개요
빅 데이터 애널리틱스란?
이 질문에 대답할 때 많은 비유법이 사용됩니다.
- 건초 더미(빅 데이터)에서 바늘을 찾는 방법(애널리틱스)
- 거대한 물결(빅 데이터)에서 서핑보드(애널리틱스) 타기
- 소음(빅 데이터)이 발생했을 때 신호를 감지(애널리틱스)하기
이러한 모든 비유는 어느 정도 사실이지만 비즈니스가 보물 찾기가 아닌 이상, 빅 데이터 애널리틱스를 실제로 비즈니스를 발전시키는, 가치창출 활동의 관점에서 생각하는 것이 가장 좋습니다. 그리고 많은 빅 데이터 장애물이 바로 여기에 있습니다.
특히 기업은 빅 데이터 준비 및 로드에 너무 많은 시간과 노력, 비용을 지출하고 있지만, 정작 애널리틱스를 적용하여 차이를 만드는 통찰력을 찾는 데는 충분한 노력을 하고 있지 않습니다. 성공적으로 빅 데이터를 활용하기 위해 기업은 데이터 준비 프로세스를 보다 효율적으로 만들 수 있는 도구를 찾아야 합니다. 이것은 조직의 "분석 민첩성"을 크게 향상시킬 것입니다. 그래야만 고객 세분화에 일반적으로 사용되는 통계 및 트랜잭션 애널리틱스와 같은 기존 분석 기술을 넘어설 수 있습니다.
다양한 형태의 빅 데이터 분석
빅 데이터 애널리틱스는 하나의 접근 방식이나 도구가 아니라는 점에 유의해야 합니다. 일부 상황에서는 빅 데이터 시각화가 필요하지만, 다른 상황에서는 연결된 애널리틱스가 정답일 수 있습니다. 사실 너무 애플리케이션 중심적인 사고를 하는 조직에는 위험이 따릅니다. 다양한 유형의 빅 데이터 애널리틱스는 다양한 컨텍스트에서 가장 잘 사용됩니다. 빅 데이터의 다른 많은 것들과 마찬가지로 비즈니스 문제와 목표로 귀결됩니다. 사용자의 요구 사항이 다음과 같은지 확인하세요:
- 시장 데이터의 시간적 패턴 또는 지리적 관점?
- 기계 로그 또는 센서 데이터의 절차적 통찰력?
- 단일 제품, 여러 제품 또는 아직 출시되지 않은 제품에 대한 행동 패턴의 상관 관계?
예측 분석으로 큰 ROI 창출
Yahoo! Japan은 빅 데이터 애널리틱스 도구를 적용하여 고객 행동에 대한 심층적인 통찰력과 맞춤형 서비스 및 타겟 광고를 통해 1억 달러의 ROI를 달성했습니다.
실행 중인 빅 데이터 애널리틱스:
- 더 빨리 테스트하고 더 빨리 실패하기 – R&D 리더는 대규모 투자를 하기 전에 가설을 검정할 수 있습니다. 예를 들어, 제약회사는 빅 데이터 애널리틱스를 사용하여 환자의 동반질환을 매핑하여 새로운 약물을 테스트할 때 잠재적인 위험을 찾을 수 있습니다.
- "Win-Win" 대체 치료법 찾기 – 서비스 제공자와 의료 기관은 광범위하고 다양한 출처의 환자 데이터 세트를 매핑하여, 통증관리 기술 또는 물리치료와 수술을 비교하는 것과 같이, 보다 효과적이고 비용 효율적인 치료법을 찾을 수 있습니다. 환자에게도 이익이고 금액을 지불하는 사람에게도 이익이 됩니다.
- 고객 수익성 증대 – 고객이탈 위험지표 외에도, 마케팅 부서가 어느 고객들이 호화로운 로열티 프로그램을 제공하여 유지할 가치가 있고 어느 고객들이 더 까다롭고 흥정을 많이 하는지 아는 것이 경쟁 우위를 점하는 데 도움이 됩니다.
- Black Swans 모델링 - 보험사는 "Black Swan" 시나리오에 앞서 자본 준비금을 조정하거나 클레임 데이터를 상호 연관시켜 사기 방지 기능을 강화하기 위해, 빅 데이터에 고급 위험 모델링 기술을 적용할 수 있습니다.
빅 데이터 분석 모범 사례
빅 데이터의 모범 사례는 무엇인가요? 조직은 어떻게 이러한 분석적 사고를 전략적 계획, 자원 할당 및 성과 관리의 규범으로 만들 수 있나요?
따라서 단일 소프트웨어가 아니라 데이터 검색을 위한 광범위한 기반의 플랫폼을 사용하면, 고도로 구조화된 트랜잭션 및 운영 데이터에서 비정형, 반정형 및 다중 정형 데이터에 이르기까지, 모든 유형의 데이터에 대한 분석 기능이 적합한지 보장할 수 있습니다. 오픈 소스 구성 요소를 통합하는 애널리틱스 환경에 대한 "에코시스템" 보기는 큰 그림을 상상할 수 있는 탁월한 방법입니다.
빅데이터 애널리틱스를 통해 기업은 그 어느 때보다 심층적인 고객 통찰력을 추출하고, 이전에 발견하지 못한 패턴을 인식할 수 있게 되었습니다. 그러나, 이러한 통찰력이 실제로 비즈니스를 돕는 방법이 아닌 패턴을 형성하는 방법을 알아내는 것이 최종 목표였습니다(건초 더미, 바늘 찾기 예를 참조).
빅 데이터: 반직관적인 견해
업계 리더인 Constellation Research의 Ray Wang, Forrester의 Martha Bennett, Ventana Research의 Mark Smith, Stanford의 Blake Johnson이 쓴, 데이터의 크기나 양에 관계없이 조직의 "빅" 데이터를 보는 새로운 관점에 대해 알아보세요.
테라데이타가 빅 데이터 애널리틱스를 최대한 활용하는 데 어떻게 도움이 되는지 알아보세요. 빅 데이터 솔루션에 대해 알아보기