데이터 거버넌스 체계 수립

-빅데이터는 데이터의 크기로 그 의미의 절대성을 갖는 것은 아니다. 그러나 실시간으로 쏟아지는 비정형-반정형의 데이터는 조직이나 프로젝트 단위의 데이터 관리 체계로는 솔루션이 될 수 없고, 전사 차원의 체계적인 데이터 거버넌스의 필요성이 부각된다.

-데이터 거버넌스란 전사 차원의 모든 데이터에 대하여 정책 및 지침, 표준화, 운영조직 및 책임 등의 표준화된 관리 체계를 수립하고 운영을 위한 프레임워크 및 저장소를 구축하는 것을 말한다. 특히 마스터 데이터, 메타 데이터, 데이터 사전은 데이터 거버넌스의 중요한 관리 대상이다.

- 데이터 거버넌스는 독자적으로 수행될 수도 있지만 전사차원의 IT 거버넌스나 EA(Enterprise Architecture)의 구성요소로 구축되는 경우도 있다.

 

** 빅데이터 거버넌스와 데이터 거버넌스의 차이점 **

빅데이터 거버넌스는 이러한 데이터 거버넌스의 체계에 더하여 빅데이터의 효율적인 관리, 다양한 데이터의 관리체계, 데이터 최적화, 정보보호, 데이터 생명주기 관리, 데이터 카테고리 관리 책임자(Data Steward)지정 등을 포함한다.

 

 

<<데이터 거버넌스의 구성요소>>

-데이터 거버넌스의 구성요소인 원칙(Principal), 조직(Organization), 프로세스(Process)는 유기적인 조합을 동하여 데이터를 비즈니스 목적에 부합하고 최적의 정보 서비스를 제공할 수 있도록 효과적으로 관리한다.

1. 원칙

-데이터를 유지 관리하기 위한 지침과 가이드

-보안, 품질 기준, 변경 관리

 

2. 조직

-데이터를 관리할 조직의 역할과 책임

-데이터 관리자, 데이터베이스 관리자 데이터 아키텍트(Data Architect)

 

3. 프로세스

-데이터 관리를 위한 활동과 체계

-작업 절차, 모니터링 활동, 측정 활동

 

<<데이터 거버넌스 체계 요소>>

1.데이터 표준화

-데이터 표준화는 데이터 표준 용어 설명, 명명규칙(Name Rule), 메타데이터 구축, 데이터 사전 구축 등의 업무로 구성된다.

-데이터 표준용어는 표준단어 사전, 표준 도메인사전, 표준코드 등으로 구성되며 사전 간 상호검증이 가능하도록 점섬 프로세스를 포함해야 한다.

-명명 규칙은 필요 시 언어별(한글,영어등 외국어)로 작성되어 매핑 상태를 유지해야 한다.

-메타 데이터 사전은 데이터의 데이터 구조 체계를 형성하는 것으로써 데이터 활용을 원활하기 위한 데이터 구조 체계(Data Structure Architecture)나 메타 엔티티 관계 다이어 그램을 제공한다.

 

2. 데이터 관리 체계

-데이터 정합성 및 활용의 효율성을 위하여 표준 데이터를 포함한 메타데이터화 데이터 사전의 관리 원칙을 수립한다.

-수립된 원칙에 근거하여 항목별 상세한 프로세스를 만들고 관리와 운영을 위한 담당자 및 조직별 역할과 책임을 상세하게 준비한다.

-빅데이터의 경우 데이터의 양의 급증으로 데이터의 생명 주기 관리방안(Data Life Management)을 수립하지 않으며 데이터 가용성 및 관리비용 증대 문제에 직면하게 될 수도 있다.

 

3. 데이터 저장소 관리

-메타데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성한다.

-저장소는 데이터 관리 체계지원을 위한 워크 플로우 및 관리용 응용 소프트웨어를 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제가 이루어져야 한다.

-또한 데이터 수조 변경에 따른 사전영향평가도 수행되어야 효율적인 활용이 가능하다.

 

4. 표준화 활동

-데이터 거버넌스의 체계를 구축한 후 표준 준수 여부를 주기적으로 점검하고 모니터링을 실시한다.

-거버넌스의 조직 내 안정적 정착을 위한 계속적인 변화관리 및 주기적인 교육을 진행한다.

-지속적인 데이터 표준화 개선 활동을 통하여 실용성을 높여야 한다.

 

<<데이터 조직 및 인력 방안 수립>>

-빅데이터의 등장에 따라 기업의 비즈니스도 많은 변화를 겪고 있다. 이러한 비즈니스 변화를 인식하고 차별된 경쟁력을 확보하는 수단으로 데이터 과제 발굴, 기술 검토 및 전사업무 적용 계획 수립 등 데이터를 효과적으로 분석 활용하기 위해 기획 및 운영을 관리할 수 있는 전문 분석조직의 필요성이 제기되고 있다.

-이를 위해 다양한 분야의 지식과 경험을 가진 인력과 업무 담당자 등으로 구성된 전사 또는 부서 내 조직으로 구성할 수 있다. 특히 분석 업무 수행 주체에 따라 그림과 같이 세 가지 유형의 조직구조로 살펴볼 수 있다.

 

1. 분석 조직의 개요

-아래 그림은 분석 조직의 목표와 역할, 조직 구성을 설명하고 있다. 데이터 분석 조직은 기업의 경쟁력 확보를 위해 데이터 분석 가치를 발견하고, 이를 활용하여 비즈니스를 최적화하는 목표를 갖고 구성되어야 한다.

-이를 위해 기업의 업무 전반에 걸쳐 다양한 분석 과제를 발굴해 정의하고, 데이터 분석을 통해 의미있는 인사이트를 찾아 실행하는 역할을 수행할 수 있어야 한다.

다양한 분야의 지식과 경험을 가진 인력과 업무 담당자 등으로 구성된 전사 또는 부서 내 조직으로 구성될 수 있다.

 

2. 분석 조직 및 인력 구성 시 고려사항

-분석 전문조직은 아래 표와 같이 조직구조 및 인력 구성을 고려해 기업에 최적화된 형태로 구성해야 한다.

구분	주요 고려사항
조직 구조	-비즈니스질문을 선제적으로 찾아낼 수 있는 구조인가? -분석 전담조직과 타 부서 간 유기적인 협조와 지원이 원활한 구조인가? -효율적인 분석 업무를 수행하기 위한 분석조직의 내부 조직구조는? -전사 및 단위부서가 필요시 접촉하여 지원할 수 있는 구조인가? -어떤 형태의 조직(중앙집중형, 분산형)으로 구성하는 것이 효율적인가?
인력 구성	-비즈니스 및 IT 전문가의 조합으로 구성되어야 하는가? -어떤 경험과 어떤 스킬을 갖춘 사람으로 구성해야 하는가? -통계적 기법 및 분석 모델링 전문 인력을 별도로 구성해야 하는가? -전사 비즈니스를 커버하는 인력이 없다. 그렇다면? -전사 분석 업무에 대한 적합한 인력 규모는 어느 정도인가?

 

3. 분석업무 수행 주체에 따른 3가지 유형

-데이터 분석을 위한 조직구조는 다양한 형태로 살펴볼 수 있는데, 특히 분석 업무 수행 주체에 따라 다음과 같이 3가지 유형의 조직구조로 살펴볼 수 있다.

-데이터 분석을 위한 다양한 형태의 분석 조직을 구성하여 운영할 수 있지만, 어떤 한 조직구조가 적합한 형태라고 단정 지을 수 없다.

-따라서 각 기업이 처한 환경과 특성을 고려하여 적절한 분석조직을 구성해야 한다.

-분석조직이 갖추어져 있다 하더라도 조직 구성원의 분석 역량을 하루 아침에 성장하는 것도 아니고 한 사람이 데이터 분석과 관련된 모든 역량을 다 갖추기는 현실적으로 어렵다.

-따라서 전문 역량을 갖추 각 분야의 인재들을 모아 조직을 구성하는 것이 바람직 하다.

 

--1. 집중형 조직구조--

-조직 내에 별도의 독립적인 분석 전담조직을 구성하고, 회사의 모든 분석 업무를 전담조직에서 담당한다.

-분석 전담조직 내부에서 잔사 분석과제의 전략적 중요도에 따라 우선순위를 정하여 추진할 수 있다.

 

--2. 기능 중심형 조직구조--

-일반적으로 분석을 수행하는 형태이며, 변도의 분석조직을 구성하지 않고 각 해당 업무부서에서 직접 분석하는 형태다.

-특징으로 전사적 관점에서 핵심 분석이 어려우며, 특정 업무부서에 국한된 분석을 수행할 가능성이 높거나 일부 중복된 분석 업무를 수행할 수 있는 조직구조다.

 

--3. 분산형 조직구조 --

-분석 조직의 인력들을 협업부서에 배치해 분석 업무를 수행하는 형태다.

-전사 차원에서 분석과제의 우선순위를 선정해 수행이 가능하며, 분석 결과를 신속하게 실무에 적용할 수 있는 장점이 있다.