Return to Blog
ChatGPT
Perplexity
데이터 수집은 쉽지만, 그 데이터를 해석하는 것은 어렵습니다. 바로 이런 지점에서 Reveal이나 Looker 같은 도구가 유용하게 사용됩니다. 이 도구들은 원시 데이터를 이해하기 쉽고 사용하기 쉬운 인사이트로 변환하여, 조직이 비즈니스 방식을 재편하고 현대화할 수 있도록 돕습니다.
본 기사에서는 시장에서 가장 인기 있는 임베디드 분석 솔루션 두 가지인 Reveal과 Looker를 자세히 살펴보고, 귀하의 필요에 가장 적합한 도구를 찾는 데 도움을 드리고자 합니다.
Reveal이란 무엇인가요?
Reveal은 강력한 분석 기능과 데이터 시각화를 앱에 추가하는 것을 쉽게 만들어주는 임베디드 분석 및 BI(비즈니스 인텔리전스) 플랫폼입니다. 원시 데이터를 즉시 이해할 수 있는 실행 가능한 인사이트로 변환하여 데이터의 힘을 최종 사용자에게 전달합니다. Reveal은 인터랙티브한 대시보드, 드릴다운 기능, 공유 기능, 화이트 라벨 분석을 제공하며, 드래그 앤 드롭 대시보드 생성기 경험을 통한 진정한 셀프 서비스 기능 등 훨씬 더 많은 기능을 제공합니다.
임베딩에 최적화된 Reveal의 현대적인 아키텍처는 모든 플랫폼용 네이티브 SDK를 포함하여 기기 전반에 걸쳐 최고의 경험을 제공합니다. 이를 통해 클라우드, 데스크톱, 모바일 기기에서 언제 어디서든 연결하는 것이 쉽고 편리합니다.
Reveal 임베디드 분석 솔루션은 개발자 도구, 애플리케이션 디자인 도구, 그리고 가장 최근에는 비즈니스 인텔리전스 도구 분야에서 30년 이상의 경험을 가진 조직인 Infragistics 회사의 일부입니다 (1989년 설립).
Looker란 무엇인가요?
Looker는 원시 데이터를 수집, 분석 및 시각화하는 데 도움을 주는 브라우저 기반 비즈니스 인텔리전스 플랫폼입니다. 대시보드 색상화를 용이하게 할 뿐만 아니라 사용자 친화적인 워크플로우를 제공하여 기업이 통찰력 있는 시각화를 개발하는 것을 조금 더 쉽게 만듭니다.
Looker는 2019년에 Google에 인수되었으며 현재 Google Cloud 플랫폼의 일부입니다.
Reveal 대 Looker – 기능 및 기능 비교
좋은 임베디드 분석 솔루션은 데이터 시각화 그 이상을 제공합니다. 이러한 도구를 최대한 활용하여 경쟁에서 앞서 나가고 수익원을 늘리려면, 이를 가능하게 하는 모든 기능을 염두에 두어야 합니다.
본 기사의 이 부분에서는 Reveal과 Looker를 차별화하는 주요 기능과 기능을 살펴볼 것이므로, 조직의 필요에 맞는 올바른 플랫폼을 쉽게 선택할 수 있습니다.
Reveal의 장점 및 단점
장점:
완전한 셀프 서비스 – Reveal의 최고 임베디드 분석 기능 중 하나는 셀프 서비스 기능입니다. 이는 프로세스와 도구를 최종 사용자가 방대한 양의 복잡한 데이터를 분석하고, 맞춤형 대시보드를 구축하며, 보고서를 독립적으로 생성할 수 있도록 역량 강화하는 데 가져다줍니다. 즉, IT 또는 BI 전문가에게 의존하는 대신 비기술직 직원과 부서가 스스로 데이터를 작업하고 이해할 수 있도록 합니다.
완전한 사용자 정의 가능 – Reveal SDK는 화이트 라벨을 구현하고 모든 UX 요소를 사용자 정의할 수 있게 합니다(테마 및 스타일링, 둥근 정도 대 사각형 정도, 대화 상자 등). 이를 통해 사용자는 산만해지지 않으며, 실제로 자신의 일부로 완전히 다른 솔루션을 사용하고 있다는 사실조차 알아차리지 못합니다. 완전한 사용자 정의 기능은 사용자 채택률을 높이고, 브랜드 일관성을 보장하며, 궁극적으로 원활한 사용자 경험으로 이어집니다.
대시보드 연결 – 이 기능은 하나의 시각화 또는 대시보드를 다른 대시보드나 URL에 연결할 수 있게 합니다. 예를 들어, 판매 실적과 관련된 높은 수준의 대시보드를 보고 있다고 가정해 봅시다. 특정 지역의 수익을 더 깊이 파고들고 싶다면, 클릭한 지역 매개변수를 전달하는 더 상세한 보기로 높은 수준의 대시보드를 쉽게 연결할 수 있습니다.
데이터 혼합(Data blending) – 데이터 혼합 기능은 여러 데이터 소스를 하나의 시각화로 통합하여 더 깊고 나란히 비교할 수 있는 보기로 만들어 인사이트를 더 쉽게 찾을 수 있게 합니다.
머신러닝을 사용한 예측 보기 – Reveal의 머신러닝 기능은 데이터에서 예측을 식별하고 시각적으로 표시하여 더 증거 기반의 비즈니스 결정을 내릴 수 있도록 사용될 수 있습니다. 이는 전자 시스템이 기존 데이터로부터 학습하고, 얻은 인사이트를 사용하여 독립적으로 예측 및 결정을 내릴 수 있도록 합니다.
풍부한 데이터 분석 – Reveal의 통계 함수와 드릴다운 기능을 통해 데이터에 대한 더 깊은 통찰력을 얻을 수 있습니다. 드릴다운은 사용자를 일반적인 개요에서 단 한 번의 클릭으로 더 상세한 분석으로 이동시킵니다. 이상치 감지, 시계열 예측, 선형 회귀와 같은 통계 함수는 기본적인 데이터 시각화와 비교하여 훨씬 더 데이터 중심적이고 목표 지향적인 방식으로 데이터를 처리할 수 있게 합니다.
네이티브 SDK – Reveal은 .NET, JavaScript (Angular, React, Web Components), iOS, Android를 포함한 모든 주요 플랫폼에서 광범위한 최신 네이티브 SDK, 학습 라이브러리 및 상세 샘플을 제공합니다.
인컨텍스트 편집(In-context editing) – 이 기능은 사용자가 애플리케이션을 떠나 다른 앱으로 이동하지 않고도 애플리케이션 내에서 직접 편집을 할 수 있도록 합니다. 원하는 편집을 수행한 다음 업데이트를 서버로 쉽게 푸시할 수 있습니다.
계산된 필드(Calculated fields) – 이 기능은 데이터 시각화를 위해 데이터 소스에 추가 필드를 생성할 수 있게 합니다.
단점:
Reveal은 많은 강력한 기능과 기능을 가지고 있지만, 새로 개발된 도구인 만큼 아직 유용한 기능이 부족한 부분이 있습니다. 그리드 기능, 시리즈 강조 및 필터링, 개선된 데이터 분석을 위한 전체 도구 모음 등 현재는 작업 중인 기능으로 간주할 수 있는 몇 가지 사항이 있습니다. 또한, Reveal 팀은 새로운 데이터 시각화와 더 많은 데이터 소스를 추가하는 작업을 진행하고 있습니다.
Looker의 장점 및 단점
장점:
멀티 클라우드 친화적 – 최종 사용자 경험에 영향을 주지 않으면서 Looker를 배포하려는 위치를 쉽게 변경할 수 있습니다. 지원되는 데이터베이스에는 Amazon S3, Azure storage, Google Cloud Storage, Actian Avalanche, Mongo, Vector 등이 포함됩니다.
SQL Runner의 강력함 – Looker의 SQL Runner를 사용하면 기술적인 추출 방법을 사용하지 않고도 통찰력 있는 정보 그룹을 쉽게 생성할 수 있습니다. 스키마의 테이블을 탐색하고, 데이터에 대해 미리 작성된 설명 쿼리를 실행하고, 쿼리를 공유하는 등 다양한 작업을 수행할 수 있습니다.
Slack과의 통합 – Slack 통합은 Looker 사용자가 모든 대화에 인사이트를 가져올 수 있도록 합니다. 이 통합의 단점은 모든 것이 워크플로우 내에 통합되어 있는 것이 아니라, 여전히 여러 앱 사이를 전환해야 한다는 것입니다.
Looker Blocks – 사용자가 일반적인 분석 패턴 및 데이터 소스를 위해 활용할 수 있는 사전 구축된 데이터 모델입니다. 처음부터 생성하는 대신 다른 사용자가 만든 블록을 사용할 수 있으며, 해당 블록을 정확한 사양에 맞게 사용자 정의할 수 있습니다. 사용 가능한 블록에는 임베디드 블록, 데이터 블록, 분석 블록 등이 포함됩니다.
데이터 혼합(Data blending) – Reveal의 데이터 혼합 기능과 동일한 기능이지만, Looker는 ‘병합된 결과(Merged Results)‘라는 개념으로 데이터 혼합을 지원한다는 차이점이 있습니다. 데이터 혼합을 수행하려면 탐색(Explore)에서 쿼리를 생성하여 결과 세트를 만든 다음, 원래 쿼리에 병합할 또 다른 것을 추가해야 합니다.
단점:
iFrame, 브라우저 기반 – Looker는 완전히 웹 기반 플랫폼이므로, 임베디드 자산을 보려면 Looker 로그인이 필요합니다. 이는 앱 내 임베디드 분석의 사용자 경험에 대해 아무런 통제권이 없다는 것을 의미합니다. 모든 것을 자신의 고유 브랜드에 맞게 사용자 정의할 수 있는 화이트 라벨링 기능을 제공하는 대신, Looker의 UX, 색상, 버튼 및 대화 상자 스타일, 대시보드 표시 방식 등에 갇히게 됩니다. Looker는 임베디드 SDK가 아닌, SaaS 기반 셀프 서비스 BI 도구로 구축 및 설계되었습니다. 따라서 SDK, API 또는 구성 요소는 애플리케이션에 진정한 임베디드 분석 경험을 제공하지 않습니다.
Looker 서버의 데이터: Looker는 명령을 실행하는 서버에 데이터가 존재해야 합니다. 이는 보안상의 이유로 온프레미스 위치에서 클라우드로 데이터를 푸시해야 하며, 보안, 인증 및 권한 부여에 대해 Looker에 100% 의존해야 함을 의미합니다. 전 세계에서 가장 큰 회사들조차도 지난 몇 년 동안 해킹당했다는 것은 비밀이 아니므로, 데이터의 보안과 안전을 보장할 수 있는 공급업체를 선택하는 것이 좋습니다. 게다가, 데이터가 Looker의 클라우드로 이동하면 그에 대한 유연성을 잃게 됩니다. 즉, 대시보드를 얻기 위해서만 Looker의 규칙과 구성을 준수해야 하며, 자신의 데이터에 불필요한 복잡성, 유지 관리 및 거버넌스를 추가하게 됩니다.
**단계별 가격 책정:**Looker는 웹사이트에 가격 정보를 공개적으로 발표하는 것을 선호하지 않으며, 대신 맞춤형 모델을 제공하는 것을 선택합니다. Looker의 가격 전문가로부터 받는 최종 견적은 총 사용자 수, 사용자 유형(뷰어 대 편집기), 데이터베이스 연결 및 배포 규모를 포함한 여러 요인에 따라 달라집니다. 이는 어떤 견적을 받든 Looker의 시작 가격이 될 것이지만, 사용자 기반이 성장함에 따라 증가할 것이라는 의미입니다. 제3자 사이트에 따르면, Looker의 가격은 사용자 10명 기준으로 월 $3000~$5000부터 시작하며, 사용자당 추가로 월 $50가 부과됩니다. 이러한 가격 구조는 투명한 SaaS 기반 가격 책정에 익숙한 잠재 고객에게 매력적이지 않을 수 있습니다.
Reveal 통합
기존 애플리케이션에 분석을 통합할 때, 소프트웨어가 추가적인 무게와 복잡성을 더하지 않고 원활하게 흐르는 것이 필수적입니다. Reveal처럼 처음부터 임베딩을 염두에 두고 구축되어야 합니다. 유연성을 제공하고 추가 요구 사항이 없는 아키텍처를 가진 Reveal을 사용하면 고객 수요를 따라가면서 분석을 코드에 빠르게 통합할 수 있습니다.
Reveal의 SDK는 개발자를 위해 만들어졌습니다. 이를 통해 개발자는 애플리케이션에 단순히 iFrame을 임베딩하고 매개변수화된 URL로 대시보드를 구성하도록 강요받지 않습니다. 개발자는 실제 객체와 실제 속성을 가진 실제 코드를 사용할 수 있습니다.
더 심층적인 기술 정보는 Reveal의 상세 SDK 및 API 문서에서 읽을 수 있습니다.
Looker 통합
Looker 분석은 SQL 기반 데이터 소스와만 작동하므로, Microsoft Azure SQL Data Warehouse, Amazon Athena, Greenplum과 같은 모든 SQL 데이터베이스 또는 데이터 웨어하우스와 통합할 수 있습니다.
데이터가 NoSQL, REST-API 파일 등에 저장되어 있는 경우, Looker는 쿼리할 SQL 데이터베이스 형태가 필요합니다.
반면에 Looker의 API는 데이터를 고객 및 타사 애플리케이션과 Google Docs 및 Excel과 같은 다른 애플리케이션에 통합합니다.
Reveal 대시보드 예시
Looker 대시보드 예시
가격 책정
이해할 수 있게도, 가격 책정은 어떤 임베디드 분석 공급업체와 파트너 관계를 맺을지 결정할 때 고려해야 할 주요 사항 중 하나입니다. 임베디드 분석 분야에서는 대부분의 공급업체가 가격을 비밀로 유지하고, 사용량이나 사용자 수와 같은 예측 불가능한 비용을 청구하는 것을 발견하게 될 것입니다.
그렇다면 Reveal과 Looker는 어떨까요?
Reveal은 애플리케이션당 무제한 사용자를 확보할 수 있게 해주는 단일하고 간단하며 저렴한 가격대를 제공합니다. Reveal의 가격 구조는 투명하며 모든 규모의 회사에 저렴합니다. 투명하다는 것은 얼마를 지불할지 정확하게 예측할 수 있고, 따라서 ROI를 더 쉽게 계산할 수 있다는 것을 의미합니다.
Reveal의 목표는 고객에게 가치 있는 장기 파트너가 되는 것이며, 놀라운 수수료, 사용량 또는 사용자 계층을 결코 부과하지 않을 것을 약속합니다.
반면에 Looker의 가격은 사용자 수와 배포 규모와 같은 요소를 기반으로 각 고객에게 맞춤화됩니다. 이들의 가격은 모든 규모의 비즈니스에 맞도록 설계되었으며, 이상적인 가격 구조를 보장하기 위해 가격 전문가가 직접 고객과 협력합니다.
언뜻 보기에는 좋은 거래처럼 보일 수 있지만, 다시 한번 읽어보시는 것을 권장합니다.
사용자 수와 배포 규모를 기반으로 각 고객에게 맞춤화된 가격은 비즈니스와 사용자 기반이 성장함에 따라 지불할 가격이 증가한다는 것을 의미합니다.
일부에게는 괜찮을 수 있지만, 공급업체가 고객에게 미리 경고하지 않기 때문에, 청구서가 도착했을 때 그 숫자를 보고 충격을 받는 일이 없도록 미리 아는 것이 중요합니다.
지원
Reveal과 Looker와 같은 공급업체 사이에서 임베디드 분석 파트너를 선택할 때는 두 솔루션의 지원도 고려해야 합니다. 품질과 경험이 풍부한 지원은 소프트웨어와 나아가 비즈니스 성공에 도움이 될 수 있습니다.
Reveal과 Looker가 지원 측면에서 어떻게 비교되는지 살펴보겠습니다.
Reveal은 추가 비용 없이 다양한 지속적인 지원 서비스를 제공하며, Reveal 포럼에서 모든 질문에 답변할 수 있는 친근한 24시간 커뮤니티를 함께 제공합니다. 또한, Reveal의 FAQ 페이지와 도움말 센터, 교육 비디오에서 많은 유용한 자료를 찾을 수 있습니다.
더 심층적인 노하우와 고급 정보는 Reveal의 웨비나를 팔로우할 수 있습니다.
Looker도 다양한 지원 서비스를 제공합니다. 예를 들어, 자체 학습형 eLearning 과정뿐만 아니라 맞춤형 교육도 받을 수 있습니다. 또한 도움말 센터에서 기사를 찾아보고, 커뮤니티 포럼에서 다른 사용자와 네트워킹하며, 지원 티켓 요청을 제출할 수도 있습니다. 사용자들은 특히 앱 내 채팅 지원을 좋아합니다.
요약하자면…
결론적으로, Reveal과 Looker 모두 훌륭한 임베디드 분석 도구라는 것 외에는 더 할 말이 없습니다. 하지만 필요와 예산에 따라 어느 한쪽이 다른 쪽보다 귀하의 비즈니스에 더 나은 솔루션일 것입니다.
우리는 Reveal이 Looker보다 매우 강력한 장점을 가지고 있다고 믿습니다. 구현하고 시작하기가 훨씬 쉽고 빠르며, 더 나은 사용자 정의 및 시각화 옵션을 제공하고, 머신러닝 및 AI와 같은 네이티브 고급 분석 기능을 활용하기 때문입니다.
Reveal과 Looker 사이의 또 다른 주요 차이점은 우리가 첫 번째 쪽이 유리하다고 생각하는 가격 구조입니다. 얼마나 성장하든 처음부터 얼마를 지불할지 아는 것이, 매달 점점 더 높은 금액이 청구되는 청구서를 받는 것보다 낫다고 생각합니다.
하지만 물론 결정은 여러분에게 맡기겠습니다.
Reveal 임베디드 분석 솔루션에 대해 더 알고 싶거나 실제로 어떻게 작동하는지 보고 싶다면, 데모 예약을 하고, 저희 분석 전문가들이 데이터의 진정한 힘을 사용하고 활용하는 방법을 보여드릴 것입니다.
데이터 기반 의사결정
사용자에게 언제 어디서든, 어떤 기기에서든 실행 가능한 인사이트를 제공하세요.
