7일 전

각 산업으로 뻗어가는 'AI' 기업 성공 사례 3가지

Bob Violino | InfoWorld
AI(Artificial intelligence)과 머신러닝(Machine Learning)은 현재 하이프 사이클(hype cycle)의 정점에 있는 듯하지만, 그렇다고 기업에서 이 2개 기술을 활용해 유형적인 이익을 실현할 수 없다는 의미는 아니다.

AI와 머신러닝으로 기업의 내부 비즈니스 프로세스를 개선하고 효과를 거두는 3가지 사례를 소개한다.


사례 1. 영업과 마케팅의 강화비콘 스트리트 서비스

비콘 스트리트 서비스(Beacon Street Services)는 여러 애플리케이션 전반에서 일관성과 정확성을 보장하기 위해 모든 회사 데이터에 대한 '단일 진실 공급원(Single Source Of Truth, SSOT)'이 필요했다. 비콘 스트리트 서비스는 유료 구독 형태의 금융 간행물을 제작하는 스탠스베리 홀딩스(Stansberry Holdings)의 서비스 사업부다.

클라우드 기반 데이터웨어하우스 서비스인 스노우플레이크(Snowflake)를 사용해 방대한 양의 데이터를 수집, 저장해온 비콘 스트리트 서비스는 구독 판매를 위한 영업 및 마케팅 팀의 기존 전략과 프로세스를 개선하는 데 이 데이터를 활용할 방법을 모색했다.

비콘 스트리트 서비스의 엔지니어링 담당 부사장인 데이비드 클라인은 “마케팅 팀과 영업 팀은 데이터 과학 접근 방식을 적용해 영업 프로세스를 개선할 수 있다고 판단했다. 이 방식을 도입해 구매 기준을 더 정확히 파악함으로써 마케팅 팀의 캠페인을 개선하는 데 도움이 되고자 했다”라고 말했다.

비콘 스트리트 서비스는 2019년 초부터 스노우플레이크 데이터웨어하우스에서 과거 사용자 데이터를 가져와 데이터로봇(DataRobot)의 엔터프라이즈 AI 플랫폼에 로드한 다음, 10여 개의 최신 데이터 과학 알고리즘을 사용해 빠르게, 자동으로 여러 모델을 구축했다. 이 모델들은 구매 기준을 파악해 마케팅 팀이 더 표적화되고 효과적인 캠페인을 진행하도록 돕는다.

클라인은 현재 데이터웨어하우스에서 AI 플랫폼으로 계속해서 대량의 데이터를 공급하고 있다고 밝혔다.

비콘 스트리트 서비스는 새로운 프로세스의 결과로 판매량에서 10% 증가 효과를 거두었으며, 순수 AI 플랫폼에 기인한 연간 매출액 증가분은 1,500만 달러에 이를 전망이다. 클라인은 비콘 스트리트 서비스에서 이 플랫폼을 구현한 이후 지금까지 매출 증대와 비용 절감 측면에서 30~35%의 투자 수익을 거두었다고 말했다.

클라인은 “예를 들어 예전에는 자동 구독 갱신에 따르는 지불거절 위험을 판단하고 위험 평가 모델을 만들기 위해 과거의 거래를 수동으로 살펴봐야 했다”면서, “AI를 사용해 이 프로세스를 자동화했을 뿐만 아니라, 향후의 거래를 사전에 처리하는 혜택까지 얻었다”라고 설명했다.

데이터로봇 플랫폼은 AI를 사용해 정확도를 개선하고 마케팅 캠페인을 최적화하는 효과 외에 상당한 시간 절약 효과도 제공했다. 이전에는 모델을 개발하는 데 길게는 6주가 걸렸고 최적의 알고리즘이 선택된다는 보장도 없었다. 엔터프라이즈 AI 플랫폼을 사용하는 지금은 더 적절한 알고리즘을 사용하는 모델을 개발하고 배포하는 데 소요되는 시간이 1주일로 줄어들었다.

부수적인 효과는 회사의 IT 팀이 데이터 분석에 소비하는 시간을 줄이고 비즈니스를 위한 가치있는 프로젝트에 더 많은 시간을 투자하고 있다는 점이다.


사례 2. 보안 개선을 위한 문서 분류컴퍼니 너스

기업 직원을 위한 코로나19 검진, 작업장 부상 보고 및 간호 환자 분류 서비스를 제공하는 컴퍼니 너스(Company Nurse)는 여러 분야에서 AI를 활용 중이다.

그 가운데 하나는 문서 분류 프로세스를 개선하는 프로젝트다. 컴퍼니 너스는 2020년 고객 및 최종 사용자 대신 민간 근로자의 보상 데이터를 보호하기 위해 시맨틱 인텔리전스(Semantic Intelligence) 플랫폼인 컨센트릭(Concentric)을 구축했다.

이 시스템은 컴퍼니 너스의 중요한 비정형 데이터를 스스로 발견해서 데이터 스프롤(data sprawl)을 완화하고 위협 표면을 줄일 수 있게 해준다.

컴퍼니 너스는 고객 서비스의 일부로 작업자의 보상에 대한 사고 보고서를 작성하고, 다친 작업자를 위한 적절한 간호 자문을 제공하고 위탁을 위한 공급업체를 관리한다. 컴퍼니 너스 CTO 헨리 스벤드블라드는 보고서와 양식의 정보에는 상당한 양의 비정형 데이터가 있다고 말했다.

컴퍼니 너스는 컨센트릭의 AI 기반 시스템을 사용해 직원이 수동으로 데이터를 살펴볼 필요 없이 문서에 포함된 개인정보를 보호할 수 있다. 이 플랫폼은 딥러닝을 사용해 데이터를 분류하고 비즈니스 위험을 찾아내고 위험을 낮춰 비정형 데이터 보안을 자동화한다.

시맨틱 인텔리전스는 각 데이터 범주에 대한 보안 기준선을 사용해 이 기준선에 대한 개별 문서의 “위험 거리”를 계산한다. 위험 거리는 부적절한 정보 공유, 위험한 저장 위치, 부정확한 분류와 같은 이벤트를 드러낸다.

스벤드블라드는 플랫폼을 구축하고 얼마 지나지 않아 유지할 필요가 없는 중복된 파일을 식별하고 접근 권한을 개선할 기회를 발견할 수 있었다고 말했다. 또한 컴퍼니 너스는 과도한 공유와 느슨한 접근 권한으로 인해 개방된 공유 애플리케이션에 방치된 다수의 민간 부상 보고서도 발견했다.

스벤드블라드는 “이런 문서가 유출되었다면 컴퍼니 너스는 심대한 타격을 입었을 것”이라면서 “AI가 자동으로 문서를 분류해주는 덕분에 파일이 과도하게 공유된 작은 ‘사각 지점’을 여러 개 없앴다. 하나의 침해 차단이 우리에게는 수천, 수만 달러의 가치가 있다. 솔루션 비용은 ROI 측면에서도 투자할 가치가 충분하다”라고 설명했다.

컴퍼니 너스는 문서 분류 프로세스 외에, 영업 기회 점수 계산, 데이터 분석, 제로데이 보안 위협 식별, 음성-텍스트 변환 등의 기능에 AI 기반 소프트웨어 제품을 적용하고 있다.

스벤드블라드는 AI 기술에 투자한 금액을 추산하기는 어렵다고 말했다. 사용 중인 다양한 소프트웨어 제품에 도구가 내장되는 형태이기 때문이다. 그러나 컴퍼니 너스는 컨택센터 보안 강화, 직원들의 일과 삶의 균형 개선, 서비스 품질 개선 등을 포함한 여러 효과를 거두었다.


사례 3. 자율 석유 시추를 향한 한 걸음 진전데본 에너지

석유와 가스 기업은 갈수록 커지는 시추 작업의 효율성 제고 압력에 직면해 있다. 데본 에너지(Devon Energy)도 이런 기업 가운데 하나로, 현재 AI와 머신러닝 기능을 실시간 의사 결정에 활용하기 위한 초기 단계에 있다. 이 시스템은 향후 폐루프 자동화 기능 또는 각 유전 현장의 자율 시추 장비로 이어져 전체적인 현장 운영과 효율성, 안전성을 높일 수 있다.

최근 WPX 에너지(2020년부터 AI/머신러닝 기술을 추진)와 합병한 데본 에너지는 하이브셀(Hivecell)이라는 제품을 사용해 웨스트 텍사스와 노스 다코타 지역의 시추 현장에 엣지 컴퓨팅 기능을 구축했다. 같은 이름의 기업이 제공하는 하이브셀은 '서비스형 엣지(edge-as-service)' 제품으로, 데이터의 출처와 가까운 곳에서 컴퓨팅과 분석을 실행할 수 있게 해준다.

데이터는 유압 파쇄 공정에 사용되는 서비스 업체의 장비 센서에서 생성된다. 데이터는 센서에서 이 서비스 업체의 시스템으로 전송된 다음 TCP/IP 프로토콜을 통해 다시 하이브셀로 전송된다.

데본 에너지는 하이브셀을 활용해 원격 유전 현장에서 머신러닝을 처리하는 첫 단계에 있다. 이 기능 덕분에 데본은 처리를 위해 모든 데이터를 클라우드로 보내는, 값비싸고 속도도 느린 과정을 거치지 않아도 된다. 하이브셀은 아파치 카프카(Apache Kafka)과 함께 원시 시추 현장 데이터를 관리하는 컨플루언트(Confluent)의 이벤트 스트리밍 플랫폼에 사용된다.

데본 에너지의 데이터 과학 자문인 딩저우 카오는 “항상 시추 및 마감 운영 효율성을 개선할 방법과 머신러밍을 통해 수작업을 자동화할 방법을 찾는다”라고 설명했다. 이 프로젝트의 첫 단계는 천연 가스와 석유가 더 원활하게 흐를 수 있도록 가압 액체로 기반암을 파쇄하는 유정 자극 기법인 유압 파쇄에서 실시간 데이터를 수집하는 것이다.

카오는 “현재 실시간 데이터에서 자동으로 유압 파쇄 이벤트를 탐지하기 위한 모델을 구축하는 중”이라며 “항상 앞을 내다보면서 효율성을 높이고 공정을 개선할 방법을 모색한다”라고 말했다.

일반적으로 현재의 석유 및 가스 기업은 원격지에서 가져온 데이터를 근 실시간으로 처리하고 분석하기 위해 클라우드 컴퓨팅 서비스에 의존하지만 인터넷 연결의 불안정성과 지연 문제가 있다.

카오는 “클라우드에서 데이터를 처리하는 자율주행 차량을 생각해 보면 된다. 탑승자와 차량 주변 사람의 안전을 위해 차량의 대응은 밀리초 단위로 이뤄져야 한다. 따라서 차량에서 클라우드로 데이터를 전송하는 데 소비되는 시간은 극히 중요하며, 진정한 실시간이 아닐 경우 안전 사고로 이어질 수 있다”라고 설명했다.

폐루프 최적화, 예를 들어 유전 현장의 자동 시추 장비의 경우도 마찬가지다. 카오는 “실시간으로 대응해야 한다. 불안정한 인터넷 연결로 인해 데이터가 손실되는 위험을 감수할 수 없다”라고 말했다.

데본 에너지는 진정한 실시간 분석 기반 의사 결정, 궁극적으로는 유전 현장의 폐루프 제어를 위한 토대를 구축하는 중이다. 이렇게 되면 시추 작업 전반의 실시간 폐루프 제어에 엣지 기반 스트림 프로세싱을 사용할 수 있게 된다. 머신러닝 모델에 의해 생산된 데이터 스트림과 유전 현장의 분석 전처리 데이터는 다른 용도로 클라우드에도 복제된다.

카오는 “하이브셀은 현장에서 운영되므로 지연이나 인터넷 불안정성 문제에 대한 걱정이 없다”면서 이 플랫폼으로 데본은 유전 현장에서 손쉽게 머신러닝 모델을 배포, 관리, 확장할 수 있게 될 것이라고 예상했다.

데본 에너지는 2021년에 첫 단계를 완료한 다음 2단계에 돌입하는 것을 목표로 두고 있다. 2단계에서는 가장 중대한 비즈니스 요구를 기반으로 분석 모델을 결정한다.

카오는 구체적인 비용 정보는 제공하지 않았지만 클라우드 방식에 비해 비용 효율적이라면서 “하이브셀을 활용해 스택 위에서 데이터를 처리하므로 비슷한 스트림 프로세싱 엔진을 위한 소프트웨어 라이선스 요금을 지불할 필요가 없다”라고 설명했다.

카오는 “실시간 데이터를 그 데이터가 가장 필요한 사람에게, 가장 필요할 때 제공하고 있다. 엔지니어들은 자신의 휴대폰이나 컴퓨터를 통해 이 실시간 데이터에 접근할 수 있다. 아직 이 데이터를 캡처하는 데 초점을 두는 첫 단계지만, 이후의 단계로 발전하면서 분석 모델을 사용해 유전 현장의 의사 결정을 지원하게 될 것”이라고 덧붙였다. editor@itworld.co.kr


7일 전

각 산업으로 뻗어가는 'AI' 기업 성공 사례 3가지

Bob Violino | InfoWorld
AI(Artificial intelligence)과 머신러닝(Machine Learning)은 현재 하이프 사이클(hype cycle)의 정점에 있는 듯하지만, 그렇다고 기업에서 이 2개 기술을 활용해 유형적인 이익을 실현할 수 없다는 의미는 아니다.

AI와 머신러닝으로 기업의 내부 비즈니스 프로세스를 개선하고 효과를 거두는 3가지 사례를 소개한다.


사례 1. 영업과 마케팅의 강화비콘 스트리트 서비스

비콘 스트리트 서비스(Beacon Street Services)는 여러 애플리케이션 전반에서 일관성과 정확성을 보장하기 위해 모든 회사 데이터에 대한 '단일 진실 공급원(Single Source Of Truth, SSOT)'이 필요했다. 비콘 스트리트 서비스는 유료 구독 형태의 금융 간행물을 제작하는 스탠스베리 홀딩스(Stansberry Holdings)의 서비스 사업부다.

클라우드 기반 데이터웨어하우스 서비스인 스노우플레이크(Snowflake)를 사용해 방대한 양의 데이터를 수집, 저장해온 비콘 스트리트 서비스는 구독 판매를 위한 영업 및 마케팅 팀의 기존 전략과 프로세스를 개선하는 데 이 데이터를 활용할 방법을 모색했다.

비콘 스트리트 서비스의 엔지니어링 담당 부사장인 데이비드 클라인은 “마케팅 팀과 영업 팀은 데이터 과학 접근 방식을 적용해 영업 프로세스를 개선할 수 있다고 판단했다. 이 방식을 도입해 구매 기준을 더 정확히 파악함으로써 마케팅 팀의 캠페인을 개선하는 데 도움이 되고자 했다”라고 말했다.

비콘 스트리트 서비스는 2019년 초부터 스노우플레이크 데이터웨어하우스에서 과거 사용자 데이터를 가져와 데이터로봇(DataRobot)의 엔터프라이즈 AI 플랫폼에 로드한 다음, 10여 개의 최신 데이터 과학 알고리즘을 사용해 빠르게, 자동으로 여러 모델을 구축했다. 이 모델들은 구매 기준을 파악해 마케팅 팀이 더 표적화되고 효과적인 캠페인을 진행하도록 돕는다.

클라인은 현재 데이터웨어하우스에서 AI 플랫폼으로 계속해서 대량의 데이터를 공급하고 있다고 밝혔다.

비콘 스트리트 서비스는 새로운 프로세스의 결과로 판매량에서 10% 증가 효과를 거두었으며, 순수 AI 플랫폼에 기인한 연간 매출액 증가분은 1,500만 달러에 이를 전망이다. 클라인은 비콘 스트리트 서비스에서 이 플랫폼을 구현한 이후 지금까지 매출 증대와 비용 절감 측면에서 30~35%의 투자 수익을 거두었다고 말했다.

클라인은 “예를 들어 예전에는 자동 구독 갱신에 따르는 지불거절 위험을 판단하고 위험 평가 모델을 만들기 위해 과거의 거래를 수동으로 살펴봐야 했다”면서, “AI를 사용해 이 프로세스를 자동화했을 뿐만 아니라, 향후의 거래를 사전에 처리하는 혜택까지 얻었다”라고 설명했다.

데이터로봇 플랫폼은 AI를 사용해 정확도를 개선하고 마케팅 캠페인을 최적화하는 효과 외에 상당한 시간 절약 효과도 제공했다. 이전에는 모델을 개발하는 데 길게는 6주가 걸렸고 최적의 알고리즘이 선택된다는 보장도 없었다. 엔터프라이즈 AI 플랫폼을 사용하는 지금은 더 적절한 알고리즘을 사용하는 모델을 개발하고 배포하는 데 소요되는 시간이 1주일로 줄어들었다.

부수적인 효과는 회사의 IT 팀이 데이터 분석에 소비하는 시간을 줄이고 비즈니스를 위한 가치있는 프로젝트에 더 많은 시간을 투자하고 있다는 점이다.


사례 2. 보안 개선을 위한 문서 분류컴퍼니 너스

기업 직원을 위한 코로나19 검진, 작업장 부상 보고 및 간호 환자 분류 서비스를 제공하는 컴퍼니 너스(Company Nurse)는 여러 분야에서 AI를 활용 중이다.

그 가운데 하나는 문서 분류 프로세스를 개선하는 프로젝트다. 컴퍼니 너스는 2020년 고객 및 최종 사용자 대신 민간 근로자의 보상 데이터를 보호하기 위해 시맨틱 인텔리전스(Semantic Intelligence) 플랫폼인 컨센트릭(Concentric)을 구축했다.

이 시스템은 컴퍼니 너스의 중요한 비정형 데이터를 스스로 발견해서 데이터 스프롤(data sprawl)을 완화하고 위협 표면을 줄일 수 있게 해준다.

컴퍼니 너스는 고객 서비스의 일부로 작업자의 보상에 대한 사고 보고서를 작성하고, 다친 작업자를 위한 적절한 간호 자문을 제공하고 위탁을 위한 공급업체를 관리한다. 컴퍼니 너스 CTO 헨리 스벤드블라드는 보고서와 양식의 정보에는 상당한 양의 비정형 데이터가 있다고 말했다.

컴퍼니 너스는 컨센트릭의 AI 기반 시스템을 사용해 직원이 수동으로 데이터를 살펴볼 필요 없이 문서에 포함된 개인정보를 보호할 수 있다. 이 플랫폼은 딥러닝을 사용해 데이터를 분류하고 비즈니스 위험을 찾아내고 위험을 낮춰 비정형 데이터 보안을 자동화한다.

시맨틱 인텔리전스는 각 데이터 범주에 대한 보안 기준선을 사용해 이 기준선에 대한 개별 문서의 “위험 거리”를 계산한다. 위험 거리는 부적절한 정보 공유, 위험한 저장 위치, 부정확한 분류와 같은 이벤트를 드러낸다.

스벤드블라드는 플랫폼을 구축하고 얼마 지나지 않아 유지할 필요가 없는 중복된 파일을 식별하고 접근 권한을 개선할 기회를 발견할 수 있었다고 말했다. 또한 컴퍼니 너스는 과도한 공유와 느슨한 접근 권한으로 인해 개방된 공유 애플리케이션에 방치된 다수의 민간 부상 보고서도 발견했다.

스벤드블라드는 “이런 문서가 유출되었다면 컴퍼니 너스는 심대한 타격을 입었을 것”이라면서 “AI가 자동으로 문서를 분류해주는 덕분에 파일이 과도하게 공유된 작은 ‘사각 지점’을 여러 개 없앴다. 하나의 침해 차단이 우리에게는 수천, 수만 달러의 가치가 있다. 솔루션 비용은 ROI 측면에서도 투자할 가치가 충분하다”라고 설명했다.

컴퍼니 너스는 문서 분류 프로세스 외에, 영업 기회 점수 계산, 데이터 분석, 제로데이 보안 위협 식별, 음성-텍스트 변환 등의 기능에 AI 기반 소프트웨어 제품을 적용하고 있다.

스벤드블라드는 AI 기술에 투자한 금액을 추산하기는 어렵다고 말했다. 사용 중인 다양한 소프트웨어 제품에 도구가 내장되는 형태이기 때문이다. 그러나 컴퍼니 너스는 컨택센터 보안 강화, 직원들의 일과 삶의 균형 개선, 서비스 품질 개선 등을 포함한 여러 효과를 거두었다.


사례 3. 자율 석유 시추를 향한 한 걸음 진전데본 에너지

석유와 가스 기업은 갈수록 커지는 시추 작업의 효율성 제고 압력에 직면해 있다. 데본 에너지(Devon Energy)도 이런 기업 가운데 하나로, 현재 AI와 머신러닝 기능을 실시간 의사 결정에 활용하기 위한 초기 단계에 있다. 이 시스템은 향후 폐루프 자동화 기능 또는 각 유전 현장의 자율 시추 장비로 이어져 전체적인 현장 운영과 효율성, 안전성을 높일 수 있다.

최근 WPX 에너지(2020년부터 AI/머신러닝 기술을 추진)와 합병한 데본 에너지는 하이브셀(Hivecell)이라는 제품을 사용해 웨스트 텍사스와 노스 다코타 지역의 시추 현장에 엣지 컴퓨팅 기능을 구축했다. 같은 이름의 기업이 제공하는 하이브셀은 '서비스형 엣지(edge-as-service)' 제품으로, 데이터의 출처와 가까운 곳에서 컴퓨팅과 분석을 실행할 수 있게 해준다.

데이터는 유압 파쇄 공정에 사용되는 서비스 업체의 장비 센서에서 생성된다. 데이터는 센서에서 이 서비스 업체의 시스템으로 전송된 다음 TCP/IP 프로토콜을 통해 다시 하이브셀로 전송된다.

데본 에너지는 하이브셀을 활용해 원격 유전 현장에서 머신러닝을 처리하는 첫 단계에 있다. 이 기능 덕분에 데본은 처리를 위해 모든 데이터를 클라우드로 보내는, 값비싸고 속도도 느린 과정을 거치지 않아도 된다. 하이브셀은 아파치 카프카(Apache Kafka)과 함께 원시 시추 현장 데이터를 관리하는 컨플루언트(Confluent)의 이벤트 스트리밍 플랫폼에 사용된다.

데본 에너지의 데이터 과학 자문인 딩저우 카오는 “항상 시추 및 마감 운영 효율성을 개선할 방법과 머신러밍을 통해 수작업을 자동화할 방법을 찾는다”라고 설명했다. 이 프로젝트의 첫 단계는 천연 가스와 석유가 더 원활하게 흐를 수 있도록 가압 액체로 기반암을 파쇄하는 유정 자극 기법인 유압 파쇄에서 실시간 데이터를 수집하는 것이다.

카오는 “현재 실시간 데이터에서 자동으로 유압 파쇄 이벤트를 탐지하기 위한 모델을 구축하는 중”이라며 “항상 앞을 내다보면서 효율성을 높이고 공정을 개선할 방법을 모색한다”라고 말했다.

일반적으로 현재의 석유 및 가스 기업은 원격지에서 가져온 데이터를 근 실시간으로 처리하고 분석하기 위해 클라우드 컴퓨팅 서비스에 의존하지만 인터넷 연결의 불안정성과 지연 문제가 있다.

카오는 “클라우드에서 데이터를 처리하는 자율주행 차량을 생각해 보면 된다. 탑승자와 차량 주변 사람의 안전을 위해 차량의 대응은 밀리초 단위로 이뤄져야 한다. 따라서 차량에서 클라우드로 데이터를 전송하는 데 소비되는 시간은 극히 중요하며, 진정한 실시간이 아닐 경우 안전 사고로 이어질 수 있다”라고 설명했다.

폐루프 최적화, 예를 들어 유전 현장의 자동 시추 장비의 경우도 마찬가지다. 카오는 “실시간으로 대응해야 한다. 불안정한 인터넷 연결로 인해 데이터가 손실되는 위험을 감수할 수 없다”라고 말했다.

데본 에너지는 진정한 실시간 분석 기반 의사 결정, 궁극적으로는 유전 현장의 폐루프 제어를 위한 토대를 구축하는 중이다. 이렇게 되면 시추 작업 전반의 실시간 폐루프 제어에 엣지 기반 스트림 프로세싱을 사용할 수 있게 된다. 머신러닝 모델에 의해 생산된 데이터 스트림과 유전 현장의 분석 전처리 데이터는 다른 용도로 클라우드에도 복제된다.

카오는 “하이브셀은 현장에서 운영되므로 지연이나 인터넷 불안정성 문제에 대한 걱정이 없다”면서 이 플랫폼으로 데본은 유전 현장에서 손쉽게 머신러닝 모델을 배포, 관리, 확장할 수 있게 될 것이라고 예상했다.

데본 에너지는 2021년에 첫 단계를 완료한 다음 2단계에 돌입하는 것을 목표로 두고 있다. 2단계에서는 가장 중대한 비즈니스 요구를 기반으로 분석 모델을 결정한다.

카오는 구체적인 비용 정보는 제공하지 않았지만 클라우드 방식에 비해 비용 효율적이라면서 “하이브셀을 활용해 스택 위에서 데이터를 처리하므로 비슷한 스트림 프로세싱 엔진을 위한 소프트웨어 라이선스 요금을 지불할 필요가 없다”라고 설명했다.

카오는 “실시간 데이터를 그 데이터가 가장 필요한 사람에게, 가장 필요할 때 제공하고 있다. 엔지니어들은 자신의 휴대폰이나 컴퓨터를 통해 이 실시간 데이터에 접근할 수 있다. 아직 이 데이터를 캡처하는 데 초점을 두는 첫 단계지만, 이후의 단계로 발전하면서 분석 모델을 사용해 유전 현장의 의사 결정을 지원하게 될 것”이라고 덧붙였다. editor@itworld.co.kr


X