AWS를 통한 데이터 거버넌스
데이터 액세스와 제어의 균형을 유지하여 데이터 기반 의사 결정을 가속화합니다.
개요
AWS를 사용한 데이터 거버넌스의 이점
-
데이터베이스, 데이터 레이크 및 데이터 웨어하우스 등 가장 중요한 데이터 소스를 식별하고 관리하여 중요한 데이터 자산의 사본과 중복 변환을 제한할 수 있습니다. 또한 데이터를 큐레이트하면 적절한 데이터에서 민감한 정보를 식별하고 이러한 데이터를 정확한 최신 상태로 유지하여 데이터에 입각한 의사 결정과 애플리케이션에서 신뢰성을 높일 수 있습니다.
-
데이터의 의미를 발견하고 이해하여 데이터 소비자가 자신 있게 데이터를 사용하여 비즈니스 가치를 창출할 수 있도록 합니다. 중앙 집중식 데이터 카탈로그가 있으면 데이터를 쉽게 찾고, 액세스 권한을 요청하며, 데이터를 사용하여 비즈니스 결정을 내릴 수 있습니다.
-
데이터 프라이버시, 보안, 액세스의 균형을 유지합니다. 비즈니스 사용자와 엔지니어링 사용자 모두를 위한 직관적인 도구를 사용하여 조직의 경계 전반에서 데이터 액세스를 관리합니다.
-
데이터가 어떻게 사용되고 누가 데이터를 사용하는지 파악합니다. AWS 서비스를 사용하면 ML 모델을 통한 액세스를 포함해, 데이터 액세스를 모니터링하고 이에 대한 감사를 시행하여 데이터 보안 및 규제 준수를 보장할 수 있습니다. 또한 기계 학습에는 책임 있는 사용과 간소화된 보고를 보장하기 위한 감사 투명성이 필요합니다.
AWS를 사용하여 데이터 거버넌스 과제 해결
사일로화된 사업 분야(LOB), 여러 형식(공개 또는 독점)으로 저장된 데이터, 여러 스토리지 디바이스에 저장된 데이터 등으로 인해 기업은 사용 가능한 전체 데이터를 제대로 파악할 수 없습니다. 이러한 사각지대는 미확인 데이터의 거버넌스 위험을 초래합니다.
데이터 거버넌스가 제대로 이루어지지 않으면 데이터 액세스를 지원하기 위한 데이터 사본 생성이라는 다른 종류의 무분별한 확산이 초래될 수 있습니다. 데이터가 자주 복제되기 때문에 기업의 정보 소스로서의 신뢰성이 떨어집니다. 이 같은 방식으로 인해 데이터 사본이 어디에나(약간 수정될 수도 있음) 생성될 수 있으며, 이는 LOB 전반에서 단절되고 관리되지 않는 데이터 레이크라는 문제로 나타날 수 있습니다.
기업의 전체 데이터를 큐레이션하고 파악하더라도, 데이터를 설명하는 의미론적 정보가 거의 없기 때문에 기업은 데이터가 무엇을 의미하는지 이해하는 데 여전히 어려움을 겪고 있습니다.
조직 전체의 데이터 사용자 수가 증가함에 따라 목표로 하는 비즈니스 이니셔티브에 대한 의사 결정을 내리는 데 가장 적합한 데이터 자산을 찾고 공유하기가 어렵습니다.
기업이 데이터를 관리해야 하는 사용자가 늘어남에 따라 조직 내부와 외부의 올바른 사용자가 올바른 데이터에 액세스하도록 규모를 조정하고 유지 관리하기가 갈수록 어려워지고 있습니다.
액세스가 너무 제한적이면 비즈니스 의사 결정이 느려질 수 있습니다. 액세스를 너무 많이 허용하면 위험이 발생할 수 있습니다.
-
기업의 규제 및 규정 준수 의무의 범위가 확대됨에 따라 누가 데이터에 액세스하는지, 그리고 해당 액세스가 정책 및 규정과 일치하는지 파악하는 데 어려움을 겪는 경우가 많아졌습니다.
AWS 마스터 클래스에서 알아보는 데이터 거버넌스
데이터 거버넌스는 어떻게 비즈니스 이니셔티브를 가속화하나요? 기존 엔터프라이즈 기능을 어떻게 활용하여 데이터 거버넌스 로드맵을 구축하고 자금을 확보할 수 있나요? 이 데이터 거버넌스 마스터 클래스에서는 Kevin Lewis가 흔히 발생하는 실수를 안내하고 검증된 모범 사례를 제공합니다.
