1 마스터 데이터는 왜 필요한가?

2 마스터 데이터의 근원

3 마스터 데이터란?

4 마스터 데이터 관리란?

5 MDM의 효과

6 MDM의 필요성이 과거의 전사적 데이터 융합시도와 다른점

7 조직 문제와 마스터데이터 관리

8 MDM과 데이터 품질

9 기술과 마스터데이터 관리

• 세상이 변했다
  
  • 정보의 양 증가
    
  • 정보 공유와 협력적 운영
    
  • 기반 인프라의 성능의 증가로 정보 자원의 공유와 협조가 가능해짐
    
  • 협력사들과의 정보공유와 시스템 및 사람의 연계로 경쟁력 제고
    
• 하지만
  
  • 수년 또는 수십년간 부문별로 컴퓨팅 파워와 애플리케이션을 부문별로 분산시키게 되어 '정보 불일치와 외딴 섬들'이 생겨남
    
  • '정보 불일치와 외딴 섬들'은 개별적인 기술과 자원, 전사적인 관점에서 문제의 소지가 많음
    
  • 데이터 통합 작업과 데이터를 일관성 있게 다룰 필요성이 대두됨
    
• MDM의 과제
  
  • 비즈니스 개념의 명확한 정의
    
  • 개념에 해당하는 데이터들의 서로 다른 표현 방식을 확인하여 일관된 전사적인 뷰로 가용되도록 해야 함
    
  • 기업의 핵심 정보 객체들을 어떻게 조직할 것인가를 정함
    
  • 품질과 사용, 동기화를 관리해 정보 이용을 최적화함으로써 기업의 운영적, 전략적 비즈니스 목적을 이루도록 하는 것
    
    

• 초기에는 MDM 문제가 없었음. 파일처리방식으로 데이터의 중복은 무시됨. 대부분 자동화에만 신경씀.
  
• 1980년대 워크그룹 컴퓨팅 소개 및 데스크탑이 확산되면서 분산 정보 시대 도래. 관계형 모델 수용. 파일에서 DB로 재구축(리엔지니어링). 부문관리자들이 제어권과 필요한 자원을 갖게 됨으로써 유연성과 자율성 확보. 결국 관리 통제권의 분산은 공통 비즈니스 개념과 객체들을 서로 다른 방식으로 정의 내리는 결과를 초래함. 등장이유1: 공통적으로 사용되는 비즈니스 개념들의 의미와 정의를 가능한 한 합리화시키고 같은 개념을 나타내지 않는 비즈니스 용어들을 구별해주는 능력을 필요로하게 됨.
  
• 1990년 대 중반부터 DW등의 프로젝트로 분산에서 중앙집중으로 다시 돌아가는 추세. 등장이유2: 데이터 분석과 리포트가 통합되고 변환되어 적용된 클린징과 수정으로 인해 원천 데이터와 동기화되어 있는 않을 수 있음을 알게됨. 이러한 불일치는 신뢰성을 떨어뜨리게 됨.
  
  

• 어떤 조직이든지 고객, 제품, 공급자, 벤더, 직원, 재무, 정책 등과 같은 비즈니스 프로세스의 중심이 되는 공통 개념들이 있다. 이것들은 고립된 여러 시스템에 분산된 중복된 데이터로 다양한 의미와 형태로 존재한다.
  
• 가장 기본적인 목표는 조직의 핵심 비즈니스 엔티티를 동기화하고 일관성 있는 뷰로 바라볼 수 있도록 하는 것
  
• 마스터 데이터 객체는 조직 전반에 걸쳐 있는 다양한 어플리케이션에서 사용되는 핵심 비즈니스 객체와 연관 메타데이터, 속성, 정의, 역할, 연결정보 그리고 텍소노미(taxonomies)등을 포괄한다. (명시적 혹은 암묵적인 계층관계 존재할 수 있음)
  
  

• 정의: 주요 이해관계자, 참여자, 비즈니스 고객과 마스터 데이터 획득, 통합 그리고 정확하고 적시에 일관성 있고 완전한 마스터 데이터를 공유 및 사용함을 지원하기 위한 정책, 절차, 서비스, 그리고 인프라 관련 비즈니스 애플리케이션, 정보관리 방법론, 그리고 데이터 관리 도구를 총체적으로 지휘하는 최고의 데이터 관리르 위한 다양한 활동들으 집합
  
• 목적: 전체 운영 애플리케이션 인프라에 걸쳐 있는 고유하게 식별될 수 있는 모든 마스터 데이터 엔티티들에게 일관성 있는 뷰로의 접근을 제공함으로써 조직의 비즈니스 요구사항을 지원하는 것(방법, 도구, 정보, 서비스를 포함)
  
  

MDM 프로그램과 비즈니스 정당성은 하나로 다루어져야 한다. 주요 비즈니스 정보 객체를 위한 마스터 통합 뷰를 제공하는 거은 비즈니스 생산성 향상, 위험요소 관리, 비용 절감에 의미있는 효과를 가져다 준다. 다음은 MDM의 효과다.

• 포괄적인 고객지식 - 여러 부문에 걸쳐 중복되고 고립된 고객정보는 전사적인 관점에서 알기 어렵다.
  
• 대고객 서비스 개선
  
• 리포트 일관성 보장
  
• 경쟁력 향상 (복잡성 감소, 기민성 증가)
  
• 위험관리 개선
  
• 운영 효율성 및 비용 절감 개선
  
• 의사결정 개선
  
• 비용분석 및 계획향상
  
• 규제 준수
  
• 정보 품질 고도화
  
• 결과 도출 시간 단축
  
• 비즈니스 생산성 향상
  
• 애플리케이션 개발 단순화
  
  

• 기술적인 도전 과제들이 대부분 비즈니스 요구사항을 덮어버려 정보기술 중심의 프로젝트 환경을 생성하는데 그쳤다.
  
• MDM은 또 다른 정보 사일로(silo)를 생성하는데 있는 것이라기보다는 일관성이 보장되는 기업 데이터 객체 단일 뷰 접근방식을 통합하는 것이다.
  
• ERP, CRM 등의 전사적 데이터 융합시도들은 독립적인 애플리케이션 모습으로 등장했으나 데이터 거버넌스, 데이터 품질, 정보 공유 등의 정책에 의해 집행되는 비즈니스 프로세스 집합을 위한 기술을 제한적으로 내포했다.
  
• 분석 애플리케이션들은 조직의 역량만큼의 역할과 의미를 가진다. 이전 프로젝트들은 조직이 이러한 선상에서 움직일 수 있도록 제대로 준비하지 못했다.
  
• 예전의 전사적 통합 노력과 MDM이 다른점
  
  • 기술 초점보다는 비즈니스 초점
    
  • 비즈니스 고객과 함께 엔티티 식별 및 유효성 검증 프로세스에 집중
    
    

MDM은

• 고품질의 마스터데이터 단일 리파지토리 생성
  
• 전사적으로 동기화되고 일관된 뷰를 통해 기업 데이터를 애플리케이션에 공급하는 것
  
• 가장 중요한 점은 전사적으로 고품질의 마스터데이터 인스턴스를 통합하는 것이 요구되며, 다음의 사항들에 크게 의존
  
  • 전사적으로 사용하는 데이터 객체 인벤토리
    
  • 마스터데이터 자산으로 통합할 때 사용할 수 있는 주요 데이터 객체 후보를 식별하는 방법
    
  • 정의, 사용 시나리오 및 의도, 엔티티의 의미와 시멘틱스는 물론 객체 계층과 관계의 충돌 해소
    
  • 표준화된 정보 추출, 공유, 배송을 유연하게 실행할 수 있는 역량
    
  • 마스터데이터 자산 확보를 위해 사용되는 품질 주도의 마이그레이션 프로세스, '최적의 레코드'로 융합하기 위한 데이터 생존 규칙을 포함
    
  • 마스터데이터 자산에 접근/관리하기 위한 기업의 고객 서비스를 투명하게 노출시키고자 하는 접근방식
    
  • 기업 데이터를 지소적으로 마스터데이터 환경으로 통합하기 위한 관리 거버넌스 프레임워크
    
    
    

예전의 MDM과 유사한 구현방식들은..

• IT주도로 이루어지거나
  
• 박스에서 뜯어 설치만 하면 곧바로 사용할 수 있다고 오해하거나
  
• 전사적 통합이 불충분하거나
  
• 비즈니스 쪽에서의 제한적인 이해 및 승인등의 문제로
  

결과적으로는_{아마도 공정하지 못하게} 비판 받아 왔다. 이런 이슈들을 해소하자고 하는 노력은 MDM 프로그램을 구현하는데 필요한 고민들을 정의하는 것과 직결된다.

• 협업을 위한 효과적인 기술 인프라
  
• 전사적인 조직 준비
  
• 양방향의 전사적인 수락 및 통합
  
• 측정 가능한 고품질 데이터
  
• 데이터 거버넌스 정책과 절차를 통한 전체 프로세스 관리/감독
  
  

마지막의 데이터 거버넌스는 매우 중요하다. MDM의 주요 성공요소는 전사적 데이터 거버넌스 성취다. 감독과 거버넌스 권한을 사업부서에서 중앙집중형 관리센터로 이동하는 것이 어떻게 조직에 영향을 끼칠 것인지에 대해 이해하는 것이 중요하다. 중앙집중형 관리센터로 이동하는 것은 정보관리 책임과 권한을 사업부서 단위에서 전체 조직으로 이관하는 것과 같다. 따라서 성공을 위한 위대한 도전은 기술적인 것이 아니라 조직적인 것이어야 한다. 이런 이유로 MDM이 프로젝트나 애플리케이션이 아닌 '프로그램'으로 인식되는 것이다. 다음은 MDM프로그램을 성공적으로 이끄는 요소다.

• 조직적 준비(섬에서 중앙으로 전환하는데 필요한 준비)
  
  • 교육
    
  • 개인적인 보상 프로그램
    
• 데이터 거버넌스
  
  • 정책과 절차
    
  • 스튜어드십 프레임워크
    
• 메타데이터 관리
  
  • 비즈니스 정의
    
  • 유효한 데이터 값의 집합
    
  • 수반되는 비즈니스 규칙과 사용성 맵핑 등
    
• 메타데이터 레지스트리
  
  • 전체적인 통제 메커니즘과 가능할 때마다 마스터 데이터 뷰를 즉각적으로 통합하는 정보센터(clearing house)를 제공
    
  • 통합이 불가능할 경우를 결정하는 것을 도와줌.
    
• 기술 통합
  
  • 기술 위주로 프로세스를 개발하기 보다는 프로세스를 지원하기 위해 기술을 통합하는 필요성을 인지
    
  • 데이터 품질과 데이터 통합을 위한 기술
    
  • MDM 솔루션 아키텍처
    
• 변화 예견
  
  • 패러다임의 변화에 대한 적절한 준비와 조직의 변화
    
  • MDM은 원천적으로 경쟁적 우위를 점하기 위한 데이터 통합을 목표로 함.
    
  • 비즈니스 생산성을 향상시키는 새로운 방식을 시도하고 권하는 기회 제공
    
    

MDM의 성공은 고품질의 데이터에 있으며, 데이터 품질은 MDM 프로그램을 통해 개선될 수 있다.

• 평가 - 마스터 데이터 레파지토리에 편입되어야 하는 핵심 객체를 식별하는 역량은 자동화된 도구에 의한 평가 프로세스에 의존적.
  
• 보장 - MDM은 '짓기만 하면 모여드는' 경우가 되지 않을 것이다.
  
  • 고품질의 마스터데이터 필요
    
  • 효과적인 이슈 응대와 추적
    
  • 전체 합의 기반의 거버넌스 모델을 통한 견고한 데이터 스튜어어드십과 함깨 애플리케이션 품질 목표를 지속적으로 보장해야 함.
    

데이터 품질은 MDM 성공에 절대적!!

MDM의 기술적인 부분

• 데이터 프로파일링
  
• 복잡한 데이터 분석
  
• 메타데이터 관리
  
• 데이터 모델링
  
• 데이터 통합(data consolidation)
  
• 파싱
  
• 표준화
  
• 레코드 연계과 매칭
  
• 클린징
  
• 서비스지향 아키텍처
  
• 접근제어
  
• 데이터 연합(data federation)
  
• 데이터 배송(data propagation)
  
  

MDM은 도구위가 아닌 비즈니스 위주다. 그렇다고 도구와 기술을 활용하지 않고서는 MDM 프로그램을 개발할 수 없다.