Offcanvas
추천 테크라이브러리

테크라이브러리 광고 및 콘텐츠 제휴 문의

입력하신 이메일로 안내메일을 발송해드립니다.

BI|분석

“누구나 알지만 아무도 모르는” 스마트 팩토리의 구성과 주요 과제 - Tech Report

스마트 팩토리(Smart Factory)는 생산 과정에 디지털 기술을 적용해 생산성과 품질, 고객만족도를 높이는지능형 생산 공장을 말한다. 자동화, 사물 인터넷, 디지털 트윈 등은 스마트 팩토리를 구현하는 핵심 기술로 주목을 받고 있다. 하지만 스마트 팩토리는 개별적인 기술을 통해 구현할 수 있는 것은 아니다. 또한 기술 만으로 구현할 수 있지는 않다. 사람과 기계, 공장 건물, 제품, 물류, 생산과 부가가치 시스템까지 모든 요소의 혁신과 변화가 필요하다. 스마트 팩토리의 정의부터 요구사항, 도전과제를 살펴보고, 디지털 트윈, 스마트 머신, 스마트 프로덕트, 디지털 팩토리, 인적 요소와 물류까지 핵심 요구사항에 대해 하나하나 짚어본다. 주요 내용 - 스마트 팩토리의 정의 - 스마트 팩토리의 과제와 요구사항 - 디지털화의 핵심 솔루션, 디지털 트윈 - 스마트 머신,스마트 프로덕트, 디지털 팩토리, 디지털 물류 - 스마트 팩토리 빌딩, 스마트 팩토리 생산 시스템

ITWorld 1일 전

BI|분석

"챗봇 지고 예측 분석 뜬다" 2022 국내 인공지능 도입 및 활용 현황 조사 - Market Pulse

오늘날 디지털 트랜스포메이션을 추구하는 기업에 인공지능(AI)과 머신러닝(ML)은 필수로 여겨진다. 시장의 흐름을 읽을 수 있는 새로운 인사이트를 찾아내고 업무를 자동화하는 것은 물론 공급망을 최적화하고 마케팅 성과를 극대화하려면 이 두 기술을 얼마나 잘 사용하느냐가 중요하다. 그렇다면 현재 우리 기업은 AI/ML 기술을 얼마나 어떻게 도입해 어떤 업무에 활용하고 있을까? 조사 결과 최근 2~3년 사이 국내에서 AI/ML 기술이 빠르게 확산한 것으로 나타났다. AI/ML 기술별, 기업규모별 도입, 활용 트렌드의 차이도 명확했다. 구체적인 솔루션 선택에 도움이 되도록 기업이 실제 도입해 사용하는 업체와 제품, 서비스 등도 확인했다. 주요 내용 - 국내 기업 10곳 중 4곳은 AI/ML 이미 활용 중 - 가장 선호하는 AI/ML 기술은 머신러닝/딥러닝 플랫폼과 가상 에이전트 - 머신러닝/딥러닝 ‘대세’, 챗봇 ‘내림세’, 자연어 처리 ‘오름세’ - 주로 IT 업무와 고객 서비스에 적용 - 도입 방식은 상용 솔루션 구매가 압도적 - 해외 클라우드 업체와 국내 IT 서비스 업체가 두각 - AI/ML 도입 시 가장 큰 어려움은 인력과 데이터 - 기업 10곳 중 8곳 “기대했던 효과 얻었다” - 중견기업은 AI/ML의 '무덤' 혹은 '기회의 땅' - 국내 AI/ML 시장의 본격 성장은 지금부터

ITWorld 2022.08.03

BI|분석 / 디지털 마케팅 / 엔터프라이즈 애플리케이션 / 전자상거래 / 콘텐츠 관리

고객 경험 패러다임 변화 이끄는 게임 체인저··· ‘고객 데이터 플랫폼(CDP)’에 주목할 이유 - Tech Insight

차별화된 고객 경험은 오늘날 비즈니스 성패를 가르는 척도다. 하지만 고객을 제대로 이해하고, 인사이트를 도출하며, 이 인사이트를 적재적소에서 활용한다는 게 쉬운 일은 아니다. 고객들은 더 이상 매장, 웹사이트, 콜센터를 통해서만 기업과 소통하지 않는다. 다양한 형태로 소통하기 시작하면서 전에 없던 데이터가 엄청나게 쌓이고 있다. 게다가 이제 선택 아닌 필수가 된 개인정보보호 규정까지 준수해야 한다. 수많은 데이터를 한 곳에 모으고 분석하며 안전하게 활용할 수 있도록 하는 ‘고객 데이터 플랫폼’이 주목받고 있는 이유도 여기에 있다. ‘고객 데이터’를 ‘연결된 고객 경험’으로 구체화하는 트레저데이터의 CDP 전략을 자세히 살펴본다. 주요 내용 - ‘연결된 고객 경험 관리’의 시작, ‘고객 데이터 플랫폼’이란? - “마침내 열린 CDP 시대, 스테이지3를 준비합니다” 트레저데이터 고영혁 대표 - 데이터 통합부터 고객 경험 개선, 개인화 마케팅까지··· ‘CDP 혁신 사례’

Treasure Data 2022.07.26

BI|분석

“데이터 레이크의 잠재력을 깨운다” 차세대 스토리지 포맷 ‘아파치 아이스버그’의 이해 - Tech Summary

하둡 생태계는 방대한 데이터를 좀 더 쉽고 효과적으로 저장할 수 있기 때문에 데이터 레이크의 표준 생태계로 자리잡고 있다. 하지만 데이터를 둘러싼 환경은 빠르게 변화하고 있다. 특히 ‘데이터 폭풍’이라고 불리는 현재의 데이터 환경은 성능과 용량, 가용성, 확장성, 활용 방안 등 모든 면에서 기존 데이터 레이크의 한계를 드러내고 있다. 아파치 아이스버그가 차세대 데이터 레이크가 해법으로 주목 받는 이유는 기존 생태계와의 호환성을 유지하면서 데이터 웨어하우스의 정합성, 퍼블릭 클라우드 환경을 위한 최적화 등 기존 하둡 기반 데이터 레이크의 단점을 보완할 수 있기 때문이다. 아파치 아이스버그가 부리는 테이블과 스냅샷의 마법에 대해 알아본다. 주요 내용 - 클라우드와 데이터 폭풍 시대 데이터 레이크의 조건 - 장점은 살리고 단점은 보완하는 해법 “아파치 아이스버그” - “데이터 정합성부터 시간여행까지” 스냅샷의 마법 - 진화하는 파티션과 극강의 호환성 - 아이스버그의 가치를 극대화하는 클라우데라 데이터 플랫폼

Cloudera 2022.06.28

BI|분석

신속한 제조 인텔리전스 구현을 위한 방안 : IoT, 엣지 컴퓨팅, 로우 코드 활용

엔터프라이즈 제조 인텔리전스는 갈수록 복잡해지고 경쟁이 치열한 글로벌 환경에서 기업의 생존을 보장할 뿐만 아니라 미래의 성공을 이끄는 핵심 구성 요소입니다. 지속 가능성이 더욱 중요해짐에 따라 제조 인텔리전스를 구현하면 보다 효율적인 운영이 가능해질 수 있습니다.  비용, 일정, 변경 관리 등 제조 인텔리전스 트랜스포메이션과 관련된 많은 우려 사항이 IIoT, 엣지 컴퓨팅 및 로우 코드의 채택을 통해 해결될 수 있습니다. 엔터프라이즈 제조 인텔리전스 트랜스포메이션을 위한 비즈니스 사례는 명확하며, 기업은 준비 상태를 평가한 다음 최신 기술을 활용하여 성공을 위한 준비를 갖춰야 합니다. <15p> 주요 내용 - 제조 인텔리전스: 소개 - 제조 인텔리전스 동향 및 해결 과제 - 효과적인 방안: 제조 인텔리전스를 주도하는 IIoT, 엣지 컴퓨팅 및 로우 코드 - 제조 인텔리전스 및 지속 가능성 - 제조 인텔리전스: 여정을 시작하는 방법

Siemens Digital Industries Software 2022.05.26

BI|분석

예측 분석을 통한 제품 혁신과 서비스 최적화 : ARC 분석 자료

COVID-19는 디지털 트랜스포메이션에 대한 필요성은 커지고 진행 속도는 빨라지는 계기가 되었습니다. 장/단기적 운영 상태를 파악하고 개선하려는 조직에서는 디지털 트랜스포메이션을 반드시 추진해야 합니다. 이러한 추세에 따라 새로운 비즈니스 프로세스, 서비스 및 모델을 적극적으로 도입하고 있는 제조업체가 많습니다. ARC Advisory Group은 수십 년간 산업체와 기술 공급업체 고객사를 대상으로 자문 서비스를 제공해 왔습니다. 오랫동안 디지털 트랜스포메이션 분야를 선도해 온 ARC는 예측 분석, 빅 데이터, 클라우드, 사물 인터넷(IoT) 등과 관련된 기술과 제품, 그리고 제조 및 관련 업계의 혁신 과정을 면밀히 파악했습니다. 그리고 아래에 보이는 것처럼, ARC는 최근 초기 리서치를 완료하였고 예측 분석을 활용하는 디지털 트랜스포메이션 프로젝트의 성공 여부를 판단할 수 있는 목표를 제시했습니다. <6p> 주요 내용 - 예측 분석의 이점 - 효율적인 예측 분석 구현 - 디지털 트랜스포메이션 프로젝트와 결과 - 제품 혁신과 서비스 최적화의 핵심

PTC 2022.05.24

BI|분석

Databricks Lakehouse 플랫폼 소개 및 글로벌 게임사 사례 소개

AI/ML 관련 기술이 활성화되면서 많은 기업이 데이터 분석 결과에 기반한 의사 결정을 지향하고 있습니다. 이때 경영진의 확고한 의지, 구성원의 열정, 그리고 적절한 도구의 세 가지 요소가 결합했을 때 시너지를 낼 수 있는 데이터 분석 환경을 구성할 수 있습니다. 그러나 분석 환경에는 정답지가 없습니다. 이런 분석한 경우는 정답지가 있지 않습니다. 기업이 가지고 있는 데이터가 다르고  환경과 분야가 다르기 때문이다. 이번 웨비나에서는 국내 게임사의 데이터 활용 관련 트렌드와 변화 방향을 살펴보고, 주요 사례를 알아보겠습니다. 또한 데이터 분석과 관련한 고민을 가지고 있는 기업의 여정을 도와드릴 수 있는 메가존 클라우드의 컨설팅과 데이터브릭스의 특화 솔루션의 장점도 소개합니다. <32분 06초> 주요 내용 - 국내 게임사들의 성공적인 데이터 활용을 위한 트랜드 및 변화 방향 - 게임사 사례 및 MegazoneCloud Databricks Offering 소개 - Databricks Lakehouse 플랫폼 - 글로벌 게임사 사례 소개

Databricks 2022.05.19

BI|분석

고성능 데이터 구축 + AI 조직 체계화 : MIT Technology Review Insights

데이터 관리는 데이터 중심 조직의 기반이지만, 기업에서 데이터를 관리하기란 매우 복잡합니다. 새로운 데이터 기술이 등장하면서, 통합이나 링 펜싱이 불가능한 레거시 시스템과 데이터 사일로의 부담이 커집니다. 아키텍처 단편화는 사일로를 일으킬 뿐만 아니라 많은 조직에서 여러 가지 온프레미스 및 클라우드 기반 도구를 사용하게 되어서 대부분 최고 데이터 책임자(CDO)들에게 골칫거리가 되었습니다.  MIT Technology Review Insights는 이러한 어려움 속에서 데이터 관리와 그 기술이 어떻게 발전하고 있는지 알아보기 위해 CDO, 최고 분석 책임자(CAO, 보고서의 여러 부분에서 이들을 “데이터 리더”로 지칭함), CIO(최고 정보 책임자), CTO(최고 기술 책임자) 및 기타 고위 기술 리더 351명에게 설문을 실시했습니다. <15p> 주요 내용 - 성장과 복잡성 - 전략 조정 및 실행 : 데이터로 높은 성과를 내는 조직 - 분석 및 머신 러닝 확장 - 미래 비전 : 새로운 아키텍처를 위한 CDO 위시리스트  

Databricks 2022.05.19

BI|분석

“운영 관리가 AI/ML의 성패를 결정한다” 머신러닝을 위한 MLOps 전략과 HPE Ezmeral MLOps - Tech Summary

AI/ML 프로젝트 중 프로덕션까지 살아남는 비중은 매우 낮다. 적절한 데이터 부족, 컴퓨팅 자원 부족 등 여러 이유가 있지만, 본질적인 이유는 AI/ML 모델 구현, 훈련, 배포, 모니터링 등 전체 생명주기를 아우르는 관리 체계 부재에서 찾을 수 있다.  HPE Ezmeral MLOps를 예로 AI/ML 프로젝트의 성공 비율을 높이는 MLOps 전략에 대해 알아보자.  주요 내용 - AI/ML 프로젝트의 성공률을 높여라 - 누구나 쉽게 활용할 수 있는 MLOps 솔루션 - 민첩성 보장하는 MLOps와 데브옵스의 통합 - HPE Ezmeral MLOps 활용 사례 - 다양한 배포 옵션으로 인프라와 MLOps 통합 - 디지털 트랜스포메이션을 가속화하는 AI의 역할 변화

HPE 2022.05.09

BI|분석 / 데이터센터 / 엔터프라이즈 아키텍처|SOA / 인프라 관리 / 클라우드 컴퓨팅

‘AI 인프라와 씨름하지 마세요’ HPE와 엔비디아가 내놓은 해법 - Tech Dossier

AI가 모든 업종에 걸쳐 비즈니스 여러 부문에 침투해야 할 필요성이 공감대를 얻어가고 있다. 이에 따라 초기 파일럿 프로젝트 때와 다른 접근방식과 아키텍처, 도구, 문화의 필요성이 대두되고 있다. 각종 AI 워크로드를 온프레미스 IT 인프라스트럭처를 쉽게 실행할 수 있도록 돕는 도구인 '엔비디아 AI 엔터프라이즈'를 알아보는 한편,  이를 HPE 그린레이크 하이브리드 클라우드 패키지를 결합해 효과를 극대화한 HPE GreenLake AI as a Service에 대해 살펴본다. 주요 내용 -> AI, 비즈니스 현장 속으로 -> 새로운 도구와 그릇이 필요하다 -> ‘낮아진 문턱을 더 허물다’ HPE와 NVIDIA의 ‘AI as a Service’ 해법 -> HPE GreenLake AI as a Service의 주요 혜택 -> 일문일답 | “프라이빗 클라우드에 특화된 최초이자 유일한 AI as a Service” 한국 HPE 신장규 이사

HPE 2022.04.05

BI|분석

“데이터 접근성과 활용성을 높여라” AI/ML을 위한 통합 데이터 플랫폼 전략 - Tech Summary

데이터의 가치가 나날이 높아지고 있다. AI/ML, 분석 같은 데이터 집약적인 워크로드가 빠르게 늘고 있기 때문이다. 하지만 이처럼 중요한 데이터 활용에 많은 조직이 어려움을 겪고 있다. 데이터 세트는 빠른 속도로 확장되고 있고, 이들 데이터는 파일, 객체, 스트림, 데이터베이스 등 여러 위치에 저장된다.  문제는 이들 데이터를 데이터 엔지니어, 데이터 분석가, 데이터 과학자가 접근해 활용하는 것이 점점 복잡해지고 있다는 것이다. 데이터를 다루는 전문가들이 더 생산적이고 효율적으로 작업을 하는 유일한 해결책은 통합 분석 플랫폼을 구축하는 것이다. 너무 많은 도구와 절차로 인한 복잡성의 문제에 직면한 기업들의 고충과 이를 통합 분석 플랫폼이 어떻게 해소할 수 있는지 HPE 에즈메랄 통합 분석 플랫폼을 통해 살펴보자.  주요 내용 - 데이터 접근과 활용에 대한 도전 과제 - 복잡성을 해결하는 4가지 원칙 - 4대 원칙에 충실한 통합 분석 플랫폼 - 데이터 패브릭 기반의 글로벌 데이터 통합 - 더 큰 자유와 선택

HPE / 영우디지탈 2022.03.29

BI|분석

매직 쿼드런트: 엔터프라이즈 대화형 AI 플랫폼 - 가트너

엔터프라이즈 대화형 AI 플랫폼은 기업 내 다양한 챗봇 사용 사례를 자동화해 여러 비즈니스 유닛 전반에 걸쳐 오케스트레이션 및 운영되는 봇을 생성합니다. 대화형 AI를 담당하는 애플리케이션 리더는 적합한 벤더를 평가하기 위해 본 매직 쿼드런트 보고서를 활용해야 합니다. 본 매직 쿼드런트 보고서에서 리더군으로 분류되는 코어에이아이는 미국에 본사를 둔 기업으로, 인도와 런던, 도쿄, 한국에서 사무실을 운영하고 있습니다. 대규모 파트너 네트워크를 바탕으로 광범위한 지리적 입지를 유지하고 있습니다. 넓은 의미에서 볼 때 Kore.ai Experience Optimization Platform은 인터페이스 및 프로세스 구축 기능을 통해 인접 제품 범주로 확장되는 대화형 AI를 위한 노코드 플랫폼입니다. 해당 플랫폼은 모든 주요 채널 및 사용 사례를 지원합니다. 또한 코어에이아이는 대규모 추가 및 보완 제품 포트폴리오를 통해 광범위한 대화형 AI 사용 사례에 적합한 포트폴리오를 완성합니다. <14p> 주요 내용 - 시장 정의/설명 - 매직 쿼드런트 - 맥락 - 평가 기준 정의

Kore.ai 2022.03.07

BI|분석

챗봇 vs 가상 비서 - 비교 분석

본 백서는 대화형 인공지능(AI)을 통해 고객/직원/상담원 경험을 혁신하고자 하는 기업들을 위해 작성되었다. 본 백서는 봇(bot)의 중요성과 현대적 라이프스타일에서 얼마나 흔하게 사용되는지 기술한다. 또한, 차세대 사용자 경험을 달성함에 있어 챗봇의 한계와 가상 비서가 이런 한계를 극복하는 방법에 대해 중점적으로 설명하며, 챗봇과 가상 비서의 비교 분석을 제공한다. 대화의 맥락과 사용자 감정을 이해하고, 한 번에 여러 요청을 처리하며, 대화 도중에 입력값을 변경하고, 일상적 대화를 나누거나 위젯 형식으로 데이터를 표시하는 등의 다양한 기능을 상세하게 설명하였다. 각 기능에 대한 이해를 돕기 위해 대화 시나리오를 사용했으며, 이를 통해 챗봇과 가상 비서의 대화 방식을 비교해볼 수 있다. 본 백서에서는 챗봇과 가상 비서의 차이점, 가상 비서 실행 시 챗봇 대비 얻을 수 있는 추가 이점 등을 심도 있게 다루었으며, 가상 비서가 디지털 혁신을 달성하도록 지원하는 방식에 대한 전반적인 개념을 이해할 수 있을 것이다. <16p> 주요 내용 - 일상 속 챗봇 - 챗봇의 한계 - 가상 비서의 진화 - 챗봇 vs 가상 비서 - 심층 비교 - 가상 비서의 비즈니스적 이점

Kore.ai 2022.03.07

BI|분석

기계 학습으로 4차 산업 혁명 추진 : 더 스마트하고, 빠르고, 경제적인 성장을 위한 비결 찾기

제조, 에너지, 광업, 농업, 운송 등의 분야에 속한 산업 기업들은 데이터를 수집하고 분석하고 이해하기 위한 노력의 일환으로 산업 기업이 클라우드 컴퓨팅, 사물 인터넷 (IoT), 고급 분석, 기계 학습 등의 새로운 기술을 채택하는 비율이 점차 커졌습니다. 그러나 과제는 존재합니다. 이러한 시스템에 묶여 있는 데이터를 해방시키기가 쉽지 않을 수 있습니다. 또한 지능형 기술로 생성된 방대한 데이터를 정리하고 이해하고 효율적으로 이용하려면 오래된 프로세스를 재검토하고 혁신을 가속화해야 할 수 있습니다. 이 eBook에서는 오늘날의 산업 기업이 기계 학습을 활용하여 디지털 트랜스포메이션 및 관련 이점을 추진하고 있는 현황을 알아봅니다. 그런 다음 산업계의 공통 과제를 살펴보고, AWS를 통해 기계 학습을 채택하여 그러한 과제를 극복하는 방법을 알아봅니다. <22p> 주요 내용 - 오늘날의 제조업체에서 기계 학습을 통해 성과를 내는 방법 - 산업계의 과제 : 자산 성능 개선 - 비즈니스 과제 : 품질 관리 - 비즈니스 과제 : 엣지에서 운영 효율성 개선 - 비즈니스 과제 : 수요 예측 및 재고 관리 - 비즈니스 과제 : 데이터에서 더 많은 가치 창출

Amazon Web Services 2022.01.25

BI|분석 / 데이터베이스 / 오픈소스

"클라우드 데이터는 클라우드 DW에" EDW의 7대 과제와 해결 방안 - IDG Summary

최근 많은 기업이 레가시 시스템들을 퍼블릭 클라우드로 전환함에 따라 클라우드 환경에서 생성되는 데이터를 저장, 분석하는 DW(Data Warehouse) 시스템도 클라우드로의 전환을 꾀하고 있다. DW 퍼블릭 클라우드 서비스는 기존 EDW(Enterprise Data Warehouse)의 많은 과제를 해결할 수 있으며, 특히 아키텍처에 대한 유연성과 확장성을 기업에 제시한다. 전통적인 EDW가 갖고 있던 고질적인 문제점을 알아보고, 이를 해결하는 방안에 대해 살펴보자. 주요 내용  - 기존 데이터 웨어하우스의 7대 과제  - 퍼블릭 클라우드 환경 DW “빠른 구축과 비용절감" - CDW, BI와 ETL 작업을 분리  - 클라우드 DW 비용절감의 핵심, 오토서스펜드 타임아웃 - 클라우데라, DW에 확장성과 가격 대비 성능 제공

Cloudera 2022.01.19

BI|분석 / 엔터프라이즈 애플리케이션

“하이퍼 오토메이션을 위한 초석” AI OCR의 이해 - IDG Tech Report

최근 RPA의 핵심 기술로 AI 기반 광학 문자 인식, ‘AI OCR’이 각광받고 있다. AI OCR은 학습 기반의 AI 알고리즘을 통해 문서 분류 및 데이터 추출 과정의 효율성과 정확도를 높여 복잡한 문서를 처리하지 못하는 전통적인 OCR의 한계를 보완했다. 기업 데이터의 약 80%를 차지하는 각종 비정형 문서에 대해 맥락 이해를 통한 데이터 오류 수정, 잠재적인 리스크 예측까지 가능하다는 점에서 활용 분야가 더욱 확대될 것으로 보인다. 다만, 한글과 필기체를 정확하게 인식하는 것은 여전히 기술적 과제로 남아있다. 또한, AI 모델 및 알고리즘을 악용한 각종 사이버 공격을 인지하고 대비해야 할 것이다. AI OCR의 작동 방식과 기존 OCR에 비해 갖는 차별점을 이해하고, 그 이면에 가려진 문제도 함께 살펴본다. 주요내용 - “노이즈 제거부터 맥락 이해까지” 다재다능한 AI OCR - 비정형 데이터 처리를 통한 하이퍼 오토메이션 가속화 - 기존 OCR과의 차별점 1. 스캔 도구와 인식 환경의 제약 감소 - 기존 OCR과의 차별점 2. 딥러닝 기반의 표 영역 인식 - 기존 OCR과의 차별점 3. AI 알고리즘 활용으로 모듈 간소화 - 기존 OCR과의 차별점 4. 이미지 정보 보호 - AI OCR 작동 방식 - 금융권에서 빛을 발하는 AI OCR - AI OCR도 못 막는 보안 공격 - 한글과 필기체 인식의 난제

ITWorld / Lomin 2022.01.19

BI|분석

글로벌 금융 리서치 #2: 금융서비스 혁신을 위한 지능형 자동화(RPA) 로드맵

불확실성으로 가득한 미래에는 발전을 거듭하고 변화에 민첩하게 대응할 필요성이 더욱 대두될 것입니다. 금융 서비스 조직은 AI 및 지능형 자동화를 통해 프로세스를 확장하고, 우선순위가 높은 업무에 활용할 수 있는 인적 리소스를 할당하며, 결과적으로 고객 경험을 개선하는 방법을 파악할 수 있습니다. 그러나 금융 전문가들이 자동화의 논리와 이점을 이해하고 있는 반면, 현재 업무 환경은 변화에 대응하도록 조성되어 있지 않습니다.  바로 이러한 노력을 통해 지능형 자동화의 이후 단계가 실현되고 더 많은 가치를 창출할 수 있을 것으로 기대됩니다. 가장 큰 변화를 만드는 핵심 요소는 디지털화 및 자동화가 진행되기 전에 모든 전환 작업에서 주요 프로세스를 재구상하고 재구성하는 노력이 수반되어야 한다는 것입니다. McKinsey는 “기업이 자동화에 착수하기 전에 재구성 작업을 진행하면 성공률이 40% 증가합니다 “라고 말합니다.<22p> 주요 내용 - 새로운 운영 모델의 기본 원칙 - 조직 전반에서 지능형 자동화를 주류로 만들기 - 연구 결과 - 전략적인 하향식 지능형 자동화를 위한 명확한 경로 만들기

Blue Prism 2022.01.05

+

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.