BigQuery DTS vs Fivetran, 마케팅 데이터 수집 비용 줄이는 저비용 통합 전략

무슨 일이 일어나고 있나

Google Cloud가 BigQuery Data Transfer Service(DTS)에 마케팅·이커머스·DB 커넥터를 대거 추가했어요. Shopify(주문 이력·재고·고객 프로필), Klaviyo(이메일·SMS 클릭·발송·오픈 로그), HubSpot(파이프라인·컨택·인바운드 지표), Mailchimp가 붙었고, PostgreSQL·MySQL·Microsoft SQL Server 같은 데이터베이스 커넥터도 열렸어요. Google Ads, GA4, Google Cloud Storage, Amazon S3, Azure Blob Storage 수집은 무료이고, 써드파티 SaaS는 시간당 6센트 미만 종량제예요. 코드 없이 클릭만으로 데이터 이동을 자동화하면서 IAM 기반 보안과 열·행 단위 접근 제어가 기본으로 적용돼요.

같은 시기 Databricks는 Lakehouse에 native FILE 타입을 추가해 이미지·영상·문서 같은 비정형 데이터를 정형 데이터와 같은 관리 구조 안에서 다루도록 했어요. 여기에 세분화된 접근 제어와 GDPR '잊힐 권리'를 포함한 자동 컴플라이언스 대응이 붙어요. Salesforce가 공개한 Pacsun 사례는 이 흐름의 실전판인데, 모든 고객 데이터를 통합해 360도 고객 뷰를 6개월 만에 구축한 뒤 그 위에 ChatGPT 카탈로그 연동, TikTok Shop, Agentforce Commerce Search를 얹었어요. Cimulate 인수로 확보한 intent-aware 검색으로 고객 의도를 예측해 맞춤 추천하고, '100% 가동률(Severity 1 장애 0건)'을 성과로 내세웠어요.

왜 중요한가

세 건을 관통하는 건 '데이터 수집·통합의 진입 비용이 급격히 내려간다'는 사실이에요. 그동안 Shopify·Klaviyo·HubSpot 커넥터는 Fivetran이나 Airbyte 같은 유료 도구로 감당했는데, 이걸 시간당 6센트대 종량제로 대체할 수 있으면 소규모·중견 광고주도 마케팅 데이터를 웨어하우스에 모으는 문턱이 사라져요.

문제는 수집이 싸진다고 전체 비용이 싸지는 게 아니라는 점이에요. 메커니즘을 한 단계 파고들면 이렇습니다. Klaviyo의 클릭·오픈 로그, Shopify 주문 이력, Google Ads 지출은 각각 고객 식별자·타임스탬프·이벤트 정의가 다르게 잡혀 있어요. 이걸 '멀티채널 라이프사이클 어트리뷰트' 하나로 엮으려면 소스별 스키마를 단일 지표 정의로 정렬하는 모델링이 필요한데, 여기서 dbt나 semantic layer가 등장해요. DTS는 스케줄 기반 배치 적재라서 실시간 이벤트나 복잡한 변환은 여전히 별도 파이프라인이 담당하고요. Pacsun이 '채널을 먼저 늘리지 않고 통합 레이어를 먼저 깔았다'는 순서를 성패의 갈림길로 강조한 이유가 여기 있어요. 채널부터 늘리면 같은 고객이 매장·틱톡·챗봇에서 서로 다른 사람으로 잡혀 고객가치 계산이 틀어지고, 그 오류가 타깃팅 낭비와 어트리뷰션 왜곡, 개인화 붕괴로 연쇄해요. Salesforce 조사의 84%가 '오류 실행이 규정 위반이나 급여 문제 같은 심각한 결과를 낳는다'고 경고한 것도 같은 인과예요.

이해관계·역학

Google이 GA4·Google Ads 수집을 무료로 푸는 건 자선이 아니에요. 무료 구간은 정확히 '데이터가 어느 웨어하우스에 착지하느냐'를 결정하는 지점이거든요. Google Ads·GA4처럼 마케터가 가장 자주 쓰는 소스를 공짜로 열면 데이터가 BigQuery로 자연히 흘러들고, 그 순간부터 쿼리·스토리지·BI·AI 워크로드가 전부 Google Cloud 안에서 돌아가요. 수집을 무료로 개방한 진짜 이유는 그 위에서 벌어지는 연산이 과금 대상이기 때문이에요. 종량제 6센트에 혹하기 전에, 데이터가 BigQuery에 자리 잡으면 이후 스토리지·컴퓨트·egress 비용으로 락인이 굳는다는 구조를 봐야 해요. 참고로 같은 BigQuery 진영에서 History-Based Optimizations로 슬롯 비용을 40% 절감했다는 발표가 나왔지만, 에이전트가 초당 수천 쿼리를 던지면 절대 호출량이 폭증해 총비용은 오히려 늘 수 있다는 점이 이 '무료' 서사의 뒷면이에요.

Databricks의 FILE 타입도 마케팅 문구는 '멀티모달 AI 개발 단순화'지만 실제 무기는 거버넌스예요. 그동안 object storage에 방치돼 컴플라이언스 사각지대였던 이미지·영상 원본을 정형 자산과 같은 통제선 안으로 끌어와, 접근 제어와 GDPR 삭제 요청 아래 두는 거죠. 데이터를 자기 카탈로그 안에 묶어두는 게 벤더 입장에선 곧 이탈 방지예요. Salesforce의 Pacsun 케이스는 벤더 셀프 지표의 전형이에요. '100% 가동률, Severity 1 장애 0건'은 안정성 자랑이지만 매출·전환율·CAC 같은 성과 데이터는 빠져 있어요. 벤더가 왜 지금 안정성 수치만 골라 발표하는지, 정작 비즈니스 성과 수치는 왜 비어 있는지 뒤집어 봐야 액면가에 속지 않아요.

실무에 주는 함의

• 내일 당장 수집 도구 실비용 실측: Fivetran·Airbyte로 감당하던 Shopify·Klaviyo·HubSpot 커넥터를 DTS 종량제(시간당 6센트 미만)로 옮겼을 때 월 실비용을 한 소스만 뽑아 실측하세요. 단, 평가 기준을 '무료'가 아니라 '스키마 드리프트 대응력'으로 바꾸세요. 커넥터가 소스 API·스키마 변경을 얼마나 안정적으로 따라가는지가 실제 운영비를 좌우해요.
• 절감분을 모델링에 재투자: 수집이 싸진 만큼을 그대로 아끼지 말고 dbt 기반 지표 표준화와 semantic layer에 다시 넣으세요. 흩어진 소스를 하나의 지표 정의로 묶는 단계가 진짜 병목이라, 여기 투자하지 않으면 대시보드마다 다른 숫자가 나오는 문제로 되돌아와요.
• 통합 순서를 품의서에 못박기: 신채널(ChatGPT 카탈로그·TikTok Shop) 진출 전에 360도 고객 뷰부터 세우는 순서를 도입 계획에 명시하세요. Pacsun처럼 통합 레이어를 먼저 깔지 않으면 채널이 늘수록 고객 아이덴티티가 파편화돼요.
• 비정형 데이터 거버넌스 선설계: 광고 크리에이티브 응답·이미지를 구매 이력과 엮을 계획이면 접근 제어와 GDPR 삭제가 걸린 컬럼·파일 구조를 먼저 설계하세요. 메타데이터 태깅·임베딩 파이프라인·라벨링 노동은 플랫폼이 대신해주지 않으니, 이 작업을 누가 설계·운영할지 R&R부터 정하세요.

리스크·반대 관점

'제로코드로 수집 부담이 사라진다'는 서사의 함정은 병목이 사라진 게 아니라 뒤로 이동했다는 점이에요. DTS는 배치 적재라 실시간 대응이 안 되고, 커넥터가 프리뷰 단계면 소스 API 변경 시 안정성을 장담하기 어려워요. 무료·저비용에 끌려 여러 커넥터를 마구 붙였다가 각 소스의 지표 정의가 어긋나면, 대시보드마다 다른 숫자가 나오는 상황이 오히려 더 커져요. Salesforce 조사에서 84%가 지금 데이터 전략으로는 AI 자동화를 못 받친다고 답한 건, 통합 도구가 싸진 것과 데이터가 정말 쓸 만해진 것은 별개라는 경고예요.

멀티테넌트로 여러 브랜드 데이터를 한 파이프라인에 몰아넣는 대행사라면 '시끄러운 이웃' 리스크도 봐야 해요. 한 고객의 데이터 폭증이 전체 SLA를 마비시키는 문제는 수집 도구를 바꾼다고 사라지지 않아요. 트래픽 편차가 큰 대형 광고주만 격리하고 소규모는 공용 처리로 묶는 하이브리드가 현실적인 절충안인데, 무조건 격리하면 슬롯 예약과 파이프라인 운영 비용이 함께 불어나요. 도입 전 고객별 데이터량 분포부터 실측해서 어디서 격리가 비용 대비 효과를 내는지 따지는 게 먼저예요.

자주 묻는 질문

BigQuery vs Fivetran, 뭐가 더 저렴한가요

Google Ads·GA4·GCS·S3·Azure Blob 수집은 BigQuery DTS가 완전 무료이고, Shopify·Klaviyo·HubSpot 같은 써드파티 SaaS는 시간당 6센트 미만 종량제예요. 커넥터 자체 비용은 Fivetran보다 저렴할 수 있지만, DTS는 배치 적재라 실시간·복잡 변환은 dbt나 별도 파이프라인이 필요해요. 실시간성과 변환 복잡도를 함께 놓고 총소유비용으로 비교하세요.

데이터 마케팅 사례로 뭘 참고하면 되나요

Pacsun 사례가 실전 참고점이에요. 모든 고객 데이터를 통합해 360도 고객 뷰를 6개월 만에 세운 뒤 ChatGPT 카탈로그 연동, TikTok Shop, Agentforce Commerce Search를 얹었어요. 핵심은 화려한 채널이 아니라 '통합을 먼저, 채널을 나중에'라는 순서예요. 단 매출·전환율 같은 성과 수치는 공개되지 않아 벤더 셀프 지표라는 점은 감안하세요.

마케팅 데이터 분석 툴을 고를 때 뭘 봐야 하나요

수집 비용보다 스키마 변경 대응력과 지표 표준화 능력을 먼저 보세요. 커넥터가 소스 스키마 변경을 얼마나 안정적으로 따라가는지가 실제 운영비를 좌우해요. 비정형 데이터(이미지·영상)까지 다룬다면 Databricks FILE 타입처럼 접근 제어와 GDPR 삭제 대응이 통합된 거버넌스 기능이 있는지 확인하세요.

데이터 통합만 하면 개인화가 되나요

아니에요. 데이터를 한곳에 모으는 건 시작일 뿐이고, 흩어진 소스를 하나의 지표 정의로 묶는 모델링과 메타데이터 태깅·임베딩 파이프라인 설계가 병목이에요. Salesforce 조사에서 데이터 리더 84%가 현재 전략으로는 AI 자동화를 못 받친다고 답한 것처럼, 통합 후에도 누가 이 파이프라인을 설계·운영하느냐가 개인화 성패를 가릅니다.