2020.01.13

데이터 기반 비즈니스에 '데이터 카탈로그'가 필요한 이유

Isaac Sacolick  | InfoWorld
관계형 데이터베이스, 데이터 레이크, NoSQL 데이터 저장소는 데이터를 삽입, 업데이트, 쿼리, 검색, 처리하는 강력한 툴이다. 그러나 이러한 데이터 관리 플랫폼에서 한 가지 역설적인 부분이 있다. 일반적으로 플랫폼 내의 데이터를 공유하기 위한 적절한 툴이나 사용자 인터페이스를 제공하지 않는다는 점이다. 이 때문에 이런 플랫폼 자체는 사실 데이터 금고에 더 가깝다. 안에 유용한 데이터가 있다는 것을 알지만 외부에서 손쉽게 그 데이터에 접근할 방법이 없다.



기업의 고민도 여기서 시작된다. 다수의 데이터 금고, 예를 들면 여러 엔터프라이즈 데이터베이스와 비교적 작은 데이터 저장소, 데이터센터, 클라우드, 애플리케이션, BI 툴, API, 스프레드시트, 오픈 데이터 소스를 다뤄야 한다는 점이다.

물론 관계형 데이터베이스의 메타데이터에서 테이블, 저장 프로시저, 인덱스를 비롯한 기타 데이터베이스 객체를 쿼리해 디렉터리를 얻을 수 있다. 그러나 기술적인 전문 지식이 필요한 데다 많은 시간이 필요하고, 최종 결과도 단일 데이터 소스의 기본적인 목록뿐이다. 데이터 모델을 리버스 엔지니어링하거나 메타데이터 탐색 기능이 있는 툴을 사용할 수 있지만 이러한 툴은 전문가용인 경우가 많고 주로 데이터베이스 감사, 문서화, 분석에 사용된다.

결국 데이터베이스의 내용을 쿼리하기 위한 이와 같은 접근 방법과 메타데이터를 추출하기 위한 툴은 다음과 같은 여러 이유로 지금의 데이터 기반 비즈니스의 요구사항에는 충분하지 않다.

• 기술에 너무 많은 전문 지식이 필요해 일반적인 최종 사용자에게는 접근성이 떨어진다.
• 여러 개의 대규모 데이터 데이터베이스와 다양한 데이터베이스 기술이 있고 하이브리드 클라우드를 운영하는 엔터프라이즈 관점에서 방법이 지나치게 수동적이다.
• 협업을 원하거나 주 데이터 집합과 파생된 데이터 집합으로 머신러닝 실험을 하고자 하는 데이터 과학자 또는 시민 데이터 과학자에게 별로 유용하지 않다.
• 데이터베이스 메타데이터 감사 전략으로 인해 데이터 관리팀이 선제적 데이터 거버넌스를 도입하기가 쉽지 않다.
 

기업의 데이터 자산에 대한 단일 진실 공급원

그 대안으로 주목받는 것이 데이터 카탈로그(Data catalogs)다. 이 개념은 꽤 오래전에 등장했다. 그러나 기업이 빅데이터 플랫폼을 확장하고 하이브리드 클라우드를 운영하고 데이터 과학과 머신러닝 프로그램에 투자하고 데이터를 기반으로 한 조직적 행동을 장려함에 따라 더 전략적인 요소로 발전했다.

데이터 카탈로그를 이해하는 첫 번째 개념은 데이터 카탈로그가 전체 기업이 데이터 소스를 중심으로 학습하고 협업하는 툴이라는 것이다. 데이터 기반이라는 속성을 더 강화하고자 하는 조직, 데이터 과학자가 머신러닝을 테스트하는 조직을 비롯해 기타 고객 대면 애플리케이션에 분석 기술을 포함하는 기업이라면 데이터 카탈로그가 매우 중요하다.

데이터베이스 엔지니어, 소프트웨어 개발자 및 기타 기술자는 주 엔터프라이즈 데이터 소스에 데이터 카탈로그를 통합한다. 또한 이들은 데이터베이스가 만들어지거나 업데이트될 때 데이터 카탈로그를 사용하고 기여하는 역할도 한다.

즉, 대부분의 엔터프라이즈 데이터 자산과 상호작용하는 데이터 카탈로그는 단일 진실 공급원(single source of truth)이라고 할 수 있다. 데이터 카탈로그는 어떤 데이터가 있는지, 최적의 데이터 소스를 어떻게 찾을지, 데이터를 어떻게 보호할지, 전문 기술을 가진 사람이 누구인지에 대한 질문에 대한 답을 찾는 데 도움이 된다. 데이터 카탈로그에는 데이터 소스를 찾고 소스에 대한 메타데이터를 캡처하고 검색하고 몇 가지 메타데이터 관리 기능을 제공하기 위한 툴이 포함된다.

많은 데이터 카탈로그는 구조화된 디렉터리 개념 이상의 역할을 한다. 데이터 카탈로그에는 데이터 소스와 개체(entity), 객체 간의 관계가 포함되는 경우가 많다. 대부분의 카탈로그는 특히 기밀성, 개인정보보호, 보안에 관한 여러 메타데이터 클래스를 추적한다. 여러 사람과 부서, 애플리케이션이 어떻게 데이터 소스를 활용하는지에 관한 정보를 포착하고 공유한다. 또한 대부분의 데이터 카탈로그에는 데이터 사전을 정의하는 툴이 포함된다. 일부는 데이터를 프로파일링하고 정제하고 기타 데이터 관리 기능을 수행하기 위한 툴을 묶어 함께 제공한다. 또한 전문화된 데이터 카탈로그는 마스터 데이터 관리와 데이터 계보(data lineage) 기능을 활성화하거나 이러한 기능과 상호작용한다.
 

데이터 카탈로그 제품과 서비스

시장에는 데이터 카탈로그 툴과 플랫폼이 풍부하다. 다른 인프라와 엔터프라이즈 데이터 관리 기능에서 분리돼 나온 경우도 있고 사용 편의성, 협업, 머신러닝 차별화 요소에 초점을 둔 새로운 기능을 제공하는 제품도 있다. 기업의 규모, 사용자 경험, 데이터 과학 전략, 데이터 아키텍처, 기타 기업 요구사항에 따라 선택하면 된다. 주요 데이터 카탈로그 제품은 다음과 같다.

애저 데이터 카탈로그AWS 글루(Glue)는 공용 클라우드 플랫폼에 내장된 데이터 카탈로그 서비스다.
• 많은 데이터 통합 플랫폼에는 데이터 카탈로그 기능이 있다. 인포매티카 엔터프라이즈 데이터 카탈로그(Informatica Enterprise Data Catalog), 탈렌드 데이터 카탈로그(Talend Data Catalog), SAP 데이터 허브(SAP Data Hub), IBM 인포스피어 인포메이션 거버넌스 카탈로그(IBM Infosphere Information Governance Catalog)가 여기에 해당한다.
• 일부 데이터 카탈로그는 빅데이터 플랫폼과 하이브리드 클라우드를 위한 제품이다. 클라우데라 데이터 플랫폼, 인포웍스 데이터파운드리 등이 여기에 속하는데 데이터 운영과 오케스트레이션을 지원한다.
유니파이 데이터 카탈로그(Unifi Data Catalog), 앨레이션 데이터 카탈로그(Alation Data Catalog), 콜리브라 카탈로그(Collibra Catalog), 워터라인 데이터(Waterline Data), IBM 왓슨 날리지 카탈로그(IBM Watson Knowledge Catalog)를 포함해 머신러닝 기능이 있는 독립형 플랫폼이 있다.
스티보 시스템즈(Stibo Systems), 렐티오(Reltio)와 같은 마스터 데이터 관리 툴과, 암  데이터(Arm Treasure Data)와 같은 고객 데이터 플랫폼도 데이터 카탈로그 역할을 할 수 있다.
 

통찰력과 실험을 이끄는 머신러닝 기능

데이터 검색 자동화, 리포지토리 검색 구현, 협업 툴 제공은 데이터 카탈로그의 기본이다. 여기서 더 발전한 데이터 카탈로그에는 머신러닝, 자연어 처리, 로우 코드 구현 기능이 포함된다.

머신러닝 기능은 플랫폼에 따라 여러 형태를 취한다. 예를 들어 유니파이의 내장된 추천 엔진은 사람들이 주 데이터 집합과 파생된 데이터 집합을 어떻게 사용하고 결합하고 라벨링하는지 살펴본다. 이용 지표를 캡처하고 머신러닝을 사용해 다른 최종 사용자가 비슷한 데이터 집합과 패턴을 쿼리할 때 추천한다. 또한 유니파이는 머신러닝 알고리즘을 사용해서 데이터를 프로파일링하고 민감한 개인 식별 정보를 확인하고 데이터 소스에 태그를 지정한다.

콜리브라는 머신러닝을 사용해 데이터 스튜어드(data steward)의 데이터 분류 작업을 돕는다. 오토매틱 데이터 클래시피케이션(Automatic Data Classification)이 새로운 데이터 집합을 분석해 주소, 금융 정보, 제품 식별자와 같은 40개의 기본 분류와 대조한다. 워터라인 데이터는 엔터프라이즈 데이터 검색, 분류, 관리를 자동화하는 특허 지문 기술을 보유하고 있다. 워터라인 데이터의 초점 영역 중 하나는 민감한 데이터의 식별과 태깅으로, 태깅에 필요한 시간을 80% 줄여준다고 주장한다.

이처럼 플랫폼마다 데이터 처리를 위한 전략과 기술적 역량도 다양하다. 데이터 카탈로그와 메타데이터 수준에서만 작동하는 플랫폼이 있는가 하면 더 확장된 데이터 준비, 통합, 정제 및 기타 데이터 운영 기능을 제공하는 플랫폼도 있다. 인포웍스 데이터파운드리(InfoWorks DataFoundry)는 엔터프라이즈 데이터 운영 및 오케스트레이션 시스템으로, 머신러닝 알고리즘과의 직접 통합이 특징이다. 로우 코드 비주얼 프로그래밍 인터페이스를 통해 최종 사용자가 k-평균 클러스터링, 랜덤 포레스트 분류와 같은 머신러닝 알고리즘과 데이터를 연결할 수 있게 해준다.

지금은 갈수록 불어나는 데이터 자산을 가진 기업을 위한 거버넌스, 운영 기능, 검색 툴을 제공하는 데이터 카탈로그와 같은 선제적 플랫폼의 초기 단계다. 기업이 데이터와 분석에서 더 많은 비즈니스 가치를 실현하게 되면 데이터 활용을 확장하고 관리하기 위한 필요성도 커지게 될 것이다. 머신러닝 기능은 다양한 데이터 카탈로그 플랫폼이 경쟁하게 될 분야 중 하나다. editor@itworld.co.kr


2020.01.13

데이터 기반 비즈니스에 '데이터 카탈로그'가 필요한 이유

Isaac Sacolick  | InfoWorld
관계형 데이터베이스, 데이터 레이크, NoSQL 데이터 저장소는 데이터를 삽입, 업데이트, 쿼리, 검색, 처리하는 강력한 툴이다. 그러나 이러한 데이터 관리 플랫폼에서 한 가지 역설적인 부분이 있다. 일반적으로 플랫폼 내의 데이터를 공유하기 위한 적절한 툴이나 사용자 인터페이스를 제공하지 않는다는 점이다. 이 때문에 이런 플랫폼 자체는 사실 데이터 금고에 더 가깝다. 안에 유용한 데이터가 있다는 것을 알지만 외부에서 손쉽게 그 데이터에 접근할 방법이 없다.



기업의 고민도 여기서 시작된다. 다수의 데이터 금고, 예를 들면 여러 엔터프라이즈 데이터베이스와 비교적 작은 데이터 저장소, 데이터센터, 클라우드, 애플리케이션, BI 툴, API, 스프레드시트, 오픈 데이터 소스를 다뤄야 한다는 점이다.

물론 관계형 데이터베이스의 메타데이터에서 테이블, 저장 프로시저, 인덱스를 비롯한 기타 데이터베이스 객체를 쿼리해 디렉터리를 얻을 수 있다. 그러나 기술적인 전문 지식이 필요한 데다 많은 시간이 필요하고, 최종 결과도 단일 데이터 소스의 기본적인 목록뿐이다. 데이터 모델을 리버스 엔지니어링하거나 메타데이터 탐색 기능이 있는 툴을 사용할 수 있지만 이러한 툴은 전문가용인 경우가 많고 주로 데이터베이스 감사, 문서화, 분석에 사용된다.

결국 데이터베이스의 내용을 쿼리하기 위한 이와 같은 접근 방법과 메타데이터를 추출하기 위한 툴은 다음과 같은 여러 이유로 지금의 데이터 기반 비즈니스의 요구사항에는 충분하지 않다.

• 기술에 너무 많은 전문 지식이 필요해 일반적인 최종 사용자에게는 접근성이 떨어진다.
• 여러 개의 대규모 데이터 데이터베이스와 다양한 데이터베이스 기술이 있고 하이브리드 클라우드를 운영하는 엔터프라이즈 관점에서 방법이 지나치게 수동적이다.
• 협업을 원하거나 주 데이터 집합과 파생된 데이터 집합으로 머신러닝 실험을 하고자 하는 데이터 과학자 또는 시민 데이터 과학자에게 별로 유용하지 않다.
• 데이터베이스 메타데이터 감사 전략으로 인해 데이터 관리팀이 선제적 데이터 거버넌스를 도입하기가 쉽지 않다.
 

기업의 데이터 자산에 대한 단일 진실 공급원

그 대안으로 주목받는 것이 데이터 카탈로그(Data catalogs)다. 이 개념은 꽤 오래전에 등장했다. 그러나 기업이 빅데이터 플랫폼을 확장하고 하이브리드 클라우드를 운영하고 데이터 과학과 머신러닝 프로그램에 투자하고 데이터를 기반으로 한 조직적 행동을 장려함에 따라 더 전략적인 요소로 발전했다.

데이터 카탈로그를 이해하는 첫 번째 개념은 데이터 카탈로그가 전체 기업이 데이터 소스를 중심으로 학습하고 협업하는 툴이라는 것이다. 데이터 기반이라는 속성을 더 강화하고자 하는 조직, 데이터 과학자가 머신러닝을 테스트하는 조직을 비롯해 기타 고객 대면 애플리케이션에 분석 기술을 포함하는 기업이라면 데이터 카탈로그가 매우 중요하다.

데이터베이스 엔지니어, 소프트웨어 개발자 및 기타 기술자는 주 엔터프라이즈 데이터 소스에 데이터 카탈로그를 통합한다. 또한 이들은 데이터베이스가 만들어지거나 업데이트될 때 데이터 카탈로그를 사용하고 기여하는 역할도 한다.

즉, 대부분의 엔터프라이즈 데이터 자산과 상호작용하는 데이터 카탈로그는 단일 진실 공급원(single source of truth)이라고 할 수 있다. 데이터 카탈로그는 어떤 데이터가 있는지, 최적의 데이터 소스를 어떻게 찾을지, 데이터를 어떻게 보호할지, 전문 기술을 가진 사람이 누구인지에 대한 질문에 대한 답을 찾는 데 도움이 된다. 데이터 카탈로그에는 데이터 소스를 찾고 소스에 대한 메타데이터를 캡처하고 검색하고 몇 가지 메타데이터 관리 기능을 제공하기 위한 툴이 포함된다.

많은 데이터 카탈로그는 구조화된 디렉터리 개념 이상의 역할을 한다. 데이터 카탈로그에는 데이터 소스와 개체(entity), 객체 간의 관계가 포함되는 경우가 많다. 대부분의 카탈로그는 특히 기밀성, 개인정보보호, 보안에 관한 여러 메타데이터 클래스를 추적한다. 여러 사람과 부서, 애플리케이션이 어떻게 데이터 소스를 활용하는지에 관한 정보를 포착하고 공유한다. 또한 대부분의 데이터 카탈로그에는 데이터 사전을 정의하는 툴이 포함된다. 일부는 데이터를 프로파일링하고 정제하고 기타 데이터 관리 기능을 수행하기 위한 툴을 묶어 함께 제공한다. 또한 전문화된 데이터 카탈로그는 마스터 데이터 관리와 데이터 계보(data lineage) 기능을 활성화하거나 이러한 기능과 상호작용한다.
 

데이터 카탈로그 제품과 서비스

시장에는 데이터 카탈로그 툴과 플랫폼이 풍부하다. 다른 인프라와 엔터프라이즈 데이터 관리 기능에서 분리돼 나온 경우도 있고 사용 편의성, 협업, 머신러닝 차별화 요소에 초점을 둔 새로운 기능을 제공하는 제품도 있다. 기업의 규모, 사용자 경험, 데이터 과학 전략, 데이터 아키텍처, 기타 기업 요구사항에 따라 선택하면 된다. 주요 데이터 카탈로그 제품은 다음과 같다.

애저 데이터 카탈로그AWS 글루(Glue)는 공용 클라우드 플랫폼에 내장된 데이터 카탈로그 서비스다.
• 많은 데이터 통합 플랫폼에는 데이터 카탈로그 기능이 있다. 인포매티카 엔터프라이즈 데이터 카탈로그(Informatica Enterprise Data Catalog), 탈렌드 데이터 카탈로그(Talend Data Catalog), SAP 데이터 허브(SAP Data Hub), IBM 인포스피어 인포메이션 거버넌스 카탈로그(IBM Infosphere Information Governance Catalog)가 여기에 해당한다.
• 일부 데이터 카탈로그는 빅데이터 플랫폼과 하이브리드 클라우드를 위한 제품이다. 클라우데라 데이터 플랫폼, 인포웍스 데이터파운드리 등이 여기에 속하는데 데이터 운영과 오케스트레이션을 지원한다.
유니파이 데이터 카탈로그(Unifi Data Catalog), 앨레이션 데이터 카탈로그(Alation Data Catalog), 콜리브라 카탈로그(Collibra Catalog), 워터라인 데이터(Waterline Data), IBM 왓슨 날리지 카탈로그(IBM Watson Knowledge Catalog)를 포함해 머신러닝 기능이 있는 독립형 플랫폼이 있다.
스티보 시스템즈(Stibo Systems), 렐티오(Reltio)와 같은 마스터 데이터 관리 툴과, 암  데이터(Arm Treasure Data)와 같은 고객 데이터 플랫폼도 데이터 카탈로그 역할을 할 수 있다.
 

통찰력과 실험을 이끄는 머신러닝 기능

데이터 검색 자동화, 리포지토리 검색 구현, 협업 툴 제공은 데이터 카탈로그의 기본이다. 여기서 더 발전한 데이터 카탈로그에는 머신러닝, 자연어 처리, 로우 코드 구현 기능이 포함된다.

머신러닝 기능은 플랫폼에 따라 여러 형태를 취한다. 예를 들어 유니파이의 내장된 추천 엔진은 사람들이 주 데이터 집합과 파생된 데이터 집합을 어떻게 사용하고 결합하고 라벨링하는지 살펴본다. 이용 지표를 캡처하고 머신러닝을 사용해 다른 최종 사용자가 비슷한 데이터 집합과 패턴을 쿼리할 때 추천한다. 또한 유니파이는 머신러닝 알고리즘을 사용해서 데이터를 프로파일링하고 민감한 개인 식별 정보를 확인하고 데이터 소스에 태그를 지정한다.

콜리브라는 머신러닝을 사용해 데이터 스튜어드(data steward)의 데이터 분류 작업을 돕는다. 오토매틱 데이터 클래시피케이션(Automatic Data Classification)이 새로운 데이터 집합을 분석해 주소, 금융 정보, 제품 식별자와 같은 40개의 기본 분류와 대조한다. 워터라인 데이터는 엔터프라이즈 데이터 검색, 분류, 관리를 자동화하는 특허 지문 기술을 보유하고 있다. 워터라인 데이터의 초점 영역 중 하나는 민감한 데이터의 식별과 태깅으로, 태깅에 필요한 시간을 80% 줄여준다고 주장한다.

이처럼 플랫폼마다 데이터 처리를 위한 전략과 기술적 역량도 다양하다. 데이터 카탈로그와 메타데이터 수준에서만 작동하는 플랫폼이 있는가 하면 더 확장된 데이터 준비, 통합, 정제 및 기타 데이터 운영 기능을 제공하는 플랫폼도 있다. 인포웍스 데이터파운드리(InfoWorks DataFoundry)는 엔터프라이즈 데이터 운영 및 오케스트레이션 시스템으로, 머신러닝 알고리즘과의 직접 통합이 특징이다. 로우 코드 비주얼 프로그래밍 인터페이스를 통해 최종 사용자가 k-평균 클러스터링, 랜덤 포레스트 분류와 같은 머신러닝 알고리즘과 데이터를 연결할 수 있게 해준다.

지금은 갈수록 불어나는 데이터 자산을 가진 기업을 위한 거버넌스, 운영 기능, 검색 툴을 제공하는 데이터 카탈로그와 같은 선제적 플랫폼의 초기 단계다. 기업이 데이터와 분석에서 더 많은 비즈니스 가치를 실현하게 되면 데이터 활용을 확장하고 관리하기 위한 필요성도 커지게 될 것이다. 머신러닝 기능은 다양한 데이터 카탈로그 플랫폼이 경쟁하게 될 분야 중 하나다. editor@itworld.co.kr


X