고급 AI 기반 데이터 분석에 대한 논의가 활발하지만, 한 가지 중요한 구성요소가 간과되는 경우가 많다. 바로 ‘메트릭 계층(metrics layer)’이다. 메트릭 생성, 즉 데이터 신호를 실용적이고 유의미한 인사이트로 변환하는 메트릭을 정의하고 관리하는 프로세스가 바로 이 계층에서 이뤄진다.

메트릭 생성은 효과적인 분석에서 그 중요성이 커지고 있지만 전체적인 비즈니스 인텔리전스(BI) 측면에서 중요성에 상응하는 관심을 받지 못하는 경우가 많고, 기업에서도 대체로 역할을 이해하지 못하고 있다.

메트릭 계층이란 무엇인가?

메트릭은 어떤 개념을 측정 가능한 대상으로 변환한다. 메트릭은 프레임워크를 제공하고, 이해관계자는 이 프레임워크를 기반으로 원하는 대상의 변화를 추적할 수 있다. 원시 데이터 신호를 메트릭으로 변환하기 전까지는 개선 또는 품질 저하를 측정할 방법이 없고, 패턴이나 추세를 파악할 수도 없다.

메트릭 계층, 메트릭 생성, 메트릭 저장소, 메트릭 플랫폼 또는 헤드리스 BI(headless BI)는 모두 메트릭을 생성, 관리, 정의, 적용하고 제공하는 과정에서 사용되는 용어다. 베스트 프랙티스와 기능 및 툴 번들은 데이터 소스와 그 데이터를 사용하고 인사이트를 제공하는 앱 사이에 위치하며, 그래서 ‘메트릭 계층’이라는 용어가 탄생했다.

메트릭 계층의 기능은 다음과 같다.

• 모든 대시보드, 보고서, 애플리케이션 등의 메트릭을 위한 단일 진실 공급원 역할을 한다.
• 메트릭을 계산하는 방법과 KPI 평가에 사용해야 하는 속성에 대한 정보를 저장한다. 데이터 리포지토리와 데이터의 관계, 깃허브와 코드의 관계를 생각하면 된다.
• 메트릭 요청을 SQL 쿼리로 변환하고 요청을 실행한 다음 사용자에게 메트릭을 반환한다.
• 주요 메트릭을 정의하고, 데이터가 나타내는 의미를 설명하고(예를 들어 증가가 긍정적인 현상인지 부정적인 현상인지 등), 메트릭 간의 관계를 보여준다.

이 용어를 최초로 사용한 주요 기업인 가트너에 따르면 메트릭 생성은 “기업이 데이터에 연결하고 데이터를 준비하고 조직 전체에서 공유할 수 있는 표준화된 메트릭을 정의할 수 있게 해주는” 사용례다.

태블로(Tableau)의 제품 관리자 크리스티나 오브리는 “메트릭 계층은 기업에서 메트릭과 메트릭 계산 방법을 표준화할 수 있게 해준다. 이 계층은 기업 내 모든 데이터 소스의 모든 메트릭 또는 KPI 정의를 위한 단일 진실 공급원을 구축한다”라고 설명했다.

메트릭 계층은 BI의 성공을 위해 필수적인가?

메트릭 생성은 매우 중요하다. 가트너도 메트릭 생성을 BI 플랫폼의 필수 구성요소로 분류한다. 견고한 메트릭 계층이 없으면 BI 플랫폼은 유용한 비즈니스 인텔리전스를 제대로 제공하기 어렵다.

기업에는 방대한 양의 데이터가 유입되고 데이터를 측정하고 분석하는 툴도 너무 많아 결과적으로 메트릭의 일관성이 떨어진다. 간단한 메트릭조차 툴마다 측정 방법이 달라 혼란스러워질 수 있다.

피라미드 애널리틱스(Pyramid Analytics)의 CTO이자 공동 창업자인 아비 페레즈는 “성숙한 기업은 공식의 일관적인 계산을 보장해 전 부서에 걸친 사용자에게 최대한의 유용성을 제공하는 프로토콜이 왜 필요한지 이해한다. 이들은 단일 진실 공급원을 희생하면서까지 셀프 서비스를 장려하지는 않으며, 메트릭을 표준화하기 위한 메커니즘을 모색한다”라고 말했다.

데이터의 가치는 인사이트로 전환될 때만 실현된다. 또한 이렇게 얻은 인사이트는 적절한 의사 결정자에게 적절한 맥락과 함께 전달돼야 한다. 메트릭 계층은 모든 비즈니스 이해관계자가 합리적인 의사 결정을 위한 정보로 활용할 수 있는 보편적인 메트릭 용어집을 만들 수 있게 해준다.

메트릭 계층 없이 운영할 때의 위험

앱의 활성 사용자 수를 계산한다고 생각해 보자. 주 단위로 측정해야 할까, 아니면 월 단위 또는 연 단위로 측정해야 할까? 사용자가 더 이상 ‘활성’ 사용자로 분류되지 않으려면 로그인 사이의 기간이 얼마나 길어야 할까? 사용자를 지리적으로 세분화하는 최선의 방법은 무엇일까?

질문에 대한 답을 도출하는 방식이 제각기 다르다면 시간 낭비, 데이터에 대한 신뢰 상실, 그리고 전반적인 혼란으로 이어진다. 보편적으로 관리되는 메트릭 계층이 없으면 각 부서의 방향이 서로 어긋나고 동일한 메트릭을 서로 다른 방식으로 측정하는 상황이 된다. 지금과 같은 데이터 중심 비즈니스 의사 결정 시대에서 혼탁하거나 일관성이 없는 데이터는 큰 피해를 유발하는 잘못된 의사 결정으로 이어진다.

이 같은 비일관성을 해결하기는 매우 어렵다. 우선 온갖 데이터 소스와 분석 툴, 맞춤형 쿼리에 흩어져 있는 모든 데이터를 찾아야 한다. 이런 데이터가 감독 없이 재사용되면 비일관성이 점점 더 커진다. 모든 툴, 모든 부서 책임자의 비즈니스 로직 정의를 매번 변경한다는 것은 데이터팀이 가치를 창출하는 작업에 전념하지 못하고 문제와 씨름하느라 시간을 낭비하게 된다는 것을 의미한다.

켈러 윌리엄스 리얼티 인터내셔널(Keller Williams Realty International)의 BI 분석가인 크리스 응우옌은 “기업에는 여러 개의 대시보드가 있다. BI 툴도 여러 가지일 수 있다. 이 모든 부분에서 각 메트릭에 대한 비즈니스 로직을 매번 정의하기를 원하는 사람이 있을까? 비즈니스가 성장하면서 로직이 변경된다면? 이 경우 누군가가 데이터를 보고 의사 결정을 내릴 때쯤이면 하나의 인스턴스가 미세하게 어긋나거나 오래되어 유효성을 잃었을 가능성이 높아진다”라고 경고했다.

중앙 집중식 메트릭 계층은 한 곳에서 메트릭을 정의하고 저장해서 조직의 모든 구성원이 항상 동일한 로직을 사용하도록 하는 방법이다.

메트릭 계층의 이점

메트릭을 생성하는 것은 단순히 일관된 지표라는 필수적인 요구 이상의 가치를 제공한다. 기업에서 비즈니스 메트릭과 KPI를 위한 중앙 집중식 저장소를 구축하면 다음을 포함한 많은 이점을 얻을 수 있다.

• 조직 전반에 사용되는 메트릭의 일관성으로 데이터에 대한 신뢰도 향상
• 데이터 전문가가 아닌 사업부 사용자도 중요한 메트릭에 손쉽게 접근
• 회사 전반적으로 비즈니스 로직의 확장성 증대
• 인사이트 도출 시간 단축과 실시간 업데이트
• 변화하는 비즈니스 요구에 대한 적응력 향상

IT 컨설턴트 션 마이클 커너는 “메트릭 저장소는 기업이 다양한 데이터 툴과 팀에서 메트릭 정의와 계산을 일관적으로 사용·재사용하는 방법을 제공한다”라고 강조했다. 모두가 자유롭게 메트릭 정의를 검토할 수 있으므로 투명성과 데이터에 대한 신뢰성이 향상된다.

중앙 집중식 메트릭 관리와 현대적 데이터 아키텍처를 통합하면 비즈니스 요구사항의 변화에 따라 정의를 손쉽게 업데이트하고 조직 전체에 전파할 수 있다. 즉, 조직 전체가 격차나 잘못된 해석 없이 동일한 데이터 ‘언어’를 사용하게 되고 결과적으로 확장성과 협업이 모두 개선된다.

메트릭 저장소는 개방형 API와 기본적으로 통합되도록 설계되므로 LOB 사용자에게 가장 필요한 워크플로우와 앱에 메트릭을 제공할 수 있다. 또한 헤드리스 BI 인프라는 실시간 또는 실시간에 근접한 업데이트를 지원함으로써 정보에 근거하고 관련성 있는 의사 결정이 이뤄지도록 한다.

메트릭 계층은 소프트웨어 엔지니어에게도 유용하다. 메트릭 정의를 코드로 변환하므로 기술 팀이 버전 제어, 추적, DRY(Don’t Repeat Yourself) 원칙과 같은 정립된 베스트 프랙티스를 준수하는 데 도움이 된다. 이를 통해 효율성이 향상되고 반복적인 작업이 줄어든다.

메트릭 생성은 고급 분석을 위한 핵심 요소

견고한 메트릭 생성은 고급 BI 솔루션을 하나로 묶기 위한 접착제 역할을 한다. 메트릭 생성이 없다면 데이터는 사용되지 않은 채 약화되고 메트릭은 조직 여기저기서 갈라지고 팀은 조율에 어려움을 겪고 인사이트는 너무 늦게 도출되거나 아예 도출되지 않는다.

FAQ

Q. 메트릭 계층이란 무엇인가?

메트릭 계층은 다양한 툴과 팀에 걸쳐 일관적인 비즈니스 메트릭을 정의하는 중앙 집중식 데이터 모델링 계층이다. 모든 사용자가 분석과 보고에서 동일한 로직과 계산을 사용하도록 보장하는 기능을 한다.

Q. 비즈니스 분석에서 메트릭 계층이 중요한 이유는 무엇인가?

메트릭 계층은 메트릭 정의를 표준화하고 오류를 줄이고 여러 팀 전반에 걸쳐 더 빠르고 관련성 있는 인사이트 도출을 실현함으로써 비즈니스 분석의 일관성과 정확성을 보장한다. 메트릭을 생성하지 않으면 데이터가 혼탁해지고 신뢰도가 떨어진다.

Q. 비즈니스 측면에서 메트릭 계층의 이점은 무엇인가?

비즈니스 측면에서 메트릭 계층의 이점은 다음과 같다.

• 다양한 툴에 걸쳐 일관적이고 정확한 메트릭
• 신뢰할 수 있는 데이터를 사용한 더 신속한 의사 결정
• 수작업 오류와 중복 로직 최소화
• 데이터팀과 비즈니스팀 간의 협업 개선

Q. 엔터프라이즈 분석에서 메트릭 계층의 사용례는 무엇인가?

엔터프라이즈 분석에서 메트릭 저장소의 사용례는 다음과 같다.

• 다양한 팀이 공동으로 메트릭을 정의, 개선, 사용
• 경영진 대시보드와 운영을 위한 일관적인 실시간 메트릭
• 정확한 보고와 예측을 위한 균일한 재무 메트릭
• 더 심층적인 분석을 위한 중앙 집중식 고객, 제품 및 HR 메트릭
• API 기반의 일관적인 메트릭을 통한 헤드리스 커머스 및 공급망 최적화
• 규정 준수 보고와 내부 감사에 사용되는 메트릭을 위한 단일 진실 공급원

dl-itworldkorea@foundryco.com