엔터프라이즈 BI 혁신: AI/BI로의 마이그레이션 접근 방법

BI 현대화의 비즈니스 사례

다음 시나리오를 그려보세요. 월요일 아침, 한 마케팅 임원이 고객 이탈 급증을 발견합니다. 그녀는 답을 찾기 위해 BI 플랫폼을 살펴보지만, 소수의 전문가에게만 제공되는 좌석당 150달러짜리 라이선스가 없다는 것을 알게 됩니다. 액세스 승인이 나기까지 이틀이 걸립니다.

내부에 들어가면 다음 장벽인 성능 문제에 부딪힙니다. 직접 쿼리는 너무 느리기 때문에 IT 부서에서는 BI 서버로 야간 추출을 요구합니다. 주 중반이 되면 필요한 실시간 신호가 아닌 오래된 데이터를 분석하게 됩니다.

경쟁사의 주말 프로모션 이후 이탈률이 증가하는 것을 발견하고 BI 도구의 AI 어시스턴트에게 확인을 요청합니다. AI 어시스턴트에게 경쟁사 가격 분석을 요청하자, NLP 기반 질문에 답변하려면 새로운 경쟁사 데이터를 모델링해야 한다며 양해를 구합니다.

금요일이 되어서야 답변이 도착합니다. 이미 때는 늦었고, 경쟁사는 시장을 선점한 뒤입니다. 비싼 라이선스, 느린 성능, 컨텍스트를 파악하지 못하는 AI로 인해 긴급한 인사이트를 얻을 기회를 놓치고 말았습니다.

이 시나리오는 단순한 기술 문제가 아니라 비즈니스 의사 결정에 대한 전략적 리스크를 의미합니다.

대부분의 기업은 여전히 노후화된 BI 시스템을 사용하고 있습니다. 이러한 시스템은 느리고 비용이 많이 들며, 전문가에게만 액세스를 제한합니다. 한편, 현재의 비즈니스 환경은 재무, 공급망, 영업, 고객 성공에 이르는 모든 비즈니스 부서가 신뢰할 수 있는 최신 실시간 데이터와 AI 인사이트에 대한 거버넌스가 적용된 액세스 권한을 갖춘 조직에 유리합니다.

Databricks는 비슷한 문제에 직면했을 때 Databricks AI/BI로 마이그레이션하여 기존 레거시 BI 생태계를 AI 우선 생태계로 전환하기로 결정했습니다.

단 5개월 만에 1,300개 이상의 대시보드를 마이그레이션하고, 연간 88만 달러의 비용을 절감했으며, 5배 더 빠른 성능과 80% 더 높은 사용자 만족도를 달성했습니다.

BI 무대응의 숨겨진 비용

레거시 BI 도구는 성능 문제 외에도 시간이 지남에 따라 가중되는 다음과 같은 전략적 리스크를 초래합니다.

• 경쟁 리스크: AI 네이티브 분석을 사용하는 조직은 분석 전문가에게 의존하는 조직보다 모든 비즈니스 기능 부서가 더 빠르고 나은 의사 결정을 내릴 수 있도록 지원합니다. BI에 대한 현대적인 접근 방식이 없다면 시장에서 뒤쳐질 위험이 높습니다.
• AI 리스크: 모든 BI 공급업체는 "AI 기반 인사이트"를 약속하지만, 이를 사용해 본 사람이라면 누구나 답답할 정도로 부정확하며 비즈니스 질문에 답변하기 위해 완벽한 모델링이 필요하다는 것을 알고 있습니다. 이러한 AI 어시스턴트가 실패하는 이유는 레거시 하향식 아키텍처에 추가되었기 때문이며, 이 구조에서는 인텔리전스가 카탈로그가 아닌 프레젠테이션 레이어에서 모델링되어야 합니다.
• 정확성 위험: 레거시 BI는 시각화 계층에서 비즈니스 로직을 재생성하여 여러 버전의 진실을 만듭니다. 재무 대시보드와 영업 대시보드에 서로 다른 수익 수치가 표시되면 신뢰가 무너지고 AI는 불가능해집니다. 어시스턴트가 어떤 "수익"이 정확한지 모르는데 어떻게 정확한 인사이트를 제공할 수 있겠습니까?
• 인재 리스크: 재무팀, 마케팅 관리자, 운영 책임자들은 분석가가 보고서를 작성하기를 기다리는 데 갇혀 있습니다. 데이터를 민주화한 조직은 인사이트 확보 시간을 74% 단축하지만, 레거시 BI의 라이선싱과 복잡성으로 인해 이러한 전환이 불가능합니다.
• 규정 준수 리스크: 독립형 BI 도구에 걸쳐 분산된 거버넌스는 감사 노출 및 규제 복잡성을 야기합니다. 각 데이터 사본은 잠재적인 보안 취약점과 리니지 격차를 유발합니다. 데이터 거버넌스를 위한 단일 엔드투엔드 진실의 원천이 없으면 민감한 정보가 유출될 위험이 있습니다.
• 예산 리스크: 사용자당 라이선싱은 데이터 민주화를 방해하고 인위적으로 ROI를 제한합니다. 조직은 프리미엄 요금을 지불하면서도 소수의 전문가에게만 분석 액세스를 제한하여 의사 결정 병목 현상을 만듭니다.

이러한 리스크는 정체되어 있지 않고 가속화됩니다. 레거시 BI를 사용하는 조직이 신뢰할 수 없는 AI 어시스턴트, 상충되는 데이터 정의, 분석가 병목 현상과 씨름하는 동안, AI 네이티브 경쟁업체는 실제로 작동하는 대화형 분석을 통해 모든 지식 근로자에게 권한을 부여하고 있습니다. 이들은 신뢰할 수 있는 데이터로 더 빠른 의사 결정을 내리고, 현대적인 셀프 서비스 플랫폼으로 최고의 인재를 유치하며, 전사적으로 정확한 AI 인사이트를 확장하고 있습니다. 아무것도 하지 않는 것에 대한 대가는 단순히 운영 비효율성에 그치지 않고 전략적 노후화로 이어집니다.

Databricks는 BI 인프라에서 증가하는 이러한 위험을 인식하고 혁신적인 솔루션을 시급히 모색하게 되었습니다.

AI/BI: 엔터프라이즈 분석을 재정의하는 전략적 이점

BI 생태계의 요구사항 과 필요성 을 신중하게 평가한 후, 레거시 BI의 일반적인 각 위험을 직접적으로 해결하는 AI/BI의 네 가지 전략적 이점에 주목했습니다.

1. 경쟁 우위 확보를 위한 확장 가능하고 성능이 뛰어난 아키텍처

   AI/BI는 레이크하우스에서 직접 쿼리를 실행하여 데이터 캐싱 지연을 제거합니다. AI/BI는 Databricks의 고성능 쿼리 엔진과 쿼리 캐싱 을 활용하여 가장 복잡한 데이터에서도 거의 즉각적인 로딩과 상호 작용을 제공합니다.

   이 아키텍처는 조직이 복잡한 데이터 이동을 감수해야 했던 성능 트레이드오프를 제거하는 동시에 지연 시간과 인프라 비용을 줄여줍니다.

2. Genie: 인사이트의 대중화를 위한 대화형 AI

   내장된 Genie는 자연어 처리를 활용하여 사용자가 평이한 영어로 "Why did churn spike last quarter?"와 같은 질문을 할 수 있도록 합니다. 완벽한 데이터 모델로 제한되는 기존 BI 어시스턴트와 달리, Genie 는 기존 메타데이터로부터 학습하여 인사이트를 도출합니다.

3. 통합된 시맨틱 레이어가 정확성 문제를 제거합니다.

   AI/BI는 Unity Catalog를 활용하여 모든 비즈니스 로직과 정의에 대한 단일 진실의 원천을 구축합니다. "수익"이 재무 및 영업 대시보드에서 동일한 의미를 가질 때, 데이터에 대한 신뢰가 회복되고 AI는 조직 전체에 일관되게 정확한 인사이트를 제공할 수 있습니다.

4. 셀프 서비스 대화형 AI는 지식 근로자의 역량을 강화합니다.

   AI/BI는 Genie의 대화형 인터페이스와 고성능 아키텍처를 통해 지식 근로자를 티켓 제출자에서 스스로 문제를 해결하는 비즈니스 전문가로 바꿔줍니다. 이제 재무팀과 마케팅 관리자는 IT 부서가 보고서를 만들거나 데이터를 리모델링하기를 기다릴 필요 없이, 평소 사용하는 언어로 비즈니스 관련 질문을 하고 즉시 답변을 받을 수 있습니다.

5. Unity Catalog를 사용한 통합 거버넌스

   AI/BI와 Unity Catalog의 통합은 데이터, AI 모델, 대시보드 아티팩트 전반에 걸쳐 엔드투엔드 거버넌스를 제공합니다. 이 통합된 정책 창은 감사를 간소화하고 규정 준수를 보장하며, 독립형 레거시 BI 플랫폼의 거버넌스 복잡성을 줄여줍니다.

6. 사용량 기반 경제 모델은 진정한 민주화를 가능하게 합니다.

   AI/BI의 사용량 기반 요금제는 고객이 라이선스 사용자 수가 아닌 제품 사용량에 따라 비용을 지불하므로, 제공되는 가치에 맞게 비용을 조정합니다. 이러한 경제 모델은 예산 급증 없이 모든 지식 근로자에게 분석 액세스를 제공하는 것을 가능하게 하며, 궁극적으로 경쟁 우위를 이끌어내는 민주화를 실현합니다.

AI/BI는 기존 BI 도구에 비해 명확한 전략적 이점을 가지고 있었지만, 이러한 차별점을 확립하는 것은 시작에 불과했습니다. 이제 우리는 모든 임원이 두려워하는 중대한 과제, 즉 일상적인 운영을 방해하거나 고객 경험을 저해하지 않으면서 1,300개 이상의 미션 크리티컬한 대시보드를 마이그레이션해야 하는 과제에 직면했습니다.

검증된 5가지 핵심 요소의 마이그레이션 프레임워크

데이터 마이그레이션 프로젝트의 75% 이상 이 마감일이나 예산을 맞추지 못합니다. 주요 원인은 다음과 같습니다.

• 빅뱅 방식 은 막대한 위험을 초래하며 점진적으로 측정하기 어렵습니다.
• 사용자 도입과 고충을 무시하는 기술 우선 접근 방식
• 규정 준수를 간과하게 만드는 나중에 고려된 거버넌스

이러한 실패 패턴에서 교훈을 얻어 저희는 점진적 검증, 사용자 중심 설계, 거버넌스 우선 아키텍처를 통해 각 위험을 체계적으로 해결하고, 고위험 플랫폼 전환을 예측 가능한 분기별 결과로 전환하는 5가지 핵심 요소 프레임워크를 설계했습니다.

그림 1.1: 이 정도 규모의 프로젝트는 구현 단계에서 신속하게 실행하기 위해 계획 단계에서 신중하게 생각해야 합니다 ^[2]

필러 1: 인벤토리 분석 및 합리화(2~4주)

전략적 초점: 비즈니스 가치로 위장한 기술 부채를 제거합니다.

사용 패턴, 복잡성 점수, 소유권 매핑 등 모든 보고서에 대한 카탈로그를 만들었습니다. 사용량 원격 분석 데이터를 통해 대시보드의 84% 가 몇 달 동안 액세스되지 않았다는 사실을 확인했으며, 이를 즉시 사용 중지할 수 있었습니다. 이 작업으로 즉시 라이선스 비용을 절감하고 마이그레이션 범위를 관리하기 쉽게 만들어 부담을 줄였습니다.

좋은 소식은 이 과정이 생각보다 쉽다는 것입니다. 대부분의 레거시 BI 도구에는 메타데이터 분석을 통해 사용량 분석, 리니지 추적, 소유권 데이터를 제공하는 기본 제공 관리 대시보드가 있으므로 수동으로 데이터를 찾을 필요가 없습니다.

객관적인 순위를 만들기 위해 탭 수, 데이터 세트, 시각적 요소, 쿼리 복잡성과 같은 간단한 프록시 지표를 복잡성 점수 산정에 사용했습니다. 이러한 정량적 측정 기준 덕분에 주관적인 추측 없이 명확한 우선순위 지정 프레임워크를 마련할 수 있었습니다.

경영진 인사이트: 대부분의 조직은 60~80%의 분석 기술 부채를 안고 있습니다. 인벤토리 분석은 시간과 예산을 예측할 수 있도록 범위의 실제 그림을 보여줍니다.

필러 2: 파일럿, 검증 및 표준화(4~6주)

전략적 초점: 최소한의 비즈니스 리스크로 가치 증명

대시보드를 마이그레이션하기 전에 반복 가능한 빌딩 블록에 투자했습니다.

이러한 선행 투자 덕분에 이후 스프린트에서는 품질 저하 없이 첫 번째 스프린트보다 5배 더 많은 대시보드를 처리할 수 있었습니다.

경영진 인사이트: 조기 성공은 전사적 혁신을 위한 추진력을 만듭니다.

핵심 요소 3: 자동화 및 가속기(3~6주)

전략적 초점: 자동화를 활용하여 비용과 리스크 최소화

파트너사인 Lovelytics와 함께 수작업을 40% 줄이는 전략적 자동화 도구를 개발했습니다. 레거시 도구의 자동 변환 유틸리티와 대규모 데이터 신뢰성을 위한 자동 회귀 테스트 도구입니다.

경영진 인사이트: 자동화 투자는 전체 마이그레이션에 복리 효과를 가져와 비즈니스 타당성을 명확하게 보여줍니다.

네 번째 원칙: 변경 관리를 통한 스프린트 기반 실행(4~5개월)

전략적 초점: 피드백을 통한 측정 가능한 결과

2주간의 스프린트는 일관된 패턴을 따랐습니다.

구축 → 테스트 → 사용자 수용 → 기존 대시보드 사용 중단

도입을 활성화하기 위해 비즈니스 부서의 챔피언들은 오피스 아워를 주최하고 피드백 루프를 제공했습니다. '승인 시 사용 중단(Deprecate-on-sign-off)' 거버넌스는 AI/BI를 기본 플랫폼으로 만들어 도입을 가속화했습니다.

경영진 인사이트: 레거시 대시보드의 지원 중단을 유일한 완료의 정의(Definition of Done)로 간주

핵심 요소 5: 거버넌스 및 지속적인 개선(지속 진행)

전략적 초점: 거버넌스는 마이그레이션에서 나중에 고려할 사항이 아닌 최우선 순위입니다.

분석 우수성 센터(COE)는 스키마 제어, 명명 규칙, 자동화된 배포 파이프라인, 중앙 집중식 알림 및 모니터링, 액세스 제어와 같은 표준을 만들어 프로덕션 수준의 안정성을 강화했습니다.

경영진 인사이트: 나중에 기술 부채를 피하려면 마이그레이션 범위에 인프라 개발을 포함해야 합니다.

이러한 체계적인 접근 방식을 통해, 혼란스럽고 수년이 걸릴 수 있었던 플랫폼 교체를 비즈니스 중단 없이 체계적인 전환으로 성공시켰습니다.

의미 있는 비즈니스 영향

경영진은 종종 BI 현대화가 수년이 걸리는 고위험 프로젝트라고 가정합니다. 우리의 결과는 이러한 가정이 완전히 잘못되었음을 보여줍니다. 구조화된 마이그레이션 프레임워크를 따르고 자동화에 투자함으로써 5개월 만에 전사적인 영향을 제공했습니다.

이러한 지표는 우연이 아니었습니다. 이는 우리의 마이그레이션 및 도입 과정을 이끈 네 가지 성공 요인에서 비롯되었습니다.

레거시 BI에서 AI 네이티브 기업으로: 더 빠른 인사이트, 비용 절감, 데이터 기반 문화를 위한 기업 플레이북

기존 대시보드와 AI 네이티브 인사이트 간의 격차는 대부분의 리더가 예상하는 것보다 작지만, 전략적 가치는 예상보다 큽니다. AI/BI는 단순한 플랫폼 업그레이드 그 이상을 의미합니다. 이는 기업 전반에 대규모 대화형 인텔리전스를 통해 데이터 기반 문화를 구현하는 엔터프라이즈 AI의 기반입니다.

레거시 BI에서 AI 네이티브 분석으로의 전환은 불가피할 뿐만 아니라 시급합니다. BI 현대화를 미루는 조직은 AI 네이티브 기업이 발전함에 따라 경쟁력이 점점 약화될 것입니다.

Databricks의 AI/BI로의 마이그레이션은 전환이 빠르고 5배의 성능 향상, 연간 88만 달러의 비용 절감, 비즈니스 사용자의 폭넓은 채택과 같은 측정 가능한 결과를 제공한다는 것을 보여줍니다.

문제는 현대화 여부가 아니라, 다음 분기까지 지체할 여유가 있는지 여부입니다.

엔터프라이즈 BI 인프라를 현대화할 준비가 되셨나요?

대시보드 사용량 감사를 통해 빠른 성과를 낼 수 있는 부분을 파악하고, 하나의 핵심 도메인에 AI/BI를 시범 운영한 다음, 검증된 5-pillar 프레임워크를 사용해 여러 부서가 참여하는 마이그레이션 팀을 구성하세요. 더 빨리 현대화할수록 AI 네이티브 엔터프라이즈 분석을 통해 더 빠르게 경쟁 우위를 확보할 수 있습니다.

더 자세히 알아보려면 엔터프라이즈 BI 역량 강화: AI/BI 마이그레이션을 위한 실무자 가이드 동영상을 통해 AI/BI로 전환하는 방법을 알아보세요.

최신 AI/BI 기능에 대해 더 자세히 알아보려면 다음 링크를 확인하세요.

• 데모: 데모 동영상을 시청하고, 제품 둘러보기를 통해 살펴보고, 직접 튜토리얼 을 따라하며 이러한 AI/BI가 실제로 작동하는 모습을 확인해 보세요.
• eBook: Business Intelligence meets AI eBook다운로드
• 블로그: Databricks가 Lovelytics와 협력하여 AI/BI로 마이그레이션한 방법을 알아보세요 – 블로그 읽기

AI/BI 기능을 살펴보고 Databricks 계정 담당자에게 문의하여 지금 바로 AI 네이티브 분석으로의 전환 여정을 가속화하세요.

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