2018.06.22

"이제 비즈니스 분석도 API" API 기반 비즈니스 분석의 가능성과 과제

Srinath Perera | InfoWorld

API는 내부 서비스와 외부 서비스, 애플리케이션, 데이터, ID를 비롯한 기타 디지털 자산을 연결하기 위한 주 메커니즘으로 사용되고 있다. 그 결과 API는 분석 용도로도 이와 비슷한 유용한 메커니즘이 될 잠재력을 지니게 됐다. 또한 데이터 수집과 데이터 분석을 위한 전통적인 애드혹(ad hoc) 접근 방법은 정보를 오늘날의 데이터 지향 조직이 요구하는 인텔리전스로 변환하는 프로세스를 더디게 하는데 반해, API가 제공하는 대안을 사용하면 훨씬 더 쉽게 이 과정을 처리할 수 있다.

Image Credit : GettyImagesBank

두 기술 모두 운영을 능률화하고 혁신을 촉발하기 위해 중요한 기술이라는 면에서 API와 분석의 연합은 자연스러운 흐름이다. 일반적으로 조직은 API를 통해 시스템 통합과 프로세스 자동화를 강화함으로써 디지털 트랜스포메이션을 시작하게 된다. 현재 시중에는 여러 개의 포괄적인 턴키 API 관리 솔루션이 나와 있으므로 엔터프라이즈 개발자는 통합으로 간편히 공백을 채우면서 몇 주에서 몇 개월 정도면 시스템을 프로덕션 단계에 투입할 수 있다. 그 이후에는 지속적으로 개선해 나가면 된다.

엔터프라이즈가 데이터 지향 기업을 향해 진화하는 과정에서 디지털 트랜스포메이션의 다음 단계는 분석이다. 조직의 역학을 이해하고 의사 결정을 돕기 위해 사용되는 기술에는 정교한 데이터 집계, 머신러닝, 데이터 마이닝, 데이터 시각화 등이 있다. 이러한 기술을 통해 비즈니스의 역학을 이해하고 패턴을 탐지하고 미래의 전개를 예측할 수 있다. 그러나 데이터 수집 및 맞춤형 분석 구축에는 과제가 따르고, 이로 인해 분석 도입이 지체되고 있다. 또한 도입한다 해도 그 영향은 당초 예상된, 트랜스포메이션을 일으키는 수준의 영향과는 거리가 멀다.

여기서는 문서에서는 전통적인 접근 방법으로 분석을 도입할 때의 과제에 대해 살펴보고, 이와 같은 과제를 해결하는 데 API 관리가 어떤 역할을 하는지 알아본 다음 API 관리를 사용해 분석을 위한 가치 있는 데이터를 발굴하는 솔루션 청사진을 제안한다.

분석 도입을 가로막는 장애물
분석을 구현할 때 조직은 자칫 프로젝트 지연 또는 탈선을 일으킬 수 있는 세 가지 중대한 과제에 직면한다.

첫째, API 관리와 달리 턴키 분석 솔루션이 없다. 따라서 조직은 제품 또는 오픈소스 프로젝트 등 다양한 분석 기술을 조합해서 맞춤형 분석 솔루션을 구축해야 한다. 또한 이를 위해서는 개발 팀이 상당한 양의 코드를 작성해서 필요한 기술과 기존 시스템을 통합해야 한다.

둘째, 통계학, 머신러닝, 시스템에 대한 해박한 지식을 갖춘 데이터 엔지니어(개발자)와 데이터 과학자(설계자)를 채용해야 한다. 이러한 전문가(인력 공급이 부족함)는 어떤 통찰력이 쓸모가 있는지 파악하고 추적할 핵심 성과 지표(KPI)를 결정하고 데이터 수집 시스템을 설계하고 조직 내의 다른 그룹을 이끌어 데이터 수집 코드를 추가하도록 해야 한다. 또한 분석 논리를 작성하고 분석 결과에 따라 더 많은 코드를 작성해서 그에 맞는 조치를 취하고 모든 단계에 걸쳐 파급효과를 이해해야 한다.

셋째, 데이터를 수집하려면 주목할 만한 활동을 알리는 이벤트를 생성하는 계기(센서)를 조직 전반에 추가해야 한다. 이러한 프로젝트를 위해서는 여러 그룹(대규모 엔터프라이즈의 경우 10~20개 팀) 간의 조율이 필요하다. 또한 각 조직으로 센서가 배포될 때까지 기다려야 할 수도 있다. 결과적으로 계기화 프로세스에 많은 시간과 비용이 소비된다.

분석은 큰 효과를 거둘 잠재력을 지녔지만 이와 같은 장애물로 인해 지금까지 본격적으로 도입되지 못했다.

API 기반 분석의 이점
API 관리는 두 가지 요소로 인해 분석의 사용 범위를 더 넓힐 수 있다. 첫 번째는 API 관리 솔루션의 광범위한 도입이다. API 관리 솔루션은 2016년부터 연간 35% 이상 성장 중이다. 고객과 파트너가 더 긴밀한 통합과 손쉬운 자동화를 위해 비즈니스 활동을 API로 노출하고자 하기 때문이다. 또한 성숙한 툴과 강력한 생태계가 API 기술을 뒷받침한다.

두 번째는 조직의 모든 메시지 흐름 내에서 API 관리가 차지하는 전략적 위치다. API는 엔터프라이즈의 모든 내외부 상호작용이 흐르는 관문이다. 웹 사이트 및 기타 사용자 인터페이스도 API에 의존해서 백엔드 기능을 수행할 정도다. API 트래픽을 관찰하면 장기간에 걸쳐 조직의 활동을 확인할 수 있다. API가 모든 상호작용의 중간 매개체가 되면 API 관리 솔루션은 조직이 어떻게 움직이는지 보여주는 포털이 될 수 있다.

따라서 턴키 분석 솔루션을 구축하는 것보다는 턴키 API 기반 분석 솔루션을 API 관리 툴의 필수적인 부분으로 두는 방안을 고려해야 한다. 이와 같은 솔루션은 두 가지 이유로 실효성이 매우 크다.

우선 API 관리는 모든 조직 내외부 통신의 교차점에 위치하므로 실제 시스템 대신 API 관리 툴을 계측할 수 있다. 이 작업은 API 관리 프레임워크의 일부로 한 번 수행하고 필요에 따라 업데이트할 수 있다. 그런 다음 이 API를 통과하는 메시지를 수집하면 조직에 대한 전체적인 시야를 확보하게 된다. 이 중앙집중화된 접근 방법은 엔터프라이즈에서 10개 또는 20개 팀을 조율해 모든 시스템에 계측기를 추가해야 하는 번거로움을 없애 준다. 또한 전통적인 분석에서 시스템 계측을 통해 수집되는 여러 데이터 형식을 관리하는 데 따르는 어려움도 없다.

모든 데이터가 API 관리 시스템과 함께 하나의 논리적 계층을 통해 수집되므로 데이터의 형식이 확실하다. 이로써 사기 탐지, 고객 이동 경로 추적, 세그먼트 분석 등의 일반적인 사용 사례를 기본 시나리오로 지원하는 턴키 API 기반 분석 솔루션을 개발할 수 있게 된다. 숙련된 데이터 과학자로 구성된 팀은(소프트웨어 벤더, 시스템 통합업체 내의 팀 또는 엔터프라이즈 개발 팀) 대부분의 일반적인 사용 사례를 포괄하는 복합적인 분석을 구축하는 데 리소스를 투자할 수 있다. 이후 대규모 엔터프라이즈 내의 여러 조직 또는 여러 그룹이 이러한 시나리오에 대한 분석을 사용할 수 있다.

API 기반 분석을 위한 청사진
턴키 API 기반 분석 솔루션에서는 엔터프라이즈 전역의 모든 시스템 또는 하위 시스템을 계측하는 대신 API 관리 툴을 계측한다. 모든 API 활동을 계측화해서 얻는 데이터는 조직과 조직의 내부 활동을 분석하고 이해하기에 충분한 정보를 제공할 수 있다. 또한 API를 업데이트하는 방법으로 분석 기능 업데이트가 가능하다.
다음 그림은 API 관리 위에 계층화된 API 기반 분석 솔루션의 전체적인 청사진을 보여준다.

API 관리를 기반으로 한 분석 계층화

여기서 제시하는 접근 방법을 보면 API 계층에서 수집되는 데이터에는 다음에 대한 정보가 포함될 수 있다.

- 요청 및 응답: 시간 스탬프, 헤더, 전체 메시지, 메시지 크기, 요청 경로 URL 포함
- 호출, IP 주소, 사용자 이름, 사용자 에이전트
- 프로세싱: 시작된 시간, 종료된 시간, 결과, 오류, API 이름, 호스트 이름, 프로토콜 포함



2018.06.22

"이제 비즈니스 분석도 API" API 기반 비즈니스 분석의 가능성과 과제

Srinath Perera | InfoWorld

API는 내부 서비스와 외부 서비스, 애플리케이션, 데이터, ID를 비롯한 기타 디지털 자산을 연결하기 위한 주 메커니즘으로 사용되고 있다. 그 결과 API는 분석 용도로도 이와 비슷한 유용한 메커니즘이 될 잠재력을 지니게 됐다. 또한 데이터 수집과 데이터 분석을 위한 전통적인 애드혹(ad hoc) 접근 방법은 정보를 오늘날의 데이터 지향 조직이 요구하는 인텔리전스로 변환하는 프로세스를 더디게 하는데 반해, API가 제공하는 대안을 사용하면 훨씬 더 쉽게 이 과정을 처리할 수 있다.

Image Credit : GettyImagesBank

두 기술 모두 운영을 능률화하고 혁신을 촉발하기 위해 중요한 기술이라는 면에서 API와 분석의 연합은 자연스러운 흐름이다. 일반적으로 조직은 API를 통해 시스템 통합과 프로세스 자동화를 강화함으로써 디지털 트랜스포메이션을 시작하게 된다. 현재 시중에는 여러 개의 포괄적인 턴키 API 관리 솔루션이 나와 있으므로 엔터프라이즈 개발자는 통합으로 간편히 공백을 채우면서 몇 주에서 몇 개월 정도면 시스템을 프로덕션 단계에 투입할 수 있다. 그 이후에는 지속적으로 개선해 나가면 된다.

엔터프라이즈가 데이터 지향 기업을 향해 진화하는 과정에서 디지털 트랜스포메이션의 다음 단계는 분석이다. 조직의 역학을 이해하고 의사 결정을 돕기 위해 사용되는 기술에는 정교한 데이터 집계, 머신러닝, 데이터 마이닝, 데이터 시각화 등이 있다. 이러한 기술을 통해 비즈니스의 역학을 이해하고 패턴을 탐지하고 미래의 전개를 예측할 수 있다. 그러나 데이터 수집 및 맞춤형 분석 구축에는 과제가 따르고, 이로 인해 분석 도입이 지체되고 있다. 또한 도입한다 해도 그 영향은 당초 예상된, 트랜스포메이션을 일으키는 수준의 영향과는 거리가 멀다.

여기서는 문서에서는 전통적인 접근 방법으로 분석을 도입할 때의 과제에 대해 살펴보고, 이와 같은 과제를 해결하는 데 API 관리가 어떤 역할을 하는지 알아본 다음 API 관리를 사용해 분석을 위한 가치 있는 데이터를 발굴하는 솔루션 청사진을 제안한다.

분석 도입을 가로막는 장애물
분석을 구현할 때 조직은 자칫 프로젝트 지연 또는 탈선을 일으킬 수 있는 세 가지 중대한 과제에 직면한다.

첫째, API 관리와 달리 턴키 분석 솔루션이 없다. 따라서 조직은 제품 또는 오픈소스 프로젝트 등 다양한 분석 기술을 조합해서 맞춤형 분석 솔루션을 구축해야 한다. 또한 이를 위해서는 개발 팀이 상당한 양의 코드를 작성해서 필요한 기술과 기존 시스템을 통합해야 한다.

둘째, 통계학, 머신러닝, 시스템에 대한 해박한 지식을 갖춘 데이터 엔지니어(개발자)와 데이터 과학자(설계자)를 채용해야 한다. 이러한 전문가(인력 공급이 부족함)는 어떤 통찰력이 쓸모가 있는지 파악하고 추적할 핵심 성과 지표(KPI)를 결정하고 데이터 수집 시스템을 설계하고 조직 내의 다른 그룹을 이끌어 데이터 수집 코드를 추가하도록 해야 한다. 또한 분석 논리를 작성하고 분석 결과에 따라 더 많은 코드를 작성해서 그에 맞는 조치를 취하고 모든 단계에 걸쳐 파급효과를 이해해야 한다.

셋째, 데이터를 수집하려면 주목할 만한 활동을 알리는 이벤트를 생성하는 계기(센서)를 조직 전반에 추가해야 한다. 이러한 프로젝트를 위해서는 여러 그룹(대규모 엔터프라이즈의 경우 10~20개 팀) 간의 조율이 필요하다. 또한 각 조직으로 센서가 배포될 때까지 기다려야 할 수도 있다. 결과적으로 계기화 프로세스에 많은 시간과 비용이 소비된다.

분석은 큰 효과를 거둘 잠재력을 지녔지만 이와 같은 장애물로 인해 지금까지 본격적으로 도입되지 못했다.

API 기반 분석의 이점
API 관리는 두 가지 요소로 인해 분석의 사용 범위를 더 넓힐 수 있다. 첫 번째는 API 관리 솔루션의 광범위한 도입이다. API 관리 솔루션은 2016년부터 연간 35% 이상 성장 중이다. 고객과 파트너가 더 긴밀한 통합과 손쉬운 자동화를 위해 비즈니스 활동을 API로 노출하고자 하기 때문이다. 또한 성숙한 툴과 강력한 생태계가 API 기술을 뒷받침한다.

두 번째는 조직의 모든 메시지 흐름 내에서 API 관리가 차지하는 전략적 위치다. API는 엔터프라이즈의 모든 내외부 상호작용이 흐르는 관문이다. 웹 사이트 및 기타 사용자 인터페이스도 API에 의존해서 백엔드 기능을 수행할 정도다. API 트래픽을 관찰하면 장기간에 걸쳐 조직의 활동을 확인할 수 있다. API가 모든 상호작용의 중간 매개체가 되면 API 관리 솔루션은 조직이 어떻게 움직이는지 보여주는 포털이 될 수 있다.

따라서 턴키 분석 솔루션을 구축하는 것보다는 턴키 API 기반 분석 솔루션을 API 관리 툴의 필수적인 부분으로 두는 방안을 고려해야 한다. 이와 같은 솔루션은 두 가지 이유로 실효성이 매우 크다.

우선 API 관리는 모든 조직 내외부 통신의 교차점에 위치하므로 실제 시스템 대신 API 관리 툴을 계측할 수 있다. 이 작업은 API 관리 프레임워크의 일부로 한 번 수행하고 필요에 따라 업데이트할 수 있다. 그런 다음 이 API를 통과하는 메시지를 수집하면 조직에 대한 전체적인 시야를 확보하게 된다. 이 중앙집중화된 접근 방법은 엔터프라이즈에서 10개 또는 20개 팀을 조율해 모든 시스템에 계측기를 추가해야 하는 번거로움을 없애 준다. 또한 전통적인 분석에서 시스템 계측을 통해 수집되는 여러 데이터 형식을 관리하는 데 따르는 어려움도 없다.

모든 데이터가 API 관리 시스템과 함께 하나의 논리적 계층을 통해 수집되므로 데이터의 형식이 확실하다. 이로써 사기 탐지, 고객 이동 경로 추적, 세그먼트 분석 등의 일반적인 사용 사례를 기본 시나리오로 지원하는 턴키 API 기반 분석 솔루션을 개발할 수 있게 된다. 숙련된 데이터 과학자로 구성된 팀은(소프트웨어 벤더, 시스템 통합업체 내의 팀 또는 엔터프라이즈 개발 팀) 대부분의 일반적인 사용 사례를 포괄하는 복합적인 분석을 구축하는 데 리소스를 투자할 수 있다. 이후 대규모 엔터프라이즈 내의 여러 조직 또는 여러 그룹이 이러한 시나리오에 대한 분석을 사용할 수 있다.

API 기반 분석을 위한 청사진
턴키 API 기반 분석 솔루션에서는 엔터프라이즈 전역의 모든 시스템 또는 하위 시스템을 계측하는 대신 API 관리 툴을 계측한다. 모든 API 활동을 계측화해서 얻는 데이터는 조직과 조직의 내부 활동을 분석하고 이해하기에 충분한 정보를 제공할 수 있다. 또한 API를 업데이트하는 방법으로 분석 기능 업데이트가 가능하다.
다음 그림은 API 관리 위에 계층화된 API 기반 분석 솔루션의 전체적인 청사진을 보여준다.

API 관리를 기반으로 한 분석 계층화

여기서 제시하는 접근 방법을 보면 API 계층에서 수집되는 데이터에는 다음에 대한 정보가 포함될 수 있다.

- 요청 및 응답: 시간 스탬프, 헤더, 전체 메시지, 메시지 크기, 요청 경로 URL 포함
- 호출, IP 주소, 사용자 이름, 사용자 에이전트
- 프로세싱: 시작된 시간, 종료된 시간, 결과, 오류, API 이름, 호스트 이름, 프로토콜 포함



X