지표가없는 작업의 이점

마지막 업데이트: 2022년 4월 11일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
다양한 BI 도구

클라우드 컴퓨팅으로 비용을 절감하고 혁신을 이루는 방법

BCG Platinion has identified five key areas where CIOs can leverage cloud computing resources to optimize operations while lowering cash burn rates and reducing total IT expenditures by up to 10%.

* 본 아티클의 원문은 2021년 7월 26일 Google Cloud 블로그(영문)에 게재되었습니다.

회복에 단 하나의 방법이란 없습니다. 지난해 전 세계 기업은 전례 없는 어려움을 겪었습니다. 많은 기업들은 사회적 거리두기와 격리 조치로 인해 빠르게 원격 근무를 도입해야만 했습니다. BCG Platinion은 새로운 보고서 '클라우드에서 뉴노멀 찾기(Finding a New Normal in the Cloud)'에서 기업들이 지금까지 잘 버텨냈지만 경제가 위축되고 수익이 줄면서 전반적인 비즈니스 환경이 여전히 어려운 상황이라고 지적합니다. CIO는 기술 혁신의 추진과 현금 소진율 둔화 사이에서 적절한 균형을 찾아야 합니다.

이 보고서에서는 기업이 클라우드 컴퓨팅을 기반으로 운영을 최적화하고 전반적인 IT 비용을 최대 10%까지 절감할 수 있는 5가지 주요 방법을 소개합니다.

1. VPN의 한계를 뛰어넘는 기술 확보

BCG Platinion 보고서에 따르면 기업에는 '빠르고 효율성과 지표가없는 작업의 이점 확장성이 우수하며 기기에 구애받지 않는 솔루션'이 필요합니다. 과거에는 직원이 외부에서 업무를 처리해야 하는 경우 VPN을 통해 업무를 지원했습니다. 하지만 코로나19 팬데믹의 대규모 확산으로 전 직원이 원격 근무를 하게 되자 높은 비용, 느린 속도, 사용의 불편함, 관리의 어려움과 같은 기존 솔루션의 단점이 여실히 드러났습니다.

BCG Platinion에서는 보다 안전하고 효율적이며 저렴하게 대규모 원격 액세스가 가능한 BeyondCorp Enterprise 같은 클라우드 기반 솔루션이 필요하다고 강조합니다. BeyondCorp Enterprise는 지속적인 엔드 투 엔드 보호를 통해 고객이 언제든지 기기에 구애받지 않고 간편하고 안전하게 액세스할 수 있는 제로 트러스트 플랫폼을 제공합니다. 영국에 본사를 둔 글로벌 식품 배송업체인 Deliveroo는 BeyondCorp Enterprise를 사용하여 분산된 인력 관리에 제로 트러스트 모델을 도입했습니다.

Deliveroo의 본 워싱턴 엔지니어링 부문 VP는 "Deliveroo 비즈니스에서는 애플리케이션과 관련 데이터에 안전하게 액세스하는 것이 특히 중요합니다. BeyondCorp Enterprise 덕분에 앱 수준에서 보안을 관리하면서 기존 VPN을 사용할 필요성이 사라지고 관련 위험에서 벗어나게 되었습니다.” 1 라고 말했습니다.

BeyondCorp Enterprise의 저렴한 클라우드 구독 모델을 사용하면 VPN 솔루션에 수반되는 하드웨어, 운영, 유지보수 비용이 들지 않으며 훨씬 저렴한 비용으로 외부 인력에게도 보안 기능을 제공할 수 있습니다. BCG Platinion에서는 BeyondCorp Enterprise와 같은 솔루션을 사용할 경우 기업이 기존 VPN을 사용할 때와 비교해 최대 50%의 비용을 절감할 수 있다고 추산합니다.

2. SaaS를 사용하여 생산성 향상

사회적 거리두기 조치로 많은 인력이 흩어져 일하게 되면서 원활하고 효율적인 협업의 필요성이 그 어느 때보다 커졌습니다. BCG Platinion에 따르면 Google Workspace와 같이 모든 기능을 갖춘 Software as a service 생산성 솔루션은 '가용성, 백업, 유지보수 측면에서 기존의 온프레미스 공동작업 인프라에서 발생하는 비용과 부담을 대폭 경감'하는 데 도움이 됩니다. BCG Platinion 분석가는 SaaS 솔루션 채택 시 최종 사용자의 컴퓨팅 비용을 최대 35% 절감할 수 있을 것으로 추정합니다.

하지만 클라우드 기반의 업무 환경은 비용 절감 이상의 이점을 제공합니다. BCG Platinion 보고서에 인용된 Forrester의 2020년 연구 결과에 따르면 Google Workspace를 채택하면 수익이 1.5% 증가하고 주문형 기술 지원의 필요성이 20% 감소하며 정보 유출 위험이 95% 넘게 줄어든다고 합니다. 지난해에 규모를 불문하고 모든 기업에서는 팬데믹이라는 상황을 업무 방식을 바꿀 수 있는 기회로 인식했습니다.

Airbus의 앤드류 플런켓 디지털 업무 환경 부문 부사장은 “지난해 Airbus는 사무실로 복귀한다는 것이 어떤 의미인지 생각하게 되었으며 Google Workspace를 통해 리더 역할을 맡고 있는 인력들의 업무 유연성을 높이는 방안을 모색하고 있습니다. 2020년에 Google Meet 세션을 560만 회 진행했으며 현재 70,000개가 넘는 공유 Drive에서 직원들이 공동작업을 진행하고 있습니다. Google Workspace는 Airbus 직원들의 업무 방식을 변화시켰으며, 이러한 솔루션은 하이브리드 근무 환경의 발판이 되고 있기 때문에 업무 방식 변화는 지속될 것입니다.” 2 라고 설명했습니다.

3. 클라우드 중심 기기를 통해 IT 오버헤드 및 관리 비용 절감

클라우드에 특화된 기기를 사용하면 클라우드 내 업무 효율성을 더욱 높일 수 있다고 BCG Platinion 보고서는 강조합니다. “Google의 Chromebook, Chromebox 같은 클라우드 기반 기기는 비용 효율적이고 손쉽게 배포 가능하며 사용 편의성과 보안이 우수합니다."라고 BCG Platinion은 말합니다. 또한 '씬 클라이언트' 기기를 통해 기업은 기존 노트북 및 데스크톱 대비 하드웨어 비용을 절감할 수 있습니다. 보고서는 씬 클라이언트 접근 방식을 쓸 경우 최종 사용자 기술과 지원에서 최대 25%의 절감 효과가 발생할 수 있다고 지표가없는 작업의 이점 밝힙니다.

규모에 상관없이 모든 조직과 기업은 Chrome OS와 기기를 사용할 경우 가장 까다로운 환경에서조차 협업 역량이 크게 향상된 것을 확인했습니다. Chrome OS를 사용하면 직원은 빠른 속도, 기본 제공되는 보안 기능, 신속한 배포, 저렴한 총 소유 비용의 장점이 있는 기기로 최신 환경에서 업무를 처리할 수 있습니다. London Borough of Hackney의 헨리 루이스 플랫폼 책임자는 “Chromebook은 직원의 업무 처리에 필요한 모든 기능을 갖춘 사용하기 쉽고 비용 효율적인 기기로, 직원들은 주로 Google Workspace에 온라인으로 액세스하여 업무를 처리합니다. 셀프 대여 Chromebook은 제공 당일부터 매일같이 활발하게 사용되고 있습니다.” 3 라고 설명했습니다.

4. 보다 간편한 전환을 위한 리프트 앤 시프트

클라우드 마이그레이션은 성공을 원하는 많은 조직이 우선순위로 꼽는 과제이지만 천편일률적인 방식으로 동시에 실행할 필요는 없습니다. 전면적인 클라우드 마이그레이션은 아키텍처 재설계와 애플리케이션 리팩터링을 수반하는 대대적인 작업이 될 수 있습니다. 마이그레이션에 몇 달에서 심지어 몇 년이 걸리는 조직도 많습니다.

하지만 지금과 같은 시기에는 CIO가 신속하게 결정을 내리고 현금 소진을 최대한 줄여야 합니다. BCG Platinion은 리소스가 한계에 이르고 시간 여유가 없다면 업무 중단을 최소화하도록 '리프트 앤 시프트' 방식을 권장합니다. 예를 들어 Google Compute Engine을 사용하는 조직에서는 큰 전환 없이 기존 워크로드를 가상 머신에 리호스팅할 수 있습니다. BCG Platinion은 중요하지 않은 워크로드를 리프트 앤 시프트 방식으로 클라우드로 이전할 경우 단 3개월 만에 IT 비용을 4%까지 절감할 수 있다고 보고합니다. 또한 빠르고 효과적인 마이그레이션은 IT 인프라를 더욱 발전시키는 토대가 되어 향후 장기간에 걸쳐 파급 효과를 냅니다.

5. 클라우드를 통해 효과적인 데이터 활용

데이터는 모든 업종에서 중추적인 역할을 하며 지금은 그 어느 때보다 데이터를 최대한 활용하는 것이 중요합니다. 팬데믹으로 인해 평소와 같은 비즈니스 방식이 중단되면서 조직에서 수요 예측, 공급망 차질 예측과 같은 긴급한 작업에 데이터를 활용하게 되었습니다. 지난해 McKinsey가 발표한 보고서는 많은 조직이 이미 분석과 AI 기술을 사용하고 있었지만 팬데믹으로 상황이 급박해지면서 그 진행 속도가 훨씬 빨라졌다고 지적합니다. "과거에는 조직에서 수개월 내지 수년에 걸쳐 구축했던 분석 기능을 단 몇 주 안에 갖추게 되었습니다."

제대로 토대를 마련한다면 기업에서는 데이터를 활용하여 효율성을 높이고 고객 요구에 신속하게 대응하며 새로운 시장을 개척할 수 있습니다. 하지만 큰 성과를 거두려면 방대한 정보와 강력한 분석이 필요하기 때문에 온프레미스 아키텍처로는 데이터를 효과적으로 처리하기가 매우 어렵고 비용도 많이 들 수 있습니다.

클라우드 기반 인프라로 이전하면 인프라 비용을 최소화하면서도 머신러닝과 같은 최신 기술을 활용하여 훨씬 유용한 정보를 확보할 수 있습니다. BCG Platinion 보고서에 따르면 클라우드 기반 데이터 플랫폼을 사용하면 비즈니스가 저렴한 비용에 더 높은 효율성을 달성할 수 있을 뿐만 아니라 '효과'가 70% 향상되는 것으로 확인되었습니다. 효과는 판매량 증가, 조달 제품 비용과 재고 보유 비용 절감을 기준으로 측정한 지표입니다. Boston Consulting Group(BCG) Platinion 서유럽 지역의 노버트 포레 상무이사는 "클라우드로 이전하면 혁신을 촉진하여 경쟁력이 강화되면서 새 서비스를 빠르게 출시하여 경쟁에서 앞서갈 수 있습니다.”라고 말합니다.

모든 데이터 플랫폼의 핵심 목표는 적절한 사용자가 적절한 정보를 필요한 시점에 확보하는 것입니다. Google Cloud는 다양한 제품을 통해 기업 전반의 데이터를 통합하고 민첩성을 높이며 더 빠르게 혁신할 수 있도록 도와줍니다. BigQuery를 사용하면 복잡한 분석을 무한대의 규모로 실행하면서도 조직의 총 소유 비용을 다른 클라우드 기반 데이터 웨어하우스 솔루션 대비 최대 34% 절감할 수 있습니다. 4 Cloud Spanner는 99.999% 가용성으로 운영되는 완전 관리형의 관계형 데이터베이스를 제공합니다. 그뿐만 아니라 기업은 Vertex AI를 통해 Google이 통합 AI Platform에서 전례 없이 유용한 정보를 도출하는 데 사용하는 획기적인 머신러닝 도구를 이용할 수 있습니다. 핀테크 스타트업 Branch의 데이비드 허베리치 데이터 책임자 겸 VP는 “Google Cloud의 전체 제품군을 사용해 설정, 준비, 실행에 이르는 프로세스를 신속하게 진행할 수 있기 때문에 저희는 '주 매출원'인 데이터 과학 작업을 수행할 수 있습니다."라고 말합니다. 5

현재 비용을 최소화하고 미래를 위해 혁신

전 세계가 팬데믹에서 회복세를 보이는 상황에서 성공을 이어가려면 민첩성과 적응력을 유지해야 한다고 BCG Platinion 보고서는 주장합니다. BCG Platinion에 따르면 클라우드 컴퓨팅은 전반적인 IT 비용을 최대 10% 줄여 비용을 낮게 유지하도록 돕기 때문에 기업의 탄력성이 향상됩니다. “CIO에게 클라우드 마이그레이션은 단기간에 중요한 절감 효과와 이점을 제공하는 동시에 디지털 혁신이라는 장기적인 목표를 향해 꾸준히 나아가도록 이끄는 발판이 될 수 있습니다.“

테스트 커버리지는 목표가 아니라 지표다

테스트를 통해 확인할 수 있는 부분의 비율을 커버리지라고 한다. 보통 코드 커버리지와 분기 커버리지를 지표로 많이 활용한다. 코드 커버리지란 (제품 코드 라인 수 / 전체 라인 수) 로 테스트를 통해 얼마나 많이 코드 줄이 실행됐는지를 측정한다. 하지만 코드 커버리지는 아래와 같이 단순 포멧팅에 의해 커버리지가 바뀔 수 있는 등 숫자로 장난칠 수 있는 방법이 많다.

분기 커버리지는 통과 분기 / 전체 분기 수 로 코드 커버리지의 단점을 극복하는 데 어느정도 도움이 된다. 하지만 분기 커버리지가 높다고 테스트 코드의 품질을 보장할 수 있는 것은 아니다. SUT의 모든 가능한 결과(중간 연산 결과 등)를 검증했다는 것을 보장하기 어려울 뿐더러, 외부 코드의 경로까지는 고려하지 못한다.

커버리지는 목표가 아니라 지표다

흔히 커버리지 지표는 좋은 부정 지표이지만 나쁜 긍정 지표라고들 말한다. 수치가 낮다면 문제가 있는 거지만, 높다고 해서 무조건 좋은 테스트라고 할 수는 없다. 나는 환자와 체온을 통한 비유가 가장 와닿았다. 환자의 체온이 40도라면 분명 좋지 않은 상황이다. 어떤 치료와 관리를 통해 36.5도로 돌아온다면 환자의 건강에 대한 지표로 유용하게 활용할 수 있다. 하지만 36.5도가 목표가 되어서 빠르게 체온을 낮추기 위해 에어컨을 쎄게 튼다던가, 얼음을 들이붓는 다던가하는 것은 바람직하지 않을 것이다.

결국 목표는 좋은 테스트

테스트가 없는 프로젝트보다 잘못된 테스트를 포함한 프로젝트가 조금 더 진행을 많이 할 수 있겠지만, 결국엔 머지않아 진척도에 침체기가 온다. 결국 테스트가 없는 프로젝트와 작업 소요 시간 대비 진척도가 크게 다르지 않게 된다. 항상 좋은 테스트만을 테스트 스위트에 남기는 것으로 소프트웨어 프로젝트의 지속 가능한 성장을 위해 노력해야한다.

지표가없는 작업의 이점

글을 읽기 전에 이 내용은 저의 경험을 토대로 작성하였습니다. 현재 사용하시는 도구 및 방법과 다르다고 하여 무엇이 맞고 틀리고를 이야기하고자 하는 글이 아닌 경험을 공유하고자 작성된 글이므로 참고 차원에서 봐주시길 바랍니다.

데이터를 보기 위해서는 많은 과정이 필요합니다. SQL을 이용해서 데이터를 추출하고 이를 엑셀로 다운로드하거나 리포트를 만들어서 보는 과정이 아닌 전체적인 과정을 설명하고자 합니다. 이 글의 내용은 제가 아는 범위에서 작성하였으나 회사마다 모두 다르고 사람마다 모두 다른 방식으로 할 수 있기 때문에 어느 정도 감안해서 글을 읽어 주시길 바랍니다.

보통 데이터는 크게 3가지의 데이터가 있습니다.

  • 정형 데이터 : 관계형 데이터베이스 (MySQL , SQL Server , Oracle)
  • 반정형 데이터 : JSON , parquet , Avro
  • 비정형 데이터 : 음성,텍스트,사진

제가 알고 있는 범위는 이 정도이며 이 글에서는 정형 데이터를 수집하여 지표화 하는 과정을 설명 하고 있습니다. 모든 데이터에 대해서 하면 좋겠으나 수집의 방식이 모두 다르고 저장하는 방식 또한 다르기에 글이 너무 길어져서 한 가지의 주제를 잡고 이야기하려고 합니다.

데이터를 수집하려면 우선 데이터를 쌓아야 합니다. 관계형 데이터베이스(이하 RDB)의 경우 개발자, DBA가 주로 개발 및 관리를 하며 데이터 분석가/엔지니어, 사업, 기획, PM 등의 팀에서 주도하여 원하는 데이터를 이야기하여 설계하고 이를 DBA가 주도하여 테이블 설계 및 칼럼 형태를 조정하며 개발자가 적재적소에 코드에 심어서 RDB에 데이터가 남도록(INSERT) 합니다.

위의 내용을 예시를 들어서 설명해보겠습니다.

  • 현재 데이터를 남기는 시스템은 존재하지 않습니다.
    • 데이터를 남기는 시스템이 존재하지 않으므로 새롭게 만들어져야 합니다.
    • DAU(Daily Active User) , NRU(New Resistered User)라는 2개의 수치이며 이를 지표 화하여 매일 오전 9시에 보려고 합니다. 데이터는 실시간으로 쌓이지 않아도 괜찮고 매일 오전에 9시에만 리포트 페이지 또는 메일로 받아보고자 합니다.

    데이터를 보기 위한 과정을 그림과 함께 보면 다음과 같습니다. 이 과정은 크게 4가지 과정으로 나누어지며 4가지 단계마다 어떠한 내용이 있는지 번호를 지정하고 설명하려고 합니다. 회사마다 다르겠으나 이러한 모든 과정은 PM(프로젝트 매니저)이 주관하며 일정을 잡습니다. 프로젝트 매니저는 각 팀에 필요한 내용을 전달하고 회의를 주관합니다.

    데이터를 보기 위한 과정

    회의의 방식도 조금씩 다르겠으나 1번 과정을 제외하면 대부분 모든 팀이 모여서 한 번에 이야기하고 추후에 필요한 내용에 따라서 각 팀끼리 미팅하는 경우가 많습니다. 모든 팀을 매번 불러서 이야기하면 굉장히 번거롭고 회의가 길어질 수 있으므로 보통 처음 큰 프로젝트 틀과 기획을 이야기할 때 모여서 이야기합니다.

    결론적으로 이야기하면 4가지의 과정으로 이루어지며 이 글에서는 4가지의 과정을 기반으로 작성하였습니다. 그 4가지의 과정을 정리하면 다음과 같습니다.

    2. 데이터 심기(만들기)

    4. 데이터 가공 및 지표 개발

    1. 지표 기획

    지표를 기획하자

    우선 첫 번째로 사업팀, 기획팀에서 보고자 하는 지표를 엑셀이나 파워포인트 등과 같은 OA 도구를 이용하여 기획을 합니다. 어떤 방식으로 보면 좋겠는지 어떤 점을 구분하면 좋을지에 대해서 이야기합니다. 예를 들면 "회원 가입을 할 때 성별이 구분되어야 하거나 또는 연령대가 구분되어야 한다."와 같은 내용을 구체적으로 기획합니다. 물론 회의에서 역으로 데이터 분석, BI, 데이터웨어하우스(이하 DW)/데이터 엔지니어가 제시하기도 합니다. 이러한 부분을 세분화해서 보면 더욱 효과적이라고 역 제시하기도 합니다. (그래프를 어떻게 하면 좋을지, 어떤 위치에 어떤 지표가 들어가면 좋을지 등)

    이 과정에서 1차적으로 분석팀, BI팀에서 SQL을 이용해서 데이터가 쌓이고 있는지 확인하거나 어떻게 쌓이고 있는지 확인합니다. 데이터가 없는 경우 새롭게 만들어야 하므로 개발팀, DB팀, 데이터엔지니어팀과 기획 전에 협의할 수도 있습니다. (쌓을 수 있는지 여부와 쌓지 않는다면 개발이 가능할지 여부)

    분석팀, BI팀의 경우 실제 RDB에 접근 권한이 없는 경우가 많고 주로 DW에서 데이터를 확인하기 때문에 실제로 개발이 안되었는지 여부를 모두 파악하기는 어렵습니다. 문서가 잘 남거나 테이블을 검색할 수 있는 환경이 있다면 테이블을 검색하여 데이터가 남는지도 확인 가능하겠지만 없는 회사가 많이 있으므로 1차적으로 확인 후 2차적으로 DBA, DW/데이터 엔지니어에게 요청합니다. 모두 확인하였으나 데이터가 남고 있지 않다면 개발팀, DB팀, DW/데이터 엔지니어팀이 협의하여 이제 데이터를 만들어야 합니다.

    2. 데이터 심기(만들기)

    데이터를 심자

    위의 사진처럼 작물을 수확하기 위해서 씨를 뿌리거나 모종을 심는 작업을 하듯이 데이터를 수확하기 위해서는 데이터를 심어야 합니다. 데이터를 심기 위해서는 데이터가 설계되어야 하며 데이터 설계란 데이터에 어떠한 항목이 들어갈지 정하는 과정입니다. 데이터베이스의 지표가없는 작업의 이점 테이블 칼럼을 생각하면 이해하기 쉽습니다.

    예를 들어서 2개의 지표를 만들고 싶다고 가정하겠습니다. 만약에 DAU , NRU를 데이터로 심기 위해서는 어떠한 항목이 필요할까요? 간단해 보이지만 생각보다 많은 작업이 필요합니다.

    필요한 항목

    • DAU의 경우 어떠한 유저가 유니크하게 들어왔는지를 보는 지표이므로 유저의 로그인 정보가 필요합니다.
    • DB에 로그인할 때마다 데이터를 남겨주어야 합니다.
    • 데이터에는 유저의 지표가없는 작업의 이점 고유키(id)와 접속 시간이 기본으로 들어가며 필요에 따라 다른 정보가 들어갈 수 있습니다.
      • 이 부분에 대해서 조금 부연 설명하면 성별, 생년월일은 따로 분리해서 설계하는 게 맞습니다. 1차 정규화 위반 사항으로써 중복된 데이터가 계속해서 쌓이므로, 유저의 정보 테이블을 만들고 차후에 조인해서 보는 게 맞습니다. 하지만 지금 이 부분은 설명하지 않습니다. (말이 길어집니다. )
      • 유저가 언제 가입하였는지 고유키(id)와 가입 일자가 찍히며 필요에 따라서 성별, 생년월일, 지역 등의 정보를 남길 수 있습니다.

      위의 2개의 정보를 찍기 위해서 여러 가지 고려할 사항이 많습니다. 이러한 내용을 심기 위해서는 몇몇 팀에서 데이터를 심도록 설계해야 합니다. 그 과정은 세세하게 나열하면 굉장히 많지만 간략하게 보면 다음과 같습니다.

      각 팀에서 해야 할 일

      • 개발팀에서는 각각의 코드에 특정 액션을 했을 때 (로그인, 회원가입) 데이터가 남도록 코드를 추가합니다.
      • 해당 코드를 추가하면서 데이터베이스에 테이블에 쌓이도록 만들도록 합니다.
      • RDB에 데이터가 잘 쌓이도록 테이블을 설계하고 정규화 및 테이블을 정의합니다.
        • 이 과정은 개발팀에서 선행하고 DBA는 검수를 하는 경우가 많지만 함께 하는 경우도 있습니다.
        • 데이터 엔지니어도 마찬가지로 데이터가 정상적으로 쌓이는지 확인하고 이 데이터를 DW로 가져올 때 이슈가 없는지 DBA와 협의하여 인덱스 및 테이블 구조에 대해서 이야기합니다.
          • 예를 들면 로그인 기록의 경우 로그인 시간 또는 데이터 번호(row_id) 등과 같이 인덱스를 통해서 데이터를 시간순 또는 데이터 번호순으로 조금씩 잘 가져갈 수 있는지 확인이 필요합니다.
          • 테이블에 인덱스가 없거나 잘못되었을 경우 나중에 테이블 사이즈가 커지면 인덱스를 잡기 어렵거나 서비스를 중단하고 점검을 통해서 인덱스를 생성해야 하는 경우가 있습니다. (매우 중요합니다.)

          이제 데이터를 심는 과정이 어느 정도 완료되었습니다. 더욱 자세하게 들어가면 데이터 QA가 데이터를 검증하고 DA( Data Architecture)가 데이터 용어사전과 칼럼의 명칭과 형식이 맞는지 등의 검증도 필요하지만 이 부분은 데이터 엔지니어와 DBA가 어느 정도 동반하여 진행합니다.

          데이터가 이제 RDB에 쌓이기 시작하면 데이터를 심는 과정이 끝났다고 볼 수 있습니다.

          3. 데이터 적재

          데이터를 옮기자

          우리가 지금까지 했던 부분은 OLTP(Online transaction processing)에 해당하는 부분입니다. 실시간으로 데이터가 쌓이며 사용자가 어떠한 행위를 했을 때 즉시 쌓이는 데이터 환경입니다. 이 환경의 경우 DBA가 담당하며 RDB에 쌓이는 데이터를 뜻 합니다. 이렇게 쌓여 있는 데이터를 분석하고 지표를 만들기 위해서는 OLAP(Online Analytical Processing) 환경으로 옮기는 작업이 필요합니다. (OLAP는 DW입니다. / 글의 흐름을 위해서 OLAP라고 이 단원에서는 부릅니다.)

          이러한 과정을 ETL(Extract, Transform, Load)이라고 합니다. 이 과정은 추출(Extract), 변환(Transform), 적재(Load)의 3가지 단계로 나누어집니다. 최근에는 많은 회사에서 ETL 보다는 ELT를 선호하는 경우가 많습니다. 앞에서 나온 추출 하여 변환하고 적재하는 것이 아닌 추출하고 적재하고 변환하는 과정으로 프로세스를 진행합니다.

          일단 쌓고 보자

          이것은 최근에 선호하는 방법으로써 데이터의 저장 공간이 저렴해지고 클라우드의 등장으로 인해서 대규모 데이터를 처리하는 것이 쉬워지면서 변화된 추세입니다. 저의 지표가없는 작업의 이점 개인적인 생각으로는 ELT가 훨씬 더 많은 이점이 있습니다. 앞서 언급했듯이 저장공간의 비용이 싸지고 처리의 속도가 빨라지면서 우선 원천 데이터를 OLTP 환경에서 그대로 가져와서 저장하고 필요에 따라서 적절하게 가공하여 바로바로 쓸 수 있도록 하는 것이 OLTP 환경에 부하를 적게 줄 수 있습니다. 만약에 ETL을 한다면 데이터를 이미 가공하였기에 기획의 의도가 변경되거나 불가피하게 데이터를 수정해야 하는 이슈가 있을 경우 다시 한번 OTLP에서 OLAP 환경으로 데이터를 가져와야 하는 이슈가 있기 때문에 ELT가 더욱 이점이 많다고 생각됩니다. 그리고 OLAP의 경우 여러 가지 방법을 통해서 데이터를 가공하거나 합니다. 아주 다양한 도구가 있지만 제가 알고 있는 도구는 아래와 같습니다.

          다양한 도구들

          약간씩 성격이 다를 수 있겠지만 대규모 데이터를 처리하고 가공하는 부분에 있어서 그 목적은 동일한 도구들입니다. 저 같은 경우 Google의 BigQuery를 주로 사용하고 선호하고 있습니다. SaaS(Software as a Service) 이기 때문에 관리가 매우 쉽고 대규모 데이터 처리에서 별다른 세팅 없이 즉시 사용이 가능하다는 장점이 있습니다. 물론 데이터 사용량에 따라서 과금을 하기 때문에 무분별하게 사용하면 비용이 굉장히 많이 발생한다는 단점이 있지만 이 부분만 잘 관리하면 굉장히 좋은 도구라고 생각합니다. ( BigQuery 비용 관리 )

          당연한 이야기겠지만 데이터를 1번 옮겼다고 끝나지 않습니다. 데이터를 옮기기 위해서도 여러 가지 도구가 필요하며 데이터의 동기화 (ELT) 주기에 따라서 도구가 달라지게 됩니다. 주로 배치성 (1시간, 1일 이상)의 데이터의 경우는 Airflow라는 도구를 통해서 주기적으로 데이터를 지표가없는 작업의 이점 동기화하고 실시간성으로 하는 경우 Kafka , Spart Stream 등의 도구를 이용해서 주로 작업을 합니다.

          주기적인 작업을 하는 도구들

          저 같은 경우 Airflow만 사용해 봤으며 주로 일 배 치나 1시간에 한 번씩 데이터를 동기화하였기 때문에 Airflow를 통해서 동기화를 진행하여도 큰 문제가 없었습니다. Airflow의 경우 굉장히 막강한 도구라고 생각되며 오픈소스이기 때문에 무료라는 점이 굉장히 매력적입니다.

          4. 데이터 가공 및 지표 개발

          지표 보여주기

          지표를 보여주는 마지막 단계로 데이터를 가공하고 이를 지표에 연결하여 보여줘야 합니다. 앞서 DW환경으로 데이터를 동기화하였다고 그 데이터를 그대로 지표에 연결하여 보여준다면 DW에서 부하가 발생할 수 있습니다. DW 환경에서는 수천, 수억 건의 데이터가 저장되어 있기 때문에 아무리 좋은 성능의 하드웨어와 도구를 붙여도 부하가 없진 않습니다.

          데이터를 하다 보면 다음의 용어를 많이 접했을 듯합니다. Data Lake , Data Warehouse , Data Mart 등과 같이 불리는 용어를 많이 들어보셨을 것 같습니다. 그리고 FACT Table , Report Table , Dimension Table 등과 같은 용어도 많이 들어보셨을 거라 생각됩니다. 이 용어를 조금 더 알기 쉽게 그림과 같이 표현하면 다음과 같습니다.

          Data Lake / Data Warehouse

          Data Lake

          우선 Data Lake(바다, 호수)에서 생선(데이터)이 엄청나게 많습니다. 바다나 호수에는 다양한 종류의 생선이 있듯이 Data Lake에는 여러 종류의 데이터가 있습니다. 정형, 비정형, 반정형 등의 다양한 형태의 데이터가 있습니다. 여기에 일단 모든 데이터가 쌓인다고 보면 됩니다. 주로 Data Lake는 S3( Simple Storage Service)또는 GCS(Google Storage Service) 등과 같은 곳에 데이터를 쌓아 놓습니다.

          가끔 Data Lake가 없고 Data Warehouse만 있는 경우도 많은데, 꼭 Data Lake를 가지고 있을 필요는 없다고 생각합니다. 데이터가 반정형, 정형을 주로 취급할 경우는 저는 Data Lake가 꼭 필요하진 않다고 생각합니다. (실제로 없는 회사도 많습니다.) 그 목적과 사용에 따라서 Data Lake는 있을 수도 있고 없을 수도 있다고 생각합니다.

          Data Warehouse

          위의 바다, 호수에서 데이터를 잡아서(Extract / Data Lake가 없으면 RDS에서 데이터를 잡아서) 손질하여 창고에 보관합니다. 어느 정도 손질(Transform)을 하고 차곡차곡 창고에 넣어(Load) 둡니다. 데이터가 어느 정도 손질이 되어 있고 분류도 어느정도 되어 있기 때문에 Data Warehouse에서도 인사이트를 찾거나 바로 SQL을 통해서 질의하기도 합니다.

          Data Mart

          Data Mart

          창고(Warehouse)에서 보관된 생선(Data)은 이제 전국으로 퍼지게 됩니다. Data Mart는 각 용도에 맞는 데이터를 조금 더 비즈니스 모델 또는 프로젝트에 맞는 데이터끼리 모아서 조금 더 세부적으로 분류한 것을 뜻 합니다.

          FACT Table / Report Table

          FACT , Report Table

          이제 각각의 기호에 맞게 데이터를 사용할 수 있도록 가공해야 합니다. 생선을 창고에서 꺼내서 바로 먹을 수 없듯이 가공을 음식 형태로 미리 손질해놔야 합니다.

          가공 작업 없이 데이터를 row형태로 DW에 적재하였다고 그대로 SQL을 이용해서 지표에 연결할 경우 비용/성능면에서 매우 효율이 좋지 않습니다. 만약에 1건 정도의 데이터라면 크게 문제가 없을 수 지표가없는 작업의 이점 있지만(그대로 해두는 게 좋다.) 100만 건 , 1000만 건 또는 수십억 건의 데이터를 매번 그때그때 SQL로 가져와서 지표에 보여준다면 지표가 데이터를 가져오는 시간만 수십 분이 걸릴 수 있습니다. 그렇기 때문에 미리 데이터를 시간, 일자, 주간, 월간으로 가공하여 적재해둡니다.

          이렇게 미리 가공을 한 테이블을 FACT 테이블이라고 합니다. 미리 가공을 해두었기 때문에 성능이나 비용에서 큰 무리가 없이 사용이 가능하고 여러 사용자가 정확한 기준으로 가공된 데이터를 볼 수 있으므로 혼선이 발생하는 것을 미리 방지할 수도 있습니다. 그리고 Report 테이블은 지표에서 즉시 조회할 수 있도록 FACT에서 조금 더 해당 지표에 맞게 데이터를 가공하여 더욱 작은 단위로 데이터를 쪼개서 저장한 테이블입니다. FACT가 그렇게 크지 않거나 Report가 굳이 필요하다고 판단되지 않을 경우 FACT를 그대로 붙이는 경우도 있습니다.

          다양한 BI 도구

          이제 모든 준비를 마쳤으면 가공된 데이터를 토대로 지표를 개발해야 합니다. 지표를 개발할 때는 앞서 기획된 화면을 참고하여 지표를 개발할 수 있습니다. 저 같은 경우 Data Studio와 Tableau를 주로 사용하였는데, Data Studio의 경우 GCP의 다양한 도구와 바로 연동이 가능하다는 장점과 Goolge Sheets와 같은 Google의 도구와도 손쉽게 연동이 가능하다는 장점이 있습니다.

          하지만 무료인 만큼 제공이 안 되는 기능이 조금 있습니다. 반면 Tableau의 경우 유료이기 때문에 막강한 기능을 많이 제공하며 사용자 관점에서 조금 더 쉽게 사용이 가능합니다. (데이터를 가져와서 즉시 가공 가능 , 물론 성능상 좋진 않음) 그렇기에 본인의 상황에 맞게 어떠한 BI 도구를 사용할지 선택이 필요합니다.

          5. 그 밖에.

          모니터링 및 운영

          적재 및 가공 그리고 지표를 개발하는 것이 끝이 아닌 지속적으로 모니터링을 통해서 데이터를 정확하게 제공해야 합니다. 데이터가 정확하게 RDB에서 DW로 넘어왔는지 모니터링하는 작업이 필수적으로 필요합니다. 이를 하지 않을 경우 중복 및 누락으로 인하여 데이터가 정확하게 보이지 않을 경우가 있습니다. 이 경우 경영진 및 사업, 마케팅에서 판단을 할 때 잘못된 판단을 할 수 있습니다.

          데이터 정합성 체크

          RDBMS 데이터 적재 시 데이터 정합성 체크

          💁‍♂️ 들어가며 데이터를 적재하면서 가장 중요한 것은 무엇일까요? 여러가지 이유가 있겠지만 무엇보다 그 데이터가 정상적으로 잘 적재되었는지 여부 입니다. 많은 사람들이 적재를 어떻

          DW 운영 (BigQuery)

          불필요한 Dataset 삭제

          BigQuery - 운영 1탄 / 불필요한 dataset 삭제

          안녕하세요. 제가 아무래도 DBA로 시작해서 그런지 자연스럽게 성향이 운영을 당연시합니다. 모니터링을 데이터를 기반으로 비용 절감과 고효율을 만들기 위해서 여러 가지 방법으로 고민을 합

          BigQuery 사용량 관리

          BigQuery - 운영 2탄 / Query 사용량 관리하기

          안녕하세요. 지난번의 BigQuery 운영 1탄 편이었던 불필요한 Dataset 삭제 이후에 2탄 BigQuery 지표가없는 작업의 이점 사용량 관리에 대해서 글을 작성하였습니다. 어찌 보면 이 글이 1탄보다 훨씬 더 유용할 것으로 보입니다.

          BigQuery 비용 줄이기

          BigQuery 성능/비용 팁

          BigQuery는 Google에서도 강조하듯이 저장 비용이 매우 저렴합니다. BigQuery 가격 책정 확인 👇 https://cloud.google.com/bigquery/pricing.html?hl=ko#storage 가격 책정 | BigQuery | Google Cloud Big..

          6. 마치며.

          지표 하나를 지표가없는 작업의 이점 보기 위해서 수많은 팀의 수많은 사람들이 필요하며 수많은 과정이 필요합니다. 단순히 앞에 숫자 몇 개가 보인 다고 하여 쉽게 보여줄 수 있는 과정이 아닙니다. 많은 사람들이 지표 한 개만 표면적으로 보고 "이렇게 간단한데 왜 그렇게 말하지?"라고 생각합니다. 하지만 이 한 개의 지표를 보여주기 위해서 위에 언급한 수많은 과정이 필요합니다. 그리고 몇 번 언급하긴 했지만 이렇게 많이 설명했는데, 이 과정 또한 어느 정도 간략하게 줄인 내용입니다. 그렇기에 지표를 1개 보기 위한 과정을 굉장히 어렵습니다.

          조직의 힘을 기르는 노하우 공유 방법은?


          각 팀원은 다양한 현장과 각자의 경험에서 습득한 다양한 노하우가 있습니다. 이러한 노하우는 기업에 있어 귀중한 자산입니다. 팀내에서 노하우를 공유하는 것이 가능하다면, 지표가없는 작업의 이점 지표가없는 작업의 이점 팀 전체의 퍼포먼스가 올라가고 업무를 한층 더 효율적으로 할 수 있습니다.

          이 글에서는 효과적인 노하우 공유 방법에 대해 소개하겠습니다.

          팀내 노하우 공유 방법

          노하우는 조직의 큰 자산

          정보뿐만 아니라 업무에 관련된 노하우를 관계자끼리 공유하곤 합니다. 「노하우 공유」 혹은 「지식 매니지먼트, 지식 공유」 등으로 불리는 이 방법은 최근 수년간 주목받고 있습니다.

          인력이 부족한 현시대의 제조 산업에선 「기술의 계승」은 큰 과제입니다. 기술은 한번 잃으면 되돌릴 수 없기 때문에 더욱 중요합니다. 영업 분야에서도 우수한 방법과 노하우를 팀 내에서 공유・축적하려는 움직임이 크게 늘고 있습니다.

          인터넷에서 찾을 수 있는 지식과는 달리 실제 경험에서 나온 노하우는 개인이 소유한 「업무 지혜」 입니다. 이러한 노하우를 다른 팀원과 공유할 수 있다면, 조직에 있어 큰 자산이 될 수 있습니다.

          노하우 공유로 발생하는 메리트

          대부분 조직은 각기 다른 과제와 문제점을 가지고 있습니다. 그 원인은 다양합니다. 이때 노하우를 공유함으로써 조직의 과제를 해결할 수 있습니다.

          이제 노하우 공유의 메리트를 몇 가지 소개하겠습니다.

          조직 내 노하우 공유는 팀 능력의 균등화

          영업 담당자는 각각의 노하우를 가지고 있고 본인 나름의 스타일로 업무에 임하는 경우가 많습니다. 그러나, 이러한 노하우는 담당자가 이동하거나 퇴직하는 경우 없어지게 됩니다. 독자적인 노하우로 획득・유지해왔던 고객이 있다면 그 고객조차 잃게 될 수 있습니다.

          그러나, 노하우를 조직 내에 공유한다면 이러한 리스크를 줄일 수 있습니다. 또한, 이러한 노하우를 공유하고 배움으로써 많은 팀원이 능력을 키운다면 팀 능력의 균등화를 이룰 수 있습니다. 팀 전체의 퍼포먼스를 올리는 것도 가능하며 축적된 다양한 사례를 활용하여 여러 상황에 대응할 수 있는 유연성도 기를 수 있습니다.

          작업의 반복을 막고 작업 효율이 높아진다

          각 팀원이 공통으로 하는 작업을 통합하고 공유함으로써 반복 작업을 줄여 시간을 효율적으로 사용할 수 있습니다.

          영업에서는 단계에 따라 필요한 정보와 작성하는 자료가 다르지만, 이 부분을 각 팀원이 개별적으로 작성하고 있다면 시간적 손실입니다. 이러한 자료는 고객 처가 다르더라도 내용이 크게 다르지 않을 것입니다. 팀원 간에 내용을 공유하며 필요에 따라 일부 수정하여 사용한다면 작업 효율은 더욱 높아질 것입니다.

          한층 더 나아가 노하우 공유를 통해 다른 팀원이 아이디어를 내어 발전시킨다면 보다 유용한 자료로 개선할 수 있을 것입니다.

          고객 만족도가 높아져 LTV 향상으로 이어진다

          노하우 공유에 따라 팀원 전체가 동일한 태도를 유지할 수 있습니다. 이는 고객의 신뢰를 높이고 LTV(고객 생애 가치)의 향상으로 이어집니다.

          고객은 담당자가 바뀔 때마다 상황을 다시 설명하거나 동일한 문제가 발생하는 것을 싫어합니다. 그러나, 노하우 공유가 충분하게 이루어지면 이러한 상황을 막을 수 있습니다.

          기존 고객의 신뢰를 한층 두텁게 하고 지속적인 기업 이익을 위해 노하우 공유는 중요합니다.

          팀원 간의 신뢰 관계가 두터워진다

          팀원 간의 긴장감과 경쟁이 적절히 있다면 팀에 있어 긍정적인 요소가 있을 것입니다. 하지만, 누군가가 나만의 정보나 테크닉을 염탐한다면 팀원 간 관계에도 악영향을 끼치는 경우가 있습니다.

          그러나, 노하우를 적극적으로 공유한다면 이러한 상황이 발생하지 않습니다. 사소한 정보와 약간의 테크닉이라도 오픈할 수 있는 환경이라면 팀 내 커뮤니케이션도 자연히 활성화될 것입니다. 또한, 팀원 간의 신뢰 관계가 높아진다면 문제나 사고가 일어날 때도 팀으로서 대처하고 수습할 수 있습니다.

          노하우 공유 프로세스

          이제 노하우를 공유하는 프로세스에 대해 설명하겠습니다. 실제 작업은 조직의 규모와 상황에 따라 다르겠지만 자사에 맞는 방식으로 도입하는 것이 중요합니다.

          또한, 공유 프로세스를 구성하고 원활히 적용하기까지 규칙의 수립과 현장의 의견 조정 등 다양한 작업이 필요합니다. 따라서 지표가없는 작업의 이점 부서 내 프로젝트 담당자를 두고 진행하는 것이 좋을 것입니다.

          1. 왜 필요한가를 이해시키기

          새로운 것을 시작하려면 빈번히 「또 무언가 쓸데없는 일을…」과 같은 부정적 반응이 나오기 쉽습니다. 대부분 「일이 늘어난다」 「귀찮다」와 같은 사소한 반응일 수 있지만, 그대로 방치하면 팀이 발전할 수 없습니다.

          노하우 공유를 하기 전에 우선 「왜 이것이 필요한가」와 같이 조직 내에 충분한 이해가 밑받침되어야 합니다.

          또한, 노하우 공유를 위해선 ‘일이 늘어난다 ’는 사실이기 때문에 그 이상의 메리트가 있다는 사실을 팀원 전체가 확실히 이해할 수 있도록 설득해야 합니다. 툴을 사용할 경우, 정보를 입력하는 시간이 필요하지만 작업 효율이 높아져 핵심 업무에 몰두할 수 있는 시간이 늘어나게 됩니다. 이 같은 프로세스를 반복하면 팀에 있어 매우 큰 장점이 될 것입니다.

          2. 공유 규칙 정해두기

          다음으로 필요한 것은 공유 규칙을 정하는 것입니다. 우선 정해야 할 것은 「무엇을 공유할까」 입니다.

          방문, 견적서 수 등의 행동 량, 활용한 자료 등은 숫자나 파일 이름으로 표시하는 것이 가능하지만, 「계약의 클로징 타이밍을 판단하는 방법」이나 「상황에 따른 대화 내용」 등은 그대로 기록하기 어렵습니다. 또한 지표가없는 작업의 이점 자세한 기록은 입력 작업 자체로 큰 부담이 되어 버립니다.

          그렇다고 해서 기록 방법을 통일해 두지 않으면 나중에 내용을 알기 어려운 경우가 있습니다. 따라서 이해하는 데 문제가 없는 기록 방법으로 통일해 두어야 합니다.

          3. 공유 방법 만들기

          규칙 설정과 함께 「어떤 툴을 사용할까」 「어떻게 업무에 접목해 갈까」 「성과를 어떤 지표로 측정할까」 「수정 타이밍을 어디에 설정할까」와 같은 노하우 공유를 하는 방법도 만들어 두어야 합니다.

          워크플로우에 변화를 주는 방법을 만들 때는 「해보지 않으면 모른다」와 같은 생각 때문에 「일단 해보고 부족한 부분을 검토해보자」와 같은 생각을 하기 쉽습니다.

          그 결과 「역시 안되네」와 같은 생각으로 결론 내기가 쉽습니다. 그러한 결말을 피하기 위해서도 사전에 가능한 방법을 생각해 두어야 합니다. 그렇지 않으면, 툴과 시스템에 투자한 것이 쓸모 없어지고 「우리는 노하우 공유는 불가능하다」와 같은 최악의 상황을 만들게 됩니다.

          4. 성과를 검증하고 개선을 반복하기

          노하우 공유를 시작하고 상황을 수시로 모니터해야 합니다. 「모든 팀원이 문제 없이 공유 방법을 활용할 수 있는가」,「성과는 오르고 있는가」,「수정이 필요한 부분은 없는가」 등 현장의 상황에 따라 개선을 반복해 나가면 쉽게 성과를 올릴 수 있는 방향으로 개선할 수 있습니다.

          노하우 공유의 목적을 그 방법을 만드는 것에서만 집중해서는 안 됩니다. 이를 효과적으로 활용하여야 수익으로 이어질 수 있습니다. 물론, 바로 성과가 나타나지는 않기 때문에 장기적인 관점에서 성과를 측정하고 팀원의 의견도 공유하면서 다듬어 나가야 합니다.

          노하우 공유를 위해 이용 가능한 툴은?

          노하우 공유에서 플랫폼이 되는 툴이 필요합니다. 어떤 툴이 좋은지는 조직의 규모나 상황에 따라 다를 수 있습니다.

          노하우 공유에 이용할 수 있는 툴의 종류 몇 가지를 소개하겠습니다.

          사내 SNS

          사내 SNS를 사용한다면 정보의 발신・기록이 쉬워질 수 있습니다. 부서를 넘은 자유로운 커뮤니케이션이 가능하고 사용 방법은 다양합니다.

          단, 축적된 정보 관리라는 점에서 작업이 복잡해지기 때문에 규모가 큰 조직에는 적합하지 않습니다.

          그룹웨어는 정보의 발신・기록 이외에 스케줄 및 태스크 관리・공유도 가능하기 때문에 노하우 공유를 하기 적합합니다. 이미 이러한 툴을 도입하고 있다면, 현장 담당자의 부담도 덜 할 것입니다.

          온라인 학습 플랫폼

          이러한 노하우를 온라인 학습 플랫폼에 축적한다면 인재 육성에 활용할 수 있습니다. 각 팀원이 언제나 과거 노하우를 공유할 수 있고, 신규 담당자가 빠르게 지표가없는 작업의 이점 퍼포먼스를 높이는 데도 도움이 됩니다.

          노하우를 「기업의 자산」이라고 생각한다면, 노하우 공유는 자산 가치를 최대화하는 효과적인 방법입니다.

          세일즈포스에서는 「myTrailhead」라는 온라인 학습 플랫폼을 제공하고 있습니다.

          노하우 공유를 성공시키기 위한 포인트는?

          노하우 공유는 규칙과 프로세스의 구축에서 도입・운영까지 몇 가지 작업을 걸쳐 실현됩니다. 그러나, 그 프로세스에는 주의해야 할 포인트가 있습니다.

          마지막으로 노하우 공유를 성공시키기 위한 포인트 2가지를 소개하겠습니다.

          혼란이 없도록 글로 남겨두기

          노하우를 공유하는 데 있어 「방문 제안 후 반드시 전화로 팔로업」과 같은 방법은 충분하지 않습니다. 이러한 작성 방법은 「언제」가 모호하고 「누구에게」 「어떻게」가 없습니다. 또한, 「팔로업」만으로는 「검토 부탁드립니다」만으로 끝내기 쉽습니다.

          「제안에 대한 이해도를 어떻게 측정하는가」 「회신을 받는 기간을 언제쯤으로 설정할까」와 같은 사항을 명확히 해야 합니다.

          노하우 공유와 인사 평가를 링크하기

          능력이 높은 팀원에게 있어 노하우는 자신의 무기이기도 합니다. 「그다지 공개하고 싶지 않다」라는 감정이 생길 수 있습니다. 그러므로 자신의 노하우를 공개하면 인센티브를 지급하거나 인사 평가와 연관 짓는 등 보상 프로세스를 만드는 것도 좋을 것입니다.

          동시에 노하우를 학습한 측도 배려하여 다른 팀원의 노력을 활용한 메리트를 이해하고 업무에 적용하여 평가한다면 보다 좋은 결과를 얻을 수 있을 것입니다.

          무엇과도 바꿀 수 없는 노하우란 자산을 유용하게 활용합시다

          개인이 경험하여 습득한 노하우는 애플리케이션이나 정보, 비즈니스 툴처럼 「구입하여 도입한다」가 불가능합니다. 즉, 기업에 있어 이러한 노하우는 큰 자산입니다.

          이 자산을 어떻게 축적하고, 공유하여 유용하게 활용할 것인가는 모든 기업이 고려해야 할 과제입니다. 무엇과도 바꿀 수 없는 노하우 자산을 활용하여 업무에 적용해보십시오.

          지표가없는 작업의 이점

          이 페이지는 보관되었습니다.

          이 보관 문서는 더 이상 사용할 수 없는 Qlik Sense Enterprise의 배포 옵션과 관련이 있습니다. 이 문서는 2021년 1월 1일 이전에 Kubernetes 옵션에 Qlik Sense Enterprise를 배포한 기존 고객에게만 적용됩니다.

          KPI 시각화는 하나 또는 두 개의 측정값을 표시할 수 있으며, 성능 추적에도 사용됩니다.

          KPI visualization.

          사용 시기

          KPI를 사용하여 조직에서 가장 중요한 성과 값의 개요를 구할 수 있습니다. 색 코드 및 기호를 사용하여 수치가 원하는 성과에 얼마나 도달했는지 나타냅니다.

          KPI를 통해 영역 내 성과를 빠르게 이해할 수 있습니다.

          KPI는 그래픽 구성 요소를 표시하는 데 있어서 다소 제한이 있습니다. 따라서 기호를 사용하여 성과를 표시할 수 있지만, 더 이목을 끄는 구성 요소를 원하는 경우에는 게이지 사용을 고려해 보십시오.

          KPI 만들기

          편집 중인 시트에 KPI 시각화를 만들 수 있습니다.

            자산 패널에서 빈 KPI 차트를 시트로 끕니다.

          측정값 추가 를 클릭하고 측정값을 선택하거나 필드에서 측정값을 만듭니다.

          KPI 시각화에서는 하나 또는 두 개의 측정값을 가질 수 있으며 차원은 가질 수 없습니다. 두 개의 측정값을 사용하는 경우, 두 번째 값은 자동으로 보완 값이 되어 더 작은 글꼴 크기로 표시됩니다. 속성 패널의 측정값 에서 측정값을 끌어서 순서를 쉽게 전환할 수 있습니다.

          KPI 시각화를 만들었으면 속성 패널에서 모양 및 기타 설정을 조정할 수 있습니다.

          다음 설정은 KPI 시각화에서 기본으로 사용됩니다.

          • 중앙 맞춤.
          • 검정 텍스트 색.
          • 반응형 레이아웃 동작.
          • 중간 글꼴 크기.
          • 제목 없음.
          • 측정값 레이블 표시.
          • 조건부 색 및 기호 꺼짐.
          • 시트에 대한 연결 없음.

          조건부 색 및 기호 사용

          KPI 시각화에 조건부 색을 사용하는 경우, 측정값 옆에 표시할 기호 사용에 대한 옵션이 있습니다. 또한 다음과 같은 옵션도 사용할 수 있습니다.

          • 범위 한계 설정.
          • 한계를 추가하여 성과를 표시하는 서로 다른 색이 지정된 하위 섹션을 만들 수 있습니다(예: 양호(녹색), 기대에 못 미침(노란색), 매우 나쁨(빨간색)).
          • 값에 기호 추가.
          • 색 섹션 사이에 그라데이션 색 사용.

          표현식을 사용하여 한계를 설정할 수 있습니다. 이러한 설정은 모두 시트 편집 시 지표가없는 작업의 이점 창의 오른쪽에 표시되는 속성 패널에서 수행할 수 있습니다.

          다른 시트로 연결

          KPI 시각화에서 앱의 시트로 연결할 수 있습니다. 데이터를 분석하고 시각화를 클릭할 때, 다시 클릭하면 사전 정의된 시트로 이동할 수 있습니다. 시트는 새 탭에서 열립니다. ] 로 마우스로를 이동하면 시트의 이름이 표시됩니다. 이 아이콘은 프레젠테이션 에서 제목 표시 를 선택한 경우에만 표시됩니다.


0 개 댓글

답장을 남겨주세요