대부분의 조직은 다양한 출처에서 수집된 데이터를 효율적으로 활용하는 데 어려움을 겪고 있다. 이는 끊임없이 진화하는 기업 데이터 관리 때문이다.

그 이유로는 ▲ 데이터가 사일로화된 시스템에서 수집 및 저장 ▲서로 다른 수직 부서 또는 부서가 서로 다른 유형의 데이터를 소유 ▲조직 전체에 걸쳐 데이터 품질이 일관되지 않다는 점이다.
마스터 데이터 관리(MDM) 솔루션이나 고객 데이터 플랫폼(CDP)과 같은 중앙집중식 데이터 관리 시스템을 구현하면 이러한 대부분의 과제를 해결할 수 있다.
이 글에서는 이러한 시스템의 관련 기능에 대해 논의하고 어떤 시스템이 조직의 요구 사항에 가장 적합한지 간략히 설명한다.
MDM 이해하기
마스터 데이터 관리란 조직의 운영 및 분석 요구 사항을 지원하기 위해 신뢰할 수 있는 단일 진실의 원천이 되는 데이터의 중앙집중식 조직 전체 보기를 생성하는 관행이다. MDM은 다양한 MDM 도구를 사용하여 구현하거나 널리 사용 가능한 클라우드 기술을 사용하여 사용자 지정하여 구축할 수 있다.

MDM 시스템의 주요 목적은 여러 데이터 소스의 데이터를 통합하여 조직 전체에 걸쳐 단일 진실의 원천을 생성하고 유지 관리하는 것이다. 이것이 MDM이 일반적으로 CIO/CTO 또는 CDO/CDAO의 관할 하에 있는 조직의 IT 또는 데이터 분석 조직에 의해 소유되는 이유이다.
MDM 시스템은 마케팅, 금융, 운영, 공급망, 인적 자원, 제품 등 다양한 데이터 도메인을 다룬다. MDM에 포함될 수 있는 데이터 유형에는 제한이 없다. 따라서 MDM은 매우 큰 범위를 가질 수 있으며 구현 및 유지 관리가 매우 복잡해질 수 있다.
① 주요 사용 사례
MDM은 완전성, 정확성, 일관성, 유효성, 고유성 및 무결성의 6가지 차원에 걸쳐 높은 수준의 데이터 품질을 가능하게 한다.
MDM은 데이터를 병합하고 중복 제거하여 엔티티의 단일 뷰를 생성하는데, 이를 종종 "골든 레코드"라고 한다. 여기서 주요 고려 사항은 고객, 제품, 자산, 클라이언트, 직원 등과 같은 모든 엔티티에 대해 골든 레코드를 만들 수 있다는 것이다.
MDM은 중요한 데이터를 관리 및 태그 지정하고 그 사용을 제어함으로써 규제 준수를 쉽게 구현할 수 있게 한다.
MDM은 재무, 운영, 마케팅 등 비즈니스의 다양한 측면에 대한 중앙 집중식 및 신뢰할 수 있는 부서 간 보고를 가능하게 한다.
CDP 탐색하기
가트너는 고객 데이터 플랫폼을 "마케팅 및 기타 채널의 고객 데이터를 통합하여 마케팅 및 고객 경험 사용 사례를 지원하는 소프트웨어 애플리케이션"으로 정의한다. 즉, CDP는 고객 데이터를 수집, 통합, 세분화, 강화 및 활성화하는 중앙 데이터 시스템이다.
필자는 이 정의를 패키지화된 CDP의 필수 기능을 달성하기 위해 조립된 여러 도구, 기술 및 프로세스로 구성된 "컴포저블 CDP"라고도 하는 "맞춤형 CDP"를 포함하도록 확장하고 싶다.
CDP의 맥락에서 사용될 때 "고객"이라는 용어에는 웹사이트 또는 모바일 앱 사용자, 방문자, 무료 사용자, 파트너, 잠재 고객, 물론 해당 조직의 업종 및 사업에 해당하는 유료 고객, 클라이언트 또는 소비자 등 조직이 상호 작용하는 모든 유형의 청중(또는 페르소나)이 포함된다는 점에 유의해야 한다.

CDP의 주요 초점은 마케팅 사용 사례를 활성화하여 마케팅 팀에 필요한 독립성과 자유를 제공하여 활동을 보다 효율적으로 수행할 수 있도록 하는 것이다. 이것이 CDP가 일반적으로 CMO 조직 하에서 마케팅 부서에 의해 소유되고 운영되는 이유이다.
마케팅에 초점을 맞추고 있는 만큼 CDP는 일반적으로 고객/소비자에 대한 데이터를 다룬다. 이 데이터는 일반적으로 ▲프로필 데이터(ID, 인구통계 등) ▲이벤트 데이터(행동 데이터, 인바운드/아웃바운드 통신 등)으로 나눌 수 있다: 사용자와 연결할 수 없는 데이터는 일반적으로 CDP에서 다루지 않는다.
① 주요 사용 사례
고객의 단일 뷰(고객 360)에 사용된다. CDP는 제1자, 제2자 및 제3자 데이터 소스를 포함한 다양한 소스에서 수집된 각 고객과 관련된 프로필 및 이벤트 데이터를 통합하여 생성된 신뢰할 수 있는 고객의 단일 뷰를 생성할 수 있다. 이 고객의 단일 뷰는 세그멘테이션, 개인화 및 마케팅 자동화와 같은 여러 용도로 사용할 수 있다.
데이터 강화(계산된 또는 예측된)에 활용된다. 청중에 대한 통합된 데이터를 기반으로 CDP는 고객 프로필을 강화하기 위한 파생 데이터 속성 생성을 가능하게 한다. 몇 가지 예로는 참여 점수, 리드 점수, 평생 가치, 위험 점수(예: 이탈 가능성, 사기 위험 등), 특정 제품 또는 서비스를 구매할 성향, 차선의 제품/조치/제안 등과 같은 예측 속성이 있다.
활성화 및 민주화에도 활용된다. 많은 고급 CDP에는 CDP에 있는 통합되고 강화된 데이터를 기반으로 작업을 수행하는 트리거 및 통합과 같은 기능이 있다. 예로는 자동화된 마케팅 커뮤니케이션, 영업 팀에 적격 리드에 대한 내부 알림 등이 있다. 통합 데이터는 통합 보고 및 대시보드, 운영 시스템에 대한 데이터 피드, 고객 서비스 및 영업팀 등과 같은 사용 사례에 다양한 시스템에서 사용할 수 있게 만들 수도 있다. 이러한 활성화의 상당 부분은 CDP에서 고객 데이터가 업데이트되는 즉시 실시간으로 수행할 수 있다.
비즈니스 사용자 친화적 인터페이스에 활용된다. 대부분의 패키지 CDP는 비기술 마케팅 사용자도 파생 필드 정의, 자동화 및 트리거 생성, 세분화 및 개인화 수행과 같은 다양한 고급 구성을 수행할 수 있는 쉬운 사용자 인터페이스를 제공한다.
어떤 솔루션이 귀하의 조직에 필요할까?
조직에서 구현해야 하는 데이터 관리 시스템의 유형을 결정할 때는 달성하려는 주요 사용 사례와 목표를 고려해야 한다.
초점이 엔터프라이즈 데이터 거버넌스, 데이터 품질 및 규제 준수에 있거나 부서 간 데이터의 가치와 사용을 극대화하는 것이거나 조직에서 부서 간 협업이 필수적인 경우 MDM이 최선의 선택이 될 것이다. "깨끗한 엔터프라이즈 데이터"를 생각해 보라.
CDP 구현은 초점이 마케팅 및 고객 경험에 있거나 목표가 최고 수준의 개인화(하이퍼 개인화)를 달성하고 마케팅 효과를 높이며 모든 마케팅 및 커뮤니케이션 채널에서 일관된 고객 경험을 제공하기 위해 고객 데이터의 가치를 극대화하는 것이라면 더 의미가 있을 것이다. "데이터 활성화"를 생각해 보라.
결론적으로 MDM과 CDP 솔루션 모두 강력한 데이터 관리 기능을 갖추고 있지만, 그 차이는 위에서 논의한 바와 같이 범위와 주요 목표에 있다.
MDM 시스템과 CDP 모두 여러 소스에서 데이터를 수집하고 이를 통합하여 엔티티의 단일 뷰를 제공할 수 있다. 또한 데이터 수집, 데이터 조작 및 데이터 액세스와 같은 높은 수준의 기술적 기능을 가지고 있다. 그러나 위에서 논의한 바와 같이 목적별 사용 사례에 적합한 보다 미묘한 기능에서 차이가 있다.
MDM 솔루션은 다양한 데이터 도메인과 비즈니스 기능을 처리할 수 있지만 CDP는 청중 데이터에 초점을 맞추고 고객 및 잠재 고객에 대한 단일하고 완전한 진실의 원천 역할을 한다. 또한 두 시스템 각각은 다른 시스템에서 정교한 구성이 필요할 수 있는 특정 기능을 수행하기 위해 사전 구축된 기능을 가질 수 있다.
비용을 낮게 유지하고 대상으로 하는 주요 사용 사례에 집중하는 것이 중요하지만 MDM과 CDP의 현명한 조합은 조직이 강력한 데이터 기반을 구축할 뿐만 아니라 주요 차별화 요소로 작용할 개인화의 성배를 추구하는 데 도움이 될 수 있다.
(*이 칼럼은 GTT KOREA의 편집 방향과 다를 수 있습니다.)
관련기사
- [기고] 데이터 품질∙일관성 보장하는 ‘마스터 데이터’ 관리법
- 모바일 앱에 대한 ‘사회공학 공격의 악순환 제거’
- AI/ML 기반 지능형 ID·거버넌스 관리 플랫폼, 직원 관리 효율↑
- AI 데이터의 안전한 이동과 유지를 위한 최고 전략
- [기고] AI 잠재력 최대화하는 데이터 전략 재구상
- [2024년 전망] 마케팅·데이터·기술 6대 트렌드
- 컨택센터 솔루션이 갖춰야할 필수 기능 11가지
- “생성AI로 IT 투자 27% 증가했으나 데이터 관리 역량 부족”
- 경제 불확실성 속 IT 비용 최적화 전략
- 비즈니스 성공 지름길 '데이터 기반 문화' 구축 전략
- 물류업 도입 솔루션 ‘최적화·프로세스 개선·데이터 분석’
- 데이터 활용의 기반 ‘데이터 레이크 시장’ 지평 확대
- [기고] 고가용성 데이터베이스에서 TCO가 중요한 이유
- ‘의사결정 속도·생성AI 활용도’ 높이는 AI 기반 데이터 솔루션 '아이오라'
- “AI시대 핵심 경쟁력, 데이터 품질 평가와 개선 전략”
- 기업 위험요소 모니터링하는 '전사적 리스크관리 대시보드'
- 은행의 신성장 동력 ‘제3자 데이터 활용’
- 효과적인 데이터 거버넌스 추진 전략
- '마케팅 믹스 모델링' 마케팅 효과 측정과 최적화 필수 도구로 부상
- 데이터 품질을 개선하는 12가지 주요 AI 패턴
- 복잡한 데이터 시대, 기업에 필요한 최고 데이터 책임자
- 맞춤형 AI 페르소나로 다양한 협업에 활용하는 ‘AI 플랫폼’
- ‘AI 기반 구글 머천트 센터 데이터 피드 최적화 전략’... 제품 참여도·판매 전환율↑
- LG CNS, 고객데이터플랫폼 출시...데이터 기반 고객경험 향상
