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.

데이터애널리틱스

'아하! 모멘트'로 생생하게···데이터에 '스토리텔링' 입히기

회사의 데이터에서 행동으로 옮길 수 있는 인사이트를 뽑아내고 싶은 IT 전문가는 곧 뛰어난 이야기꾼이 돼야 한다. 데이터에 맥락을 입혀 하나의 서사로 봉합하는 수고를 거쳐야만 인사이트가 현장에서 꽃필 수 있다.   오늘날 진정한 데이터 드리븐(data-driven) 기업으로 거듭나려면 단지 데이터 분석에 그쳐서는 안 된다. 비즈니스 전문가와 IT 리더는 데이터를 재료 삼아 매력적인 이야기를 구성해야 한다. 매력적이면서도 이해하기 쉬워야 이해관계자가 이를 활용해 더 나은 비즈니스 결정을 내릴 것이다.  이런 과정이 데이터 스토리텔링(data story telling)이다. 데이터 스토리텔링을 목표로 삼아야 기업은 의미없는 차트와 수치를 그저 늘어뜨리지 않고 듣는 사람이 행동으로 옮길만한 데이터 인사이트를 뽑아낼 수 있다.   데이터 스토리텔링이란?  데이터 스토리텔링이란 듣는 사람이 몰입하고 핵심 결론과 추세를 쉽게 이해하도록 각종 서술기법과 시각화 도구를 활용해 데이터 인사이트를 전달하는 방식을 말한다.   물론 ‘무엇이냐’보다 ‘어떻게 하느냐’가 중요하다. 컨설팅 업체 ISG의 CDAO(Chief Data & Analyatics Officer) 케이시 루디는 “데이터 스토리텔링은 누구에게나 어려운 일”이라며 “이야기의 대상을 명확히 정의하는 것부터 시작해보라”라고 말했다.  그는 벤치마킹 및 데이터 애널리틱스 분야에서 20년 넘게 ISG의 제안을 수치로 입증하는 일을 맡아왔다. 이 과정에서 간단명료한 서사를 짜는 법을 익혔다고 루디는 전했다. 그는 “듣는 사람이 앞에 있다고 상상해보라. 청중이 어떤 내용을 들었을 때 머릿속에 어떤 의문점이나 궁금증이 떠오를지 생각하면서 이야기를 차곡차곡 쌓아나가면 도움이 된다”라고 조언했다.  루디는 일단 데이터의 유효성을 미리 철저히 검증해놓는 것이 데이터 스토리텔링의 기본이라고 강조했다. 데이터의 유효성에 그 누구도 토를 달 수 없을 정도로...

데이터드리븐 데이터중심문화 데이터중심조직 2022.10.06

데이터 애널리틱스 솔루션 제1 기준 세우기 "개방형 vs. 폐쇄형"

데이터 애널리틱스 솔루션이 맹렬한 속도로 계속 출현하고 있다. 데이터 부서는 폭풍의 중심에 있다. 이들은 액세스, 데이터 무결성, 보안, 정책이나 규제 준수가 따라붙는 거버넌스 등 온갖 요구 사이에서 균형을 유지해야 하고, 거버넌스는 정책과 규제에 대한 컴플라이언스를 수반한다. 기업은 최대한 신속히 정보를 얻고 싶어 하고, 위험한 균형 잡기를 인내해 줄 의사가 없다. 데이터 부서는 신속하고 영리하게 행동해야 한다.      현재를 위한 시스템뿐 아니라 미래를 위한 플랫폼도 구축해야 한다는 점에서 예언자도 될 수 있어야 한다. 데이터 부서가 데이터 아키텍처에 있어 가장 먼저 결정할 요소는 개방형이냐 폐쇄형이냐다.    개방형 vs. 폐쇄형 데이터 아키텍처  우선 ‘데이터 아키텍처(Data Architecture)’라는 단어부터 살펴보자. 지난 50년 동안의 기업의 데이터 아키텍처 다이어그램을 그려본다면 이는 데이터 자체라기보다는 사실상 데이터에 작용하는 엔진인 데이터베이스이다. 대표적으로 오라클, DB2, SQL서버, 테라데이터(Teradata), 엑사데이터(Exadata), 스노우플레이크(Snowflake) 등이 있다. 이들은 모두 데이터베이스고, 업무나 분석에 필요한 데이터세트가 로드되는 곳이다. 그리고 ‘데이터 아키텍처’의 토대다. 기본적으로 이들 데이터베이스는 ‘폐쇄형 데이터 아키텍처(Closed Data Architecture)’다. 가치적 표현이 아니라 설명적 표현이다. 여기서 데이터는 다른 애플리케이션에서 격리되고 데이터베이스 엔진을 통해서만 액세스된다. 심지어 ETL(Extract, Transform, and Load) 작업을 하면서 데이터를 옮길 때도 마찬가지다. 내보내기나 가져오기를 할 때 일정 시점에서 반드시 데이터베이스를 거쳐야 하기 때문이다. 그게 최적의 방식인지 아닌지는 문제가 아니다. 데이터가 아키텍처의 나머지 부분에 대해 ‘닫혀’ 있다는 점이 중요하다.  ...

개방형아키텍처 데이터애널리틱스 2021.07.06

엔비디아, 과학 컴퓨팅 플랫폼으로 코로나19 연구 지원

전 세계 과학자와 연구원들이 엔비디아의 과학 컴퓨팅 플랫폼을 기반으로 코로나19를 연구하고 있다. 엔비디아 과학 컴퓨팅 플랫폼은 데이터 애널리틱스, 시뮬레이션 및 시각화, 인공지능(AI), 엣지 프로세싱 작업의 속도를 높이는 데 중요한 역할을 한다.     코로나19 팬데믹 사태를 해결하기 위해 전 세계적으로 많은 노력을 펼치고 있는 가운데, 엔비디아는 과학 컴퓨팅 플랫폼으로 바이러스의 이해를 돕고 테스트와 치료법을 발견하는 것을 지원하고 있다. 엔비디아는 과학 컴퓨팅 커뮤니티를 위한 엔드-투-엔드 워크플로우를 제공해 다양한 분야에 도움을 줄 수 있었으며, 모든 핵심 애플리케이션 분야에서 풀스택 혁신을 위한 접근법을 취하고 있다. - 유전학: 옥스퍼트 나노포어 테크놀러지스(Oxford Nanopore Technologies)는 엔비디아 GPU를 활용해 바이러스 게놈의 염기서열을 7시간 만에 분석했다. - 감염 분석 및 예측: 엔비디아 래피즈(RAPIDS) 팀은 실시간 감염률 분석에 명확한 통찰력을 제공하기 위해 데이터 시각화 툴인 GPU 가속 플로틀리 대쉬(Plotly’s Dash)를 활용한다. - 구조 생물학: 미국 국립보건원(National Institutes of Health)과 텍사스 대학교 오스틴 캠퍼스(University of Texas, Austin)는 극저온 전자 현미경으로 최초의 바이러스 단백질의 3D 구조를 재구성하기 위해 GPU 가속 소프트웨어 크라이오SPARC(CryoSPARC)를 활용한다.  - 치료: 엔비디아는 미국 국립보건원과 협력해 폐 스캐닝을 기반으로 코로나19 감염을 정확하게 분류해 효율적인 치료 계획을 세울 수 있는 AI를 구축했다. - 의약품 개발: 오크리지 국립연구소(Oak Ridge National Laboratory)는 GPU 가속 서밋(Summit) 슈퍼컴퓨터에서 스크립스 연구소(Scripps Research Institute)의 오토덕(AutoDock)을 실행해 수십억 개의 잠재적 약품...

인공지능 코로나19 엔비디아 2020.06.24

2020 CIO 현황 보고서ㅣIT 리더, ‘기술’을 넘어서다

비즈니스 전략 수립부터 수익 창출, 디지털 혁신까지 CIO의 포트폴리오가 확대되고 있다. 확대된 역할만큼 IT 리더들이 힘들게 얻은 리더십이 그 어느 때보다 인정받고 있다. 이제 CIO 다수는 핵심 비즈니스 전략을 수립하는 데 참여하고, 이사회 및 고객과 관계를 구축하며, 디지털 비즈니스의 혁신을 준비하는 책임을 맡는다. 주요 내용 - 확장되고 있는 포트폴리오 - 2020년 전망 - IT가 기술 예산을 주도적으로 관장한다 - 올해도 중요한 데이터 애널리틱스 - IT와 OT의 통합 - 여전히 과거와 동일한 도전 과제  

CIO 비즈니스전략 기능적CIO 2020.02.28

"빠르고 확실한" 데이터 애널리틱스 실패 법칙 7가지

오늘날 데이터 애널리틱스는 기업과 테크놀로지를 차별화하는 중요한 요소로 급부상하고 있다. 기업들은 데이터 애널리틱스를 통해 기업 운영의 모든 측면에 대한 날카로운 통찰력을 얻고 이를 통해 시장에서의 경쟁을 이기고자 한다.  가트너는 올해 초 2017년에는 데이터와 애널리틱스가 주류가 되어 그 동안 변화를 준비해 온 기업의 안팎으로 가치를 창출해 낼 것이라고 예측한 바 있다. 데이터 애널리틱스에 대한 접근 역시 훨씬 더 전체적이고 기업 전반을 포괄해 나가고 있다고 언급했다. 가트너에 따르면, 데이터 애널리틱스와 관련해 떠오르는 트렌드는 다음과 같은 것들이 있다. - 애널리틱스는 단순히 기업의 성과를 반영하는 것이 아니라 현대 기업의 오퍼레이션을 주도하는 역할을 할 것이다. - 기업들은 중심부터 주변부까지 데이터 매니지먼트 및 애널리틱스를 위한 엔드-투-엔드 아키텍처를 정립할 것이다. - 경영자들은 데이터 애널리틱스를 비즈니스 전략의 일환으로 삼아 데이터와 애널리틱스 전문가들이 새로운 역할을 맡고 비즈니스 성장에 기여할 수 있도록 할 것이다. 실제로 기업들은 애널리틱스 툴에 막대한 양의 돈을 투자하고 있다. 2017년 3월 발행된 인터내셔널 데이터(International Data) 보고서에 따르면, 올해 빅 데이터 및 비즈니스 애널리틱스로 인한 수익이 전 세계적으로 1,508억 달러에 이를 것으로 예상되며, 이는 2016년 대비 12% 가량 증가한 것이다. 이런 증가 추세는 2020년까지 계속될 전망이며, 수익 규모는 2,100억 달러까지 증가할 것이라고 보고서는 밝혔다. 이렇듯 데이터 애널리틱스의 중요성이 강조되고 있지만 아직도 많은 기업이 애널리틱스의 진정한 가치를 낭비하거나 곡해하며 제대로 활용하지 못하게 되는 함정에 빠지고 있다. IT 리더들과 업계 전문가들이 지적하는, 애널리틱스에 실패하는 가장 확실하고 빠른 7가지 방법에 대해 알아보자. 1. 찾는 것이 무엇인지도 모르고 뛰어들기 데이터 분석을 통해 찾고자 하...

실패 데이터분석 데이터애널리틱스 2017.11.09

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.