데이터 수명 주기 관리가 제품 분석에 적용되는 방식

많은 조직이 데이터를 수집하지만 모든 조직이 전체 수명 주기 동안 데이터를 효과적으로 관리하는 것은 아닙니다. McKinsey & Company 보고서에 따르면, 조직은 여전히 ​​"진화하는 비즈니스 환경에서 지속 가능한 성공을 위해 필요한 장기 전략적 조정을 통하지 않고 임시 이니셔티브와 일회성 조치를 통해" 데이터를 관리하고 있습니다. 그리고 임시 데이터 수명 주기 관리는 제품 분석에 문제를 일으킬 수 있습니다.

잘 구성된 데이터는 제품 분석에서 실행 가능한 통찰력을 발견하는 데 필수적입니다. 의도적인 데이터 수명 주기 관리를 통해 데이터를 깨끗하고 사용 가능한 상태로 유지합니다. 데이터에 기반한 팀은 현재는 물론 미래에도 수익을 개선합니다.

데이터 수명 주기 관리란 무엇이며 왜 중요한가요?

DLM(데이터 수명 주기 관리)은 정보를 효과적으로 모니터링하고 구성하는 프로세스입니다. 여기에는 조직의 데이터를 관리하고, 관련성을 인식하고, 프로세스를 사전에 업데이트하는 포괄적인 접근 방식이 포함됩니다.

효과적인 데이터 수명 주기 관리는 비즈니스의 모든 영역에 적용되는 이점이 있습니다.

• 데이터에 대한 효율적인 액세스: 데이터가 너무 많으면 노이즈가 너무 많아지고 신호가 충분하지 않을 수 있습니다. 효과적인 DLM을 통해 팀은 추적하고 수집하려는 데이터에 대한 계획을 세웁니다.

• 비용 절감: 효과적인 데이터 수명 주기 관리를 통해 조직은 데이터 저장 및 수집의 실수 수정과 관련된 비용을 줄일 수 있습니다.

제품 분석의 5가지 데이터 수명 주기 관리 단계

데이터 수명 주기 관리 프로세스는 전체 5단계로 나눌 수 있습니다. 이 단계를 잘 수행하면 모든 사람이 귀중한 통찰력을 얻는 데 사용할 수 있는 깨끗한 데이터를 제공할 수 있습니다.

1. 데이터 계획 및 계측

제품 분석 DLM의 첫 번째이자 가장 중요한 단계는 제품 분석 플랫폼에 보낼 데이터를 선택하는 것입니다. 어떤 이벤트와 속성이 중요한지, 그리고 이러한 이벤트와 속성의 이름이 무엇인지 명확하고 일관성이 있으면 건전한 데이터 수명 주기를 위한 단계가 설정됩니다.

추적할 올바른 데이터를 선택하려면 추적 계획 및 데이터 분류를 생성해야 합니다. 추적 계획은 추적하려는 이벤트 및 속성, 해당 이벤트 및 속성 이면의 비즈니스 목표, 이 모든 데이터가 끝나는 위치에 대한 문서입니다. 데이터 분류는 추적하는 이벤트 및 속성의 이름을 지정하는 방법에 대한 방법론입니다.

추적 계획과 데이터 분류를 함께 사용하면 수집되는 데이터, 이유, 찾을 위치 및 참조 방법을 중심으로 모든 사람이 정렬됩니다. 이 단계에서 한 가지 중요한 점은 모든 것을 즉시 추적하려는 충동을 억제해야 한다는 것입니다. 중요하다고 알고 있는 것으로 추적 계획 및 분류를 시작하고 거기에서 이동하십시오.

추적할 데이터를 정의하는 것은 고려해야 할 사항이 많고 한 번에 모든 데이터를 파악하지 못할 수 있습니다. 이 첫 번째 단계에서 제품 분석을 위한 데이터 관리의 4가지 진실을 염두에 두는 것이 중요합니다.

처음부터 훌륭하고 깨끗한 데이터를 수집할 수 있도록 이러한 모든 단계를 안내하는 데이터 분류 플레이북이 있습니다.

계획이 수립되면 데이터 수명 주기 계측을 시작할 수 있습니다. 계측은 이벤트 및 사용자 속성을 설정하고 데이터를 저장하는 위치에 연결하는 것을 포함하여 제품 분석 플랫폼을 설정하는 초기 프로세스입니다.

2. 데이터 저장

데이터 수집 계획이 수립되면 모든 데이터를 안전한 장소에 보내고 저장해야 합니다. 데이터베이스, 데이터 웨어하우스, 데이터 레이크, 데이터 관리 플랫폼(DMP), 고객 데이터 플랫폼(CDP)과 같은 다양한 도구에 데이터를 저장할 수 있습니다.

데이터 수명 주기를 시작하려면 DMP 또는 CDP만 있으면 됩니다. 과거에는 DMP가 일반적으로 2자 및 3자 데이터를 처리하고 CDP가 일반적으로 1자 데이터를 처리하는 두 도구 사이에 명확한 차이가 있었습니다. 오늘날 두 도구는 (대부분) 다양한 고객 데이터를 수집, 저장 및 구성하는 하나의 공통 목적으로 병합되었습니다.

Segment, Tealium 및 mParticle과 같은 DMP/CDP는 하나의 중앙 위치에서 모든 고객 데이터를 쉽게 정리하고 표준화할 수 있는 기능으로 조직에 탁월합니다. 거기에서 신중하게 계획, 저장, 구성 및 정리한 데이터를 분석할 준비가 되었습니다.

3. 제품 분석 플랫폼으로 데이터 보내기

이제 데이터는 제품 분석 플랫폼에 사용할 준비가 되었습니다. 따라서 수집하고 정리한 이 모든 데이터를 조직 전체의 사람들이 사용할 수 있습니다.

Amplitude에서 데이터 분석을 시작할 준비가 되면 Segment, mParticle 또는 API 또는 SDK를 통해 다른 소스와 같은 데이터 소스에 연결하는 프로젝트를 생성해야 합니다. 테스트 프로젝트와 프로덕션 프로젝트를 만드는 것이 좋습니다. 다음은 나란히 프로젝트에 대한 스크린샷입니다.

테스트 프로젝트는 계측을 테스트하고 사용 중인 데이터가 정확하고 원하는 방식으로 표시되고 사용 가능한지 확인하는 곳입니다. 프로덕션 프로젝트는 실제로 분석을 수행하는 곳입니다. 테스트 프로세스를 프로덕션 프로젝트 외부에 유지하면 좋은 분석에 필요한 깨끗한 프로덕션 환경을 엉망으로 만들지 않고 데이터를 편집하고 시도할 수 있습니다.

4. 데이터 인사이트에 대한 조치

다음으로 데이터를 사용할 차례입니다. 이 단계는 데이터에 대한 그래프와 분석을 생성하고 통찰력을 도출한 다음 해당 통찰력에 따라 조치를 취하는 실제 분석 작업입니다.

통찰력에 따라 행동하는 능력이 더 광범위할수록 데이터는 더 민주화될 것입니다. DLM 프로세스에서 지금까지 수행한 모든 작업은 데이터가 깨끗하고 관련성이 있으며 액세스가 필요한 모든 사람이 사용할 수 있도록 합니다.

이 데이터에 액세스하여 제품 관리자는 데이터 기반 제품 전략을 만들고 마케팅은 기능 사용을 기반으로 캠페인 타겟팅을 조정할 수 있습니다. 이전 세 단계에서 설정한 깨끗하고 양호한 데이터 수명 주기 없이는 이 중 어느 것도 불가능합니다.

5. 일관된 유지 관리를 실행합니다.

제품 분석 데이터 관리 수명 주기에는 마지막 단계가 없습니다. 지속적이고 의도적인 유지 관리가 필요한 지속적인 노력입니다.

데이터가 오래되면 추적하는 이벤트와 속성을 업데이트하고, 데이터를 효율적으로 저장 및 구성하고, 테스트 환경과 프로덕션 환경 간의 구분이 유지되는지 확인해야 합니다.

오래된 데이터를 삭제하는 대신 해당 과정을 실행한 이벤트 및 속성 추적을 중지하는 것이 좋습니다. 이렇게 하면 수명 주기를 통해 추적할 필요 없이 원본에서 오래된 데이터의 흐름이 중지됩니다.

그러나 전반적으로 제품 분석 DLM의 일관된 유지 관리는 교육, 계측 및 유지 관리의 세 가지 기둥을 포함하는 건전한 데이터 거버넌스 프레임워크의 일부입니다.

우수하고 깨끗한 데이터는 실행 가능한 통찰력의 핵심입니다.

제품 분석에서 DLM의 목적은 가장 깨끗하고 최상의 데이터를 제공하는 것입니다. 이 훌륭하고 깨끗한 데이터를 통해 제품 분석 인사이트는 제품 분석 플랫폼을 사용하는 모든 사람에게 쉽게 제공됩니다. 데이터는 이해하기 쉽고, 소통하고, 사용하기 쉽습니다. 지금 Amplitude를 시작하고 직접 사용해 보십시오.