Augmented Analytics - Hype Cycle for Finance Analytics, 2023

오늘은 2023년 7월 21일에 발표한 가트너에서 발표한 Hype Cycle for Finance Analytics중에서 2~5년 기간 내 가장 기대감이 높은 항목 중에 하나인 Augmented Analytics에 대해 알아 보겠습니다. 

Gartner

Augmented Analytics 이란?

증강 분석은 AI를 사용하여 플랫폼의 분석 워크플로를 자동화하고 자동화된 통찰력, 생성적인 스토리텔링 설명 및 협업 탐색을 통해 사용자 인터페이스를 상황에 맞게 조정합니다. ML 및 생성 AI를 기반으로 자연어 쿼리와 개인화된 분석 카탈로그를 지원합니다. 증강된 데이터 수집, 준비, 분석 콘텐츠 및 DSML 모델 개발을 통해 고급 분석을 대중화합니다. 또한 인간의 편견을 억제하고 다양한 사용자에 대한 통찰력을 가속화합니다.

 

Augmented Analytics 중요성

준비, 패턴 식별, 변환, 모델 개발, 통찰력 공유 등 데이터와 관련된 많은 활동은 여전히 ​​수동적입니다. 이러한 마찰로 인해 사용자 채택과 분석의 비즈니스 영향이 제한됩니다. 생성적 AI를 통해 이러한 기능을 강화하면 분석을 민주화하고 사용자가 코드가 적거나 없는 복잡한 분석 작업을 수행할 수 있도록 하여 진입 장벽을 낮춥니다.

 

Business Impact

증강 분석은 사용자가 분석 콘텐츠와 상호 작용하는 방식을 변화시키고 있습니다. 대화형 인터페이스와 같은 기능을 통해 분석에 대한 접근성, 설명 가능성, 편의성이 더욱 향상되었습니다. 생성적 AI는 사람들이 증강 분석과 상호 작용하는 방식을 변화시켜 데이터에서 더 깊은 통찰력에 액세스할 수 있도록 합니다. 과거에는 전문가에게만 국한되었던 고급 분석을 통해 얻은 통찰력이 이제 기업 전체의 비즈니스 분석가, 의사 결정자 및 운영 작업자의 손에 넘어갑니다. 이러한 증강된 소비자는 새로운 비즈니스 가치 소스를 창출하고 있습니다.

장점

• 효율성 향상: 데이터 분석 프로세스를 자동화하여 시간을 절약하고, 오류를 줄일 수 있습니다.
• 유용성 향상: 데이터 시각화와 AI-기반 분석을 사용하여 데이터의 패턴과 관계를 보다 쉽게 파악하고, 새로운 인사이트를 발견할 수 있습니다.
• 접근성 향상: 챗봇과 워크플로우 자동화를 사용하여 데이터 분석을 보다 쉽게 수행할 수 있습니다.

주요기술

• 데이터 시각화: 데이터를 시각적으로 표현하여 이해하기 쉽게 만드는 기술입니다. 막대 그래프, 선 그래프, 원형 차트 등 다양한 시각화 도구를 사용하여 데이터의 패턴과 관계를 파악할 수 있습니다.
• AI-기반 분석: AI와 ML 기술을 사용하여 데이터에서 통찰력을 도출하는 기술입니다. 텍스트 분석, 이미지 분석, 자연어 처리 등 다양한 AI-기반 분석 기술을 사용하여 데이터의 잠재력을 극대화하고, 새로운 인사이트를 발견할 수 있습니다.
• 챗봇: 사용자의 질문을 이해하고, 적절한 정보를 제공하는 대화형 AI입니다. 챗봇을 사용하여 데이터 분석에 대한 질문을 간편하게 해결할 수 있습니다.
• 워크플로우 자동화: 데이터 분석 프로세스를 자동화하는 기술입니다. 데이터 수집, 정리, 분석, 시각화 등 다양한 데이터 분석 작업을 자동화하여 시간을 절약하고, 오류를 줄일 수 있습니다.

Drivers

조직은 점점 더 내부 및 외부 소스의 다양한 데이터를 결합하는 보다 복잡한 데이터 세트를 분석하기를 원합니다. 이렇게 조화된 데이터에서 탐색할 변수의 수가 증가함에 따라 사용자가 모든 패턴 조합을 탐색하는 것은 사실상 불가능합니다. 사용자가 자신이 발견한 내용이 가장 관련성이 높고 중요하며 실행 가능한지 여부를 판단하는 것은 훨씬 더 어렵습니다. 증강 분석의 사용을 확대하면 사용자가 데이터를 탐색하는 데 소비하는 시간이 줄어들고 가장 관련성이 높은 통찰력에 따라 조치를 취하는 데 더 많은 시간을 제공할 수 있습니다.
Generative AI는 동적 데이터 스토리와 통찰력을 자동화하는 기타 증강 분석 기능의 조합에 대한 시장 관심을 가속화했습니다. Generative AI는 증강 분석과 자연어 쿼리, 자연어 생성, 이상 탐지를 결합하여 해당 상황에서 사용자를 위한 데이터 스토리를 동적으로 생성합니다. 이러한 유형의 다중 경험 UI는 모니터링 및 분석을 위해 사전 정의된 대시보드의 사용을 줄이고 증강 분석의 사용을 증가시킵니다.
공급업체의 기술 혁신으로 증강 분석이 더욱 발전하고 있습니다. 생성 AI(Generative AI)가 폭발적으로 증가하면서 증강 분석(Augmented Analytics)이 주목을 받고 있습니다. ABI 플랫폼은 이제 GPT-4와 같은 대규모 언어 모델을 통합하여 사용자가 코드를 생성, 디버그 및 변환하고, 데이터 스토리를 생성하고, 데이터 준비를 지원할 수 있도록 합니다. 또한 이 통합을 통해 새로운 사용자가 등장하여 분석 채택이 촉진되었습니다. 생성적 분석 경험의 차세대 물결에서 사용자는 전체 워크플로우가 AI 기반이 되는 것을 볼 수 있습니다.
대부분의 조직은 여러 ABI 플랫폼을 활용하여 분석 콘텐츠가 기하급수적으로 증가합니다. 거버넌스 부족과 함께 이러한 확산은 측정항목과 통찰력의 불일치, 보고서 및 대시보드의 중복, 데이터에 대한 전반적인 신뢰도 저하로 이어지는 경우가 많습니다. 따라서 생성 AI를 갖춘 증강 분석 기능으로 구동되는 분석 카탈로그는 사용자가 분석 콘텐츠를 찾고 추천할 수 있도록 하는 데 핵심이 되고 있습니다.
디지털 업무 공간 애플리케이션(예: Microsoft Teams 및 Slack)과 통합하면 증강 분석 기능을 통해 사용자가 통찰력을 공유하고 협업할 수 있습니다.

Obstacles

자동 생성된 모델 및 통찰력에 대한 신뢰 부족: 조직은 증강 접근 방식이 투명하고 정확성과 편향에 대한 감사가 가능하도록 보장해야 합니다. 생성된 분석을 검토하고 인증하는 프로세스를 확립해야 합니다. 이러한 가드레일은 ABI 플랫폼에 포함된 생성 AI에서 특히 중요합니다. 

교육 및 빠르게 진화하는 기술 요구 사항 : 원하는 기술 세트와 데이터 활용 능력 표준을 획득하는 것은 끝없는 과제이며, 리더는 다양한 페르소나를 위한 광범위하고 다양한 교육이 필요합니다.

생태계 요구 사항 :  증강 분석 사용을 지원하려면 도구뿐만 아니라 데이터 자산, 사람 및 프로세스를 포함하는 생태계를 구축하는 것이 중요합니다.

문화적 장벽 : 코드형 분석을 작성하는 분석 개발자와 시각적 셀프 서비스 분석에 익숙한 비즈니스 분석가는 증강 분석을 "있으면 좋은" 기능으로 간주할 수 있습니다. 그러나 분석 콘텐츠 제작 워크플로에서는 이를 활용하거나 의존하지 않습니다.