Tableau 비즈니스 가치 계층

데이터 기반 기업이 되기 위한 여정 중에 어느 단계에 있는가에 따라 비용 최적화, 효율성 또는 효과성에 집중할 수 있습니다.

BI 솔루션의 총 소유 비용을 계산하고 비용이 가장 낮은 옵션을 선택합니다.

고객은 종종 라이선스 비용만 평가하고 총 비용에 추가되는 지원, 교육 및 부가적인 기술을 고려하지 않습니다. 이 모델은 사용 가능한 많은 BI 기술로부터 얻게 되는 총 가치가 거의 같을 것이라고 가정합니다. 즉, 가장 중요한 것은 최소한의 비용이 드는 옵션을 선택하는 것입니다. 이것이 언제나 사실인 것은 아니지만, 일부 상황에서는 그렇습니다.

총 소유 비용에 포함해야 하는 요소에는 라이선스 비용뿐 아니라 여러 가지가 있습니다. 여기에는 다음과 같이 플랫폼과 인건비가 포함됩니다.

플랫폼 비용

인프라: 하드웨어, 서비스형 인프라, 데이터(커뮤트/저장소), 시스템 서비스

소프트웨어: 라이선스, 파트너 통합, 데이터 커넥터/저장소 요금, API 액세스, 사용 요금

인건비

설치

설정

보고서 생성: 콘텐츠를 작성하고 선별하는 IT 직원

지원: 기술 지원 및 지속적인 유지 관리

교육: 사용자 활성화, 트레이너 교육, 수업 활동

TCO 모델을 사용하는 경우

• 컨설턴트나 다른 고용 기술자가 실행하는 분석이 있는 경우.

• 애드혹 분석이 거의 필요 없고 대시보드 분포에 사용 사례가 집중된 경우.

• 포함된 비주얼리제이션에서 정적인 콘텐츠가 배포되며 상호 작용보다 디자인이 더 중요한 경우.

추천 자료

적합한 최신 BI 및 분석 플랫폼 선택 방법 - 현대적인 분석 워크플로우를 위한 지원 요구 사항의 정의를 도와주는 가이드.

TCO 계산

예

성취된 근로자 생산성의 이득을 다른 솔루션과 비교하고 인건비를 사용해 투자 수익률을 계산합니다.

데이터 분석 기술은 작업자가 정보를 훨씬 더 빨리 이해할 수 있도록 도와줍니다. 작업자 생산성 모델은 다른 기술과 비교해 절약하게 될 총 시간의 양을 계산하여 직원이 얻을 수 있는 혜택을 계산합니다.

이 모델은 분석에 소요되는 시간이 줄어들면 직원이 더 많은 분석을 할 수 있거나 비즈니스에 가치를 더하는 다른 작업을 처리할 수 있다고 가정합니다.

작업자 생산성 모델을 사용하는 경우

• 특정 분석 프로젝트를 염두에 두고 있지는 않지만, 모든 지식 작업자에게 분석 역량을 배포하고 있는 경우.

• 데이터 기반 문화를 구축하는 가치를 계산하려고 하는 경우.

• 데이터에 대한 CoP(지식 공동체)나 우수연구센터의 ROI를 계산하고자 하는 경우.

작업자 생산성을 계산할 때 정의해야 하는 메트릭

생성 차등: 현재 접근법에 비해 다른 플랫폼에서 분석 결과를 생성하기 위한 노력에 있어서의 차이.

소비 차등: 현재 접근법에 비해 다른 플랫폼에서 정보를 얻기 위한 최종 사용자 환경에 있어서의 차이.

가치 요소: 조직에서 지식 작업자가 추가하는 가치의 평균 기대치. 이 선택적인 접근법은 효과성 구성 요소를 효율성 모델에 반영하는 빠른 방법을 제공해줍니다.

예(이 모델의 목적은 가치의 최대화이므로 수치가 높을수록 더 좋습니다.)

*다음은 이 모델의 결과에 영향을 미치게 될 세 가지 입력/레버입니다. 귀사 BI 시스템의 실제 사용자를 고려하십시오(IT 구매자가 전체 평가를 수행하도록 하는 대신). 이러한 작업을 수행할 사용자를 포함하면 관련 비용이 어느 정도이고 각 작업을 어떻게 확장할지를 파악하여 좀 더 정확한 예상치를 얻게 됩니다.

더 많은 정보를 이용하는 직원을 통해 개선된 의사 결정 과정에서 얻게 되는 가치를 수량화합니다.

예상 영향 모델은 "어느 작업자가 이 기술로 훌륭한 의사 결정을 내릴 가능성이 X% 더 높다면, 그 가치는 얼마인가?"라는 질문을 던집니다. 이 모델은 수량화하기가 가장 어렵습니다. 평가하는 기술을 실제 비즈니스 결과와 일치시켜야 하기 때문입니다. 그러나 이 모델이 가장 실생활에 가깝습니다. 또한 이전 섹션에서는 반영되지 않는 비즈니스 인텔리전스의 증대된 생성과 소비를 보여줄 수도 있습니다. 여유를 갖게 된 인력의 효율성은 분석을 통해 영향력을 미칠 수 있는 추가적인 비즈니스 인사이트를 창출하는 데 적용될 수 있습니다.

예상 영향 모델을 사용하는 경우

• 직원 사이에서 개선하고자 하는 특정 의사 결정이 있는 경우.

• 특정 사용자 집합이나 문제 영역을 위해 분석을 생성하려고 하는 경우.

• 계속해서 가치를 더해줄 확장 가능하고, 반복 가능하며, 재사용이 가능한 분석을 원하는 경우.

예상 영향 계산

시나리오: 더 많은 정보를 활용함으로써 얻어지는 비즈니스 혜택은 성취하고자 하는 결과에 따라 정의됩니다. 여기에는 훌륭한 결과의 예상 가치가 포함됩니다.

의사 결정의 범위: 어떤 의사 결정이 정의된 결과에 영향을 미칩니까? 사업부에서는 어떤 의사 결정이 성취하고자 하는 결과에 영향을 미치는지를 알고 있습니다.

개선: 데이터에 대한 액세스가 지식 작업자들이 더 나은 의사 결정을 내리는 데 얼마나 도움이 됩니까? 그리고 어느 기술이 의사 결정에 어느 정도 영향을 미치게 될지를 어떻게 비교합니까? 얼마나 많이 개선된 의사 결정이 시나리오에 추가될 것인지를 보여주는 개선율에서 이 가치를 수량화할 수 있습니다.

예

*BI 공급업체를 통해 단일 뷰에서 모든 데이터 포인트를 볼 수 없으므로 정확성 개선이 없습니다.
**BI 대시보드는 의사 결정 속도를 개선했지만, 시각적 분석 프로세스만큼은 아닙니다.