Databricks Agentic CDP란, 데이터를 캠페인 실행까지 잇는 마테크 전략

AS-IS: 데이터 팀과 마케팅 팀이 같은 데이터로 다른 언어를 씁니다

원문에는 데이터 팀과 마케팅 팀이 45분간 대화하면서도 서로 못 알아들었다는 사례가 나와요. 엔지니어는 Delta table과 medallion architecture로 말하고, 마케터는 journey와 segment, send time optimization으로 말합니다. 같은 고객, 같은 데이터인데 언어가 다른 거예요. Brinker의 리포트에 따르면 통합(integration)은 2015년이 아니라 2025년 말 기준으로도 여전히 마케팅 조직 대다수가 꼽는 상위 3대 과제였습니다. 30년 넘게 벤더들이 해결하겠다고 약속해온 문제라는 거죠.

옛 마테크 스택은 왜 깨졌나

지난 20년간 마테크는 데이터가 바닥에, 시스템이 중간에, 캠페인이 위에 있는 수직 레이어 구조로 지어졌어요. 각 레이어가 각자의 박스였고, 박스끼리 대화시키려면 파이프라인과 커넥터, 싱크 잡, 그리고 그것만 담당하는 팀이 필요했습니다. CSV를 데이터 웨어하우스에서 뽑아 캠페인 팀에 메일로 보내고 마케팅 플랫폼에 업로드되길 3일 기다린 경험이 있다면, 그게 바로 옛 스택 모델이 실패하는 순간이에요. composable canvas는 이 대안으로, 고객 참여 플랫폼부터 AI 에이전트, 분석까지 모든 도구가 데이터를 이동시키지 않고 같은 기반 위에서 작동하는 구조입니다. 옛 point-to-point 모델에서는 시스템 10개를 연결하는 데 최대 45개 통합이 필요했지만, composable 모델에서는 새 역량이 취약한 파이프라인 그물망이 아니라 하나의 일관된 공유 생태계에 합류하는 방식이에요.

실무 적용 포인트: 어디서부터 시작하나

브랜드들이 composable canvas를 실제로 구현하는 건 더 좋은 도구를 사는 방식이 아니라 다리를 직접 놓는 방식이라고 원문은 강조합니다. 데이터 플랫폼과 마케팅 실행 레이어 양쪽에 깊이 밝아야 가능한 일이에요. 원문이 제시하는 즉시 착수 가능한 세 가지는 다음과 같습니다.

• 데이터 통합: 캠페인 성과 데이터, 고객 행동 시그널, 로열티 데이터, 참여 이력을 트랜잭션, 운영 데이터와 같은 레이크하우스로 흘려보내는 작업입니다. 커넥터, 파이프라인, 데이터 품질 체크 같은 배관 작업이지만 이후 모든 것의 기반이 돼요. 즉각적인 성과는 마케팅, 세일즈, 재무가 같은 진실을 보는 통합 리포팅입니다.
• 셀프서비스 분석: 자연어 인터페이스를 핵심 기능으로 꼽는데, 아직 많은 마케팅 팀이 기본 캠페인 성과 데이터를 얻으려고 티켓을 제출하는 게 현실이에요. 실무용 유스케이스에 맞춘 분석 환경을 만들면 비기술 팀도 SQL 없이, 대기열 없이, 데이터 엔지니어링 팀을 기다리지 않고 스스로 답을 찾을 수 있습니다.
• 데이터 레이어에 네이티브로 돌아가는 AI 에이전트: 기존 스택 위에 얹은 에이전트가 아니라 데이터 기반 안에 살면서 참여 레이어를 통해 실행하는 에이전트예요. 세그먼트를 끌어오고 데이터 품질을 검증하고 캠페인을 트리거하고 결과를 측정하는 걸 CSV나 수작업 인계, 지연 없이 처리합니다.

HP의 Marketing Data Sciences VP인 Kumar Ram은 "데이터와 인프라의 핵심 구조는 우리가 소유하고, 에이전시를 바꾸더라도 위쪽 활성화 레이어만 바꾸면 되게 한다"는 전략 원칙을 제시했어요. Databricks의 AVP Elizabeth Dobbs는 모든 마케팅 데이터를 레이크하우스에 중앙화한 뒤 기존에 데이터를 충분히 활용하지 못하던 모델을 재검토했고, 재구축한 모델이 이전 대비 4배 전환율을 기록했다고 밝혔습니다. 같은 접근을 예측 계정 스코어링 모델에 적용해 4주 만에 구축했다고도 전했어요.

3-5년짜리 여정, 그러나 단계마다 가치가 있습니다

Brinker는 이 리포트가 단계별 구현 가이드가 아니라 북극성이라고 명시했어요. 5개 동심원 구조로 composable canvas를 설명하지만, 실제 실무자에게 열려 있는 질문은 통합 데이터 기반이 어떻게 실제 트리거 캠페인이 되는지, 데이터 엔지니어링을 모르는 마케팅 팀을 위한 의사결정 레이어를 어떻게 짓는지 같은 것들입니다. Brinker는 이걸 3-5년짜리 아키텍처 여정이라고 명확히 밝혔고, 한꺼번에 갈아엎는 프로젝트가 아니라고 강조했어요. 다만 각 단계가 그 자체로 가치를 내는 구조라는 게 핵심입니다.

자주 묻는 질문

cdp 란 무엇인가요

CDP는 Customer Data Platform의 약자로, 여러 채널에서 모인 고객 데이터를 통합해 마케팅에 쓸 수 있게 만드는 플랫폼이에요. 이번 사례의 Agentic CDP는 여기에 AI 에이전트가 결합돼 데이터 활성화까지 자동으로 처리하는 형태입니다.

마테크 뜻이 뭔가요

마테크는 marketing과 technology를 합친 말로, 마케팅 활동에 쓰이는 데이터 플랫폼, 자동화 도구, 분석 시스템 전반을 가리켜요. 원문은 지금의 마테크 스택이 수직 레이어 구조로 설계돼 통합이 어렵다는 문제를 짚습니다.

데이터 마케팅 사례로 어떤 게 있나요

원문에 따르면 Databricks 레이크하우스에 마케팅 데이터를 중앙화한 뒤 기존 모델을 재구축해 전환율이 이전 대비 4배로 올랐고, 같은 접근으로 예측 계정 스코어링 모델을 4주 만에 만든 사례가 소개됐어요. 두 사례 모두 Databricks의 Elizabeth Dobbs가 직접 언급한 내용입니다.

ai 에이전트 활용 전략은 어떻게 시작하나요

원문은 데이터 통합, 셀프서비스 분석, 데이터 레이어 네이티브 AI 에이전트 세 가지를 가장 빠른 임팩트를 내는 시작점으로 제시합니다. 특히 AI 에이전트는 기존 스택 위에 붙이는 게 아니라 데이터 기반 안에서 살면서 참여 레이어로 실행하는 구조가 핵심이에요.