데이터 제품에서 데이터 서비스로의 기업 전략 전환

주장기업은 개별 사용 사례에 맞춘 데이터 제품 구축을 중단하고 유연한 데이터 서비스 계층을 구축해야 합니다. 제품 모델은 고정적이지만 서비스 모델은 인공지능(AI) 에이전트와 같은 새로운 데이터 소비 방식에 훨씬 더 높은 적응력을 보입니다.

팩트하우든은 50개국 이상에서 2만 5000명의 직원을 둔 글로벌 보험 중개 및 재보험사입니다. 이 기업은 지난해 매주 1개 이상의 기업을 인수하며 공격적인 성장을 기록했습니다.

교차검증전통적인 데이터 전략은 전략 수립, 플랫폼 구축, 소스 온보딩, 제품 개발이라는 순차적 과정을 따릅니다. 그러나 인수 합병이 잦고 AI 기반 워크플로우 도입 속도가 빠른 현대 기업 환경에서 이러한 방식은 비즈니스의 제약 요소가 됩니다.

팩트하우든은 데이터브릭스(Databricks) 플랫폼을 통해 100개 이상의 기록 소스를 통합했습니다. 이를 통해 규제 보고부터 데이터브릭스 지니(Genie)를 활용한 대화형 분석까지 모든 업무를 지원합니다.

주장데이터 마스터링과 품질 검사를 데이터 수집 단계로 앞당기는 '시프트 레프트(Shift Left)' 전략이 필요합니다. 이를 통해 데이터 통합 주기를 수개월에서 수주 단위로 단축할 수 있습니다.

교차검증데이터 품질 검사를 보고 계층에 가깝게 배치하면 데이터 통합이 늦어지고 부서 간 데이터 사일로(Silo)가 발생합니다. 이는 결국 중복 작업과 비용 증가라는 비효율을 초래합니다.

팩트하우든은 데이터 통합 주기를 단축하기 위해 표준 데이터 모델인 어코드(ACORD) 모델을 도입했습니다. 이를 통해 수동 조정 과정을 자동화하고 데이터의 일관성을 확보했습니다.

주장가장 중요한 성과 지표는 데이터의 신선도가 아니라 '인사이트 지연 시간'입니다. 데이터가 기업 내부에 존재하는 시점과 실제 사용자가 이를 활용할 수 있는 시점 사이의 간극을 줄이는 것이 핵심입니다.

팩트하우든의 배리 파나이 최고데이터책임자는 데이터가 파편화되어 있을 때 데이터 활용도가 낮았다고 밝혔습니다. 데이터가 가시화되는 것만으로도 부서 간 협업과 새로운 비즈니스 기회 창출이 가능해졌습니다.

주장데이터 서비스로의 전환은 단순한 기술적 변화를 넘어 기업의 의사결정 속도를 높이는 필수적인 경영 전략입니다. 서비스 중심의 데이터 아키텍처는 변화하는 시장 환경에 즉각 대응하는 기반이 됩니다.

교차검증다만 데이터 서비스 계층 구축 시 보안과 거버넌스 체계가 동반되지 않으면 데이터 유출이나 품질 저하 문제가 발생할 수 있습니다. 따라서 기술 도입과 함께 데이터 관리 정책의 정교화가 병행되어야 합니다.

출처하우든의 데이터 전략 사례와 데이터 서비스 전환의 필요성을 데이터브릭스 공식 블로그를 통해 교차 검증했습니다. (https://www.databricks.com/blog/stop-building-data-products-start-building-data-services)