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.

애널리틱스

"3년 간 10만 달러 절감 예상"··· 美 의료기관의 '데이터 관리' 접근법

미 디스트릭트 메디컬 그룹(District Medical Group, DMG)의 CIO 케빈 로드는 데이터 관리 인프라를 현대화하고, 인수합병에 따른 전자의료기록(EMR) 통합을 관리감독하고 있다.  지난 2020년 5월, DMG(District Medical Group)의 CIO로 취임하자마자 로드는 여러 어려움에 직면했다. 코로나19 팬데믹이 시작됐던 데다가 DMG가 기존 조직에 통합해야 하는 1차 클리닉 5곳을 인수했기 때문이다. DMG는 450병상 규모의 급성 환자 전문 병원(Acute care hospital), 3개의 입원 환자 행동 건강 센터, 외래 환자 전문 센터, 11개의 가족 건강 센터, 응급실, 화상 센터로 구성돼 있으며, 모두 연간 45만 명 이상의 환자를 치료하고 있다.   로드의 첫 번째 계획은 재해 복구, 비즈니스 연속성, 백업 및 데이터 관리 기능을 평가하는 것이었다. 아직 인수합병된 클리닉의 데이터를 통합하지도 않았는데 DMG의 데이터 량은 빠르게 쌓였고, 백업은 느리고 비효율적이어서 작업을 완료하는데 평균 36시간이 걸렸다. “전임자는 애플리케이션에 중점을 뒀다. 그 결과, DMG의 애플리케이션 팀은 최고 수준이다. 하지만 인프라 측면은 약한 편이었기 때문에 지난 2년 동안 인프라를 재구축하고, 네트워크를 개편하며, 구성 방식, 네트워크 작동 방식 및 개별 클리닉과 여러 사이트를 연결하는 방법 등을 살펴봤다”라고 로드는 말했다.    ‘콜드 스토리지’ 도입 데이터 관리 및 백업 문제를 해결하기 위해, 자주 액세스하지 않는 ‘콜드 데이터’를 신속하게 식별하고 오프사이트 스토리지에 푸시할 수 있지만 누군가 액세스해야 한다면 IT 환경으로 쉽게 되돌릴 수 있어야 했다고 로드는 언급했다. 로드는 ‘컴프라이즈 지능형 데이터 관리(Komprise Intelligent Data Management)’를 도입해 모든 데이터를 식별하여 계층화했고, 지난 2년 이상 액세스하지 않은 모든 데이터는 와사비...

데이터 관리 데이터 통합 EMR 2022.08.01

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

“쉽고 빠른 풀스택 접근법” MS 애저 애널리틱스 서비스 7선

비즈니스 데이터를 이해할 수 없다면 사실상 눈을 가린 채로 비행하는 것이나 마찬가지다. 데이터에 숨겨진 인사이트는 비즈니스 운영을 최적화하고 고객 경험을 미세 조정하며, 새로운 제품 또는 새로운 비즈니스를 개발하는 데 필수적이다.  데이터 분석은 이런 인사이트를 발견하기 위한 수단이고, 이를 제대로 하려면 데이터 수집 및 준비, 데이터 보강 및 태깅, 보고서 작성 및 공유, 데이터 및 인사이트 관리 및 보호를 위한 도구가 필요하다. 또한 기업이 점점 더 많은 양의 데이터와 씨름하면서 클라우드는 분석 작업에 안성맞춤인 장소로 빠르게 변하고 있다.     많은 기업이 마이크로소프트 애저(Microsoft Azure)를 데이터 분석을 위한 중앙 허브로 이용하고 있다. 데이터 분석의 범위를 광범위하게 정의하는 애저는 12가지 이상의 서비스를 제공한다. 또한 AI 기반 분석 및 새로운 데이터마트 옵션을 지원하는 파워 BI(Power BI)나 마이크로소프트 퍼뷰(Microsoft Purview) 등의 거버넌스 지향 접근법도 추가됐다. 마이크로소프트 애널리틱스(Microsoft Analytics)의 CTO 아미르 네츠는 “단편적인 접근법이 아니라, 함께 작동하도록 설계된 애저에서 전체 애널리틱스 서비스 스택을 제공하는 것을 목표로 하고 있다”라고 강조했다.  다양한 서비스 간에 중복되는 부분이 있긴 하지만, 네츠는 애저의 애널리틱스 서비스가 애널리틱스 아키텍처 프레임워크 생성 시 기업이 구축하는 계층에 폭넓게 적용된다고 밝혔다. 네츠는 “데이터 레이크 생성, 데이터 저장, 데이터 레이크에서의 데이터 처리, 데이터 엔지니어링, 데이터 웨어하우스 구축, 머신러닝 알고리즘 및 데이터 과학 실행, 비즈니스 사용자에게 데이터 제공 등의 기능이 있다”라고 설명했다.  최근 발표된 ‘마이크로소프트 인텔리전트 데이터 플랫폼(Microsoft Intelligent Data Platform)’은 이런 사실을 잘 보여준다. 여기서는 마이크...

마이크로소프트 애저 클라우드 2022.07.05

기업이 차세대 ERP로 빠르게 전환하는 3가지 이유

2020년대에 들어서면서 끝나지 않는 팬데믹, 불안정한 공급망, 비정규직 증가 여파로 기업들이 협업적이고, 구성 가능하며, 클라우드 기반의 차세대 ERP 기술을 도입하고 있다.  IT 리더 총 1,675명을 대상으로 한 부미(Boomi)의 설문조사 결과에 따르면 기업의 무려 94%가 클라우드 플랫폼으로 마이그레이션하고, 인공지능 등의 고급 애널리틱스 기능을 활용하여 레거시 애플리케이션의 한계를 극복하고 비즈니스를 현대화하는 차세대 ERP 전략을 받아들이고 있다고 답했다.    또한 가트너는 2023년까지 기업의 65%가 ‘4세대 특징(fourth-era hallmarks)’에 해당하는 ERP 애플리케이션 1개 이상을 도입할 것이라고 예상했다. 여기에는 AI, 데이터 기반 설계, 즉시 사용할 수 있는 시스템, 의사결정 강화, 개발자 지원, 고객 대면 기술 등이 포함된다.  보스턴 컨설팅 그룹의 애널리스트 네빈 아와드는 “지난 2년 동안의 과제는 차세대 ERP 시스템을 더욱 빠르게 도입하는 것이었다. 기존 ERP로 전자상거래 부문의 엄청난 성장 그리고 유연성 및 속도의 필요성을 관리하기란 사실상 불가능하다. 따라서 (기업들은) 적격한 인력 그리고 재택근무 인력을 기반으로 하는 고급 자동화를 통해 재무, 조달, HR 기능 등을 제공하려고 하고 있다”라고 말했다.  여기서는 기존 ERP 시스템에서 부족한 부분이자 ‘차세대 ERP’로의 변화를 이끈 원인 3가지를 살펴본다.  인력 이동(Workforce shifts)  클라우드 기반 ERP 전환을 망설였던 기업이 있을 것이다. 하지만 코로나 위기가 터지고 직원이 재택근무로 흩어지면서 일말의 망설임은 불식됐다. 기술 컨설팅 업체 아르마니노 LLP(Armanino LLP)의 파트너 샤론 발라루는 “온프레미스 ERP가 생각만큼 확장 가능하지 않다. 기업은 HR, 재무, 회계 업무를 원격으로 해야 하는 직원을 지원하기 위해 ‘클라우드 기반 시스템’으로 이...

ERP 팬데믹 공급망 2022.06.17

알아서 공고 올리고 이력서 선별하는 ‘채용 자동화’란?

AI 도구가 채용 과정에서 지원자 데이터를 수집하고 처리하여 후보자 소싱, 선별, 다양성 및 기타 HR 기능을 가속하고 간소화하는 데 활용되고 있다. 대퇴직(Great Resignation) 현상이 줄어들 기미를 보이지 않는 가운데, 채용 담당자는 적합한 인재를 모집하기 위해 가능한 모든 방법을 동원하고 있다. 이를 반영하듯 인재 확보 소프트웨어 및 서비스를 포함한 HRM 시장 규모는 현재 약 200억 달러로 추정된다. 채용 및 HR 업무의 지속적인 디지털화와 자동화에 힘입어 이 시장은 오는 2028년까지 연평균 12% 이상의 성장률을 보일 것으로 예상된다.  전 세계적으로 기업은 유능한(그리고 다양한) 직원 풀을 구축하고 유지하는 데 중점을 두고 있다. 인공지능(AI), 머신러닝(ML), 예측 모델의 발전으로 규모를 가리지 않고 모든 기업이 재택 및 하이브리드 근무 등의 급격한 변화에 대응하면서도 채용을 자동화하는 전례 없는 기회를 얻게 됐다.   실제로 HR 소프트웨어 기업 엔텔로(Entelo)의 설문조사 결과에 따르면 전체 응답자(채용 담당자)의 5명 중 4명은 지원자 소싱을 모두 자동화할 수 있다면 생산성이 향상될 것이라고 말했다. 아울러 더 많은 데이터를 확보하면 지원자를 선별하고, 후보자 풀을 평가하며, 채용 워크플로우를 잘 진행하게 될 것이라는 의견이 지배적이었다. 하지만 데이터를 인사이트로 전환하는 것은 고사하고 애널리틱스를 구축하거나 실시할 데이터나 시간조차 없다고 답한 응답자도 42%에 달했다.  ‘채용 자동화’란 무엇인가? 어떻게 도움이 되는가? 인적자원 또는 인력 관리는 채용에서 시작된다. 채우지 못한(혹은 채워지지 않는) 역할로 인해 기업은 수익과 생산성 측면에서 매일 손해를 보게 된다. AI를 기반으로 한 지능형 도구는 지원자 관련 데이터를 수집하고 처리하여 지원자 소싱, 선별, 다양성 및 포용성, 면접, 지원자 추적 등 여러 프로세스의 속도를 높이고 간소화할 수 있다. 인재 피드 솔루션 준코(Jo...

채용 채용 자동화 디지털화 2022.05.31

“연기 나는” 시스코의 스플렁크 인수 소문…거래 금액은 200억 달러 추정

시스코가 데이터 분석 플랫폼 전문업체 스플렁크(Splunk)를 200억 달러에 인수하려 한다는 소문이 돌고 있다. 월스트리트저널이 내부자 정보를 인용해 처음 보도했고, 이후 몇몇 매체가 보도했다. 만약 소문이 사실이라면, 시스코 역사상 최대 규모의 인수가 될 것이다.   몇몇 보도에 따르면, 아직은 협상이 실제로 진행될지도 확실하지 않다. 뉴욕타임스는 이 사안과 관련성 있는 두 명의 말을 인용해 인수 합병 논의가 현재는 유보된 상태라고 전했다. 하지만 논의가 재개되면 시스코가 스플렁크에 200억 달러 이상의 지불할 것으로 알려졌다. 시스코의 시가 총액은 무려 2,270억 달러이다. 이에 비해 스플렁크의 시가 총액은 약 180억 정도로, CEO 더그 메리트가 갑자기 사임하면서 30% 정도 폭락한 상태이다. 업계 전문가들은 스플렁크 인수의 가능성을 높게 본다. 2021년 12월 시스코 CEO 척 로빈스는 시스코가 보안 관련 인수합병을 지속적으로 추진할 것이라고 밝힌 바 있다. 2020년 클라우드 인텔리전스 플랫폼 사우전드아이즈를 인수한 점을 고려하면, 스플렁크는 시스코의 포트폴리오에 딱 맞는 조건을 갖추었다. 스플렁크는 기업이 어떤 네트워크라도 자체 네트워크처럼 시각화해 네트워크 문제에 대한 인사이트를 얻을 수 있도록 해준다. 게다가 시스코는 이미 엔드포인트 보안 분석 영역에서 스플렁크와 오랜 협력관계를 맺고 있다. 사용자는 스플렁크의 툴을 이용해 자사 네트워크와 데이터센터 환경에 대한 분석 기반의 인사이트를 얻을 수 있고, 운영을 자동화할 수 있다. 스플렁크의 앱과 애드온을 이용할 수 있는 시스코의 제품군도 넓다. 예를 들어, 시스코의 애니커넥트 네트워크 가시성 모듈을 이용해 확보한 데이터는 스플렁크 플랫폼을 기반으로 구축된 CESA(Cisco Endpoint Security Analytics)을 통해 분석해 잠재적인 위협을 조기에 발견할 수 있다. editor@itworld.co.kr

시스코 스플렁크 인수 2022.02.15

클라우드 세계에서 새롭게 여는 분석의 미래 : SAS와 AZURE의 만남

SAS Analytics가 Microsoft Azure에 기본으로 통합되면서 컴플라이언스 관리에 필요한 가시성을 넓힐 뿐만 아니라, 전 세계 60곳이 넘는 Azure 리전(region)에 데이터를 저장함으로써 높은 보안성과 유연성을 갖게 되었습니다. 클라우드에서 분석이 발휘하는 혁신적인 능력에 확신이 없습니까? Azure에 최적화된 SAS Viya를 통해 한 글로벌 은행이 어떻게 비즈니스 성과를 개선했는지 그 비결을 살펴보십시오. <8p> 주요 내용 - CIO의 과제 : 업무 병목 식별 - 마케팅팀, 사기방지팀, 일선 근무자의 과제 - 데이터 분석팀의 과제 : 분석 현대화 - CFO의 과제 : 손익 계산 - CEO 제출용 보고서

애널리틱스 컴플라이언스 애저 2021.06.07

2021 데이터 애널리틱스 이니셔티브 성공 전략 – IDG Deep Dive

코로나 19 사태 속에서도 기업은 데이터 애널리틱스에 적극적으로 투자하고 있지만, 현재 많은 애널리틱스 이니셔티브는 이해관계자들을 좀처럼 만족시키지 못하고 있다. 데이터 품질이나 적절한 도구의 선택, 모호한 비즈니스 목표가 그 이유다. 하지만 실패율을 줄일 수 있는 여러 가지 새로운 접근법과 기술이 등장하고 있다. 이번 ‘2021 데이터 애널리틱스 이니셔티브 성공 전략’에서는 데이터 애널리틱스 이니셔티브를 성공적으로 이끄는 전략 수립에 도움이 될 조언과 사례를 담았다. 주요 내용 - 현대 데이터 애널리틱스의 5가지 관점 - 데이터 애널리틱스 이니셔티브를 성공으로 이끄는 6가지 베스트 프랙티스 - 클라우드 애널리틱스의 핵심 과제와 극복 방안 - 데이터 포이즈닝 공격은 머신러닝 모델을 어떻게 손상시키는가 - 업무 생산성 및 협업 분석의 기회와 위험 - “네트워크 가시성을 향한 질주” MLB의 네트워크 분석 플랫폼 활용기  

데이터분석 전략 애널리틱스 2021.05.20

"혁신보다 현실" 2021년 애널리틱스·AI 트렌드 3가지

기업이 팬데믹과 계속 씨름하고 있는 가운데 애널리틱스 및 AI의 ROI를 입증하는 것, 지능형 자동화(IA)를 활성화하는 것, 그리고 다양성, 형평성, 포용성(DEI)을 위해 데이터를 활용하는 것이 중요해질 전망이다.  ‘데이터 애널리틱스’는 끊임없이 변화하고 있는 영역이다. 지난 2020년 초 기업들은 디지털 트랜스포메이션을 지원하기 위해 애널리틱스에 지속적으로 많은 투자를 할 것이 분명해 보였다.  하지만 2021년 3월 현재, 애널리틱스 및 AI 세계는 작년 초와는 매우 다른 양상을 보이고 있다. 코로나19 팬데믹으로 인해 기업은 새로운 업무 방식을 채택하고 예산을 감축했으며, 과거 데이터를 활용하던 여러 모델은 쓸모없어져 버렸다.   가트너는 2021년에 데이터 및 애널리틱스 팀은 빅 데이터를 활용하던 기존의 기술에서 탈피해 ‘작고 넓은(small and wide)’ 데이터에 집중하는 새로운 애널리틱스로 전환해야 한다고 말했다.  이에 대한 관심도 증가하고 있다. 지난 2020년 7월 가트너가 이사회를 대상으로 실시한 설문조사에 따르면 전체 응답자의 78%는 코로나19 위기 이후 시장 판도를 바꿀 기술 톱3 가운데 하나로 애널리틱스를 꼽았다(69%는 AI라고 답했다).  데이터 애널리틱스 및 AI에 관심이 집중되는 가운데 이와 관련해 주목해야 할 3가지 트렌드를 살펴본다.  애널리틱스 및 AI 프로젝트는 ROI를 입증해야 한다 코로나19 사태가 발생한 지 1년이 넘었다. 그 파급효과는 모든 곳에서 감지되고 있다. 지난 몇 년 동안 애널리틱스 및 AI와 관련해 개념 증명(PoC)을 진행하면서 자유롭고 실험적인 접근방식을 취해 온 기업들이 많았다.  하지만 이를 제대로 된 프로덕션 프로젝트로 전환한 기업의 비율은 상대적으로 낮았다. 이에 따라 2021년에는 (물론 투자가 중단되진 않겠지만) 프로젝트의 투자대비효과(ROI) 입증이 요구될 전망이다.  가트너는 지난 몇 년간...

애널리틱스 AI 2021 2021.03.25

“데이터 분석 보편화 시대의 개막” 2020 애널리틱스 전략 – IDG Deep Dive

비즈니스 계획에서 인프라 최적화에 이르기까지 데이터 분석은 없어서는 안될 필수 요소다. 이제 관건은 데이터와 인사이트를 일부 전문가의 전유물이 아니라, 임원부터 일선 직원에 이르기까지 모두가 활용 가능한 형태로 진화시키는 것이다. 머신러닝이나 셀프서비스 분석 도구 등 다양한 기술은 이런 데이터 분석의 보편화를 가능하게 하고 있으며, 혁신적인 일부 기업은 애널리틱스를 통해 실시간 운영 효율화를 성공적으로 수행하고 있다. 최신 애널리틱스 트렌드부터 분석 플랫폼 선택 가이드, 시각화 팁, 성공사례까지 애널리틱스 전략 업그레이드를 도와줄 가이드를 제시한다. 주요 내용 - ‘과감하게 투자할 만한’ 애널리틱스 영역 5가지 - 데이터 분석 플랫폼을 선택하는 방법 - 숫자 이면까지 보여주는 데이터 시각화 팁 6가지 - 헬스케어 분야의 애널리틱스 성공 사례 4선  

데이터분석 애널리틱스 빅데이터 2020.08.13

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

"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

정보가 사용자를 ‘찾아간다’ 애널리틱스의 미래 ‘하이퍼인텔리전스’ - IDG Summary

우리의 삶이 선택의 연속인 것처럼 거의 모든 기업 업무에는 전략적인 의사결정이 포함된다. 특히 일상적인 의사결정 대부분은 단 몇 초 만에 내려진다. 그동안 비즈니스 인텔리전스 업계는 이 일상적인 의사결정을 간과해 왔다. 그 결과 기업에서 의사결정을 위해 분석 솔루션을 사용하는 직원 비율은 32%에 불과하다. 대다수는 충분한 정보를 받지 못하고 최선의 결정인지 확신하지 못한다.  만약 이 수치가 100%가 된다면 어떨까? 모든 업무 툴과 환경에 분석 솔루션이 자연스럽게 녹아들어 필요할 때, 필요한 정보를 참고해 더 합리적으로 결정할 수 있다. 최근 급부상하는 차세대 비즈니스 인텔리전스 트렌드, 즉 ‘하이퍼인텔리전스(Hyperintelligence)’가 그리는 미래다. 주요 내용 - BI 솔루션 활용률이 100%가 된다면 - 하이퍼인텔리전스의 핵심 고려사항 : 소비 형태와 업무 환경 - 사용자 계층 따라 BI 요구사항도 다르다 - 하이퍼인텔리전스, 답이 사용자를 ‘찾아온다’ - 인텔리전스 에브리웨어를 향한 거대한 흐름

비즈니스 인텔리전스 Bi 애널리틱스 2019.09.24

"타이어 교체 시기를 예측해 볼까?"··· 관련 업계를 뒤흔든 '결정적 질문'

지난 2016년 창립 100주년을 바라보는 딜러 타이어(Dealer Tire)의 임원들은 사내 신생 데이터 과학팀에 질문을 하나 던졌다. “소비자에게 타이어가 필요한 시기를 예측할 수 있을까?” 고객이 다른 곳에서 타이어를 사기 전에 다가가야 하는 회사로서는 중요한 질문이었다. 그리고 해답은 '충분히 가능하다'는 것이었다.   딜러 타이어의 데이터 과학 담당 이사 크리스 스크론은 CIO.com과의 인터뷰에서 “그때가 바로 처음 무릎을 '탁' 치는 순간이었다. 만일 그 질문에 대답할 예측 모델을 만들 수 있다면 진정한 부가가치가 창출될 것임을 깨달았다”라고 말했다. 타이어 등 자동차 부품을 판매하는 유통 업체인 딜러 타이어는 이를 계기로, 분석 기능을 활용해 소속 대리점과 자동차 제조 협력업체에 유료로 제공할 새로운 데이터 제품과 컨설팅 서비스도 만들 수 있게 됐다. 유통 업체로서 부가가치 창출에 성공한 딜러 타이어는 빅데이터가 앞으로 회사 매출에 더 도움이 될 것으로 기대하고 있다. 거래 데이터 등 다양한 데이터를 활용한 매출 증대 전략은 다양하다. 이를 위해 많은 기업이 분석 프로젝트에 투자하고 있다. 이들 프로젝트의 핵심 툴 중에는 데이터를 정리하고 모델화해 비즈니스 통찰력을 강화하는 소프트웨어가 있다. 시장조사업체 IDC에 따르면, 전 세계 빅데이터 및 사업 분석 소프트웨어 시장은 2017년부터 2022년까지 연평균 12%씩 성장해 2022년에는 2,600억 달러에 이를 것으로 전망된다. 설명 모델에서 예측 모델로 딜러 타이어가 빅데이터에 거는 기대를 이해하려면 이 회사의 과거를 살펴볼 필요가 있다. 2015년 딜러 타이어는 외부 업체에 의뢰해 데이터 분석 사용 현황을 파악했는데 그 결과가 마음에 들지 않았다. 다년간에 걸쳐 타이어 트레드 등 자동차 부품에 대한 과거 데이터를 수집한 딜러 타이어로서는 이미 일어난 일들을 보여 주는 이른바 '기술 분석(descr...

CIO 분석 애널리틱스 2019.04.16

IDG 블로그 | 클라우드 기반 IoT 최대의 과제 데이터와 보안 해결책

IoT 동향을 보기 위해 구글의 “데이터 성장과 IoT”를 굳이 찾아볼 필요도 없다. 모든 조사 결과는 오른쪽으로 가파른 상승세를 보여준다. 이유는 간단하다. 우리 모두가 잘 정제되고 지속적이며 기계가 생성하는 데이터를 날로 증가하는 디바이스 세계에서 끌어모으기 위해 애를 쓰고 있기 때문이다. 데이터가 더 많으면 이들 데이터로부터 더 나은 분석이 가능해지기 때문이다. 이와 동시에 IoT 보안이 모든 것의 발목을 잡고 있는 것은 확실하다. 실제로 지난 몇 년 동안 필자가 본 IoT 시스템의 절반은 보안이 빈약하거나 아예 없었다. 시스템이 클라우드를 기반으로 하건 그렇지 않건 마찬가지였다. 클라우드 기반 IoT의 주요 과제는 확실히 두 가지로 수렴된다. 빠르게 성장하는 데이터와 IoT 데이터 보안의 부재이다. 보통 데이터 증가 문제는 쉽게 해결할 수 있다. 데이터 성장을 감당할 만큼의 추가 클라우드 스토리지의 형태로 돈을 더 많이 투여하면 되기 때문이다. 하지만 일부 IoT 시스템은 분당 GB급의 데이터를 생성하기 때문에 매월 수천 달러의 스토리지 비용을 추가해야 할 수도 있다. 이제 어떤 데이터를 저장하고 어떤 데이터를 심층 분석을 위해 옮겨야 하는지 진지하게 생각해야 할 시점이다. 다시 말해, 그동안은 할 수 있다는 이유로 필요 이상의 데이터를 생성하고 저장했는지도 모른다. 디바이스 용량에 맞춰 모든 데이터를 캡처하는 것이 아니라 의미있는 데이터만 충분히 캡처해야 할지도 모른다. 많은 경우, 분석의 품질을 그대로 유지하면서 데이터 스토리지를 절반 가까이 줄일 수 있다. 예를 들어, 엔진 온도를 초 단위로 측정해 저장할 필요는 없다. 15초의 증감폭 데이터로도 충분할 것이다. 보안은 전혀 다른 이야기다. 돈을 해결할 수는 없다. 필요한 것은 디바이스부터 데이터 스토리지까지의 보안에 대한 체계적인 가시성이다. 이를 위해서는 ID 관리, 암호화가 즉석에서 이루어져야 하고, IoT 디바이스와 백엔드 스토리지에 대한 선제적인 보안 모니터...

센서 애널리틱스 해킹 2019.03.06

디지털 비즈니스의 변혁을 주도하는 CFO와 재무부서 담당하는 기업 임원 19명과의 심층 인터뷰

디지털 변화 프로그램이 성공하려면 기술과 조직의 벽(silo)을 허물고 시스템과 프로세스를 연동해야 한다. 이 같은 노력의 목적이 고객을 위한 가치 증대라면 사업의 여러 파트가 함께 움직여야 한다. 조직의 디지털 운동에서 CFO와 재무부서의 역할이 조명받는 이유가 바로 여기에 있다. 둘 다 어떤 임원이나 부서보다도 조직 전반에 대한 가시성과 개입 역량이 필요한 경우가 많기 때문이다. 리더십부터 애널리틱스, 데이터의 가치, 디지털의 평가, 신뢰구축 방향까지 CFO와 재무부서 앞에 놓인 디지털 기회와 과제의 여러 측면을 살펴보겠다. 그 과정에서 몇 가지 사례를 통해 창의적 해결책도 모색할 것이다. 본 보고서는 이코노미스트 인텔리전스 유닛(Economist Intelligence Unit)이 오라클의 의뢰를 받아 펴낸 보고서로, 재무 및 기타 부서를 담당하는 기업 임원 19명과의 심층 인터뷰와 방대한 자료 조사를 기초로 하고 있다. <19p> <주요 내용> - 도입 : 변화의 전령 - 리더십, 조화, 우선순위 결정 - 애널리틱스 - 디지털의 평가 - 신뢰 구축, 방향 제시 - 주요 사례 - 결론: 애질리티의 달인

CFO 이코노미스트 애널리틱스 2019.02.26

예측 유지보수가 기대만큼 뜨지 못하는 이유

“2년 전 예측 유지보수는 산업용 IoT의 가장 전도 유망한 분야였다.”  베인 앤 컴퍼니(Bain & Company)는 최근 600명의 첨단 기술 산업 임원을 대상으로 한 설문조사를 기반으로 한 새 보고서(Beyond Proofs of Concept: Scaling the Industrial IoT)의 서두를 이렇게 시작했다. 이번 보고서는 장비가 언제 고장 날지 정확하게 파악하는 것이 “아주 쉬운 일처럼 보였다”고 지적했다. 그리고 보고서의 결론은 “예측 유지보수는 기대만큼 폭넓게 인기를 얻는 데 실패했다”는 것. 사실 산업계 책임자들은 2016년 조사에서도 예측 유지보수에 대해 큰 기대를 하지 않았다.   구현하기도 가치를 얻기도 힘든 예측 유지보수 베인 앤 컴퍼니에 따르면, 예측 유지보수에는 양면적인 문제가 있다. 우선, 예측 유지보수를 구현하는 것이 예상보다 어려웠다. 그리고 수집한 데이터에서 가치 있는 인사이트를 끌어내는 것도 예상 외로 어렵다는 것이 드러났다. 이뿐만 아니다. “예측 유지보수는 기존 운영 기술 및 IT 시스템과 통합하기 어려운 많은 IoT 사용례 중 하나”인 것으로 보인다. PoC 프로젝트에 대한 투자는 계속되고 있지만, 보고서는 PoC를 실제로 성공적인 주류 구현물로 전환한 사례는 없다고 밝혔다. 이 기술에 대한 장기적인 기대치는 여전하지만, 현재로서는 많은 산업 조직이 실제 구현에는 처음 예상했던 것보다 많은 시간이 걸릴 것으로 예상한다. 참고로 보고서는 전체 산업용 IoT 시장은 2021년까지 두 배 성장해 2,000억 달러 규모에 이를 것으로 전망한다.   산업용 IoT 관련 우려사항의 진화 이처럼 예측 유지보수의 구현이 지연되는 데는 산업용 IoT 사용자의 우려사항이 변하고 있다는 점도 영향을 미친다. 2016년 조사에서는 가장 우려되는 사항이 보안, ROI, 기존 IoT 시스템과의 통합이었다. PoC 프로젝트가 시작된 지 2년이 지난 2018년, 보안은 여전히 핵심 우려사항이지만,...

애널리틱스 IIoT 예측유지보수 2019.02.20

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.