리더는 건전한 비즈니스 결정을 내리기 위해 조직 내의 데이터를 신뢰해야 합니다. 그래서 많은 사람들이 마스터 데이터 관리(MDM)로 전환하고 있습니다. 해결책 비즈니스 가치를 높이는 균일하고 정확한 데이터를 얻고 유지합니다.

그러나 Gartner에 따르면, 75% 조직 전체의 모든 MDM 프로그램이 비즈니스 목표를 달성하지 못하는 경우가 많습니다. 더욱이 이러한 추세는 2015년 이후 더욱 악화되어 9% 증가했습니다.

Dun & Bradstreet의 수석 컨설턴트이자 데이터 기반 조직으로 발전하기를 원하는 고객과 협력하는 전문가인 Amy Cooper는 "MDM은 복잡합니다."라고 인정했습니다. “사람, 프로세스, 기술을 조정하여 마스터 데이터를 관리하고 구조화함으로써 좋은 결과를 얻을 수 있습니다. 데이터 품질 특히 어렵다”고 말했다.

MDM이 왜 그렇게 어려운지 기업이 이해할 수 있도록 돕기 위해 Cooper는 최근 한 컨퍼런스에서 자신의 통찰력을 공유했습니다. 데이터 거버넌스 및 정보 품질 컨퍼런스(DGIQ). 그녀는 MDM의 세 가지 함정을 다루고 이를 해결하기 위한 제안을 제시했습니다. 

MDM 프로그램을 비즈니스 목표에 연결하지 못함

Cooper의 첫 번째 중요한 함정은 MDM 프로그램을 비즈니스 목표에 연결하지 못하는 것입니다. 그녀는 주요 이해관계자인 많은 경영진이 MDM 프로그램의 필요성을 이해하지만 이것이 비즈니스 가치와 어떻게 연결되는지에 대한 지식이 부족하다고 설명했습니다. 

많은 경영진은 MDM 프로그램을 평가조차 하지 않습니다. 그녀는 조직의 90%가 MDM 프로그램에 대한 핵심성과지표(KPI)를 수집하지 못한다고 지적했습니다.

“10%의 기업에는 비즈니스 성과가 아닌 데이터 자체와 관련된 지표나 KPI가 있습니다.”라고 그녀는 말했습니다. Cooper는 아래 다이어그램을 사용하여 자신의 요점을 설명했습니다.

그림 1(이미지 출처: 가트너)

그녀는 C레벨의 "이해관계자" 아래에 있는 삼각형의 왼쪽을 가리키며 "임원들은 MDM의 프로그램 성공을 ​​수익 증대, 비용 절감, 위험 완화 또는 보다 효율적인 운영과 같은 결과와 연결합니다"라고 말했습니다.

그러나 다이어그램 하단에 표시된 것처럼 측정항목을 데이터 및 워크플로와 연결하면 간격이 남습니다. 그녀는 이러한 접근 방식이 없거나 측정 기준이 없으면 MDM 자금 조달을 옹호하기가 더 어렵다고 지적했습니다. 

그녀는 “임원들은 MDM이 진행되고 있다는 사실을 이해하지 못한다. 그것이 사고방식이자 문화입니다.” MDM 지표가 자신의 초점을 구성하는 결과와 연결될 때 이 개념을 얻을 가능성이 더 높습니다.

오로지 기술에만 의존

Cooper는 MDM의 가치를 비즈니스 성과와 연결하지 못하는 것 외에도 "사람들은 기술을 활용하여 MDM을 시작합니다"라고 말했습니다. "그런 다음 인력, 프로세스, 마스터 데이터를 선택한 기술에 맞추려고 노력합니다."

또한, 기술을 최우선으로 생각하는 과정에서 조직은 좋은 점을 당연하게 여깁니다. 데이터 품질, 깨끗하고 목적에 맞는 데이터입니다. 그러다가 클라우드 환경으로의 마이그레이션과 같은 주요 이니셔티브 중에 데이터가 그다지 깨끗하지 않다는 사실을 발견하게 됩니다. 데이터 품질이 충분한지 평가하기 위한 시간과 리소스 예산을 책정하지 못합니다.

엔지니어와 관리자는 깨끗한 데이터를 얻기 위해 Dun & Bradstreet와 같은 공급업체를 고용하여 이 문제에 대응합니다. 이 작업 중에 IT는 비즈니스 사용 사례를 이해하지 못한다는 사실을 알게 됩니다. 

쿠퍼는 “기술만으로는 데이터를 정리할 수 없습니다. 유사한 기록을 일치시켜 일관성과 구조를 가져옵니다.” MDM에는 이 서비스 이상이 필요합니다. 데이터 품질에 대한 헌신과 조직의 문화 및 성숙도 수준에 맞는 구현이 필요합니다.

모든 것을 스스로 하려고 노력 중

조직은 혼자서 하려고 하기 때문에 위의 함정과 다른 함정에 빠지며 대부분은 이전에 MDM을 수행한 적이 없습니다. 대신에 Cooper는 “조직마다 MDM을 통해 다양한 기능을 갖고 있으며 자신이 모르는 것이 무엇인지 알 수 없습니다”라고 말했습니다.

그녀는 수직적 시장 전략의 일환으로 데이터를 마이그레이션하기로 결정한 조직의 예를 제시했습니다. 그 회사는 고객의 데이터와 관련된 업종이 없는 회사와 협력했습니다. 그녀는 다음과 같이 덧붙였습니다.

“고객이 어떤 산업 분야에서 사업을 하고 있는지 모르는 경우 기업은 수직 시장 전략을 어떻게 운영할 수 있습니까? 회사는 영업팀에 앉아 해당 부서를 연결하도록 할 수 있습니다. 하지만 그 과정은 결국 주관적이고 시간 소모적이다.”

또한 Cooper는 혼자 일할 때 발생하는 두 가지 다른 골치 아픈 문제에 대해 이야기했습니다. 첫째, 터키는 UN에 모든 신청서에서 이름의 철자를 수정해 줄 것을 요청했습니다. 

또한 Cooper의 고객 중 일부는 러시아-우크라이나 분쟁으로 인해 비즈니스 명령을 준수하는 것에 대해 불안해졌습니다. 그녀는 모범 사례, 객관적인 데이터 평가, 데이터의 유효성 여부 이해를 위해 전문가와 상담하라고 조언했습니다.

함정을 피하기 위한 예방조치 취하기

위에서 언급한 세 가지 함정을 최소화하려는 기업은 MDM 프로그램을 비즈니스 목표에 연결하고, 기술을 넘어 데이터에 주목하고, MDM 전문가와 협력해야 합니다. 쿠퍼는 대화 중에 함정을 해결하는 방법을 자세히 설명했습니다.

MDM 지표를 비즈니스 목표에 맞추기 위해 이해관계자와 대화 

MDM 프로그램을 비즈니스 목표에 연결하려면 조직 전체의 이해관계자, 특히 영업, 마케팅, 조달 및 공급과 같은 직접적인 재무 위험이 있는 부서와 대화해야 합니다. Cooper는 독자들이 각 단위의 목표와 수익 증대, 비용 절감, 위험 완화 또는 보다 효율적인 운영의 성공 여부를 측정하는 방법을 배워야 한다고 말했습니다. 아래 그림 2를 참조하세요.

그림 2(이미지 출처: 에이미 쿠퍼)

Cooper는 포함할 이해관계자로서 영업을 지적했습니다. 그녀의 모델에서 판매 기능은 더 많은 제품이나 서비스를 판매하거나 기존 고객을 유지함으로써 수익을 늘리는 것입니다. 

그녀는 계속해서 고객 유지율을 높이기 위한 지표를 설계했습니다. Cooper는 고객 만족도 설문조사를 지침으로 사용하여 고객이 주문한 제품과 올바른 상품을 정시에 정확한 주소로 받을 때의 충성도를 나타냅니다.

이런 상황에서 조직은 고객을 벤치마킹해야 했습니다. 데이터의 정확도, 완전성 및 채우기 비율, 특히 청구지 주소, 배송지 주소 및 연락처 이름 속성입니다. 그런 다음 회사는 자동화를 통해 이러한 지표를 개선하는 것을 목표로 삼을 수 있으며, 이는 고객 유지에 영향을 미치고 비즈니스 성과를 촉진합니다.

기술을 넘어 데이터 품질까지 고려

Cooper는 기술보다는 참조 데이터 등을 통해 데이터 품질에 초점을 맞추라고 조언했습니다. 아래 그림에서 회사는 왼쪽과 같이 고객인 Emerson Electric에 대한 데이터를 가지고 있습니다. 오른쪽의 표 형식 데이터는 제3자 참조 데이터와 왼쪽 회사에 제공되는 단일 정보 소스를 나타내며 Emerson Electric의 다양한 법인을 포함합니다. 

조직 성숙도를 염두에 두고 MDM 설계

이해관계자들과 대화하고 데이터 품질에 초점을 맞추는 것 외에도 Cooper는 조직 성숙도를 염두에 두고 MDM 프로그램을 설계할 것을 제안했습니다. 그녀는 성숙도를 초기, 중간, 후기 단계로 나눈 다음 가치 창출에 대해 논의하는 슬라이드로 넘어갔습니다.

Cooper는 왼쪽 하단의 파일/애플리케이션 수준에서 시작하여 성숙 초기 단계에서 비즈니스를 위한 이러한 프로그램을 구축한 방법을 설명했습니다. 회사는 국민 계정 프로그램을 만들고 싶었지만 고객 데이터에 액세스할 수 없었습니다. 그래서 그녀는 지출 및 비즈니스 규모를 기준으로 전국적으로 동일한 고객을 식별하고 이 정보를 고객 관계 관리(CRM) 애플리케이션과 연결했습니다.

중간 수준에서 Cooper는 비즈니스 단위에 대해 우수한 데이터 품질을 확보하는 방법을 살펴보고 성숙 단계 후반에 이러한 성공을 여러 팀으로 확대하려고 합니다. 예를 들어 Cooper의 고객 중 한 명이 10년 전에 이러한 엔터프라이즈급 MDM 통합을 시작했습니다. 

재무 및 위험 부서에서는 현지화된 애플리케이션 보기를 선호하기 때문에 기업 수준의 MDM 통합은 어려운 것으로 입증되었습니다. Cooper는 MDM이 시각화를 수행하는 방식에 대해 기업 전체의 팀 합의가 중요하다고 설명했습니다.

MDM 수행을 위한 전문가 조언 활용 

Cooper는 최고의 예방책으로 "동료 및 이전에 MDM을 수행한 사람들과 대화하고 파트너를 활용하여 데이터를 지원하는 것"이라고 말했습니다. 이러한 전술은 비교를 위한 시금석을 제공함으로써 회사 데이터에 대한 모범 사례 및 객관적인 평가의 소스를 제공합니다. 

그녀는 정확하고 신뢰할 수 있는 참조 데이터와 내장된 거버넌스 및 용어를 갖춘 전문가를 활용하여 단일 정보 소스를 제공할 것을 권장했습니다. 이렇게 하면 조직은 자신의 데이터가 "유효한 비즈니스 엔터티"를 얼마나 잘 나타내는지 확인할 수 있습니다.

제3자가 회사의 데이터를 평가한 후 해당 조직은 다음을 질문해야 합니다.

• 데이터는 어디에 있나요?
• 그것은 무엇을 나타냅니까?
• 정확합니까?
• 이용 가능합니까? 
• 데이터 품질이 좋은가요?

그녀는 조직에 파트너의 데이터를 자체 데이터와 통합하여 "비즈니스 외부의 고유한 요구 사항"을 강화하고 필수 비즈니스 관계에 대해 가장 신뢰할 수 있는 보기를 얻으라고 조언했습니다. 이 옵션을 고려할 때 기업은 이러한 공동 시각화에 대해 파트너와 협력할 수 있는 리소스를 할당해야 합니다.

결론

Cooper는 MDM 프로그램이 성공할 수 있다고 강조했습니다. 비즈니스 목표에 대해 이해관계자와 대화하고, 데이터 품질에 중점을 두고, 조직 성숙도를 고려하고, 전문가를 참여시키는 것은 모두 비즈니스 가치를 MDM에 연결하지 못하고, 기술에 먼저 집중하고, 모든 것을 혼자서 수행하려고 하는 데 따른 영향을 최소화합니다.

그녀는 MDM에 참여하는 것은 작은 규모로 시작하여 MDM 활동을 개선하고 함정을 피하기 위해 이 과정을 반복하는 "긴 게임"임을 강조했습니다. Cooper는 “MDM 성공을 기반으로 제품, 지역 또는 애플리케이션을 목표로 삼으십시오.”라고 강조했습니다.

DATAVERSITY의 예정된 이벤트에 대해 자세히 알고 싶으십니까? 현재 온라인 및 대면 컨퍼런스 라인업을 확인하십시오. 여기에서 지금 확인해 보세요..

아래의 DGIQ 프레젠테이션을 시청하세요:

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://www.dataversity.net/common-master-data-management-mdm-pitfalls/