[데이터로 먹고살기] 모든 기업이 사용하는 BI(Business Intelligence)

 

 

  BI에 대해 알아보아야 할 일이 생겨 자료를 찾아보던 중에 BI가 무엇이고 시장 상황은 어떻고 어떤 역량이 필요한지에 대해 쉽고 간략하게 소개되고 있는 영상을 보게 되어 내용을 정리해보았다.

(혹시 내용에 문제가 되는 부분이 있다면 정정하겠습니다.)

 

BI란?

시스템의 Raw Data를 비지니스 목적에 의미 있는 그리고 사용 가능한 정보로 변환하기 위한 기술, 플랫폼, 프로세스 등 전체적인 기반을 통칭해서 일컫는 말이라 할 수 있다. 간단히 말하면, 어떤 데이터든지 전문적인 툴이든 엑셀이든지 원천 데이터를 가져다가 정보로 가공하는 전반적인 환경이다.

 

BI = 비즈니스의 기본 But 기업들의 상황은?

  기업이나 기관에서 기본적인 데이터를 보고 분석하는 것은 기본 중에 기본이 아닐까 라고 생각할 수 있지만 어느 정도 큰 규모의 기업들에서 아직도 수 작업을 통해서 운영하는 부분들이 많다. 혹은 매출이나 이익 같은 정말 중요한 지표임에도 불구하고 알고보니 틀린 숫자로 운영하는 상황이 굉장히 많다.

  이런 상황은 여러 가지 원인이 있을 수 있는데 보통의 큰 기업에서는 ERP라는 시스템을 가지고 운영하고 있지만 이런 시스템에서 나오는 데이터들은 분석에 적합한 형태로 쌓이지 않는다.

그래서 원천 데이터를 분석해 적합한 형태로 가공하고 활용하기 위해서는 BI 시스템의 도움이 필수적이라 할 수 있고 그래서 BI로 먹고 사는 것이 또 가능하지 않을까라고 생각한다.

 

BI업무에 필요한 역량

  산적해 있는 주변의 데이터를 어떻게 수집하고 이 데이터를 어떻게 가공해서 원하는 분석 결과물을 만드느냐가 BI 시스템의 본질이라 볼 수 있으며 이를 위한 좀 전반적인 스킬셋을 준비하시는 것이 좋을 것 같다.

  최근 학원이나 온라인 수업에서 R이나 파이썬을 통해 일부 고도 분석 혹은 고급 통계 분석을 몇 번 경험해 보시는 그런 내용으로 커리큘럼이 진행하는 경우들이 있다. 근데 사실 보편적으로 더 필요한 기술은 DB에 있는 데이터를 활용할 것이기 때문에 DB에 있는 데이터를 관리하고 만지기 위한 SQL 역량 그리고 분석툴에 대한 활용 역량이 더 중요하다. 시스템에서 데이터를 넘겨 받아서 관리할 것이기 때문에 SQL 역량은 기본중의 기본이라고 볼 수 있을것 같고 분석툴은 Tableau를 많이 사용하지만 솔직히 Tableau가 아니더라도 작동 방식은 그렇게 다르지 않다. 이런 분석툴은 데이터를 연결하고 추가적인 계산식을 적용해 보고 그 다음에 시각적으로 표현해보는 이런 기능들이 표준화되어 있는 느낌이다. Tableau가 그런 표준을 많이 잡았다고 생각한다.

  결국 이렇게 분석 업무를 하거나 분석 관련된 직업을 선택하고자 했을 때는 데이터를 만지고 표현을 보고자 하는 이런 기본적인 부분부터 챙기는 것이 더 낫겠다. 그래서 너무 어려운 예측이나 고급 통계 모형보다는 보다 보편적이고 일반적인 형태의 데이터 연결, 가공, 표현이 시장 내 수요가 훨씬 많다.

 

최근 분석 트렌드 - Self-Service BI와 시각화

  중요한 것은 최근의 분석 트렌드에 맞는 준비를 하는 것도 좀 필요할 것 같다. 요즘 중요한 트렌드는 Self-Service BI와 시각화라고 할 수 있다. Self-Service BI란 과거 BI 활용의 한계점이 있어서 결국 실무 부서가 직접 BI를 다룰 수 있어야 한다는 것이다.

 

과거 BI의 한계점 : 만든사람 ≠ 쓰는사람

• 원하는 데이터를 즉각적으로 활용하기 어려움
• 분석 결과가 고정되어 유기적인 활용 어려움
• IT 부서에 대한 의존도가 높아 상호 반응이 어려움

Self-Service BI의 등장 : 사용자가 직접 Hands-on 하는 BI

• 누구나 데이터를 보고 쉽게 이해
• 원하는 데이터를 즉각적으로 활용
• 분석 결과물의 형태를 다양하게 사용

  사실 귀하의 업무도 이런 맥락으로 굉장히 많이 바뀌고 있다. 과거에는 프로젝트 할 때 단순히 뭐 어떤 분석 결과물을 만들어 달라 이렇게 개발해 달라 라고 요청을 받는 편이었는데 이제는 실무 주제 분석이란 맥락도 중요하고 시각화라는 맥락도 중요하기 때문에 이런 맥락에 맞춰서 어떤 차트를 써야 하는지 혹은 어떤 레이아웃으로 대시보드를 구성 했는지에 대한 가이드도 제공하는 것이 필요하다. 셀프서비스를 위해서 개발 산출물을 다시 전달하는 것이 아니라 사용자들에게 이 분석 툴, 분석 환경을 능숙하게 쓸 수 있는 내지화를 보조할 수 있는 기술도 굉장히 중요해 졌다.

  그래서 단순 개발이 아니라 데이터를 연결하고 관리하고 활용하는데까지 전반적인 가이드 해줄 수 있는 BI 가이드 혹은 BI 제공자라는 역량이 굉장히 중요해졌다.

  시각화라고 하는 것은 너무나게 데이터들이 많아서 이런 부분들을 그냥 단순 표로 표현하면 그 많은 숫자들을 다 찾아야 된다. 근데 그런 숫자를 찾는 것이 아니라 자연스럽게 인사이트가 보여지는게 필요하다. 이를 위해서 라인 차트던 바 차트던 “다양한 차트 유형 컴포넌트들을 활용해서 시각적인 표현을 하는 것이 더 분석 역량을 높이고 쉽게 분석하는 방법이다”라는 한마디로 시각화의 특징을 말할 수 있다.

 

결론

  얼마전까지만 하더라도 AI가 이렇게까지 실생활에 가까이 올거라 상상할 수 없었다. 그래서 이렇게 빨리 변화하는 이런 기술을 맥락에서 맞추어서 특히나 더 중요한 것은 특정 혹은 특화된 기술을 아는 것보다도 좀 더 보편적인 데이터 환경 및 분석 방식에 대해서 고민하고 좀 더 기술을 익히고 관련된 역량을 내재화 하는 것이 가장 좋지 않을까 생각한다.

  그래서 요약하면 분석의 대상이되는 데이터에 대한 관리 기술인 SQL기술이 중요하고 Tableau가 가장 좋겠지만 이런 분석툴을 내재화해서 뭔가를 표현해주는 부분들을 학습하는 것이 필요하다. 더 나아가서는 특정 산업이 됐든 기능이 됐든 분석 맥락에 맞춰서 분석 방법 즉, 여러가지 차트적인 표현 방식 혹은 지표에 맞는 혹은 분석 컨텍스트에 맞는 표현 방식 이런 부분들을 학습하고 익혀서 좀 더 포괄적인 역량을 내재화하는데 시간을 쓸 수 있으면 가장 좋을 것 같다.