Offcanvas
Some text as placeholder. In real life you can have the elements you have chosen. Like, text, images, lists, etc.
Offcanvas
1111Some text as placeholder. In real life you can have the elements you have chosen. Like, text, images, lists, etc.

분석

씨게이트, 클라우드 기반 분석 솔루션 '라이브 클라우드 애널리틱스 플랫폼' 출시

씨게이트는 클라우드 기반 분석 솔루션인 ‘라이브 클라우드 애널리틱스 플랫폼(Lyve Cloud Analytics Platform)’을 발표했다. 라이브 클라우드 애널리틱스 플랫폼은 스토리지, 컴퓨팅, 애널리틱스를 하나의 솔루션에서 구현해 총소유비용(TCO)을 줄이며, 데이터옵스(DataOps)와 엠엘옵스(MLOps)를 통해 더욱 빠르게 실질적 비즈니스 가치 창출을 할 수 있도록 지원한다고 업체 측은 밝혔다.    가장 자유롭게 데이터 이동이 가능한 클라우드 스토리지인 라이브 클라우드에 데이터 분석 기능을 추가함으로써, 기업이 개방형 데이터 레이크 아키텍처에 저장된 데이터를 활성화하고 페타바이트급 데이터를 빠르게 분석할 수 있다. 이를 통해 데이터 분석을 이용한 아이디어를 실제로 구현하는데 소요되는 시간을 줄임으로서 다른 솔루션 대비 최대 40%의 비용을 절감할 수 있다. 멀티클라우드는 최근 기업에서 주로 채택되는 데이터 관리 전략이지만 복잡한 데이터 접근과 예측이 불가능한 비용 때문에 데이터 활용에 한계가 있다. 데이터 분석, 인공지능(AI), 머신러닝 시스템 훈련을 위해 방대한 데이터를 수집하고 분석해야 하는 데이터 집약적인 산업 분야에서 이러한 문제점은 더더욱 두드러진다. 가트너 연구에 따르면, 분석 규모를 확장할 수 있는 도구의 부재로 인해 전체 AI 프로젝트 중 53%만이 시제품에서 실제 생산으로 이어진다. 씨게이트는 자체 제조 현장에서 습득한 선도적인 경험을 활용해, 시간에 따라 통계적으로 데이터를 분석하는 시계열 분석, 도표 데이터 관리 및 이미지 분석용으로 사전 구성된 풀스택(full-stack) 분석 코드 솔루션과 전문 지원 서비스를 제공한다. 이 솔루션을 통해 기존 12개월에서 18개월에 걸리던 제조 과정 데이터 분석의 실제 구현 시간을 4개월 미만으로 크게 단축할 수 있도록 지원한다. 씨게이트 최고정보책임자(CIO) 겸 스토리지 서비스 수석부사장 라비 나익은 “라이브 클라우드 애널리틱스 플랫폼을 이용하면 고객은 데이...

씨게이트 클라우드 분석 2022.10.12

"MES부터 IoT, AR, 분석까지" 스마트 제조를 완성하는 핵심 기술 4가지 - Tech Insight

IT(Information Technology)와 OT(Operational Technology)를 융합해 생산성과 품질을 향상하는 ‘스마트 제조’가 주목받고 있다. 제품 생산 과정에 디지털 기술을 적용해 공정과 설비, 물류를 자동화하고 데이터를 통합, 분석하고 실적과 생산, 품질, 설비를 관리하고 전체 생산 공정을 통합 모니터링하는 것을 의미한다. 이미 글로벌 제조 기업들은 스마트 제조를 통해 속도와 생산성 사이에서 미세한 균형을 유지하며 수익을 극대화하고 있다. 최신 스마트 제조 트렌드를 살펴보고, 기업이 이를 성공적으로 구현하기 위한 4가지 핵심 기술, 즉 MES, IoT, AR, 분석에 대해 자세히 알아본다. 다양한 사례를 통해 실제 기업이 참고할 수 있는 도입 가이드를 제시한다. 주요 내용 - 스마트 제조 최신 트렌드 5가지 - 스마트 제조로 가는 최적의 출발점, MES - 스마트 팩토리 데이터 인프라의 토대, IIoT - “IIoT와 찰떡궁합” 산업용 증강현실 여기까지 왔다 - 실시간 운영 가시성을 확보하는 지름길, 분석

스마트 제조 MES IoT 2022.10.05

블로그 | 기업이 데이터 활용에 ‘젬병’인 이유

많은 기업이 클라우드 컴퓨팅으로 자사의 데이터를 제대로 활용해 역량을 배가하고 혁신 기업이자 업계 선두주자로 변신하고자 한다. 또는 그 정도는 아니라도 최소한 데이터를 최적화할 수 있기를 바란다. 스노우플레이크는 최근 대부분 기업이 데이터와 관련해 여전히 가지고 있는 핵심 문제를 파악한 보고서를 발표했다. 보고서에 따르면, 38%의 기업만이 데이터에서 가치를 추출해 의사결정에 활용하고 있다. 게다가 글로벌 기업 중 단 6%만이 견실한 데이터 전략이 제공하는 이점을 모든 조직이 활용할 수 있는 방법으로 데이터를 사용하고 액세스하고 공유하는 것으로 나타났다.   클라우드 컴퓨팅의 시대에 어떻게 이런 일이 일어나는 것일까? 첫째, 많은 기업이 그저 데이터를 클라우드로 옮기고 좋은 일이 일어나길 바란다. 잘 사용하지 않는 데이터를 데이터센터에서 클라우드로 옮기면, 클라우드에 잘 사용하지 않는 데이터가 있을 뿐이다. 바뀌는 것은 아무것도 없다.  둘째, 데이터 통합에 대한 고려가 전혀 없고, 데이터에 대한 액세스는 여전히 해결해야 할 핵심 문제로 남아있다. 데이터 통합과 이를 위한 툴은 10년이나 된 개념이다. 놀랍게도 많은 기업이 아직 클라우드로 이전한 데이터를 활용할 방법을 파악하지 못한 상태이다. 마지막으로 기업은 자체 비즈니스 의사결정을 위해 자체 데이터를 이용하지 않는다. 영업 예측을 위한 기본적인 분석뿐만 아니라 재고 소진 프로세스 같은 공급망 자동화를 지원할 수 있는 실시간 의사결정 자동화도 마찬가지다.  이런 문제를 바로잡는 마법의 기술 같은 것은 없다. 데이터 활용을 개선하는 유일한 방법은 기업의 데이터를 도메인으로 나누고 각각의 도메인을 한 번에 하나씩 어떻게 처리할 것인지 계획하는 다년 계획을 세우는 것뿐이다. 이런 전략에는 두 가지 주된 목표가 있어야 한다. 먼저, 구체화해야 하는 데이터를 어떻게 찾을 것인지 방법을 찾고, 이를 찾고 추출할 인터페이스를 제공해야 한다. 이 과정은 안전하고 확장 가능한 방법...

인사이트 분석 애널리틱스 2022.07.25

“미래를 위한 아키텍처” 엣지 컴퓨팅의 현황과 과제 - IDG Deep Dive

디지털 기술이 비즈니스의 모든 영역으로 확장되면서 네트워크 외곽에 있는 일부 디바이스가 디지털 인프라의 첨병이 되곤 한다. 한창 성장 중인 이들 IoT 환경은 이미 수 페타바이트의 데이터를 모으고 일부는 분석을 위해 처리하고 일부는 즉각적인 대응 조처에 사용한다. 이제 변방의 디지털 인프라에도 최적화된 아키텍처가 필요한 시점이다.  엣지 컴퓨팅은 핵심 데이터센터와 지능형 엔드포인트 간의 인프라와 핵심 서비스를 연계하는 역할을 한다. 쉽게 말해, IoT 엔드포인트와 물리적으로 가까운 곳에 실질적인 컴퓨트와 스토리지 계층을 제공해 지연없는 응답, 분석을 위한 데이터 전송 감소 등의 이점을 얻을 수 있다. 이미 여러 산업군에서 맹활약 중인 엣지 아키텍처의 가치를 사례를 통해 확인하고, 실제 엣지 컴퓨팅 구현 및 운영 과정에서 고려해야 할 보안 문제와 숨어있는 함정을 짚어본다. 또한 엣지 컴퓨팅 도입 방안으로 급부상하고 있는 클라우드 기반 IoT 플랫폼 선태 기준도 제시한다. 주요 내용 - 미래의 아키텍처 ‘엣지 컴퓨팅’ - “트럭에서 위성까지” 엣지 분석 실전 성공 사례 3가지 - “헬스케어의 첨병” 엣지 컴퓨팅이 바꾸는 의료의 미래 - 엣지 보안 : 주목해야 할 4가지 트렌드 - “이로운 만큼 복잡하다” 엣지 컴퓨팅에 숨은 함정 5가지 - 클라우드 IoT 플랫폼을 선택하는 방법

엣지컴퓨팅 사례 분석 2021.11.23

디지털 트랜스포메이션에서 한발 앞서가기 위한 4가지 성공 전략

기업이 팬데믹 위기를 극복하기 위해 IT 부서에 의존하면서 분석과 AI에 대한 관심과 투자가 증가했습니다. 이러한 추세는 지속적으로 이어질 전망입니다. 전략은 성공적이었지만 일관된 분석과 AI 전략 개발에는 여전히 어려움을 겪는 조직이 많습니다. 지금은 IT 및 데이터 사이언스 리더가 분석과 AI 채택을 가속화하기 위해 일관된 전략을 추진해야 하는 시기입니다. 특히 기술 부채가 계속해서 큰 부담을 주고 있으므로, 기존 투자에서 더 많은 가치를 창출할 수 있는 창의적인 방법을 찾는 것이 중요합니다. 가장 성공적인 조직들이 비즈니스 차별화와 탄력성을 위해 분석과 AI 전략을 구축하는 4가지 방법과 실제 사례를 소개합니다. <14p> 주요 내용 - 분석과 AI를 위한 클라우드의 과제 - 지능형 클라우드로의 이동  - 현재 ModelOps 프로세스 평가 - 데이터 사이언스 업무를 지원할 커뮤니티의 활성화  - 거버넌스 도입  - 비즈니스 사용 사례

AI 분석 클라우드 2021.09.23

"모든 분석이 같은 결과를 가져오지 않는다" 분석 등급별 다른 용도와 특징

분석(Analytics)은 모든 현대 SaaS 애플리케이션의 핵심이다. SaaS 애플리케이션을 성공적으로 운영하기 위해서는 애플리케이션의 성능이 어느 정도인지, 무슨 일을 하는지, 목표 달성에 얼만큼 성공하고 있는지를 모니터링해야 한다.   그러나 현대 애플리케이션이 모니터링하고 점검해야 할 분석의 유형은 많다. 분석의 목적과 가치, 정확성, 신뢰성은 어떻게 측정하고 사용되는지, 그리고 누가 사용하는지에 따라 크게 좌우된다. 기본적으로는 3가지 클래스의 분석이 있으며 각각의 사용례는 확연히 다르다. 클래스 A 분석, 미션 크리티컬한 애플리케이션 운영 클래스 A 분석은 애플리케이션의 미션 크리티컬 메트릭이다. 이 분석이 없으면 애플리케이션 작동이 즉시 멈출 수 있다. 애플리케이션 운영을 평가하고 성능을 조정하고 동적으로 수정해 애플리케이션 기능을 유지하는 데 사용되는 메트릭이다. 분석은 애플리케이션 운영 환경을 지속적으로 모니터링하고 개선하는 피드백 루프의 일부분이다. 클래스 A 분석의 대표적인 예는 오토스케일링(autoscaling)에 사용되는 메트릭이다. 이와 같은 메트릭은 애플리케이션의 부하가 변동함에 따라 현재의 수요를 충족 또는 초과하도록 인프라 크기를 동적으로 변경하는 데 사용된다. 잘 알려진 예로 AWS 오토스케일링(Auto Scaling) 클라우드 서비스가 있다. 이 서비스는 특정 아마존 클라우드워치(CloudWatch) 메트릭을 자동으로 모니터링하면서 트리거와 임계치를 관찰한다.  특정 메트릭이 특정 조건에 도달하면 AWS 오토스케일링은 아마존 EC2 인스턴스를 애플리케이션에 추가 또는 제거해 애플리케이션을 운영하는 데 사용되는 자원을 자동으로 조정한다. 더 많은 자원이 필요하면 인스턴스를 추가하고, 메트릭에 자원이 더 이상 필요없는 것으로 나타나면 인스턴스에서 리소스를 제거한다. AWS 오토스케일링을 활용하면 원하는 수의 EC2 인스턴스로 구성된 서비스를 만든 다음, 트래픽과 부하 요구사항에 따라 자동으로 서버를...

분석 오토스케일링 2021.07.22

“실현 가능한 현실적인 솔루션을 찾아라” 기업 IT 인프라 솔루션 및 파트너 전략 가이드 - IDG Summary

IT 인프라에 관해 모든 기업은 제한된 자원과 인력이라는 근본 과제를 안고 있지만, 특히 기업 규모가 작을수록 자체 기술 역량이 부족한 경우가 많다. 이처럼 구축하고 운영해야 하는 인프라에 맞는 내부 역량이 없으면, 외부의 도움을 받지 않는 모든 과정이 어려운 과제가 될 수 있다. 그 중에서도 모든 IT 서비스의 시작이라고 할 수 있는 현황에 대한 진단 및 분석은 실제 인프라 구축 및 운영에 결정적인 영향을 미친다. 유니포인트는 현황 파악과 진단 및 분석을 기반으로 한 실용적이고 현실적인 컨설팅을 해법으로 제시한다. 인프라 전반에 대한 진단과 분석, 긴밀한 협업을 통한 원팀 구축 등 최적화된 컨설팅 프로세스, 이를 기반으로 한 실제 고객 사례까지 알아본다. 주요 내용 - 완벽한 IT 인프라 운영을 위한 전제 조건은 “현황 파악” - 진단 및 분석과 파트너가 중요한 이유 - 포괄적인 진단 분석에서 자문까지 실속 컨설팅 - 분석과 컨설팅을 통한 업그레이드 성공 사례 - 비용 절감과 운영 효율을 위한 적기 업그레이드

진단 분석 컨설팅 2021.06.03

효율적인 마테크 스택을 갖추기 위한 구성요소와 프로세스

마케팅 기술은 비싸고, 비효율적이며, 사용하는 사람들은 누구든 복잡하게 느껴질 것이다. 그렇자면, 효과적인 마테크(Martech) 스택을 만들려면 어떻게 해야 할까? 가트너에 따르면, 마케팅 기술은 CMO가 지출하는 예산의 26.2%를 차지해 가장 큰 부분이며, 유료 미디어(24.8%), 인건비(24.5%), 대행사 및 서비스 비용(23.7%)보다 더 크다. 그러나 같은 조사에서 마케터는 마테크 스택에 수백만 달러가 낭비된다고 답했으며, 매출이 10~50억 달러인 기업은 마테크에만 6,200만 달러를 낭비한다고 추정했다.  이러한 낭비를 막기 위해, 가트너의 애널리스트 콜린 레이드는 최근 가트너의 미국 마케팅 심포지움에서 마테크 구매와 생태계를 강화하는 3가지 구성요소를 설명했다.    첫 번째 구성요소는 기업의 능력을 인식하는 것이다. 레이드는 “기업으로서 우리가 할 수 있는 일은 무엇일까? 그 일을 하기 위한 인력과 전문지식이 있는가? 비유하자면, 우주 비행사가 없는 경우 비행할 수 없으므로, 로켓선을 만들면 안된다는 것이다. 하지만 우주 비행사가 있는 경우, 4대를 구축하면 엄청난 경쟁 우위를 확보할 수 있다”라고 말했다. 더욱 효과적인 마테크 생태계를 위한 두 번째 기반은 데이터다. 레이드는 “마테크가 작동하려면 데이터가 필요하다. 엔진에 동력을 공급하는 것은 연료다. 보유한 데이터는 무엇인지, 어디에 있는지, 어떻게 액세스하는지에 대해 생각해 보고 데이터 소유자와 협력해 마케팅에 활용해야 한다”라고 말했다. 이어 “흔히 볼 수 있는 실수는 기업이 이 데이터 작업을 시작일과 종료일이 있는 프로젝트로 생각한다는 것이다. 틀렸다. 데이터를 사용해 데이터 작업을 탈바꿈하고, 변경하고, 새로운 데이터를 생성한다”라고 지적했다.  더불어, 이런 데이터를 활용하는 여정 속에서 사내의 여러 데이터 소유자에게 새로운 데이터 소스에 대한 액세스를 제공해야 한다. 따라서 마테크에 동력을 공급하는 연료를 고려할 때, 기회를 ...

마테크 마케팅 디지털마케팅 2020.12.07

코로나19로 변한 마케팅 우선순위 “브랜딩에 집중, 마테크 투자는 여전”

전 세계 경제가 코로나19의 영향을 받고 있는 가운데, 기업의 마케팅 전략에도 변화가 감지되고 있다. 가트너가 최근 발표한 2020 CMO 지출 설문조사(CMO Spend Survey)에 따르면, ‘브랜딩’이 CMO의 최우선 전략으로 부상했다.  이번 설문조사에 참여한 CMO 중 33%가 마케팅 전략 3대 우선순위 중 하나로 브랜딩을 꼽았다. 작년 우선순위에서 하위를 기록했던 것과 비교했을 때 극적인 변화이며, 처음으로 분석, 개인화, 마테크(martech) 보다 높아졌다.  가트너의 마케팅 시장 분석 담당 부사장인 이완 매킨타이어는 “브랜드 인식과 관련성은 팬데믹 상황에서 어느 때보다 중요하다. “성공적인 브랜드들은 브랜드 전략과 가치 제안을 진정으로 연결하고 있다”고 말했다.    한편, 분석은 여전히 주요 마케팅 전략 중 하나지만, 응답자의 27%만이 3대 우선순위로 꼽으며 지난해 설문조사보다 10%p 가량 감소했다. 이는 여전히 많은 마케터가 아주 기초적인 분석 역량을 갖추는 데 어려움을 겪고 있는 상황 때문인 것으로 풀이된다.  지난해 핵심 전략 우선순위 중 하나였던 개인화는 응답자의 단 14%만이 3대 우선순위로 꼽아 관심이 급감했음이 확인됐다. 이런 결과는 85%의 마케터가 투자대비효과가 떨어지고 데이터 관리의 어렵다고 판단해 2025년까지 개인화와 관련된 노력을 포기하리란 가트너의 전망을 뒷받침한다. 마테크는 2020년 마케팅 예산의 26^를 차지하며 여전히 CMO의 관심을 받고 있다. CMO의 68%는 향후 1년간 마테크 투자를 늘릴 것이라고 답했다. 매킨타이어는 “CMO들은 기술이 어려운 시기를 빠르게 극복하는 데 도움이 되리라 믿으며, 고객 데이터 플랫폼, 모바일 마케팅 플랫폼, 디지털 커머스 등에 지속해서 투자하고 있다”고 말했다. 하지만 마테크의 활용은 또 다른 문제다. 이번 설문 응답자 중 단 58%만이 보유한 마테크 역량을 완전히 활용하고 있다고 답했다. 만일 마테크에 대한 투...

마케팅 디지털마케팅 팬데믹 2020.07.03

‘현업이 직접 찾은 비즈니스 인사이트의 힘’ 사례로 확인하는 자율운영 데이터 웨어하우스의 가치 – IDG Summary

데이터를 통한 비즈니스 혁신의 핵심은 현업 사용자가 데이터에서 인사이트를 얻고 그 결과를 비즈니스에 적용하는 것이다. 하지만 기존의 데이터 분석 시스템은 현업이 직접 활용하기에 복잡하고, 구축에 시간과 비용이 많이 들어 중소기업은 쉽게 도입하지 못했다. 클라우드와 머신러닝 기술을 통해 데이터 분석 시스템의 구축과 운영 측면의 한계를 극복한 오라클의 자율운영 데이터 웨어하우스의 가치를 성공사례를 통해 살펴본다. 주요 내용 - 데이터는 많지만, 활용은 먼 나라 이야기 - ‘자율운영을 통한 최적화된 데이터 웨어하우스’ 오라클 ADW - 머신러닝이 돕는 빠르고 쉬운 데이터 분석 - 고객사례 01 : 기흥모터스, “마케팅 니즈에서 전사 프로젝트로” - ‘최신의 데이터’로 학습시킨 머신러닝 알고리즘으로 ‘더 정확한’ 예측 분석을 - 고객사례 02 : 다각도의 데이터 분석으로 재고 비용은 줄이고 매출은 늘린 식품회사 - 고객사례 03 : ‘안전한’ 클라우드 데이터 분석 시스템으로 비즈니스 혁신에 성공한 세종병원 - 급변하는 비즈니스 환경, 데이터 분석이 혁신의 힘  

데이터 oracle 분석 2020.05.25

2020년 주시해야 할 5가지 보안 운영 및 분석 트렌드

ESG의 조사 결과에 따르면, 더 응집력 있는 보안 기술 아키텍처를 구현하기 위해 이질적인 보안 분석 및 운영 도구를 적극적으로 통합하는 기업의 비율이 36%에 이른다. 또, 보안 분석과 운영 도구 통합에 어느 정도 적극적으로 접근하고 있다고 답한 비율도 48%에 달했다. 이런 데이터는 필자(ESG 소속)가 지난 3년간 컨설팅을 하고 글을 쓴 보안 운영 및 분석 플랫폼 아키텍처(security operations and analytics platform architecture, SOAPA)를 설명한다. 포인트 도구들을 혼합해 사용하는 방법으로는 현재의 보안 요구사항, 데이터 볼륨, 프로세스 자동화 등에 보조를 맞출 수 없다. 이에 CISO들이 이런 니즈를 충족하기 위해 통합된 SOAPA 솔루션을 구축하거나 구입하고 있다. 필자는 보안 운영 센터(security operation centers, SOC)를 혁신하는 조직이 증가하면서, 2020년이 SOAPA에 아주 중요한 한 해가 될 것으로 판단하고 있다. 다음은 필자가 주시할 SOAPA의 발전상 가운데 일부를 정리한 내용이다.   1. 원스톱 SOAPA 숍 보안 분석 및 운영 기술 벤더들은 기존 제품 포트폴리오를 보완하기 위해 계속해서 인수합병 활동에 박차를 가할 전망이다. 이는 새로운 트렌드가 아니다. 2019년, 마이크로 포커스는 인터세트(Interset)를, 팔로알토 네트웍스는 데미스토(Demisto)를, 수모 로직(Sumo Logic)은 JASK를 인수했다. 내년에도 프로세스 자동화와 고급 분석 등의 분야에서 M&A 활동이 활발할 것으로 예상된다.  그러나 주요 SIEM이 애노멀리(Anomali)와 스레트커넥트(ThreatConnect), 스레트쿼티언트(ThreatQuotient) 같은 위협 지능 플랫폼 하나 이상을 인수할 것으로 내다본다. 유사하게 어웨이크 시큐리티(Awake Security), 코어라이트(Corelight), 벡트라 네트웍스(Vectra Networks)...

분석 보안 보안운영 2019.12.23

글로벌 칼럼 | 위험하고 치명적인 전 지구적 중독, '데이터'

아이클라우드 계정의 장애로 인해 평생의 소중한 사진을 잃어버린 개인이나, 고객 데이터를 보호하지 못해 재무 및 평판에서 치명상을 입는 기업을 상상하기는 어렵지 않다. 그런데 호주 같은 국가 단위로 필수적인 정부 데이터의 소실 때문에 국가 기능이 정지하고 경제적 혼란에 휩싸이는 상황은 어떨까? 데이터가 우리 삶에 강한 영향력을 갖는 현재 상황에서 이는 매우 실제적인 위험이다.   호주 전국에 걸쳐 판매업체, 자문업체, 협력업체, 고객이 계속 증가하기만 하는 데이터 더미로부터 가치를 분리해 추출하려고 시도함에 따라 데이터 문제는 점점 더 뜨거운 논란거리가 되고 있다. 이러한 시도는 통찰을 주고, 비즈니스 프로세스, 가치 및 이해를 제고한다는 사실이 이미 증명됐지만 한 가지 결정적으로 간과된 사실이 있다. 바로 데이터에 대한 사람들의 의존과 중독이다. 개인, 정부, 매장은 일상 업무를 위해 최소한 분 단위로 데이터를 저장하고 액세스한다. 사람들은 아직도 데이터가 선택 중 하나라고 주장하지만, 일반적으로 '선택'이란 단어는 '의존'과 연관되는 것이 아니다. 진실은 이제 현실에서 개인, 기업 할 것 없이 갈수록 데이터에 의존한다는 사실이다. 우리가 인터넷 그리고 연결된 세계로 나감에 따라 이러한 의존은 오히려 더 극적으로 확대된다. 데이터는 반드시 저장돼야 하고, 이는 여러 환경의 조합을 통해 이루어진다. 즉 기업 내에서나, 프라이빗 클라우드나 퍼블릭 클라우드에서, 또는 이 모든 곳에서 저장된다. 대부분의 사람과 기업 관계자는 이러한 사실에 별로 관심이 없고, 흔히 기술에 능한 개인 및 부서가 알아서 할 일이라고 생각한다. 그러나 아마도 이제는 인류 전체가 관심을 가져야 할 시간이 된 것 같다. 우리의 '의존'이 한계에 도달했다는 위험신호가 나타나고 있기 때문이다. 현존하는 전 세계의 데이터센터 중 단 5%만 현대화됐다. '데이터 의존'이라는 현실적인 희망을 20년 넘은 낡은 아키텍처가 지탱하고 있는 것이다. 이는 90년대의 자동차 기술 및 제조 능력...

CIO 데이터 중독 2019.12.18

'사기, 낭비, 악용 근절' 정부 재정 적자 문제 해결 방안

각지의 정부 정책이 사기, 낭비, 악용 문제에 그 어느 때보다 취약해져 있습니다. 정부를 겨냥한 사기 건수가 급증하면서 사상 최고치를 찍고 있습니다. 업계 조사에 따르면, 사기, 낭비, 악용 문제가 정부 예산 총지출의 10%에 달한다고 합니다. 정부가 사기, 낭비, 악용을 근절하여 적자를 최소화할 방법은 과연 무엇일까요? 사기 탐지 및 방지 방식을 지원하는 SAS® Detection & Investigation을 활용해 대응할 수 있는 전략을 알아봅니다. <12p> 주요 내용 - 정부 예산에 수십억 달러의 비용을 초래하는 사기, 낭비, 악용 문제  - 해결책은? 전사적 사기 탐지 방식 - 전사적 사기 탐지 방식을 가로막는 장벽 극복하기  - SAS의 지원 방법  - 고객 사례 연구   

SAS 빅데이터 FDS 2019.11.13

"경기날 음료 판매량까지 정확히 예측"··· NBA 마이애미히트의 애널리틱스 사례

오늘날 스포츠 팬은 스마트폰 덕분에 행복하다. 다양한 모바일 앱에 통해 더 편리하게 스포츠를 즐길 수 있기 때문이다. 예를 들어 미국 프로 농구 연맹(NBA) 마이애미 히트팀은 홈 경기장인 아메리칸에어라인 아레나의 입장권과 물건을 모바일 기기로 구매할 수 있도록 지원한다. 팬은 물론 팀에게도 도움이 되고 있다. 이러한 팬 대면 기술에 힘입어 NBA 팀들은 더 나은 고객 경험(CX)을 제공하고 있다. 트 팀과 아메리칸에어라인 아레나의 사업 전략 부사장 매튜 자파리안은 "NBA 팀마다 팬들에게 놀라움과 기쁨을 안겨줄 홈 경기가 매년 41차례 이상 치러진다. 우리는 디지털 트랜잭션으로 수집된 정보를 활용해 개인별 맞춤 상품을 제공하고 상위 판매 고객을 식별하는데 이는 디지털 트랜스포메이션에서도 매우 중요한 의미가 있다"라고 말했다. 이러한 데이터 중심 방식을 통해 히트 팀은 새로운 전략을 만들었다. 2017년 자파리안이 합류했을 당시 히트 팀은 이른바 빅3로 통했던 슈퍼스타 레브론 제임스, 크리스 보쉬, 드웨인 웨이드를 잃은 충격에서 아직 벗어나지 못하고 있었다. 빅3는 2010년부터 2014년까지 총 4회의 결승전 진출을 견인했고 그중에서 2012년과 2013년에는 2년 연속 NBA 우승을 차지하는 데 결정적인 역할을 했다. 빅3 시대를 지나 디지털 CX로 포스트시즌에 밥 먹듯이 진출하던 당시만 해도 히트 팀은 정교한 영업 인프라가 굳이 필요하지 않았다. 그러나 빅3가 떠난 후 사정이 달라졌다. 팀은 부진에 빠졌고 시즌 경기 입장권 수익은 물론 경기장 내 매점과 의류 판매 실적도 하락했다. 단순히 팀의 성적을 올리는 것만으로는 부족하다는 것을 깨달은 히트 팀은 새로운 팬 서비스 전략이 필요했다. 즉, 디지털 시대에 걸맞은 첨단 기술의 느낌과 분석에 입각한 주도적인 접근 방식이 필요해진 것이다. 2017년, 히트 팀은 자체 모바일 앱을 개편해 애플 아이폰과 안드로이드 스마트폰으로 경기장 입장과 지갑 서비스를 쓸 수 있도록 지원했다. 즉, 종이 입장권을 출...

CIO 분석 NBA 2019.10.24

글로벌 칼럼 | 마이크로소프트와 구글의 클라우드 시장 2위 경쟁 분석

클라우드 시장 2위 자리를 두고 경쟁이 더 치열해지고 있다. 구글 클라우드는 적극적으로 기업 시장을 노크하고 있으며, 마이크로소프트는 이를 막기 위해 큰 노력을 기울이고 있다.    실행 가능한 유일한 업무 생산성 제품군의 선택지로서 수년 동안 마이크로소프트는 대기업 시장에서 편안한 지위를 누려 왔다. 그 어느 때보다, 특히 기업이 클라우드로 옮겨가는 데 따른 걸림돌을 계속해서 극복함에 따라, 구글 클라우드의 G 스위트는 마이크로소프트 오피스 365에 대한 실행 가능한 대안이 됐고, 앞으로도 그럴 것이다. 많은 마이크로소프트 기업 고객이 이미 오피스365 요금제 중 최소한 하나 또는 전체 마이크로소프트 365 클라우드 번들로 옮겨갔지만, 아직 오피스365를 사용하지 않거나 부분적으로만 채택한 경우도 있다. 어떤 시나리오가 적용되든 상관없이 마이크로소프트는 기업 고객을 적극적으로 공략해 이들이 오피스 365를 채택하거나 더 많이 추가하도록 하고 있다. G 스위트를 채택하든 GCP(Google Cloud Platform)를 채택하든 상관없이 구글 클라우드는 이들 기업에 공격적으로 접근하고 있다. 구글 클라우드는 승리에 유리한 입지를 차지하고자 상당한 투자와 조직적인 변화를 이뤄냈지만, 마이크로소프트도 구글 클라우드를 밀어내기 위한 투자를 계속하고 있다. 마이크로소프트(애저), 아마존(AWS), 구글 클라우드(GCP) 사이의 명백한 경쟁 환경을 넘어, 종종 사무실이 없는 근로자 커뮤니티에서 출발하여 사용자들의 일부에게만 해당하더라도 G 스위트를 채택하는 데 더 많은 기업이 진정으로 관심을 보이면서 그러한 경쟁이 과열되고 있다.  2017년 4분기 수익결산까지 거슬러 올라가면 알파벳(구글 클라우드의 모기업)은 구글 클라우드가 클라우드 사업 단위에 중요한 기준이 되는 분기당 10억 달러의 수익을 올리는 사업이 되었다고 발표했다. 적어도 부분적으로 이러한 전환점은 더 많은 기업이 구글 클라우드를 더 진지하게 고려하기 시작했을 뿐만 ...

하이브리드 GCP 구글클라우드 2019.10.07

데이터 애널리스트, '역할과 책임, 그리고 연봉은"

데이터 애널리스트는 소속 조직이 더 나은 비즈니스 의사결정을 내리는 데 도움이 되도록 데이터를 처리하는 일을 한다. 컴퓨터 프로그래밍, 수학, 통계 등 여러 분야의 기법들을 활용, 데이터를 분석 및 처리해 비즈니스 활동을 설명하고, 예측하고, 성과를 개선할 수 있는 결론을 도출한다. 모든 분석팀에서 핵심적인 역할을 하며, 수학 및 통계 분석에 정통한 제너럴리스트가 많다.   데이터 애널리스트에 대한 수요 증가 기업과 기관의 분석 역량에 대한 관심이 빠른 속도로 급증하면서, 데이터 애널리스트를 찾는 수요가 아주 많다. 지난 4월, IDC는 올해 빅데이터 및 비즈니스 애널리틱스 솔루션 매출 규모가 1,891억 달러에 도달할 예정이며, 2022년까지 2자리 수의 성장세를 유지할 것으로 내다봤다. 가트너의 저명한 VP 애널리스트인 리타 살람은 “비즈니스와 기술 변화 속도가 유례없이 빠르다. 특히 분석 분야가 그렇다. 조직은 디지털 트랜스포메이션을 추진하고 있고, 제품을 포함해 모든 비즈니스 영역에 디지털 프로세스를 추가하고 있다. 그러면서 데이터와 분석이 갈수록 중요해지고 있다”라고 설명했다. 기업은 지난 몇 년간 데이터 과학, 머신러닝, 인공지능에 초점을 맞췄다. 그러나 컨설팅업체 카루터스 앤 잭슨(Carruthers and Jackson)의 책임자이자, 과거 네트워크 레일(Network Rail)의 최고 데이터 책임자를 지냈고, ‘최고 데이터 책임자의 플레이북(The Chief Data Officer's Playbook)’과 ‘데이터 기반 비즈니스 트랜스포메이션: 파괴와 혁신,경쟁에서 이기는 방법(Data-Driven Business Transformation: How to Disrupt, Innovate and Stay Ahead of the Competition)’이라는 책을 공동 저술한 캐롤라인 카루터스는 중심이 분석으로 다시 이동하고 있다고 주장했다. 카루터스는 “많은 사람이 머신러닝과 AI에 열광하고, 여기에 초점을 맞추면서 분석에 ...

분석 연봉 빅데이터 2019.09.30

과거 데이터와 운영 데이터 전반에 걸쳐 실시간 분석을 하는 방법

오늘날의 분석(Analytics) 요건은 기존 데이터 인프라에 전례 없는 압력을 가하고 있다. 운영 데이터와 저장된 데이터에 대해 실시간 분석을 수행하는 것은 일반적으로 성공이 필수적이지만 구현하기는 항상 쉽지 않다.     예측적 유지보수와 신속한 문제 해결 시간을 가능하게 하기 위해 제트 엔진에서 연속적인 데이터 흐름을 수집하고 분석하고자 하는 항공사를 생각해보자. 각 엔진에는 온도, 속도, 진동 등의 상태를 모니터링하고 사물인터넷(IoT) 플랫폼에 지속적으로 정보를 전송하는 수백 개의 센서가 있다.  IoT 플랫폼이 데이터를 수집, 처리 및 분석한 후 데이터 레이크(운영 데이터 저장소라고도 함)에 이 데이터가 저장되며, 가장 최근의 데이터만 운영 데이터베이스에 보존된다. 이제 실시간 데이터의 비정상적인 판독 값이 특정 엔진에 대한 경고를 촉발할 때마다 항공사는 실시간 운영 데이터와 해당 엔진의 저장된 과거 데이터에 대해 실시간 분석를 실행해야 한다. 그러나 항공사는 현재의 인프라를 사용해 실시간 분석을 수행하는 것이 불가능하다는 것을 알게 될 수도 있다. 오늘날 빅데이터 이니셔티브를 개발하는 회사들은 일반적으로 데이터 과학자가 다양한 분석을 위해 데이터에 액세스할 수 있는 데이터 레이크에 운영 데이터 복사본을 저장하는데 하둡을 사용한다.  들어오는 운영 데이터와 데이터 레이크에 저장된 데이터의 하위 집합에 대한 실시간 분석를 사용 사례에서 실행해야 하는 경우, 기존의 인프라가 걸림돌이 된다. 데이터 레이크에 저장된 데이터에 액세스하는 것은 물론 결합된 데이터 레이크와 운영 데이터에 대한 연합 쿼리를 실행하는 것도 태생적으로 지연된다. 인메모리 컴퓨팅 솔루션은 널리 사용되는 데이터 플랫폼과의 실시간 성능, 대규모 확장성 및 빌트인 통합을 제공해 데이터 레이크와 운영 데이터 전반에 걸친 실시간 분석의 문제를 해결한다. 이런 기능들은 데이터 레이크와 운영 데이터 세트 전반에서 실시간 연합 쿼리를 실행할 수 있는 기...

데이터 분석 빅데이터 2019.08.20

IDG 설문조사

회사명 : 한국IDG | 제호: ITWorld | 주소 : 서울시 중구 세종대로 23, 4층 우)04512
| 등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 | 편집인 : 박재곤 | 청소년보호책임자 : 한정규
| 사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2022 International Data Group. All rights reserved.