데이터 목표: 모든 조직은 데이터가 자신감 있는 비즈니스 의사 결정을 이끌어 내기를 원합니다. 데이터는 신뢰할 수 있어야 하며 분석 및 AI에 사용하기 쉽고 기본적으로 안전해야 합니다. 데이터 과제: 대부분의 조직에서 이 목표는 달성하기 어렵습니다. 데이터는 시스템 및 팀에 분산됩니다. 표준은 다양합니다. 거버넌스가 일치하지 않습니다. 이러한 문제는 분석 및 AI를 자신 있게 사용하기 어렵게 만듭니다.
데이터 솔루션: 많은 조직에서 Microsoft Fabric과 데이터 플랫폼을 통합하여 이 문제를 해결하고 있습니다. 패브릭을 사용하면 팀이 조직 전체의 분석 및 AI에 관리되고 안전하게 사용할 수 있는 신뢰할 수 있는 데이터 제품을 만들 수 있습니다(그림 1 참조). 이 지침은 의사 결정자에게 이러한 변화를 만들고 통합 데이터 기반을 설정하는 데 필요한 프레임워크를 제공합니다.
그림 1. AI 및 분석을 위한 통합 데이터 플랫폼입니다.
패브릭을 사용하는 통합 데이터 플랫폼인 이유는 무엇인가요?
대부분의 비즈니스 및 기술 리더는 조각화된 데이터의 비용을 이해합니다. 이를 수정하려면 크고 위험한 마이그레이션이 필요하다는 믿음이 종종 있습니다. Microsoft Fabric은 다른 접근 방식을 취하고 중단 없이 가치를 제공합니다. 주요 이점은 다음과 같습니다.
최소한의 비즈니스 중단: 패브릭은 가상화(바로 가기) 및 선택적 복제(미러링)를 사용하여 기존 시스템에 연결합니다. Teams는 현재 작업을 중단하지 않고 데이터에 대한 액세스를 통합할 수 있습니다.
기본 제공 거버넌스: Fabric은 데이터 엔지니어링, 분석 및 BI를 단일 플랫폼으로 제공합니다. 보안 및 거버넌스 정책은 여러 도구에서 다르게 다시 만들고 적용하는 대신 한 번 정의되고 일관되게 적용됩니다.
AI 및 분석을 위한 기초: 패브릭을 사용하면 조직에서 재사용 가능한 고품질 데이터 제품을 생산할 수 있습니다. 이러한 신뢰할 수 있는 제품은 분석 및 AI 이니셔티브를 가속화합니다. 패브릭 IQ 는 데이터를 통합하고 컨텍스트화하는 데 도움이 됩니다. Foundry IQ 를 사용하면 Microsoft Foundry 에이전트가 신뢰할 수 있는 관리되는 데이터를 추론할 수 있습니다.
어떤 수준의 투자가 필요한가요?
데이터 플랫폼을 통합하는 것은 모든 시스템을 도매로 대체하는 것이 아니라 기능에 대한 투자입니다. 목표는 기존 데이터 시스템을 계속 사용하고 시간이 지남에 따라 확장할 수 있는 공유 기반을 구축하는 것입니다. 주요 비용 요인은 다음과 같습니다.
Microsoft Fabric 비용 요소: 주요 비용 요인은 다음과 같습니다(그림 2 참조).
컴퓨트: 생성한 컴퓨트 용량(Fabric 용량)입니다.
보관소: OneLake에서 사용하는 스토리지입니다.
복제: 수행하는 데이터 복제(미러링)입니다.
Power BI: 라이선스 지침에 요약된 대로 사용자에게 Power BI 액세스를 포함하는 충분한 Microsoft Fabric 용량 또는 별도의 Power BI 라이선스가 있는지 확인합니다.
됨을 강조합니다.그림 2. 데이터에서 비즈니스 가치를 만드는 Microsoft Fabric 기능입니다.
Microsoft Purview 비용 요소: 통합 데이터 거버넌스 및 규정 준수를 위해 Microsoft Purview를 사용합니다. Purview는 전체 데이터 자산에서 중앙 집중식 데이터 카탈로그, 데이터 분류 및 정책 적용을 제공합니다. 데이터는 OneLake, Azure, 온-프레미스, 타사 SaaS 또는 기타 클라우드 플랫폼에 있을 수 있습니다. 주요 Purview 비용 요소 에는 구독 기반 라이선스 및 소비 기반 기능이 포함됩니다. Purview를 사용하여 관리하는 지속적인 라이선스 및 데이터 및 서비스 볼륨 모두에 대한 예산입니다.
Azure 비용 요소: Azure 구독을 사용하여 패브릭 컴퓨팅(용량) 및 Microsoft Purview 계정을 호스트합니다. Azure 구독에 대한 추가 비용은 없습니다. Azure Databricks 또는 Azure Machine Learning과 같은 다른 Azure 서비스를 통합 플랫폼에 통합하는 경우 이러한 서비스에는 고유한 가격 책정 모델이 있습니다. 해당 비용을 계획합니다. Azure Databricks 및 Azure Machine Learning에 대한 비용 요소를 참조하세요.
값이 표시될 때까지 얼마나 걸리나요?
Microsoft Fabric은 신속하게 가치를 제공하도록 설계되었습니다. 통합이 전체 마이그레이션에 의존하지 않으므로 값에 대한 시간이 짧습니다. 팀은 소수의 고가치 데이터 제품으로 시작할 수 있습니다. 각 단계에서는 위험을 제한하면서 가치를 추가합니다. 실제로 많은 조직에서 초기 분석 또는 AI 시나리오의 경우 몇 주 내에 가치를 볼 수 있습니다. 패브릭이 데이터 제품, 분석 및 AI의 표준 기반이 됨에 따라 조직 전체에서 재사용되고 일관된 표준을 통해 가치가 증가합니다.
데이터 플랫폼을 통합하려면 어떻게 해야 할까요?
Microsoft의 클라우드 채택 프레임워크는 데이터 플랫폼을 통합하기 위한 4단계 프레임워크를 간략하게 설명합니다. 이 프로세스는 데이터 전략 계획 및 구성에 걸쳐 있습니다. 아키텍처 결정에 대해 설명합니다. 또한 거버넌스 및 보안 기준을 설정하고 운영 표준을 정의하는 데 도움이 됩니다.
조직의 준비 상태. 데이터 전략을 정의하고 데이터 소유권 및 도메인을 설정합니다. 데이터가 비즈니스 가치를 창출하는 방법과 데이터에 대한 책임이 있는 사용자를 명확히 합니다. 조직의 준비 상태를 참조하세요.
아키텍처: 데이터 플랫폼을 통합하는 데 필요한 기술을 제공합니다. Azure에서 Microsoft Fabric 및 필수 환경을 설정합니다. 아키텍처를 참조하세요.
거버넌스 및 보안 기준: Microsoft Purview를 사용하여 데이터 자산 전체에서 중앙 가시성 및 거버넌스를 얻을 수 있습니다. 처음부터 패브릭 아키텍처에 보안 및 규정 준수 기준을 빌드합니다. 거버넌스 및 보안 기준을 참조하세요.
운영 표준. 원시 데이터를 수집하고, 데이터 제품을 만들고, 수명 주기를 관리하기 위한 일관된 프로세스를 정의합니다. 데이터 제품이 조직 전체에서 게시, 보안 및 사용되는 방식을 설정합니다. 운영 표준을 참조하세요.
이러한 단계를 수행하면 데이터 플랫폼을 구조화된 방식으로 통합할 수 있습니다. 어디서 시작해야 할지 모르는 경우 지침에 다음 의사 결정 트리를 사용합니다.
데이터 플랫폼을 통합하기 위한 의사 결정 트리
그림 3. 데이터 플랫폼을 통합하기 위한 Microsoft의 의사 결정 트리입니다.
다음 단계:
다음 섹션에서는 각 단계에서 지침, 검사 목록, 모범 사례, 의사 결정 지침 및 장단위를 찾을 수 있습니다. 지침은 조직의 전략 및 거버넌스를 감독하는 리더 및 의사 결정자를 위한 것입니다.
주요 용어
| 키 용어 | 정의 |
|---|---|
| 애널리틱스 | 의사 결정을 지원하기 위해 데이터에서 인사이트를 생성하는 방법입니다. 여기에는 Power BI와 같은 대시보드, 보고서 및 시각화가 포함됩니다. |
| AI | 비즈니스 기능을 자동화하는 모델에 대한 입력으로 데이터를 사용하는 시스템입니다. 이 범주에는 기존의 기계 학습 모델(예측) 및 생성 AI 모델이 포함됩니다. |
| 데이터 제품 | 데이터 세트, 테이블, 기능 집합 또는 AI 학습 데이터와 같이 비즈니스에 유용한 형식의 데이터입니다. |
| 데이터 도메인 | 사업부(HR, 마케팅, 재무, 영업, 운영) 및 제품 라인(제품 1, 제품 2)과 같은 데이터 제품에 대한 책임과 소유권의 경계입니다. |
| 데이터 관리 랜딩 존 | Microsoft Purview 계정 및 패브릭 용량과 같은 데이터 관리 리소스에 대한 환경(하나 이상의 Azure 구독으로 구성됨). |
| 데이터 착륙 지대 | Azure Databricks, Azure Data Lake Storage 및 Azure Machine Learning과 같은 데이터 및 AI/ML 리소스에 대한 환경(하나 이상의 Azure 구독으로 구성됨). |