데이터 통합 도중이나 전후에 문제 발생을 방지하려면 적절한 소프트웨어 툴을 사용해야 합니다.

위험 및 프로젝트 지연을 방지하는 가장 확실한 방법은 세부적인 설계가 시작되기 전에 문제점을 파악하는 것임을 명심하십시오. 변화하는 비즈니스 중요 요소와 가속화되는 일정으로 인해 데이터 검색의 중요성을 간과해서는 안 됩니다.

데이터 검색은 정교하며 잠재적으로 시간이 많이 소모되는 프로세스입니다. 베스트 프랙티스를 무시하면 민감한 데이터가 위험에 노출되고 규정 준수 문제가 발생할 수 있습니다. 또한 프로젝트가 실패하는 결과를 초래할 수도 있습니다. 가장 좋은 접근 방식은 IT 관점을 가진 개발자와 비즈니스 관점을 가진 데이터 분석가 간의 협력적 노력입니다. 통합을 시작하기 전과 그 이후 지속적으로 데이터 검색용으로 설계된 툴을 사용하는 것이 중요합니다.

능동적 프로파일링
비즈니스 의사 결정을 돕는 데 사용되는 데이터의 양과 유형이 증가하고 있습니다. IT 부서가 비즈니스 요구를 충족해야 할 필요가 점점 더 늘어나고 있습니다. 협력을 독려하기 위해 비즈니스 오너가 데이터를 이해하고 분석할 수 있도록 해주는 툴을 사용하십시오. 그렇게 되면 통합이 시작되기 전에 잘못된 의사 전달 및 오해를 방지하는 데 도움이 됩니다.

즉각적인 디버깅
통합 프로세스 중에 오류를 발견하고 지속적으로 데이터 품질을 추적하십시오. 안일하게 대처하면 규정 준수 위반 및 보안 위협과 같은 문제가 발생하는 위험에 처하게 됩니다.

Securosis의 보안 전략가인 Adrian Lane은 “민감한 데이터가 존재하는 위치를 이해하는 데 있어 데이터 검색 툴의 필요성이 점점 더 증대하고 있습니다”라며, “40,000개의 테이블이 있는 운영계 데이터베이스를 가지고 있고 해당 테이블을 만든 개발자가 이들 테이블의 대부분을 문서화하지 않은 경우, 단일 데이터베이스 내에서 정보를 찾는 것은 복잡하고 어려운 일이 됩니다. 이러한 문제점이 인사, 비즈니스 프로세스, 테스트 및 의사 결정 지원 데이터베이스로 증대된다면 엄청난 혼란이 발생하게 됩니다”라고 말했습니다. ¹

올바른 툴 선택
빅 데이터는 현재 큰 규모의 비즈니스이기 때문에 일부 소프트웨어 벤더들은 자사의 제품을 데이터 검색 솔루션으로 포지셔닝하고 있습니다. 데이터 품질 문제를 파악하는 것은 최상의 툴을 가지고도 복잡한 일이기 때문에 반드시 연구를 수행해야 합니다.

예를 들어 비즈니스 인텔리전스(BI) 소프트웨어는 데이터 검색 전용 툴이 제공하는 자동화 기능은 없어도 훌륭한 도표와 그래프를 제공합니다. 데이터 품질을 시각적으로 평가하고 공동 효과를 결정하고 데이터와 비즈니스 프로세스의 연관성을 이해해야 합니다. 시스템 간 데이터를 결부시키기 위해 데이터의 기반 구조를 파악하는 데에는 전문적인 고급 기능을 가진 소프트웨어가 필요합니다.

경쟁력을 유지하기 위해 비즈니스는 프로젝트의 속도에 박차를 가해야 하는 압력을 받고 있습니다. 그러나 프로세스 전반에 걸쳐 보증된 대로 자주 데이터 프로파일링을 수행하지 않으면 결국 효율성이 감소됩니다. 베스트 프랙티스에 대해 자세한 내용을 알아보시려면 통합된 데이터 검색, 프로파일링 및 데이터 품질을 통한 생산성 증대(Double Productivity with Integrated Data Discovery, Profiling and Data Quality)를 살펴보십시오.