데이터 사일로의 정의와 데이터 사일로를 피하는 방법

편집자 주: 이 블로그는 2022년 10월에 처음 게시되었으며 2023년 11월에 새로운 정보로 업데이트되었습니다.

데이터 사일로란 무엇입니까?

"사일로"라는 단어를 들었을 때 곡물을 격리하여 보관해 두는 커다란 농장 창고와 같은 광경이 떠오른다면 데이터 사일로가 무엇인지도 어렵지 않게 이해할 수 있습니다. 농장 사일로보다는 추상적이지만, 데이터 사일로는 격리되어 있으며 한 팀에서 소유하고 조직의 나머지 부분에서는 액세스할 수 없는 데이터 저장소를 말합니다. 데이터는 종류가 다른 시스템에 보관되며 흔히 다른 데이터 집합과 호환되지 않습니다. 이 때문에 조직의 팀들이 다른 데이터에 액세스하고 협업하기가 어려워져, 간소화된 제품 라이프 사이클 프로세스라는 가능성에 제한이 생깁니다. 

데이터 사일로와 정보 사일로의 비교  

정보 사일로와 데이터 사일로는 때때로 동의어처럼 사용되지만 미세한 차이가 있습니다. 데이터 사일로가 주로 기술과 관련된 과제, 즉 시스템 비호환으로 인해 데이터에 액세스할 수 없는 문제에 해당한다면 정보 사일로는 데이터를 격리시켜 놓으려는 더 의도적인 시도에 해당합니다. 보안 위험이나 정보 액세스가 유용하지 않다는 믿음 등 각종 이유로 다양한 팀에서 자체 사일로에 데이터를 유지해야 한다는 생각을 할 수 있습니다.

데이터 사일로가 문제가 되는 이유는 무엇입니까?

전사적 협업에는 투명성과 연결성이 필요합니다. 데이터 사일로는 정보를 격리시킬 뿐 아니라 혁신 및 팀워크에 커다란 마찰을 일으킵니다. 각 부서에서 자체 업무에 미칠 수 있는 영향을 확인하는 사이에 크든 작든 의사 결정이 지체됩니다. 게다가 데이터 사일로가 있는 상태로 운영한다면 호환성, 품질 제어 및 고객 만족도가 모두 힘겨운 투쟁이 될 것임은 자명합니다.

데이터 사일로의 단점은 무엇입니까?

중복 데이터 플랫폼 및 프로세스

당연한 이야기일 수 있지만, 제품 개발 프로세스에 관여하는 팀들은 흔히 동일한 데이터를 공유합니다. 하지만 데이터 집합이 액세스할 수 없고 호환되지 않는 상태라면 팀들은 자체 시스템에 데이터를 중복 저장하기 시작할 것입니다. 그러면 협업이 저해될 뿐만 아니라 팀들이 일관적이지 않고, 만료되고, 정확하지 않은 데이터를 보유하게 되어 과정 전반에서 생산성 문제가 발생합니다. 중복된 데이터는 또한 귀중한 데이터 저장 용량을 차지하므로 조직에서 이러한 데이터를 유지하는 데 필요한 추가 IT 리소스에 비용을 지출하게 됩니다.

최종 사용자 간의 협업 저해

설계 엔지니어와 제조 엔지니어가 업무 프로세스에 각기 다른 두 가지 데이터 관리 시스템을 활용한다면 데이터를 공유하기 시작해야 할 때 협업이 장벽에 부닥칠 수밖에 없습니다. 설계 엔지니어가 변경 사항을 적용할 경우 이러한 변경 사항이 다운스트림으로 소통되지 않아 제품 품질 저하, 시장 진입 시간 증가 등 다양한 문제가 발생하게 됩니다.  

생산성 정체

격리된 데이터는 궁극적으로 생산성을 떨어뜨립니다. 다른 사일로에 보관된 데이터를 필요로 하는 팀 사용자는 해당 데이터를 받기 위해 찾고, 요청하고, 승인까지 받고 나서야 이를 관리할 수 있습니다. 간단한 작업의 번거로운 특성 때문에 생산성이 저하되고, 데이터를 활용하는 데 투자될 수 있는 시간이 낭비됩니다.  

보안 및 규제 준수 위험

개별 팀이 데이터 관리를 담당하면 데이터 유출 및 침해 위험이 높습니다. 조직에 중앙 시스템이 없기 때문에 최상위 수준 보안을 처리할 전문 팀이 존재하지 않으며 위협에 대응할 조치 절차도 마련되어 있지 않습니다. 데이터 사일로로 인해 조직이 데이터 개인 정보 보호 및 보호 법률을 준수하지 못하는 위험에 빠질 수도 있습니다. 

완전하지 않은 데이터 집합

조직에는 데이터 사일로의 결과로 완전하지 않은 데이터 집합이 가득합니다. 즉, 한 부서에서 다른 부서의 운영과 관련된 데이터를 수집하지만 이를 공유하지 않으면 그 다른 부서는 완전하지 않은 데이터 집합을 사용하고 있는 셈입니다. 이러한 행동은 데이터 중복 및 데이터 통제 미흡을 불러옵니다.

일관되지 않은 데이터

데이터 사일로로 인해 발생하는 데이터 중복은 여러 방면에서 일관되지 않은 데이터를 유발합니다. 버전 지정 또는 표준화 부재 때문에 여러 부서가 동일한 데이터의 다양한 버전으로 운영될 수 있습니다. 이와 비슷하게 다양한 데이터 정의를 사용하거나 수동 데이터 입력을 통해 오류를 유발하게 될 수 있습니다. 또한 데이터 사일로에는 검증 및 조정을 위한 리소스가 부족한 경우가 많아 데이터의 무결성을 신뢰할 수 없게 됩니다.

부서의 사일로 사고 방식

사일로 사고 방식은 조직의 여러 팀이 부서 경계를 넘나드는 소통 및 협업이 한정적인 상태로 격리되어 운영되는 상태에 해당합니다. 부서의 사일로 사고 방식은 흔히 데이터 사일로의 결과물인데, 두 개념이 서로 연결되어 있기 때문입니다. 부서 간 연결이 한정적이면 소통 장벽이 생기고 우선순위가 각기 달라집니다. 이로 인해 궁극적으로 경쟁을 유발하는 환경이 조성되면서 부서들이 공통된 목표를 위해 데이터를 공유하는 대신 각자의 데이터를 보호하고 방어하게 될 수 있습니다.

데이터 사일로가 발생하는 원인은 무엇입니까? 

레거시(이전) IT 인프라

기술이 상상하기 힘든 속도로 진화하면서 일부 조직은 기존 시스템을 보유한 상태로 뒤처집니다. 레거시 IT 인프라는 연결성이 떨어지며 새로운 기술과 통합되지 않는 구형 시스템입니다. 레거시 IT 인프라가 친숙하거나, 편리하거나, 맞춤형이거나, 엄밀히 말해 아직 작동한다는(그래서 고칠 필요가 없다는) 이유로 기업에서 이러한 인프라에 의존하는 경우가 많습니다. 조금씩 누수되는 파이프처럼, 이와 같은 인프라가 유발하는 문제는 흔히 제조업체에서 알아차리지 못하고 있다가 심각한 상태에 이르곤 합니다. 이 경우, 이처럼 노후된 기술이 연결 단절 때문에 팀 간에 격리 및 데이터 사일로를 발생시켰습니다.

IT 전략 및 기술 배포

IT 전략 및 기술 배포는 조직의 효율성을 향상하는 역할을 하지만 데이터 사일로를 유발하는 데 큰 원인이 될 수도 있습니다. 맞춤형 기술 솔루션은 어떤 환경의 특정한 필요를 충족할지는 몰라도 기존 데이터 도구에 완전히 통합되지 않는 경우가 많습니다. 새로운 데이터 솔루션과 잘 조화되지 않는 레거시 시스템으로 작업할 때도 이러한 문제가 발생합니다. 마지막으로, 새로운 시스템의 온보딩이 충분하지 않으면 조직의 직원들이 더 익숙한 구식 기술을 다시 찾게 될 수 있습니다.

기업 성장

데이터 사일로는 어디에서나 생겨날 수 있지만, 일반적으로 급속한 성장 또는 인수를 거친 대규모 조직에서 발생하곤 합니다. 이러한 성장 과정에서 효율적인 워크플로에 우선순위를 두느라 인력 그룹이 자연스럽게 전문 팀들로 나뉩니다. 조직에 중앙 플랫폼이 없어 이러한 팀들이 자체적인 형태로 데이터 관리를 개발하면 문제가 일어납니다. 제품 라이프 사이클에 걸쳐 소통하고 데이터를 공유해야 하는 팀들이 종류가 서로 다른 시스템 때문에 속도 저하를 경험하게 됩니다.

조직 구조

계층적 조직 구조는 각 단위체가 조직의 데이터 지평에 대한 종합적인 관점 없이 자체 데이터를 수집하고 관리하며 자율적으로 기능하는 형태 때문에 데이터 사일로로 이어지는 경우가 많습니다. 종류가 다르며 서로 연결되지 않은 데이터 시스템을 사용하는 다양한 부서 때문에 결과적으로 또다시 기업 전체의 정보 흐름이 저해됩니다.

기업 문화 및 원칙

조직의 목표보다 개별 부서의 성공이 크게 강조된다면 직원은 소속 부서의 데이터 및 리소스를 보호하는 데 우선순위를 둘 수 있습니다. 열린 소통 및 협업을 우선시하지 않는 기업 문화에서는 데이터 관리에서 성공을 거두는 데 어려움을 겪게 됩니다.

데이터 사일로를 파악하는 방법은 무엇입니까?

우선 데이터 아키텍처 및 실무를 점검합니다. 예를 들어 정보가 다른 부서 및 시스템으로 전달되지 못하는 지점을 확인합니다. 데이터 사일로의 일반적인 징후로는 종류가 다양하거나 자율적인 데이터베이스, 부서 간 한정적인 데이터 공유, 중복된 데이터 수집, 일관적이지 않은 데이터 형식 또는 정의가 있습니다. 또한 종합적인 실시간 조직 운영 뷰를 확보하기 어렵다면 데이터 사일로가 있다고 볼 수 있습니다. 철저한 데이터 감사를 실시하고 부서 간 소통에 참여하여 데이터 사일로에 더 효과적으로 대응하는 방안을 고려해야 합니다.

데이터 사일로를 없애는 4가지 방법

데이터 관리 시스템 통합

데이터 사일로를 없애려면 사용 중인 다양한 데이터 관리 시스템을 통합해야 합니다. 사용자들의 의견을 고려하면 조직원들이 조직에 긍정적인 태도를 보이고 또 조직 전체에 이득이 되는 디지털 스레드를 구축할 기회를 얻게 됩니다. 

데이터 협업을 위한 거버넌스 모델 설정

데이터 거버넌스 모델을 확립하면 향후에 데이터 사일로가 다시 생겨나는 것을 방지하고 협업을 증진할 수 있습니다. 프레임워크에서는 조직의 데이터를 수집하고, 저장하고, 활용하는 방법을 설명합니다. 규칙 및 프로세스는 개인 정보 보호 및 규제 준수를 보장하여 보안 위험 또한 최소화합니다.

통합 활용

데이터 관리 시스템 통합과 비슷하게, 다른 제품 개발 및 비즈니스 시스템에 연결하여 전체 에코시스템이 동일한 최신 제품 정보를 기반으로 작업하도록 하는 것이 중요합니다. 그러면 이제는 데이터를 수작업으로 입력할 필요가 없어 중복 문제나 잦은 실수의 부담에서 벗어날 수 있습니다.   

문화적 변화

조직 전반의 사용자가 변화를 거부하고 현재 시스템에서 이동하기를 원하지 않는다면 디지털 스레드로 전환하는 일이 기회가 아니라 과제가 되고 말 수 있습니다. 하지만 사용자를 프로세스에 참여시키면 이 문제를 완화할 수 있습니다. 통합된 데이터 관리 시스템이 어떤 형태여야 하는지에 대한 직원의 의견을 모으는 것입니다. 솔루션을 선택한 후에는 새로운 시스템에 대한 적절한 교육 및 훈련을 제공해야 합니다. 

디지털 스레드로 데이터 사일로 해소

이제 데이터 사일로의 정의와 데이터 사일로가 유발하는 문제에 대해 알아보았으므로 데이터 사일로를 없애는 가장 좋은 방법을 살펴볼 때입니다. 데이터 사일로를 없애려면 제품 라이프 사이클 전체에 디지털 스레드를 구축해야 합니다. 디지털 스레드를 통해 데이터에 대한 범용 액세스를 실현하여 필요한 일관성 및 협업을 이룰 수 있습니다. 이를 위해서는 PLM(제품 라이프 사이클 관리)을 디지털 스레드의 토대로 확립하여 필수 시스템 간에 정보가 원활하게 흐르도록 하는 것이 중요합니다. ThingWorx Navigate는 데이터를 단일 플랫폼으로 원활하게 통합해 주는 강력한 PLM 도구입니다. 이 소프트웨어를 이용하면 제품 데이터에 대한 쉬운 액세스, 데이터 민주화, 유연한 배포 옵션을 통해 디지털 스레드로 손쉽게 전환할 수 있습니다. 

Windchill은 PTC의 PLM 솔루션으로서, 종합적인 기본 제공 기능을 통해 IoT 및 ERP와 같은 다른 기업 시스템과 쉽게 통합할 수 있습니다. 이 소프트웨어는 안전한 협업, 간소화된 업그레이드, 데이터를 대규모로 관리하는 현대적 아키텍처 등 분야 간 구성 관리를 위한 높은 수준의 자동화 및 상호 운용성으로 대규모 기업을 지원하는 데 최적화되어 있습니다. 이를 통해 사용자가 더 많은 프로젝트를 더 짧은 리드타임으로 관리하고 품질과 관련이 없는 비용을 절감할 수 있습니다. 

결론

데이터 사일로는 생산성을 떨어뜨리고, 불필요한 오류를 유발하며, 사용자를 격리시키고, 데이터 개인 정보 보호를 위험에 빠뜨립니다. PLM 기반 디지털 스레드를 구축하는 것이야말로 데이터 민주화를 실현하고 최종 사용자 간의 협업을 증진하는 데 중요합니다. 디지털 스레드로 데이터 사일로를 없앤다면 조직은 워크플로 간소화, 제품 품질 향상과 같은 이점을 누릴 수 있습니다.