용어 색인

A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   X   Y   Z


용어 색인

A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   X   Y   Z


용어 색인

A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   X   Y   Z

용어

데이터 웨어하우스

간략한 정의

데이터 웨어하우스는 데이터베이스, 트랜잭션 시스템 또는 기타 정보 소스에서 데이터를 가져오는 대규모 데이터 저장소입니다.

주요 내용

 

● 기업은 데이터 웨어하우스에 과거 데이터를 대량 저장하고, 이 데이터를 바탕으로 비즈니스 추세와 변화를 감지하여 비즈니스 인텔리전스를 얻음으로써 더 나은 비즈니스 결정을 내릴 수 있습니다.

● 일반적으로 데이터 웨어하우스는 대기업에서 사용합니다. 그러나 클라우드 기반 데이터 스토리지를 도입하여 중소기업도 대량의 데이터를 저장할 수 있게 될 것입니다.

● 데이터 웨어하우스의 단점은 조직의 모든 구성원이 데이터에 액세스하기 매우 어렵다는 것입니다. 이 때문에 데이터를 기반으로 비즈니스 결정을 내리기가 어렵고, 결과적으로 부정적인 고객 경험을 초래할 수 있습니다.


Nate Smith는 Adobe Analytics Cloud 제품 마케팅 그룹 관리자입니다. 그는 여러 Adobe 제품의 전략 개발, 제품 출시, 포지셔닝 및 메시지, 가격 및 패키징, 영업 지원, 제품 요구 사항 및 경쟁 분석을 감독합니다. Nate는 거의 11년 동안 Adobe와 함께해왔습니다. Adobe에 합류하기 전, 마케팅 전략가로 6년 동안 경력을 쌓았습니다.

Q: 데이터 웨어하우스란 무엇입니까?

A: 데이터 웨어하우스는 데이터베이스, 트랜잭션 시스템 또는 기타 데이터 소스에서 데이터 집합을 가져와 저장하는 대규모 중앙 저장소입니다. 데이터 웨어하우스에 대량의 데이터 세트를 저장하는 목적은 이 세트를 분석하여 비즈니스에 영향을 미치는 추세, 특히 고객 행동과 관련된 추세를 파악하는 것입니다. 일반적으로 비즈니스 인텔리전스라 불리는 이러한 인사이트는 기업의 다양한 팀이 더 나은 비즈니스 결정을 내리는데 도움이 됩니다.

Q: 데이터 웨어하우스, 데이터베이스, 데이터 레이크의 차이점은 무엇입니까?

A: 크기와 기능 측면에서 데이터 웨어하우스는 빅데이터 저장이라는 피라미드의 상단에 위치합니다.

데이터베이스는 일반적으로 실시간으로 사용할 원시 데이터를 캡처하는 데 사용합니다. 그리고 수집하는 데이터의 유형이 좀 더 구체적입니다.

데이터 레이크(Data Lake)는 나중에 쓸 데이터를 일단 지금 저장해 둘 때 사용합니다. 데이터 유형, 형식을 막론하고 어떤 데이터이든 일단 저장했다가 나중에 어느 시점이 되면 저장해둔 데이터에서 가치를 추출할 수 있습니다.

데이터 웨어하우스는 데이터베이스, 데이터 레이크보다 규모가 큽니다. 그러나 실시간 데이터가 아닌 과거 데이터를 보관합니다. 데이터 웨어하우스를 가장 효과적으로 사용하는 방법은 다양한 채널의 데이터를 연결하는 것입니다.

Q: 데이터 웨어하우스는 어떻게 발전해왔습니까?

A: 데이터 웨어하우수는 수십 년 전부터 존재한 개념입니다. 다만 당시에는 훨씬 단순한 개념이었고, 데이터는 모두 온프레미스 데이터였습니다. 그러다가 시간이 지나면서 데이터 품질, 비즈니스 데이터 저장 기술, 데이터가 발전하면서 분석 구성 요소가 개선되어 오늘날 데이터 웨어하우스의 형태를 갖추게 되었습니다.

Q: 데이터 웨어하우스의 단점은 무엇입니까?

A: 데이터웨어 하우스의 가장 큰 단점은 대부분 데이터 웨어하우스 그리고 그곳에 저장된 데이터에 대한 접근권이 민주화되지 않는 것입니다. 즉, 조직의 구성원 누구나 동등하게 데이터를 열람할 수 없습니다. 대부분 기업의 경우, 데이터 분석 팀이 데이터 접근권을 가지며, 데이터를 바탕으로 제작한 보고서를 사내에 배포합니다. 보고서를 배포하는 것을 데이터 민주화로 보지만, 사실 정확한 개념은 아닙니다. 데이터를 시각화하는 것과 빅데이터 자체는 다르기 때문입니다.

예를 들어, 마케팅 팀이 고객 여정을 개선하기 위해 지난 6개월 동안의 참여 데이터를 쿼리할 계획이라고 가정해 보겠습니다. 그러나 마케팅 팀에는 참여 데이터에 접근할 수 있는 권한이 없어 데이터 분석 팀을 통해 액세스를 요청해야 합니다. 하지만 분석 팀은 현재 업무가 많아 마케팅 팀의 요청을 확인조차 못 하고 있는 상황입니다. 마케팅 팀은 결국 데이터를 얻지 못해 기한 내에 최선의 비즈니스 결정을 내리는 데 필요한 인사이트를 얻을 수 없었고, 결국 고객 경험에 부정적인 영향을 미칠 가능성이 발생하게 되었습니다.

Q: 데이터 웨어하우스가 필요하지 않은 산업 또는 기업이 있습니까? 대체 수단에는 어떤 것이 있습니까?

A: 일반적으로 데이터웨어 하우스는 비용 및 인력이라는 측면을 고려하면 중소기업에는 필요하지 않습니다. 데이터 웨어하우스는 설치 비용이 많이 들고 구축, 실행, 데이터 최적화에 수십 명의 인력이 필요합니다. 중소기업이 이 정도 예산과 인력을 투자하는 것은 현실적이지 않습니다.

그러나 클라우드 기반 스토리지로 전환하면 중소기업도 대량의 데이터를 저장할 수 있는 길이 있습니다. 인공지능이 날로 발전하면서, 전문 데이터 과학자를 고용할 필요성이 점차 사라지고 있습니다. 이처럼 데이터 스토리지가 이제 셀프서비스의 방향으로 진화하고 있습니다. 따라서 중소기업도 데이터 웨어하우스를 위한 클라우드 스토리지를 도입하여 이전에는 생각조차 못 한 기술을 이용할 수 있게 될 것입니다.

Q: 데이터 웨어하우스는 앞으로 어떻게 발전할까요?

A: 미래의 데이터웨어 하우스는 클라우드 기반이 될 것입니다. 여기에는 많은 이점이 있습니다. 클라우드는 로컬보다 훨씬 안전하게 데이터를 보관할 수 있고, 온프레미스 데이터 저장으로 인해 발생하는 모든 법적 문제와 규제도 피할 수 있습니다. 또한 클라우드가 데이터 보관 비용도 훨씬 적기 때문에 사내 서버에 들어가는 막대한 예산을 절감할 수 있습니다. 이 부분에 있어서는 중소기업도 클라우드 기반 데이터 스토리지의 혜택을 누릴 수 있을 것입니다.

미래 데이터 웨어하우스의 또 다른 측면은 클라우드 분석입니다. 대기업은 이미 데이터 웨어하우스에 대규모 분석 세트를 적용하고 있습니다. 한 단계 더 나아가 미래에는 데이터 웨어하우스에 인공지능 요소를 탑재하여 머신 러닝을 사용해 비즈니스 결정을 내리게 될 수도 있습니다.

Adobe가 도와드리겠습니다

Adobe Experience Cloud를 통해 지식을 행동으로 전환하십시오.