대부분의 회사가 셀프 서비스 분석에 대해 잘못 알고 있는 것

Gartner는 셀프 서비스 분석을 다음과 같이 정의합니다.

셀프 서비스 분석은 비즈니스 인텔리전스(BI)의 한 형태로, LOB(기간 업무) 전문가가 명목상의 IT 지원을 통해 스스로 쿼리를 수행하고 보고서를 생성할 수 있도록 지원합니다. 셀프 서비스 분석은 기본 분석 기능과 이해하기 쉽고 직접적인 데이터 액세스를 위해 단순화되거나 축소된 기본 데이터 모델과 함께 사용하기 쉬운 BI 도구가 특징인 경우가 많습니다.

Gartner의 친구들에게 모든 존경을 표하지만, 우리는 이것이 요점을 놓치고 있다고 생각합니다. 이제 셀프 서비스 분석을 재정의해야 할 때입니다. 왜요? 제품은 권한이 부여된 교차 기능 팀에 의해 구축되기 때문입니다. IT 대 비즈니스 이분법은 제품의 세계에서 훨씬 덜 관련성이 있습니다. 셀프 서비스 분석의 목표를 보고서, 통찰력 및 데이터에 대한 편리한 개별 액세스로 설정하면 큰 그림을 놓치게 됩니다. 특히 그 정의를 "기본 분석 기능"으로 제한하는 경우.

셀프 서비스가 목표가 아닙니다. 임팩트가 목표입니다.

셀프 서비스 분석이 기대에 부응하지 못하는 방법에 대한 세 가지 예를 통해 여기에서 몇 가지 문제를 살펴보겠습니다.

1. 예 1 : 분석 팀이 데이터 엔지니어링 팀과 협력하여 의사 결정자를 위한 대시보드를 만듭니다. 대시보드는 "셀프 서비스"이며 검색 프로세스 중에 완성된 정확한 질문에 답합니다. 그것은 완벽. 그렇지 않을 때까지. 새로운 질문은 어떻습니까? 데이터 탐색은 어떻습니까?
2. 예제 #2 : 한 팀이 "깊이 1인치, 너비 1마일" 접근 방식을 사용하기로 결정했습니다. 그들은 모든 것을 추적하지만 매우 낮은 정확도로 추적합니다(예: 이벤트 속성을 사용하지 않거나 분류 체계를 적용하지 않음). 이론적으로 이제 모든 사람이 셀프 서비스 도구를 사용하여 데이터에 액세스할 수 있습니다. 로그인만 하면 됩니다! 그러나 품질을 결정하는 데 어떤 비용이 듭니까?
3. 예 #3 : 40명의 제품 관리자로 구성된 팀에게 셀프 서비스 도구에 대한 액세스 권한이 부여됩니다. 그들은 마을에 간다. 대시보드는 여기저기서 나타납니다. 이 도구는 강력하고 사용자 정의가 가능하지만 현재 팀은 데이터 활용 능력이 부족합니다. 예, 이것은 셀프 서비스이지만 더 큰 영향을 미치지는 않습니다.

예제 #1은 너무 엄격합니다. 예제 #2는 데이터 품질에 의해 제한됩니다. 예제 #3은 데이터 활용 능력을 확장하는 데 실패합니다. 빠르게 변화하고 예측할 수 없는 제품과 성장의 세계에서 우리는 새로운 실험과 업데이트를 지속적으로 출시합니다. 우리가 선택한 접근 방식은 어수선하고 사용할 수 없게 되지 않고 유지되어야 합니다. 요컨대, 지속적인 적응성, 견고한 데이터 및 데이터 활용 능력이 필요합니다.

제품 관리 컨설턴트인 Saeed Khan은 "분석은 보고와 달리 대화형이어야 하므로 유연성과 고품질 데이터가 필요합니다."라고 말합니다. “이러한 유연성은 내부 구축 및 외부 구매 솔루션에 많이 부족합니다. 호기심의 새로운 영역에 문을 열어두는 대신 질문에 집중해야 합니다. 또는 유연하고 표면 수준이어야 합니다. 이것은 제품 팀에 적합하지 않습니다.”

그러나 문제는 조금 더 깊어집니다. 제품을 구축하는 것은 팀의 노력입니다. 단독 비즈니스 사용자가 아닌 전체 팀을 위한 셀프 서비스는 어떤 모습입니까? 팀은 다른 팀에 부담을 주지 않고 새로운 이벤트를 자유롭게 구성하고 추적할 수 있어야 합니다. 또한 통찰력에 액세스하고, 탐색적 분석을 수행하고, 데이터를 관리하고, 통찰력에 대해 협업하고, 실험을 계획하고, 조치를 취할 수 있는 자유가 필요합니다.

이 개별적인 팀 보기조차도 약간 제한적입니다. 대부분의 조직에는 과로하고 분산된 데이터 팀 이 있지만 "데이터 팀"이 있다는 점을 고려하십시오. 지배적인 모델은 트랜잭션 방식입니다. 팀은 질문과 요청을 제출하고 데이터 팀은 최선을 다해 답변/회피합니다. 과로에 대한 응답으로 그들은 숨을 쉴 수 있는 공간을 확보하기 위해 "셀프 서비스" 옵션을 만듭니다. 그러나 이것은 또한 형편없는 희생이기도 합니다.

dbt Labs의 분석 엔지니어인 그랜트 윈쉽(Grant Winship)은 "호기심 유발, 질문 찾기 및 아이디어 생성자로서의 셀프 서비스는 매우 현실적이고 가치 있는 일입니다."라고 설명합니다. “하지만 데이터 팀의 제품 사고 방식과 짝을 이루어야 한다고 생각합니다. PM과 비즈니스 사용자는 질문과 분석을 종합하고, 질문하고, 선택적으로 개발할 준비가 되어 있어야 합니다.” 협업과 교육이 중요합니다.

Peloton의 선임 제품 분석 관리자인 Elena Dyachkova에게 교육 구성 요소는 진정한 "방 안의 코끼리"입니다. 전직 스포츠 저널리스트인 그녀는 데이터 활용 능력 확장을 근력 훈련의 일반 원칙 과 "각 선수의 해부학적 구조에 대한 고유한 적응 찾기"에 대해 운동 선수를 교육하는 것에 비유합니다. 데이터의 적절한 사용, KPI 설정을 위한 프레임워크 및 특정 메트릭 이면의 비즈니스 컨텍스트는 "실제로 단일 SaaS 도구의 범위가 아니라 작동하는 다른 모든 데이터 활용 능력의 토대입니다." 분석가들이 이러한 교육 노력을 돕기 위해 Amplitude를 사용하는 것을 볼 수 있지만 여전히 집중적인 협력으로 귀결됩니다.

Amplitude에서 보다 팀 중심적이고 협업적이며 영향력 중심적인 접근 방식은 셀프 서비스입니다. 대시보드에 대한 액세스만이 아닙니다. "엔지니어나 데이터 담당자의 도움 없이" 작업을 수행한다는 아이디어는 널리 퍼져 있지만 사일로를 강화하고 결과에 영향을 줄 수 있습니다. 셀프 서비스는 협업을 방해하지 않고 활성화해야 합니다.

Amplitude에서 우리는 셀프 서비스 분석에 대해 보다 전체적인 관점을 취하려고 노력합니다. 우리의 제품 철학은:

1. 호기심을 격려하십시오 . 첫 번째 통과 질문은 거의 최고의 질문이 아닙니다. 탐색은 새로운 질문을 불러일으킵니다. 우리는 진정한 보석이 존재하는 통찰력의 긴 꼬리를 여는 것을 돕습니다.
2. 셀프 서비스는 대리인, 종속성 제거 및 영향에 관한 것입니다. 어떤 팀원은 쉽게 접근할 수 있도록 짐을 이리저리 옮기고 다른 팀원은 엉뚱한 작업을 하는 것이 아닙니다.
3. 데이터 활용 능력을 확장합니다 . 분석가와 제품 관리자가 짝을 지어 함께 학습할 수 있습니까? 누군가가 분석을 시작하고 노트북을 만든 다음 더 숙련된 사람과 공유하여 피드백을 얻을 수 있습니까?
4. 행동과 영향에 대한 편견. 테스트, 권장 사항, 개인화 및 기능 플래그 지정을 지원하여 팀이 작업에 근접하도록 합니다. 결국 목표는 고객, 비즈니스 등을 위한 가치를 창출하는 시스템을 구축하는 것입니다. 보고서를 실행하는 것이 아닙니다.

우리는 셀프 서비스가 선순환에 적합하다고 믿습니다. 액세스 및 사용 가능한 데이터는 호기심을 불러일으키고, 협업 및 데이터 활용 능력과 결합된 호기심은 더 나은 결정, 조치 및 영향을 낳습니다.