2단계: 확장을 위한 공통 운영 기반

2단계에는 여러 업무 활용 사례가 운영되거나 여러 팀이 개발을 진행합니다. 사용자와 개발자가 늘어 중앙에서 개발 과제를 정리할 필요가 생기며, 사업 영역을 넓히기 위한 로드맵과 정식 우선순위 결정 방식이 필요합니다.

프로그램 관리의 책임을 외부 소통, 내부 요청 접수 및 우선순위, 거버넌스 절차의 세 영역으로 명확히 합니다. 조직 온톨로지를 설계하고 유지할 인력, 데이터 수집 및 정기 상태 검사와 빌드, 일관된 메타데이터와 데이터 보안 기반에 투자합니다.

수집은 사례팀 또는 중앙 개발팀에서 맡을 수 있지만 공통 구조와 준수 기준을 유지해야 합니다. 1단계의 총괄 및 책임자 역할에 아래 전문 역할을 추가하는 구성이 권장됩니다.

교육 및 훈련 전문가: Education & Training Expert

업무 출시와 사용자 확대에 맞춰 실제로 사용할 수 있는 교육을 운영합니다.

• 사례 및 업무 영역 책임자와 협의해 새 앱, 기능과 사용자 집단의 도입 시기에 교육을 맞춥니다.
• 사용자와 개발자가 업무를 이해할 수 있도록 사례 및 워크플로별 문서를 개발하고 프로그램 표준을 적용합니다.
• HR의 신규 입사자 교육, 지속 교육과 자격 체계에 Foundry를 연결합니다.
• Learning and Development, 사내 소통과 행사 담당자 등과 교육 기회 및 기존 활용 사례를 알립니다.
• 역량 격차와 교육 자료를 정기적으로 평가하고 업무 결과 및 ROI를 기준으로 개선 효과를 확인합니다.
• 역할과 사례별 학습 이정표 및 성공 기준을 정합니다. 워크숍, 온라인 및 셀프서비스 과정, 실시간 교육, 퀴즈, 문서와 Foundry 실습 프로젝트를 조합할 수 있습니다.
• 조직에 Train-the-Trainer 체계가 있으면 이를 조정해 전담 교육 인력 밖으로도 교육을 확장합니다.

교수 설계, 코칭, 워크숍과 e-learning 방식에 대한 이해, 협업 및 의사소통, 프로젝트 관리와 일정 정리, 기술 분야의 기초 지식 및 사업 조직의 목표를 이해하는 역량이 필요합니다.

업무별 앱과 Issues를 활용하고 Palantir Learning, 공개 문서, Palantir Developers 영상 채널을 교육 자료로 사용할 수 있습니다.

데이터 거버넌스 관리자: Data Governance Administrator

거버넌스 총괄이 정한 기준을 실무 절차와 관리 체계로 유지합니다.

• 내부 및 외부 품질 기준과 SLA를 충족하면서 데이터를 사용할 수 있게 합니다.
• 프로그램 거버넌스 요건을 문서화 및 유지하고 여러 작업 영역에 전달합니다.
• 거버넌스 지표와 감시, 보고 및 조정을 운영합니다.
• Permissions Manager 및 Data Lead와 프로젝트 그룹 및 역할을 구현하고 프로젝트 유형별 반복 가능한 셀프서비스 절차를 만듭니다.
• 각 팀의 필요에 맞는 거버넌스 검토와 검사 및 요구사항을 적용합니다.
• 필요하면 Palantir 자문, 문서와 지원을 연결합니다.

초기에는 Data Lead나 Ontology Lead가 맡을 수 있지만 늦어도 3단계에는 전담 인력을 두는 것이 권장됩니다.

조직의 인증 및 접근, 규제, SQL과 Python 및 Spark, 데이터 품질과 버전 관리, 에이전트 및 VM과 시스템 구조를 이해해야 합니다. 제한 뷰 정책, 관리 권한, 보안 표지, Data Health, Code Workbook, Ontology Manager, Data Connection과 Control Panel을 사용하며 개인정보 보호 및 데이터 거버넌스 기준을 적용합니다.

데이터 소스 개발자: Data Source Developer

Data Lead의 방향에 따라 각 원천의 수집과 정제를 구현하는 엔지니어입니다. 규정 준수, 보안 및 파이프라인 구조를 일관되게 관리하려면 중앙팀으로 구성하는 것이 권장됩니다.

• 담당 원천의 기술 연결과 Data Connection 설정, 원시 데이터를 제공하는 원천 프로젝트를 관리합니다.
• 팀이 함께 사용할 데이터 정제와 정제 자동화 라이브러리 및 문서를 만듭니다. 필요한 경우 데이터 가리기 기능도 포함합니다.
• 원천 소유자에게 기술 정보를 수집하고 업무 목적과 최종 워크플로에 맞는 수집 구조를 설계합니다.
• 수집, 파이프라인 상태와 데이터 품질을 일상적으로 관리합니다. 설계, 개발, 갱신과 감시 일정을 프로그램 및 업무 요구에 맞춥니다.
• 원천 장애의 감시와 알림, 상황 전달, 복구 및 사후 검토를 운영합니다. IT팀 및 Program Manager와 문제를 상위 담당자에게 전달하는 표준 운영 절차(SOP)를 정합니다.
• 준법 및 거버넌스 총괄과 품질 기준과 SLA, 검토 및 감시 절차를 구성합니다.

SQL, Python, PySpark 및 Spark, 데이터 정제와 품질, 버전 관리 및 에이전트와 시스템 연결 경험이 필요합니다. Data Connection, Pipeline Builder, Code Workbook, Data Health와 Data Lineage를 활용합니다.

온톨로지 관리자: Ontology Manager

이 역할은 Ontology Manager 애플리케이션 이름과 구분하는 조직 내 담당 역할입니다. 초기에는 중앙에서 운영하고 성숙한 3~4단계에는 업무 영역별로 나눌 수 있습니다.

• 기존 데이터 모델과 운영 파이프라인에서 모든 업무 프로젝트가 소비할 온톨로지를 개발합니다.
• 온톨로지 변경 요청과 새 객체 요청을 접수해 전체 모델 및 장기 로드맵 영향을 고려하고 우선순위를 정하거나 다른 팀에 배정합니다.
• Use Case Lead 및 Data Source Developer와 새 데이터 요구를 검토하고 새 사례의 구조 및 소스 논의에 참여합니다.
• 사례별 원천을 깊이 이해하고 Data Source Developer와 통합 계획을 마련하며 온톨로지 설계가 업무에 주는 영향을 조율합니다.
• 거버넌스 및 준법팀과 온톨로지와 기반 데이터 접근을 검토하고 확장 가능한 검토 절차를 만듭니다.
• Ontology Lead 및 Data Lead와 수집, 유지보수 및 프로그램 장기 전략을 맞춥니다.

파이프라인 개발 및 관리, 데이터베이스, 사업 영역 지식과 기술 및 비기술 이해관계자 간 의사소통 역량이 필요합니다. 온톨로지, Object Explorer, Data Connection, Control Panel과 Ontology Manager 앱을 활용합니다.

4단계에는 Pipeline Developer와 Object View Developer에게 필요한 기능과 지침을 전달해 임시 분석 및 새 사례 개발도 지원합니다. 다음 3단계는 플랫폼 운영과 지원을 프로그램 안의 전담 책임으로 확장합니다.