[논문 리뷰] Leveraging Data and Analytics for Digital Business Transformation through DataOps: An Information Processing Perspective

Jia Xu, Humza Naseer외 2명|arXiv (Cornell University)|2022. 01. 24.

Big Data and Business Intelligence인용 수 4

한 줄 요약

이 논문은 정보처리이론(IPT)의 시각에서 데이터 운영(DataOps)과 데이터 분석을 융합한 통합 프레임워크를 제안하여 디지털 비즈니스 전환을 가능하게 한다. 조직이 체계적인 데이터 워크플로우를 정착시킴으로써 분석 정보 처리 능력이 향상되어 운영 효율성이 향상되고 새로운 비즈니스 모델이 창출된다.

ABSTRACT

Digital business transformation has become increasingly important for organizations. Since transforming business digitally is an ongoing process, it requires an integrated and disciplined approach. Data Operations (DataOps), emerging in practice, can provide organizations with such an approach to leverage data and analytics for digital business transformation. This paper proposes a framework that integrates digital business transformation, data analytics, and DataOps through the lens of information processing theory (IPT). The details of this framework explain how organizations can employ DataOps as an integrated and disciplined approach to understand their analytical information needs and develop the analytical information processing capability required for digital business transformation. DataOps-enabled digital business transformation, in turn, improves organizational performance by improving operational efficiency and creating new business models. This research extends current knowledge on digital transformation by bringing in DataOps and analytics through IPT and thereby provide organizations with a novel approach for their digital business transformations.

연구 동기 및 목표

• 디지털 비즈니스 전환 이니셔티브에서 산산이 찢어진, 일시적인 데이터 관리 방식의 과제를 해결하기 위해.
• DataOps가 전략적 비즈니스 목표와 데이터 및 분석을 통합적으로 맞추기 위한 체계적이고 통합적인 접근 방식으로 어떻게 기능할 수 있는지 규명하기 위해.
• 정보처리이론(IPT)의 이론적 시각을 통해 기존의 디지털 전환 문헌을 확장하여 DataOps와 분석을 융합하기 위해.
• 조직이 전환을 위해 필수적인 분석 정보 처리 능력을 개발할 수 있도록 체계적인 길을 제공하기 위해.
• DataOps 기반 전환이 운영 효율성과 혁신을 통해 조직 성과를 어떻게 향상시키는지 보여주기 위해.

제안 방법

• 정보처리이론(IPT)을 이론적 기반으로 삼아 디지털 비즈니스 전환, 데이터 분석, DataOps를 통합하는 개념적 프레임워크를 개발한다.
• 데이터 거버넌스, 자동화, 협업, 지속적 모니터링과 같은 DataOps의 핵심 구성요소를 분석 정보 처리의 추진력으로 식별한다.
• 조직의 정보 처리 수요를 DataOps 실천과 연결하여 피드백 루프와 점진적 개선을 강조한다.
• 데이터 수집에서 의사결정까지의 데이터 흐름을 간소화하여 데이터 품질과 시의성을 보장하는 메커니즘으로 DataOps를 위치시킨다.
• 확장 가능한 데이터 운영을 가능하게 하는 다기능 협업과 도구 통합의 역할을 분석한다.
• IPT를 사용하여 조직이 분석 정보를 처리하고 저장하고 회수하며 행동으로 옮기는 방식을 설명하며, 기술적 프로세스를 인지적 및 전략적 필요와 일치시킨다.

실험 결과

연구 질문

• RQ1 DataOps는 어떻게 분석 정보 처리 능력을 향상시켜 디지털 비즈니스 전환을 전략적으로 지원할 수 있는가?
• RQ2 분석적 의사결정을 뒷받침하는 DataOps 기반 정보 처리 능력의 핵심 구성요소는 무엇인가?
• RQ3 DataOps와 분석을 통합하면 디지털 전환 과정에서 조직 성과가 어떻게 향상되는가?
• RQ4 정보처리이론(IPT) 프레임워크는 DataOps가 데이터를 실행 가능한 비즈니스 통찰으로 전환하는 데서 수행하는 역할을 어떻게 설명하는가?
• RQ5 조직이 DataOps를 디지털 전환의 주요 추진력으로 정착시키기 위해 필요한 구조적 및 프로세스적 변화는 무엇인가?

주요 결과

• DataOps는 분석적 의사결정을 위한 신뢰성 있고 시의적인 데이터를 제공하는 체계적이고 반복 가능한 프레임워크를 제공한다.
• DataOps를 정착시킨 조직은 데이터 지연 감소와 높은 데이터 품질로 인해 운영 효율성이 향상됨을 보여준다.
• DataOps와 분석의 통합은 디지털 전환에 필수적인 견고한 분석 정보 처리 능력의 개발을 가능하게 한다.
• DataOps는 더 빠른 데이터 기반 혁신 사이클을 가능하게 하여 새로운 비즈니스 모델의 창출을 촉진한다.
• IPT 시각은 DataOps가 조직의 분석 정보 처리, 저장, 실행 능력을 체계적으로 강화함을 드러낸다.
• DataOps 내 다기능 협업과 자동화는 비즈니스 부문 전반에 걸쳐 데이터 기반 전환을 확장하는 데 핵심적인 추진력이다.