학습 내용
이 가이드는 데이터 품질의 기본 개념을 다루며, Salesforce 네이티브 애플리케이션인 Data Quality Sense(DQS)를 소개합니다.
이 가이드를 마치면 다음 사항을 이해할 수 있습니다.
- 데이터 품질의 의미와 중요성
- DQS가 측정하는 다섯 가지 차원
- 첫 번째 평가를 시작하는 방법
데이터 품질이란 무엇인가?
데이터 품질은 데이터가 본래의 목적에 얼마나 잘 부합하는지를 측정합니다. 고품질 데이터는 다음과 같은 특성을 지닙니다.
- 완전성(Complete): 필수 필드가 채워져 있음
- 유효성(Valid): 값이 예상 형식과 일치함
- 고유성(Unique): 중복 레코드가 없음
- 적시성(Timely): 데이터가 최신 상태임
- 일관성(Consistent): 레코드 전반에 걸쳐 값이 균일함
데이터가 이러한 품질을 갖추지 못하면 조직 전반에 걸쳐 문제가 연쇄적으로 발생합니다.
데이터 품질이 중요한 이유
낮은 데이터 품질은 조직에 실질적인 비용 손실과 운영상 마찰을 초래합니다.
| 영향 영역 | 예시 |
|---|---|
| 매출 손실 | 오래된 연락처 정보로 인한 기회 손실 |
| 자원 낭비 | 데이터를 수동으로 정리하는 데 소요되는 시간 |
| 고객 경험 저하 | 고객이 잘못된 정보를 받게 됨 |
| 컴플라이언스 위험 | 부정확한 보고로 인한 규제 문제 발생 |
| AI 실패 | 나쁜 데이터로 훈련된 모델은 나쁜 결과를 산출함 |
수치로 보는 현실
연구 결과에 따르면 재무적 영향은 상당합니다.
- 조직들은 낮은 데이터 품질로 인해 연간 매출의 15~25%를 손실합니다.
- 25% 이상의 조직이 연간 500만 달러 이상을 손실합니다 (IBM 2025).
- 직원들은 데이터 오류를 수정하는 데 근무 시간의 최대 27%를 소비합니다.
Salesforce 사용자의 경우, 중복 레코드만으로도 스토리지를 낭비하고 여러 레코드에 걸쳐 고객 이력이 분산되는 문제가 발생합니다.
DQS 소개
Data Quality Sense(DQS)는 다음을 지원하는 Salesforce 네이티브 애플리케이션입니다.
- 측정: 다섯 가지 차원에 걸쳐 데이터 품질 측정
- 식별: 문제가 있는 특정 레코드 및 필드 파악
- 우선순위화: 먼저 수정해야 할 문제 파악
- 모니터링: 지속적인 데이터 상태 추적
Salesforce 네이티브인 이유
DQS는 Salesforce 내에서 완전히 실행됩니다. 데이터가 플랫폼 밖으로 나가지 않습니다.
| 기능 | 이점 |
|---|---|
| 데이터 내보내기 불필요 | 데이터가 안전하게 보호됨 |
| 외부 API 불필요 | 통합 복잡성 없음 |
| 코드 불필요 | 포인트-앤-클릭 구성 |
| 네이티브 UI | 익숙한 Salesforce 환경 |
AI 준비 차원
전통적인 데이터 품질 외에도, DQS는 AI 준비 상태도 측정합니다. 조직들이 Agentforce와 기타 AI 기능을 도입함에 따라 데이터 요구 사항이 높아지고 있습니다.
| 전통적 데이터 품질 | AI 준비 |
|---|---|
| 필드가 채워져 있는가? | AI가 학습할 수 있을 만큼 충분한 텍스트 내용이 있는가? |
| 형식이 유효한가? | 언어가 일관성 있는가? |
| 중복이 있는가? | AI 노출 전에 PII가 보호되어 있는가? |
DQS는 단 한 번의 스캔으로 두 가지 차원을 모두 측정합니다.
시작하기
데이터 품질 여정을 시작하기 위해 다음 단계를 따르시기 바랍니다.
1단계: 현재 상태 평가
AI 준비 평가를 받으시기 바랍니다. 3분 내에 핵심 데이터 품질 차원에 걸친 점수와 개선을 위한 구체적인 권고 사항을 얻을 수 있습니다.
2단계: 차원 이해
DQS가 무엇을 측정하고 각 차원이 왜 중요한지 이해하기 위해 데이터 품질의 다섯 가지 차원을 읽어보시기 바랍니다.
3단계: AI 준비에 대해 알아보기
Agentforce 또는 기타 AI 이니셔티브를 준비 중이라면, 추가적인 요구 사항을 이해하기 위해 Agentforce 준비 가이드를 읽어보시기 바랍니다.
4단계: DQS 설치
실제 Salesforce 데이터를 측정할 준비가 되면, AppExchange에서 DQS를 설치하고 첫 번째 Definition을 생성하십시오.
다음 단계
- 데이터 품질이 중요한 이유: 데이터 품질에 투자해야 하는 비즈니스 근거
- 빠른 시작 가이드: 단계별 첫 번째 실행 지침
- AI 준비 평가: 3분 만에 점수 확인