데이터 웨어하우스

목차

1.데이터 웨어하우스 개요

2.출현배경

3.데이터 웨어하우스의 구조

4.데이터 웨어하우스의 기법들

5.국내시장 현황

6.데이터 웨어하우스 공급자별 현황 및 전략

7.데이터웨어하우스 시장 전망

8.기업의 구축사례(삼성전기, 유나이티드 항공사, SAS,NCR, 월마트)

본문내용

방식으로 갈 수 밖에 없다. 데이터웨어하우스는 반드시 비즈니스 목적에 따라 큰 그림을 그려야 한다.
부서간 협력 부족 | 부서별, 조직별 데이터마트가 만들어져 이른바 데이터웨어하우스가 누더기가 되는 다른 이유는 조직 내의 정치적인 요인에 의해서도 발생한다. 예를 들어 콜센터나 웹사이트관리 부서에서는 저마다 자기 나름의 데이터마트를 만든다. 그들만의 데이터마트를 마구 만든 후 서로 정보를 공유하지 않는 것이다. 부서간 협력 부족, 자기 밥그릇 챙기기 등으로 인해 데이터웨어하우스가 누더기가 되는 것이다.
전사 데이터웨어하우스 구축에 대한 잘못된 인식 | 전사적으로 데이터웨어하우스를 구축한다면 일단 사람들은 두려워하고 시간이 오래 걸릴 것이라고 생각한다. 즉 위험이 클 것이라고 생각한다. 잘못된 생각이다. 전사적 데이터웨어하우스라는 큰 그림을 우선 그리고 단계적으로 접근하면 되기 때문이다. 따라서 일단 큰 그림을 제대로 그리는 것이 중요하다. 구축은 점진적으로 이뤄지기 때문에 그 안에 커다란 위험이 존재하는 것은 아니다. 막연한 선입견이 전사적인 데이테웨어하우스 구축을 방해하는 것이다.
이러한 전사적 데이터웨어하우스 접근방식을 취하는 곳은 주위에서 어렵지 않게 찾아 볼 수 있다. 한국의 경우 제일은행이 이러한 접근방법을 취해서 엄청난 효과를 보고 있다. 제일은행은 이러한 내용을 애써 외부에 밝히려 하고 있지 않지만 전사적 데이터웨하우스 구축을 통해 엄청난 비즈니스 가치를 창출하고 있다고 브롭스트 CTO는 밝힌다.
데이터웨어하우스 구축은 각 산업별로 각기 다른 양상을 보이고 있다. 경쟁이 치열하고 고객요구가 빠르게 변하는 기업들은 대부분 데이터웨어하우스를 구축해 다양하게 활용하고 있다. 특히 금융, 통신, 유통산업에서 데이터웨어하우스 구축이 두드러지고 있다. 국내 기업들도 이와 비슷한 양상을 보이고 있다. NCR의 브롭스트 CTO는 6개월 전에도 한국의 방문한 적이 있다고 전제하고 6개월 사이 CRM을 위한 데이터웨어하우스 구축 기업들이 예상보다 크게 늘어났다고 설명한다.
“이전까지 한국 기업들은 CRM을 위해 데이터웨어하우스 구현을 고려하는 탐색 단계에 머물러 있었지만 지금은 실제 구현하는 단계로 접어든 것 같다.”
■ 월마트의 데이터웨어하우징
< 구매행태 통계분석 판매전략에 활용 >
21세기는 정보, 지식경쟁의 시대이다. 세계 구석구석에 흩어져 있는 각종 정보를 끌어 모아 경영에 효율적으로 활용할 수 있는 기업만 살아남는다. 유통 사업은 특히 그러하다. 미국의 유통회사 월마트는 1962년 아칸소주의 한 상점에서 출발해 지금은 2천9백여개의 매장에서 60여만명의 종업원이 한해 1천억달러를 벌어들이는 미국 최대 규모의 유통업체로 성장했다. 월마트는 미국 전역에 흩어져 있는 매장마다 주요 고객층의 수요를 신속히 파악해 매출을 극대화한 것으로 유명하다.
월마트가 내세우고있는 비장의 무기는 데이터웨어하우징(DW)이라는 정보기술을 기반으로 한 경영기법이다. 데이터를 가공, 처리해 필요한 정보를 언제라도 볼 수 있게 하는 정보기술이다. DW는 종업원 누구나 기업내에 흩어져 있는 방대한 양의 데이터에 손쉽게 접근, 활용할 수 있게 해준다.
월마트의 DW는 각종 기업정보를 최종사용자가 쉽게 활용함으로써 신속한 의사결정을 유도하도록 하는 개념에서 출발한다. 겉으로는 아무 관계가 없어 보이는 데이터라도 그 안에 숨어 있는 상관관계를 찾아 기업 경영활동에 활용할 수있도록 하기 위한 새로운 데이터 가공기법이다.
예를 들면 비오는 날 빨간 립스틱보다 자주빛 립스틱이 더 많이 팔리고 중년 여성들보다는 20대 여성들이 더 많이 찾는 경향이 있다고 하자. 이럴 경우 백화점은 장마철이 오기 전에 자주빛 립스틱, 특히 중년 여성보다 지갑에 돈이 적은 20대 여성의 저가 립스틱을 진열해 놓으면 매출을 극대화할 수 있을 것이다. 또 정장을 입은 사람과 입지 않은 사람중 누가 더 많이 아이스크림을 찾을 것인가 하는 문제에 대한 답을 구하는데도 데이터웨어하우징을 활용한다. 즉 정장과 아이스크림처럼 상관관계가 별로 없는듯 보이는 자료들 사이에서 어떤 상관관계를 찾아내 준다는 것이다.
이런 정보는 평소고객의 구매행태에 대한 정보를 입력해 둬야 얻을 수 있다. 어느 연령대의 고객이 어떤 날, 어느 제품을 구입하는 지에 대한 각종 고객정보를 데이터베이스에 축적해야 전체적인 '경향'을 도출할 수 있다. 데이터베이스는 자세하면 자세할수록 매출증대에 도움을 준다. 세세한정보란 새로 옷을 산 고객이 립스틱도 하나 더 산다든가 식료품 구매가 많은 날 양말 속옷 등 의류소품 소비도 늘어난다는 등의 연관소비나 구매과정에 대한 정보를 뜻한다.
월마트의 DW시스템은 낮시간동안 매장의 카드계산대를 거쳐 지나간 상품과 신용카드정보를 밤새 분류해 항목대로 뽑아놓은 작업을 한다. 월마트가 자랑하는 것은 그동안 매장을 거쳐 지나간 상품판매 고객정보를 모은 7.5테라바이트(75조바이트) 규모의 데이터베이스이다. 처음엔 상품의 구입과 판매시점에 관한 정보뿐이었지만 현재는 재고량, 수요예측, 예상수익 등 다양한 정보를 담고 있다.
DW는 쓰레기처럼 쌓여있는 데이터 더미에서 금을 캐는 것에 비유된다. 이 경향은 주변환경과 주고객층이 누구냐에 따라 결과가 다르다. 때문에 단순히 다른 곳의 경향을 그대로 따라하면 실패하기 쉽다. 미국 최대 규모의 시어즈 역시 매장별로 매일 발생하는 매출정보를 백화점의 컴퓨터시스템에 입력해 놓으면 밤사이 컴퓨터가 정보의 상관관계를 해독해 다음날 어떤 제품을 구입하고 어떤 위치에 배치해 놓을 것인가를 알려준다. 시어즈는 94년 DW를 처음 도입한지 1년만에 수익률이 20% 증가하는 효과를 보았다.
DW는 지금까지 유통업체나 제조업체들이 여론조사전문기관에 구매경향에 대한 조사를 의뢰해 오던 것과는 달리 각 업체가 업체만의 여론조사결과를 갖게 해준다. DW를 통한 경향분석은 실제 구매결과를 바탕으로 작성된 것이기 때문에 여론조사보다 현실성 있는 결과를 얻을 수 있다. 정보통신관련 전문리서치업체인 IDC에 따르면 DW를 도입한 회사들은 2, 3년만에 투자액의 400% 이상을 회수하는 것으로 되어있다.

키워드

데이터웨어하우스,   데이터마이닝,   OLAP,   ERP,   기업정보시스템