리케이션은 점점 더 맥락을 제공할 수 있습니다. 그리고 이러한 기능은 이제 ERP(전사적 자원 관리)와 CRM(고객 관계 관리) 같은 트랜잭션 시스템 제공품에 주요 벤더들에 의해 정기적으로 포함되고 있습니다."

이 맥락 추가 능력은 부분적으로 "스마트 데이터 발견"과 증강 분석을 통한 AI 자동화에 의존합니다.

2017년 가트너는 증강 분석을 "머신러닝과 AI 같은 지원 기술을 사용하여 데이터 준비, 통찰력 생성, 통찰력 설명을 지원하여 사람들이 분석 및 BI 플랫폼에서 데이터를 탐색하고 분석하는 방식을 증강하는 것"으로 정의했습니다.

미래학자 버나드 마(Bernard Marr)는 덧붙입니다. "증강 분석은 데이터가 원시 데이터 소스에서 자동으로 가져와지고, 편견 없이 정제되고 분석되며, 인간이 이해할 수 있는 자연어 처리를 사용하여 보고서로 전달되는 과정을 설명합니다."

시티즌 데이터 사이언티스트의 등장

대븐포트와 피츠는 이 새로운 분석 접근 방식이 한 대형 보험사에 의해 어떻게 구현되었는지 예시를 들었습니다. 그들은 "인사 KPI, 모범 사례 벤치마크, 다양성과 이직 수준 같은 HR 트렌드 모니터링 기능을 포함한 새로운 인적 자본 시스템"을 말했습니다. "이러한 기능을 가진 새로운 엔터프라이즈 리포팅 도구가 단 8주 만에 회사 전체에 도입되었습니다."

AI와 분석의 이 진화는 새로운 세대의 시티즌 데이터 사이언티스트를 위한 길을 닦는 듯합니다.

후자 용어가 친숙하게 들린다면, 비기술 비즈니스 전문가에게 고급 분석 역량을 부여하는 개념이 5년 동안 있어왔기 때문입니다.

그동안 시티즌 데이터 사이언스는 일부 분석 전문가들로부터 저항을 받아왔습니다. 비즈니스 사용자가 데이터 사이언스 중견 교육을 받았더라도 그들의 도구를 신뢰하지 않기 때문입니다. 원래 개념은 수천 개의 애플리케이션을 가진 기업 전체로 확장되기도 어려웠습니다.

하지만 이 새로운 버전의 시티즌 데이터 사이언스는 대븐포트가 논의하는 '새로운 데이터 유형'을 활용하는 듯합니다. 부서, 프로세스, 데이터 유형 간의 관계를 발견하고 활용하는 무거운 일은 AI 모델이 대부분 수행할 것입니다. 그 모델들은 여전히 데이터 사이언티스트들이 구축할 것입니다. '시티즌'들은 그들이 가장 잘하는 일, AI가 더 잘 답할 수 있는 비즈니스 질문을 던지는 일을 할 수 있습니다.