Tableau 비즈니스 과학이란?

Tableau에서 중점을 두는 사항 중 하나는 더 많은 사람이 일상 업무에서 데이터를 사용할 수 있게 지원하는 것입니다. 사람들이 데이터를 가지고 생각할 수 있을 때, 즉 분석이, 복잡한 소프트웨어나 기술을 배우는 것이 아니라 질문하고 답을 찾는 것이 될 때가 바로 인간의 잠재력이 발휘되며 놀라운 결과를 낳게 되는 때입니다. 하지만 데이터에 의존하는 사람과 그 데이터로 최상의 결정을 내리는 데 필요한 정교한 분석 사이에는 많은 장애물이 있었습니다.

우리는 Tableau 비즈니스 과학이라는 새로운 종류의 분석을 도입해 이러한 장애물을 줄이고자 합니다. 비즈니스 과학은 데이터 과학의 강력한 기능을 비즈니스 인력의 손에 제공합니다.

AI, ML 및 기타 통계 방법을 사용해 비즈니스 문제를 해결하는 일은 대체로 데이터 과학자의 영역이었습니다. 많은 조직에 업무에 필수적이고 고도로 확장 가능한 특정 문제에 주력하는 소규모 데이터 과학팀이 있습니다. 하지만 데이터 외에도 경험과 지식에 의존하여 내리는 비즈니스 의사 결정이 많은데, 여기에 좀 더 고급 분석 기술을 적용하면 큰 이점이 있을 것입니다.

바로 여기서 데이터 과학 기능을 대중화하는 기회를 발견하는데, 이로써 극도의 정밀도 및 통제 대 인사이트를 얻기까지 걸리는 시간 간의 절충 노력을 최소화하며, 이러한 인사이트가 아직 관련성이 있을 때 그에 따라 적절한 조치를 취할 수 있습니다. Tableau에서 분석이란 항상 사람들이 다음 질문을 하고 다음 가설을 탐색하며 다음 아이디어를 시험해 보게 하는 것에 관한 문제였습니다. Tableau는 이제 한 걸음 더 나아가, 더 많은 사람이 현재 직면한 비즈니스 문제에 예측을 도입하여 실용적이고 윤리적인 AI로 인간의 판단력을 향상하도록 돕고 있습니다. 

비즈니스 과학은 분석가와 비즈니스 사용자에게 설명 가능한 AI와 예측 분석 도구를 제공함으로써, 사람들이 조직 전반에 걸쳐 더욱 빠르고 믿을 수 있는 의사 결정을 내리도록 지원하는 동시에, 분석 사용 사례를 확장하고 자체 데이터에 대한 이해를 심화하는 데 도움이 됩니다.

Tableau 비즈니스 과학이란?

비즈니스 과학은 AI 기반 분석의 새로운 분야로 사람들이 모든 문제에 속도와 비즈니스 맥락을 포기하면서까지 고도의 정밀도가 필요한 것은 아니라는 점을 인식하면서, 분야 전문 지식으로 더 스마트하고 더 빠른 의사 결정을 더 자신 있게 내릴 수 있게 해 줍니다. 비즈니스 과학 솔루션도 엄밀하고 정확하지만, 의사 결정권자가 통제권과 유연성을 발휘해 자신의 사용 사례에 필요한 사항을 결정할 수 있습니다. 사용자가 통제권을 행사하는 예로, 입력 데이터, 변수 선택, 임계값 설정을 들 수 있습니다. 비즈니스 전문가는 완전히 자동화된 사용 환경을 가동할지, 모델 생성 프로세스를 안내에 따라 변경할지, 선택권을 가질 수 있습니다. 관리되면서 코드 작성이 필요 없는 AI, 즉 예측, 가정 시나리오 계획, 모델 구축 지침 등을 더 많은 사람이 활용할 수 있게 되면, 비즈니스 팀이 직접 더 많이 분석을 수행할 수 있습니다.

비즈니스 과학은 데이터 과학 기능을 대중화하여 분야 전문가가 전통적인 데이터 과학 도구를 학습할 필요 없이 모델의 주요 동인을 이해하도록 돕습니다. 분야 전문가가 안내식 AI 사용 환경을 사용하는 팀은 더욱 다양한 비즈니스 문제에 고급 분석을 적용하고 중요한 결정을 더 빠르고 더 엄격하게 내리는 한편, 여전히 인간적 판단의 장점도 취할 수 있습니다. 이는 초정밀 모델을 미세 조정하는 것이 아니라, 문제에 가장 가까이 있는 사람들을 올바른 방향으로 안내하는 것입니다. 

결국, 비즈니스는 본질적으로 복잡하고 예측할 수 없으므로, 종사하는 분야의 역학 관계를 잘 이해하는 사람들의 해당 분야 경험과 지식이 매우 중요합니다. 따라서 비즈니스 과학은 데이터 과학팀이 리소스를 할당하거나 우선순위를 정할 수 없는 비즈니스 문제의 해결을 돕는 데 놀랄 만한 가치가 있습니다.

Tableau 비즈니스 과학은 누구를 위한 것일까요?

비즈니스 과학은 비즈니스의 전체적 상황, 비즈니스에 중요한 동인, 어떤 데이터가 솔루션을 찾는 데 도움이 될지 파악할 수 있는 맥락을 아는 사람들을 위한 것입니다. 비즈니스 과학은 심층적인 기술 전문 지식을 갖추고서 알고리즘을 작성, 배포, 모니터링할 인력이 필요하지 않습니다. 비즈니스 전문가와 데이터 분석가가 Python, 통계 또는 어떤 알고리즘에 매개 변수를 조정하는 방법을 배우지 않고도 ML 모델에서 도출되는 예측과 인사이트를 활용할 수 있게 함으로써, 이미 데이터 기반 전문가 팀을 양성하기 시작한 것입니다.

우리는 비즈니스 과학이 마케팅을 위한 잠재 고객 평가와 영업팀의 판매 할당량 지정부터 공급망 유통과 최적화까지, 비즈니스에 최선의 성과를 가져오는 올바른 접근 방식으로 쓰이는 상황을 수도 없이 보았습니다. 인사 부서에서는 비즈니스 과학을 사용해 입사 후보자가 채용 제안을 수락할 가능성을 평가할 수 있습니다. 부동산 중개 팀은 비즈니스 과학을 적용해 사무실을 어느 곳에 구할지 계획하고 인력 재배치 비용을 검토해 볼 수 있습니다. 수많은 팀에서 비즈니스 과학을 예산 책정이나 리소스를 할당하는 상황에 적용할 수 있습니다.

Tableau 비즈니스 과학과 데이터 과학은 어떻게 다른가요?

비즈니스 과학은 데이터 과학에 사용되는 것과 똑같은 몇몇 통계 및 계산 기법을 사용하지만, 분야 전문 지식과 가치 창출 시간을 통계적 엄격성보다 더 중요시한다는 점에서 다릅니다. 비즈니스 과학은 목표와 전형적인 사용자 면에서 데이터 과학과 모두 다르므로 상이한 환경에서 작동합니다.

데이터 과학의 결과물은 반복되는 프로세스를 향상하기 위해 운영에 투입할 수 있는 기계 학습 알고리즘입니다. 많은 경우에 데이터 과학은 '예/아니요' 질문에 대답하거나 예측된 결과가 어떤 임계값을 초과하는지 확인합니다. 예를 들어 사기 행위 탐지는 데이터 과학의 훌륭한 사용 사례의 하나입니다. 과거 데이터로 수십만 건, 심지어 수백만 건이 넘는 패턴을 분석하고 어떤 거래가 사기성 거래인지 여부에 예측 기법을 적용해 사기 행위를 인식하는 알고리즘을 훈련합니다. 정확도에서 1퍼센트도 안 될 정도의 아주 작은 차이만 나더라도 기업에 수백만 달러의 비용을 초래할 수 있으므로, 그와 같은 모델을 미세 조정하는 일은 매우 중요합니다.

비즈니스 과학에서는 가장 높은 정밀도에 이를 때까지 모델을 완벽하게 구현하는 게 아니라, KPI에 변화를 주는 것이 목표입니다. 비즈니스 과학은 전통적인 데이터 과학 주기의 수정 후 재배포 프로세스보다 더욱 반복적인 프로세스를 가능하게 함으로써 장애 요소를 제거하여 비즈니스 맥락을 아는 사람들이 신속하게 모델을 만들어 예측을 사용할 수 있도록 합니다. 더 많은 사람이 이러한 고급 분석 기술에서 더 빠르게 가치를 얻어내고 필요한 때에 필요한 곳에서 더 스마트한 결정을 내릴 수 있습니다.

어떤 지역의 수익을 늘리기 위해 그 지역 매장에 어떤 제품을 추가해야 하는지 알고 싶어 하는 소매업체를 예로 들 수 있습니다. 비즈니스 전문가는 공급업체 관계, 지역 동향, 기타 파급력이 강하고 정성적인 영향과 같은 요인이 의사 결정에 어떤 영향을 미칠 수 있는지 이해할 텐데, 이는 컴퓨터가 결코 이해하지 못할 세세한 사항입니다. 컴퓨터에서 생성되는 인사이트의 엄격성, 자동화, 확장성과 결합된 사람의 전문 지식, 판단력, 종합적인 상황 인식이 다 함께 더 나은 비즈니스 성과를 주도합니다. 

임상 시험에서 백신의 효능을 분석하는 데는 데이터 과학이 더 적합하겠지만, 백신의 분배와 할당 문제(인간의 판단에 크게 좌우되며, 그 미묘한 차이가 계속 변하는 문제)에는 비즈니스 과학이 더 적합합니다. 더 은유적으로 말하자면, 빈센트 반 고흐가 데이터 과학자와 같은 사람이라면 비즈니스 과학은 어떤 사람이 '별이 빛나는 밤'의 피포페인팅을 하는 것이라고 할 수 있을 것입니다. "북위 37.7914°, 서경 122.3951° + 2,03 x10^5mm 44,7° 기울기로 => 북위 37.7932°, 서경 122.3947°"이 데이터 과학이라면, "세 번째 교차로에서 교통에 유의해 좌회전하면 원 마켓 스트리트에 도착하게 된다"라고 표현하는 것이 비즈니스 과학입니다.

Tableau 비즈니스 과학에 대해 자세히 알아보기

이런 종류의 AI 기반 분석을 Salesforce의 Einstein Discovery 엔진을 Tableau에서 이용하여 확립하게 되어 더없이 기쁩니다. 투명하고 윤리적인 AI로 구축된 이 입증된 기술을 통해, 비즈니스 팀은 결과 뒤에 숨겨진 주요 동인과 편향 가능성에 대한 가시성을 확보해 의사 결정에 대한 더욱 깊은 이해와 자신감을 갖게 됩니다. 또한, 비즈니스 작업 흐름 안으로 바로 편입되므로 사용자는 이미 익숙한 작업 환경에서 최대의 가치를 얻을 수 있습니다.

Tableau 비즈니스 과학에 대해 더 깊이 알고 싶으십니까? 이 백서를 확인해 보십시오.

블로그 구독