사용자가 실제로 사용하는 임베디드 분석 설계하기

🎥 전체 웨비나 시청하기: 사용자가 실제로 사용하는 임베디드 분석 설계하기

주요 시사점

• 임베디드 분석 채택은 사용자가 정적 대시보드를 확인하기 위해 워크플로우를 벗어나야 할 때 실패합니다.
• 대시보드 피로는 모든 새로운 비즈니스 질문이 더 나은 분석 경험 대신 또 다른 대시보드를 만들 때 발생합니다.
• 제품 팀은 특히 AI가 분석 워크플로우의 일부가 됨에 따라, 관리되는 데이터와 유연한 탐색 사이의 균형을 맞춰야 합니다.
• 컨텍스트 레이어는 자연어 답변을 일관된 비즈니스 정의로 제공하기 때문에 AI 분석에 필수적입니다.
• 임베디드 분석 SDK는 사용자 지정 UX, 단일 시각화, 대시보드 연결, 테마 지정 및 대화형 분석을 포함하여 iframe보다 SaaS 팀에 더 많은 제어권을 제공합니다.
• 임베디드 분석의 미래는 의사 결정 인텔리전스입니다. 사용자가 이미 작업하는 곳에 제공되는 사전 예방적이고 설명 가능한 통찰력입니다.

아무도 인정하고 싶지 않은 문제: 당신의 대시보드는 사용되지 않고 있다

BI 도구를 구매했습니다. 배포했습니다. 팀이 대시보드를 만들었습니다. 출시 이메일이 발송되었습니다. 그리고… 침묵.

이것이 익숙하게 들린다면, 당신만 그런 것이 아닙니다. 최근 업계 컨퍼런스에서 한 세션이 우리에게 깊은 인상을 남긴 문장으로 시작했습니다: 아무도 더 많은 대시보드를 요구하지 않습니다. 그런데도, 모든 새로운 비즈니스 질문에 대한 기본 응답은 또 다른 것을 만드는 것입니다.

이것이 바로 대시보드 피로, 그리고 예측 가능한 악순환을 따릅니다:

1. 질문이 발생하고
2. 대시보드가 만들어지고
3. 후속 질문이 나타납니다
4. 무한 반복

월요일에 데이터 팀이 배포한 대시보드는 금요일에는 구식이 됩니다. 그것을 만든 사람은 모든 필드가 무엇을 의미하는지 이해하지만, 귀사의 비즈니스 이해관계자들은 그렇지 않습니다. 그리고 SaaS 환경에서는 비용이 훨씬 더 높습니다. 사용자가 자신이 있는 워크플로우를 떠나 다른 곳에서 "대시보드를 확인"해야 할 때마다, 그들은 맥락을 잃고, 추진력을 잃고, 결국 아예 시도조차 하지 않게 됩니다.

결과는 무엇일까요? 거의 아무것도 알려주지 못하는 값비싼 BI 투자입니다.

파워 대 통제: 제품 팀의 딜레마

임베디드 분석을 구축하는 모든 제품 팀은 두 가지 실패 모드 사이에서 갇힙니다.

어느 쪽 극단도 작동하지 않습니다. 2000년대 초반은 거버넌스 잠금화를 가져왔습니다. 2010년대 로우코드 시대는 그림자 IT와 무분별한 스프레드시트를 가져왔습니다. 이제 AI가 여기에 추가되면서, 팀들은 다시 통제하려는 유혹을 느끼고 — 또다시 사용자들을 잃게 될 것입니다.

올바른 변화는 더 많은 자유도, 더 많은 통제가 아닙니다. 더 나은 서비스입니다. 대부분의 사용자는 실제로 ~을 원하지 않습니다. 구축하는 것 분석. 그들은 이미 있는 워크플로우에서 직접적이고 맥락적인 답변을 받기를 원합니다.

사용 용이성은 기능이 아니라 제품 전략입니다

모든 것을 바꾸는 재정의는 다음과 같습니다. 2026년에는 사용 용이성이 "있으면 좋은 것"이 아닙니다. 그것이 전략입니다.

휴대폰으로 은행 업무를 하는 방식을 생각해 보세요. 음식을 주문하는 방식. 항공편을 예약하는 방식. 소비자 소프트웨어의 기준이 이제 기업 소프트웨어의 기준이 되었습니다. 만약 귀사의 임베디드 분석이 2008년의 엔터프라이즈 소프트웨어처럼 느껴진다면, 사용자들은 그것을 우회할 것입니다.

이것을 주도하는 두 가지 변화가 있습니다:

1. 대화형 AI가 새로운 기본 인터페이스입니다

자연어는 데이터에 질문하는 기대되는 방식이 빠르게 되고 있습니다. "주(state)별 입금액을 보여주세요." "실제 매출이 월별 예산과 어떻게 비교되나요?" 사용자는 답변을 얻기 위해 SQL, 데이터 모델링 또는 대시보드 구성 도구를 배울 필요가 없습니다.

2. 통찰형 분석이 정적 보고를 대체합니다

다음 단계는 단순히 더 보기 좋은 대시보드가 아니라, 통찰력을 도출해내는 분석입니다. 이전 사용자가 무엇을 질문해야 할지 알려줍니다. 컨텍스트에 따라 업데이트되는 KPI. 임계값을 초과할 때 작동하는 알림. 의사결정이 실제로 이루어지는 지점에 전달되는 알림.

얻는 이익은 측정 가능합니다. 셀프 서비스와 자연어를 분석 워크플로우에 통합하는 조직들은 다음과 같은 결과를 보고합니다. 순신규 대시보드 요청이 최대 50% 감소, 엔지니어링 팀이 더 높은 가치를 창출하는 작업에 집중할 수 있도록 합니다.

하나의 페르소나가 아닌, 세 가지 페르소나를 고려하여 디자인하세요.

임베디드 분석에서 가장 큰 실수 중 하나는 '사용자'를 단일 페르소나로 취급하는 것입니다. 실제로는 최소한 세 가지가 있습니다:

• 비즈니스 이해관계자 -안내를 받는, 쉬운 언어의 답변을 원한다. 도구를 배우고 싶어 하지 않는다. 단지 결정을 내릴 필요가 있다.
• 파워 분석가 - 다단계 추론, 사용자 지정 필터, 드릴다운, 그리고 자유롭게 탐색할 수 있는 기능이 필요합니다.
• 개발자 / 빌더 기존 제품 인터페이스에 임베디드 분석을 깔끔하게 통합할 수 있는, 조합 가능하고 프로그래밍 방식의 접근을 원합니다.

이 중 하나만을 위해 설계한다면, 나머지 두 가지를 잃게 될 것입니다. 바로 여기에 (어떤 것이) 필요한 지점입니다. 임베디드 분석 SDK iframe 기반 BI 임베드보다 구조적 이점이 있습니다: SDK는 개발자에게 세 가지 모두를 동일한 제한된 뷰어에 넣는 대신, 동일 제품 내에서 각 페르소나에게 맞춤형 경험을 제공할 수 있는 기본 요소를 제공합니다.

임베디드 AI 분석에서 맥락의 중요성

대부분의 "AI BI" 사례가 무너지는 지점은 바로 여기입니다.

LLM에 원시 스키마를 제시합니다. 사용자가 "이번 분기 매출이 얼마예요?"라고 묻습니다. LLM은 기쁘게 숫자를 반환하지만, 이게 총매출인가요? 순매출인가요? 인식된 매출인가요? 기록된 매출인가요? 갱신액 포함인가요? 모델은 알지 못하므로 추측합니다. 그리고 LLM은 생성적, 이기 때문에 매번 약간씩 다른 추측을 하게 됩니다.

이것은 분석이 아닙니다. 이것은 더 빠르고, 더 보기 좋은 실수입니다.

해결책은 데이터 위에 적용되는 컨텍스트 레이어입니다. 이 레이어는 비즈니스 의미를 데이터 논리로 번역합니다. Reveal를 사용하면, 이는 AI에게 다음을 알려주는 간단한 JSON 또는 API를 통해 구성됩니다: 데이터 위에서 - 비즈니스 의미를 데이터 로직으로 변환하는 계층입니다. Reveal을 사용하면, 이 기능은 AI에게 알려주는 간단한 JSON 또는 API를 통해 구성됩니다:

• 일관된 정의 - "매출"은 이 필드와 이 필드 빼기 이 필드를 의미합니다., 모든 팀에서, 매번.
• 환각 방지 - AI는 관리되는 정의에 구속되어 측정 지표를 조작할 수 없습니다.
• 관리되는 탐색 - 사용자는 무엇이든 물어볼 수 있지만, 항상 실제 비즈니스 논리에 근거한 답변을 얻습니다.

이것이 시맨틱 레이어(사람을 위한 번역 레이어)와 컨텍스트 레이어(AI를 위한 번역 레이어)의 차이점입니다. 우리가 지금 살고 있는 세상에서는 컨텍스트가 왕입니다.

통찰력에서 행동으로: 의사결정 인텔리전스

훌륭한 대시보드와 훌륭한 NLQ가 있음에도 불구하고, 여전히 근본적인 문제가 있습니다. 분석은 여전히 질문되기를 기다립니다. 다음 영역은 의사결정 인텔리전스입니다. - 운영 워크플로우에 직접 설명 가능한 인사이트를 임베딩합니다. 실제 의사결정이 이루어지는 곳에 말이죠.

여기서 중요한 세 가지 패턴이 있습니다.

• 선제적 위험 점수화 - 고객 이탈 위험이나 수익 누수 같은 것을 자동으로 플래그 지정합니다. 아직 조치를 취할 시간이 남아 있을 때 말이죠., 분기별 검토가 아니라.
• 사람이 읽기 쉬운 설명 - 모든 권장 조치에는 평이한 언어로 된 근거가 제공되어 비즈니스 사용자가 이해할 수 있습니다. 왜, 단지 무엇만은 아닙니다..
• 결과 중심의 지표 - 분석을 얼마나 많은 결정과 행동을 이끌어냈는지로 측정해야 하며, 누군가 대시보드를 열어본 횟수로 측정해서는 안 됩니다.

Reveal은 SDK이기 때문에, 워크플로우 옆에 단일 KPI 시각화를 배치하거나, 임계값을 초과할 때 알림을 발생시키거나, 사용자가 이미 작업하고 있는 바로 그곳에 채팅 기반 추천을 표시할 수 있습니다. 별도의 "분석 영역"을 붙이는 것이 아닙니다. 제품에 지능을 임베딩하는 것입니다.

라이브 데모에서 보여주는 것

이 웨비나 워크스루, 저희는 이 모든 것을 안에 통합했습니다. 아크메 애널리틱스 - Reveal SDK를 기반으로 구축된 가상의 SaaS 앱입니다. 건너뛰어 볼 만한 몇 가지 하이라이트가 있습니다:

• 단일 시각화 모드: 사용자가 "대시보드를 열도록" 강요하지 않으면서도, 사실상 개별 대시보드인 홈페이지의 KPI 타일로 선제적인 답변을 제공합니다.
• 대시보드 연결: 필터 컨텍스트 전체를 유지하며 한 대시보드에서 다른 대시보드로 드릴다운할 수 있어, 파워 분석가들이 처음부터 다시 시작하는 대신 질문을 따라갈 수 있습니다.
• 새로운 대시보드로 가는 세 가지 경로: 빈 상태에서 시작(완전 WYSIWYG), 템플릿에서 시작, 또는 사용자가 드래그 앤 드롭할 수 있는 사전 구축된 KPI의 시각화 카탈로그에서 시작할 수 있습니다.
• AI 대시보드 어시스턴트: "판매 파이프라인 구축"이라고 입력하고 컨텍스트 레이어에 기반한 완전하고 관리되는 대시보드를 몇 초 만에 얻을 수 있습니다.
• 대화형 분석: 채팅에서 "주(state)별 예금액은 얼마인가요?"라고 질문하고 차트를 받은 다음, "트리맵으로 변경해 주세요"라고 말하면, AI가 대화형 컨텍스트를 유지하고 시각화를 업데이트합니다.
• 완전한 테마 지정 및 화이트 라벨 제어: 라이트 모드, 다크 모드, 사용자 지정 글꼴, 사용자 지정 색상. 호스트 앱을 제어하기 때문에 임베디드 경험은 항상 귀하의 제품처럼 보입니다.

임베디드 분석 SDK가 iFrame보다 나은 이유 — 매번

임베디드 분석 옵션이 iFrame밖에 없다면, BI 공급업체가 배포하기로 결정한 경험에 갇히게 됩니다. 다양한 페르소나에 맞춰 UX를 조정할 수 없습니다. 워크플로우에 단일 KPI를 넣을 수 없습니다. 사용자 지정 툴팁 동작, 사용자 지정 대시보드 연결 또는 제품 내에 네이티브하게 존재하는 채팅 경험을 추가할 수 없습니다.

Reveal과 같은 SDK는 이를 뒤집습니다. 클라이언트 측에는 JavaScript API를, 서버 측에는 .NET, Java 또는 Node 백엔드를 얻게 되며, 이는 다음을 의미합니다.

• 사용자에게 보이는 경험을 개발자가 제어할 수 있습니다
• 대시보드, 단일 시각화, NLQ 채팅 및 템플릿을 제품이 필요로 하는 방식으로 혼합할 수 있습니다
• 모든 상호 작용(툴팁, 메뉴, 드릴다운)이 확장 가능합니다
• 임베디드 분석은 단순히 추가된 탭이 아니라, 귀하의 SaaS 앱에 내장된 것처럼 느껴져야 합니다. 내장된 이것이 사용자들이 귀하의 분석을 채택하는 것과 무시하는 것 사이의 차이점입니다.

결국 중요한 것은

사용 편의성은 기능이 아닙니다. 그것은 임베디드 분석 투자가 성공할지, 아니면 '대시보드를 더 많이 주세요'라는 백로그에서 조용히 죽을지를 결정하는 전략입니다.

사용자들이 실제로

귀하의 분석을 사용하도록 하려면: AI 컨텍스트 레이어를 구축하여

1. 모든 답변이 일관되고, 관리되며, 신뢰할 수 있도록 합니다. 자연어를 기본 인터페이스로 만들어
2. 사용자들이 SQL이 아닌 일반 영어로 질문하도록 합니다. 보고서 작성에서 의사 결정 인텔리전스로 이동하세요.
3. — 작업이 발생하는 곳에 인사이트를 임베딩하세요. iframe 대신 SDK를 선택하세요.
4. , 따라서 각 페르소나가 실제로 필요로 하는 경험을 제공할 수 있습니다.전체 웨비나를 시청하세요.

전체 분석을 위해 — 라이브

Reveal BI Reveal BI AI 대시보드 지원, NLQ 채팅, 대시보드 연결, 단일 시각화 모드 및 테마 지정 기능을 보여주는 제품 데모 — 전체 세션은 YouTube에서 시청하세요:

▶️ 사용자가 실제로 사용하는 임베디드 분석 설계하기

제품에 Reveal을 적용할 준비가 되셨나요?

• 🌐 데모 요청하기: revealbi.io
• 📧 영업팀 이메일: sales@revealbi.io
• 📧 직접 문의하기: jasonb@infragistics.com

저자 소개: Jason Beres는 Reveal 임베디드 분석 및 Ignite UI 제작사인 Infragistics에서 제품 및 콘텐츠 전략을 이끌고 있습니다. 그는 사용자가 실제로 채택하는 분석 경험을 설계하기 위해 SaaS 및 ISV 팀과 협력합니다.

FAQ: 사용자가 실제로 사용하는 임베디드 분석 설계 방법

임베디드 분석 프로젝트는 왜 실패하나요?

대부분의 임베디드 분석 프로젝트가 실패하는 이유는 사용자들이 이를 채택하지 않기 때문입니다. 문제는 대시보드가 제대로 구축되지 않았기보다는, 사용자의 워크플로우와 분리되어 있거나, 조치하기 어렵거나, 후속 질문에 빠르게 답할 수 없다는 점입니다.

대시보드 피로도는 무엇인가요?

대시보드 피로도는 모든 새로운 비즈니스 질문이 또 다른 대시보드로 이어질 때 발생합니다. 시간이 지남에 따라 사용자는 너무 많은 보고서, 일관성 없는 정의, 오래된 데이터, 그리고 필요한 답변을 찾기 위한 너무 많은 노력에 직면하게 됩니다.

임베디드 분석 SDK가 iframe보다 나은 이유는 무엇인가요?

임베디드 분석 SDK는 제품 팀에게 사용자 경험에 대한 통제권을 부여합니다. 별도의 BI 인터페이스를 iframe 안에 배치하는 대신, SDK를 사용하면 개발자가 대시보드, 단일 시각화, 자연어 채팅, 사용자 지정 작업, 테마 지정 및 분석 워크플로우를 호스트 애플리케이션에 직접 임베딩할 수 있습니다.

AI 분석에서 컨텍스트 레이어란 무엇인가요?

컨텍스트 레이어는 데이터 뒤에 숨겨진 비즈니스 의미를 정의하여 AI가 일관되게 질문에 답할 수 있도록 합니다. 예를 들어,

자연어 분석은 채택률 향상에 어떻게 기여합니까?

자연어 분석을 사용하면 사용자가 SQL, 대시보드 도구 또는 데이터 모델을 학습할 필요 없이 일반 영어로 질문할 수 있습니다. 이는 분석을 비즈니스 이해관계자들에게 더욱 쉽게 접근할 수 있도록 만들면서도, 파워 유저들에게는 심층적인 탐색을 계속 지원합니다.

임베디드 분석에서 의사결정 인텔리전스는 무엇인가요?

의사결정 인텔리전스는 분석을 정적인 보고서 수준을 넘어 확장합니다. 사용자가 결정을 내리는 워크플로우 내부에 선제적인 통찰력, 위험 점수, 추천, 알림 및 일반 언어 설명을 직접 제공합니다.

임베디드 분석은 누구를 위해 설계되어야 하나요?

임베디드 분석은 최소한 세 가지 페르소나를 위해 설계되어야 합니다: 안내된 답변을 원하는 비즈니스 이해관계자, 더 깊은 탐색이 필요한 파워 분석가, 그리고 제품 경험에 분석을 임베딩할 유연한 도구가 필요한 개발자입니다.