Siddharth Rajagopal & Sujay Dutta, Data as the Fourth Pillar – Interview Series

Sujay Dutta는 25년 이상의 글로벌 경험을 가진 기술 및 비즈니스 리더입니다. 그는 미래는 AI, 비즈니스 결과, 문화 및 데이터(“A.B.C.D.”)의 교차점에서 형성되고 있다고 믿습니다. 그는 현재 Databricks의 글로벌 계정 리드로 일하고 있습니다.

Siddharth (Sidd) Rajagopal는 Informatica의 Field CTO Organization에서 Chief Architect로 일합니다. 그는 데이터와 데이터 관리에 대한 사고 지도력을 제공하고, 데이터와 데이터 관리에 대한 그의 통찰력과 경험을 공유합니다.

Data as the Fourth Pillar는 데이터를 기업의 성공을 위한 기본 요소로 간주해야 한다는 주장을 제기합니다. 이 책은 이사회, CEO, 고위幹部를 대상으로 작성되었으며, 데이터 전략을 비즈니스 의사 결정의 핵심으로 통합하는 구조화된 접근 방식을 제공합니다. 또한 총 주소 가능 가치(Total Addressable Value, TAV) 및 예상 주소 가능 가치(Expected Addressable Value, EAV)와 같은 실용적인 지표를 도입하여 조직이 데이터 이니셔티브의 영향을 정량화하는 데 도움을 줍니다. 저자들은 또한 데이터와 인공 지능의 상호 작용을 탐구하며, 각 요소가 다른 요소를 강화하는 방법을 강조합니다. AUDI AG의 Rüdiger Eck의 사례 연구를 통해 이론과 실제 적용을 결합하여, 오늘날의 경쟁적인 데이터 주도적 환경에서 SMB와 대기업 모두의 리더를 위한 실용적인 가이드를 제공합니다.

您的 책 제목은 데이터를 네 번째 기둥으로 언급합니다. 첫 번째 세 기둥은 무엇이며, 왜 데이터를 네 번째 기둥으로 간주해야 하는지 요약해 주시겠습니까?

첫 번째 세 기둥은 사람, 프로세스, 기술입니다. 각 기둥은 기업이 성장함에 따라 추가되었습니다. 역사적으로 데이터는 이러한 기둥의 운영 결과물로 간주되었으며, IT에 의해 관리되었습니다. 그러나 현재 AI 우선 시대에 데이터는 더 이상 부수적 결과물이 아닙니다. 데이터는 주요 가치 驅動力이며, 기업의 존재를 위협할 수도 있습니다. 따라서 데이터를 동등한 네 번째 기둥으로 승격시켜야 합니다. 데이터를 네 번째 기둥으로 간주하면, 각 기둥은 다른 기둥과 함께 작용하여 비즈니스 성장을 위한 측정 가능한 기업 자산으로 변환됩니다.

Chief Data Officer(CDO)의 역할은 핵심 역할로 간주되며, CEO, CTO 및 기타 고위幹部와 협력해야 합니다. 이 역할에 대한 높은 수준의 개요와 주요 책임을 설명해 주시겠습니까?

CDO는 데이터 기둥의 리더로서, 비즈니스 결과를 가속화하는 가치 驅動력입니다. 비즈니스 사례에 대한 데이터 강도(QCS – 품질, 규정 준수 및 속도)를 이해하며, 데이터 수요와 공급을 지속적으로 균형 있게 관리합니다(데이터 운영 모델을 통해). 데이터 기둥의 사람, 프로세스 및 기술에 대한 실행 우수성을 제공하며, 이사회와 CEO의 후원 하에 기업 전반에 걸친 구조적 변화를 계획하고 실행하는 변화 에이전트입니다.

데이터를 수집하고 실행하는 것이 대규모로 AI를 활용하는 데 왜 इतन 중요한가요?

데이터는 화재와 같습니다. 데이터는 AI를 구동합니다. AI 모델은 비즈니스 영향을 미치기 위해 데이터에서 패턴, 관계 및 행동을 직접 학습해야 합니다. 또한, AI를 위한 비정형 데이터(예: PDF, 이미지, 비디오)가 중요합니다. 대부분의 기업은 현재 비정형 데이터를 처리하는 데 성숙하지 못합니다. 또한, AI 모델은 이제 상품이 되었습니다. 데이터가 차별점을 만듭니다.

책에서 데이터 강도에 대한 자세한 내용을 다룹니다. 데이터 강도가 무엇이며, 왜 중요한지 간단히 설명해 주시겠습니까?

데이터 강도는 비즈니스 가치를 가속화하는 데 데이터가 얼마나 적합한지 측정하는 것입니다. 각 비즈니스 사례는 데이터를 다르게 요구하며, 다른 강도로 요구합니다. 저자의 책은 데이터 강도를 측정하는 QCS 프레임워크를 소개합니다.

1. 품질: 데이터가 정확하고, 완전하고, 일관적이며, 신뢰할 수 있나요? 이것은 “쓰레기가 들어가면 쓰레기가 나온다”라는 원칙입니다. 낮은 품질의 데이터는 결함이 있는 분석과 신뢰할 수 없는 AI를 초래합니다.
2. 규정 준수: 데이터가 모든 법적 및 윤리적 표준을 준수하고 있나요? 예를 들어, GDPR와 같은 개인 정보 보호 규정 및 산업별 규칙이 있습니다. 준수하지 않는 데이터는巨大한 위험을 초래합니다.
3. 속도: 데이터가 유용한 데 충분히 빠르게 제공되고 있나요? 이것은 데이터가 수집, 처리 및 의사 결정에 사용할 수 있는 속도를 말합니다(예: 실시간 처리 대 배치 처리). 전통적으로 기업은 하나 또는 두 가지 차원에서 성숙했습니다. 은행은 Q 및 C 차원을 잘 수행할 수 있지만, 스타트업은 Q 및 S 차원을 중점으로 둘 것입니다. AI 우선 시대에 기업이 직면하는 도전은 세 가지 차원(Q, C, S) 모두에서 동시에 높은 수준으로 수행하는 것입니다.

데이터 전략을 정의하는 것이 왜 중요한가요? 또한, 이것이 종종 간과되는 이유는 무엇인가요?

데이터 전략을 정의하는 것은 기업의 비즈니스 전략에 직접 연결되는 모든 데이터 활동의 청사진을 제공하기 때문에 중요합니다. 데이터 역량을 개발하고 활용하여 비즈니스 결과를 가속화하는 데 필요한 로드맵을 제공합니다.

尽管如此, 데이터 전략은 종종 간과됩니다. 비즈니스 리더들은 역사적으로 데이터를 비즈니스 운영의 부수적 결과물로 간주하고, 기술적인 IT 문제로 간주했습니다. 명확한 소유주(예: Chief Data Officer)가 없으면, 이 필수적인 작업은 리더십의 공백으로 떨어질 수 있습니다. 이것은 기업이 데이터 기초 없이 흥미로운 AI 프로젝트에 뛰어드는 이유 중 하나이며, 많은 프로젝트가 실패하는 주요 이유입니다.

데이터 거버넌스 프레임워크가 무엇이며, 데이터 전략과 어떻게 다른가요? 또한, 데이터 사용과 관련된 위험을 완화하기 위해 왜 필요한가요?

데이터 전략은 비즈니스에서 데이터로 달성하고자 하는 목표를 정의합니다. 반면에, 데이터 거버넌스 프레임워크는 비즈니스 사례가 필요한 데이터 강도(Q, C, S)로 데이터를 사용할 수 있도록 허용합니다.

데이터 거버넌스 프레임워크는 위험을 완화하는 데 중요합니다. 거버넌스가 없으면 데이터는 부담이 됩니다. 규정 준수를 보장하여 GDPR와 같은 규정에 대한巨額의 벌금과 법적 문제를 방지합니다. 또한, 데이터의 보안 및 개인 정보 보호 표준을 설정하여 데이터 침해와 그에 따른 평판 손상을 방지합니다. 데이터 품질을 강제하여 결함이 있는 정보에 기반한 비용 높은 비즈니스 결정을 방지합니다. 또한, AI 에이전트는 필요한 속도로 데이터를 받을 때만 유용합니다.

이것을 이렇게 생각해 보세요. 전략은 지도上的 목적지입니다. 거버넌스 프레임워크는 목적지에 도달하는 데 필요한 교통 규칙입니다.

또한 DOM(데이터 운영 모델)의 개념에 대해 논의합니다. 이것이 무엇이며, 어떻게 조직이 데이터 전략을 운영화하는 데 도움이 되는지 설명해 주시겠습니까?

데이터 운영 모델(DOM)은 데이터 공급을 충족하여 비즈니스 사례의 데이터 수요를 충족하는 엔진입니다. DOM은 높은 수준의 목표를 구체적이고 재사용 가능한 행동으로 번역하여 전략을 운영화합니다. 데이터를 필요한 데이터 강도(QCS)로 제공하는 것을 포함하여, 사람, 프로세스 및 기술에 대한 실제 프레임워크입니다.

데이터 전략과 거버넌스를 제대로 갖추면 좋은 의도지만, 성공은 종종 데이터採用 및 데이터 엔지니어링 관리에 달려 있습니다. 이 두 가지 요소를 간단히 설명하고, 왜幹部들이 주의를 기울여야 하는지 설명해 주시겠습니까?

데이터에 대한 성공은 데이터採用 및 데이터 엔지니어링 관리에 달려 있습니다.

데이터採用는 문화적 측면입니다. 팀이 데이터를 사용하여 일일 결정을 내리는 것입니다.採用하지 않으면, 데이터 기둥에 대한 전체 투자가浪費됩니다.

데이터 엔지니어링 관리는 기술적 뼈대입니다. 데이터를 수집하여 처리하고, 데이터 강도(QCS) 요구 사항을 충족하는 신뢰할 수 있는 “데이터 공장”을 구축하고 유지하는 것입니다.

幹部들은 두 가지 모두를 후원해야 합니다.採用이 부족하면, 투자가浪費됩니다. 엔지니어링이 부족하면, 비즈니스 운용에 적합하지 않은 데이터(즉, 필요한 데이터 강도에 도달하지 못하는 데이터)를 사용하여 비용 높은 실수를 저지르거나, 신뢰를 저하하거나, 규정 준수를 위반하거나, AI 이니셔티브를 불가능하게 만들 수 있습니다.

이 책은 대규모 기업을 대상으로 작성되었으며, CDO, 데이터 위험 관리, 데이터 액세스 관리, 데이터 품질 및 관찰 가능성 팀과 같은 역할이 잘 정의되어 있습니다. 왜 작은 기업도 이 책을 고려해야 하며, 이러한 역할이 없는 경우 어떻게 보완할 수 있나요?

작은 기업의 경우, 데이터는 종종 가장 큰 차별점입니다. 데이터를 네 번째 기둥으로부터 올바르게 구축하는 것이 더 쉽습니다. 초기에 데이터 기초를 올바르게 구축하면, 성장과 미래의 AI採用에 대한巨大的 경쟁 우위를 제공합니다. 한 중소기업의 CEO는 저에게 다음과 같이 말했습니다. “저에게 데이터는 첫 번째 기둥이며, 저는 CDO입니다.”

책에서 가장 중요한 한 가지를 취할 수 있다면, 무엇입니까?

확실한 결론은 기업이 즉시 운영 모델에서 데이터를 네 번째 기둥으로 설정하는 구조적 변화를 구현해야 한다는 것입니다. 이것은 사람, 프로세스 및 기술과 동등한 기둥입니다. 이것은 이사회와 CxO가 후원해야 하는 존재론적 결정입니다. 데이터는 차별점이며, AI를 확대하고 경쟁 우위를 확보하는 데 필요한 기초입니다. 데이터를 핵심 기둥으로 통합하지 못하는 기업은 관련성이 없게 되고, AI 우선 시대에 경쟁하기 위해 어려움을 겪을 것입니다. 행동할 때가 지금입니다!

이 인터뷰에 감사드립니다. 더 많은 것을 배우고 싶은 독자는 Data as the Fourth Pillar를 읽어야 합니다.

免責聲明: 이 기사의 견해는 저자의 견해이며, 현재 또는 과거의 고용주와 일치하지 않을 수 있습니다.