데이터 비용을 최소화하고 성장을 촉진하는 11가지 방법

비즈니스 데이터로부터 가치를 창출하기 위해서는 공장, 사무실, R&D 등에 투자할 때와 같이 투자수익률을 계산해 보아야 합니다. 기업은 고객, 제품, 거래, 임직원, 재무, 경제, 경쟁사 등에 대한 데이터 없이는 운영될 수 없습니다. 기업의 성장과 번영을 위해 꼭 필요한 데이터입니다. 그러나 고품질 데이터의 획득, 저장, 관리, 보안, 분석에는 그만한 비용이 듭니다. 기업이 보유한 데이터가 많을수록 고객 서비스 및 파트너사와의 협업에는 도움이 되지만, 데이터 생태계 전반에 투입해야 할 시간, 노력, 자원도 함께 늘어납니다. 일관적인 ROI 중심 관점으로 데이터를 다루면 기업의 비즈니스에 도움이 됩니다.

본 문서에서는 데이터 ROI 방정식 중 비용 측면에 주목하고, 데이터 획득, 저장, 보안, 활용 비용을 통제 및 최소화하는 방법을 중점적으로 살펴볼 것입니다.

데이터 비용이란 무엇인가요?

데이터 비용은 비즈니스 데이터의 획득, 유지, 보안, 활용에 드는 비용을 말합니다. 이러한 데이터 비용 중 상당수는 명확합니다. 데이터 자체는 온프레미스의 하드 드라이브나 스토리지 어레이, 또는 물리 디스크로 구성된 클라우드 스토리지 등에 반드시 저장돼야 합니다. 콘텐츠 관리 시스템, 관계형 데이터베이스, 데이터 웨어하우스/데이터 레이크 등 데이터를 체계화하기 위한 소프트웨어가 필요하며, 오픈 소스 솔루션을 사용하는 경우 상용 라이선스 비용, 또는 구독/지원 계약 비용이 발생합니다. 데이터는 반드시 백업되어야 하며, 일부 데이터 유실 시의 제한적 복구, 또는 물리적 재해 시의 전체 복구를 대비하기 위한 추가 스토리지와 백업 관리 소프트웨어가 필요합니다.

타사로부터 데이터를 구매할 경우 라이선스 또는 다른 비용이 발생할 수도 있습니다. 산업 또는 정부 규정을 준수하고 프라이버시 이슈를 해결하기 위한 보안 및 액세스 제어가 필요합니다. 오래된 정보를 수정하는 것과 같이 데이터 검증 및 데이터 품질 보장/개선과 관련된 비용도 발생합니다.

데이터를 최대한 활용하려면 UI, 분석, 보고용 소프트웨어는 물론 인사이트 확보를 위한 딥러닝, AI 소프트웨어 비용도 발생할 수 있습니다.

마지막으로, 성능 및 확장성과 관련된 비용이 발생합니다. 데이터가 메가바이트에서 테라바이트, 페타바이트급으로 증가할 경우 정교한 소프트웨어, 신중한 계획, 나아가 데이터를 유지 관리하고 사용하기 위한 자동화 도구 및 대규모로 저장 및 액세스하기 위한 하드웨어가 필요합니다. 또한 기업은 이상 언급한 각 데이터 비용 항목과 관련된 데이터 관리 도구들을 관리하고 운영하기 위한 숙련된 인력을 고용해야만 합니다.

핵심 요점

• 기업은 데이터 비용 절감 프로그램을 시작하기에 앞서 보유 중인 데이터 자산과 활용 방식, 가장 빠르게 증가하는 영역, 병목 지점 등을 파악해야 합니다.
• 대규모 IT 예산 내에 데이터 비용을 뭉뚱그리는 대신, 데이터에 지출하는 비용 내역과 가장 크고 빠르게 성장 중인 비용 요인을 정확히 파악해야 합니다. 이는 가장 큰 비용 절감 기회를 찾는 데 도움이 됩니다.
• 여러 데이터베이스 및 서비스를 융합형 데이터베이스로 통합하는 것과 같은 대안 아키텍처를 검토해 보세요. 예를 들어 트랜잭션 데이터베이스와 같은 플랫폼에서 분석 및 ML 워크로드를 실행해 단계를 줄이고, 인사이트 확보를 앞당기고, 비용을 낮출 수 있습니다.
• 클라우드 기반 데이터 서비스는 필요한 성능, 자동화, 보안을 확보함과 더불어 운영 비용을 절감할 수 있습니다.

데이터 비용 최소화 알아보기

데이터 비용 최소화는 보유 중인 데이터를 파악하는 것부터 시작됩니다. 개중 일부는 행과 열로 저장된 관계형 데이터입니다. 문서, 이미지, 동영상, 바이너리 파일 등의 비정형 데이터도 있을 수 있습니다. 보유 중인 데이터 자산을 파악한 기업의 다음 단계는 관계형 데이터베이스, NoSQL 데이터베이스, 문서 저장소 등 최적의 저장 형식을 결정하고 데이터베이스 통합 기회를 검토하는 것입니다. 데이터의 출처, 위치, 사용 장소 및 방식도 반드시 알아 두어야 합니다.

보유 중인 데이터와 최적의 저장 위치를 파악했다면, 다음 단계는 다양한 데이터 소스 및 용도를 포괄하며 데이터 획득, 관리, 저장, 분석을 최적화할 수 있는 유연한 데이터 아키텍처를 채택하는 것입니다. 그중에서도 핵심 요소는 데이터 활용 방식을 정의할 적절한 데이터 거버넌스 모델을 찾는 것입니다. 또 다른 핵심 요소는 성능, 유연성, 보안, 유용성을 극대화하면서 비용을 최소화할 온프레미스 또는 클라우드 데이터 관리 시스템을 선택하는 것입니다. 기업은 이상의 모든 단계를 거쳐 데이터 묶음의 가치와 활용도를 평가하고, 평가한 만큼의 가치를 실제로 확보하기 위한 비용을 최소화할 수 있습니다.

데이터 비용을 최소화하는 11가지 방법

기업에는 현재 보유하고 있는 데이터의 양과는 무관하게 새로운 데이터가 매일, 어쩌면 매초마다 추가됩니다. 새로운 데이터의 상당 부분은 운영, 거래, 고객 및 파트너사 서비스, 경영 지원, 재무 보고, 규제 준수 등에 필요합니다. 하지만 가치가 거의 없는 데이터도 있습니다. 데이터 획득, 변환, 저장, 보안, 활용 비용을 최소화하기 위한 11가지 방법은 다음과 같습니다. 개중에는 비즈니스 민첩성 향상, 직원 생산성 향상 또는 다른 효율성 향상이 직접적인 예산 절감이 아닌 간접적인 절감으로 이어지는 경우도 있습니다.

데이터 비용 절감 프로그램을 만드는 방법

데이터 비용 절감 프로그램의 목표는 더 적은 비용으로 더 많은 성과를 내는 것입니다. 구체적으로는 데이터 관리 비용은 줄이고 더 큰 인사이트와 운영 대응력을 확보하는 것입니다.

데이터 비용 절감 프로그램의 7가지 단계

1. 프로그램 책임자 지정
2. 현재 데이터 지출 평가
3. 데이터 비용 가시화
4. 데이터 예산 수립
5. 최적 비용 절감 전략 도출
6. 데이터 이해관계자들과 협력
7. 성과 평가

1. 프로그램 책임자 지정.
   먼저 전체 목표를 이해하고 올바른 단계, 마일스톤, 일정을 유지할 책임자가 필요합니다. 올바른 우선 순위 유지에 집중할 프로그램 책임자를 지정하는 것으로 데이터 비용 최소화 프로젝트를 시작합니다.
2. 현재 데이터 지출 평가.
   데이터와 관련해 어떤 항목에 얼마를 쓰는지 상세하게 산정합니다. 고정된 비용과 증가 중인 비용을 정확히 파악합니다. 그 지출로부터 얻는 가치를 구체적으로 정의합니다.
3. 데이터 비용을 비즈니스 우선순위로 선정.
   데이터 비용이 IT 예산에 묻히지 않도록 해야 합니다. 실제 데이터 비용을 더 잘 이해할수록 더 잘 관리할 수 있고, 각 부서도 데이터로부터 얻는 가치와 비용이 부합하는지 여부를 쉽게 판단할 수 있습니다.
4. 데이터 예산 수립.
   현재 데이터 지출과 증가 예상 영역을 파악했다면 총소유비용(TCO)에 기반해 지출 계획을 수립합니다. 해당 계획을 바탕으로 비용 절감 목표를 수립할 수 있습니다.
5. 비용 절감 전략 도출.
   비용을 줄이는 방법은 다양합니다. 데이터 아키텍처 전환, 사일로화된 데이터베이스들을 융합형 데이터베이스로 통합, 오픈 소스 기술 도입, 클라우드 전환, 관리형 데이터 서비스 활용 등이 좋은 예입니다. 귀사에 가장 잘 어울리는 방법들을 선택해 보세요.
6. 이해관계자별 비용 절감 파악.
   데이터 비용을 직간접적으로 부담하는 부서 또는 사용자를 파악합니다. 그들과 협력해 가장 효과적인 절감 전략, 또는 절감 시 위험이 더 큰 영역을 분석합니다.
7. 성과 평가.
   '절감액은 얼마인가요?'라는 질문에는 당연히 답해야 하지만, 그와 관련된 정확한 숫자를 도출하려면 엄격한 산정이 필요합니다. 또한 '비용을 과도하게 줄인 영역은 어디인가요?', '더 많은 투자가 필요한 영역은 어디인가요?' 등의 질문에도 답해야 합니다.

데이터 비용 절감 예

많은 기업들이 클라우드와 최신 데이터 아키텍처를 활용하여 데이터 비용을 절감하고 있습니다.

• Pinnacle Teleservices는 고객의 커뮤니케이션을 개선하고 온라인 거래 처리 및 분석 워크로드를 통합했습니다. 이 회사는 비용이 많이 들고 광범위한 하드웨어 유지 관리와 복잡한 ETL(추출, 변환 및 로드) 프로세스를 제거하면서 3X 이상의 일일 거래를 최대 10억 개까지 관리했습니다.
• 학사 테스트 준비 회사인 Estuda.com는 복잡한 최종 사용자 쿼리를 처리하기 위해 클라우드에서 보다 효과적인 데이터 아키텍처로 이동하여 응답 시간을 300배 개선하면서 데이터 비용을 85% 절감했습니다.
• 중소기업을 위한 계약 입찰 플랫폼을 운영하는 Licitapyme는 컨버지드 클라우드 데이터베이스 아키텍처로 전환하여 비용을 74% 절감하는 동시에 웹 페이지 로드 시간을 3X까지 단축함으로써 사용자가 포기할 가능성을 줄였습니다.

Oracle HeatWave로 데이터 비용 줄이기

데이터는 청구, 번역 로그, 문서, 부품 카탈로그, 가격표, 재고까지 귀사의 다양한 비즈니스 부문 전반을 지원합니다. 운영 데이터를 더 효과적으로 활용하면 새로운 기회를 창출할 수 있습니다. 하지만 데이터는 매일 늘어나고, 그에 따라 비용도 증가합니다. 다행히 귀사의 성장 및 효율성 향상을 지속하며 데이터 비용을 최소화할 수 있는 방안이 있습니다.

트랜잭션 및 레이크하우스 단위의 데이터 분석을 모두 수행 가능한 단일 클라우드 서비스인 HeatWave는 자동화된 생성형 AI 및 머신러닝 기능을 기본 제공합니다. 기업은 여러 분석 및 벡터 데이터베이스, 머신러닝 서비스, ETL 프로세스가 야기하는 과도한 비용과 복잡성을 해소하고, 저장소 간 데이터 이동으로 인한 지연 및 보안 위험을 피할 수 있습니다. 개발자와 DBA는 내장된 머신러닝 기반 자동화 기능을 활용해 시간을 절약하고, 성능을 더 끌어올리고, 비용을 절감할 수 있습니다. HeatWave는 Oracle Cloud Infrastructure(OCI), Amazon Web Services(AWS), Microsoft Azure, 그리고 OCI Dedicated Region을 도입한 고객사의 데이터 센터에서 사용할 수 있습니다.

HeatWave 레이크하우스의 쿼리 성능은 Amazon Redshift보다 15X 빠르며, 18X는 Databricks 및 Snowflake보다 빠르며 35X는 Google BigQuery보다 빠릅니다. 가격 대 성능비 또한 MySQL HeatWave Lakehouse 쪽이 크게 앞섰습니다. 빠르게 성장 중인 기업들 중 다수가 HeatWave를 사용해 데이터 인프라를 단순화하고 데이터 관리 비용을 절감함과 더불어 성능, 확장성, 보안, 생산성 향상으로 인한 이점을 누리고 있습니다.

데이터 비용 절감 FAQ

데이터 센터 운영 종료를 위한 첫 번째 단계는 무엇인가요?

데이터 센터 운영 종료를 계획할 때에는 애플리케이션, 데이터, 서비스, 사용자, 보안 요구 사항을 면밀히 조사해야 합니다. 조사의 모든 내용에는 '리프트 앤 시프트' 방식으로 기존 애플리케이션과 데이터를 클라우드로 모두 옮길 것인지, 새로운 애플리케이션을 선택할 것인지, 처음부터 새로운 애플리케이션을 구축할 것인지 등 마이그레이션 방식에 대한 정보도 포함되어야 합니다.

데이터 센터 내 장비의 수명은 얼마나 긴가요?

HVAC(난방, 환기, 냉방) 시스템, 배전, 물리적 보안 시스템 등 데이터 센터 인프라의 주요 구성 요소들은 정기적인 유지 관리를 통해 10년 이상 사용할 수 있습니다. 그러나 서버, 라우터, 스위치, 스토리지 등 컴퓨태이션 장비가 구형 모델로 전락하기까지는 대략 3년에서 5년이 걸립니다.

클라우드 보안 책임은 누구에게 있나요?

클라우드 인프라의 물리적 보안(서버, 네트워크, 인프라 등)은 클라우드 제공업체가 관리합니다. 소프트웨어 및 서비스의 보안 책임은 클라우드 제공업체와 기업이 공동으로 집니다.

데이터 센터의 운영을 종료하기까지는 얼마의 기간이 걸리나요?

완전한 데이터 센터 종료까지는 수 개월이 소요될 수 있습니다. 대규모 IT 인프라의 경우 수년이 걸리기도 합니다. 데이터 센터 운영 종료 기간은 데이터 센터의 크기, 복잡성, 데이터의 양에 따라 달라집니다. 그중 상당한 시간이 면밀한 재고 조사, 계획 수립, 새로운 소프트웨어 생성 및 테스트(필요 시), 교육에 소비됩니다. 사무실 이전과 마찬가지로, 모든 계획이 완료된 상태에서는 실제 마이그레이션 및 데이터 센터 운영 종료 그 자체는 상대적으로 단기간에 끝낼 수 있습니다.