빅데이터에서의 Analytics에 대한 정의

빅데이터의 등장과 함께 Analytics에 대한 관심도 높아지고 있습니다. 

넓은 의미의 Analytics는 의사 결정권자에게 실행할 수 있는 인사이트를 제공해주는 것이라 할 수 있습니다. 

좁은 의미로는 사용자에게 데이터로부터 패턴을 파악해서 제공할 수 있는 기술이나 프로세스를 말합니다. 

일반적으로 IT와 관련된 용어들은 여러가지 측면에서 의미를 부여할 수 있습니다.

보통 비즈니스 측면과 기술적 측면으로 나눠 볼 수 있는데요. 

Analytics도 넓은 의미는 비즈니스 측면이고 좁은 의미는 기술적인 측면이라고 말 할 수 있겠죠. 

넓은 의미의 Analytics

일반적으로 데이터를 분석하는 목표는 비즈니스를 성공적으로 이끌어내기 위함입니다. 

즉, 넓은 의미의 Analytics는 비즈니스 자체에 목적을 두고 있다고 봐야 합니다. 

그래서 수많은 데이터에서 인사이트를 발견하고 이를 실제로 실행할 수 있도록 제공하는 것을 Analytics라고 이야기 할 수 있습니다. 

여기서 중요한 것은 바로 실행입니다. 

비즈니스의 성공을 위해서 기존의 데이터를 분석해 의사결정하고 행동에 옮길 수 있어야 한다는 것이죠. 

지난번 Harvard Business Review에 나온 의사결정에 숨어있는 함정에서도 이야기 한 것처럼 

단순히 직관에 의한 결정이 얼마나 큰 문제가 되는지 알 수 있을 것입니다. 

즉, Analytics를 통해 데이터에 기반을 둔 의사 결정을 할 수 있다는 것이 바로 최근 Big Data 측면에서의 Analytics라고 할 수 있습니다. 

다음 그림을 보면 Analytics 이전에도 이미 이런 움직임은 많이 있었습니다. 

90년대 초반의 Data Warehousing, 2000년대 초반의 Business Intelligence와 Performance Management 등이 여기에 해당한다고 할 수 있습니다. 

Data Warehousing에서는 데이터를 가져오는 것이 중요했고, 

Business Intelligence에서는 이런 데이터를 비즈니스에 사용하는 것이 목표였습니다. 

그리고 Performance Management에서는 이런 데이터의 활용으로 비즈니스를 개선하는 것이었죠. 

Analytics는 이런 과정을 거쳐서 비즈니스의 추진력을 높여주는 것이라고 이해할 수 있습니다. 

좁은 의미의 Analytics

좁은 의미로 살펴보면, Analytics는 데이터를 분석하기 위해 사용하는 기술이라고 이야기할 수 있습니다. 

데이터를 분석하기 위한 기술로는 주로 리포팅 툴과 분석 툴을 사용합니다. 

리포팅 툴의 예로 대시보드와 같은 것을 생각하면 됩니다. 

리포팅 툴을 활용하면 주요 현황을 모니터링 할 수 있고, 주어진 문제에 대한 해결책 등을 찾아낼 수 있습니다. 

반면, 분석 툴은 패턴, 트랜드, 또는 이상 징후를 찾아내기 위해 데이터를 탐구해 보는 것이라고 할 수 있습니다. 

즉, 데이터를 모니터링하기 위해서는 리포팅 툴을 사용하고, 데이터를 연구하기 위해서는 분석 툴을 사용한다고 볼 수 있겠죠. 

다음 그림은 이러한 흐름을 잘 보여주고 있습니다. 

Reporting과 Monitoring이 리포팅 툴을 이야기 하고 있는데요. 

Reporting은 과거에 일어난 일을 이야기하고, Monitoring은 현재 일어나고 있는 일을 살펴보는 것입니다. 

그리고 Analysis와 Prediction은 분석 툴로 간주할 수 있습니다. 

Analysis는 왜 일어났는지를 살펴보고, Prediction은 앞으로 일어날 일을 예측하는 것이 되겠죠. 

현재 저는 분석 플랫폼인 핑그래프(http://fingra.ph)를 진행하고 있습니다. 

작년 8월에 공개한 베타 버전이 리포팅 툴이었다면, 지난 미국 SXSW와 홍콩 ICT 엑스포에서 발표한 내용이 분석 툴에 해당한다고 할 수 있습니다. 

최종적으로 올해 8월 정식 버전은 넓은 의미의 Analytics인 의사 결정을 위한 플랫폼을 구축해 보려고 합니다. 

 

 

앞으로 기회가 되면 Analytics와 관련된 글들도 올려보도록 하지요..