AI가 기업의 진행 상황 시각화를 돕는 방법
기업이 디지털 대시보드와 데이터 시각화를 활용하는 방법에 대한 두 가지 예
데이터 홍수에 대처하는 것, 즉 데이터를 저장하고, 관리하고, 보호하고, 이를 사용하여 귀중한 통찰력과 결과를 생성하는 것은 오늘날 기업이 직면한 가장 복잡한 과제 중 하나입니다. 이는 또한 엄청난 비율의 기회 상실이기도 합니다. Gartner는 기업 데이터의 97% 가 활용되지 않고 있으며 이는 회사의 마케팅 효율성부터 현금 흐름에 이르기까지 모든 것에 영향을 미치는 것으로 추정합니다. 기존 분석 도구가 작업을 처리할 수 없는 한 가지 이유는 데이터 통찰력이 사용자 경험에 맞게 맞춤화되지 않기 때문입니다.
이것이 바로 데이터 액세스를 민주화하고 작업자가 수치를 더 쉽게 입력할 수 있도록 지원하려는 기업 조직에서 대량의 데이터를 가져와 실행 가능한 차트, 그래프, 인포그래픽 및 대시보드로 정제하는 새로운 형태의 데이터 시각화가 증가하고 있는 이유입니다. 일하다.
좋은 데이터 시각화의 규칙은 수십 년 동안 변하지 않았지만 AI, 특히 생성 AI의 도입은 이를 생성하는 데 대한 장벽을 낮추는 데 도움이 되었습니다. 데이터 전략가이자 "Thinking With Data"의 저자인 Max Shron은 "보다 접근하기 쉬운 도구를 사용하여 생성할 수 있는 시각화의 품질은 시간이 지남에 따라 지속적으로 향상되었습니다."라고 말합니다 . 이러한 도구는 한때 유용한 대시보드를 만드는 데 방해가 되었던 기술적 장벽을 낮추어 복잡한 데이터 준비 프로세스를 자동화하는 데 도움이 될 수 있습니다. 결과적으로 사이버 보안 위협 분석 및 공급망 관리부터 호텔 운영 및 헌혈자 관리에 이르기까지 모든 것을 개선하고 있습니다.
활용되지 않는 기업 데이터의 비율이 97%입니다. Enterprise dataviz는 프레젠테이션을 더욱 강력하게 포장하는 것 이상입니다. 최근 MIT 연구 에 따르면 매우 효과적인 데이터 대시보드 프로그램을 만든 회사는 그렇지 않은 회사보다 훨씬 뛰어난 성과를 보입니다 . 다국적 에너지 대기업인 슈나이더 일렉트릭(Schneider Electric)은 회사에서 가치가 어떻게 창출되었는지 추적하기 위한 대시보드 프로그램을 시작했습니다. 5년 후, Schneider는 이 프로그램을 사용하여 회사 수익의 50%를 추적했습니다. 이 프로그램은 또한 회사가 서비스 중심 판매 모델로 전환하는 데 도움이 되었습니다.
MIT 연구에 따르면, 데이터 시각화에 막대한 투자를 하는 기업은 동종 업계보다 더 높은 수익과 이익을 얻고 수익성 있는 신제품 출시에 더 뛰어나며 고객 만족도도 더 높습니다. 또한 직원 만족도가 더 높습니다. 데이터 시각화는 조직 내에서 정보가 공유되는 방식을 민주화하고 직원이 필요할 때 쉽게 이해할 수 있는 형식으로 필요한 데이터에 액세스할 수 있도록 보장하기 때문입니다. 연구원들은 “회사의 모든 사람이 [회사]가 합의된 측정 기준에 따라 어떻게 행동하고 있는지 확인할 수 있습니다.”라고 말했습니다. 이는 아무도 어둠 속에 남겨지지 않으며 코스 수정이 필요한 경우 누구도 눈이 멀지 않음을 의미합니다.
AI가 데이터 시각화 게임에 뛰어들다
대부분의 분야와 마찬가지로 데이터 시각화도 AI 덕분에 빠르게 발전하고 있습니다. 선도적인 데이터 시각화 소프트웨어 회사인 Tableau는 다양한 노코드 AI 기능 향상을 통해 도구를 강화했습니다. 이러한 개선 사항은 데이터의 추세를 식별하는 데 도움이 될 뿐만 아니라 예측 기능도 제공합니다. 예를 들어 Honeywell은 이 도구를 사용하여 전체 글로벌 공급망을 시각화하고 운송 채널 전반에 걸쳐 지출을 최적화하며 비용이 상승할 수 있는 영역을 예측하고 있습니다.
데이터 시각화를 제대로 수행하기 가장 어려운 것은 컨텍스트입니다.
Google은 또한 데이터 시각화 도구에 AI를 추가하고 작년에 Data Studio의 이름을 Looker Studio 로 바꾸고 데이터 모델 및 기계 학습 시스템을 내장하여 데이터 액세스를 민주화하고 대시보드 및 시각화를 통해 보다 실행 가능한 비즈니스 인텔리전스를 생성하는 데 도움을 주고 있습니다.
전반적으로 이러한 발전은 혁신적이라기보다는 진화적입니다. AI는 예측을 더욱 통찰력 있고 관련성이 높으며 나머지 조직이 접근할 수 있도록 함으로써 기존 애플리케이션을 개선하는 데 사용됩니다. 이는 데이터 시각화 전문가가 아닌 사람들에게 좋은 소식입니다.
Harvard Business Review의 수석 편집자이자 "Good Charts" (8월에 새 버전이 출시됨) 의 저자인 Scott Berinato 는 "데이터 시각화를 제대로 수행하기 가장 어려운 것은 컨텍스트입니다."라고 말합니다 . "소프트웨어는 데이터 셀을 매우 빠르고 훌륭하게 시각화할 수 있지만 기본 변수와 보조 변수가 무엇인지 전혀 모릅니다."
예를 들어, 소프트웨어는 비즈니스 프레젠테이션에서 자신의 주장을 강조하기 위해 어떤 데이터를 강조해야 하는지 알지 못한다고 Berinato는 말합니다. 특정 설정에 어떤 세부 수준이 적합한지 알 수 없습니다. Berinato는 "아는 것이 많지 않습니다."라고 말하면서 AI가 곧 상황을 직관하고 그에 따라 반응하여 "더 나은 기본 출력" 지점에 도달하게 될 것이라고 덧붙입니다.
그러나 AI가 데이터 시각화 도구를 발전시키는 동안 시각화의 궁극적인 가치는 동일하게 유지됩니다. 즉, 의사소통을 개선하고 분석을 민주화하는 것입니다. “기업이 점점 더 데이터에 의존하게 되면서 현재 진행 중인 상황에 대한 의사소통 능력이 더욱 향상되어야 합니다.”라고 Berinato는 말합니다. "자동 생성된 Excel 쓰레기는 청중에게 나쁜 경험일 뿐이며, 많은 내부 이해관계자가 해당 언어를 사용하지 않기 때문에 사람들은 도움을 받기는커녕 더 혼란스러워하는 경우가 많습니다."
반면 Dataviz를 사용하면 우리 모두가 동일한 언어를 사용할 수 있습니다. Berinato는 “사람들이 이해할 수 있게 해줄 뿐만 아니라 참여하고 질문할 수도 있게 해준다”고 말했습니다. 이는 더 많은 대화와 건설적인 대화를 장려합니다.”