결국 이렇게 이질적인 출처에서 비롯된 데이터를 통합하는 중앙 저장소로써 데이터 웨어하우스가 생겨났습니다. 분산 구조에서 전사적 분석 플랫폼은 엄청나게 중요한 역할을 수행합니다. 사례를 살펴봅시다.

팀에서 어떤 기능을 출시한다고 가정합시다. 테스트를 했더니 그 기능이 팀의 핵심 성과 지표를 높인다는 것을 알게 되었습니다. 아주 좋습니다. 그러면 사용자 전체에 롤아웃해야 할까요? 물론이죠, 배포하고 축하한 다음 집에 가세요. 잠깐만요, 그와 동시에 다른 팀의 KPI가 하락한다면 어떻게 해야 할까요? 다른 채널을 잠식하거나 플랫폼의 동작을 크게 변경하면 발생할 수 있는 일입니다. 지금 상태로 이 기능을 출시하겠습니까?

물론 여기에 정답은 없습니다. 템플릿도 없습니다. 의사결정을 하려면 테스트를 주의 깊게 계획하고, 여러 팀을 조율하고, 필요하다면 단일 구성 요소가 아니라 시스템 전체의 움직임을 최적화하기 위해 작은 손실을 감수하기도 해야 합니다. 데이터는 이런 의사결정을 내리는 공통 기반이 되며, 기업은 데이터를 통해 정보에 입각해서 추측하고 그에 따른 영향을 추정할 수 있습니다. 데이터가 없으면 팀들이 서로 다른 방향으로 끌려가는 악순환에 빠지고, 하는 일은 많지만 진척이 없게 됩니다.

그러면 새 프로젝트를 시작하거나 테스트를 계획할 때 어떤 메트릭을 고려해야 할까요?