그 동안 데이터에서 인사이트를 얻으려면 전문가와 전문 도구의 지원이 필요했지만 이제는 달라져야죠. 를 통해 복잡한 ERP 데이터를 자연어로 쉽게 질문하고 답변을 얻을 수 있는 새로운 비즈니스 인사이트 획득 방법을 소개합니다.

글쓴이: 티모 엘리엇(Timo Elliott), 번역: 클로드(Claude)

기존 ERP 데이터 �ѫ��의 한계와 생성형 AI의 등장

ERP 데이터에서 인사이트를 얻으려면 일반적으로 전문 도구, 복잡한 보고서 작성, 또는 IT 지원이 필요했습니다. 데이터를 관리하고(수집, 저장하며 정확성과 접근성 보장), 보고서 작성 도구가 쿼리할 수 있도록 데이터 레이크와 데이터 웨어하우스를 구축하는 데 투자해야 했습니다. 또한 훈련받은 비즈니스 사용자가 사용자의 매개변수에 따라 인사이트를 도출하기 위해 비즈니스 인텔리전스 및 �ѫ�� 애플리케이션을 조작하는 작업도 필요했습니다.

생성형 AI는 이러한 모델을 바꿉니다. 강력한 정보 기반의 필요성을 없애지는 않습니다. 하지만 검색 증강 생성(RAG) 기법과 데이터를 선별하도록 세밀하게 조정된 소규모 언어 모델을 통해 사용자는 자연어로 질문하고 명확하고 유용한 답변을 받을 수 있습니다. 자체 데이터를 기반으로 한 내부 언어 모델(소규모 언어 모델이라고도 함)은 RAG를 사용하여 사용자가 여러 데이터 화면을 스크롤하지 않고도 ERP에서 상세한 답변을 제공할 수 있습니다.

자연어 질문으로 즉석 답변 받기: 실제 활용 사례

대시보드와 스프레드시트를 건너뛰고 “지난 분기에 가장 수익률이 높은 제품은 무엇이었습니까?” 또는 “이번 달에 납기가 늦은 공급업체는 어디입니까?”라고 질문하는 것을 상상해 보세요. 비즈니스 사용자는 빠르게 답변을 얻을 수 있어 시간을 절약하고 의사 결정을 개선할 수 있습니다.

이는 잘 구축된 ERP 시스템을 보유한 회사들에게 손쉽게 따낼 수 있는 AI 열매입니다. 생성형 AI(GenAI)는 운영상 의사결정을 지원하며 가격 책정, 공급망 중단, 또는 용량 계획에 대한 인사이트를 제공할 수 있습니다. 이는 좋은 소식입니다. ChatGPT와 같은 도구를 사용하여 자연어 쿼리를 통해 새로운 비즈니스 패턴을 연구하고 다양한 계획 가정을 모델링하는 것은 확실히 매력적인 전망입니다.

ERP와 생성형 AI 결합의 핵심 가치

하지만 ERP 시스템이 어떤 비즈니스 프로세스를 다루는지 이해해야 합니다(생성형 AI를 어떻게 사용할지 알 수 있도록). 유용한 생성형 AI 도구를 확보해야 합니다. 그리고 직원들이 이를 사용하는 경험을 쌓을 수 있도록 도와야 합니다.

ERP는 조직 내에서 가장 풍부한 비즈니스 데이터 소스 중 하나이기 때문에 생성형 AI의 애플리케이션으로서 큰 잠재력을 제공합니다. 귀하의 비즈니스를 이해하는(데이터와 프로세스에 설명된 대로) 전문 “디지털 부하직원”이 있다고 생각하시면 됩니다. 이 부하직원은 �ѫ��, 요약, 또는 의사 결정 지원 보고서를 빠르게 제공할 수 있습니다.

ERP에서 생성형 AI 사용 시작하기

잠재력은 실제로 존재하지만, ERP 데이터에서 새로운 인사이트를 생성하는 생성형 AI의 힘은 저절로 발휘되지 않습니다. 조직은 올바른 도구를 확보하고, 사용자를 훈련시키며, ERP 데이터가 깨끗하고 접근 가능한지 확인함으로써 생성형 AI를 준비해야 합니다.

ERP 시스템에 포함된 AI 기능을 살펴보세요. ERP 시스템이 어떤 비즈니스 프로세스를 다루는지 이해한 후에는 공급업체가 생성형 AI 역량 측면에서 무엇을 제공하는지 평가해야 합니다. 생성형 AI 모델은 시장에서 다양한 접근 방식으로 빠르게 상품화되고 있습니다. 진정한 차별화는 기존 워크플로우에 깊이 통합되어 AI 사용을 내장되고 손쉽게 만드는 것에서 나옵니다.

올바른 도구를 확보하세요. 다양한 도구가 다른 접근 방식을 제공하지만 기본 테마는 동일합니다. 광범위한 모델 선택에 대한 접근, 생성형 AI가 올바른 데이터셋을 사용하도록 보장하는 데이터 “그라운딩”, 개인정보 보호를 위한 데이터 마스킹, 프롬프트 관리, 수명 주기 관리를 포함하여 AI 프로세스를 조율하는 견고한 도구 세트가 필요합니다.

데이터를 준비하세요. 기존의 데이터 웨어하우스 및 데이터 레이크 접근 방식은 운영의 완전한 시각을 제공하면서 다양한 소스의 ““을 엮어내는 보다 연합된 “” 접근 방식으로 바뀌었습니다.

팀을 훈련시키세요. 직원들이 이메일을 작성하기 위해 ChatGPT를 사용한다고 해서 기업 데이터를 쿼리할 준비가 된 것은 아닙니다. ERP 시스템과 함께 작업하는 새로운 방식을 도입하는 것은 이러한 변화를 관리하는 것을 의미합니다. 위험도가 낮은 상황에서 연습하고 실험할 기회를 제공하세요.

AI 기반 도구가 최종 사용자에게 핵심 비즈니스 데이터에 대한 더 쉬운 접근을 제공하는 환경에서는 모든 사람이 일종의 관리자가 됩니다. 최고 기술은 유연성, 적응력, 사고방식, 그리고 상상력이 됩니다.

이러한 태도는 생성형 AI 채택에 중요합니다. 중견기업을 대상으로 한 최근 에서도 이를 확인할 수 있었습니다. 설문조사에서 낙관주의자 집단(생성형 AI 채택을 높은 우선순위로 만든 사람들)은 변화에 더 준비되어 있습니다. 그들은 회의주의자들(생성형 AI를 낮은 우선순위로 본 설문 응답자들)보다 변화 관리 프로세스의 부족을 성장의 도전 과제로 보고할 가능성이 현저히 낮습니다.

ERP 데이터는 생성형 AI가 진정으로 유용하게 되는 데 필요한 올바른 데이터 자료를 제공합니다. 비즈니스 사용자가 검색 엔진에 용어를 입력하는 것만큼 쉽게 ERP 데이터를 쿼리할 수 있을 때 가치 제안이 높아집니다. 더 나은 의사 결정, 더 빠른 대응, 그리고 자원의 보다 전략적 사용이 가능해집니다.

• 원문: , , Forbes

The post ERP에 물어봐! 생성형 AI로 간편한 데이터 �ѫ�� appeared first on �鶹ԭ�� Korea 뉴스센터.

– 콜리브라, 컨플루언트, 데이터브릭스, 데이터로봇 등 데이터 및 AI 선도 기업과 파트너십 체결

2023�Ƅ 3월 9일, 섵Ӛ� – �鶹ԭ��는 고객이 데이터 환경 전반에서 비즈니스에 필요한 데이터에 쉽게 접근하고 더욱 빠르게 인사이트를 도출하도록 짶�원하�� 차세대 포트폴리오인 �鶹ԭ��^® 데이터스���어(�鶹ԭ��^® Datasphere) 솔루션을 9일 공개했다. 또한, �鶹ԭ��는 업계를 선도하는 데이터 및 AI 기업인 콜리브라 NV(Collibra NV), 컨플루언트(Confluent Inc.), 데이터브릭스(Databricks Inc.), 데이터로봇(DataRobot Inc.)과의 파트너십을 발표했다. �鶹ԭ��는 신규 파트너십을 통해 �鶹ԭ�� 데이터스���어를 강화하고 기업이 �鶹ԭ�� 소프트웨어 데이터와 非�鶹ԭ�� 데이터를 안전하게 결합하는 통합 데이터 아키텍처를 구축할 수 있도록 지원한다.

는 차세대 �鶹ԭ�� 데이터 웨어하우스 클라우드(�鶹ԭ�� Data Warehouse Cloud) 솔루션으로, 데이터 전문가가 미션 크리티컬 비즈니스 데이터에 더욱 광범위하게 접근할 수 있도록 지원한다. 데이터 전문가는 , 데이터 카탈로그, , , 데이터 페더레이션, 데이터 가상화를 위한 통합 환경을 제공하는 �鶹ԭ�� 데이터스���어를 통해 비즈니스 맥락과 로직이 담긴 미션 크리티컬 비즈니스 데이터를 조직의 데이터 환경 전체에 배포할 수 있다.

�鶹ԭ�� 데이터스���어는 데이터베이스 보안, 암호화, 등 강력한 엔터프라이즈 보안 기능이 포함된 을 기반으로 구축된다. 기존 �鶹ԭ�� 데이터 웨어하우스 클라우드 고객은 추가 조치 또는 마이그레이션을 하지 않아도 기존 제품 환경에서 새로운 �鶹ԭ�� 데이터스���어 기능을 활용할 수 있다.

새롭게 제공되는 기능에는 데이터를 자동으로 검색하고 규정에 맞게 관리하는 데이터 카탈로그, 데이터와 지속적인 업데이트를 실시간으로 제공하는 �ѫ��화된 데이터 복제 기능, �鶹ԭ�� 애플리케이션에서 데이터의 풍부한 비즈니스 맥락을 보존하는 향상된 데이터 모델링이 포함된다. �鶹ԭ�� 클라우드 솔루션의 데이터와 메타데이터를 �鶹ԭ�� 데이터스���어에 연결하는 애플리케이션 통합 기능도 추가될 예정이다.

기업들은 다양한 클라우드 사업자, 데이터 공급업체, 온프레미스 시스템 등 서로 다른 시스템과 위치에 저장되어 있는 복잡한 IT 환경으로 인해 데이터를 활용하는 데 제약이 많았다. 원본 소스에서 데이터를 추출해 중앙 처리소로 내보내는 과정에서 중요한 비즈니스 맥락은 상실된다. 기업들은 전용 IT 프로젝트와 수작업을 지속해야만 데이터를 확보할 수 있었다. �鶹ԭ�� 데이터스���어는 데이터 환경을 �ѫ��화하고, 고객이 비즈니스 맥락과 로직을 그대로 유지한 채 의미 있는 데이터를 신속하게 제공하는 비즈니스 데이터 패브릭 아키텍처를 구축할 수 있도록 지원한다.

위르겐 뮐러(Juergen Mueller), �鶹ԭ�� 최고기술책임자 겸 이사회 임원은 “�鶹ԭ�� 고객이 전 세계 상거래 87%를 창출하는 상황에서, �鶹ԭ�� 데이터는 기업의 가장 가치 있는 비즈니스 자산 중 하나로 제조부터 공급망, 재무, 인사 등 조직의 가장 중요한 기능에 포함되어 있다”며 “�鶹ԭ��는 고객이 간편하고 확실하게 �鶹ԭ�� 데이터를 타사 애플리케이션 및 플랫폼 데이터와 통합해 새로운 인사이트와 데이터를 확보하고, 디지털 전환을 한 차원 더 높은 수준으로 끌어올릴 수 있도록 지원하고자 한다”고 말했다.

�鶹ԭ��와 새로운 오픈 데이터 파트너는 전 세계 수억 명의 사용자가 방대한 양의 데이터를 기반으로 비즈니스 크리티컬한 의사 결정을 내릴 수 있도록 지원한다. 또한 �鶹ԭ��의 전략적 파트너는 각자 생태계의 고유한 강점을 바탕으로 고객이 전례 없는 방식으로 모든 데이터를 결합할 수 있도록 돕는다.

�鶹ԭ��와 파트너십을 체결한 기업은 다음과 같다.

• 콜리브라는 �鶹ԭ��와 맞춤형 통합을 통해 고객이 �鶹ԭ�� 및 非�鶹ԭ�� 데이터를 모두 포함한 전체 데이터 환경에 걸쳐 완전한 데이터 카탈로그를 구축해 엔터프라이즈 거버넌스 전략을 달성할 수 있도록 지원한다. 또한 콜리브라는 모든 조직에서 신뢰할 수 있는 데이터를 검색할 수 있도록 지원한다.
• 컨플루언트는 데이터 스트리밍 플랫폼을 연결하여 기업이 가치 있는 비즈니스 데이터를 활용하고 외부 애플리케이션과 실시간으로 연결할 수 있도록 지원한다. 컨플루언트의 클라우드 네이티브 제품은 이동 중인 데이터를 위한 기본 플랫폼으로, 조직 전체에서 다양한 소스의 실시간 데이터 흐름을 제한없이 허용한다.
• 데이터브릭스 고객은 데이터 레이크하우스를 �鶹ԭ�� 소프트웨어와 통합해 시맨틱을 보존한 채 데이터를 공유할 수 있어 데이터 환경을 �ѫ��화할 수 있다.
• 데이터로봇을 통해 고객은 �鶹ԭ�� 데이터스���어 기반에서 멀티모달(multimodal) 자동화 머신러닝 기능을 활용하고, 이를 클라우드 플랫폼에 관계없이 비즈니스 데이터 패브릭에 직접 적용할 수 있다.

IDC 데이터 및 �ѫ�� 시장 조사 부사장 댄 베셋(Dan Vesset) 은 “누구나 �鶹ԭ�� 데이터에 액세스하기 원하는 가운데 포괄적 데이터 전략을 위해서는 기술 공급업체 간의 파트너십을 활용하는 것이 절대적으로 필요하다”며 “멀티 클라우드, 멀티 벤더, 오프프레미스 및 온프레미스를 포함한 데이터 환경이 일반화됐다. �鶹ԭ��는 엄선된 주요 파트너들과 협력해 새로운 접근 방식을 취하고 있으며, 고객의 요구 사항을 더 잘 충족하기 위해 제3자 데이터를 신중하 취급하고 있다”고 말했다.

자세한 내용은 에서 확인할 수 있다.

# # #

�鶹ԭ��에 댶���

�鶹ԭ��의 전략은 모든 기업이 으로 운영될 수 있도록 짶�원하�� 것이다. �鶹ԭ��는 기업용 애플리케이션 소프트웨어 시장의 선두주자로서 규모와 업종에 관계 없이 모든 기업이 최고로 운영될 수 있도록 지원하고 있다. 전 세계 거래의 87%가 �鶹ԭ��^® 시스템을 통해 처리된다. �鶹ԭ��의 ,��, 고급  기술은 고객의 비즈니스를 지능형 기업으로 전환하도록 지원한다.

�鶹ԭ��는 사람과 조직에 깊은 비즈니스 인사이트를 제공하고 경쟁 우위를 유지하도록 짶�원하�� 협업을 촉진한다. �鶹ԭ��는 기업이 소프트웨어를 중단 없이 원하는 방식으로 사용할 수 있도록 기술을 단순화한다. �鶹ԭ��의 엔드투엔드 애플리케이션 및 서비스 제품군을 통해 전 세계 25개 업종의 기업 및 공공 고객이 수익성 있게 운영하고, 지속적으로 바뀌는 상황에 적응하며, 변화를 이끌어내고 있다.

�鶹ԭ��는 고객, 파트너, 직원 및 업계 선구자로 구성된 글로벌 네트워크를 통해 세계가 더 잘 운영되고 사람들의 삶을 개선할 수 있도록 지원한다. 보다 자세한 정보는 에서 확인할 수 있다.

The post �鶹ԭ�� 데이터스���어, 고객 데이터 환경 �ѫ��화 지원 appeared first on �鶹ԭ�� Korea 뉴스센터.

통찰공장을 성공적으로 확산시키기 위해서는 대규모 변화보다는 이해관계자가 점진적으로 의사결정에 데이터와 통찰을 활용하도록 유도해야 합니다. 시간이 지나면서 통찰공장을 일상 업무와 통합해 더 큰 의사결정과 대규모 변화를 수용할 의향도 증가하기 때문입니다.

글쓴이: Chris Meyer, Tim McGuire, Maher Masri, Abdul Wahab Shaikh

데이터는 의미가 없습니다. 측정 가능한 실효성 있는 의사결정을 돕지 못한다면 말이죠. 불행히도 많은 의사결정권자가 로 기뻐하기보다는 기절할 지경입니다. 결국 데이터와 통찰을 일선의 담당자에게 연관성 높은 유용한 형태로 전달하지 못하게 됩니다. 너무도 많은 빅데이터 프로젝트를 일선 담당자의 의견수렴 없이 착수하고, 때로는 너무 오래 걸려서 사용하기도 전에 통찰은 녹슬어 버립니다.

저희 경험에 비추어 보면 빅데이터에서 가치를 창출하는 과정은 데이터를 통찰로, 나아가 실무에 적용하도록 빨리, 반복 가능한 방식으로 연결하느냐의 여부가 관건입니다. 공장을 떠올려 보세요. 통찰은 제품입니다. 상품은 쓸모가 있을 때 가치가 있는 법이죠. 데이터는 원자재이며, 이를 가공해 제품(통찰)을 만듭니다. 일선 담당자는 소비자로서, 제품을 필요로 하고 사용하는 사람입니다.

“통찰공장(인사이트 팩토리)” 접근법은 기업이 대량의 데이터를 신속하게 걸러내 최적의 �ѫ��을 수행하고 연관성 높은 통찰을 제공함으로써 사람들이 의미 있는 조치를 취할 수 있도록 합니다. 이를 통해 기업의 매출이 5-15% 증가하는 성과를 목격했습니다.

이러한 경지에 오르기 위한 네 가지 단계를 소개합니다.

1. 무엇을 생산할지 결정하라

통찰공장에서 작업에 착수하기 전에 달성하고자 하는 목표에 댶��� 명확한 이해가 선행되어야 합니다. 예컨대, 고객 이탈 방지라든가 특정 고객 세그먼트가 다음에 무엇을 구입할지 예측한다거나 하는 목표를 파악해야 하죠. 비즈니스 차원에서 답해야 할 명확한 질문이 무엇인지 결정하고 그 답이 실무에 구체적으로 어떤 도움을 줄 수 있는지 알아야 합니다.

다음으로 공장이 바로 그 통찰을 생산하도록 구성합니다. 예컨대 어느 유통업체는 전�Ƅ 동기대비 매출 하락의 90%가 특정 시장의 12% 고객에 집중되어 있음을 발견했습니다. 따라서 근본 원인이 무엇인지 파악하는 데 질문을 집중했고 이를 토대로 공략 대상에 맞춘 로컬 시장 머천다이징 전술을 써서 상황을 역전 시켰습니다.

2. 원자재를 확보하라

통찰을 확보하기 위해 폭 넓은 데이터의 파악이 유용할 수 있지만 우선 즉시 이용 가능한 최상의 데이터로 시작하세요. “완벽한 데이터 세트”를 쫓는 일은 많은 시간이 들고(성과는 없는 경우가 대부분) 신속한 조치를 취할 능력을 저해합니다. 대신 “소규모 데이터”로 시작하세요. 포괄적인 “”가 장기적으로 훌륭한 자산이기는 하지만 엄선한 소규모 “데이터 마트”가 빨리 통찰을 만들기 쉽고 복잡성의 늪에 빠지는 일을 막아 줍니다.

시간이 지나면 추가 데이터 세트를 위에 덧붙일 수 있습니다. 일례로 잘 나가는 유통업체가 POS 거래내역 데이터를 외부에서 구한 제3자 고객 데이터로 보완하고, 경쟁사 데이터를 추가하고, 즉시 가용한 공개 데이터를 더해 고객을 이해하고자 했습니다. 일�Ƅ이 지나자 이러한 통찰에 소셜미디어 데이터(감성�ѫ��용), 위치 데이터(스토어 유동인구 및 이동경로), 신용카드사의 재무 정보(지갑점유율 계산용)를 추가해 더욱 풍부한 통찰이 가능해졌습니다.

3. 통찰을 빨리 생산하라

에 있어서는 생산적인 조치는 주로 속도의 산물이라는 사실을 확인하게 됩니다. 신속한 의사결정과 실행에 초점을 두면 긴 토론을 피할 수 있고 일선 담당자가 실무에 적용할 수 있는 통찰로 이어집니다. 통찰공장에 기한을 두어 생산시간을 단축하고 반복 가능한 �ѫ�� 모델과 자동화를 통해 정형화된 산출물을 신속하게 쏟아 낼 수 있도록 해야 합니다.

스타트업처럼 행동하라고 권해 드립니다. 스타트업은 완벽함보다는 충분히 우수함을 택하도록 속도에 사활을 거는 기업입니다. 부질 없이 완벽함만 추구하다가는 마비 상태가 옵니다. 스타트업은 시험하고 배우는 문화에서 번성하며 얼른 실패하고 불완전한 정보로 신속하게 다음 행동으로 이어가는 과정을 선호합니다.

보편화 된 느림보 “위원회” 대신 구체적인 주제영역을 다룰 전략, �ѫ��, 기술 역량을 조합해 민첩한 소규모 팀을 만드세요. 공장을 쉬지 않고 가동하기 위해 비교적 낮은 비용으로 역외 인재를 초빙해 정형 �ѫ��을 지속적으로 수행하는 방안도 고려하세요.

4. 상품을 전달하고 실행하라

지금 바로 이용 가능한 “충분히 우수”한 정보는 지금 당장 구체적인 행동에 활용할 수 있습니다. 데이터가 우유와 계란을 함께 구매할 확률이 90%라는 통찰을 준다면 보다 포괄적인 대안을 기다리는 대신 곧바로 우유와 계란 선반을 함께 배치하는 파일럿 테스트를 빨리 해보는 게 낫지 않을까요?

통찰이 행동을 이끌도록 확실히 하려면 일선 관리자가 실제로 이용할 수 있는 것이 무엇인지 명확한 이해가 선행되어야 합니다. 이들 관리자는 무엇이 필요한지 파악할 필요가 있습니다. 너무도 자주 마케터나 영업인력은 데이터 �ѫ�� 자료를 받고는 바로 무시하곤 합니다. 많은 경우 �ѫ�� 내용이 현실성이 없고, 명확하지 않거나 신뢰할 수 없고 연관성이 없다고 느끼기 때문입니다.

대화형 일선 담당자용 도구(예: 경쟁 가격 추적결과, 고객 성적표, 스토어 운영 건전성 모니터)처럼 통찰을 활용할 간편한 대안을 주는 프로세스의 일부로 제공될 필요가 있습니다. 가장 효과적인 접근법은 바로 이들 도구를 관리자들에게 들이미는 대신 요구사항에 귀 기울이고 대응하며 찾아 오도록 하는 일입니다.

장기적으로 “공장” 문화를 확립하라

통찰공장을 사업 운영 방식에 성공적으로 확산시키기 위해서는 대규모 변화부터 추진하는 일을 삼가야 합니다. 이해관계자들이 점진적으로 모든 의사결정에 데이터와 통찰을 활용하도록 길들여야 합니다. 시간이 지나면서 통찰공장 생산을 일상 업무와 통합함으로써 더 큰 의사결정과 대규모 변화를 수용할 의향도 증가하기 때문입니다.

• 원문 출처 –

The post 빅데이터 실무적용 4단계 appeared first on �鶹ԭ�� Korea 뉴스센터.