지난 10년 동안 기술팀과 상업팀 간의 경계가 거의 사라졌습니다. 이는 한편으로는 환영할 만한 변화입니다. 기술팀이 항상 기술 회사에서만 일하는 것은 아니기 때문입니다.
기술팀과 상업팀의 융합
기술팀과 상업팀의 융합은 제품을 안전하게 출시하고, 잘 받아들여지며, 의미 있는 기여를 할 수 있게 합니다. 데이터 기술 덕분에 이러한 변화가 가속화되었습니다. 빅데이터, 비즈니스 인텔리전스, AI의 하이프 사이클을 거치면서 우리는 새로운 기술과 문제를 다루게 되었습니다. 이는 기술팀을 조직의 다른 부분과 점점 더 멀어지게 했습니다. 하지만 이제는 기술팀이 상업적인 역할을 맡게 되면서 이러한 격차가 더욱 명확해졌습니다.
데이터 사이언스 프로젝트의 문제점
많은 데이터 사이언스 프로젝트가 실제로 구현되지 않는 이유는 상업팀의 요구, 목표 또는 프로세스를 완전히 이해하지 못한 사람들이 도구를 만들기 때문입니다. 초기 AI 시대에는 기술 투자에 대한 기대감이 있었지만, 이제는 실질적인 성과를 보여줘야 합니다.
성숙한 데이터 아키텍처의 중요성
현대의 CTO와 그 팀에게 두 가지 큰 혜택이 주어졌습니다. 첫 번째는 중앙 집중식 데이터 아키텍처의 성숙입니다. 이는 비즈니스 전반에 걸쳐 역사적인 데이터 사일로를 제거하고, 상업적 수준에서 무슨 일이 일어나고 있는지를 명확히 볼 수 있게 합니다. 두 번째는 지원 기능에서 핵심 기능으로의 전환입니다.
새로운 작업 방식의 도입
기술 팀원들이 비즈니스에 미치는 영향을 금전적인 측면에서 볼 수 있게 되면서 새로운 작업 방식이 등장했습니다. 이는 조직 목표를 달성하거나 가치를 창출할 가능성이 높은 연구를 우선시하는 ‘린-밸류’ 접근 방식을 포함합니다. 매주 비기능적 요구 사항을 검토하고 목표에 따라 재우선순위를 두는 접근 방식은 불필요한 코드를 줄이고 팀이 큰 그림을 잃지 않도록 합니다.
데이터 레이크하우스의 도입
LLM과 데이터 레이크하우스를 결합하면 가치 창출 시간이 단축되고 비용이 절감되며 ROI가 극대화됩니다. 이는 데이터 관리, 분석 및 ML 워크플로를 지원하는 단일 플랫폼을 제공합니다. 그러나 이러한 접근 방식은 데이터 거버넌스, 품질, 보안 및 규정 준수를 유지하기 위한 견고한 관리가 필요합니다.
데이터와 AI 통찰력을 전략적 계획과 통합하는 ‘린-밸류’ 접근 방식은 기술 팀이 조직의 상업적 목표를 주도하고 수익에 기여할 수 있게 합니다.
출처: Why data science alone won’t make your product successful
