새로운 비즈니스 인텔리전스 전략을 수립하는 방법

비즈니스 인텔리전스는 비즈니스를 새로운 차원의 성장과 성공으로 이끌 수 있는 데이터 통찰력을 발견할 수 있는 잠재력을 가지고 있습니다. 그러나 아직 새로운 BI 소프트웨어를 최대한 활용하는 방법을 배우고 있다면 그 잠재력을 발휘하는 것만으로도 어려움을 겪을 수 있습니다.

Pennsylvania State Employees Credit Union(PSECU)의 마케팅 분석 및 연구 이사인 Jen Larson은 이러한 어려움과 극복 방법에 대해 잘 알고 있습니다.

우리는 최근 Larson과 함께 다른 기업이 BI 소프트웨어를 최대한 활용할 수 있도록 돕기 위한 그녀의 비즈니스 인텔리전스 전략에 대해 이야기를 나눴습니다. 우리가 배운 것을 요약하자면, 새로운 BI 소프트웨어 사용자는 단순하고 시각적으로 미적인 대시보드에 집중해야 합니다. 일관된 대화형 데이터 시각화 단기 및 장기적으로 새로운 BI 소프트웨어를 최대한 활용하기 위해 고급 분석을 제공하기 위해 데이터를 수집합니다. 이 전략을 실행에 옮기는 방법에 대한 자세한 내용을 읽으십시오.

Larson이 2020년에 PSECU에 처음 합류했을 때 그녀는 다른 부서 리드와 이야기하여 어떤 종류의 문제를 겪고 있는지 알아냈습니다.

그녀는 “제가 처음 PSECU에 합류했을 때 공통적으로 들었던 말은 (사용자들이) 질문에 답하는 데 필요한 모든 정보를 얻으려면 여기저기서 17개의 서로 다른 보고서를 살펴봐야 한다는 불평이었습니다.”라고 그녀는 말했습니다.

이 문제에 대한 해결책은 쉽지 않았지만 분명했습니다. 바로 대시보드 입니다.

"대시보드를 사용하면 (사용자)가 하나의 문제나 질문에 답할 수 있는 하나의 영역으로 모든 다른 보고서와 다른 번호를 가져올 수 있습니다."라고 Larson이 말했습니다.

Larson은 대시보드가 ​​PSECU 리더십이 더 나은 데이터 기반 의사 결정을 내릴 수 있도록 권한을 부여하는 주요 도구라고 말합니다. 대시보드 사용에 대한 그녀의 핵심은 혼란스럽지 않고 명확하게 하는 것입니다.

"저에게 좋은 대시보드는 질문에 대한 답변입니다."라고 그녀는 말했습니다. “예를 들어, 회원 관점에서 보는 것과 동일한 대시보드에서 대출 관점에서 사물을 보는 보고서 또는 시각화를 원하지 않을 것입니다. 누군가 대시보드와 거기에 있는 시각화 및 보고서를 보고 '좋아, 여기가 이러한 유형의 질문에 답할 수 있는 곳이라는 것을 알고 있습니다.'라고 말할 수 있기를 원합니다. "

Larson이 처음 PSECU에 합류했을 때 조직의 구성원 인구 통계는 그녀의 추정에 따라 "15개의 다른 보고서"에 있었습니다. “클릭아웃, 클릭, 클릭아웃을 해야 했습니다. 대시보드 솔루션을 사용하면 모든 데이터를 한 곳으로 가져올 수 있습니다. 그래서 우리는 하나의 진실 소스를 바탕으로 작업하고 있습니다.”

사용자는 대화형 대시보드가 ​​있는 최신 BI 소프트웨어를 사용하여 데이터 과학자 없이도 데이터를 탐색할 수 있습니다. Larson의 회원 프로필 대시보드 중 하나를 통해 사용자는 국가 데이터를 보거나 필터를 적용하여 특히 펜실베니아 거주자를 위한 데이터를 볼 수 있습니다.

새 BI 소프트웨어의 대시보드 기능을 최대한 활용할 준비가 되셨습니까? 다음은 다음 단계에 대한 몇 가지 팁입니다.

• 간단하게 유지하십시오. 사용하지 않는 대시보드는 유용한 정보가 포함되어 있어도 가치가 없는 대시보드입니다. 따라서 즉시 대시보드에 너무 많은 데이터를 입력하려고 하면 최종 사용자가 너무 압도적이고 혼란스러워서 표시되는 정보로 아무 것도 할 수 없게 될 위험이 있습니다. 사용자가 추가 정보를 요청하면 언제든지 확장할 수 있습니다.
• 필터를 사용하고 드릴다운하는 것을 잊지 마십시오. 필터를 사용하면 완전히 새로운 대시보드를 만들 필요 없이 대시보드 내에서 다양한 데이터 하위 집합을 볼 수 있습니다. 분석가는 이러한 필터를 미리 설정하여 최종 사용자가 사전 설정된 경계 내에서 대시보드를 탐색할 수 있도록 할 수 있습니다.
• 필요한 경우에만 대화형 대시보드를 사용하십시오. 내부 이해 관계자를 위해 대시보드를 대화형으로 만들 수 있는 옵션이 있다고 해서 이 기능을 사용해야 하는 것은 아닙니다. 예를 들어 외부 클라이언트와 대시보드를 공유하는 경우 대화형 기능을 제거하여 액세스할 의도가 없는 독점 데이터를 탐색하지 못하도록 할 수 있습니다.

Larson의 팀이 다양한 데이터를 시각적으로 표시하는 방법을 결정하려고 할 때 다양한 차트와 그래프를 쉽게 시도할 수 있는 것이 도움이 됩니다. PSECU의 BI 소프트웨어를 통해 사용자는 기본 데이터 세트를 로드한 다음 이를 사용하여 다양한 유형의 차트와 그래프를 채울 수 있습니다.

"따라서 특정 유형의 차트나 그래프에 얽매이지 않습니다."라고 Larson이 말했습니다. "당신이 달성하려는 메시지에 시각적으로 가장 적합한 것이 무엇인지 확인하기 위해 놀아볼 수 있습니다."

이러한 데이터 시각화를 통해 데이터 분석가는 창의력을 발휘하고 프레젠테이션 대상 청중에게 가장 적합한 형식으로 데이터 결과를 발표할 수 있습니다.

예를 들어, Larson은 COVID-19가 전국적으로 어떻게 퍼지고 있는지 보여주는 지리적 지도를 보고 아이디어를 얻었습니다. 그녀의 팀은 PSECU의 ATM 목록에 대한 회원들의 근접성을 보여주려고 했고 지리학적 지도는 완벽한 차트 유형으로 판명되었습니다.

“ATM에 비해 회원이 집중되어 있음을 알 수 있었고 ATM이 더 많이 필요하고 ATM이 더 적게 필요하며 ATM 기능이 필요한 위치를 파악하는 데 도움이 됩니다. 예를 들어 현금(예금)을 받는 사람도 있고 받지 않는 사람도 있습니다.”라고 그녀는 말했습니다. “회원이 많을수록 더 어둡게 음영 처리되고 ATM에서 사람들이 ATM까지 얼마나 멀리 이동할 수 있는지에 대한 반경이 작을수록 더 밝아집니다. 그런 다음 ATM은 기능을 표시하기 위해 색상으로 구분됩니다.”

데이터 시각화를 사용하여 Larson의 팀은 이와 같은 지리적 지도의 모형을 신속하게 만든 다음 동일한 데이터를 원형 차트에 넣어 예를 들어 ATM까지 다양한 거리 내에 거주하는 구성원의 비율을 확인할 수 있습니다.

새 BI 소프트웨어에서 데이터 시각화 기능을 최대한 활용할 준비가 되셨습니까? 다음은 다음 단계에 대한 몇 가지 팁입니다.

• 확신이 서지 않으면 청중의 사고 방식에 자신을 넣으십시오. 데이터 집합에 대해 올바른 유형의 시각화를 선택하는 데 문제가 있는 경우 청중이 될 대상은 누구이며 어떤 질문을 할 것인지 스스로에게 물어보십시오. 그런 다음 해당 질문에 가장 적합한 차트 유형을 선택하십시오.
• 데이터 시각화의 시각적 요소에 유의하십시오. Larson은 스타일과 디자인이 데이터 자체만큼이나 중요하다고 말합니다. 예를 들어, 증가하는 숫자를 표시하기 위해 빨간색으로 코드를 지정해서는 안 됩니다.
• 리소스가 있다면 크리에이티브 팀을 브랜드 표준에 참여시키십시오. PSECU의 크리에이티브 디자인 팀은 Larson의 팀이 데이터 통찰력에 더 쉽게 집중하고 올바른 색상 구성표를 사용하고 있는지 확인할 수 있도록 브랜드 표준과 색상 팔레트를 만들었습니다.

지난 10년 동안 인공 지능과 머신 러닝의 확산으로 비즈니스 인텔리전스 소프트웨어는 미래 예측에 가까운 놀라운 일을 할 수 있었습니다. 이 기술은 신규 사용자에게는 어렵게 보일 수 있지만 조직 성장에 도움이 되는 가장 강력한 통찰력을 확보하는 열쇠입니다.

적절한 사례: Larson의 팀은 회원이 회원 여정에서 어디에 있으며 해당 회원에게 가장 적합한 신용협동조합 상품이 무엇인지 파악하는 데 도움이 되는 데이터 모델링 및 예측 분석을 탐색해 왔습니다.

그녀는 "마케팅 자동화와 타겟 마케팅에 도움이 되었습니다."라고 말했습니다. "적시에 적절한 사람에게 적절한 메시지를 전달하는 데 도움이 되었습니다."

이러한 고급 분석 도구는 Larson의 팀이 다른 구성원과 인구통계학적 유사성을 공유하는 구성원이 예를 들어 단기 금융 시장 계좌를 개설할 수 있는 최적의 위치에 있을 때를 나타내는 패턴을 감지하는 데 도움이 될 수 있습니다.

새 BI 소프트웨어에서 고급 분석을 최대한 활용하기 위한 주요 고려 사항은 이면에 있는 데이터입니다. 고급 분석은 이러한 심층 통찰력을 제공하는 연료로 빅 데이터에 의존하며 다른 하나 없이는 있을 수 없습니다.

고급 분석을 지원하기에 충분한 데이터 세트가 없는지 걱정된다면 Larson이 안심할 수 있는 말을 해 드립니다.

"내가 일한 대부분의 장소에는 생각보다 많은 데이터가 있습니다."라고 Larson은 말했습니다. “당신이 가지고 있는 데이터를 보고 '이 데이터를 기반으로 우리가 대답할 수 있는 질문이 있습니까?'라고 말합니다. 예를 들어, 많은 사람들이 '이 고객이나 회원을 얼마나 오래 소유할 수 있습니까?'라는 질문을 많이 합니다. "

따라서 회원이 언제 탈퇴하고 얼마나 오래 머무는지에 대한 과거 데이터가 몇 년만 있더라도 해당 데이터를 BI 소프트웨어에 연결하면 고급 분석을 통해 인구 통계학적 유사성을 찾아 더 큰 추세를 파악할 수 있습니다. 예를 들어, 최근에 머니 마켓 계좌를 개설한 회원은 일반적으로 최소 5년 동안 회원으로 남아 있음을 알 수 있습니다.

"완벽할 필요는 없습니다."라고 Larson은 말했습니다. “하지만 거기에서 조금 더 잘 이해하는 데 도움이 될 데이터 표시를 얻을 수 있습니다. 그리고 당신은 항상 개선하고 더 나아질 수 있습니다. 그게 재미있는 점입니다. 모델을 한 번 생각해 냈다고 해서 완성된 것은 아닙니다.”

새로운 BI 소프트웨어에서 고급 분석을 최대한 활용할 준비가 되셨습니까? 다음은 다음 단계에 대한 몇 가지 팁입니다.

• 가능한 한 빨리 데이터 수집을 시작하십시오. 데이터를 고급 분석을 지원하는 연료로 생각하십시오. 가능한 한 많이 수집하고 싶을 것이며, 이제 막 시작하는 경우에도 이미 생각하는 것보다 더 많은 데이터를 갖고 있을 것입니다.
• 시작하려면 보유하고 있는 모든 데이터를 사용하십시오. 예를 들어 인구통계학적 데이터 또는 몇 년 간의 재무 보고서로 제한되어 있더라도 해당 데이터 세트를 사용하여 더 많이 수집하면서 탐색을 시작할 수 있습니다.
• 실험을 두려워하지 마십시오. 예측 분석은 본질적으로 부정확한 과학입니다. Larson은 기상학자의 예를 사용합니다. 일기예보가 항상 100% 정확하지는 않지만 모든 예측은 더 많은 데이터를 생성하여 미래 예측을 더 정확하게 만드는 데 도움이 됩니다.

“문화적으로 그 길을 가려면 실험할 준비가 되어 있어야 하고 틀릴 준비가 되어 있어야 합니다. 따라서 최선을 다하고 그것을 위해 갈 것이라는 리더십이나 팀 정신이 없다면 아마도 그다지 멀리 가지 못할 것입니다.”라고 그녀는 말했습니다. “저는 항상 완벽한 예측은 없다고 말합니다. 경제학자와 일기 예보를 보면 미래를 완벽하게 예측할 수 없다는 것을 알 수 있습니다. 하지만 꽤 가까이 갈 수 있습니다.”

새로운 BI 소프트웨어를 사용하여 조직의 최고의 지원 팀이 되십시오.

Larson은 결론은 다른 사람을 위해 BI 소프트웨어를 사용하는 것을 기억하는 것이라고 말합니다. 데이터 분석 팀은 비공개로 데이터를 관리하고 자신의 변덕에 따라 해당 데이터를 탐색하는 사업을 해서는 안 됩니다. 그들은 조직 데이터를 중요한 자원으로 보호하고 다른 팀이 최대한 활용할 수 있는 형식으로 변환하는 업무에 참여해야 합니다.

"저는 우리 팀이 다른 모든 팀에 대한 궁극적인 지원이라고 생각합니다."라고 Larson이 말했습니다. “우리는 최전선이 아닙니다. 우리는 이 데이터로 일을 하고 비즈니스 결정을 내리는 사람이 아닙니다. 따라서 우리의 임무는 다른 영역에서 그들이 이해할 수 있는 방식으로 필요한 형식으로 필요한 데이터를 얻을 수 있도록 지원하여 이를 기반으로 데이터 기반 의사 결정을 내릴 수 있도록 하는 것입니다.”

분석 팀이 조직의 궁극적인 지원 팀이 될 수 있도록 이 문서에서 공유한 팁을 요약하면 다음과 같습니다.

Larson의 경험을 통해 여러분이 자신의 BI 소프트웨어를 더 많이 활용할 수 있는 기회를 갖게 되었기를 바랍니다. BI 소프트웨어를 최대한 활용하기 위한 추가 팁을 탐색할 준비가 되면 비즈니스 인텔리전스 블로그에서 다루게 됩니다. 다음은 시작할 수 있는 몇 가지 최근 기사입니다.

• 범주 비교: 비즈니스 인텔리전스 대 빅 데이터
• 3 최고의 무료 대시보드 소프트웨어
• 지도 학습 vs 비지도 학습: 당신에게 적합한 머신 러닝 모델은?

출처

1. 젠 라슨, LinkedIn
2. Tableau 뷰어, Tableau
3. COVID 데이터 추적기, CDC.gov