2026년에 드디어 “대시보드 시대”가 끝났다고 인정하는 해가 되는 거임?.txt
몇 년 동안 BI 목표는 “완벽한 대시보드” 만드는 거였음. SQL, DAX, UI 디자인에 몇 달을 쏟아붓고 나서도, 그 리포트의 80%는 첫 주 지나면 다시는 안 열림.
이제는 “에이전틱 애널리틱스(Agentic Analytics)”랑 AI 기반 프로덕트 엔지니어링이 해결해줄 거라면서, 데이터랑 대화하듯 물어보면 된다고 함. 근데 새 문제도 생기기 시작했는데, 그게 검증 부채임.
AI 에이전트가 임원한테 10초 만에 답을 줌. 근데 시니어 애널리스트가 그 쿼리 감사하고 계산 환각 여부를 확인하는 데 2시간 걸리면, 이게 진짜 진전인 건가? 아니면 “대시보드 피로(Dashboard Fatigue)”를 “신뢰 불안(Trust Anxiety)”으로 바꿔치기한 것뿐임?
대시보드가 덜 쓰인다고 해서 대시보드가 본질적으로 나쁜 건 아님. 80%가 안 쓰이면 비즈니스를 제대로 평가 못 했고, 해결도 제대로 못 한 거임.
대시보드는 안 사라짐ㅋㅋ, AI랑 에이전트형 접근이 커져도 마찬가지임90%는 동의함… 나도 대시보드가 금방 버려진 경험 꽤 있음, 특히 PowerBI 처음 도입했을 때 그랬음. 버려진 이유는 내가 분석가 룰 #1을 어겼기 때문임: 고객이 요구한 걸 그대로 주지 말 것. 1시간(아니면 10시간)쯤 파고드는 대화하면 요구가 항상 바뀌고, 그 결과 쓸만한 리포트가 됨. “이 데이터를 보여주면 숫자가 [X]일 때 어떤 행동 가능함? [Z]면?”
아무리 일을 잘해도 금방 버려지는 대시보드는 생김. 우선순위는 특히 윗선에서 바뀜. 리더십 집중력 짧음. 그래도 가끔 다시 돌아오긴 함.> 대시보드가 방치된 이유는 내가 분석가 룰 #1을 어겼기 때문임: 고객이 요구한 걸 그대로 주지 말 것
정답임. 많은 회사에서 문제는 분석가가 경영진이 시키는 대로만 하고, 경영진은 멍청한 요구에 반박하라고 권한을 안 줌(그리고/또는 분석가가 비즈니스 지식이 없어서 뭐가 멍청한지 모름).그리고 대시보드 몇 주 만들어놓고 나서야 피드백 묻지 말 것… 계속 돌리는 프로세스임!
그 질문, 내 근처 회의에서 곧 튀어나올 듯함.
오히려 노코드 툴로 만들고 업데이트하기 쉬워져서 더 많이 깔릴 듯함.
지난 5년 동안 더 쉬워진 적 없음.
아니면 전파/정착을 제대로 해야 함. 사람들이 못 찾거나 있는지 몰라서 안 쓰고, 결국 자기들이 따로 만들어버림.
ㄹㅇ 동의함, 문제는 2가지임: 대시보드가 반복되는 조직 니즈를 완화하나, 그리고 직원들이 그런 대시보드가 있다는 걸 알고 어떻게 쓰는지 아나.
“대시보드의 죽음”은 더 큰 문제의 증상임.
기술 분야에서 더 눈에 띄지만, 결국 전부에서 벌어짐. 최신 유행을 제대로 이해도 못 하고 빨리 쓰고 싶어하는 사람들과, 더 나은 방법이 있어도 익숙한 걸 고수하려는 변화 저항자들 사이의 끝없는 싸움임.
최신 기술을 밀어붙이는 쪽은 그게 어디서 진짜 더 나은 해결책인지 판단할 만큼 알지 못함, 기술이 너무 새거라서. 그래서 안 맞는 곳까지 다 끼워 넣고, 안 맞는 부분이 망가짐.
시간이 지나면 hype는 꺼짐. 성공한 곳에서는 계속 쓰고, 실패한 곳은 가능하면 옛 방식으로 돌아감. 돌아갈 수 없으면 Excel로 감.“덜 쓰임”은 “안 씀”이랑 다름. 예전에 다니던 회사에서 어떤 분석가가 대시보드 업데이트 안 한다고 거의 짤릴 뻔함, 영업 총괄이 한 달에 한두 번은 봤거든.
본인은 “아무도 안 쓰니까” 가치 없다고 했는데, ㄹㅇ 쓰고 있었음. 자주 안 볼 뿐이지 그래도 쓰는 거였음.비즈니스를 제대로 평가 못 한 게 아님. 그냥 누가 아무도 안 시킨 대시보드를 정치질(bullshito)이나 개인 목표 때문에 만들기로 한 거임. 게다가 경영진이 습관을 바꾸라고 밀어붙이지 않으면 사람들은 안 바꿈.
근데 뭐 걱정 ㄴㄴ, 이런 회사 일의 최소 50%는 그냥 bullshido라서 아무도 필요 없거나 이미 필요 없어짐. 조건이 서로 모순돼서 empty result set 나오는 리포트 마이그레이션 떠오름. 그래도 다시 써야 했음…“아무도 안 시킨 대시보드를 누가 만들기로 했다”
맞음. 그게 너라면 네가 만들었거나, 만들라고 지시받았고 그때 반박했어야 함.
“경영진이 밀어붙이지 않으면 습관 안 바꿈”
사실임. 근데 대시보드는 만들었다고 끝이 아님, 정착(adoption) 과정까지 돕는 게 일의 일부가 됨.대시보드는 분석 없이, 특히 뭘 보고 있는지 분석할 줄 모르는 사람에게 던지면 별로 쓸모 없음.
결국 “우린 X/Y 대시보드도 있음” “오 우리 Z도 있음” 같은 자기만족용 과시가 됨.
어디서 일하는진 모르겠는데, 보통 리더십은 뭘 알고 싶은지도 잘 모르고 우선순위가 분기마다 바뀜. 그래서 안 쓰는 대시보드가 많은 건 당연함.
그게 좋은 리더십이겠네.
대시보드는 정치적으로 쓰이기도 하고, 비즈니스 유스케이스가 일시적이기도 하고, 비즈니스 리더가 자기 업무 실패를 가리려고 일을 만들기도 함. 그냥 “스펙대로 만들었는데 사람들이 안 씀” 수준 문제가 아님.
두 번째 문장은 강하게 반대함. 비즈니스를 제대로 평가해도, 비즈니스 모델이 너무 엉망이라 그걸 대시보드로 보여주는 순간 그 끔찍함이 압축돼서 사용자들이 도망가는 경우 있음. 규제 같은 이유 포함해서 여러 이유로 충분히 가능함.
대시보드는 여전히 자리 있음. 문제는 대부분 좋은 대시보드를 만들 줄 모르고, 미관이랑 정보 과다(“그냥 KPI 전부 이 페이지에 올리고 싶음”)를 우선해서 실제 질문에 답하도록 맞추지 않는다는 거임. Power BI subreddit에서도 “내 대시보드 괜찮음?”을 많이 보는데, 맥락 없이 그냥 “예쁨?”을 묻는 경우가 많음, 뭘 답하려는지랑 분석 흐름을 안 줌.
그래도 LLM 열고 질문 타이핑해서 같은 정보까지 가는 것보다, 링크 클릭해서 대시보드 열고 빠르게 인사이트 얻는 게 훨씬 쉬움.
대화형 분석은 임원진의 애드혹 요청 같은 걸 더 빨리 처리하거나, 뭔가를 깊게 파야 할 때 출발점 주는 용도로 분석가 일을 더 빠르게 해주는 쪽이었으면 함.항상 데이터를 매일 볼 필요는 없음. 가끔만 쓰는 대시보드도 괜찮음. 내가 만든 보고서 중 제일 칭찬받은 건 컴플라이언스 기반이고 1년에 한 번만 씀.
대신 이전엔 2명의 시니어 컴플라이언스 담당자가 2~4주를 잡아먹던 일을 줄여줬음. 컴플라이언스에서 결과를 확신 못 하는 건 치명적이라, 그 불확실성을 없애준 게 큼.좋음. 세상에서 제일 섹시한 건 아니지만, 조직에서 누군가의 수작업 몇 주를 날려버리면 엄청난 효율 개선임.
솔직히 이게 내가 일하면서 제일 좋아하는 부분 중 하나임. 누군가의 일을 훨씬 쉽게 만드는 도구를 만들면, 감사랑 고마움이 바로 느껴져서 하루가 좋아짐.
글쎄, 아님.
정제된 데이터, 정의된 KPI, 검증된 계산 로직이 있으면, 결국 사람이 만들고 검증한 대시보드를 원하게 됨. 분석 일부는 GenBI로 넘어갈 수도 있고, 그건 좋은 일이라고 봄. 그쪽은 대부분 애드혹 리포트고, 솔직히 아무도 좋아하지 않음.맞음, 탐색적 분석에서는 죽을 수도 있음. 근데 사실 그건 원래부터 환상이었음.
100%임. 대시보드는 안 죽었고, 원래 해결하려고 만든 적도 없는 문제를 억지로 대시보드로 맞추던 걸 그만두면 됨. 대시보드는 “이미 알고 있는 질문”에 단일 숫자 답을 주는 데 최고임. 왜/어떻게 같은 질문은 GenAI가 좋은 케이스임, 데이터팀이 맥락을 제대로 잡고 데이터를 큐레이션해뒀다는 전제에서.
지금 기준으로 대화형/에이전트형 분석은 쇼에 가까움. “그럴듯하게 틀린 답”이라도 만들려면 클리닝, 라벨링, 문서화, 가드레일, 가이드 등등이 너무 많이 필요해서 실용적이지 않음.
거대 기업처럼 최종 사용자 많고 베이스 데이터셋이 몇 개로 수렴하는 경우가 아니면, 결국 리포트 만들 개발 리소스를 데이터 스테이징에 재배치하는 수준임.
그리고 기계는 사람이 즉석에서 하듯 노이즈를 구분 못 해서, 80/20의 불리한 쪽을 떠안게 됨. 마지막 20%를 위해 4배 노력하는 꼴임.대화형 AI 효용은 양극화될 거임. 데이터 전략이 성숙한 조직은 golden dataset을 비즈니스 자산으로 거버넌스하고 있어서 에이전트 워크플로우로 이득 볼 수 있음. 반대로, 시맨틱 인프라 없이 대시보드 hype-train에 탔던 조직은 AI에서도 똑같이 하고 결국 Microsoft 탓할 거임.
일부 비즈니스에 기회는 있다고 봄, 근데 내가 본 범위에선 아주 제한적임.
우리는 Looker 쓰고 있고, 우리 CEO는 AI에 엄청 들떠 있음. 근데 AI 얘기 나올 때마다 내 답은 똑같음: 데이터를 준비하고 팀에 프롬프팅을 가르칠 노력은 DBT/Looker 모델링을 개발하고 사람들에게 그걸 쓰는 법을 가르치는 데 쓰는 게 맞음.
자연어 분석 봇을 만들 수 있다 해도, 대부분은 출력값을 의미 있게 이해 못 할 거임. 최소한 드래그 앤 드롭을 조금이라도 하게 만들면 아주 약간이라도 사고가 들어감.
근본 문제는, 그걸 밀어붙이는 사람이 빠르고 쉬운 해결책만 원하고, 짧은 시야를 넘어서는 구조/선제 설계의 가치를 이해 못 한다는 거임. 그래서 그 사람이 우리 데이터 구조를 잔재랑 실패한 시도로 겹겹이 쌓인 엉망으로 만들어놨음.
95%+ 케이스는, 과거에 여기저기서 대충 때운 걸 한 방에 되돌릴 hail mary를 기대하는 리더들의 희망사항임.핵심 explore를 깨끗하고 AI 친화적으로 다시 만들자고 제안했음. 최소한 도구 성능의 천장을 데모라도 해보자고.
근데 그게 “필요 없고 시간 낭비”라는 답이 돌아옴.
AI를 ㅈㄴ 좋아하는 매니저들은 원래부터 전문가, 교육, 경험, 협업, 인내, 보증, 중복(레던던시) 같은 걸 다 싫어하던 사람들이 많음. 늘 코너를 깎고 최소한만 하려고 했던 사람들임.
도구에 가치가 있고 언젠가 메인스트림 워크플로우에 들어올 거라고는 봄. 근데 지금 그렇게 AI를 밀어붙이는 사람은 2021년 이전부터 이미 ㅈ같은 놈이었을 가능성이 큼.
그러지 말아줘, 나 그걸로 제품 만들고 있음 :(
대시보드는 안 사라진다고 봄. AI 에이전트로 보강되고, 만들기 도와주고, 리포팅에 상호작용 레이어도 추가할 수 있음.
사람들은 합의된 지표를 보고 싶어함, 정확하고 비즈니스 건강과 직접 연결된 것들. 같은 걸 매번 채팅 인터페이스에 다시 물어보긴 싫음, 대시보드로 보는 게 더 빠르고 쉬움.
또 하나는 정확도임. 지표를 결정했으면 비결정적 에이전트를 중간에 넣고 싶지 않음, 반복 가능하고 믿을 수 있는 프로세스를 원함.
그래서 에이전트는 생성/분석 쪽에 자리 있고, 사람은 검토해서 맞는지 확인해야 함. 분석 끝나면 정확한 리포팅을 위한 도구도 계속 필요함.대시보드 끝났다고 생각 안 함. 거버넌스된 분석/정의된 스토리라인/반복 분석에는 리포트나 대시보드가 여전히 필요함.
대신 애드혹 요청은 (정확도는 논쟁적이지만) 에이전트로 처리되면서, 대시보드로 들어가는 물량은 줄어들 거라고 봄.
이게 대시보드 백로그로 들어갈 것 vs 사용자가 에이전트로 질의하는 데이터 프로덕트로 남을 것, 이런 식으로 기준이 층화되면 좋겠음.
연도는 2026인데 우리 회사는 아직도 이메일로 끝날 걸 “미팅 전 미팅”으로 얼굴 맞대고 함. 그런 “비즈니스 미팅”에는 못생긴 대시보드가 박힌 PowerPoint가 자주 나옴. 어떤 회의실엔 Tableau 대시보드를 출력해서 화이트보드에 테이프로 붙여둠.
그리고 그 미팅 주제는 “agentic ai로 데이터랑 대화하는 법”임.
그 출력해서 붙인 Tableau 대시보드 만들 때는, 엔드유저가 진짜 원하는 게 뭔지 알아내려고 몇 달 동안 질문 다듬고 조율했음.와, 그거 진짜 끔찍함.
고려할 포인트 몇 개
실제 데이터는 더러움
비즈니스 룰은 레벨/지역마다 다를 수 있음
도메인/조직에 맞춘 구조화된 데이터가 필요함
공통 비즈니스 룰/정의로 팀들 정렬하는 것도 여전히 어려움, UI 개선/룩앤필에 대한 이상한 기대까지 맞춰야 함대시보드는 규칙적으로/지속적으로 리포팅이 필요한 비즈니스 프로세스에는 도움 되는데, 리더십이 던지는 일회성 애드혹이랑 프로세스 변경엔 ㅈ도 도움 안 됨.
유용성이 과대판매됐음.
그리고 내 경험상 조직들은 AI 얘기는 크게 하지만 실제 적응은 느림, 이런 이유들 때문이고 무엇보다 보안 걱정이 큼.
개인적으로 2026은 AI 청산/현실 점검의 해가 될 거라고 봄.맞음. 완벽한 대시보드가 너무 경직돼서 썩는 걸 많이 봤음. 근데 그걸 “프롬프트를 바꿔 말하면 매번 다른 답 주는 AI 에이전트”로 바꾸는 건 또 다른 골칫거리임.
전혀 아님.
“Excel 시대 끝” “SQL 시대 끝” 다음으로 오는 얘기임. 인간 진화는 기술 발전보다 훨씬 느림. 인간 뇌는 말이나 글을 처리하는 것보다 시각 패턴을 훨씬 빨리 인식함.
AI는 대시보드를 만드는 방식과 상호작용 방식은 바꿀 수 있지만, 대시보드는 안 사라짐. AI 채팅을 마법의 비즈니스 도구로 팔려는 사람이거나, 망가진 비즈니스 프로세스를 그걸 사서 고치려는(고장난 걸 고치지 않고) 시도라면 몰라도, 대시보드는 여전히 유용함.AI로 인사이트랑 전략을 뽑아내는 걸 기꺼이 믿는 사람은 핵심 이해관계자가 될 수 없다고 봄. 내가 하는 전략 일은 뒤에서 데이터를 깊게 파서 모든 게 예상대로 동작하는지 확인해야 하고, 그 과정 자체가 새 인사이트로 이어지기도 함.
AI가 답을 대신 주는 순간 블랙박스가 되고, 검증/품질체크가 사실상 불가능해짐. 그건 대부분이 원치 않는 악몽임. 아니면 그냥 직장 망하든 말든 완전히 체크아웃한 사람들뿐임.“우리”가 누구냐에 따라 다름. 분석 플랫폼/테크 회사 관점이면 에이전트형 분석 쪽으로 더 강조될 수 있음(대시보드 포함일 수도/아닐 수도).
좋은 BI/분석의 핵심은 항상 신뢰였음. 조회 방식이 바뀐다고 신뢰가 올라가진 않음. AI로 신뢰가 본질적으로 더 낮아진다고 주장할 수도 있음.
2026은 비즈니스가 좋은 BI/분석에 진짜로 커밋할지 결정해야 하는 해임. 기능적인 데이터 워크플로우, 데이터 위생, AI를 위한 시맨틱 레이어 구축/라벨링, 숫자가 의사결정에 어디서/어디서 안 쓰이는지 솔직해지기 같은 것들이 필요함.
근데 파이프라인 모든 레이어에서 시맨틱 강화까지 사람들이 진짜 할지는 회의적임. SQL 쿼리 문서화도 안 하던 사람들이 이건 왜 다르냐는 거임.
차라리 2026에 “AI로 분석을 다시 생각하자”라고 말하는 새 강자가 나왔으면 함. 단순히 에이전트에 지시하기, 시맨틱 강화, 큐레이션된 데이터셋 같은 얘기 말고.
지금은 꽤 냉소적임. 근데 대부분의 분석이 결국 “문제 미루기”를 그럴듯하게 포장한 형태가 됐다고 봄. 비즈니스 내에서 분석이 어떻게 인식되고(그리고 많은 곳에서) 무시되는지가 원인임.대시보드 시대가 끝났는진 모르겠지만, 확실히 진화 중임. AI 답은 더 빠르지만, 검증은 더 느림.
반복 질문은 대시보드, 탐색은 에이전트 같은 식으로 둘 다 자리 있음. 결국 중요한 건, 어느 쪽이든 그걸로 행동할 만큼 확신이 드냐임.대시보드가 “끝”난 게 아니라 독점이 깨진 거임. 대시보드는 공유된 단일 진실(source of truth)과, 지루하고 안정적이어야 하는 지표에 여전히 최고임. 문제는 모든 질문을 영구 산출물로 만들려 했던 거임.
신뢰 불안(trust anxiety)은 진짜임. 빠른 답은 사람들이 믿을 때만 유용함, 그리고 임원들은 보통 빠른 것보다 맞는 걸 더 원함. 에이전트 답을 감사(audit)하는 게 기존 리포트 뽑는 것보다 오래 걸리면, 사람들은 조용히 옛 방식으로 돌아감.
미래는 혼합형임. 코어 지표는 대시보드, 탐색은 대화형 도구, 그리고 “2시간 포렌식” 없이도 답이 어떻게 나왔는지 보이는 더 명확한 lineage가 필요함.에이전트형 AI는 네가 말하는 걸 하기에 아직 준비 안 됨.
아니, 대시보드는 끝난 게 아님. 그냥 “완성품”이 아니라 “살아있는 인터페이스”로 취급되기 시작한 거임. 신뢰할 수 있는 지표를 잘 섞은 대시보드는, 결정에 일관성/공유 맥락/모호성 0이 필요할 때 채팅 답변보다 여전히 나음. AI는 훌륭한 보조자지만, 일부가 무시됐다고 대시보드를 버리는 건 회계 습관 나쁘다고 스프레드시트 탓하는 거랑 같음.
대시보드를 이해하는 사람은 만든 사람뿐임. 사용자는 데이터의 “모양”만 알아보고, 그 모양은 쉽게 조작됨. 데이터를 진짜로 이해하려면 더 잘 보이고, 더 동적이어야 함.
우리가 근본 문제를 안 건드렸기 때문임: 데이터 역량. 아무도 “우린 우리 데이터가 뭔지 모름”을 인정하고 싶어하지 않음. 분석에서 사람의 역할이 핵심인데, 돈 아끼려고 그 인간 파트를 계속 몰아내려 함.
2026은 대시보드의 끝이 아니라 “대시보드가 모든 질문의 인터페이스”였던 시대의 끝임.
Core metrics = 대시보드. 탐색 = 채팅. 신뢰 = 시맨틱 레이어 + lineage, 아니면 verification debt가 이득을 다 잡아먹음.대시보드 vs AI 문제가 아님, 어떤 도구든 닿기 전에 데이터에 명확한 룰이 있냐의 문제임. 회사들은 지루한 부분을 건너뜀: 각 지표 의미 정의, 데이터 품질, 명확한 요구사항. 그래서 안 쓰이고 안 믿는 도구만 쌓임. 정의, 품질 테스트, 통합이 좋은 결과의 기반임.
보통 나는 이해관계자랑 부서 팀 몇 번 미팅에 시간을 투자해서 요구사항/지표를 정의하고, 데이터 소스를 찾고, Windsor ai 같은 ETL 툴로 중앙에 모아서, dbt 같은 프레임워크로 데이터 품질을 돌림.이 대화는 두 달에 한 번씩 나오고, 추천 많이 받는 글은 늘 전통 방식 지지임. 우리 업계 종사자가 대부분이니까 이해됨.
근데 매번 나올 때마다, 지난번보다 더 진실에 가까워지는 것도 맞음. 아직은 아니지만 업계 트렌드는 그쪽임. 에이전트 플랫폼 만들 사람 몇 명 뽑고, 그다음 전통 업무를 할 줄 모르는 더 싼 “프론트엔드 유저”를 많이 뽑는 흐름.우리 AI 데이터 챗봇은 뭘 가져왔는지 정확히 보여줌. 사용한 SQL을 띄우는 버튼도 있음.
회사 데이터 90%가 AI가 이해하기엔 너무 엉망이면, 사람들은 같은 질문을 59가지로 물어보고, 환각은 기본으로 터짐. 그러다 결국 대시보드를 다시 찾게 될 거임.
한 방에 매번 정답을 맞춰야 하고, 사용자는 보통 SQL 안에 있는 로직을 못 보니까 검증도 못 함.
실제 비즈니스 환경에서 그걸 만들어보면 답 나옴. 뭔가 돌아가게 만들어도, 시맨틱이랑 프롬프트를 튜닝하는 노력은 같은 답을 주는 대시보드 만드는 시간보다 더 듦.
그리고 사용자가 진짜 원하는 건 “프롬프트로 하는 딥다이브” 분석인데, 그건 분석가가 수십 번 쿼리 날리고 생각 많이 해야 나오는 거라 AI로는 당분간 안 됨.“Dashboard Fatigue”는 결국 엔드유저가 “사실/숫자/퍼센트가 눈앞에 있어도 아무것도 바뀌지 않음”을 인정해야 한다는 뜻임. “BI팀이 그 숫자만 주면 회사가 황금기로 간다!” 같은 망상.
“그 리포트 80%는 첫 주 이후로 안 열림”도 같은 말임. 아니면 BI가 요청자에게 진짜 원하는 걸 설명하게 밀어붙이지 않고 대충 요청을 떠안았다는 말이기도 함.
“Trust Anxiety”는 유저가 안 믿는 게 아니라 BI가 안 믿는 거 아님? BI가 믿지도 않는 걸 롤아웃할 리가 없지. 유저 숫자가 BI 숫자랑 다르면, 그건 그냥 유저가 만들어낸 숫자임. 자기 AI나 Excel 수식이 뭔가를 반영 못 해서 그런 거고, 그럼 유저가 알아서 감당해야지.
이런 건 새로울 게 없음. Lotus 1-2-3든 Excel이든 Access든 Visual Basic 프론트엔드에 AS/400 백엔드든 다 똑같았음. 달라진 건 글에서 대문자 붙인 유행어들이랑, 뭔가 나쁘던 걸 버리고 새 기술이 우리를 구해줄 거라는 착각뿐임.대시보드가 그래프뿐임? 데이터가 제시되면 어떤 행동을 하길 기대함? 사람들이 그 데이터를 워크플로우/의사결정에 어떻게 넣는지 훈련시켰고, 피드백으로 개선했음?
나는 대시보드에 행동 가능한 디테일이 없다는 걸 계속 봄. 첫 주엔 “오 흥미롭네” 하고 쓰다가, 결국 소스 데이터로 내려가서 더 디테일을 봐야 고칠 수 있으니까 안 쓰게 됨.
그래프 대시보드 싫어함: 액션이 안 나옴. 나는 매트릭스 테이블 많이 만듦, 상위 레벨에서 시작해서 sku까지 드릴다운 가능하게. 메인 페이지에는 who(고객/영업), what(제품 카테고리/sku), when(일/년), where(지역)이 있어야 함.매달 대시보드에 보여주는 것의 90%는 필요 없음. 탭 8개에 탭당 시각화 5개면, 매달 그 차트가 다 필요하겠음?
좀 더 찾아보고 AI가 대시보드를 어떻게 개선할 수 있는지 영상 만들었음. AI dashboard.> 몇 년 동안 BI의 목표는 “완벽한 대시보드”를 만드는 거였음.
그건 최저 공통분모 일임. 괜찮은 일을 하면 산출물은 훨씬 적어지고, 그건 전부 유용하고 액션 가능함. 대시보드는 다들 익숙해서 그냥 따라 만드는 거고, 더 나은 걸 만들 줄 모르는 경우가 많음. 게다가 대부분 못생기고 노이즈로 과적재돼 있고, 많아야 질문만 늘리고, “안 쓰임”은 예정된 결과임.
대신 이런 걸 달라:떠날 조짐이 보이는, 가치 높은 고객 리스트
우리가 돈 내는 볼륨 계약인데, 목표 미달이 유력한 공급사 계약들
시장 전체가 아니라, 각 매장이 자기랑 가장 관련 있는 경쟁 대비 어떻게 움직이는지
이상한 호텔 예약 상위 10개, 이중 청구됐거나 통화가 잘못 청구됐을 수도 있는 것들
BI의 목표가 완벽한 대시보드였던 적은 없음. “verification debt”도 새로울 게 없음. 새 이름 붙인다고 바뀌는 게 아님. 사람들이 “medallion architecture”가 kimball이 30년 전에 말한 것과 본질적으로 다르다고 생각하는 것과 비슷함….
데이터 관리 원칙은 안 바뀌었음. 기술과 인간 노력(BI 개발자)을 과잉 공급해서 산출물만 찍어내고, 입력을 제대로 다루는 필요는 무시해왔을 뿐임.
이제 균형이 다시 돌아오는 중임.스프레드시트 쓰는 SMB에겐 대시보드가 진짜 업그레이드임. 결국 “일에 맞는 도구” 문제임.
AI 에이전트한테 “작년에 해마 이모지 몇 개 썼음?”이라고 물어봐라.
정답을 줄 수도 있고, 그냥 웃자고 환각으로 숫자 뱉을 수도 있음.시맨틱 레이어에 엄청 공을 들여도 계속 틀림. 데이터 클리닝, 시맨틱 레이어 구축, 테스트 많이 돌리기, 가드레일 만들기 등등 할 게 너무 많음.
10년 전부터 “AI가 분석가를 대체한다”는 소리 들었음. 바뀐 건 좀 있지만, AI는 분석가 일을 빠르게 도와주는 거지 분석가를 대체하진 못함. 대시보드도 절대 안 사라짐. 임원들은 하이레벨 지표 좋아함.
결국 AI가 그 대시보드 만들고 그 질문들에 답하게 되지 않을까?
분석가 10명 팀이 AI 보조로 2명까지 줄어드는 그림이 보임. 분석가는 여전히 필요하겠지만 수는 줄 거라고 봄.
제품 매니저로서 임원/관리자들이 자기가 요청한 리포트를 안 쓰는 문제를 계속 겪음.
그 사람들이 리포트를 요구하는 이유는, 제품팀이 안 만들어줘서 자기가 못 하고 있다고 핑계 대려는 것 같음. 자기 임의의 일을 하는데 “막혔다”는 명분 만들기.저퀄 AI 스팸 너무 지겨움, mods 제발 좀.
좀 그런 느낌임. 아는 사람들 다 Slack 알림에서만 살고, 대시보드는 뭔가 불이 났을 때만 열림 😅
아님. 리포팅 수요 엄청 많음.
LLM은 비결정적이라 “AI가 아직 준비 안 됐다”는 전제를 너무 당연하게 두면 안 됨. 솔직히 이걸 진짜 잘하는 AI 툴은 아직 못 봤음(내가 다 본 건 아니지만, 누가 봤음?).
그리고 1천만 개 대시보드가 안 쓰이는 큰 이유는, 분석이 단순하다고 착각하기 때문임. 대시보드 만드는 사람들 중 상당수는 애초에 그 일을 하면 안 되는 수준임. 기본 데이터 리터러시도, 데이터 큐레이션이 대충 할 수 없는 단계라는 이해도 부족함. AI도 그걸 해결 못 함.챗봇 만들어봤는데 말해줄 수 있음, 사람들 멍청해서 챗봇도 결국 망함.
대시보드 시대는 안 끝났음. 올바른 지표에 집중한 대시보드는 미친 듯이 유용함. 의미 없는 지표 노이즈가 많으면 계속 무시될 거고, 핵심 질문의 답을 즉시 안 주는 대시보드도 계속 무시될 거임.
AI를 믿음. 인간 분석가의 시대는 끝이 보인다고 생각함. 아직은 아니지만 결국 올 거임. 분석은 AI가 잘하기 좋은 영역임.
지난주에 읽었는데, 빅테크가 어떤 영역에선 “LLM으론 부족하다”면서 기본기로 돌아가고 있대. 곧 더 강하게 치고 나올 거고, 미래에 AI가 이런 일을 인간보다 더 잘 못할 거라고 생각하는 게 더 어리석다고 봄.나는 데이터 인프라 엔지니어고, datadog 대시보드를 매일 모니터링함.
“몇 년 동안 BI 목표는 완벽한 대시보드였다”
BI 10년 했는데, 그건 내 목표였던 적 없음. 그런 목표는 애초에 좋은 목표도 아님.나 같으면 텍스트로 매번 지표 생성해달라고 묻기보다, 대시보드 열어서 내가 신경 쓰는 시각화/지표 보는 게 훨씬 나음. Gen AI는 애드혹 질의엔 가능성 있음.
그래도 LLM이 자신만만하게 틀린 답을 이해관계자에게 주면 재앙임. 실제로 일어남. 하이 스테이크 상황에선 믿으면 안 됨.대시보드는 수동 피벗이나 계산 없이 즉시 답을 주도록 설계됨. 내가 팀에 늘 말하듯, 대시보드는 그냥 시각화랑 정제 안 된 지표 모음이 아님. 특정 비즈니스 질문을 해결하는 기능적 도구여야 함.
AI는 강력한 보완재지만, 즉시 명확함을 주는 잘 설계된 대시보드를 대체하진 못함. 게다가 데이터 유출 리스크와 AI 비용을 생각하면, 최선은 하이브리드임: 대시보드 안에 AI 요약을 임베드해서, 고가치 시각화 옆에 내러티브 맥락을 붙이는 방식.대시보드에도 여러 종류가 있음.
“특정 의사결정/액션을 위해 모니터링해야 하는” 대시보드. 이건 순수함. 실수하면 실제 결과가 생기는 니즈에 붙어 있음. 항상 필요함. 안타깝게도 가장 드문 타입임.
“나중에 필요할 수도 있으니 넣어두자” 대시보드. 금방 비대해짐. 그래도 한때는 각 시각화가 문제를 풀던 때가 있었음, 지금은 더 이상 문제가 아닐 뿐.
리더가 숫자 올라가는 걸 보며 도파민 받는 “스코어보드” 대시보드. 낭비지만 해는 덜함.
위험한 건 “주간 발표에 그럴듯한 그래프가 필요함” 대시보드. 목적은 현실을 전달하는 게 아니라, 디렉터/임원이 “현실이 이렇다”고 말하고 싶은 스토리를 데이터로 포장하는 거임. 회의/발표용이라 서로 더 크고 그럴듯한 대시보드를 경쟁함. 어떤 게 신뢰할 수 있는지, “진짜 단일 진실”이 뭔지로 서로 저격함. 1년 안에 대시보드 툴은 부정확/모순/무질서/무의미한 대시보드로 가득 찬 독성 폐기물장이 됨. 아무도 못 믿고 아무 데도 안 씀. 그래도 리더십은 그걸 가리키며 “우린 데이터 드리븐”이라고 주장함.
내가 대시보드에서 제일 많이 듣는 불만은 “데이터를 복사할 수가 없음”임. 타겟 오디언스를 만족시키는 리포트를 만들면서, 그 오디언스가 영향을 주려는 상대까지 만족시키는 건 항상 어려움임.
예를 들면, 리더가 일일 팀 성과를 보는 대시보드를 만들었는데, 그 리더의 상사가 “지난달 성과 요약 + 작년 동기 대비 + 가장 큰 변화”를 요구함.
엄청 동적인 대시보드가 아니거나, 시나리오마다 계속 새 대시보드를 만들 생각이 아니면 매우 어려움.
이럴 때 AI 솔루션은 잘 맞을 수 있음. 일일 요약을 또 요약해서 제공하고, 이상치가 있으면 대시보드로 돌아가 검증하는 식.
대신 원천 데이터에 AI 모델을 바로 돌리는 건 더 위험함. 검증이 어렵고, AI는 데이터 밖 요인에 따른 허용 임계치나 데이터 공백 같은 뉘앙스를 잘 이해 못 함.
솔직히 난 거품이 빨리 꺼져서, 시스템과 리포팅의 “특이점”을 이해하는 인사이트 분석가를 더 뽑고, 제대로 이해 못 하는 미들 매니저에게 데이터 직접 접근 권한을 덜 주게 되길 바람.DBA가 새로운 BA가 될 거임. 에이전트는 grounded sql만 있으면 되고, 그건 DBA가 할 수 있음. 발표 자료는 전부 에이전트가 처리할 거임.
