오라클 데이터베이스 20c는 2020년에 나올 예정이었지만, 코로나19 팬데믹 위기가 기업 IT 부서에 미친 영향으로 출시가 취소됐다. 결국 20c에서 계획했던 기능과 특징은 모두 21c에 반영됐다.
오라클 데이터베이스 21c는 주목할 점이 몇 가지 있다. 트랜잭션, 분석, 엔터프라이즈 서버로 활용할 수 있고, 용도에 맞춰 수정할 수 있다. 관계형, 시계열, 그래프, 공간, 텍스트, OLAP, XML, JSON 데이터를 지원한다. 오토ML(AutoML)이 포함해 머신 러닝 모델에 대한 인-데이터베이스 학습을 지원한다. 이 학습에 스토리지 서버나 엑사데이터(Exadata) 하드웨어의 외부 CPU를 활용할 수 있다. 엑사데이터 하드웨어에서 사용할 경우 오라클 데이터베이스 21c는 인텔 옵테인(Intel Optane) 영구 메모리를 완벽하게 활용한다. 오토노머스 데이터베이스는 자동 인덱스 생성을 지원하는데, 클라우드나 온프레미스 기반의 엑사데이터에서 실행하는 오라클 데이터베이스에서 이용할 수 있다.
분석의 경우, 오라클 데이터베이스 21c는 자동으로 메모리에 배치할 열을 구성하고, SIMD 벡터화 해시 조인을 수행하고, 인-메모리 칼럼 및 온-디스크 로우 스토어에 대해 하이브리드 스캔을 지원한다. 인-데이터베이스 프로그래밍의 경우, 오라클 데이터베이스 21c는 자바스크립트와 오라클 데이터베이스 유형 간 인터페이스와 함께 자바스크립트, SQL, PL/SQL 저장 프로시저를 추가로 지원한다.
오라클은 모든 종류의 컨버지드 데이터 유형에 고성능을 지원한다고 주장한다. JSON 도큐먼트나 그래프에 특화된 데이터베이스와 비교해도 높은 성능을 제공한다는 것이다. 하지만 이를 뒷받침할 오라클 데이터베이스 21c에 대한 하드 벤치마크 자료는 아직 나오지 않았다.
오라클 데이터베이스의 역사
오라클 데이터베이스 21c는 지난 40년 동안 개발과 발전해 온 최신 결실이다. 오라클 데이터베이스는 공개된 IBM 스펙을 기반으로 만든 첫 상용 SQL 관계형 데이터베이스로, 지난 1979년에 나왔다. 당시 IBM은 계층 데이터베이스 IMS 매출에 대한 ‘캐니벌라이제이션’을 피하기 위해 자사의 관계형 데이터베이스 DB2 출시를 미뤘다.1983년에 나온 오라클 버전 3은 메인프레임, 미니컴퓨터, PC에서 사용할 수 있도록 포터블 C로 를 만들었다. 버전 6에서는 디스크 I/O, 행 잠금(Row locking), 확장성, 백업, 복구 기능이 개선됐고 1992년에 나온 오라클 7에서는 PL/SQL 저장 프로시저와 트리거가 도입됐다. 오라클 8에서는 객체와 테이블 분할 기능이 추가됐고, 오라클8i는 인터넷 프로토콜을 기본 지원하고, 서버 측에서 자바를 지원했다. 2001년 오라클9i에는 오라클 RAC(Real Application Clusters)가 도입됐다. RAC는 공유 디스크, 다중 인스턴스 아키텍처다. 2003년 오라클 데이터베이스 10g에는 그리드 컴퓨팅이 도입됐다.
2007년 오라클 데이터베이스 11g는 관리 용이성과 진단성, 가용성이 향상됐다. 2013년 오라클 데이터베이스 12c는 클라우드용으로 바뀌었고 새로운 멀티테넌트 아키텍처, 인-메모리 칼럼 스토어, JSON 도큐먼트를 지원했다. 오라클 데이터베이스 21c의 경우, 오라클 블록체인 테이블(Oracle Blockchain Table)과 네이티브 JSON 데이터 형식 지원을 통해 개발자 경험을 개선한다. 강화된 자동 인-메모리(Automatic In-Memory)는 인-메모리 칼럼 스토어를 자가 관리하는 기능이다.
오라클 데이터베이스는 오라클의 여러 제품군 중 하나에 불과하다. 또 오라클은 10여 개의 오라클 데이터베이스용 애플리케이션 개발 도구와 4개의 데이터 통합 도구, 마이SQL(MySQL)과 버클리 DB(Berkeley DB) 등 9개의 다른 데이터베이스를 제공한다. 또 자바와 스토리지, 운영 체제, 애플리케이션, 오라클 클라우드 등도 있다.
오라클 데이터베이스 개요
오라클 데이터베이스 21c 기술 아키텍처 자료는 40페이지에 달하고, 거의 모든 페이지에 블록 다이어그램이 있다. 여기서 이를 모두 소개할 수는 없고 요점을 중심으로 살펴보자. 무엇보다 오라클은 컨버지드 데이터베이스 엔진이다. 많은 데이터 형식과 데이터 모델, 몇몇 워크로드 유형, 개발자와 분석가에게 유용한 여러 보조 기능을 제공한다.

오라클 데이터베이스는 관계형, 시계열, 그래프, 공간, 텍스트, OLAP, XML, JSON 데이터를 모두 지원한다. 트랜잭션(OLTP), 분석(OLAP), 머신 러닝(ML), IoT, 스트리밍, 블록체인 워크로드를 처리할 수 있고, 마이크로서비스, 이벤트, REST서비스, 인-데이터베이스 ML 트레이닝, CI/CD, 로우 코드 애플리케이션 개발 기능이 통합됐다. 이 모든 것이 하나의 데이터베이스에 모두 구현돼 있어 다른 전용 데이터베이스가 필요 없다. 오라클에 따르면, 컨버지드 데이터베이스 엔진은 비용을 절감하고 데이터 전송과 변환 부하를 줄이고, 분석과 애플리케이션을 단순화한다.
오라클은 사용자가 온프레미스와 퍼블릭 클라우드, 온프레미스에서 실행되는 클라우드의 익스텐션으로 데이터베이스를 이용할 수 있도록 지원한다. 오라클 데이터베이스는 호스팅, 공동 관리, 완전 관리(자율) 등이 모두 가능하다.
오토노머스 데이터베이스는 스케일링과 튜닝, 프로비저닝, 결함(고장) 관리, 패칭을 자동으로 수행한다. 자동 튜닝 기능이란 오라클 데이터베이스 실행 내역을 지속해서 분석해 시간이 지남에 따라 바뀌는 데이터 웨어하우징 워크로드, 애플리케이션 개발, 생산 트랜잭션 처리에 데이터베이스 성능을 최적화하는 기능이다. 여기에는 사용량을 토대로 인덱스를 생성하는 기능이 포함된다. 이는 데이터 웨어하우스에 특히 중요한 기능이다.
이 오토노머스 데이터베이스의 기반에는 엑사데이터 하드웨어와 소프트웨어가 있다. 더 구체적으로 보면, 엑사데이터는 오라클 엑사데이터 데이터베이스 머신(온프레미스 전용), 오라클 엑사데이터 클라우드 서비스, 오라클 엑사데이터 Cloud@Customer(온프레미스 클라우드)의 기반이다.
최신 모델인 엑사데이터 데이터베이스 머신(Exadata Database Machine) X8M은 높은 가용성을 제공하며, 스케일-아웃 설계가 채택된 별도의 데이터베이스 및 스토리지 서버이다. 계층화된 스토리지 시스템의 일부로 인텔 옵테인 영구 메모리를 사용한다. 또 분석 및 보고에 벡터 처리와 칼럼 단위 하이브리드 압축 형식을 사용한다. X8M은 내부 상호연결에 컨버지드100Gbps 이더넷을 매개체로 하는 RDMA(Remote Direct Memory A 활용한다(RoCE). 일반적인 운영체제 스택을 완전히 우회해 작동한다.

오라클 데이터베이스는 멀티테넌트 CDB(Container Database)다. <그림 3>과 같이 1개의 시스템 시드 PDB(Pluggable Database)와 여러 개의 사용자 생성 PDB로 구성된다. 사용자는 PDB만 다룰 수 있어서 쓰고 있는 PDB가 스탠드얼론 데이터베이스라는 점을 모를 수도 있다. 과거 오라클은 CDB가 아닌 데이터베이스 인스턴스도 지원했지만, 오라클 데이터베이스 21c에는 이런 기능이 빠졌다.
오라클 RAC(Real Application Clusters) 데이터베이스 아키텍처는 단일 데이터베이스를 공유하지만 별개 서버 머신에서 실행되는 여러 인스턴스로 구성된다. 클러스터는 리스너 프로세스를 통해 사용자와 애플리케이션에 단일 엔드포인트를 제공한다. RAC는 단일 엑사데이터 머신보다 더 높은 가용성을 제공한다.
기존 오라클 데이터베이스는 디스크 기반이어서 성능에 제약이 있었다. 그러나 오라클은 최근 몇 년 동안 ‘핫(Hot)’ 데이터에 인-메모리 옵션을 추가했다. 오라클 데이터베이스 인-메모리(Oracle Database In-Memory) 기능 덕분에 실시간 분석과 혼합된 워크로드에 대한 성능이 크게 개선됐다. 인-메모리 칼럼 스토어는 데이터베이스 인-메모리의 핵심 특징이다. 트랜잭션 쿼리는 항상 로우 스토어(Row store)가 담당하고, 인-메모리 칼럼 스토어는 분석과 보고 쿼리에만 쓰인다.
오라클 데이터베이스 21c의 새로운 부분
오라클 데이터베이스 21c의 새로운 기능은 200여 가지에 달하는데 이를 6개 범주로 분류할 수 있다. 애플리케이션 개발, 빅데이터 및 데이터 웨어하우징 솔루션, 데이터베이스 업그레이드와 유틸리티, 관리 솔루션, 성능과 고가용성 옵션, 보안 솔루션 등이다.이런 모든 개선사항을 고려하면, 오라클 데이터베이스 21c는 클라우드를 중심으로 더 능률적이고 빠르면서, 신뢰할 수 있게 작동하도록 여러 방식으로 개선을 한 완성도 높은 데이터베이스다. 이 신기능을 모두 다룰 수는 없고 몇 가지만 골라 살펴보자.
블록체인 테이블: 개인적으로 블록체인에 대해 회의적이다. 그러나 오라클은 컨버지드 데이터베이스에 블록체인 레저를 추가했고, 이는 금융기관에 유용할 것이다. 기본적으로 블록체인은 행을 암호로 연결한 불변 테이블이다. 오라클은 현재 및 이전 행에 SHA2-512를 해시로 사용한다.
그러나 불변성에서 벗어난 몇 가지가 있다. 예를 들어, 외부 사용자 테이블을 사용할 때 유지 기간이 만료된 후 GDPR의 ‘삭제 권리’ 요건을 충족할 수 있도록 행을 ‘NO DELETE UNTIL n DAYS AFTER INSERT’로 설정할 수 있다.
블록체인은 일반적으로 분산형이지만, 오라클 데이터베이스는 통상 중앙화되어 있고, 오라클은 별도의 분산형 블록체인 플랫폼을 갖고 있다. 오라클에 따르면, 분산형 레저가 필요 없을 때는 오라클 데이터베이스 21c에서 통합 블록체인 테이블을 사용하는 것이 좋다. 기업이 재무나 컴플라이언스 데이터 등에 대해 내부에서 사용할 목적으로 블록체인을 사용하는 경우가 대표적이다.
네이티브 JSON 타입: 오라클 데이터베이스는 버전 12c부터 JSON을 지원했지만, VARCHAR2, CLOB, BLOB 등 다른 데이터 유형 내에서 사용할 수 있었다. 하지만 21c 버전에서는 바이너리 형식으로 저장된 JSON 유형을 지원한다. 몽고DB(MongoDB)에서 쓰는 JSONB와 유사하다. 네이티브 유형인 JSON 파싱은 인서트에서만 발생하므로, 텍스트 기반 JSON보다 읽기 및 업데이트 속도가 4~5배 더 빠르다. 매우 용량이 큰 JSON 도큐먼트 업데이트는 20~30배 더 빠르다.
인-데이터베이스 자바스크립트 실행: 오라클 데이터베이스는 1992년 PL/SQL, 1999년 자바 등 지난 수십 년 전부터 서버 내에서 실행되는 프로그래밍 언어를 지원했다. 오라클 데이터베이스 21c에서는 GraalVM를 기반으로 오라클 MLE(Multilingual Engine)를 통해 자바스크립트를 지원하는 기능이 추가됐다. MLE는 자동으로 자바스크립트 데이터 유형을 오라클 데이터베이스 데이터 유형에 매핑하며 그 반대도 마찬가지다. 자바스크립트 코드 자체가 기본 내장된 자바스크립트 모듈을 통해 PL/SQL(저장 프로시저)과 SQL을 실행할 수 있다.
SQL 매크로: 오라클 개발자는 오랫동안 PL/SQL 저장 프로시저와 테이블 함수를 사용해 SQL 쿼리를 단순화했다. 그러나 안타깝게도 오라클 PL/SQL과 SQL 엔진은 다른 컨텍스트에서 작동한다. SQL에서 PL/SQL을 호출하려면 컨텍스트를 변경해야 하는데 여기에 비용이 든다. 이런 비용을 쓰지 않도록 오라클 데이터베이스 21c에는 새로운 SQL_MACRO 키워드와 함께 SQL 매크로 기능이 추가됐다. 함수가 SQL 엔진에서 실행되며, 컨텍스트를 변경할 필요가 없다.
인-메모리 데이터베이스 강화: 그동안 데이터베이스 인-메모리는 사용자와 DBA의 관리 업무 부담이 상당했다. 그러나 이제 INMEMORY_AUTOMATIC_LEVEL을 HIGH로 설정하면, 모든 열이 인-메모리 분석의 대상이 된다.
또한 SIMD 벡터화를 사용해 인-메모리 해시 조인을 최적화하면서 속도가 10배 향상됐다. 모든 열이 메모리에 있지 않은 경우에도 칼럼(열) 스캔 속도가 빨라졌다. 이 경우, 최적화 도구(Optimizer)는 하이브리드 스캔을 수행하고, 필요한 경우 로우 스토어에서 필요한 칼럼 값을 가져올 수 있다. 즉, 로우 스토어에서만 스캔을 수행할 필요가 없다.
최적화된 그래프 모델: 그래프 데이터베이스는 수백만, 더 나아가 수십억 개의 꼭짓점과 모서리를 가질 수 있다. 오라클 데이터베이스 21c는 그래프 표현이 최적화돼, 기존 버전보다 더 적은 메모리로 더 큰 그래프를 분석할 수 있다. 또한 이번 버전은 개발자가 자바에서 그래프 알고리즘을 생성하거나 확장할 수 있다. 이렇게 사용자가 정의한 그래프 알고리즘은 네이티브 알고리즘만큼 빠르게 실행된다.
영구 메모리 지원: 오라클 데이터베이스 21c에는 단일 인스턴스 데이터베이스에서 영구 메모리 스토어를 지원하는 기능이 추가됐다. 상용 하드웨어의 로컬 영구 메모리에서 데이터 스토리지와 재실행(Redo)을 할 수 있다. 오라클 데이터베이스 21c는 매핑한 PMEM 파일 시스템에 저장된 데이터에 직접 SQL을 실행해 큰 버퍼 캐시가 필요 없고 코드 경로도 줄였다. 또 훨씬 빠른 트랜잭션 영속성과 매우 빠른 복구 기능을 제공한다. 이 기능은 I/O에 바운딩 되는 경향이 있는 워크로드에 특히 유용하다.
오라클 머신 러닝
오라클의 기존 데이터베이스 버전에서도 인-데이터베이스 머신 러닝을 지원했지만, 오라클 데이터베이스 21c는 새로운 오토ML 옵션과 새로운 머신 러닝 알고리즘을 추가했다. 오라클 오토ML은 자동 알고리즘 선택, 자동 기능 엔지니어링, 자동 모델 튜닝 기능을 제공한다.새로운 머신 러닝 알고리즘은 XG부스트(XGBoost), MSET-SPRT), 아담(Adam) 최적화 도구 등이다. XG부스트는 회귀와 분류에 아주 효율적이고 확장성을 갖춘 트리 부스팅 머신 러닝 알고리즘이다. MSET-SPRT(Multivariate State Estimation Technique–Sequential Probability Ratio Test) 알고리즘은 중요한 프로세스를 모니터링하는 비선형, 비파라미터 이상 검출 기법이다. 아담은 지원되는 다른 뉴럴 네트워크 최적화 솔버인 L-BFGS(Limited-memory Broyden-Fletcher-Goldfarb-Shanno, 선형 검색)보다 더 적은 데이터를 다루지만, 더 빠르고, 미니-배치 최적화를 사용하는 추계학적 경사 하강법(Stochastic gradient descent)의 인기 익스텐션이다.
오라클 클라우드에서 오라클 데이터베이스 21c 실행하기
오라클 데이터베이스 21c는 현재 사용하는 데 일부 제약이 있다. 올웨이즈 프리 오토노머스 데이터베이스, 데이터베이스 클라우드 서비스에서만 이용할 수 있다. 올해 말에는 더 광범위하게 이용할 수 있게 될 전망이다.올웨이즈 프리 오토노머스 데이터베이스는 간단히 생성할 수 있으며, 이름에서 알 수 있듯 무료다. 단, 1개 코어와 20GB 스토리지라는 제약이 있다.

데이터베이스 클라우드 서비스는 생성하는 데 더 많은 작업이 필요하지만, VM 구성에 있어 선택권이 있다. 이 글에서 설명한 테스트를 수행하려면 최소 2개 코어가 필요하고, 4개 코어가 권장된다. 필자는 데이터베이스 VM을 생성하기 전에 VCN(Virtual Cloud Network)를 생성해야 했다. 기본 제공된 코어와 RAM 확장을 요청해야 했는데, 이처럼 오라클 클라우드 서비스의 한도를 높이는 요청에는 영업일 기준 하루 이상이 소요됐다.





이렇게 데이터베이스를 마치고 나니 테스트 장비에서 쉘로 VM과 데이터베이스 서비스에 연결할 수 있었다.

이제 2개 셋업 랩과 여러 예제 랩을 거쳐야 했다. 여기까지 하루가 꼬박 걸렸다. 몇 가지를 더 설정하고 몇몇 경고 메시지도 나타났지만 매번 해결할 수 있었고 중대한 문제는 없었다. 데이터베이스를 실행하는 데 든 비용은 하루 기준 4.43달러였다.

이번 리뷰에서 그래프 알고리즘과 JSON 도큐먼트 성능 등 주요 기능을 테스트, 벤치마크하고 싶었지만 오라클은 21c 벤치마크에 준비가 되어 있지 않았다. 또 클라우드에서 실행되는 벤치마크를 공개하지 않는 경우도 많다. 확인할 수 있는 성능 수치는 19마이크로초 레이턴시, 1TB/초의 분석 스캔, 560GB/초 SQL 처리량 등이다. 이는 2019년 엑사데이터 X8M 온프레미스에서 실행되는 오라클 데이터베이스 19c를 벤치마킹한 결과다.
RDBMS와 키친 싱크
오라클 데이터베이스 21c는 지난 1979년부터 시작된 관계형 데이터베이스 역사의 최신 성과다. 그 핵심은 컨버지드 데이터베이스이다. 하나의 데이터베이스에서 관계, 시계열, 그래프, 공간, 텍스트, OLAP, XML, JSON 데이터를 모두 지원한다. 또 트랜잭션, 분석, 머신 러닝, IoT, 스트리밍, 블록체인 워크로드도 처리한다. 오라클 데이터베이스는 엑사데이터 어플라이언스와 여러 기능을 활용한다. 오토노머스 데이터베이스 기능으로 기본 제공되는 자동 인덱스 생성, 자동 데이터베이스 튜닝 등이 대표적이다.오라클 데이터베이스는 세상의 모든 데이터베이스의 경쟁자다. 점점 더 많은 기업이 온프레미스 방식이 돈이 더 많이 든다는 것을 깨닫고 있는 것도 경쟁이 심해지는 이유다. 그러나 데이터베이스를 옮기는 일은 쉬운 일이 아니다. 대기업도 마이그레이션과 오라클 계약 종료에 몇 년을 필요하다. 오라클 클라우드의 가격은 SQL, 애저, 아마존 오로라 같은 상용 클라우드 데이터베이스와 비교했을 때 어느 정도 경쟁력을 갖춘 것으로 판단된다. 그러나 데이터베이스 간 가격과 성능을 직접 비교하기란 쉽지 않다.
기본적인 기능성을 확인해 보고 싶다면, 무료인 오라클 오토노머스 데이터베이스 클라우드 인스턴스를 써보면 된다. 데이터베이스 클라우드 인스턴스를 키우면 상당한 데이터를 이용했을 때의 성능을 짐작할 수 있다. 단, 오라클 데이터베이스 시작에는 시간이 좀 필요하다. 경험 많은 DBA와 데이터베이스 프로그래머라고 해도 마찬가지다. 이런 평가 작업에는 최소 1주일 이상이 소요된다.
비용: 몇몇 오라클 클라우드 서비스는 무료다. 계정을 만들면 300달러의 크레딧을 받을 수 있다. 이후 가격은 리소스 사용량에 따라 달라진다. 오라클 클라우드 비용은 온라인에서 추정할 수 있다. 온프레미스에서 엑사데이터 X8M 랙을 운영하는 데 필요한 비용은 10만 달러 이상이며, 오라클 데이터베이스 사용자 라이선스가 필요하다. 오라클 Cloud@Customer는 사용 기반 요금제로 바꿀 수 있다.
플랫폼: 현재 오라클 데이터베이스 21c는 오라클 클라우드에서만 사용할 수 있다. 2021년 말에는 다양한 플랫폼의 온프레미에서 이용할 수 있게 될 예정이며, 여기에는 엑사데이터 하드웨어도 포함된다. editor@itworld.co.kr
함께 보면 좋은 콘텐츠
Sponsored
레인보우브레인
2022 업무혁신, AI에 RPA 접목한 하이퍼오토메이션 시대가 온다
하이퍼오토메이션을 위한 방법 ⓒ 2019 Gartner 2022년 새해를 맞이하여 여러 기업과 기관에서는 클라우드, AI, RPA 기술을 활용해 혁신을 준비하고 있다. AI에 RPA를 접목한 하이퍼오토메이션이 조직에서 한 차원 높은 자동화 단계를 구현하는 과정을 알아보자. 하이퍼오토메이션(Hyper-automation) 조직마다 고유의 업무 프로세스가 존재하기 마련이다. 이때의 업무 프로세스는 조직의 일하는 방법 또는 일의 흐름을 의미한다. 조직이 성장하고 더욱 중요한 목표를 성취하려면, 끊임없이 업무 프로세스를 개선하고 혁신할 필요가 있다. 업무 프로세스 일부를 자동화해 생산성을 높이고, 기존 인력의 남는 시간을 부가가치가 더 높은 분야에 투입해 조직을 고도화하는 것은 RPA를 도입할 때 가장 먼저 고민하는 내용이기도 하다. 하이퍼오토메이션은 현업이 실행하는 거의 모든 반복작업을 자동화할 뿐만 아니라, 업무 프로세스를 동적으로 탐색하고 자동화하는 봇을 생성하는 수준까지 확장된 디지털 트랜스포메이션 기술이다. 2020년 12월 가트너 보고서에 따르면 비즈니스 중심 하이퍼오토메이션은 현업과 IT 프로세스를 신속하게 식별, 진단, 자동화하는데 사용하는 체계적인 접근법으로 다양한 기술, 도구, 플랫폼 조율이 필요하다. 하이퍼오토메이션에는 AI/ML, RPA, 자연어 처리, 로우 코드, SaaS형 통합 플랫폼, ERP 연동과 같은 다양한 기술이 포함된다. 하이퍼오토메이션의 주요 구성 요소는 크게 4가지로 나뉜다. 지능형 프로세스 디스커버리 : 자동으로 업무 프로세스를 찾아서 봇을 배치하는 기술 로보틱 프로세스 자동화 : 소프트웨어 로봇을 이용해 구조화된 비즈니스를 오류 없이 반복적으로 수행하는 RPA 기술 지능형 문서 처리 : 컴퓨터 비전과 광학 문자 인식(OCR) 기술을 활용해 비정형 정보를 캡처해서 추출한 다음에 이를 분류하는 기술 분석과 통찰력 : 봇이 수행하는 작업과 작업 중 발생하는 여러 활동에 대한 정보를 토대로 미래를 예측하는 기술 하이퍼오토메이션을 통해 얻는 장점은 매우 분명하다. 우선 복잡한 작업을 가속화할 때 사람의 지식이 투입되어야 하는 작업을 자동화해 누구나 빠르고 정확하게 비즈니스를 혁신하는 기회를 제공한다. 또한 지능형 RPA를 투입해 반복 작업을 자동화하는 디지털 워크포스를 생성함으로써 직원 능률을 개선한다. 여기에 더해 하이퍼오토메이션은 지금까지 접근하기 곤란했던 데이터와 프로세스를 발견하고 자동화해 조직의 디지털 트윈을 생성하는 방식으로 통찰력을 제공한다. RPA를 활용한 하이퍼오토메이션 적용 사례 RPA를 활용한 하이퍼오토메이션의 국내 적용 사례 중에 빠지지 않고 올라오는 이름이 있다. 바로 삼양그룹의 RPA 도입 사례다. 삼양그룹은 식품과 화학 계열사에 RPA를 선제적으로 도입해서 상당한 효과를 얻은 후, 홀딩스, 패키징, 의약바이오 등의 다른 사업에까지 RPA를 확대하고 있다. 특히 챗봇과 AI 기반의 문자 솔루션을 활용해 채팅으로 필요한 정보를 공유하고, 문자 인식 솔루션으로 그림 형태로 된 문서 업무도 자동화에 나섰다. 데브멘토가 주최한 2020 RPA 쇼케이스 행사의 ‘삼양그룹의 RPA 도입 이후 효과는? 삼양그룹 RPA 사례’ 발표에서는 삼양그룹이 추진한 하이퍼오토메이션 여정을 확인할 수 있다. 특히 삼양그룹의 디지털 혁신 추진 과정은 단순한 자동화가 아니라, 디지털 트랜스포메이션의 일부로 프로세스 최적화와 비즈니스 트랜스포메이션을 목표로 해 하이퍼오토메이션의 핵심 개념과 궤를 같이 하고 있음을 알 수 있다. 삼양그룹의 디지털 혁신 추진 배경 ⓒ 삼양그룹 삼양그룹의 RPA 도입 추진 현황의 목표 방향성 열을 보면, 1차(식품)로 단순 업무 자동화에서 출발해, 2차(화학)로 프로세스 혁신을 거쳐, 3차(의약, 패키징)에서 AI 기반 자동화(챗봇과 OCR)로 발전되는 양상을 확인할 수 있다. 이런 과정을 통해 대상 업무의 자동화 수준을 높이고 업무 시간을 절감할 수 있었다. 직원은 직접 업무 수행에서 RPA를 활용해 로봇을 관리하고 운영하는 업무로 전환하게 되므로 진정한 의미의 디지털 트랜스포메이션을 달성할 수 있게 된다. 삼양그룹의 RPA 도입 추진 현황 ⓒ 삼양그룹 오토메이션애니웨어와 함께 하는 하이퍼오토메이션과 RPA 고도화 전략 그렇다면 조직이 하이퍼오토메이션을 도입하려면 구체적으로 어떻게 해야할까? RPA 선도 업체인 오토메이션애니웨어는 하이퍼오토메이션을 위해 다양한 기술을 제공하고 있다. 대표적인 네 가지 기술을 정리하면 다음과 같다. 디스커버리 봇 : 디스커버리 봇은 앞서 언급한 지능형 프로세스 디스커버리를 위해 사용자 활동을 기록하고, 비즈니스 프로세스를 탐색해서 문서화하며, 프로세스 분포를 분석하여 비즈니스에 가장 큰 영향을 미치는 자동화 대상 업무의 식별을 돕고, 해당 업무를 자동화하는 봇 블루프린트를 생성하여 조직 전체에 걸쳐 자동화를 가속화하고 확산하는 과정에 도움을 주는 제품이다. 봇 인사이트 : 봇 인사이트는 앞서 언급한 분석과 통찰력를 얻기 위해 실시간 상태와 성능을 모니터링하고, 대시보드로 사업 통찰을 얻도록 시각화하며, 디지털 워크포스를 앱으로 모니터링하는 기능을 제공하므로 사업의 영향도 평가나 사업 결과를 예측함으로써 의사 결정 과정에 도움을 주는 제품이다. 엔터프라이즈 RPA : 엔터프라이즈 RPA는 앞서 언급한 로보틱 프로세스 자동화를 위한 종합적인 솔루션으로 로봇 프로세스 자동화를 위한 각종 개발 도구, 로봇 실행 환경, 모니터링 환경을 온프레미스와 클라우드에서 운영 가능하게 지원하는 제품이다. IQ 봇 : IQ 봇은 앞서 언급한 지능형 문서 처리를 위해 컴퓨터 비전, NLP(자연어 처리), 퍼지 로직, ML(머신 러닝)과 같은 AI 기술을 RPA와 결합하여 비즈니스 문서와 이메일에서 정보를 자동으로 분류, 추출, 검증하는 제품이다. 반정형 데이터를 자유롭게 처리할 수 있으므로 사람을 대신해 자동화 수준을 한 단계 높일 수 있다. 하이퍼오토메이션과 RPA 도입 전 확인 사항 수작업이 많은 기업의 경우 하이퍼오토메이션을 구현하기 위해 많은 노력이 필요하다. 특히 기존 자동화 솔루션과 자사의 자동화 성숙도가 어느 수준에 도달해 있는지를 명확하게 이해해야 한다. 뛰기 전에 먼저 걷는 연습을 해야 하듯, 하이퍼오토메이션으로 가기에 앞서 RPA를 확실하게 도입∙구축해야 한다. 자동화할 수 있는 모든 것이 자동화되는 현재 상황에서 하이퍼오토메이션으로 가는 여정은 너무나도 명백해 보인다. 하지만 가트너에 따르면 하이퍼오토메이션과 RPA를 도입하기 앞서 다음과 같은 몇 가지 필수 조건이 존재한다. 자동화할 수 있는 것은 모두 자동화하는 계획을 수립할 것 자동화를 사용해 새로운 가치 흐름의 실험을 최적화하고 가속할 것 사업 중심의 하이퍼오토메이션 이니셔티브를 포함해 IT 투자의 우선 순위를 지정할 것 운영탄력성, 효율성, 민첩성, 생산성을 높이는 이니셔티브를 설계할 것 하이퍼오토메이션 로드맵을 설계, 구축, 확장, 관리하는 전반적인 과정에서 구성원을 정렬하고 같은 목표를 바라보게 만들 것 이상의 목표를 달성하기 위해서는 RPA/하이퍼오토메이션 솔루션을 제대로 이해하고 구축하는 데 필요한 경험은 물론이고, 분야별 사업의 부가가치를 높이는 프로세스 분석과 설계 역량을 갖춘 좋은 파트너가 가장 필요하다. 레인보우브레인은 금융, 제조, 공공, 유통 분야에서 다년간의 경험을 바탕으로 오토메이션애니웨어의 RPA 제품의 기업 내 활용을 돕는 업무 분석 컨설팅과 봇 구축 업무를 제공하면서 기업의 하이퍼오토메이션 도입 과정에서 가장 신뢰할 수 있는 동반자로 자리잡고 있다.
HPE Aruba
SD-WAN 아키텍처로 전환할 때의 경제적 이점과 효과
ⓒ Getty Images Bank 전세계적인 펜데믹으로 기업의 디지털 트랜스포메이션이 가속화되면서 애플리케이션의 클라우드 전환도 피할 수 없게 됐다. 국내 기업도 애플리케이션과 IT 인프라를 클라우드로 이전 중이다. 한국IDC가 발표한 ‘2021년 클라우드 IT 인프라 시장 전망 보고서’에 따르면, 지난 2021년 국내 클라우드 IT인프라가 전체 IT인프라 시장의 50%를 돌파하면서 오는 2025년에는 60%가 클라우드 환경이 될 것이라고 전망했다. 그럼에도 불구하고 클라우드의 이점을 제대로 파악하지 못한 채, 현재도 클라우드 이전을 고민하는 기업이 많다. 하지만 기존의 라우터 기반 네트워킹 방식은 애플리케이션 연결 작업이 복잡하여 고객이 빠른 변화에 대응하는데 어려움을 준다. 네트워크에 대한 가시성도 없으므로 문제를 해결하는 운영상의 효율에도 한계가 있어 결과적으로 경제적 손실이 불가피하다. 대다수 기업들은 대역폭이 낮은 고가의 전용회선 MPLS WAN 회로에 의존하고, 수명이 다한 네트워크 장비 그리고 관리가 어려운 WAN 아키텍처를 함께 사용하고 있다. 기업이 애플리케이션의 성능을 높이고 양질의 일관된 사용자 경험을 얻기 위해서는 민첩성과 복원력이 우수하고 복잡성은 낮으며 처리량이 많은 네트워크가 필요할 것이다. 라우터 중심의 기존 네트워킹 한계를 보완한 Aruba EdgeConnect SD-WAN 엣지 플랫폼 아루바는 이러한 문제를 해결하기 위해 아루바 엣지커넥트(Aruba EdgeConnect) SD-WAN 엣지 플랫폼을 출시했다. 비용은 더 낮고 처리량은 더 많은 광대역 연결로 MPLS를 보다 유연하게 교체하여 모든 가용 링크를 적극 활용할 수 있도록 했다. 즉, 가용 대역폭은 늘어나고 네트워크 전송 비용을 절감시킬 수 있으며 애플리케이션 성능은 향상된다. 아루바는 솔루션을 도입하기 이전에 자사의 고객 가치 평가를 통해 기존의 라우터 중심 네트워크에서 공통적으로 나타나는 문제점을 확실하게 분석하고, 이를 바탕으로 기업 중심 WAN 아키텍처가 필요한 근거를 제시한다. 다음은 아루바의 고객 가치 평가를 통한 일반적으로 기업이 갖고 있는 문제를 여섯 개의 주요 영역으로 세분화하고 각 영역의 문제를 해결할 SD-WAN 지원 기능을 서로 맵핑한 것이다. 사업 문제와 SD-WAN 지원 기능 ⓒ HPE 아루바 SD-WAN은 기존의 기업이 사용하던 고가의 MPLS 회로를 상업용 대역폭으로 바꾸며 일괄적으로 SLA 요건까지 충족한다. 기업은 이전의 라우터 중심 WAN 대비 복원력과 성능은 더 높이고, 신뢰할 수 있는 기업 애플리케이션에 더 적은 비용으로 액세스할 수 있게 됐다. SaaS 애플리케이션과 PaaS 환경에 훨씬 더 효율적으로 접근하게 된 것이다. 라우터 중심 MPLS 네트워크 ⓒ HPE Aruba SD-WAN ⓒ HPE Aruba SD-WAN 솔루션만의 특장점 아루바의 SD-WAN은 다음과 같이 기존의 라우터 중심 WAN 아키텍처에 비해 확실한 운영과 재정 이익을 제공한다. 이는 비단 특정 업체만의 결과가 아닌 거의 모든 조직에 해당되는 결과라고 해도 과언이 아니다. 캐리어 다양성 증가 : MPLS 캐리어보다 광대역 제공자의 다양성이 더 크고, 적은 비용으로 더 많은 광대역 링크를 추가 조정 비용 절감 : 조직 내 여러 부서의 통신과 협업이 수월하게 진행 생산성 개선 : 네트워크 가동 정지 시간이 단축되어 최종 사용가 작업 중단 없이도 작업에 계속해서 집중 가능 이 밖에도 유연한 프로비저닝, 보안 연결, 다중 경로 제어, 신뢰할 수 있는 성능, 중앙 집중식 조정 기능을 갖추고 있으며, 현재의 기업에 가장 완벽하고 경제적인 SD-WAN 솔루션을 제공한다. 더욱 자세한 내용은 ‘SD-WAN의 사업 가치 및 재정 영향 파악’ 보고서에서 확인할 수 있다.
ServiceNow
구축 성공 사례 | 로우코드 넘어 디지털 트랜스포메이션까지
전 세계적으로 많은 기업이 로우코드 전략을 추진하는 가운데 한 독일 제조 기업의 사례가 특히 주목을 받고 있다. 로우코드 개발 플랫폼을 구축하는 것에서 한발 더 나아가 ESM(Enterprise Service Management)을 함께 구축해 디지털 트랜스포메이션의 속도와 확장성은 물론 직원의 만족도와 생산성 향상을 동시에 달성했기 때문이다. 이 기업은 주력인 제조와 기기 사업에서 인더스트리 4.0 디지털 서비스로의 전환을 위해 대규모 디지털 트랜스포메이션 프로젝트를 시작했다. 다양한 레거시 시스템과 연계하고 인공지능, RPA 등 새로운 기술을 수용할 수 있는 통합 허브 역할을 담당할 플랫폼이 필요했다. 디지털 세대가 원하는 개인화된 사용자 경험과 셀프서비스 자동화를 지원하는 것도 숙제였다. 프로젝트 이전에는 여러 어려움이 혼재했다. 업무 영역별로 수십 개 포털이 각각 레거시 시스템과 연계돼 사용자 환경이 매우 복잡했고, 사내 하드웨어 정보만 15개 시스템에 이를 정도로 통합된 기준 정보가 없었다. 이들 서비스를 디지털 전환해야 했지만 개발자 리소스는 턱없이 부족해 운영 유지보수 요구를 감당하기도 어려웠다. 39만 명에 달하는 전 세계 직원과 한달 1,000명 이상의 신규 입사자, 200명의 글로벌 전근 등을 지원하는 직원 서비스를 수작업으로 처리해 효율성이 떨어지는 것은 물론 직원 만족도도 낮았다. 이 기업은 이런 문제를 해결하기 위해 서비스나우의 로우코드 솔루션을 기반으로 디지털 서비스 플랫폼 구축에 나섰다. 먼저 PLM, ERP, SCM, SLM 등 원류 시스템과 기준 정보를 통합하는 통합 계층을 만들어 빠른 서비스에 대한 요구에 대응했다. 또한, 단일 서비스 플랫폼으로 모든 엔터프라이즈 비즈니스 워크플로우를 디지털 전환해 기업 전체의 민첩성을 개선하고 리소스 재배치 역량을 강화했다. 직원과 고객에겐 서비스 포털, 챗, 모바일로 개인화된 서비스 경험을 제공하고 그들의 피드백을 받아 다시 서비스를 개선하는 데 반영했다. 이런 혁신은 사용자 경험의 변화에서 단적으로 확인할 수 있다. 사용자 여정 설계를 통해 인터랙티브한 사용자 경험을 구현해 콜센터 콜과 수작업 업무가 많이 줄었다. 기능과 사용성을 조화시킨 단순한 웹과 모바일 대화형 인터페이스를 통해 직관적인 디지털 사용자 경험을 제공한다. 사용자의 역할과 업무, 사용하는 서비스와 지식 등의 데이터를 기반으로 더 개인화된 사용자 경험을 구현해 고객과 직원 모두로부터 좋은 평가를 받았다. 프로젝트 이후 이 기업은 제품에서 디지털 서비스로의 전환을 실현하고 사내외 서비스의 디지털 트랜스포메이션 속도와 확장성을 확보했다. 강력한 로우코드 개발 플랫폼 덕분이었다. 또한, 직원과 고객 접점을 단순화하고 실시간 인사이트와 엔드 투 엔드 비즈니스 밸류체인을 연결해 개인화된 경험을 제공했고, 이는 곧 직원 만족도 제고로 이어졌다. IoT, AI/ML, RPA 등을 활용해 사내외 공정 관리를 자동화하고 생산성도 개선했다. 나우 플랫폼이 통합 허브 역할을 하면서 기업의 모든 서비스를 단일 플랫폼에서 개발, 운영, 관리하는 것이 가능해졌다. 나우 플랫폼이 제공하는 통합적 사용자 경험과 여정은 다음 백서에서 더욱 자세히 알아볼 수 있다.
ServiceNow
디지털 트랜스포메이션 시대, 다시 주목받는 ‘ITAM’
하이브리드 클라우드 환경에서 어떻게 IT 자산 거버넌스를 원활하게 관리할 수 있을까? 직원들이 분산된 환경에서 근무하고 있다면 사용하고 있는 디바이스가 최적의 상태인지 어떻게 파악할 수 있을까? 코로나 여파로 IT 비용 절감 및 최적화가 중요해지는 가운데 어떻게 하면 IT 예산을 효율적으로 관리하고 통제할 수 있을까? ‘IT 자산 관리(IT Asset Management; ITAM)’에 주목하는 기업들이 늘고 있는 이유다. 팬데믹 위기로 디지털 트랜스포메이션이 가속화되면서 IT 환경에 다양한 기술 및 플랫폼이 도입되고 있다. 아울러 원격근무가 확산되면서 분산된 인력이 사용하는 IT 자산도 빠르게 증가하고 있다. 더 많은 리소스 도입은 IT 복잡성으로 이어지기 마련이다. 포브스는 글로벌 경제 혼란, 변화하는 업무 환경, 기술 변화 등으로 CIO가 IT 자산 관리 문제에 직면할 가능성이 크다고 강조했다. 이에 따라 IT 자산을 보호하고 조직 전반에 효율적인 업무 환경을 제공하기 위한 ‘ITAM’이 기업들의 관심사로 떠오르고 있다. 실제로 기업들은 실효성 있는 ITAM의 필요성을 체감하고 있는 것으로 드러났다. 딜로이트의 2021 글로벌 ITAM 설문조사 결과에 의하면 전체 응답자의 84%는 기업에 효과적인 ITAM 전략이 없다고 말했다. ITAM은 IT 시스템 및 여타 자산 관리에 대한 ‘중앙화된 접근법’이라고 할 수 있다. 제대로 된 ITAM 전략은 비즈니스 곳곳에 산재한 여러 기술 자산을 효율적으로 관리할 수 있게 해준다. 새로운 개념은 아니다. 하지만 IT 자산의 가시성을 확보하기가 갈수록 어려워지면서 점차 중요하게 부상하고 있다. 가트너는 “IT 조직 전반에 걸쳐 확인하지 못하고 있는 것을 파악해, 혼란을 야기할 수 있는 부분에 대해 사전 계획 및 조치를 취하는 것이 매우 중요하다”라고 언급했다. ⓒ Getty Images Bank ‘ITAM(IT Asset Management)’이란 무엇인가? ITAM은 기업이 보유하고 있는 IT 시스템, 하드웨어, 소프트웨어, 프로세스, 데이터, 클라우드 인스턴스, 네트워크 등 다양한 IT 자원에 대한 관리, 감독뿐만 아니라 이를 최적화하기 위한 활동 및 전략이다. IT 부서는 ITAM 전략을 통해 IT 자산을 배포, 추적, 유지관리하는 한편 IT 자산에 최적화가 필요한지, 이를 더 저렴한 옵션으로 대체할 수 있는지 또는 최신 기술로 업그레이드가 필요한지 등을 평가할 수 있다. 가트너의 리서치 부문 이사 스테판 화이트는 비즈니스 활동을 지원하기 위해 디지털 정보를 생성, 수신 및 처리할 수 있는 대상으로 기술 자산을 정의한다고 밝혔다. 그는 “더 이상 자산의 소유권, 구독 상태, 위치 등은 중요하지 않다. 보다 중요한 것은 모든 자산이 기업이 수립한 ITAM의 기본 원칙과 베스트 프랙티스에 따라 통제되고 관리된다는 것이다”라고 설명했다. ITAM으로 누릴 수 있는 이점 ITAM은 기업의 IT 자산에 심층적인 인사이트를 제공한다. 이를 통해 IT 리더는 IT 자산 투자에 대한 ROI를 시각화하고, 이러한 자산 투자가 기업의 비즈니스 목표에 어떤 효과를 제공하는지에 대한 데이터를 다른 주요 이해관계자에게 제공할 수 있다. 또한 성공적인 ITAM 전략은 비즈니스 니즈와 현재 보유하고 있는 IT 자산 및 기술 요건 간의 격차를 파악하여 필요한 조치를 취할 수 있는 통찰력을 제공하기 때문에 조직 내의 모두가 같은 목표를 향해 나아갈 수 있도록 지원한다. 성공적인 ITAM 전략을 위해서는 무엇보다 기업이 조직 내의 모든 IT 자산을 신속하게 확인할 수 있는 IT 인벤토리가 필요하다. 여기에는 데이터센터에 있는 하드웨어 및 소프트웨어부터 직원들이 원격에서 사용하는 워크스테이션, 네트워크, 클라우드 기반 자원뿐만 아니라 직원들까지도 포함된다. ITAM의 주된 목표는 계약, 구매, 배포, 폐기 등을 모두 포함한 IT 라이프사이클 전반에 걸쳐 각종 자산 현황을 추적하고, 이를 통해 비용을 절감하며, IT 환경을 효율적으로 통제하는 것이다. 비용 절감, 소프트웨어 컴플라이언스 개선부터 거버넌스 위험 감소, 부서 간 커뮤니케이션 개선 등 다양한 효과가 있는 ITAM 접근법은 다음 링크에서 더욱 자세히 살펴볼 수 있다.
GTPlus
가치와 속도에 중점 둔 글로벌 클라우드 3사의 데이터 복제 기술
ⓒ GTPlus 최근 기업은 의사결정에 필요한 전체적인 그림 확보를 위한 민첩성과 탄력성을 높이고자 조직의 데이터를 클라우드 데이터 레이크 및 데이터 웨어하우스로 이동시키고 있다. 그 과정에서 기존의 데이터 통합 솔루션은 수동적이고 복잡한 프로세스로 인해 효율성이 떨어지며, 진행한다 하더라도 정작 데이터를 적용해야 하는 비즈니스 단계에 적합한 데이터가 아닌 경우가 발생한다. 따라서 이런 기존 솔루션의 한계를 보완한 모던 CDC 솔루션(Change Data Capture)이 주목받고 있다. 대표적인 모던 CDC 솔루션인 ‘클릭 리플리케이트(Qlik Replicate)’는 효율적인 데이터 전송 및 자동화된 데이터 변환 생성을 통해 소스 시스템 데이터 스트림 생성부터 분석 준비 데이터 세트 생성에 이르기까지 데이터 파이프라인을 가속화하는 솔루션으로 기존 데이터 통합 솔루션의 문제를 해결한다. 전 세계 수백 개의 기업이 사용하는 ‘클릭 리플리케이트(Qlik Replicate)’ 클릭 리플리케이트의 특징을 알아보면, 시스템의 중지 없이 데이터를 복제해 클라우드로 이동해(zero-time) 클라우드 환경의 데이터에서 보다 쉽고, 안전하며, 효율적으로 가치를 얻어낼 수 있게 지원한다. 또한, 소스에서 대상으로 실시간으로 데이터를 이동하며, 모든 데이터는 엔드 투 엔드 복제를 완전히 자동화하는 간단한 그래픽 인터페이스를 통해 관리된다. 데이터 엔지니어는 간소화되고 에이전트가 없는 구성을 통해, 선도적인 변경 데이터 캡처(CDC) 기술을 기반으로, 데이터 파이프라인을 쉽게 설정, 제어 및 모니터링할 수 있다. 아래 화면과 같이 수동으로 정보를 입력할 필요 없이 필터, 단일 테이블/뷰에 대한 변환 정의 및 전역 변환을 정의하는 GUI 대화 상자를 제공하는 Expression Builder 기능을 통해 규칙을 쉽게 작성할 수 있는 특징을 가진다. ⓒ GTPlus 클라우드별 베스트 프랙티스 제공, 어떤 클라우드 선택해도 지원 가능 클릭(Qlik)은 대표적인 클라우드 3개사 (Amazon Web Services(AWS), Microsoft Azure, Google Cloud Platform)의 기술 파트너로 모든 주요 데이터베이스, 데이터 웨어하우스에서 데이터 복제, 수집 및 스트리밍을 가속화하는 데 도움이 되는 솔루션을 제공한다. 따라서 사용자가 어떤 클라우드를 선택하든 지원할 수 있도록 Amazon Redshift, Azure Synapse, Google Big Query 및 Snowflake에 대한 베스트 프랙틱스를 제공하고 있다. 이러한 클릭의 기술력을 기반으로 클릭 리플리케이트는 다양한 원천 데이터 소스에서 AWS의 S3, Azure의 ADLS 및 GCP의 GCS로 실시간으로 데이터를 복제할 수 있으며, AWS의 RedShift 또는 EMR, Azure의 SQL데이터 웨어하우스 또는 HDInsight와 같은 다양한 특수 분석 환경에서 직접 변경된 데이터를 로드할 수 있다. ⓒ GTPlus 클라우드 환경에서의 데이터 복제에 대한 더 자세한 정보가 필요하다면 2월 10일부터 4회에 걸쳐 진행되는 ‘케이스로 알아보는 모던 CDC 세미나’ 참석을 추천한다. 온라인으로 진행되는 이번 세미나는 ‘데이터 복제 사용 케이스’를 중심으로 소스 설정과 타깃 정의 등 데이터 전문가가 궁금해할 실전 정보를 다뤄 복잡한 데이터 환경에서 스크립팅하는 데이터 관리자(DBA)들에게 매우 유용할 것이다. 지티플러스 블로그에서 행사 참여 신청을 할 수 있다.
Daliworks
확산하는 ESG 경영, 그 중심에 ‘IoT’가 있다
ⓒ Getty Images Bank 오늘날 모든 기업이 ESG(Environmental, Social and Governance) 경영에 주목하고 있다. 국내 주요 기업의 2022년 신년사의 공통 키워드는 ESG였으며, 정부는 대기업을 대상으로 오는 2025년부터 ESG 공시를 의무화했다. 기업이 ESG 경영을 해야 하는 이유가 규제에만 있는 것이 아니다. 앞으로 ESG는 기업 가치 및 평가에 더욱 중요한 역할을 담당하게 될 전망이다. 투자 업계에서는 이미 ESG를 우선순위 투자 지표로 삼았다. 2020년 기준 ESG 기반 자산의 가치는 45조 원에 달한다. 또한 ESG는 전 세계적인 트렌드이기 때문에 GVC(Global Value Chain)에서 낙오하지 않으려면 협력 업체 및 이해관계 그룹도 ‘ESG’라는 흐름에 발맞추어야 한다. ⓒ Daliworks ESG는 환경(Environmental), 사회(Social), 지배구조(Governance)의 약자로, 기업이 매출이나 이익 같은 재무적인 지표에만 관심을 두는 것이 아니라 환경과 사회를 생각하고 기업 지배구조의 투명성을 추구하는 패러다임을 의미한다. 기본적으로 ESG는 3가지 요소를 원칙으로 지속가능성을 추구한다는 ‘가치’이지만, 의무 공시를 해야 하는 기업의 입장에서는 일종의 ‘기준’이다. 여러 전문가는 ESG가 규제보다는 비즈니스 관점에서 잘 조율된 시스템으로 이어질 때 좋은 결과를 얻을 수 있다고 조언한다. 결국 장기적으로 ESG를 비즈니스 전략에 얼마나 잘 구현하느냐가 관건이다. 각 기업은 저마다의 방식으로 ESG 경쟁력을 높이기 위해 노력하고 있으며, 대표적인 방법으로 IoT 기술을 선택하고 있다. ESG 추진을 위한 전략적 방안으로서의 IoT 투자 지표로 삼든, 규제를 위한 기준이든, 경영 전략으로 쓰이든 ESG는 정량화되고 계량화된 수치를 요구한다. 때문에 ESG를 실현하려는 기업에는 디지털 트랜스포메이션이 필수적이고 IoT가 필요하다. IoT는 ESG 지표의 수집 및 보고를 보다 정확하고 간소화하는 데 도움이 된다. 탄소 배출량, 에너지 효율, 수질 및 폐기물 관리, 실내 공기 질 관리와 같은 환경 관련 지표를 IoT 센서를 사용해 정밀하게 측정하고 대조할 수 있다. 따라서 기업이 목표를 달성하고 있는지, 효율성 개선을 위한 조치가 필요한지를 쉽게 판단할 수 있다. 또한 IoT는 ESG 성능 향상에도 유용하다. IoT 센서로 정확한 데이터를 확보하고 모니터링함으로써 개선사항을 발견하고 최적화할 기회를 확보할 수 있기 때문이다. 최적 영역에서 벗어날 때 알람을 설정하면 사전에 조치를 취할 수 있다. ⓒ Daliworks ESG와 관련한 제조 분야의 주요 이슈는 환경에 미치는 영향을 줄이는 것이다. IoT 기술을 적용하면 탄소 배출량을 감소시키고 저전력 운영과 에너지 효율을 극대화하는 시스템을 개발할 수 있다. 구체적으로 IoT 기기를 통한 공장의 제조 환경 모니터링 및 제어로 설비의 효율성을 개선해 온실가스를 감축하며, 주요 설비의 전력량을 계측하여 전기 에너지 사용량을 분석하고 전력피크를 모니터링하는 EMS(Energy Management System)를 도입해 에너지 효율을 높일 수 있다. 물류 분야 역시 IoT를 이용한 스마트 운송 시스템 도입으로 탄소 배출량을 절감할 수 있다. 예컨대 운송 차량의 트래픽 상황을 관리하고, 적재량 및 운송 경로 최적화를 통해 친환경 물류로 전환할 수 있다. 최근 ‘뜨거운 감자’로 떠오른 안전 문제에 대한 해결책도 제시한다. 잇따른 물류창고 화재로 물적 피해와 사회적 우려가 높아진 상황에서 근무자를 위한 안전한 노동환경으로의 개선이 필요하다는 목소리가 높다. IoT 센서를 도입하면 물류창고 내 작업자의 출입 여부를 자동으로 확인하고, 이에 따라 전원을 차단해 에너지 절약과 화재 예방을 동시에 이룰 수 있다. 나아가 온도 변화에 따라 화재를 감지하고 자동 소화하는 IoT 서비스로 비즈니스 위험 요소를 선제적으로 관리할 수 있다. IoT는 사회 문제 해결에도 적극적으로 활용할 수 있다. 홀몸노인 고독사 예방을 위한 노인 돌봄 IoT 서비스, 소방관과 경찰의 눈이 되어주는 IoT 관제 솔루션, 지자체 빈집 관리 IoT 시스템과 같은 활용영역으로 빠르게 확산되고 있다. 대한민국 대표 IoT 솔루션 업체 달리웍스는 IoT 플랫폼 씽플러스를 기반으로 적극적으로 ESG 지원 솔루션을 개발하고 있다. 환경 분야에 특화된 스마트팩토리, 스마트에너지는 탄소 배출량 감소, 저전력 운영, 에너지 효율 극대화를 이룰 수 있도록 고안됐다. 또한 달리웍스는 노동환경을 개선하고 지역사회에 기여하며 사회적 약자를 보호하는 사회공헌 서비스도 지원한다. 예컨대 작업자 체온을 측정하고 실시간 모니터링하는 스마트패치 서비스, 도로나 하천의 빗물받이에 쌓인 비점오염퇴적물의 하중을 실시간으로 모니터링하는 배수 모니터링 서비스, AI 분석으로 탑승자의 안전 상태 및 장비의 이상 유무를 탐지하는 전동 휠체어 안전 관리 서비스가 대표적이다. 달리웍스 이순호 대표는 “IoT 네트워크를 사회 안전망으로 활용하면 물리적인 투입이 부족한 현재 사회 안전망을 훌륭히 보완할 수 있다. 앞으로 ESG 경영이 심화하면서 기업의 혁신과 지속 가능한 발전을 실현하기 위해 IoT를 활용하려는 움직임도 더욱 속도를 낼 전망이다”라고 말했다.