셀프 서비스 데이터 인텔리전스를 통한 비즈니스 사용자 역량 강화 - 복제됨

소개

데이터는 힘입니다. 맥킨지(McKinsey)에 따르면, "은행은 다른 대부분의 산업 분야 기업보다 더 많은 고객 데이터를 보유하고 있지만, 대규모 개인화 측면에서는 다른 많은 소비자 대면 부문에 뒤처져 있습니다." https://www.mckinsey.com/industries/financial-services/our-insights/the-state-of-retail-banking-profitability-and-growth-in-the-era-of-digital-and-ai. 은행 업무에서는 데이터 보안 위험을 신중하게 탐색하면서 이러한 힘을 실질적인 인사이트로 전환하는 것이 중요합니다. 금융 기관은 고객 경험을 개선하고, 위험을 줄이며, 혁신을 추진하기 위해 민감한 데이터를 보호하는 것과 데이터 민주화를 수용하는 것 사이에서 균형을 잡아야 합니다.

차세대 분석 및 비즈니스 인텔리전스 플랫폼인 Sigma Computing은 Databricks를 핵심 지능형 데이터 웨어하우스로 활용하여 안전한 경로를 제공합니다. 이 파트너십을 통해 은행은 보안을 타협하지 않으면서 고객 세분화부터 위험 평가에 이르는 인사이트를 활용할 수 있습니다. 이 블로그에서는 은행 분석가가 소비자 데이터를 사용하여 더 나은 개인화와 새로운 수익원을 창출할 수 있도록 Databricks와 Sigma가 어떻게 안전하고 탐색적인 워크플로우를 공동으로 제공하는지 보여드리겠습니다.

데이터 인텔리전스는 은행업의 새로운 생명줄입니다

Nubank와 같은 디지털 은행과 Wise, Brex와 같은 핀테크 기업은 고객에게 간소화된 디지털 경험, 실시간 금융 서비스, 투명한 가격 책정을 제공함으로써 전통적인 기업 금융을 앞질렀습니다. 반면, 기존 은행은 레거시 인프라로 인해 뒤처지는 경우가 많습니다. 이러한 기술 부채는 개발 주기를 연장시키고, 결과적으로 은행이 신제품을 개발하고 진화하는 고객의 기대를 예측하는 능력을 제한합니다. 그 어느 때보다 데이터는 전략적 자산이며, 은행은 데이터를 경쟁 우위로 활용할 수 있습니다.

데이터 인텔리전스는 기업 데이터의 잠재력을 최대한 활용하는 열쇠입니다. 모든 사용자에게 완전한 데이터 민주화를 제공하겠다는 비전에 발맞추어, Databricks는 비즈니스 사용자가 데이터를 질문하고 탐색할 수 있는 대화형 인터페이스인 Genie spaces와 같은 도구를 출시합니다. Genie의 차별점은 비즈니스 전문 용어와 기술 메타데이터의 전체 기업 컨텍스트를 통합하여, Databricks의 거버넌스 솔루션인 Unity Catalog를 통해 비즈니스 질문에 답변할 수 있는 기반으로 공간에 구축했다는 것입니다.

은행이 데이터 민주화를 달성하는 데 어려움을 겪는 이유

은행은 본질적으로 규제가 엄격하고 위험을 회피하는 경향이 있습니다. 거래 내역부터 개인 고객 정보에 이르기까지 방대한 양의 민감한 데이터를 처리하므로 사이버 공격과 내부자 위협의 주요 표적이 됩니다. 데이터 유출(데이터의 무단 전송 또는 도난)은 지속적인 위험으로 작용하여 엄격한 보안 프로토콜을 요구합니다. 하지만 여기에 딜레마가 있습니다. 데이터를 보호하는 것도 중요하지만, 너무 엄격하게 통제하면 혁신이 저해되고 의사 결정이 느려집니다.

이 영역에서는 데이터 민주화가 과제가 됩니다. 민주화는 데이터의 잠재력을 실현하여 데이터 분석가, 제품 관리자, 심지어 임원진 등 인사이트를 바탕으로 행동할 수 있는 사람들의 손에 데이터를 쥐어줄 것을 약속합니다. 그러나 은행은 개방적이고 유연한 데이터 액세스에 대한 필요성과 준수해야 하는 엄격한 보안 조치 사이에서 갈등하는 경우가 많습니다.

은행의 전통적인 데이터 시스템은 사일로화되어 있어 팀 간에 부서 간 데이터를 원활하게 공유하기 어렵습니다. 무단 액세스에 대한 우려로 인해 극소수만이 중요한 정보에 액세스할 수 있는 제한적인 환경이 조성됩니다. 이러한 병목 현상은 데이터 민주화가 제공하고자 하는 민첩성을 저해합니다. 또한, 은행은 데이터 기반 문화를 육성하면서도 GDPR 및 CCPA와 같은 지역 및 글로벌 표준을 준수해야 하므로 규제 준수로 인해 복잡성이 한층 더해집니다. 이러한 문제를 해결한 대표적인 은행 사례는 Databricks를 기반으로 결제 시스템을 재창조한 HSBC입니다. 이들은 14개의 데이터베이스를 단일 레이크하우스로 통합할 수 있었습니다. 또한 실시간 마스킹을 통해 데이터를 보호하고 고객 세분화 전략을 현대화하여 홍콩 1위 결제 앱을 탄생시켰습니다.

다음 섹션에서는 고객이 Databricks와 Sigma Computing을 사용하여 위의 과제를 해결하는 방법을 살펴보겠습니다.

규정을 준수하면서 데이터 인텔리전스 활용하기

비즈니스 문제

리볼빙 크레딧 분야의 금융 상품에 대한 충성도를 높이는 임무를 맡은 비즈니스 분석가 그룹이 있다고 가정해 보겠습니다. 내부 IT 팀은 이러한 분석가들에게 노코드(no-code) 방식의 비기술적 도구를 제공해야 합니다. 내보내기 기능을 제한하기 위한 엄격한 요구 사항이 있습니다. 반면, 분석가들은 선제적인 한도 증액 제안과 같은 비즈니스 결과를 이해관계자에게 설명하기 위해 리니지(lineage) 및 메타데이터에 대한 전체 액세스 권한을 가지고 데이터를 조작할 수 있어야 합니다.

셀프 서비스 분석을 위한 시장 도구

최종 사용자는 셀프 서비스 분석을 필요로 합니다. 대부분의 경우 이를 가능하게 하는 기본 제공 도구는 Excel입니다. 그러나 Excel로 데이터를 제공하는 것은 데이터 유출 위험을 높이고 데이터 사본을 급증시켜 비효율성을 초래하는 확실한 방법입니다. 여기서 Sigma Computing이 등장합니다.

Sigma는 데이터 세트에 대한 무제한 액세스를 제공하지 않고도 최종 사용자가 데이터 피드와 분석을 볼 수 있는 경로를 제공합니다. 또한 Sigma는 스프레드시트 UX의 친숙함을 제공하므로 Excel 사용자들 사이에서 특히 원활하게 채택될 수 있습니다. Sigma는 플랫폼 팀에게 '안전한 임베드(secure embeds)'로 알려진 구조를 사용하여 비기술적 사용자에게 데이터를 확장할 수 있는 고유한 방법을 제공합니다.

Sigma의 안전한 임베드로 진정한 셀프 서비스 구현하기

Sigma를 사용하면 원하는 애플리케이션에 안전한 임베드 셀프 서비스 위젯을 만들 수 있습니다. 예를 들어, 개발자는 JWT 토큰으로 인증하고 Sigma 서비스를 호출하는 Flask 앱, 임베디드 이메일 또는 Teams 연동을 만들 수 있습니다. JWT(JSON Web Tokens)는 시스템 간에 정보를 안전하게 전송하여 데이터 무결성과 인증을 보장하는 컴팩트하고 URL에 안전한 토큰입니다. 이 형식은 현대적인 API 기반 애플리케이션의 기초가 되며, 대기업이 민감한 정보를 노출하지 않고 사용자를 안전하게 인증할 수 있도록 합니다. 이번 Sigma Computing 및 Databricks 통합에서 JWT는 사용자에게 워크북 및 대시보드에 대한 실시간 맞춤형 액세스 권한을 부여하도록 보장합니다. JWT는 금융 데이터에 대한 안전한 클라이언트 액세스를 허용하며, 이 구현은 각 토큰 내에 사용자별 클레임을 임베딩하여 성능과 보안을 모두 유지하면서 대시보드 액세스를 보호합니다.

워크스페이스 권한이 없는 사용자 임베드

이제 사용자는 데이터에 쉽게 액세스할 수 있으며, 역할 기반 액세스 제어를 적용하여 워크북 소유자가 간단한 일회성 토글로 제한된 액세스를 제공할 수 있습니다. 아래 이미지를 참고하세요. 여기서 외부 사용자는 'Embed Banking Analysts' 팀에 속해 있습니다. 분석 워크북 소유자가 임베드 사용자 팀에 일회성 액세스를 제공하면, 최종 사용자는 권한이 있는 모든 데이터 세트를 사용할 준비가 됩니다. Unity Catalog의 일부로 정의된 모든 세분화된 액세스 제어는 Databricks의 그룹으로 확장되며, 특히 행 및 열 수준 필터링에 적용됩니다.

도메인 인텔리전스 레이크하우스에 금융 분석 앱 배포하기

Databricks는 이제 안전한 임베드 사용자에게 서비스를 제공하는 애플리케이션을 배포할 수 있는 완전히 새롭고 간소화된 방법인 Databricks Apps를 제공합니다. Databricks Apps를 사용하면 데이터 엔지니어링 팀이 코드를 개발하고 Databricks 워크스페이스에 동기화하여 몇 분 만에 애플리케이션을 배포할 수 있으므로, 일반적인 맞춤형 포털에서와 마찬가지로 분석가와 비기술 사용자도 데이터에 액세스할 수 있습니다. Databricks Apps를 사용하든 자체 호스팅 애플리케이션(앱 데모에서는 Flask 사용)을 사용하든, 플랫폼 팀은 임베드 사용자를 온보딩하여 은행 유스케이스에서 피벗 테이블과 즉석 비율 계산을 활용하는 데 익숙한 비기술 사용자에게 데이터를 완전히 민주화할 수 있습니다.

샘플 앱에서는 내부 프로필을 가진 고객과 신용 조사 기관(예: TransUnion) 및 금융 애그리게이터(예: Plaid, Yodlee)의 외부 데이터에 초점을 맞춥니다. 이 데이터는 신용 점수, 신용 한도, 금융 상품 사용 트렌드를 제공합니다. 초기 요약(아래 빨간색 표시)에 따르면 대부분의 고객이 주택 소유에 관심이 있는 것으로 나타납니다. 반면 참여도는 낮으며, 저희가 협력하는 은행은 충성도를 높이는 데 관심이 있습니다. 시작 단계로, 임베드 사용자는 유동성 비율을 신속하게 확인하고 선제적인 신용 한도 증액을 위한 타겟 고객 세그먼트를 지정할 수 있습니다.

제공되는 분석은 유용하지만, 데이터 유출 위험을 감수하지 않으면서 임베드 사용자에게 더 나은 탐색 환경을 제공하려면 어떻게 해야 할까요?

아래에서 볼 수 있듯이, Sigma 환경 내에서 'Explorer But Not Exporter'라는 완전히 맞춤화된 역할을 생성하여 사용자가 다운로드 버튼을 통해 데이터를 내보내지 못하도록 방지할 수 있습니다. 혁신적인 접근 방식을 통해 분석가 사용자에게 워크북 편집 권한(예: 새 열 계산 및 생성)을 부여합니다. 이를 통해 훨씬 더 풍부한 경험을 제공하고 유동성 비율과 같은 계산을 추가하여 은행 고객을 위한 선제적 신용 한도 증액 또는 투자 기회를 효율적으로 평가할 수 있습니다. 이제 사용자는 자신의 질문에 맞게 개인화된 분석을 추가할 수 있는 모든 권한을 갖게 되었습니다.

이러한 경험을 통해 사용자가 새로운 비닝(binning), 히트맵, 세그먼테이션 목록을 생성할 수 있게 되었지만, 생성된 데이터에 대한 신뢰는 어떻게 보장할 수 있을까요? 애플리케이션의 샘플 테이블에는 선제적 신용 한도 증액 예측이 표시되며, 이를 타겟 세그먼트에 적용할 수 있습니다. 분석가는 비즈니스 이해관계자와 임원진에게 분석 및 결과를 설명하기 위해 예측이 어디에서 시작되었는지 이해해야 합니다. 데이터뿐만 아니라 모델, 대시보드, 피처, 함수까지 확장되는 Unity Catalog의 내장 리니지(lineage)를 통해 예측이 정확히 어디에서 유래했는지 정확히 찾아낼 수 있습니다. 아래의 모든 파생 소스 정보와 태그는 Unity Catalog 시스템 테이블(AWS | Azure | GCP)에서 쉽게 얻을 수 있어 비즈니스에 더 높은 수준의 신뢰성과 설명 가능성(explainability)을 제공합니다.

결론

금융 서비스 산업은 기로에 서 있습니다. 핀테크 혁신 기업들이 실시간 데이터 인텔리전스를 통해 고객 경험을 계속해서 재정의하는 상황에서, 전통적인 은행들은 더 이상 구식의 사일로화된 데이터 시스템에 얽매여 있을 여유가 없습니다. 이처럼 중요한 환경에서 안전한 데이터 민주화는 단순한 사치가 아니라 생명선과도 같습니다.

Sigma Computing의 안전한 임베드 기능은 Databricks의 강력한 애플리케이션 배포 플랫폼 및 데이터 레이크하우스와 결합되어, 보안을 타협하지 않으면서 데이터를 활용하고자 하는 은행에 혁신적인 솔루션을 제시합니다. Sigma의 안전한 임베드는 엄격한 규제 요구사항에 완벽하게 부합하는 통제된 경험을 제공합니다. 은행은 Sigma를 통해 분석가, 조사관, 제품 관리자, 영업 팀이 더욱 안전하고 규정을 준수하는 환경에서 중요한 인사이트에 액세스할 수 있도록 지원할 수 있습니다.

금융 기관은 Databricks에 애플리케이션을 배포함으로써 임베드 사용자에게 안전한 데이터 액세스를 신속하고 원활하게 확장하고, 데이터 보안을 철저하게 유지하면서 맞춤형 경험을 제공할 수 있습니다. 오차 범위가 극도로 좁은 금융 업계에서 안전한 임베디드 애플리케이션을 통해 데이터 기반 인사이트를 제공하는 능력은 경쟁 우위가 됩니다.

금융 기관에 전하는 메시지는 명확합니다. 수동적인 데이터 전략의 시대는 끝났습니다. 안전한 셀프 서비스 데이터 인텔리전스를 수용하는 기업은 리스크를 완화하고 오늘날의 디지털 시장에서 번창하는 데 필요한 민첩성을 확보할 수 있습니다. 은행은 지금 진화해야 하며, Sigma Computing 및 Databricks와 같은 도구를 활용하면 원시 정보를 실행 가능한 인사이트로 전환하는 데이터 기반 문화를 활성화할 수 있습니다.

지금 Databricks 및 Sigma에 가입하여 안전한 셀프 서비스 데이터 인텔리전스를 실현해 보세요.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)