[2023-18] 데이터로 전문가처럼 말하기 : 효율적 의사 전달을 위한 데이터 시각화와 비즈니스 스토리텔링의 기술

제목: "데이터로 전문가처럼 말하기 : 효율적 의사 전달을 위한 데이터 시각화와 비즈니스 스토리텔링의 기술"
저자: 칼 올친

 

keyword

중앙 집중형 데이터 분석 팀, 분산형 데이터 분석, Data visualization society, Preppin data set

 

 

중앙 집중형 데이터 분석 팀 vs 분산형 데이터 분석 팀

https://medium.com/@mikldd/data-team-structure-embedded-or-centralised-f179aa231108

 

모델	Centralised(중앙 집중형)	Hybrid	Embedded(분산형)
팀 구조	데이터 웨어하우스로 데이터를 수집하는 중앙 집중형 작업을 수행하는 데이터 엔지니어 팀	코어 데이터 테이블을 개선하는 작업을 부분적으로 수행하지만 product 팀에서도 일하는 분석 엔지니어링 팀	마케팅과 같은 비즈니스팀의 일원으로 완전 통합되어 일하는  데이터 분석가 팀
장점	전문성 강화 중앙 우선화 멘토링 운영 비용 감소	--절충안--	Task Force 효율성 증가 Agile Domain 도입 용이
단점	즉각 대응 불가 이해관계자 이외 접근 불편	요구사항 증가로 인한 관리의 어려움	Data 관리 비용 증가

 

 3곳의 작은 IT 회사를 다니면서 느낀 바로는 적어도 소규모 회사의 경우 Hybrid에서 Embedded 사이가 가장 적당한 위치일 것으로 보인다. Centralised의 경우 담당자의 부재가 정말 큰 지연 사항으로 발생한다. 그렇다고 Embedded 구조로 운영을 맞출 경우 Agile로 발생한 data legacy를 따라가기 어렵고 common data가 없어 누구하나 schema를 변경하기 어려워 결국 더 큰 비용을 치루게 될 가능 성이 높다. 제일 이상적인 상황은 관리자를 여럿 두는 것이지만 작을 수록 관리자는 없고 데이터 분석가가 이를 다 관리할 상황이 많기 때문에 적절한 팀의 구조를 갖춰야 "고달픈 삶"을 피할 수 있을 것이다. 최근 편한 관리 툴이 많지만 다룰 주 아는 사람이 적어 데이터 웨어하우스를 어떻게 구축하고 관리할 지가 중요한 KPI이다.

 

Data Engineer : Analytics Engineer 

2022.4.24 기준

  

---

 

관련 자료

 

Carl Allchin (https://www.linkedin.com/in/carl-allchin-9160451b/) 

Tableau Zen Master이자 여러 번 태블로 앰버서더를 역임했으며 런던의 Data School에서 세계 최고의 데이터 분석 교육 프로그램 중 하나의 ‘기타’ 수석 코치이다. 비즈니스 인텔리전스 분석가 및 관리자로 금융 서비스에서 10년 넘게 일한 후 그는 컨설팅, 블로깅 및 시장을 선도하는 데이터 솔루션에 대한 교육을 통해 수백 개의 회사를 지원했다. 그는 태블로 및 기타 데이터 도구에 대한 유일한 주간 데이터 준비 과제인 Preppin’ Data의 공동 설립자이다.

https://www.getdbt.com/data-teams/centralized-vs-decentralized

Centralized vs Decentralized Data Teams

https://medium.com/@mikldd/data-team-structure-embedded-or-centralised-f179aa231108

Data team structure: embedded or centralised?