데이터 수익화 캔버스

왜 사용해야 하나요?

하나 이상의 사용 사례에 적용할 수 있는 데이터/AI 제품의 분석 솔루션을 설계합니다.

언제 사용해야 하나요?

데이터/AI 제품과 관련된 사용(자) 사례에 대한 아이디어나 개념이 있을 때 분석 솔루션을 설계해야 합니다. 이 프로세스는 제품 개발에 필요한 기술, 조직, 인력 요구사항을 도출하는 데 도움을 줍니다.

어떻게 사용하나요?

I. 준비

1. 캔버스 헤더를 작성합니다:

a) 캔버스 헤더에 집중 영역 레이블을 흰색 스티커 메모로, 데이터/AI 제품 또는 사용 사례 아이디어의 이름을 기록합니다. 이전에 작업했던 분석 및 AI 사용 사례 캔버스에서 집중 영역 스티커 메모를 복사할 수도 있습니다. 또는 비즈니스 모델/사례, 분석 및 AI 성숙도, 우선순위 매트릭스 캔버스에서 사용 사례(아이디어)를 선택할 수 있습니다.

b) 푸터: 해당 색상의 스티커 메모로 전설을 추가하세요:

• 녹색 스티커 메모: "기존 요소"

• 노란색 스티커 메모: "계획된 요소"

• 빨간색 스티커 메모: "누락된 요소"

• 흰색 스티커 메모: "질문 / 가정 / 인사이트 / 결정 / 작업"

II. 데이터/AI 제품 설계

데이터 흐름과 분석 단계를 스케치하기 위해, 누락된 요소는 빨간색, 계획된 요소는 노란색, 기존 요소는 녹색 스티커 메모로 각각 표시하여 아래 박스에 추가합니다. 새로운 데이터 제품의 경우 대부분의 요소가 누락될 것입니다:

② 시작은 캔버스의 오른쪽 끝에서 시작합니다 (참고자료를 참조하여 쉽게 시작할 수 있습니다):

a) 데이터 가치: 정보 가치는 사업 성과 지표(예: 핵심 성과 지표, KPI)로 측정해야 합니다. 이 상자에 대응하는 스티커 메모를 배치하세요. 지속 가능하고 설명 가능하며, 책임 있고 신뢰할 수 있는 AI의 지표와 데이터 품질 지표를 나타내는 모델 성과 지표와 모델 기능에 대한 메모도 제공하세요.

b) 데이터 제품: 스티커 메모를 사용하여 데이터/AI 제품의 의도된 결과물에 대한 세부 사항을 작성하세요. 제품이 답해야 하는 구체적인 질문들을 포함한 원하는 정보를 중점적으로 다루세요. 정보가 데이터에서 직접 계산된 것이 아니라, 예를 들어 머신러닝을 사용하여 예측/추정된 경우에는 정보가 어떻게 얻어졌는지에 대한 설명(비교: "설명 가능한 AI")을 사용자가 기대하게 됩니다.

③데이터 분석: 원하는 정보를 얻기 위한 다양한 분석 접근 방식을 고려하고, 이 상자에 데이터 준비, 분석, 시각화 단계를 빨강, 노랑, 초록 스티커 메모로 그려보세요. 이러한 메모들을 모든 상자들 간에 수평 화살표로 연결해 데이터와 정보의 흐름을 나타내세요.

다양한 알고리즘과 방법의 장단점을 평가하여 정보 질과 모델 기능의 요구 기준에 맞는지 확인하세요. 설명 가능성(예: 설명 가능한 "화이트 박스" vs. 불투명한 "블랙 박스" 모델)과 같은 모델 특성을 고려하여 가장 유망한 솔루션을 선택하세요.

④데이터 셋: 분석 파이프라인에 입력으로 필요한 중요하고 유익한 데이터 셋을 식별하고 아이디어를 제시하세요 (원하는 정보를 도출하기 위해).

데이터 세트 상자에 식별된 각 데이터 세트에 대해 스티커 메모를 작성하고, 이를 데이터 분석 상자의 초기 데이터 준비 및 분석 단계와 연결합니다.

참고 자료

A: 분석 및 AI 사용 사례 캔버스의 솔루션 상자에서 사용자가 원하는 정보를 정의하는 모든 파란색 스티커 메모를 데이터 제품 상자로 복사합니다. 정보의 가용성에 따라 이들의 색을 빨강, 노랑, 녹색으로 변경하고, 필요시 희망하는 정보를 더욱 구체화합니다. 즉, 지표에 특정 이름을 부여하고, 그 단위, 시간 해상도, 세분화 수준 등을 정의합니다.

B: Data Value 박스를 위해 AI 사용 사례 캔버스의 Benefits 및 Objectives & Results 박스에서 일치하는 스티커 메모를 검색합니다. 데이터 또는 정보의 가치는 사용자가 특정 목표와 결과를 달성할 수 있도록 어떻게 도움이 되는지에 따라 측정됩니다.

C: 데이터 가용성에 대해 불확실한 경우, 데이터 지형 캔버스를 사용해 데이터 지형을 탐구해 보세요. 데이터 집합 상자의 모든 스티커 메모를 데이터 지형 캔버스의 정렬 상자에 복사하세요. 이러한 데이터 세트의 출처를 식별하고 추가 데이터 세트를 구상하여 모든 것을 데이터 지형 네 개의 사분면에 위치시킵니다. 그 가용성을 평가한 후 데이터 지형과 데이터 수익화 캔버스에서 스티커 메모의 색상을 업데이트하세요: 초록색 → 데이터 자산, 빨간색 → 데이터 격차, 노란색 → 이슈가 있는 데이터(세트).

III. TOP 요구사항 설계

다음으로, 데이터/AI 제품의 설계에서 기술적, 조직적, 인적 요구사항을 도출합니다:

• 기존의 기술적, 조직적 및 인원 자원이나 역량에 대해서는 초록색 스티커 메모를 추가합니다.

• 기술 인프라, 조직 구조 또는 인적 구조의 격차에 대해서는 빨간색 스티커 메모를 추가합니다.

• 이미 계획 중이거나 진행 중이거나 문제가 있는 기술적, 조직적 또는 인적 변화 및 이니셔티브에 대해서는 노란색 스티커 메모를 추가합니다.

⑤ 기술: 프로젝트에 필요한 기술 인프라를 평가하는 것부터 시작합니다. 캔버스의 왼쪽에서 시작하여 오른쪽으로 이동하며 데이터 세트에서 데이터 가치에 이르기까지 해당 상자 아래를 체계적으로 탐색합니다. 데이터 생애주기의 각 단계—접근, 정제, 통합, 저장, 분석 및 시각화—에 대해 어떤 도구, 플랫폼 및 시스템이 필수적인지 고려하세요.

상단의 데이터 세트, 데이터 분석, 데이터 제품 ＆ 데이터 가치 박스 아래에 위치한 기술 박스에는 데이터 생애 주기의 각 단계에 대한 (여러 개의) 스티커 메모를 배치하세요. 각 메모에는 해당 단계의 프로세스를 운영하는 데 필수적인 기술 제품이나 카테고리의 이름을 레이블로 붙이세요. 이러한 메모는 각 단계에 맞춰 직접 아래에 배치하여 명확한 정렬을 유지하세요.

각 단계 내 기술 스택을 시각적으로 표현하려면 이러한 스티커 메모를 쌓거나 사각형 도형을 사용하여 세로로 기술의 층을 나타내세요. 예를 들어, Python 모듈은 Python 프로그래밍 언어 상단에 배치할 수 있고, 이는 다시 클라우드 컴퓨팅 플랫폼에 기반을 둡니다. 이러한 계층화된 스티커 메모를 수평 화살표로 연결하여 데이터 흐름과 각 기술 구성 요소가 전체 데이터 처리 프로세스에 어떻게 통합되는지를 보여줍니다.

⑥ 조직: 각 기술 구성 요소에 대해 이를 "소유"하고 구현 및 운영에 책임이 있는 팀, 부서, 사업부, 자회사/자매 회사, 또는 외부 공급업체를 식별합니다. 조직 상자에 이러한 조직 단위를 나타내는 스티커 메모를 배치하세요. 이러한 메모는 관련 기술 구성 요소 아래 또는 근처에 배치하여 의존 관계를 명확히 합니다. 요구 사항의 전달과 같은 의사소통 흐름을 설명하기 위해 수평 화살표로 이러한 스티커 메모를 연결합니다.

⑦ 사람: 마지막으로, 데이터/AI 제품과 그 기술 인프라를 구현하고 운영하기 위해 필요한 핵심 인력을 식별하십시오. 스티커 메모를 사람 칸에 배치하고 각 조직 단위 아래에 위치시킵니다. 각 스티커 메모에는 개인의 역할, 기능, 직책, 또는 기술을 적고, 선택적으로 정규직 인원 수(FTE)를 괄호에 넣어 표시합니다. 화살표를 사용하여 보고 라인 및/또는 협업 및 커뮤니케이션 연결을 도식화하십시오.

팁: Conway's Law(“시스템의 구조는 시스템을 설계한 사람들의 커뮤니케이션 패턴에 의해 결정된다.”)에 따라 시스템을 구현하기 전에 조직을 재편성하는 것을 고려해야 합니다. 이를 더 잘 이해하기 위해 캔버스에 세로 점선을 추가해 시각화할 수 있습니다:

• 데이터 세트와 분석 및 기술 구성 요소 간의 의존성,

• 기술 구성 요소에 관한 조직 단위의 책임,

• 사람과 그들이 속한 조직 단위의 연결을 설명합니다.

참고 문헌

D: 데이터와 AI 로드맵을 완성하기 위해 기술적, 조직적, 인력적 역량으로 Analytics & AI Maturity 캔버스(파란색 상자)를 업데이트하세요.

E: 데이터 제품을 구현하고 운영하는 데 있어 비즈니스 모델에 근본적인 변화가 필요한 경우, 비즈니스 모델캔버스를 또한 업데이트하세요.

어디서 더 많은 자료를 찾을 수 있나요?

Datentreiber는 Miroverse 템플릿뿐만 아니라 다음의 것들도 제공합니다:

• Data & AI 비즈니스 디자인 키트는 Data & AI 비즈니스 디자인 기법을 적용하기 위한 다양한 오픈 소스 캔버스를 제공합니다.

• 또한 무료 Data & AI 비즈니스 디자인 커뮤니티가 교류, 이벤트 및 전문가 콘텐츠를 위한 장소로 운영되고 있습니다.

• 유료 온라인 및 현장 교육 과정과 인증은 Data & AI 비즈니스 디자인 아카데미에서 제공됩니다.

• 상업용 Data & AI 비즈니스 디자인 벤치에서 다양한 관리 도구, 워크숍 템플릿 및 프로젝트 청사진을 이용할 수 있습니다.

• 우리의 데이터 및 AI 비즈니스 컨설팅은 귀하의 데이터 및 AI 전략, 혁신 및 전환 프로젝트를 위한 지원을 제공합니다.

관심이 있거나 질문이나 피드백이 있으시면, info@datentreiber.de로 연락해 주십시오.

저작권: 모든 권리는 Datentreiber GmbH에 귀속됩니다.