2000만 고객 규모의 데이터 병목을 해결한 2년간의 BI 전환 여정

GoDaddy는 2,000만 명 이상의 고객에게 서비스를 제공하고 약 8,200만 개의 도메인 이름을 관리하는 글로벌 규모의 인프라를 운영하고 있다. 이 정도 규모의 환경에서 데이터 접근 속도는 비즈니스 대응 속도와 직결되지만, 기존 BI 환경은 수천 개의 대시보드가 누적되면서 단일 리포트 로딩에만 15분 이상이 소요되는 심각한 성능 저하를 겪었다. 특히 마케팅, 재무, 제품, 고객 경험 팀의 모든 분석 요청이 중앙 집중식 BI 팀을 거쳐야 하는 구조였기에, 현업의 수요가 분석 팀의 처리 용량을 지속적으로 초과하는 병목 현상이 발생했다.

GoDaddy의 데이터 및 분석 제품 팀은 2023년 초부터 기존 BI 툴의 로드맵과 Amazon Quick Sight를 포함한 경쟁 솔루션들을 대상으로 공식 평가를 시작했다. 팀은 2023년 중반에 도입 결정을 내렸으며, 같은 해 3분기에 소프트 런칭을 완료했다. 이후 2023년 말까지 AWS 통합 설정, 거버넌스 프레임워크 구축, 1차 대시보드 마이그레이션 및 초기 사용자 온보딩이라는 기초 작업을 수행했다.

전환 작업은 2025년 내내 전 사업 부문으로 확대되었으며, 2025년 12월에 레거시 BI 툴을 완전히 종료하며 마이그레이션을 마무리했다. 이 과정을 통해 GoDaddy는 연간 15,000시간의 업무 시간을 절감하는 성과를 거두었다. 현재 시스템은 대시보드 작성자 828명과 독자 3,128명을 포함해 총 4,298명의 활성 사용자가 활용하는 전사 분석 표준으로 자리 잡았다.

AWS 네이티브 통합과 서버리스 아키텍처를 통한 성능 최적화

GoDaddy는 별도의 BI 스택을 관리하는 운영 부담을 없애기 위해 Amazon Redshift, Amazon S3, Amazon RDS 등 기존에 사용 중인 AWS 서비스와 네이티브하게 통합되는 구조를 선택했다. 데이터가 저장된 클라우드 인프라 위에서 분석 도구가 직접 작동하게 함으로써 데이터 이동 및 변환 과정에서 발생하는 지연 시간을 제거했다. 특히 서버리스 오토스케일링 아키텍처를 적용해 사용자 수나 데이터 처리량에 따라 컴퓨팅 자원이 자동으로 조절되도록 설계하여 인프라 관리 오버헤드를 완전히 제거했다.

비용 구조 측면에서는 사용한 만큼만 지불하는 Pay-as-you-go(종량제) 가격 모델을 도입했다. 이를 통해 엔터프라이즈 규모에서도 예측 가능한 비용 경로를 확보했으며, 트래픽이 적은 시간에는 자원을 줄여 유휴 자원 낭비를 방지했다. 결과적으로 인프라 비용의 효율성을 높이는 동시에 대규모 데이터 셋에서도 안정적인 렌더링 속도를 확보할 수 있었다.

분석 권한의 민주화를 위해 Quick Sight의 내장 머신러닝(ML) 기능을 전면 도입했다. 이상 탐지(Anomaly Detection), 예측(Forecasting), 자연어 쿼리(Natural Language Querying) 기능을 통해 SQL 기술이 없는 현업 담당자도 직접 데이터를 조회할 수 있는 환경을 만들었다. 이를 통해 마케팅이나 재무 담당자가 데이터 엔지니어의 도움 없이도 제품 라인, 지리적 지역, 날짜 범위, 트랜잭션 유형별로 상세 데이터를 드릴다운하여 분석하는 셀프서비스 체계를 구축했다.

대시보드 다이어트와 1/10/60 모델 기반의 실무 대응 체계

GoDaddy는 단순한 툴 교체가 아니라 '대시보드 다이어트'라고 부르는 포트폴리오 합리화 작업을 병행했다. 기존에 구축되어 있던 5,000개 이상의 대시보드 중 중복되거나 사용률이 낮은 자산을 과감히 폐기했다. 그 결과 2,500개 미만의 최적화된 대시보드 자산만 남겼으며, 이는 관리 오버헤드를 50% 이상 줄이면서도 비즈니스 가치는 더 높이는 결과로 이어졌다.

재무 분석의 핵심인 'Cash Dash'는 비즈니스 분석팀과 커머셜팀의 협업으로 구축된 전사 재무 성과의 단일 진실 공급원(Single Source of Truth)이다. 재무팀과 경영진, 운영 이해관계자들이 매일 접속해 실시간으로 핵심 재무 및 고객 지표를 모니터링하며, 제품별·지역별 세부 성과를 즉각적으로 확인할 수 있다. 마이그레이션 이후 Cash Dash의 렌더링 시간은 15분에서 5초 미만으로 단축되어, 데이터 확인을 위한 대기 시간이 사실상 사라졌다.

특히 재무팀은 자동 이상 탐지 기능을 결합해 '1/10/60 모델'이라는 사고 대응 프레임워크를 정착시켰다. 이는 이상 징후를 1분 내에 감지하고, 10분 내에 원인을 조사하며, 60분 내에 해결하는 고속 대응 체계다. 시스템이 이상 신호를 포착하면 통합 통신 채널을 통해 즉시 알림이 전달되어, 작은 수치 오류가 대규모 재무 불일치로 번지기 전에 차단한다. 또한 Data Stories 기능을 통해 주간 경영 요약 보고서를 자동 생성하여 경영진에게 이메일로 직접 발송함으로써 수동 보고서 작성 공정을 제거했다.

AI 에이전트 도입을 통한 셀프서비스 분석의 완성

2025년 10월, Amazon Quick은 Quick Research와 Quick Flows라는 AI 기반 기능을 추가로 도입했다. Quick Research는 기업 내부 데이터와 외부 공개 데이터를 교차 분석하는 딥다이브 기능을 제공하며, Quick Flows는 자연어를 통해 복잡한 분석 워크플로를 자동화한다. GoDaddy는 이를 활용해 7개의 커스텀 챗 에이전트를 배포하여 분석 업무의 진입 장벽을 낮췄다.

그중 'Dashboard Navigator' 에이전트는 사용자의 질문 의도를 분석해 수천 개의 자산 중 가장 적합한 대시보드를 찾아 연결해 준다. 이를 통해 현업 사용자가 분석가에게 리포트의 위치를 묻고 답변을 기다려야 했던 불필요한 커뮤니케이션 시간을 없앴다. 또한 30개의 Quick spaces(협업 공유 공간)를 구축했으며, 특히 'Dashboard Documentation Space'에는 50명의 활성 사용자가 대시보드의 생성 목적과 데이터 해석 방법을 기록하여 담당자가 바뀌어도 분석 맥락이 유지되도록 했다.

결과적으로 GoDaddy는 복잡한 쿼리문이나 필터 조정 없이 일상 언어로 질문하고 답을 얻는 대화형 인터페이스를 통해 분석가라는 병목 구간을 제거한 셀프서비스 분석 체계를 완성했다. 실무자가 AI 에이전트를 도입할 때의 판단 기준은 분석가의 업무량 감소가 아니라 '현업의 문제 해결 속도'에 두어야 한다. 1/10/60 모델과 같은 구체적인 대응 지표를 달성하기 위해, 현업 담당자가 분석가에게 티켓을 발행하지 않고 스스로 조사를 마칠 수 있도록 에이전트의 가이드와 데이터 연결성을 세분화하는 것이 핵심이다.