2015.07.24

신제품 개발의 숨은 공신 'IoT와 빅데이터 분석'

Puneet Pandit | Network World
시장에 선 보이는 신제품의 40%는 실패한다. 실패의 이유는 간단하다. 사용자들이 원하는 기능을 파악하지 못했거나 컴포넌트의 수명이 제한적인 경우, 또 사용자들의 실제 이용 방식과 설계자의 의도 사이에 괴리가 있을 때 시장은 그 상품을 외면한다.

성공의 비결 역시 간단하다. 이런 원인들에 대한 시각에 기초해 보다 매력적인 상품을 개발하고 경제성을 개선하는, 그리고 무엇보다, 실제 자신들의 요구사항을 명확히 반영하는 상품 앞에서 소비자들은 기꺼이 지갑을 연다.

이러한 문제 의식에 기초해 최근 다양한 산업의 기업들은 거대한 실시간 기계 학습 데이터를 실행 가능한 정보로 전환해 제품 개발 프로세스를 개선하고, 기능적, 비용적 측면에서 제품 혁신이 필요한 지점을 포착하는 것을 주요 활동 목표로 삼는, 상품 개발 혁신 팀을 꾸리는 움직임을 보이고 있다.

IoT의 확산세 속에 기업들은 자신들의 상품에 내장된 센서들이 포착하는 막대한 정보를 수집해나가고 있고, 그 규모는 앞으로도 지속적으로 증가해나갈 것이다.

그러나 이러한 기계 데이터들은, 유형의 다양성과 규모의 문제로 인해 전통적인 수집, 분석 방법론으로는 처리에 어려움이 있다. 텍스트 로그, XML, JSON, CSV, SNMP 등 각기 다른 포맷의 데이터가 사건 메시지, 컨피그레이션 블롭(configuration blob), 통계적 덤프(statistical dump) 등 다양한 데이터 분류 범주로, 그리고 이메일, FTP, SFTP, 스트림, 배치 로그 파일에 이르는 다양한 프로토콜로 전달되는 상황은 이전에는 상상도 할 수 없는 것이었다.

선도적인 분석 툴 업체들은 이처럼 막대하고 다채로운 데이터를 실시간으로 다루며 기업들에게 기계 데이터 분석의 효율성과 경제성을 담보해주는 새로운 솔루션의 개발에 뛰어들기 시작했다.

IoT에서 취합한 데이터 분석
새로운 상품을 가장 효율적으로 개발하고 홍보하기 위해선 나만의 ‘단일 진리점(SPOT, single point of truth)’을 구축할 필요가 있다. 단일 진리점이란 포괄적이며 정확하고 시기 적절한 데이터 및 시각의 중심이라 할 수 있는 개념이다.

이 데이터와 시각들은 기업이 신제품을 설계, 제조, 홍보하는 과정에서 진행하는 모든 핵심적인 의사 결정(제품 특징, 가격, 배포처, 관련 기능 등)에 필요한 정보와 원칙을 제공한다. 단일 진리점을 구축하기 위한 정보 플랫폼의 핵심 요소는 다음과 같다:

- 테라바이트 규모의 정형, 비정형 운영 데이터를 포착할 수 있는 중앙 데이터 저장소
- 데이터 내 요소들 간의 의미와 관계를 설명, 구성해주는 분석 툴
- 고객들의 기존 상품 사용 경향에 대한 보고 기능 및 기존 제품 컴포넌트 성능 정보 등
- 신상품 개발 및 타 팀의 고객 분석 및 탐구 도구 제작을 지원하는 대시보드 및 유사 요소

기계 데이터 활용 사례들
스트릿라인(Streetline)은 신상품 개발에 IoT 데이터 분석을 적용한 모범 사례라 할 수 있는 기업이다.

이들 기업은 스마트 시티, 스마트 캠퍼스 개발이라는 자신들의 주요 미션의 일환으로 최근 스트릿라인 IoT 게이트웨이(Streetline IoT Gateway)라는 새로운 솔루션을 선보였다. 데이터 스트리밍을 게이트웨이 내부에서 분석하는 방식을 통해 스트릿라인은 스마트 데이터와 선진적 분석을 활용해 도시와 대학, 캠퍼스 내부의 가용 주차 공간 정보와 주차 위치 제안을 제공하는 비즈니스 모델을 개발했다.

게이트웨이는 스트릿라인 고객들이 지상 센서와 비디오 카메라가 수집하는 정보를 보다 효율적으로 포착하고, 그에 기반해 보다 효과적인 의사 결정을 내릴 수 있도록 지원한다. 게이트웨이가 제공하는 주차 공간 효율화는 고객 도시들에 비용적 가치뿐 아니라 혼잡 방지의 효과 역시 전달한다. 스트릿라인의 솔루션은 IoT 데이터 분석을 수익 구조로 연결한 모범 사례로 시장의 주목을 받고 있다.

스트릿라인의 신형 게이트웨이 개발에는 시스코가 파트너로 참여했다. 게이트웨이의 동작에는 스트릿라인의 저전력 망 네트워크와 시스코의 스마트+ 커넥티드 와이파이 솔루션이 적용됐다.

트레인(Trane)이 설계하고 제작한 HVAC 설비도 좋은 사례다. 트레인은 자사의 설비에 센서를 삽입하고 데이터 분석을 적용함으로써 설비 관리자들이 여러 HVAC와 여타 기기들을 하나의 대형 시스템으로 판단하고 운영할 수 있도록 했다.

예를 들어 근무 시작 시간에 설비를 켜고 퇴근시 동작을 종료하는 대신 ‘스마트’ HVAC 시스템이 건물 내 인원 정보에 기반해 운영 여부를 판단하는 식이다. 트레인은 향후 설비 자체가 아닌 그 ‘결과물’(예: 시설 내 온도 유지 기능 등)을 상품화할 계획을 가지고 있다.

IoT 데이터 분석은 기업들이 그들이 개발하고 지원하는 솔루션을 완전히 새롭게 생각할 수 있도록 해준다. IoT를 분석할 선진적 도구들은 하나 둘 시장에 모습을 드러내고 있다. 이제 성공에 필요한 남은 열쇠는 자신의 창의성뿐이다.

*Puneet Pandit은 글래스빔(Glassbeam, Inc.)의 창업자 겸 CEO다. ciokr@idg.co.kr


2015.07.24

신제품 개발의 숨은 공신 'IoT와 빅데이터 분석'

Puneet Pandit | Network World
시장에 선 보이는 신제품의 40%는 실패한다. 실패의 이유는 간단하다. 사용자들이 원하는 기능을 파악하지 못했거나 컴포넌트의 수명이 제한적인 경우, 또 사용자들의 실제 이용 방식과 설계자의 의도 사이에 괴리가 있을 때 시장은 그 상품을 외면한다.

성공의 비결 역시 간단하다. 이런 원인들에 대한 시각에 기초해 보다 매력적인 상품을 개발하고 경제성을 개선하는, 그리고 무엇보다, 실제 자신들의 요구사항을 명확히 반영하는 상품 앞에서 소비자들은 기꺼이 지갑을 연다.

이러한 문제 의식에 기초해 최근 다양한 산업의 기업들은 거대한 실시간 기계 학습 데이터를 실행 가능한 정보로 전환해 제품 개발 프로세스를 개선하고, 기능적, 비용적 측면에서 제품 혁신이 필요한 지점을 포착하는 것을 주요 활동 목표로 삼는, 상품 개발 혁신 팀을 꾸리는 움직임을 보이고 있다.

IoT의 확산세 속에 기업들은 자신들의 상품에 내장된 센서들이 포착하는 막대한 정보를 수집해나가고 있고, 그 규모는 앞으로도 지속적으로 증가해나갈 것이다.

그러나 이러한 기계 데이터들은, 유형의 다양성과 규모의 문제로 인해 전통적인 수집, 분석 방법론으로는 처리에 어려움이 있다. 텍스트 로그, XML, JSON, CSV, SNMP 등 각기 다른 포맷의 데이터가 사건 메시지, 컨피그레이션 블롭(configuration blob), 통계적 덤프(statistical dump) 등 다양한 데이터 분류 범주로, 그리고 이메일, FTP, SFTP, 스트림, 배치 로그 파일에 이르는 다양한 프로토콜로 전달되는 상황은 이전에는 상상도 할 수 없는 것이었다.

선도적인 분석 툴 업체들은 이처럼 막대하고 다채로운 데이터를 실시간으로 다루며 기업들에게 기계 데이터 분석의 효율성과 경제성을 담보해주는 새로운 솔루션의 개발에 뛰어들기 시작했다.

IoT에서 취합한 데이터 분석
새로운 상품을 가장 효율적으로 개발하고 홍보하기 위해선 나만의 ‘단일 진리점(SPOT, single point of truth)’을 구축할 필요가 있다. 단일 진리점이란 포괄적이며 정확하고 시기 적절한 데이터 및 시각의 중심이라 할 수 있는 개념이다.

이 데이터와 시각들은 기업이 신제품을 설계, 제조, 홍보하는 과정에서 진행하는 모든 핵심적인 의사 결정(제품 특징, 가격, 배포처, 관련 기능 등)에 필요한 정보와 원칙을 제공한다. 단일 진리점을 구축하기 위한 정보 플랫폼의 핵심 요소는 다음과 같다:

- 테라바이트 규모의 정형, 비정형 운영 데이터를 포착할 수 있는 중앙 데이터 저장소
- 데이터 내 요소들 간의 의미와 관계를 설명, 구성해주는 분석 툴
- 고객들의 기존 상품 사용 경향에 대한 보고 기능 및 기존 제품 컴포넌트 성능 정보 등
- 신상품 개발 및 타 팀의 고객 분석 및 탐구 도구 제작을 지원하는 대시보드 및 유사 요소

기계 데이터 활용 사례들
스트릿라인(Streetline)은 신상품 개발에 IoT 데이터 분석을 적용한 모범 사례라 할 수 있는 기업이다.

이들 기업은 스마트 시티, 스마트 캠퍼스 개발이라는 자신들의 주요 미션의 일환으로 최근 스트릿라인 IoT 게이트웨이(Streetline IoT Gateway)라는 새로운 솔루션을 선보였다. 데이터 스트리밍을 게이트웨이 내부에서 분석하는 방식을 통해 스트릿라인은 스마트 데이터와 선진적 분석을 활용해 도시와 대학, 캠퍼스 내부의 가용 주차 공간 정보와 주차 위치 제안을 제공하는 비즈니스 모델을 개발했다.

게이트웨이는 스트릿라인 고객들이 지상 센서와 비디오 카메라가 수집하는 정보를 보다 효율적으로 포착하고, 그에 기반해 보다 효과적인 의사 결정을 내릴 수 있도록 지원한다. 게이트웨이가 제공하는 주차 공간 효율화는 고객 도시들에 비용적 가치뿐 아니라 혼잡 방지의 효과 역시 전달한다. 스트릿라인의 솔루션은 IoT 데이터 분석을 수익 구조로 연결한 모범 사례로 시장의 주목을 받고 있다.

스트릿라인의 신형 게이트웨이 개발에는 시스코가 파트너로 참여했다. 게이트웨이의 동작에는 스트릿라인의 저전력 망 네트워크와 시스코의 스마트+ 커넥티드 와이파이 솔루션이 적용됐다.

트레인(Trane)이 설계하고 제작한 HVAC 설비도 좋은 사례다. 트레인은 자사의 설비에 센서를 삽입하고 데이터 분석을 적용함으로써 설비 관리자들이 여러 HVAC와 여타 기기들을 하나의 대형 시스템으로 판단하고 운영할 수 있도록 했다.

예를 들어 근무 시작 시간에 설비를 켜고 퇴근시 동작을 종료하는 대신 ‘스마트’ HVAC 시스템이 건물 내 인원 정보에 기반해 운영 여부를 판단하는 식이다. 트레인은 향후 설비 자체가 아닌 그 ‘결과물’(예: 시설 내 온도 유지 기능 등)을 상품화할 계획을 가지고 있다.

IoT 데이터 분석은 기업들이 그들이 개발하고 지원하는 솔루션을 완전히 새롭게 생각할 수 있도록 해준다. IoT를 분석할 선진적 도구들은 하나 둘 시장에 모습을 드러내고 있다. 이제 성공에 필요한 남은 열쇠는 자신의 창의성뿐이다.

*Puneet Pandit은 글래스빔(Glassbeam, Inc.)의 창업자 겸 CEO다. ciokr@idg.co.kr


X