새로운 데이터 관리 규범을 통해 데이터의 방대한 양과 복잡성을 통제하고, 사이버 보안 및 옵저버빌리티 측면에서 더 큰 성과를 이끌어내는 방법을 확인해보십시오.
데이터 관련 난제
데이터 관리의 문제, 실제 비즈니스에 직접적인 결과 초래
데이터의 양과 복잡성이 급격하게 늘어나면서 기업은 이에 대응하는 데 난항을 겪고 있습니다. 그러나 여전히 기존의 데이터 관리 방식에서 벗어나지 못하고 있어, 비용 부담은 커지고, 데이터에 대한 가시성과 접근성은 오히려 낮아지고 있습니다.
- 응답자의 91%가 전년도보다 데이터 관리에 더 많은 비용을 지출했다고 보고했습니다.
- 응답자의 73%가 데이터 관리 비용 증대의 주요 요인으로 데이터 볼륨을 지목했습니다.
- 응답자의 62%는 데이터 관리 문제가 규정 준수 문제로 이어지고 있다고 답했습니다.
데이터 관리의 새로운 규범
데이터 관리의 변화를 주도하는 최신 기술 역량
최신 데이터 관리 방식을 도입한 기업은 데이터에 보다 빠르게 액세스하고, 데이터 볼륨 관련 문제를 극복하고 비용도 절감할 수 있습니다.
- 데이터 페더레이션을 부분적으로 또는 전면적으로 적용한 기업의 67%가 데이터에 보다 신속하게 액세스할 수 있게 되었다고 답했습니다.
- 데이터 재사용 전략을 적용한 기업 중 46%는, 그렇지 않은 기업(71%) 대비 대용량 데이터 처리에 따른 문제 발생 가능성이 더 낮은 것으로 나타났습니다.
- 데이터 계층화를 도입한 기업 중 50%가 스토리지 비용 절감을 주요 성과로 평가했습니다.
보안 및 옵저버빌리티 향상
데이터 관리 강화를 통한 디지털 회복 탄력성 향상
데이터 페더레이션, 파이프라인 관리, 라이프 사이클 관리 등을 효과적으로 운영하는 데이터 관리 선도 기업은 보안 및 옵저버빌리티 측면에서 가시적인 성과를 달성할 수 있습니다.
- 리더 기업의 79%가 MTTR이 개선되었다고 보고했으며, 이는 다른 응답자(61%) 보다 높은 수치입니다.
- 리더 기업의 43%가 데이터 유출이 감소되었다고 답했으며, 이는 다른 응답자(35%) 보다 높은 수치입니다.
- 옵저버빌리티 측면 리더 기업의 79%가 앱 인프라 성능 최적화의 향상을 경험했다고 보고했으며, 이는 다른 응답자(60%) 보다 높은 수치입니다.
AI 도입 추진
데이터 관리 및 AI: 서로의 성장을 도모하는 선순환 관계
강력한 데이터 관리 전략은 AI 도입과 성능 향상의 촉매제 역할을 하며, 반대로 AI는 생산성을 높임으로써 데이터 관리 역량을 강화할 수 있습니다.
- 응답자의 82%가 기업의 데이터 전략 덕분에 머신러닝 모델의 정확도가 향상되었다고 답했습니다.
- 응답자의 74%가 데이터 관리 전략 덕분에 AI 모델 학습에 사용되는 데이터 세트의 편향을 줄이는 데 도움이 되었다고 답했습니다.
- 기업의 73%가 AI를 통해 반복 업무를 자동화함으로써 데이터 품질이 향상되었다고 답했습니다.
