데이터 랜드스케이프 캔버스

사용 이유

데이터/AI 제품에 필수적이고 유용한 데이터 소스를 파악하기 위해 데이터 랜드스케이프를 살펴봅니다.

사용 시기

이전에 작업한 Data Monetization 캔버스를 사용해 데이터/AI 제품에 적합한 관련 데이터 세트를 파악했다면, 다음 단계는 데이터 랜드스케이프 캔버스를 사용해 잠재적 데이터 소스를 식별하고 위치를 파악하며 분류하고 가용성과 품질을 확인하는 것입니다.

사용 방법

I. 준비

1. 캔버스 헤더를 작성합니다.

a) 캔버스 헤더의 초점 레이블에 데이터/AI 제품 이름을 적은 흰색 스티커 메모를 붙입니다. 이전에 작업하던 데이터 수익화 캔버스에서 초점 스티커 메모를 복사해 사용할 수 있습니다.

b) 바닥글: 해당 색상의 스티커 메모로 범례를 추가합니다.

• 녹색 스티커 메모: 데이터 자산: 데이터 소스

• 노란색 스티커 메모: 데이터 자산: 데이터 소스(이슈 있음)

• 빨간색 스티커 메모: 데이터 격차

• 파란색 스티커 메모: 데이터/AI 제품 또는 원하는 정보

• 흰색 스티커 메모: 핵심 가정 또는 미해결 질문

II. 데이터 소싱

② 데이터 탐색의 방향을 정하기 위해 데이터/AI 제품 이름 또는 보다 좁게 집중하려면 원하는 정보를 파란색 스티커 메모에 적어 중앙의 Data Product 박스에 추가하세요.

③-⑥ 이 데이터/AI 제품이나 원하는 정보에 필요하거나 유용한 모든 데이터를 고려하세요. 다음 색상의 스티커 메모를 사용하거나 Sort in 박스에 있는 기존 스티커 메모를 활용하세요:

• 초록색: 데이터 세트가 데이터 소스에서 사용 가능함을 나타냅니다. 초록색 스티커 메모에는 다음과 같이 레이블을 붙이세요: " 데이터 세트: 데이터 소스". 데이터 세트가 서로 다른 버전, 형식, 출처 등에서 사용 가능한 경우에는 초록색 스티커 메모를 여러 개 추가하고 레이블에 예를 들어 " 데이터 세트: 데이터 소스 (비고)"와 같은 비고를 덧붙이세요.

• 빨간색: 데이터 세트가 사용 불가능함을 나타냅니다. 빨간색 스티커 메모에는 구체적인 제목을 붙이세요.

• 노란색: 데이터 세트는 사용 가능하지만 접근성, 품질, 개인정보, 보안 등과 관련된 이슈가 있음을 나타냅니다. 노란색 스티커 메모에는 다음과 같이 레이블을 붙이세요: " 데이터 세트: 데이터 소스 (이슈)".

이 스티커 메모들을 4개의 데이터 랜드스케이프 사분면 중 하나에 배치한 다음, 그 시사점을 논의하세요:

③ 소유 데이터: 소유한 데이터 세트는 경쟁자가 복제하기 어려워 방어 가능한 경쟁 우위를 제공할 수 있습니다. 소유 데이터 세트는 사용에 제한이 없으므로 데이터/AI 제품을 소유 데이터 기반으로 구축하는 것을 우선하세요.

④ 획득 데이터: 고객이나 공급업체로부터 얻은 획득 데이터는 개별 계약이나 법적 규제(예: 개인정보 보호법)에 따라 사용 제한이 있을 수 있습니다. 잠재적인 법적 이슈가 있다면 이 위험을 표시하기 위해 스티커 메모를 녹색에서 노란색으로 변경하고 이슈를 명시하세요.

⑤ 유료 데이터: 유료 데이터는 더 엄격한 사용 제한이 따르는 경우가 많으며 독점성이 보장되는 경우는 드뭅니다. 같은 회사 내 서로 다른 부서가 동일한 데이터 세트를 중복 구매하는 일이 흔히 발생합니다. 이러한 중복을 피하려면 구매를 확정하기 전에 항상 데이터와 기존 데이터 라이선스 계약을 철저히 검토하세요.

⑥ 공개 데이터: 공개 데이터는 일반적으로 독점성이 없으며, 많은 데이터 세트는 비영리 이용만 허용하는 등 사용 권한에 제한이 있습니다. 특히 오픈 데이터는 “카피레프트” 라이선스가 적용될 수 있는데, 이러한 데이터를 사용하면 데이터 제품도 오픈 소스로 공개해야 할 수 있습니다.

또한 원시 데이터인지 파생 데이터인지 결정하고 그에 따른 영향을 고려하세요:

a) 원시 데이터: 모든 원본 정보를 포함하지만 처리와 효율적 사용이 어렵습니다.

b) 파생 데이터: 이 데이터는 정제, 정규화, 집계, 익명화 등과 같은 과정을 거쳐 일부 원본 정보가 손실됩니다. 이러한 변경이 데이터 활용성에 미치는 영향을 고려하세요.

법적 및 처리 요구사항에 따라 데이터/AI 제품에 가장 적합한 데이터 소스를 결정하세요. 선택한 데이터 세트 옆에 흰색 스티커 메모를 붙여 결정과 이유를 기록하거나 불필요한 스티커 메모는 제거하세요.

III. 데이터 브레인스토밍(선택 사항)

머신러닝에서는 데이터 양이 모델 성능을 향상시키는 경우가 많습니다. 하지만 기업은 보통 자사 데이터에만 집중해 공공·유료 데이터 소스의 잠재력을 간과하는 경우가 많습니다. 데이터 영역을 넓히려면 추가적인 데이터 가능성을 탐색해보세요:

③ 자체 데이터: 비즈니스 모델과/또는 프로세스를 어떻게 바꿔 더 많거나 다른 유형의 데이터를 확보할 수 있을까요? 인사이트를 얻기 위해 비즈니스 모델, 가치 사슬, 고객 접점 및 분석 및 AI 성숙도(비즈니스 운영 상자) 캔버스를 검토하세요.

④ 획득 데이터: 고객과 파트너가 추가로 제공할 수 있는 데이터는 무엇인가요? 비즈니스 모델 캔버스를 확인해 잠재 고객과 파트너를 파악하고, (복사본을) 사용해 비즈니스 모델 캔버스로 (B2B) 고객 또는 파트너의 비즈니스 모델을 분석하세요.

⑤ 유료 데이터: 구매하거나 자사의 데이터와 교환할 수 있는 외부 데이터는 무엇인가요? 업계 전체의 가치 사슬을 분석하려면 가치 사슬 캔버스를 사용해 고객의 고객 및 / 또는 공급자의 공급자를 찾아보세요.

⑥ 공개 데이터: 관련 데이터가 포함될 가능성이 있는 공개 데이터 소스는 무엇인가요? 틀을 깨고 창의적으로 생각하세요: 대리 변수(프록시 변수)가 있나요? 예를 들어, 영화에 대한 Wikipedia 페이지의 편집 횟수는 영화의 수익을 강력하게 예측할 수 있습니다.

IV. 데이터 연결

마지막이자 가장 중요한 단계는 모든 데이터 세트가 서로 연결되는지 확인하는 것입니다. 예를 들어 필요한 모든 식별자나 기타 연결 데이터(예: 날짜, GPS 좌표, 우편번호 등)를 파악하고, 데이터 소스(예: 마스터 데이터베이스 시스템)를 찾아 가용성을 평가합니다(녹색, 노란색 또는 빨간색 스티커 메모). 이후 데이터 소스의 출처에 따라 해당 링크 데이터 상자(③-⑥c)에 스티커 메모를 배치하세요.

점선으로 각 데이터 소스 스티커 메모를 공유 식별자나 연결 데이터를 기준으로 해당 링크 데이터 스티커 메모와 연결하세요. 최종적으로 전체 그래프가 완전히 연결되어야 종합적인 데이터 통합 및 분석이 가능합니다.

더 알아보기

Datentreiber는 이 Miroverse 템플릿뿐만 아니라 다음도 제공합니다:

• Data & AI 비즈니스 디자인 킷은 Data & AI 비즈니스 디자인 방법을 적용할 수 있는 다양한 오픈 소스 캔버스를 제공합니다.

• 또한 무료 Data & AI 비즈니스 디자인 커뮤니티에서 교류, 행사, 전문가 콘텐츠를 이용할 수 있습니다.

• 유료 온라인 및 온사이트 교육 과정과 인증서는 Data & AI 비즈니스 디자인 아카데미에서 제공합니다.

• 추가적인 관리 도구, 워크숍 템플릿 및 프로젝트 청사진은 유료 Data & AI 비즈니스 디자인 벤치에서 이용할 수 있습니다.

• 저희 데이터 및 AI 비즈니스 컨설팅은 데이터 및 AI 전략, 혁신 및 전환 프로젝트를 지원합니다.

관심이 있거나 질문이나 피드백이 있으면 다음 주소로 연락해주세요: info@datentreiber.de.

Copyright: 모든 권리는 Datentreiber GmbH가 보유합니다.