[ADsP] 데이터 거버넌스 체계 수립

 

데이터 거버넌스 구성 요소

원칙(Principle)

조직(Organization)

프로세스(Process)

-

데이터 거버넌스 체계

데이터 표준화

데이터 표준 용어 설정, 명명 규칙(Name Rule) 수립, 메타 데이터(Meta Data)  구축, 데이터 사전(Data Dictionary) 구축 등의 업무로 구성

사전 간 상호 검증이 가능하도록 점검 프로세스 포함해야 함

명명 규칙은 필요시 언어별로 작성되어 매핑 상태를 유지해야 함

데이터 관리 체계

메타데이터와 데이터 사전의 관리 원칙을 수립

데이터의 생명 주기 관리방안을 수립하지 않으면 데이터 가용성 및 관리비용 증대 문제에 직면하게 될 수 있다.

데이터 저장소 관리(Repository)

메타데이터 및 표준 데이터 관리 위한 전사 차원의 저장소 구성

데이터 관리 체계 지원을 위한 워크플로우(Workflow) 및 관리용 응용 소프트웨어(Application)를 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제가 이루어져야 함

데이터 구조 변경에 따른 “사전 영향 평가”도 수행되어야 효율적인 활용 가능

표준화 활동

데이터 거버넌스 체계 구축 후, 표준 준수 여부를 주기적으로 점검, 모니터링

지속적인 데이터 표준화 개선 활동

-

데이터 조직(분석 조직)

집중구조(집중형 조직구조)

전사 분석업무를 별도의 분석전담 조직

에서 담당(DSCoE) 현업 업무부서의 분석업무와 이중화/이원화 가능성 높음

기능구조(기능중심 조직구조)

일반적인 분석 수행 구조

별도 분석 조직이 없고, 각 해당 업무 부서에서 분석 업무 수행

전사적 핵심분석 어려움, 과거 실적에 국한된 분석 수행 가능성 높음

분산구조(분산 조직구조)

분석 조직 인력들을 현업부서로 직접 배치하여 분석 업무 수행

분석 결과에 따른 신속한 Action  가능

전사 차원의 우선순위 수행

부서 분석 업무와 역할 분담 명확히 해야 함(→ 업무과다 이원화 가능성)

-

CoE(Center of Excellence), 분석 전문 조직

구성원들이 비즈니스 역량, IT 역량 및 분석 역량을 고루 갖추어야 하며, 협업부서 및 IT 부서와의 지속적인 커뮤니케이션을 수행하는 조직 내 분석 전문조직을 말함

-

빅데이터 거버넌스

기업이 가진 과거 및 현재의 모든 데이터를 분석하여 비즈니스 인사이트를 찾는 노력은 비용면에서 효율적이지 못함

-> 분석 대상 및 목적을 명확히 정의하고, 필요한 데이터를 수집, 분석하여 점진적으로 확대해 나가는 것이 좋음

빅데이터 분석에서 품질관리도 중요하지만, 데이터 수명주기 관리방안을 수립하지 않으면 데이터 가용성 및 관리 비용 증대 문제에 직면할 수 있음

ERD는 운영 중인 데이터베이스와 일치하기 위해 계속해서 변경사항을 관리하여야 함

산업 분야별, 데이터 유형별, 정보 거버넌스 요소별로 구분하여 작성함

적합한 분석 업무를 도출하고 가치를 높여줄 수 있도록 분석 조직 및 인력에 대해 지속적인 교육과 훈련을 실시함

빅데이터 거버넌스 vs 데이터 거버넌스

데이터 생명주기 관리, 개인정보보호 및 보안, 데이터 품질기준, 변경관리

데이터 백업 주기 변경은 차이점 아님

-

 

• 알고리즘 설명서는 의사코드 수준의 상세한 작성 필요
• Self service analytics → 빅데이터 기획 전문가
• Servitization
  제품과 서비스의 융합으로 고객의 요구를 충족시키고 새로운 수익을 창출하고 기존 산업과의 차별화 전략을 위한 모든 작업을 포괄하는 개념
  서비스의 상품화.