맞춤형 데이터 모델이 차세대 임베디드 분석을 추진하는 방법

보고 및 데이터 시각화 기능을 기존 소프트웨어 애플리케이션에 통합하는임베디드 분석은 산업 전반에 걸쳐 필수 사항이 되고 있습니다. 이는 사용자를 즐겁게 하고 SaaS 기업에 경쟁력 있는 차별화를 제공하는 차세대 디지털 경험을 제공하지만, 맞춤형 데이터 모델은 강력한 내장형 분석 기능 세트의 핵심입니다.

그러나 애플리케이션 내에서 영향력 있는 맞춤형 분석을 제공하려면 특히 다양한 고객 기반을 보유한 소프트웨어 공급업체의 경우 고유한 데이터 모델링 문제가 발생합니다.

이 블로그 게시물에서는 유연하면서도 일관된 임베디드 분석을 지원하고 공급자와 사용자 모두에게 다양한 이점을 제공하는 맞춤형 데이터 모델의 엄청난 가치에 대해 설명합니다.

사용자 정의 데이터 모델이란 무엇입니까?

사용자 정의 데이터 모델은 애플리케이션을 사용하여 각 고객 또는 테넌트에 서비스를 제공하는 데 필요한 다양한 데이터 구조, 관계 및 의미 체계를 추상화하고 논리적으로 표현한 것입니다.

다중 테넌트 소프트웨어 플랫폼 내에서 사용자 정의 데이터 모델은 다음과 같습니다.

• 개별 테넌트 엔터티, 속성, 지표 및 통찰력 요구 사항을 반영합니다.

• 서로 다른 데이터 소스를 표준화하고 통합된 보기로 매핑

• 세분화된 보안 정책을 통해 사용자가 데이터와 상호 작용하는 방식을 관리합니다.

  
  

사용자 정의 데이터 모델을 사용하면 테넌트 분석이 일률적으로 적용되는 것이 아니라 진정한 사용자 정의가 가능해집니다.

모든 것에 적용되는 단일 데이터 모델의 한계

이러한 도구에는 모든 고객이 자신의 요구 사항에 맞게 조정해야 하는 기성 일반 데이터 아키텍처가 함께 제공됩니다. 단순성과 구현 용이성으로 인해 매력적으로 들릴 수도 있지만 비용이 많이 듭니다.

예를 들어, 내부 분석 기능으로 유명한 Tableau 및 QuickSight 와 같은 널리 사용되는 솔루션은 사용자가 분석 경험을 맞춤화할 수 있도록 하는 데 심각한 제한을 가하는 중앙 집중화되고 표준화된 스키마를 사용합니다.

이러한 제한은 사용자가 다양한 데이터 소스를 병합하고 통합하려고 시도할 때 명백해집니다. 사전 정의된 데이터 모델의 유연하지 못한 특성으로 인해 이러한 사용자는 도중에 상당한 장애물에 직면하게 됩니다. 그들은 다양하고 고유한 데이터 유형과 사용 사례를 제한적이고 엄격하게 정의된 템플릿이나 프레임워크에 강제로 적용해야 합니다. 이러한 구둣주걱 행위는 종종 비효율적이고 덜 최적의 결과를 초래할 수 있습니다.

이러한 유연성 부족으로 인해 부정적인 영향을 받는 또 다른 영역은 핵심 시스템 자체, 특히 역할 및 권한과 관련된 기능과 관련이 있습니다. 분석 플랫폼의 이러한 필수 구성 요소는 시스템 코드에 자리잡는 경우가 많습니다. 역할 정의 및 권한 할당의 이러한 경직성으로 인해 조직의 워크플로가 간소화되기는커녕 오히려 방해를 받을 수 있습니다.

다중 테넌트, 사용자 정의 가능한 데이터 모델 수용에 있어 기존 데이터 웨어하우징의 한계

SaaS(Software as a Service) 애플리케이션 내에 내장된 분석을 위한 백본을 형성하는 기존 데이터 웨어하우스 기술에는 종종 많은 한계가 있습니다. 이러한 시스템은 원래 각 테넌트가 고유한 데이터 구조와 요구 사항을 가질 수 있는 다중 테넌트 환경에서 발생하는 동적이고 다양한 요구 사항을 처리하도록 설계되지 않았습니다.

견고한 아키텍처

레거시 솔루션의 주요 문제점 중 하나는 본질적으로 엄격한 아키텍처입니다. 이로 인해 데이터 관리에 대한 분리되고 구획화된 접근 방식이 발생하는 경우가 많습니다. 즉, 데이터가 별도의 사일로에 저장되어 고객이나 테넌트에 대한 전체적인 보기를 달성하기가 어려워집니다. 결과적으로 이러한 SaaS 애플리케이션에 분석 기능이 내장되면 이러한 웨어하우스 솔루션의 유연성이 떨어지는 특성으로 인해 상당한 사용자 정의 장벽에 직면하게 됩니다.

어려운 유지보수

SaaS 엔지니어링 팀이 제품 팀의 특정 분석 요구 사항을 충족하기 위해 스토리지 솔루션, ETL(추출, 변환, 로드) 프로세스 및 하드웨어 인프라를 조정하는 점점 복잡해지는 문제와 씨름하면서 장애물은 계속해서 늘어나고 있습니다. 많은 지침 없이 구성의 미로를 탐색해야 하므로 복잡성과 리소스 투입이 크게 증가합니다.

버전이 너무 많음

상황을 더욱 악화시키는 것은 "버전 스프롤(version sprawl)" 문제입니다. 데이터 웨어하우스 제공업체가 플랫폼을 업데이트하고 개선함에 따라 이전 버전을 사용하는 고객은 이러한 발전을 누릴 수 없게 되었습니다.

그들은 최신 릴리스에서 제공되는 진화하는 기능과 더 이상 일치하지 않는 오래된 시스템을 처리해야 합니다. 이전 버전과의 호환성이 부족하거나 마이그레이션 경로가 원활하지 않다는 것은 이러한 구식 플랫폼에 발이 묶여 최신 기술이 제공하는 혁신과 향상된 기능을 활용할 수 없다는 것을 의미합니다.

의미론적 모델에 대한 초점 부족

전통적인 창고 기술의 또 다른 중요한 단점은 의미론적 모델링에 대한 초점이 무시된다는 것입니다. 시맨틱 레이어를 사용하면 원시 데이터에 비즈니스 컨텍스트를 추가할 수 있어 사용자가 보다 직관적이고 의미 있는 방식으로 데이터와 상호 작용할 수 있습니다.

그러나 대부분의 레거시 데이터 웨어하우스에는 세분화된 액세스 제어 구현, 데이터 거버넌스 보장 및 메타데이터 효과적인 관리에 필수적인 의미 계층 기능에 대한 기본 지원이 포함되어 있지 않습니다.

각 테넌트의 데이터 환경의 개별성과 보안을 유지하는 데 이러한 측면이 가장 중요한 다중 테넌트 소프트웨어의 경우 이러한 기능이 없다는 것은 상당한 결함입니다.

결과적으로 내장된 분석이 필요한 SaaS 제공업체와 고객은 이러한 레거시 시스템의 단점으로 인해 상당한 어려움에 직면해 있습니다.

맞춤형 데이터 모델링의 필수 요소

맞춤형 데이터 모델이 없으면 가장 진보된 분석조차도 가치를 제공하지 못하여 사용자가 플랫폼을 포기하게 됩니다.

다행스럽게도 다음과 같은 기능을 결합하여 레거시 제한을 극복하는 특수 제작 솔루션이 등장했습니다.

• 클라우드 탄력성 및 확장성

• 공유 메타데이터 카탈로그

• 테넌트 수준 및 사용자 수준 데이터 보안 제어

• 통합 거버넌스 가드레일

• 자동화로 액세스 간소화

• 유연한 배포 모델

  
  

이러한 기능을 함께 사용하면 어떤 규모에서든 고객 요구 사항에 맞는 맞춤형 분석이 가능해집니다.

Qrvey: 유일하게 완벽한 내장형 분석 솔루션

Qrvey는 포괄적인 플랫폼의 통합 구성 요소를 통해 SaaS 공급자와 테넌트가 액세스할 수 있는 셀프 서비스 맞춤형 데이터 모델링을 만듭니다.

Qrvey에서는 먼저 데이터 계층에 투자하지 않으면 강력한 분석 기능을 가질 수 없다는 것을 알고 있습니다. 이것이 고객이 경쟁사보다 Qrvey를 선택하는 주요 이유 중 하나입니다.

다중 테넌트 데이터 레이크

Qrvey는 다양한 데이터를 고성능 멀티 테넌트 데이터 레이크 로 통합합니다. 모든 볼륨의 스트리밍 및 배치 데이터를 포함하여 매우 다양한 정형, 반정형 및 비정형 데이터를 처리합니다.

Qrvey의 플랫폼에는 플랫폼이 SaaS 플랫폼이 구현하는 모든 보안 프레임워크를 지원할 수 있도록 테넌트, 사용자 및 행/열 수준의 보안 기능이 포함되어 있습니다.

테넌트는 격리된 역할을 통해 공유 데이터에 안전하게 액세스합니다. Qrvey가 AWS VPC와 같은 클라우드 환경에 배포되므로 실시간 가시성과 직접적인 상호 연결성을 통해 이동 없이 데이터 무결성을 보존할 수 있습니다.

클라우드 네이티브 아키텍처

서버리스 소프트웨어 개발 , 소비 기반 배포는 비용을 최적화하는 동시에 무한히 확장됩니다. 직관적인 클라우드 서비스는 운영 오버헤드를 줄여줍니다.

서버를 설정하는 기존 방식에서는 개발자가 자신의 앱을 사용하는 사람이 없더라도 결국 시스템에 비용을 지출하게 됩니다. 특히 앱을 사용하는 사람의 수가 많이 늘었다 줄었다면 이는 현금 낭비가 될 수 있습니다. 그러나 서버리스를 사용하면 개발자는 앱 기능이 실제로 실행되는 시간에 대해서만 비용을 지불하면 됩니다.

기존 BI 소프트웨어 공급업체는 엄격한 데이터 모델과 비싸고 낭비적인 호스팅 비용을 결합하는 서버 기반 모델을 운영합니다.

오케스트레이션 자동화

Qrvey는 사용자 정의 모델, 데이터 통합, 변환 및 수명주기 관리 조정을 자동화합니다. Qrvey는 수집 시 자동 데이터 프로파일링을 위해 ML을 활용하여 데이터 이해 프로세스를 단순화합니다.

또한 Qrvey에는 내장형 분석 소프트웨어 제공업체 중에서 가장 포괄적인 워크플로 자동화 솔루션이 포함되어 있습니다. 내장 가능한 구성 요소로서 SaaS 사용자는 분석 및 보고에 사용되는 것과 동일한 사용자 지정 데이터 모델을 사용하여 요구 사항에 맞는 고객 자동화를 생성할 수 있습니다.

내장형 데이터 관리

회사는 다양한 방식으로 사용자 지정 데이터 모델을 사용하지만 많은 Qrvey 고객은 SaaS 플랫폼의 각 테넌트 내에서 사용자 지정 데이터 세트 생성을 제공합니다. 포함 가능한 위젯으로 또는 플랫폼 API를 사용하여 제품 리더는 사용자가 원하는 특정 데이터 포인트를 선택하고 특정 보고서에 사용할 사용자 정의 데이터 세트를 즉시 생성할 수 있도록 허용할 수 있습니다.

Qrvey를 통해 SaaS 제공업체는 반복적인 분석 수익을 쉽게 늘리는 동시에 인프라나 모델링 복잡성 없이 필요에 맞는 모델로 사용자를 만족시킵니다.

성공을 이끄는 핵심 역량

기존 솔루션은 맞춤형 데이터 모델링 기능을 제공하지 못해 멀티 테넌트 분석에 지장을 초래했습니다. Qrvey는 SaaS 플랫폼 개발의 과제를 철저히 이해함으로써 제공되는 클라우드 민첩성, 자동화 및 특수 목적 기능을 통해 이러한 한계를 극복했습니다.

내장된 통찰력이 산업 전반에 걸쳐 워크플로에 스며들면서 맞춤형 데이터 모델의 유연성은 분석 지원 애플리케이션을 통해 차별화된 가치를 추구하는 공급자와 사용자에게 엄청난 잠재력을 열어줍니다.

Qrvey는 액세스 가능하고 안전하며 확장 가능한 맞춤형 모델링을 통해 무한한 잠재력을 지닌 멀티 테넌트 임베디드 분석의 새로운 시대를 개척합니다.

SaaS용으로 구축된 내장형 분석 시작하기

Qrvey가 이전 플랫폼에서 놓쳤던 임베디드 분석 맞춤형 데이터 모델링 필수 기능을 어떻게 제공하는지 직접 확인하십시오.

멀티 테넌트 분석 요구 사항에 맞는 데모를 요청하세요 .