어느덧 새해가 밝은 지 보름이 지났습니다. 지난해 연간 실적 발표를 앞두고 회사마다 올 해의 목표를 세우느라 바쁜 시즌인데요. 대다수의 경영진은 영업팀이 잠재적 기회를 찾아 분기 목표를 초과 달성하려면 어디에 집중해야 할지에 대해 여러가지 자료를 분석해가며 고민을 합니다. 이럴 때 필요한 자료를 얻기 위해서는 다양한 IT시스템으로부터 데이터를 검색, 취합하고 분석해야 하는데요. 요즘은 Qlik(클릭)과 같은 BI(Business Intelligence) 도구를 사용하여 이런 작업을 수행하는 경우가 늘고 있고, BI 솔루션에서는 데이터 모델을 사용하여 이런 작업을 수행합니다.

그렇다면 우리는 어떤 데이터 모델을 통해 이러한 작업을 할 수 있을까요?

[Qlik의 연관 모델]

 여기 두 개의 서로 다른 데이터 모델이 있습니다. 현대적인 데이터 분석 방식에서는 관계형 데이터베이스와 SQL 쿼리의 설계는 적합하지 않습니다. 이는 Qlik과 같이 최신 데이터 시각화 도구들의 경우 소스에서 데이터를 가져오기 위해 SQL을 사용하지만 여타 도구들은 SQL 및 쿼리 기반 방식을 기본 구조로 사용하여 데이터 모델링 및 대화형 분석을 지원하기 때문이죠. 그러나 이로 인해 선형 탐색이 제한되고 데이터의 부분 집합에 대한 분석만 가능해진다는 중대한 결함이 발생합니다.

 즉, 누군가는 SQL 조인을 이용해 데이터 소스를 가져오고 사용자가 데이터를 한데 모으기 위해 알아내고자 하는 내용이 무엇인지를 예측해야 합니다. 그 외의 다른 데이터는 처리되지 않습니다. 사용자가 본 내용을 바탕으로 원하는 데이터로 가공 및 분석을 하기 위해선 복잡한 SQL 쿼리를 재구축해야 하고 이를 위해서는 경험 많은 데이터 전문가가 필요합니다. 이를 두고 ‘질문, 대기, 응답 사이클’이라고 합니다. 새로운 형식의 질문을 하면 항상 대기 시간이 소요되기 때문입니다.

 그에 반해 Qlik은 대화형, 비정형 탐색 및 분석을 위해 고안이 된 혁신적인 Associative Engine으로 문제를 해결합니다. 어떠한 데이터도 누락이 없이 인덱싱을 하여 데이터 간의 연관성을 모두 조사합니다. 이는 아무리 많은 데이터 소스라 할 지라도 모든 데이터를 빼놓지 않고 처리할 수 있으며 사전 집계된 데이터베이스 계산에 의존하지 않고 신속하면서도 정확하게 계산 및 집계를 실시간으로 분석 및 업데이트가 가능합니다. 이렇게 데이터를 사용자의 의도대로 연관성을 강조하여 보여줄 수 있어 기존의 전문가에게 집계를 문의하고 기다리지 않아도 탐색과 검색 및 피벗을 자유롭게 이용할 수 있습니다. Qlik을 사용하면 지금까지 필터링되어 놓쳤던 데이터들의 연관을 통해 통찰력을 얻을 수 있습니다.

 앞서 질문을 좀 더 이어볼까요? 데이터의 시각화를 구축하거나 변경할 수 있는 전문가가 아닌 이상 쿼리 기반 도구를 사용하면 탐색 기능이 제한될 수밖에 없습니다. 쿼리 데이터 결과 세트와 선형 경로 안에서만 탐색이 가능하기 때문입니다. 즉, 마케팅 점수처럼 경계를 벗어난 내용에 대해 질문하고 싶은 경우에는 해당 데이터를 사용할 수 없거나 질문할 수 있는 방법이 없습니다. 또 쿼리는 서로 연결되어 있지 않기 때문에 실제로 존재하는 데이터에 대해서도 질문할 수 없거나 심지어 존재 자체를 모를 수도 있습니다.

 앞서 영업팀이 어디에 집중해야 잠재 기회를 극대화 하고 분기별 목표를 초과 달성할 수 있는 지에 대한 해답은 Qlik을 통해 가능합니다. Associative Engine은 데이터를 단 하나라도 놓치지 않습니다. 필요한 것이 무엇이든 경계나 제한 없이 자유롭게 탐색할 수 있습니다. 기준을 한 가지 설정한 다음 영업 기회를 선별할 수 있습니다. 그러나 전체 앱 안의 시각화가 모두 새로운 연관성 컨텍스트에 따라 업데이트되므로 영업 기회 일부가 높은 마케팅 점수를 얻고 다른 기회는 그렇지 못한 경우가 발생할 수 있습니다. 또한, 회색으로 표시된 연관되지 않은 값도 포함되므로 특정 지역의 특정 고객이 특정 제품을 구매하지 않은 경우도 있을 수 있습니다.

 따라서 새로운 쿼리를 구축할 필요 없이 누구든 쉽게 사용할 수 있으며 실시간으로 쿼리에 대한 응답이 되기 때문에 시간도 절약할 수 있습니다. 그리고 질문에 대한 답변뿐 아니라 다음으로 어떤 질문을 해야 할지도 알 수 있게 됩니다. 여기에서 더 자세히 연구해서 보다 깊은 통찰력과 성공 가능성이 높은 잠재 고객 목록을 얻고 영업 계획을 세울 수 있습니다.

[스티븐잡스 스탠포드연설장면, 출처: 구글검색 결과 이미지]

스티븐 잡스의 스탠포드 대학의 졸업연설 중 ‘Connecting the dots.’ 이라는 문장이 있습니다. 그는 자신의 경험을 통해 인생은 점의 연결, 경험이라는 점을 이어 현재의 삶이 이어짐을 이야기 합니다. 이렇듯 인생이라는 그래프 역시 과거의 선택과 경험으로 이어진 결과인 셈이죠. 그는 지난 경험을 통해 아이폰을 출시하였고, 그 결과 애플을 세계에서 가장 혁신적인 회사로 만듭니다. 스티븐잡스에게 아이폰은 그의 통찰력을 보여주는 한 예일 것입니다.

 ‘콘텐츠의 미래’의 저자 ‘바라트 아난드’는 시작하는 글에 “다가오지 않은 미래를 예측하기보다는 지금 우리가 서 있는 장소와 이곳에서 일어나는 일을 이해해야합니다. (중략) 상황을 똑바로 이해하기 위해서는 사소한 것들이 중요한 것과 어떻게 연결되어 있는 지를 이해해야합니다. 이는 우리가 하는 일이 다른 사람들이 하는 일과 점점 연계성이 많아지고 있다는 사실입니다.”라고 서술합니다. 이렇듯 디지털 변화를 성공적으로 이끌기 위해 얻어지는 인사이트 역시 어느 하루 아침에 일어난 것이 아니라 과거의 데이터간의 연관관계를 분석하여 찾아내는 것이라 생각합니다.

우리에겐 이미 지난 데이터를 통해 정답을 가지고 있습니다. 그렇다면 더 빠른 정답을 찾을 수 있는 데이터 모델을 선택하는 게 옳지 않을까요?

-출처 및 참고

콘텐츠의 미래 – 바라트아난드