실제로 사용자가 사용하는 임베디드 분석을 설계하는 방법

🎥 Watch the full webinar: Designing Embedded Analytics Your Users Actually Use

Key Takeaways

• Embedded analytics adoption fails when users are forced to leave their workflow to check static dashboards.
• Dashboard fatigue happens when every new business question creates another dashboard instead of a better analytics experience.
• Product teams need to balance governed data with flexible exploration, especially as AI becomes part of analytics workflows.
• A contextual layer is essential for AI analytics because it gives natural-language answers consistent business definitions.
• An embedded analytics SDK gives SaaS teams more control than an iframe, including custom UX, single visualizations, dashboard linking, theming, and conversational analytics.
• The future of embedded analytics is decision intelligence: proactive, explainable insights delivered where users already work.

The problem nobody wants to admit: your dashboards aren't getting used

You bought the BI tool. You rolled it out. Your team built the dashboards. The launch email went out. And then… silence.

If that sounds familiar, you're not alone. At a recent industry conference, one session opened with a line that stuck with us: nobody is asking for more dashboards. And yet, the default response to every new business question is to build another one.

This is dashboard fatigue, and it follows a predictable vicious cycle:

1. A question arises
2. A dashboard gets built
3. Follow-up questions emerge
4. Repeat indefinitely

데이터 팀이 월요일에 배포한 대시보드는 금요일에는 쓸모가 없습니다. 대시보드를 만든 사람은 각 필드의 의미를 이해하지만, 비즈니스 이해 관계자는 이해하지 못합니다. 또한 SaaS 환경에서는 비용이 훨씬 더 많이 듭니다. 사용자가 현재 작업 중인 워크플로에서 벗어나 다른 곳에서 "대시보드를 확인"해야 할 때마다 사용자는 맥락을 잃고, 추진력을 잃고, 결국에는 완전히 포기하게 됩니다.

결과는 어떻습니까? 거의 아무런 정보도 제공하지 않는 값비싼 BI 투자입니다.

성능과 제어: 제품 팀의 딜레마

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

어느 극단도 효과가 없습니다. 2000년대 초반에는 거버넌스 잠금이 있었습니다. 2010년대 로우코드 시대에는 비공식 IT 및 스프레드시트가 등장했습니다. 이제 AI가 추가되면서 팀은 다시 제어를 강화하려는 유혹을 받습니다. 그리고 다시 사용자를 잃게 될 것입니다.

올바른 방향은 더 많은 자유나 더 많은 제어가 아닙니다. 더 나은 서비스입니다. 대부분의 사용자는 실제로 분석을 구축하고 싶어하지 않습니다. 그들은 이미 사용하고 있는 워크플로 내에서 직접적이고 맥락에 맞는 답변을 받기를 원합니다.

사용 편의성은 기능이 아닌 제품 전략입니다.

다음은 모든 것을 바꾸는 재구성입니다. 2026년에는 사용 편의성이 "있으면 좋음"이 아닙니다. 그것은 전략입니다.

스마트폰으로 은행 업무를 처리하는 방식, 음식을 주문하는 방식, 항공편을 예약하는 방식을 생각해 보세요. 소비자 소프트웨어의 기준은 이제 기업 소프트웨어의 기준이 되었습니다. 임베디드 분석이 2008년의 엔터프라이즈 소프트웨어처럼 느껴진다면 사용자는 이를 우회할 것입니다.

다음 두 가지 변화가 이를 주도하고 있습니다.

1. 대화형 AI는 새로운 기본 인터페이스입니다.

자연어는 데이터에 질문하는 예상되는 방법이 되고 있습니다. "주별 예금을 보여주세요." "실제 수익이 월별 예산과 어떻게 비교됩니까?" 사용자는 답변을 얻기 위해 SQL, 데이터 모델링 또는 대시보드 구성 도구를 배우지 않아도 됩니다.

2. 통찰력 있는 분석은 정적 보고서를 대체합니다.

다음 프런티어는 더 예쁜 대시보드가 아니라 통찰력을 제공하는 분석입니다. 사용자가 질문하기 전에

KPI가 맥락 내에서 업데이트됩니다. 임계값이 초과될 때 알림이 전송됩니다. 의사 결정이 실제로 이루어지는 곳에서 알림이 전송됩니다. 결과는 측정 가능합니다. 분석 워크플로에 셀프 서비스 및 자연어를 통합하는 조직은새로운 대시보드 요청이 최대 50% 감소하여

엔지니어링 팀이 더 가치 있는 작업에 집중할 수 있습니다.

세 가지 페르소나를 위해 디자인하십시오. 하나가 아닙니다.

• 임베디드 분석에서 가장 큰 실수 중 하나는 "사용자"를 단일 페르소나로 취급하는 것입니다. 실제로 최소 세 가지 페르소나가 있습니다. 비즈니스 이해 관계자
• - 안내되고, 평이한 언어로 된 답변을 원합니다. 도구를 배우고 싶어하지 않습니다. 의사 결정을 내리기만 하면 됩니다. 파워 분석가
• - 다단계 추론, 사용자 지정 필터, 드릴다운 및 자유로운 탐색을 원합니다. 개발자/빌더

- 기존 제품 표면에 분석을 깔끔하게 임베드할 수 있는 구성 가능하고 프로그래밍 방식의 액세스를 원합니다. 이 중 하나에 대해서만 디자인하면 나머지 두 가지를 놓치게 됩니다. 이것이 바로 임베디드 분석 SDK

가 iframe 기반 BI 임베드보다 구조적 이점을 갖는 이유입니다. SDK는 개발자에게 동일한 제품 내에서 각 페르소나에 맞춤형 경험을 제공할 수 있는 기본 요소를 제공하여 세 가지 페르소나를 모두 동일한 폐쇄된 뷰어에 넣는 대신 제공합니다.

임베디드 AI 분석에서 맥락이 중요한 이유

대부분의 "AI BI" 이야기가 실패하는 지점은 바로 여기입니다. LLM을 원시 스키마에 연결합니다. 사용자가 "이번 분기 수익은 얼마입니까?"라고 질문합니다. LLM은 기꺼이 숫자를 반환하지만, 이는 총 수익입니까? 순이익입니까? 인식된 수익입니까? 예약된 수익입니까? 갱신을 포함합니까? 모델은 알 수 없으므로 추측합니다. LLM은생성적이기

때문에 매번 약간 다른 추측을 하게 됩니다.

이것은 분석이 아닙니다. 더 빠르고 더 예쁜 실수일 뿐입니다. 해결책은 데이터 위에

• 컨텍스트 레이어입니다. 비즈니스 의미를 데이터 로직으로 변환하는 레이어입니다. Reveal을 사용하면 간단한 JSON 또는 API를 통해 AI에 다음과 같이 구성할 수 있습니다. 일관된 정의 - "수익"은이 필드 더하기 이 필드 빼기 이 필드입니다.
• 모든 팀에서 항상 그렇습니다. 환각 방지
• - AI는 관리되는 정의로 제한되며 지표를 조작할 수 없습니다. 관리되는 탐색

- 사용자는 무엇이든 질문할 수 있지만 항상 실제 비즈니스 로직을 기반으로 답변을 받습니다. 이것은 시맨틱 레이어(인간을 위한 변환 레이어)와 컨텍스트 레이어(AI를 위한 변환 레이어)의 차이점입니다. 지금 우리가 있는 세상에서

컨텍스트가 중요합니다.

통찰력에서 행동으로: 의사 결정 인텔리전스 훌륭한 대시보드와 훌륭한 NLQ가 있더라도 여전히 근본적인 문제가 있습니다. 분석은 여전히 질문을 받을 때까지 기다립니다. 다음 프런티어는 의사 결정 인텔리전스

- 설명 가능한 통찰력을 의사 결정이 실제로 이루어지는 운영 워크플로에 직접 임베드합니다.

• 여기서 중요한 세 가지 패턴은 다음과 같습니다. 사전 위험 평가 - 고객 이탈 위험 또는 수익 손실과 같은 항목을 자동으로 표시합니다.조치를 취할 수 있는 시간이 있을 때
• 분기 검토가 아니라. 사람이 읽을 수 있는 설명 - 모든 권장 조치에는 비즈니스 사용자가 이해할 수 있도록 평이한 언어로 된 근거가 함께 제공됩니다.왜 뿐만 아니라.
• 무엇인지 결과 중심 지표

- 대시보드를 얼마나 자주 열었는지에 따라 분석을 측정하는 대신 분석이 얼마나 많은 의사 결정과 조치를 유도했는지 측정합니다.

Reveal은 SDK이므로 단일 KPI 시각화를 워크플로 옆에 배치하거나, 임계값이 초과될 때 알림을 보내거나, 사용자가 이미 작업 중인 곳에서 채팅 기반 권장 사항을 표시할 수 있습니다. 별도의 "분석 영역"을 추가하는 것이 아닙니다. 제품에 인텔리전스를 임베드하는 것입니다.

라이브 데모에서 보여주는 내용 웹 세미나에서 모든 것을 Acme Analytics - Reveal SDK를 기반으로 구축된 가상 SaaS 앱 내에 통합했습니다. 주목할 만한 몇 가지 사항은 다음과 같습니다.

• 단일 시각화 모드홈페이지 전체에 걸쳐 표시되는 KPI 타일은 실제로 개별 대시보드이며, 사용자가 "대시보드를 열어야" 하는 번거로움 없이 사전에 필요한 답변을 제공합니다.
• 대시보드 연결완전한 필터 컨텍스트를 유지하면서 하나의 대시보드에서 다른 대시보드로 드릴다운하여, 파워 분석가가 질문을 추적하면서 처음부터 다시 시작할 필요가 없도록 합니다.
• 새 대시보드로 가는 세 가지 방법빈 화면에서 시작(완전한 WYSIWYG), 템플릿에서 시작하거나, 사용자가 끌어서 놓을 수 있는 사전 제작된 KPI의 시각화 카탈로그에서 시작합니다.
• AI 대시보드 어시스턴트"영업 파이프라인을 구축"이라고 입력하면 몇 초 안에 완전하고 관리된 대시보드를 얻을 수 있으며, 이는 컨텍스트 레이어에 기반합니다.
• 대화형 분석채팅에서 "주별 예금은 얼마인가요?"라고 질문하면 차트가 표시되고, "트리 맵으로 변경"이라고 말하면 AI가 대화 컨텍스트를 유지하고 시각화를 업데이트합니다.
• 완전한 테마 및 화이트 라벨 제어라이트 모드, 다크 모드, 사용자 지정 글꼴, 사용자 지정 색상입니다. 호스트 앱을 제어하므로 임베디드 환경은 항상 귀사의 제품과 같습니다.

임베디드 분석 SDK가 iframe보다 나은 이유

임베디드 분석 옵션이 iframe뿐인 경우, BI 공급업체가 제공하기로 결정한 경험에 갇히게 됩니다. 다양한 사용자 페르소나에 맞게 UX를 조정할 수 없습니다. 단일 KPI를 워크플로에 추가할 수 없습니다. 제품 내에서 기본적으로 작동하는 사용자 지정 툴팁 작업, 사용자 지정 대시보드 연결 또는 채팅 경험을 추가할 수 없습니다.

Reveal과 같은 SDK는 이러한 상황을 바꿉니다. 클라이언트에서 JavaScript API와 서버에서 .NET, Java 또는 Node 백 엔드를 사용할 수 있으므로 다음과 같은 이점이 있습니다.

• 귀사의 개발자가 사용자가 보게 될 경험을 제어합니다.
• 대시보드, 단일 시각화, NLQ 채팅 및 템플릿을 제품에 필요한 대로 혼합할 수 있습니다.
• 모든 상호 작용(툴팁, 메뉴, 드릴다운)은 확장 가능합니다.
• 임베디드 분석은 SaaS 앱의 기본 기능처럼 느껴집니다. 별도로 추가된 탭처럼 느껴지지 않습니다.

이것이 사용자가 분석을 활용하고 사용하지 않는 것의 차이입니다.

결론

사용 편의성은 기능이 아닙니다. 임베디드 분석 투자가 효과를 보거나 "더 많은 대시보드를 만들어 주세요"라는 요청으로 인해 조용히 중단될지 여부를 결정하는 전략입니다.

사용자가 실제로 분석을 사용하도록 하려면:

1. AI 컨텍스트 레이어를 구축합니다. 그러면 모든 답변이 일관되고, 관리되고, 신뢰할 수 있습니다.
2. 자연어를 기본 인터페이스로 만듭니다. 그러면 사용자가 SQL 대신 일반 영어로 질문할 수 있습니다.
3. 보고에서 의사 결정 인텔리전스로 전환합니다. 작업이 일어나는 곳에 인사이트를 임베디드합니다.
4. SDK를 선택하고, iframe을 선택하지 마십시오.그러면 각 페르소나에게 실제로 필요한 경험을 제공할 수 있습니다.

전체 웨비나를 시청하십시오.

AI 대시보드 지원, NLQ 채팅, 대시보드 연결, 단일 시각화 모드 및 테마를 포함한 전체 분석은 YouTube에서 전체 세션을 시청하십시오. Reveal BI 제품 데모

▶️ Designing Embedded Analytics Your Users Actually Use

Reveal을 제품에서 직접 확인하시겠습니까?

• 🌐 데모를 요청하십시오. revealbi.io
• 📧 영업팀에 문의하십시오. sales@revealbi.io
• 📧 직접 문의하십시오. jasonb@infragistics.com

작성자 소개: Jason Beres는 Infragistics의 제품 및 콘텐츠 전략을 담당하며, Infragistics는 Reveal 임베디드 분석 및 Ignite UI를 제작합니다. 그는 SaaS 및 ISV 팀과 협력하여 사용자가 실제로 활용하는 분석 경험을 설계합니다.

FAQ: 사용자가 실제로 사용하는 임베디드 분석을 설계하는 방법

임베디드 분석 프로젝트가 실패하는 이유는 무엇입니까?

대부분의 임베디드 분석 프로젝트는 사용자가 이를 활용하지 않기 때문에 실패합니다. 문제는 대시보드가 제대로 구축되지 않은 것이 아니라, 사용자의 워크플로와 연결되지 않거나, 조치를 취하기 어렵거나, 후속 질문에 빠르게 답변할 수 없기 때문입니다.

대시보드 피로감이란 무엇입니까?

대시보드 피로감은 모든 새로운 비즈니스 질문이 또 다른 대시보드로 이어질 때 발생합니다. 시간이 지남에 따라 사용자는 너무 많은 보고서, 일관성 없는 정의, 오래된 데이터 및 필요한 답변을 찾는 데 너무 많은 노력을 기울이게 됩니다.

임베디드 분석 SDK가 iframe보다 나은 이유는 무엇입니까?

임베디드 분석 SDK는 제품 팀에게 사용자 경험을 제어할 수 있는 기능을 제공합니다. 별도의 BI 인터페이스를 iframe 내에 배치하는 대신, SDK를 사용하면 개발자가 대시보드, 단일 시각화, 자연어 채팅, 사용자 지정 작업, 테마 및 분석 워크플로를 호스트 애플리케이션에 직접 임베디드할 수 있습니다.

AI 분석에서 컨텍스트 레이어란 무엇입니까?

컨텍스트 레이어는 AI가 일관되게 질문에 답변할 수 있도록 데이터 뒤에 있는 비즈니스 의미를 정의합니다. 예를 들어, AI에게 "수익"이 무엇인지, 어떤 필드를 사용해야 하는지, 어떤 관리 정의가 적용되는지 정확하게 알려줍니다.

자연어 분석은 어떻게 활용도를 높입니까?

자연어 분석을 사용하면 사용자가 SQL, 대시보드 도구 또는 데이터 모델을 배우는 대신 일반 영어로 질문할 수 있습니다. 이를 통해 비즈니스 이해 관계자에게 분석을 더 쉽게 사용할 수 있도록 하면서도 파워 사용자를 위한 더 심층적인 탐색을 지원합니다.

임베디드 분석에서 의사 결정 인텔리전스란 무엇입니까?

의사 결정 인텔리전스는 분석을 정적 보고를 넘어 확장합니다. 사용자가 의사 결정을 내리는 워크플로 내에서 사전에 필요한 인사이트, 위험 점수, 권장 사항, 경고 및 일반 영어 설명을 제공합니다.

임베디드 분석은 누구를 위해 설계해야 합니까?

임베디드 분석은 최소 세 가지 페르소나를 위해 설계해야 합니다. 즉, 안내를 받는 답변을 원하는 비즈니스 이해 관계자, 더 심층적인 탐색이 필요한 파워 분석가 및 제품 경험에 분석을 임베디드하기 위한 유연한 도구가 필요한 개발자입니다.