사용자 중심의 BI 데이터 분석, Self BI 동향

by

Ⅰ. Self BI의 부각 배경 및 개념

  1. Self BI의 부각 배경
  • 디지털 기술을 활용한 기존 서비스 혁신과 기업 대내외의 Digital Transformation의 가속화로 디지털 기술 및 데이터 분석 인재에 대한 공급과 수요가 증가하였고, 급속하게 변하는 경영 환경에 대한 빠른 대응, 데이터를 기반으로 한 신속한 의사결정을 위하여 현업에서 주도적으로 데이터 분석을 하기 위한 환경이 필요로 하게 되었다.
  • 이에 따라, 기존 IT 인력 중심의 BI 개발 문화에서, 현업에서 직접 데이터 분석을 할 수 있는 Self BI 환경 구축 및 문화 확산을 위한 기업들의 시도가 확산되었다.
  1. Self BI의 개념
기존 BI 활용 문화Self BI
   
  • Self BI는 Self-service Business Intelligence의 약어로, 사용자가 BI 도구를 이용해 주도적으로 보고서 및 시각화 대시보드를 직접 생성, 활용하여 데이터 분석을 수행하는 형태의 패러다임을 의미한다.
  • 과거에는 사용자가 요구사항을 제출하고, 개발자가 대시보드를 생성, 사용자가 활용하는 형태로 BI를 사용해왔으나, 데이터 분석가가 증가하면서, 사용자 중심의 Self BI를 통한 데이터 분석을 지향하는 추세로 변화하고 있다.

Ⅱ. 관리적 관점에서의 Self BI 동향

  1. 활성화 방안 측면에서의 Self BI 동향
순번전략설명
①조직 구성Self BI를 운영하기 위한 기술적 지원 인력, 관리적 지원 인력을 포함하여 조직과 거버넌스를 구성한다.
②정책 수립사용자 운영 정책, 지원 프로세스, 관리 방안에 대한 종합적인 정책을 수립하고 관리한다.
③가이드 배포사용자들이 스스로 Self BI가 가능하도록 기본적인 기능에 대한 설명, 사용 Tip에 대한 부분 등을 정리하고 공유한다.
④사용자 교육사용자들의 활용 수준 및 니즈에 따라 교육을 세분화하고 필요 맞춤형으로 주기적인 교육을 진행한다.
  • 많은 기업이 Self BI 활성화를 위한 시도를 행하지만, 직접 리포트 및 대시보드를 구성하는 것에 어려움을 느껴, Self BI 문화가 성공적으로 안착되지 못하는 경우가 많다. 그러하여, Self BI 활성화를 위해서는 질의 응답과 활용 지원을 위한 조직 구성이 필수적이며, Support 조직의 적극성과 적시성이 기업에서의 Self BI의 성공을 좌우한다.
  • 그리고, 대부분의 기업은 사용자의 Self BI 역량을 지속적으로 강화시키기 위해, 대해 일률적인 정책을 시행하지 않고, 실제적으로 활용 수준에 따라 교육 대상자를 그룹화하고, 자체 관리 Level을 구성, 커리큘럼을 고도화하는 등의 노력을 기울이고 있다.
  1. 구현 프로세스 측면에서의 Self BI 동향
순번프로세스설명
①데이터 탐색기업 내 전사 데이터의 종류, 코드 정보들을 조회하고, 데이터 분석을 위해 활용 가능한 데이터를 탐색한다.
②데이터셋 선택Self BI 구현을 위해 사용할 데이터셋을 선택한다.
③구현 방법 선택목적에 따라 데이터 리포팅, 시각화 대시보드 등 구현 방법을 선택한다.
④구현BI 도구를 통하여, 사용자가 직접 리포트, 시각화 대시보드를 구현한다.
  • Self BI를 위해서는 전사 데이터를 통합 사용이 가능한 환경을 구축하는 것과 실제 원하는 데이터를 사용자가 탐색 가능하도록 하는 것이 중요하다.
  • 그리하여, 기업들은 Self BI 환경 구축을 위하여, 단순 BI 시스템에 투자하는 것 뿐만 아닌 데이터웨어하우스(DW), 데이터 카탈로그, 메타시스템 고도화 등 데이터 활용의 기반이 되는 데이터 시스템의 개선하여 사용자의 데이터 접근성을 높이기 위한 전략을 수립, 추진하고 있다.

Ⅲ. 기술적 측면에서의 Self BI 동향

  1. Self-Service BI를 위한 데이터 시스템
목적데이터 시스템설명
리포트 대시보드 구현BI 시스템사용자가 실제 Self BI를 수행하기 위한 시스템이며, 데이터를 그리드(표)와 다양한 시각화 형태로 쉽게 구현하여, 데이터 분석을 가능하기 하는 시스템이다.
전사 데이터 통합데이터웨어하우스 (DW)기업의 전사 데이터를 수집, 저장, 관리를 위한 저장소이며, BI 시스템에서는 주로 데이터웨어하우스(DW)의 DB와 연동하여 데이터를 활용한다.
데이터 정보 제공데이터 카탈로그사용자가 원하는 데이터를 탐색하고, 데이터에 대한업무적 설명, 지표 산출 식 등 기존 메타시스템보다 포괄적인 정보를 저장, 관리하는 도구이다.
데이터 정보 관리메타시스템데이터 표준화 프로세스에 따라, 단어, 용어, 도메인, 코드 정보 등을 관리하기 위한 시스템이다.
  • Self BI를 위한 데이터 시스템은 주로 신규 시스템의 출시가 아닌, 기존 데이터 시스템에 대해 사용자의 접근성을 높이고, 사용자가 이해할 수 있는 업무적 용어로 정보를 관리하는 등의 방안이 많이 활용되고 있다.
  • 2023년 이후에는 데이터 시스템 뿐만 생성형 AI를 BI 시스템에 연계한 생성형 BI가 출시되고 있다.
  1. 생성형 AI를 접목한 Self BI 솔루션, 생성형 BI 설명
  • 생성형 BI는 생성형 AI를 BI 시스템에 연계해서 BI로 생성된 리포트에 대해 스스로 설명하고, 사용자의 질의에 따라 대시보드를 자동으로 생성해주는 BI 시스템이다.
  • 대표적 생성형 BI 플랫폼 종류는 다음과 같다.
제조사생성형 BI설명
CSLEEBigZami + ChatGPT기존 빅재미에 AutoML 및 ChatGPT를 통해 데이터의 이해 및 해석에 대한 어시스턴스를 제공한다.
MicrosoftPower BI +CopilotCopilot을 Power BI에 연동하여, 생성형 AI가 보고서 내용을 요약하고, 보고서와 시각화를 생성 가능하다.
QlikQlik Sense with Insight Advisor + AutoML기존 BI 도구인 Qlik Sense에 AutoML 패키지를 포함하였으며, MLOps 통하여 예측, 예측에 대한 이유 설명하고, 의사결정 프로세스를 자동화한다.
SAPSAP Analytics Cloud with Joule AISAP Analytics Cloud에 Joule AI를 탑재하여, 사용자와 데이터가 사용자가 상호 작용하는 방식으로 동작하여, 비즈니스 데이터에서 통찰력을 얻을 수 있도록 한다.
SalesForceTableau AI기존 BI 도구인 Tableau 플랫폼에 생성형 AI 기능을 제공하여 규모에 맞게 데이터 분석 및 인사이트 사용을 단순화하여 사용 가능하다.
StrategyStrategy One기존 BI 도구인 Strategy One 솔루션에 Auto Bot을 연동함으로써, AI 어시스턴트를 제공한다.
  • 기존 BI 솔루션 제조회사들이 클라우드 환경의 자체 솔루션에 생성형 AI를 연동함으로써 생성형 BI 기술을 강화하고 있다.

Ⅳ. Self BI의 가속화를 위한 생성형 BI 도입 동향

  • 클라우드 환경의 생성형 BI 기능을 사용하기 위해서는 내부 데이터의 내용 정보가 제조사의 클라우드 환경에 전송되어야 하는 측면이 있어, 아직까지 국내에서는 도입이 활성화되고 있지 않다.
  • 단, 생성형AI가 BI 뿐만 아닌, 다양한 분야에 적용되고 있고, 자동 질의, 생성 기능에 대한 편리함은 현업에서도 많은 기대되고 있는 상황이므로, 데이터 보안 정책 및 기술이 발전하여, 안정성이 보장된다면, 향후, Self BI의 기본 필수 기능으로 자리잡을 것으로 예상된다.

출처