Tableau Data fest 2022 Seoul 강연 정리

- 아모레퍼시픽 사례 _ 홍성봉  '기조연설, Self-BI : 혁신으로 가는 큰 걸음'

자료 출처 : 아모레퍼시픽 홍성봉님

빙산에서 그 위에 있는 것들을 하기

 

- 현장의 니즈와 데이터 준비의 선후 관계 정립하기
안 하면, 어떤 문제가 있으세요와 그래서 데이터가 뭐가 있어요가 대립된다.
:  현장의 문제가 먼저 와야 한다.

 

 

습관적 CRM이 많이 일어난다.

사내 데이터 활용 경진대회해보기 (오 괜찮은데..?) break through 한 사례였다.

 

 

Data News letter를 매번 발간한다. 대시보드와 보고서도 같이 만들고 있다.

끊이지 않고 직접적으로 하는 게 중요하다.

 

항상 겸손하게 문제를 쉽게 정의하고 풀어내려 가는 것 (중요)

쉬운 문제 정의 그러나 비즈니스 임팩트 있는 문제 정의가 필요하다.

 

[고객 사례 발표 - 마켓컬리]  데이터 리터러시와 거버넌스 

출처 및 강연자: 마켓컬리 _ 노상래 팀장님 

데이터 농장....

태블로 대시보드를 만들어 줬는데 여기서 데이터 보기 힘들고 느리고, 원하는 데이터가 아니라서 엑셀로 다시 추출하는 상황이 발생함.
 

 

데이터 문화, 프로덕트 활용에 대한 얘기

 

시작 대비 100배 성장 → 데이터 기반으로 성장을 견인

데이터 문화 도입 여정

상류 - 빠른 성장과 경험 (초기)

• 방법은 서투르지만 방향은 알고 있다
  • 하지만 방법을 알았어도 투박했을 것이다
  • 투박해도 성장할 수 있었던 이유 → 데이터를 이용한 움직임, 즉 방향을 알고 있었다
  • 화려한 분석보단 서로 다른 도메인 내에서 필요한 데이터를 추출
  • 이가 없으면 잇몸으로.. 생존에 대한 치열한 욕망 → 유연한 자세를 배울 수 있었음

중류 - 데이터 문화와 리터러시 (현재)

데이터 활용은 데이터 리터러시와 함께 → 전사 데이터 리터러시 도입기

• 데이터 활용 방식의 문제
  • 장인은 도구를 탓하지 않는다
  • 변화된 환경에 따라 대시보드를 새로 구성해보자
  • 기존 구조는 필요한 정보를 유연하게 담지 못하고 있음
  • 동료 분들의 눈높이에서 필요한 것들을 만들자 (예쁜 쓰레기 지양)
  • 구성원 분들의 하루를 이해했다. 구성된 대시보드를 재가공하고 필요한 정보를 유연하게 제공하는 것이 필요함. 예쁜 쓰레기가 필요한 것은 아니다..
  •  
• 데이터 리터러시 콘텐츠
  • 비즈니스 흐름과 데이터 오퍼레이션
  • 데이터 툴의 목적 소개 → 조회/추출/가공 & 지표 모니터링 → 체득 위주의 교육 → 실제 과업 연계 적용
    • 개념적인 이해보다는 체득 위주로!
  • 사내 인턴&실무자, 중간관리자, 기술 책임자 등과 같이 교육
  • 각 지식 별 도메인 융합
  • 컬리에서는 지금 이 순간에도 리터러시와 교육이 진행 중
• Tableau Blueprint
  • 기능적/기술적 지원뿐만 아니라 데이터 조직이라는 다양한 이야기
  • 단순히 기능을 제공하는 플랫폼이 아니라 문화와 조직을 발전시키는 곳
  • 데이터에 기반한 의사소통
• 데이터 리터러시 효과
  • 기존: 구불구불한 강처럼 방향도 시간과 비용이 소모
  • 이후: 효과적인 의사결정과 효율적인 과업 개선을 통해 해결

하류 - 조직과 데이터 거버넌스 (미래)

프로세스와 소통: 표준화된 소통을 위한 조직적 지원

• 강에서와는 다르게 바다에서의 항해를 준비해야 하는 시기
• 항해 전 필요한 준비가 덜 된 상태
• 역량과 안정화된 시스템
• 중심엔 백오피스 조직 → 보이지 않는 노고가 컸을 것
  • 비록 겉에선 보이지 않지만 배를 움직이는 엔진
  • 프론트오피스 조직과 소통을 위한 교량
• 컬리는 데이터 분석을 통해 두 분야 간 소통을 도와주고 있음
• 고객의 가치 제공을 통해 항해한다는 목표

 

[고객 사례 발표 - 삼성전자]  삼성 전자 Do it by your ‘SELF’

출처 , 발표자 : 글로벌 CS 센터 황태경 파트장

 

추진 배경

• 글로벌 CS 센터?
  • 고객의 접점에서 이루어지는 서비스를 지원하기 위한 Global 전략 수립, 해외 법인 CS 운영 지원
• 외부적:
  • 비즈니스 다양화, 가속화로 적재 데이터 증가, 비즈니스 복잡화로 고도화된 데이터 분석 능력 필요
• 내부적:
  • 현업 담당자들의 업무 효율화 니즈 증가, 복합적 데이터 분석을 통한 참 원인 발굴 필요
• 데이터 분석을 해주세요~ → IT에 의존하기 때문에 1개월~2개월 소모
  • 하지만 경영진들은 지금 바로 보길 원함
  • IT인들은 못한다고 함 → 개인의 역량으로 데이터 수작업…

실천 동기

• SELF 시스템 도입
  • self: IT 인력에 의존하지 않고 스스로 데이터 조합&복합 분석
  • insight: 자기 주도적 데이터 분석을 통해 누구나 쉽게 인사이트 확보 후 현장개선에 몰입
  • trust: 신뢰성 있는 데이터 제공 및 분석 → 현장 관리에 믿음을 주는 시스템
  • connectivity: 다양한 데이터 연계 분석으로 고객과 수리현장, 삼성을 유기적으로 연결 → 고객이 필요로 하는 서비스 제공!

주요 내용

얼마나 가치 있는 데이터를 가지고 있고, 그 데이터가 필요할 때 활용할 수 있는가

글로벌 로직이 달라서 비효율이 발생한다. 데이터 정합성에 대해서 얘기하는 경우가 많았다.

남한테 알려주는 자신만의 노하우 이런 것들이 있었다.

데이터 딕셔너리 제공, 쉽게 찾고, 누구나 검색할 수 있게 자체 개발해서 지원함.

그 필드의 샘플 값, 어떤 걸 의미하는지, 데이터 타입 명시 등 이 데이터가 언제까지 업데이트되었는지

모든 테이블의 업데이트 주기, 시간 등을 명시 (언제까지 들어왔고 어느 기준으로 리프레시해야 하는지)

개선해야 하는데 어느 부분에 집중하면 가장 큰 효과를 낼 수 있을까 그렇게 하려면 하위 단의 데이터까지 가야 하고 고급 인력과 에이스가 필요함 , 누구나 보고 인사이트를 도출할 수 있는 상향 평준화

내가 글로벌에서 어느 위치인지/ 부서가 어느 위치인지/

잘하는 곳이 있으면 연락을 해서 벤치마킹하고 어떻게 개선했는지를 파악했음

• 기존 데이터들은 흩어져 있어 분석이 어려웠음
  • 글로벌 거버넌스 확보가 어려움 
  •  
• CS 빅데이터 통합 Data Lake & Dictionary 구축
  • 통합 Data Lake 구축: 글로벌 통합 Data Lake 제공하여 DB 운영 효율화
    • 예를 들어 매출 값을 어디서 찾아야 하는지 바로바로 알 수 있음!
    • 모든 데이터가 batch가 되는 주기, 시간을 통해 데이터 가공을 통해 언제까지의 데이터를 사용하였는지, 어느 기준으로 refresh 되었는지 확인할 수 있도록 설정
  • 데이터 표준화 작업: 글로벌 공통항목 표준화를 통해 데이터 정합성 확보
  • 데이터 딕셔너리 제공: Data 레이아웃, 샘플, 업데이트 일시, 주기 제공을 통한 유저의 데이터 활용도 개선
• 시스템을 통한 글로벌 데이터 복합 분석, 소통 생태계 구축
• 개선을 해야 할 부분은 사실 잘 못하는 부분이다
  • 이를 위해 하위단 레벨의 분석을 진행해야 함
  • 기존에는 개인 역량에 의존했어야 했음
  • 수리기사 등 하위 레벨에서도 insight를 도출할 수 있는 분석이 가능하게끔 구축!
• 데이터 오픈을 통해 수준 KPI 투명화 및 건설성 확보
• 데이터 기반 SELF 분석 조직문화 혁신 및 데이터 분석가 육성으로 분석 역량 상향화
  • 기존: 새로운 시스템 도입에 대한 필요성과 취지는 공감, 하지만 담당자의 업무부담 및 분석업무에 대한 부정적 인식
  • 현재: 동기부여를 위한 다양한 활동과 커뮤니티 구성, 지속적인 교육 및 정기 교육과정 개설을 통한 조직문화 혁신
  • 코로나라는 강제적인 환경으로 화상 문의, 화상 미팅 등 진행
  • chasm을 어떻게 극복해야 하는가?
  • 이전 것에 대한 충성고객들이 증가 (변화에 대한 거부감)
    • 무조건적으로 다 좋아하진 않는다!
    • 이걸 왜 내가 해야 하지…?
  • raw data 분석은 신입사원이나 하는 것이다…
  • 해결하기 위해선?
    • 이전 것의 단점을 새로운 것으로 장점으로 변경
    • 교육은 좋지만 업무에 쓰려면 막상 뇌 정지 → 평상시에 고민이 되었거나 needs가 많았던 것 위주로 자체 커리큘럼 구성
    • 팀장님이 탑다운 방식으로 ‘무조건 해!’ 강제적 
  • Confluence 활용하여 기록 후 누구나 다 확인할 수 있도록 접근성을 높임
  • 상시 단체 채팅방 운영
  • 현업 데이터 기반 맞춤형 교육 제공

퀘짐 , 컨설턴트 무어, 지층 변화, 일반 사람들이 사용하기까지는 시간이 걸린다.

ex) 키오스크, 화상채팅 등도 원래 있었지만 코로나라는 강제적인 상황에 의해서 쓰게 됨

강제적인 동기부여, 퀘짐을 어떻게 극복하느냐가 가장 큰 관건이다. 이전 리포트에 대한 불만은 많았다.

--> 이전 것에 대한 충성 고객이 또다시 나타난다. 변화에 대한 거부감이 있다. 무조건 다 좋아하지 않는다.

스스로 하는 것에 대해서 이걸 내가 왜 해야 하지? 업무 증가에 대한 우려,

이에 대해서는 계속해서 부딪히고, 장점을 계속 어필하는 것이 중요하다. 태블로의 교육 레퍼런스 (SQL 강의…)

업무에 쓰려고 하면 어떻게 해야 하지..? 이런 경우가 있다.

일종의 강제적인 전환, 팀장이 탑다운 방식으로 —> ㅍㅌ가 담당

경영진의 굳은 의지가 필요하다. 경영진의 시상.. 동기 부여.. 컴 플루언스 활용

실제 고민했던 부분을 교육으로 연계하는 것이 중요하다.

추진 성과

• 정량적 효과
• 정성적 효과

향후 계획

• 글로벌 CS 리더로 자리 잡고자 함

Break time (3시쯤~)

배고파서 쉑쉑 버거 먹음 맛있었음 강연도 식후경이지! 내 머리도 쉑쉑! ??

 

트랙 세션

[트랙 1]  TECH - Basic

시작 전 kahoot으로 한 Data quiz

어쩌다 8등까지 상 주는데 딱 8등 해서 기분이 좋았다.

상으로 앞에 나가서 상을 받았다 :) 

 

데이터 리터러시와 태블로 플랫폼

커피 프린세스 1호점 _ 태블로 코리아 신효임 컨설턴트

• Data literacy란? : 데이터를 탐색하고, 이해하고, 전달하는 능력
• Data Literacy with Tableau Platform
• 태블로 설명 문제정의, 데이터 수집 제외한 나머지 것들 도움을 받을 수 있음

 

데이터 리터러시의 관점에서 카페 인수 프로세스 공유, 꼭 비즈니스가 아니라 인생에 도움이 될 수 있음

• 문제 정의 (정말 그런가? 목표를 달성할 수 있는가)
• 데이터 수집 가공 - null 값이 많음
• 일상에서 데이터 분석을 사용하여 생각하는 법

 

모든 사용자를 위한 고급 분석 (AI/ML) _태블로 잘 알려주는 예쁜 누나 

태블로 코리아 _ 박소영 컨설턴트

 

왜? 에 대해 답할 수 있는 기능들이 있다.

• 기여하는 차원, 아웃라이어 분석 가능하다
• 군집 분석 (Clustering , kmeans를 따름)

군집의 평균을 따라서 자동으로 군집 유형 서비스 업종별로 모델 사용 (클러스터)

태블로 비즈니스 사이언스적 접근

• 코드 없는 ML 모델 설계, 상호작용 가능
• 아인슈타인 디스커버리 Salesforce CRM
• 대시보드 익스텐션, 애널리틱스 익스텐션, 태블로 프렙
• 인사이트와 이탈률 예측 서비스 쉽게 할 수 있음
• 예측 모델을 배포할 수 있음 , 취할 수 있는 액션 선택 가능

데이터 사이언티스트

• 모델 배포하면 분석가가 대시보드 만들 수 있음
• 파이썬으로 작성한 모델을 대시보드로 시각화하고 배포할 수 있음

 

 

 

 

[ Track 4 산업별 고객 사례]

- 직장 동료 분이 들어서 메모해주신 것을 복붙 했다. 

SK네트웍스 사례 발표

 

• 데이터로 일하는 문화 조성
  • 태블로 활용 전사 확대 - 강의안 준비
    • HR 등도 관심이 있어야
  • 태블로 활용 전사 확대 - 전 구성원 대상 사내 교육 시행
    • 코딩만큼 어렵지 않다… 누구나 쓸 수 있는 시각화 툴!
    • 구성원들의 공감을 얻어내야 함
    • 안타깝게도 코로나로 인해 사내 교육이 막힘 그래서…
  • 태블로 활용 전사 확대 - 비대면 온라인 강의
    • 언제 어디서나 접속해서 수강 가능!

지금 우리 회사는…

• 내부 전문 인력 육성을 통해 개발 역량 내재화
• 태블로 활용의 자회사 확대

 

크래프톤 사례 발표

태블로 클라우드 전환기

태블로 클라우드 전환 준비

• 타임라인
  • 클라우드 전환 니즈 - 2021년 초
    • 데이터 분석가 - 신규로 추가되는 기능을 바로바로 이용할 수 없음
    • 데이터 엔지니어
      • 단순히 운영만 하는 상황
      • 생각보다 리소스 투입이 많이 필요
      • 버전 업그레이드를 해야 함
  • 예산 확보 - 2021년 중
    • 태블로 서버 인프라 비용 + 라이선스 > 클라우드 라이센스 (약 30% 절감!)
    • 운영 인프라에 생각보다 인력비가 많이 들음
  • 제약사항 확인 - 2022년 초
    • 세이트 저장소 용량 제약 100GB (기존 데이터가 200GB가량이었음)
    • 개별 통합 문서, 데이터 원본 15GB 제약
      • 3개의 통합 문서가 존재
      • 원래는 용량을 줄이려 하였으나, 이미 사용이 끝난 자료 → 삭제 결정
    • LDAP 가능?
      • 기존에 Azure Active Directory 사용하여 입사/퇴사 시 권한 자동 부여
      • 다행히 SAML과 SCIM으로 구현이 가능 (거의 동일)
    • 데이터 소스와 통합 문서는 어떻게 옮기지?
      • 태블로에서 CMT(Content migration tool) 제공… 정말 다행
  • 전환 전략 수립 및 전파
    • 여러 질문들이 나옴..
      • 전환 이후 추가적인 제약?
      • 클라우드 서버의 물리적인 위치는? (법적 이슈)
      • 분석조직에서는 어떤 작업을 하나요?
      • 금액 대비 이득?
    •  

태블로 클라우드 전환 과정

각 파트 별 디테일한 고민 및 전환 작업 진행 (슬라이드 사진 촬영)

• 서버-> 클라우드 마이그레이션은 클릭만으로도 될 정도로 아주 쉬움 (CMT)

태블로 클라우드 전환 평가 및 결론

• 걱정했던 속도 부분 → 느리지 않음!
  • 관리자 입장에서 봤을 때 고무적인 이유: 태블로 서버가 미국에 있음…
  • 같이 쓰다 보니까 queue 대기 시간이라는 게 생김… 최장 10분
    • 저희는 문제가 되지 않았음 → 기존부터 데이터가 미국에 있었음
    • 미국 → 미국 추출이기 때문에 오히려 추출 시간이 빨라짐
• 기술 지원 → 오류가 발생하면 바로 기술지원 요청 가능해짐
  • 기존 태블로 서버 환경에선 관리자가 서버에 접속할 수 없었음
• 업그레이드 과정이 번거로웠음 → 자동으로 다 해줌!!!!
• 결론!
  • 전환 작업의 평가
    • 기술 난이도는 높지 않다
    • 하지만 시간 소모는 꽤 많았다
    • 서버 환경 대비 대부분 구현 가능, 그러나 로그를 직접 볼 수 없어짐
    • 의지가 있다면 자체적으로 진행 가능
  • 전환 후 평가
    • 성능은 같거나 더 좋아짐
    • 추출 작업은 약간의 지연
    • 비용 약 30% 절감

 

그 후......

끝나고 1000명이 넘는 분들과 같이 퇴근길 지하철 러쉬를 할 자신이 없음 + 너무 지침

으로 스벅에 가서 노트북 대충 투닥투닥하다가 코엑스 찜닭을 먹으러 갔다.

맥주도 한잔..했다

 

힘들었지만 보람찬...?(아마도..?) 하루였다.

-끝-