| Data Driven 경영환경 구성은 디지털 트랜스포메이션을 통해 경영혁신 전략 수립 및 실행을 위한 기업의 핵심역량이다. 신속한 데이터 분석 및 의사결정을 위한 경영환경 구성은 누구나 쉽게 데이터를 이용하여 다양한 데이터를 수집/분석으로 결과를 도출하여 객관적이고 신속한 의사결정을 도출 할 수 있는 것이 핵심 성공요소(KSF:Key Success Fator) 이며, 이러한 환경 구성을 위해 전통적인 솔루션 개발/구축이 아닌 개발 비전공자도 쉽게 사용할 수 있는 노-코드 플랫폼이 부각되고 있다. 본 리포트에서는 데이터 분석을 위한 노-코드 플랫폼 동향과 기업에서 도입 시 고려사항에 대해 설명합니다. |
I. 디지털 트랜스포메이션과 노코드 플랫폼
기업은 디지털 트랜스포메이션(DX) 위해 “Data-Driven” 기반 다양한 지표를 신속하게 분석하고 의사결정을 지원하는 구조가 필요하며[1], 많은 기업에서 이를 위해 투자하고 주목하는 것이 노-코드 플랫폼입니다.
[그림 1] 디지털트랜스포메이션과 노-코드 플랫폼
“코딩을 배우지 않고 앱을 개발할 수 있을까?” 컴퓨터 프로그래밍에 대해 지식이 없는 사람도 원하는 시스템 또는 기능을 프로그래밍 언어를 배우지 않은 상태에서 개발할 수 있도록 도와주는 서비스를 노-코드(No-Code) 플랫폼이라고 합니다. No-Code 라는 뜻처럼 Java, C, Python 같은 프로그래밍 코드 없이 모든 개발과정을 GUI(Graphic User Interface)를 이용하여 클릭과 드래그앤 드롭과 같은 직관적인 방법으로 개발할 수 있는 플랫폼입니다. 가트너의 설문조사 결과 25년도 전 세계에서 개발되는 앱의 65%는 로코드/노코드(LCNC)가 차지 할 것으로 전망하였으며[2], 2년마다 165%씩 성장할 것으로 예상됩니다.[3] 플랫폼의 유형은 아래와 같이 아래와 같이 Low-Code/No-Code 로 나눌 수 있으며, 본 레포트는 노-코드 플랫폼을 중점적으로 소개합니다.
[표 1] LCNC(Low-Code/No-Code)플랫폼
| 구분 | 내용 | 비고 |
| Low-Code | – 복잡한 프로그래밍 코드를 단순화 하여 생산성을 향상하는 툴 | 코딩의 기초 지식이 있는 사용자 |
| No-Code | – 개발과정에 코딩이 필요없는 툴, GUI 기반 직관적인 형태로 구현 | 개발/비개발 모든 사용자 |
II. 데이터 분석을 위한 노-코드 플랫폼
데이터 분석을 위해 주로 사용하는 툴은 R, SAS, Python 등이 있으며 기초적인 코드 작성이 필요하여 주로 툴에 대한 사용법 및 코딩 기초를 교육이 필요합니다. 노-코드 플랫폼 형태의 데이터 플랫폼은 전세계적으로 Power BI, Tableau가 많은 점유율을 차지했으며 데이터 분석에 대한 직관적인 인터페이스 제공하여 모든 사용자의 접근성을 향상, 시켜 Self-BI가 가능한 환경을 구성했습니다.
[그림 2] 데이터 분석 플랫폼 마켓 점유율
이러한 툴은 주로 BI(Business Intelligent)에 활용하였으며 빅데이터 분석을 위한 데이터 수집/전처리, 머싱러닝 모델 구현 과정에 전문가의 도움과 기능 확장을 위해 추가 라이선스가 필요할 수 있습니다. Tableau, Power BI는 다양한 3rd Party 툴과 확장성을 지원하며 이러한 기능 확장은 최소한의 코드 지원이 필요하여 Low-Code 형태로 구현했을 때 많은 기능을 사용할 수 있습니다. 특히 Power BI는 Microsoft Copilot AI와 연계하여 Powerful 한 성능을 구현할 수 있으나 Low-Code 형태로 개발이 필요합니다.
데이터 분석을 위한 플랫폼은 아래와 같이 주요 4가지 기능을 갖춰야 하며 노-코드 플랫폼은 분석 절차를 위젯, GUI 등을 이용하여 실행할 수 있도록 지원합니다.
[표 2] 데이터 분석 절차와 노-코드 플랫폼 기능
| 절차 | 내용 |
| 데이터 수집 및 전처리 | – GUI를 통해 Text/SQL 등 데이터 소스 연결 – 전처리 단계에 시각적인 UI를 통해 데이터 정리 |
| 데이터 시각화 | – 데이터를 시각적으로 탐색할 수 있는 다양한 챠트 및 그래프 – 데이터 패턴 , 트랜트 파악 |
| 데이터 학습모델(머신러닝) | – Feature Construct 테스트 및 예측오류 계산 – 모델의 매개 변수 조정을 통해 머신모델 생성 및 성능 평가 |
| 자동화 보고서 | – 데이터 분석결과에 대한 다양보고서 템플릿 제공 및 자동 생성 – Visualization 챠트를 제공하여 의사결정 지원 |
데이터 분석 플랫폼은 주로 글로벌 S/W를 많이 활용하였으나, 최근 국내에서도 많은 플랫폼이 출시되었으며 특히 최근 노-코드 플랫폼에 대한 관심에 많은 Tech 기업들이 Auto-ML 등을 활용하여 데이터 수집부터 머신러닝 모델 구성 및 데이터 예측까지 가능한 플랫폼을 개발하여 상용화하고 있습니다.
국내에서는 대표적인 노-코드 플랫폼으로 빅-재미가 있으며 이것은 완전한 블록코딩 기반의 기능을 제공하며 60가지 이상의 분석모델 등을 이용하여 데이터 분석에 대한 러닝커브 단축 으로 생산성을 향상할 수 있습니다.[4].
전통적으로 데이터 분석 플랫폼에서 점율이 높은 Tableau, Power BI도 AI 기능을 탑재하여 누가나 쉽게 머신러닝 모델링을 할 수 있도록 지원하지만, 이러한 기능 사용을 위해 높은 비용의 라이선스를 추가 구매가 필요한 단점이 있습니다.
이외 슬로베니아 루블라냐 대학에서 개발한 오렌지3는 복잡하고 어려운 수학 공식이나 코딩을 GUI를 통해 쉽게 구현 가능한 기능을 제공합니다.[5]
다양한 노-코드 플랫폼이 있지만 기업에서 주로 사용하며 대표적으로 상용화된 데이터 분석을 위한 플랫폼과 주요 특징은 아래 표 3과 같습니다.
[표 3] 데이터 분석을 위한 대표적 노코드 플랫폼과 특징[4]
| 구분 | 플랫폼 | 특징 | 예시 |
| 국내 | 빅-재미(CSLee) | – 블록 코딩 기반 완전한 노-코드 플랫폼 형태 EDA 분석 지원 – UI 기반의 탐색적 데이터(EDA) 분석 지원 – 분석 모델(시나리오) 템플릿 제공 – AutoML을 이용한 머신러닝 모델링 제공 – R 스크립트 통합 지원 |  |
| 해외 | Tableau (Salesforce.com) | – 다양한 플랫폼과 확장성으로 Seamless 한 비즈니스 플로우 구성 가능 – Einstein Discovery로 AI 데이터 분석 – Extention API로 확장하여 프로그래밍 언어와 연계하여 기능 확장 – TabPy를 이용한 Python과 확장성 – R, Python, Matlab 통합 지원 |  |
| Power BI(Microsoft) | – Power Query, Power BI, Power Pivot – Microsoft Copilot AI 확장하여 다양한 AI 분석 기능 활용 가능(Low-Code) – 생성형 AI와 기능 확장 지원 – Microsoft 협업 툴(Teams, Viva) 등과 연계, 생산성 향상 지원 – 빅데이터 분석을 위해 Power Platform 프리미엄 기능별 추가 라이선스 필요 |  | |
| 오렌지3 | – 캔버스 위젯으로 다양한 지표 시각화 지원 – 복잡한 수학식, 머신러닝 모델 템플릿 제공 – UI기반의 탐색적 데이터 분석 지원 – 다양한 머신러닝 학습 모델(회귀,분류,군집 등)과 성능 평가 기능 지원 |  |
III. 노-코드 플랫폼을 이용한 데이터 분석 사례와 장/단점
제품 생산부터 판매/재고 관리 및 마케팅 등 비즈니스 전반에 걸쳐 데이터 기반으로 품질 및 판매/마케팅 효과등에 대해 객관적인 인사이트를 도출하여 경영전략 수립의 의사결정을 지원하며, 기업의 조직관리를 위한 분석 결과를 도출하는 등 다양한 분야에서 활용할 수 있다.
[표 4] 데이터 분석 사례
| 구분 | 사례 | 내용 |
| 제조/판매 | 품질 통제 및 생산성 분석 | – 센서 데이터 및 제품 품질 데이터를 활용 – 제품 생산 프로세스 문제 식별 및 품질 통제 |
| 판매 및 재고관리 | – 판매 데이터와 재고 데이터를 조합하여 추이 분석 – 판매/재고 제품 성과 등 모니터링 경영 전략 수립 및 의사결정 활용 | |
| 마케팅 | 마케팅 데이터 분석 | – 특정 마케팅 전략의 광고 성과, 고객 행동 분석 – 시각화한 지표기반 ROI 평가 및 추후 예산 산정 등 활용 |
| 금융 데이터 분석 | – 고객 거래내역, 리스크 분석, 투자 포트폴리오 시각화 – 효과적인 금융상품, 고객 대응 전략 수립 활용 | |
| 조직관리 | 인사 및 조직분석 | – 기업 인사 데이터를 분석하여 인력구조 팀성과 모니터링 – 교육/채용 등에 대한 투자 예산대비 성과 분석 활용 |
노-코드는 비개발자도 쉽게 사용할 수 있는 장점도 있지만 확장성/커스터마이징 등에 대해 사용자가 요구하는 모든 기능을 구현하기 어렵다는 단점도 있습니다.
[표 5] 노-코드 플랫폼의 장/단점
| 장점 | 단점 |
| – (GUI기반) 개발 지식이 없어도 IT 서비스를 만들 수 있다. – (비용절감) 전문 개발자를 고용하지 않고도 앱 개발/데이터 분석 가능, 기업과 개인은 시간과 비용을 절약하여 생산성 향상 – 시나리오/스토리의 시각화로 사용자와 갭을 줄일 수 있음 | – (제한된 커스터마이징)기능 확장의 한계성으로 추가 기능이 필요할 경우 직접 코딩해서 플랫폼과 연결해야 하는 경우가 많음 – (보안문제) 수많은 어플리케이션 기업내 생산되면 Shadow IT로 인한 보안 취약점 파악이 어려움 |
IV. 노-코드 플랫폼과 코딩의 생산성 비교
두 플랫폼의 생산성 이점은 사용자의 숙련도에 따라 다릅니다. 본 레포트에서는 코딩 비전문가의 수준에서 개발시간, 비용 등 지표에 대해 설명합니다.
[표 6] 노-코드 플랫폼과 코딩의 생산성 차이
| 구분 | 노-코드 | 코딩 | 비 고 |
| 개발 시간 | 우수 | 보통 | – 노코드 툴은 비전문가도 쉽게 개발 가능, 개발 시간 단축 – 코딩은 사용자의 숙련도에 따라 개발 시간 및 품질의 차이 발생 |
| 비 용 | 우수 | 낮음 | – 노-코드 플랫폼은 숙련된 전문가를 투입하지 않아도 쉽게 사용 가능 : 플랫폼 도입 유형(SaaS or On-Prem)에 따라 초기 투입비용 및 운영 비용의 차가 발생 – 코딩은 데이터분석가/개발자 투입 등 초기 투자 비용이 많이 발생 |
| 커스터마이징 | 낮음 | 우수 | – 노-코드 플랫폼은 정해진 템플릿에서 사용 가능하여 다양한 요구사항 수렴이 어려움 – 다양한 시각적 분석 템플릿을 제공하여 일반적인 요구사항 수렴 가능 |
“특정 지역의 교통량 분석”이라는 주제를 분석할 때의 Python 코드와 노-코드 플랫폼을 이용할 경우 차이점을 예를 들어 설명합니다.
[표 7] 노-코드 플랫폼과 Python의 데이터 분석 과정
| 단계 | 노-코드 | Python | 비 고 |
| 데이터수집 | – 공공데이터 또는 수집된 Low 데이터 연결(Drag & Drop/Config.) ① 데이터 소스 정보 확인 ② GUI로 데이터 연결 또는 API 호출 | – 데이터 수집 라이브러리 Import – 연결된 데이터 수집 함수 코딩 import panda as p | 노-코드: 데이터 연결 설정/라이브러리 연결 자동화 코딩: 필요한 라이브러리 설치 및 데이터 소스에 맞게 연결 설정 작업 진행 |
| 데이터 탐색 | – matplotlib 또는 seaborn과 같은 라이브러리 load ① GUI를 이용해 다양한 학습 라이브러리 적용 ② 시각적 데이터 탐색 | – 데이터 탐색 라이브러리 Importimport matplotlib.pyplot as plt | 노-코드 : 플랫폼에서 제공하는 라이브러리 로딩 후 GUI로 데이터 탐색 코딩: 필요 라이브러리 설치: 데이터 매트릭스 설계 및 코딩 |
| 분석 | – 시각화 라이브러리로 교통량 트랜드 : 시계열, 분포, 관계, 비교, 공간, 인포그래픽 등 | – 시각화 화면 설계/코딩#figure, scatter, x, y 축 등 설정 | 노-코드: 데이터 시각화 라이브러리로 다양한 데이터 분석 결과 챠트/도표 등 시각화 코딩: 시각화데이터 설계 및 코드 개발 |
노-코드 플랫폼은 제공되는 라이브러리와 템플릿을 기반으로 GUI를 이용하여 쉽게 데이터 분석 및 개발이 가능하여 사전 학습시간 및 개발/분석 시간을 단축할 수 있어 코딩하는 것 보다 생산성을 향상할 수 있습니다. 코딩은 숙련된 전문가 조직이 필요하며 개발 및 분석 구조의 유연성이 노-코드 플랫폼보다 생산성에 이점이 있습니다. 단, 일반적으로 요구되는 다양한 템플릿은 노-코드 플랫폼에서 제공하기 때문에 대부분의 기본 요구사항을 충족할 수 있습니다.
데이터 분석 플랫폼을 도입할 때는 프로젝트 요구사항과 사용 팀의 기술 수준에 맞춰 적절한 플랫폼을 선택해야 합니다.
V. 노-코드 플랫폼 사용시 고려사항
노-코드 플랫폼을 이용한 데이터 분석에서 성공적인 인사이트를 도출하기 위해서는 명확한 목표설정이 필요하며 목적에 맞게 기업의 여러 조직에 지속적인 모니터링과 결과를 개선할 수 있는 조직문화 필요합니다. 또한 도입 효과성 분석과 기업의 정보보안 취약점 고려가 필요합니다.
[표 8] 데이터 분석 사례
| 구분 | 고려사항 | 내용 |
| 조직문화 | 사용자 역량 | 사용자가 아이디어를 효과적으로 적용/분석 할 수 있도록 프롬프트 엔지니어의 역량 |
| 협업과 효율성 | 제한된 커스터마이징 등 제약사항에 따른 담당자가 협업 및 효율성 | |
| 효과성 | 투자대비 효과(ROI) | 기업/개인이 원하는 기능 제공이 가능한지에 대한 검토 |
| 보안 | 데이터 및 자원 통제 | 노-코드 플랫폼에서 액세스하는 내부 시스템(DW, DB 등)에 대한 보안 |
[참고문헌]
[1] https://news.mt.co.kr/mtview.php?no=2022070416005167972
[3] Proceedings of the Central European Conference on Information and Intelligent Systems, “Adoption and Usability of Low-Code/No-Code DevelopmentTools.”, 2020
[4] https://blog.naver.com/cslee_official/222676425511
[5] 한국콘텐츠학회, 노-코드 플랫폼을 이용한 데이터 분석 및 개발 동향, 2022 김정숙