2020.05.13

데이터 주도적 혁신을 여는 열쇠··· ‘IoT 애널리틱스’ 구축을 위한 조언

Bob Violino | CIO
사물인터넷(IoT)이 데이터 주도적 트랜스포메이션을 여는 열쇠일지도 모른다. 실시간으로 전달되는 방대한 IoT 데이터를 비즈니스 가치로 전환하는 방법을 살펴본다.

많은 기업들이 데이터 주도적 트랜스포메이션 전략의 핵심 요소로 사물인터넷을 꼽고 있다. IoT를 제대로 구축한 기업들은 운영 프로세스, 재고 관리, 장비 유지보수 등을 개선하며 이미 그 혜택을 보고 있기도 하다. 

그러나 성공적인 IoT 전략은 단순히 수많은 장치와 센서를 인터넷에 연결하고, 이 '연결된 사물들(things)'에서 데이터를 수집하는 것에 그치지 않는다. 

IoT로 생성되는 방대한 데이터를 효과적으로 분석할 수 있는 역량을 갖추고, 실질적인 비즈니스 인사이트를 얻어야 한다. 이것이 바로 IoT 애널리틱스 전략을 최우선 과제로 삼아야 하는 이유다. 연결로 창출되는 모든 데이터를 최대한 활용하고자 하는 기업에게는 더욱더 그렇다.
 
ⓒGetty Images

가트너의 시니어 디렉터 겸 자문 위원장인 칼톤 사프는 기업이 수집한 IoT 데이터를 활용한다면 많은 이점을 누릴 수 있다고 강조했다. 이를테면 장비와 시스템 현황 파악부터 의사결정 및 관리감독 최적화, 데이터 관리 비용 절감, 선제적 예측 및 관리, 컴플라이언스 구현 등이 이러한 이점에 포함된다. 

이어서 그는 인프라 최적화 및 관리, 자산 관리, 재무 위험 관리, 스마트 시티 등의 분야에서 IoT 데이터를 활용할 기회가 많다고 덧붙였다. 

하지만 IoT 데이터에서 가치를 도출하려면 적절한 툴과 일관적인 전략이 필요하다고 사프는 조언했다. IoT 데이터와 리소스를 최대한 활용할 수 있는 몇 가지 방법들을 소개한다.

IoT 애널리틱스 조직과 인프라를 구축하라
IDC의 IoT 부문 리서치 책임자 스테이시 크룩은 기업이 IoT 애널리틱스 목표를 파악했다면 이와 관련된 주요 이해관계자를 식별해야 한다고 권고했다. 그리고 내부 역량이 충분한지 해당 이해관계자들에게 확인해야 한다고 언급했다. 

그는 “데이터 과학 분야의 인재가 IoT 애널리틱스 프로젝트에 필요하다. 내부 데이터 과학 역량이 미흡하다면 직원을 새로 채용하거나 프로젝트의 특정 부분을 타사에 아웃소싱해야 할 것”이라며, “또한 IoT 데이터 애널리틱스를 지원하고 데이터 거버넌스 전략을 이끌 CDO(Chief Data Officer)를 임명할지 검토할 필요가 있다”고 조언했다. 

IoT가 근본적으로 빅데이터 문제이기 때문에 기존 인프라가 IoT 유즈 케이스를 어떻게 지원할 수 있을지도 고려해야 한다. 크룩은 “구형 빅데이터 아키텍처라면 배치 지향 워크로드에 초점을 맞추고 있을 가능성이 크다. 하지만 이런 인프라에서도 실시간 워크로드를 실행할 수 있도록 하는 툴이 점점 더 증가하는 추세다”라고 말했다. 

동일한 인프라에서 여러 IoT 워크로드를 가동할 때의 이점이 있다. 이를테면 데이터 사일로를 방지할 수 있고, 해당 워크로드 전반에서 교차 기능 분석을 더 쉽게 실행할 수 있다. 그는 “이밖에 데이터 거버넌스 및 보안 측면의 혜택도 있다”라고 덧붙였다.

증가하는 IoT 데이터를 지원할 아키텍처를 구축하라 
기업이 첫 번째로 해야 할 일은 적절한 IoT 데이터 아키텍처를 구현하는 것이다. 그리고 여러 위치에서 전달되는 IoT 데이터를 어떻게 관리해야 할지 파악해야 한다.

사프는 “IoT 엔드포인트에서 생성되는 데이터는 새로운 도전과제를 제시한다. 안정적이지 않은 접근 그리고 여러 프로토콜로 서로 다른 포맷의 데이터를 생성하는 분산된 장치들을 통합하는 문제를 예로 들 수 있다”라고 설명했다.

오늘날 대부분의 IoT 데이터가 원격으로 수집된다. 동시에 중앙에서 처리해야 할 고용량 이미지 및 오디오 데이터가 점점 더 많이 생성되고 있다. 그는 “증가하는 IoT 데이터를 지원할 적절한 IoT 데이터 아키텍처부터 시작해야 한다"라고 전했다.

기업들은 종종 유연하거나 탄력적인 데이터 아키텍처를 갖추지 못해 IoT 데이터를 효과적으로 관리하는 데 실패하기도 한다. 사프는 “데이터가 계속해서 증가할 것이다. 애널리틱스와 데이터 마이닝을 활용할 수 있는 아키텍처를 설계해야 한다. 그래야 프로세스 개선, 의사결정 최적화, 비용 절감 등에 필요한 핵심 정보를 파악할 수 있다”라고 말했다. 

예를 들면 한 통신사는 네트워크 엣지에서 IoT 애널리틱스를 통해 잡음(noisy)이 있는 데이터를 줄여 데이터 이동 비용을 절감했다. 그는 “이러한 기업들은 IoT 데이터에서 신속하게 정보를 파악하도록 축소나 확장이 가능하며, 엣지에 초점이 맞춰진 데이터 아키텍처에 초점을 맞추고 있다"라고 밝혔다.

데이터 파이프라인 전반에서 애널리틱스를 구현하라
빠른 의사결정과 비용 절감이라는 이점을 누리기 위해서는 IoT 데이터 아키텍처가 (스트리밍을이 이뤄지고 있는) 데이터 파이프라인 전반에서 그리고 로컬 데이터 저장소에서 애널리틱스를 지원해야 한다. 

기업은 IoT 애널리틱스를 구축 및 배포할 때 데이터 중심의 디자인 패턴에 초점을 맞추는 방법으로 해당 목적을 달성할 수 있다. 여기에는 이벤트 기반 아키텍처를 사용하는 것이 포함된다.

사프는 “엣지와 스트리밍 파이프라인, 플랫폼, 엔터프라이즈에서 애널리틱스를 구현하는 것이 출발점이다”라고 전했다. 기업은 스트리밍 IoT 데이터 파이프라인에서 애널리틱스를 구현, 레이턴시를 향상시키고 비용과 보안 취약점을 줄일 수 있다.

이를테면 미 국방성은 네트워크에서의 데이터 처리량을 줄이고자 스트리밍 데이터 파이프라인에서 애널리틱스를 실행하고 있다. 또한 IoT 엣지 애널리틱스를 활용해 데이터 소스에 더 가까운 곳에서 운영 분석을 한다. 이를 통해 네트워크를 통한 데이터 전송을 피하고 있다. 

이 과정에서 이종 분석이 요구될 수 있으며, 이에 따라 다중 분석 환경이 구현될 가능성이 크다. 그는 “운영 체제부터 임베디드 분석 소프트웨어까지 환경은 다양할 수 있다”라며, “네트워크 엣지에서 엔터프라이즈로 확산되는 환경에 IoT 애널리틱스를 구현할 준비를 해야 한다. 예를 들어 유틸리티 기업은 다양한 인프라에 IoT 애널리틱스를 분산시키는 방법으로 인프라 관리를 지원할 수 있다”라고 말했다. 

AI를 활용하라
기업은 AI를 활용해 IoT 데이터로 할 수 있는 일들을 강화해야 한다고 사프는 조언했다. 그는 “네트워크 엣지의 분석 도구로 AI를 활용하는 엣지 인텔리전스는 새롭게 떠오르는 분야다. 이를 통해 IoT 데이터를 기반으로 지능형 애플리케이션을 개발할 수 있다”라고 설명했다.

이러한 지능형 애플리케이션은 비디오 감시부터 인텔리전트 스카다(SCADA, Supervisory Control And Data Acquisition) 시스템까지 다양하다. 예를 들면 환경 관련 기업은 IoT 데이터를 활용해 컴플라이언스를 준수하는 지능형 관리 시스템을 만들 수 있다.

사프는 IoT 아키텍처에 AI를 추가하는 것이 운영 측면에서 필수적이라고 진단했다. 그에 따르면 갈수록 증가하는 데이터를 처리하려면 엔드포인트 장치를 포함한 IoT 시스템이 더 스마트해져야 한다. 자율 기능 역시 강화해야 한다. 그리고 이를 위해서는 인공지능과 머신러닝을 도입해야 할 필요가 있다. 

클라우드 네이티브를 지향하라
IoT 애플리케이션이 생성하는 엄청난 양의 데이터를 감안한다면 애널리틱스를 포함해 데이터를 관리할 수 있는 유일한 방법은 아마 클라우드일 것이다. 

종자와 농약 등을 판매하는 신젠타(Syngenta)의 그룹 CIO이자 CDO인 그렉 마이어스는 “방대한 데이터를 직접 관리하고자 여기에 필요한 규모와 속도를 갖춘 환경을 구축할 가치가 없다. 기업 데이터센터나 인프라에서 이를 직접 관리하는 것은 스스로를 위험에 빠뜨리는 짓이다”라고 말했다.

신젠타는 IoT를 도입해 그간 마이크로 세그먼트로 분류돼 임의로 집계했던 고객의 농장과 밭을 관리할 수 있는 역량을 갖추게 됐다. “사람은 '평균'은 잘 관리한다. 그러나 '가변성' 관리에 더 능한 것은 컴퓨터다. IoT는 특정 지역에서 일어난 일이 100m쯤 떨어진 다른 지역에서 일어난 일과 다른 이유를 설명해줄 수 있다”라고 마이어스는 설명했다.

주요 퍼블릭 클라우드 업체들은 IoT 애널리틱스 지원 서비스를 제공하고 있다. 이를테면 AWS의 IoT 애널리틱스(IoT Analytics)는 분석 플랫폼을 실행하고 운영할 수 있는 매니지드 서비스다. 해당 회사에 따르면 기업들이 IoT 애널리틱스 플랫폼을 구축하는 데 수반되는 복잡성과 비용 문제를 걱정하지 않아도 된다. 

마이크로소프트 역시 애저 IoT 센트럴(Azure IoT Central)이라는 데이터 분석 서비스가 포함된 애저 IoT(Azure IoT)를 제공하고 있다. 이를 통해 과거 데이터를 검토하고 커넥티드 기기가 생성하는 데이터와의 상관관계를 분석할 수 있다. 구글은 클라우드 IoT(Cloud IoT)라는 일련의 툴을 제공한다. 네트워크 엣지와 클라우드의 데이터를 연결, 처리, 저장, 분석할 수 있다. 

데이터 거버넌스, 보안 및 개인정보보호를 중시해야 한다
기업은 IoT 데이터 애널리틱스 프로세스를 위한 거버넌스, 보안, 개인정보보호 메커니즘을 갖춰야 한다. IoT로 생성된 데이터 중에는 민감한 데이터가 많다. 그 때문에 주의를 기울여 관리하고 보호해야 한다. 

라벨 및 패키징 솔루션 제조업체 에이버리 데니슨(Avery Dennison)의 VP 겸 CIO 니콜라스 콜리스토는 “기존 데이터 거버넌스 관행을 재평가하고, 머신 데이터를 포함시켜야 한다”라며, “개인적인 경험으로 비춰볼 때 IoT 거버넌스는 아직 성숙되지 못했다”라고 지적했다. 

이어서 그는 “과거 일했던 한 기업에서 현업 부문이 IT 팀을 개입시키지 않고 IoT 시스템을 도입했던 적이 있다. 이로 인해 장치 감사나 펌웨어와 같은 간단한 운영 관련 작업 및 툴들이 고려되지 않았다”라고 말했다. 

“기업은 기밀성, 개인정보보호, 유지, 보안 관련 요구사항에 따라 IoT 데이터에서 나타날 수 있는 위험을 확인해야 한다. 개인 데이터를 취급한다고 가정해보자. 알고리즘 편향이 나타나거나 GDPR 같은 규정을 준수하지 못해 발생할 수 있는 문제들을 고려해야 한다. 법적 처벌을 받거나 회사 평판이 손상될 수 있는 문제이기 때문이다”라고 설명했다.

IoT 데이터를 새로운 수익 창출 기회로 활용하라
IoT로 생성된 데이터가 기업 내부는 물론 외부에서도 값진 역할을 할 수 있다. 화학 기업인 텍스마크 케미컬(Texmark Chemicals)은 공장 운영 현대화의 일환으로 센서가 장착된 펌프를 도입했다. HPE와 아루바 네트웍스의 기술을 기반으로 한 펌프 센서는 온도, 압력, 진동, 흐름, 전력 데이터를 수집한다. 그리고 해당 데이터를 분석해 장비 고장이나 장애 문제를 예측한다.

텍스마크 케미컬의 CEO 더그 스미스는 센서가 장착된 장치가 기업의 자산과 프로세스를 모니터링하는 데 도움을 주는 것은 물론 새로운 비즈니스 모델을 발굴할 기회를 제공했다고 밝혔다. 

스미스는 IoT가 계약 협상에서 구매를 이끄는 추가 요인이 됐다고 강조했다. 그는 “고객들이 기업의 자산에서 생성되는 데이터에 접근할 수 있다는 것에 가치를 느끼기 시작했다”라고 설명했다. 

또한 궁극적으로 장비 성능에 대한 데이터 라이브러리를 발전시키고 있는 것이며, 이는 유사한 장비를 사용하는 다른 기업들과 공유할 수 있다고 그는 말했다. 이어서 스미스는 “머신러닝 분석 모델을 도입하면 더 많은 데이터를 수집할 수 있게 되며 분석을 통한 예측의 정확성도 높아진다”라고 강조했다.

그는 IoT 데이터를 펌프 제조사나 협력업체와 공유한다면 “해당 데이터가 정확한 경우 새로운 비즈니스 모델을 입증할 수 있을 것”이라며, “고객들 역시 이러한 장치와 애널리틱스를 통해 데이터를 수집, 분석, 보고하는 방식으로 비용 효율성을 높일 수 있다는 점을 높이 평가하고 있다”라고 덧붙였다. 

스미스에 따르면 IoT를 통해 구현한 이 ‘데이터로서의 서비스(Data-as-a-Service)’는 텍스마크 케미컬의 차별화 요소다. 또한 직원들에게 더 많은 성과를 일궈낼 수 있도록 하는 동시에 고객과의 관계도 강화할 수 있다고 그는 말했다. ciokr@idg.co.kr



2020.05.13

데이터 주도적 혁신을 여는 열쇠··· ‘IoT 애널리틱스’ 구축을 위한 조언

Bob Violino | CIO
사물인터넷(IoT)이 데이터 주도적 트랜스포메이션을 여는 열쇠일지도 모른다. 실시간으로 전달되는 방대한 IoT 데이터를 비즈니스 가치로 전환하는 방법을 살펴본다.

많은 기업들이 데이터 주도적 트랜스포메이션 전략의 핵심 요소로 사물인터넷을 꼽고 있다. IoT를 제대로 구축한 기업들은 운영 프로세스, 재고 관리, 장비 유지보수 등을 개선하며 이미 그 혜택을 보고 있기도 하다. 

그러나 성공적인 IoT 전략은 단순히 수많은 장치와 센서를 인터넷에 연결하고, 이 '연결된 사물들(things)'에서 데이터를 수집하는 것에 그치지 않는다. 

IoT로 생성되는 방대한 데이터를 효과적으로 분석할 수 있는 역량을 갖추고, 실질적인 비즈니스 인사이트를 얻어야 한다. 이것이 바로 IoT 애널리틱스 전략을 최우선 과제로 삼아야 하는 이유다. 연결로 창출되는 모든 데이터를 최대한 활용하고자 하는 기업에게는 더욱더 그렇다.
 
ⓒGetty Images

가트너의 시니어 디렉터 겸 자문 위원장인 칼톤 사프는 기업이 수집한 IoT 데이터를 활용한다면 많은 이점을 누릴 수 있다고 강조했다. 이를테면 장비와 시스템 현황 파악부터 의사결정 및 관리감독 최적화, 데이터 관리 비용 절감, 선제적 예측 및 관리, 컴플라이언스 구현 등이 이러한 이점에 포함된다. 

이어서 그는 인프라 최적화 및 관리, 자산 관리, 재무 위험 관리, 스마트 시티 등의 분야에서 IoT 데이터를 활용할 기회가 많다고 덧붙였다. 

하지만 IoT 데이터에서 가치를 도출하려면 적절한 툴과 일관적인 전략이 필요하다고 사프는 조언했다. IoT 데이터와 리소스를 최대한 활용할 수 있는 몇 가지 방법들을 소개한다.

IoT 애널리틱스 조직과 인프라를 구축하라
IDC의 IoT 부문 리서치 책임자 스테이시 크룩은 기업이 IoT 애널리틱스 목표를 파악했다면 이와 관련된 주요 이해관계자를 식별해야 한다고 권고했다. 그리고 내부 역량이 충분한지 해당 이해관계자들에게 확인해야 한다고 언급했다. 

그는 “데이터 과학 분야의 인재가 IoT 애널리틱스 프로젝트에 필요하다. 내부 데이터 과학 역량이 미흡하다면 직원을 새로 채용하거나 프로젝트의 특정 부분을 타사에 아웃소싱해야 할 것”이라며, “또한 IoT 데이터 애널리틱스를 지원하고 데이터 거버넌스 전략을 이끌 CDO(Chief Data Officer)를 임명할지 검토할 필요가 있다”고 조언했다. 

IoT가 근본적으로 빅데이터 문제이기 때문에 기존 인프라가 IoT 유즈 케이스를 어떻게 지원할 수 있을지도 고려해야 한다. 크룩은 “구형 빅데이터 아키텍처라면 배치 지향 워크로드에 초점을 맞추고 있을 가능성이 크다. 하지만 이런 인프라에서도 실시간 워크로드를 실행할 수 있도록 하는 툴이 점점 더 증가하는 추세다”라고 말했다. 

동일한 인프라에서 여러 IoT 워크로드를 가동할 때의 이점이 있다. 이를테면 데이터 사일로를 방지할 수 있고, 해당 워크로드 전반에서 교차 기능 분석을 더 쉽게 실행할 수 있다. 그는 “이밖에 데이터 거버넌스 및 보안 측면의 혜택도 있다”라고 덧붙였다.

증가하는 IoT 데이터를 지원할 아키텍처를 구축하라 
기업이 첫 번째로 해야 할 일은 적절한 IoT 데이터 아키텍처를 구현하는 것이다. 그리고 여러 위치에서 전달되는 IoT 데이터를 어떻게 관리해야 할지 파악해야 한다.

사프는 “IoT 엔드포인트에서 생성되는 데이터는 새로운 도전과제를 제시한다. 안정적이지 않은 접근 그리고 여러 프로토콜로 서로 다른 포맷의 데이터를 생성하는 분산된 장치들을 통합하는 문제를 예로 들 수 있다”라고 설명했다.

오늘날 대부분의 IoT 데이터가 원격으로 수집된다. 동시에 중앙에서 처리해야 할 고용량 이미지 및 오디오 데이터가 점점 더 많이 생성되고 있다. 그는 “증가하는 IoT 데이터를 지원할 적절한 IoT 데이터 아키텍처부터 시작해야 한다"라고 전했다.

기업들은 종종 유연하거나 탄력적인 데이터 아키텍처를 갖추지 못해 IoT 데이터를 효과적으로 관리하는 데 실패하기도 한다. 사프는 “데이터가 계속해서 증가할 것이다. 애널리틱스와 데이터 마이닝을 활용할 수 있는 아키텍처를 설계해야 한다. 그래야 프로세스 개선, 의사결정 최적화, 비용 절감 등에 필요한 핵심 정보를 파악할 수 있다”라고 말했다. 

예를 들면 한 통신사는 네트워크 엣지에서 IoT 애널리틱스를 통해 잡음(noisy)이 있는 데이터를 줄여 데이터 이동 비용을 절감했다. 그는 “이러한 기업들은 IoT 데이터에서 신속하게 정보를 파악하도록 축소나 확장이 가능하며, 엣지에 초점이 맞춰진 데이터 아키텍처에 초점을 맞추고 있다"라고 밝혔다.

데이터 파이프라인 전반에서 애널리틱스를 구현하라
빠른 의사결정과 비용 절감이라는 이점을 누리기 위해서는 IoT 데이터 아키텍처가 (스트리밍을이 이뤄지고 있는) 데이터 파이프라인 전반에서 그리고 로컬 데이터 저장소에서 애널리틱스를 지원해야 한다. 

기업은 IoT 애널리틱스를 구축 및 배포할 때 데이터 중심의 디자인 패턴에 초점을 맞추는 방법으로 해당 목적을 달성할 수 있다. 여기에는 이벤트 기반 아키텍처를 사용하는 것이 포함된다.

사프는 “엣지와 스트리밍 파이프라인, 플랫폼, 엔터프라이즈에서 애널리틱스를 구현하는 것이 출발점이다”라고 전했다. 기업은 스트리밍 IoT 데이터 파이프라인에서 애널리틱스를 구현, 레이턴시를 향상시키고 비용과 보안 취약점을 줄일 수 있다.

이를테면 미 국방성은 네트워크에서의 데이터 처리량을 줄이고자 스트리밍 데이터 파이프라인에서 애널리틱스를 실행하고 있다. 또한 IoT 엣지 애널리틱스를 활용해 데이터 소스에 더 가까운 곳에서 운영 분석을 한다. 이를 통해 네트워크를 통한 데이터 전송을 피하고 있다. 

이 과정에서 이종 분석이 요구될 수 있으며, 이에 따라 다중 분석 환경이 구현될 가능성이 크다. 그는 “운영 체제부터 임베디드 분석 소프트웨어까지 환경은 다양할 수 있다”라며, “네트워크 엣지에서 엔터프라이즈로 확산되는 환경에 IoT 애널리틱스를 구현할 준비를 해야 한다. 예를 들어 유틸리티 기업은 다양한 인프라에 IoT 애널리틱스를 분산시키는 방법으로 인프라 관리를 지원할 수 있다”라고 말했다. 

AI를 활용하라
기업은 AI를 활용해 IoT 데이터로 할 수 있는 일들을 강화해야 한다고 사프는 조언했다. 그는 “네트워크 엣지의 분석 도구로 AI를 활용하는 엣지 인텔리전스는 새롭게 떠오르는 분야다. 이를 통해 IoT 데이터를 기반으로 지능형 애플리케이션을 개발할 수 있다”라고 설명했다.

이러한 지능형 애플리케이션은 비디오 감시부터 인텔리전트 스카다(SCADA, Supervisory Control And Data Acquisition) 시스템까지 다양하다. 예를 들면 환경 관련 기업은 IoT 데이터를 활용해 컴플라이언스를 준수하는 지능형 관리 시스템을 만들 수 있다.

사프는 IoT 아키텍처에 AI를 추가하는 것이 운영 측면에서 필수적이라고 진단했다. 그에 따르면 갈수록 증가하는 데이터를 처리하려면 엔드포인트 장치를 포함한 IoT 시스템이 더 스마트해져야 한다. 자율 기능 역시 강화해야 한다. 그리고 이를 위해서는 인공지능과 머신러닝을 도입해야 할 필요가 있다. 

클라우드 네이티브를 지향하라
IoT 애플리케이션이 생성하는 엄청난 양의 데이터를 감안한다면 애널리틱스를 포함해 데이터를 관리할 수 있는 유일한 방법은 아마 클라우드일 것이다. 

종자와 농약 등을 판매하는 신젠타(Syngenta)의 그룹 CIO이자 CDO인 그렉 마이어스는 “방대한 데이터를 직접 관리하고자 여기에 필요한 규모와 속도를 갖춘 환경을 구축할 가치가 없다. 기업 데이터센터나 인프라에서 이를 직접 관리하는 것은 스스로를 위험에 빠뜨리는 짓이다”라고 말했다.

신젠타는 IoT를 도입해 그간 마이크로 세그먼트로 분류돼 임의로 집계했던 고객의 농장과 밭을 관리할 수 있는 역량을 갖추게 됐다. “사람은 '평균'은 잘 관리한다. 그러나 '가변성' 관리에 더 능한 것은 컴퓨터다. IoT는 특정 지역에서 일어난 일이 100m쯤 떨어진 다른 지역에서 일어난 일과 다른 이유를 설명해줄 수 있다”라고 마이어스는 설명했다.

주요 퍼블릭 클라우드 업체들은 IoT 애널리틱스 지원 서비스를 제공하고 있다. 이를테면 AWS의 IoT 애널리틱스(IoT Analytics)는 분석 플랫폼을 실행하고 운영할 수 있는 매니지드 서비스다. 해당 회사에 따르면 기업들이 IoT 애널리틱스 플랫폼을 구축하는 데 수반되는 복잡성과 비용 문제를 걱정하지 않아도 된다. 

마이크로소프트 역시 애저 IoT 센트럴(Azure IoT Central)이라는 데이터 분석 서비스가 포함된 애저 IoT(Azure IoT)를 제공하고 있다. 이를 통해 과거 데이터를 검토하고 커넥티드 기기가 생성하는 데이터와의 상관관계를 분석할 수 있다. 구글은 클라우드 IoT(Cloud IoT)라는 일련의 툴을 제공한다. 네트워크 엣지와 클라우드의 데이터를 연결, 처리, 저장, 분석할 수 있다. 

데이터 거버넌스, 보안 및 개인정보보호를 중시해야 한다
기업은 IoT 데이터 애널리틱스 프로세스를 위한 거버넌스, 보안, 개인정보보호 메커니즘을 갖춰야 한다. IoT로 생성된 데이터 중에는 민감한 데이터가 많다. 그 때문에 주의를 기울여 관리하고 보호해야 한다. 

라벨 및 패키징 솔루션 제조업체 에이버리 데니슨(Avery Dennison)의 VP 겸 CIO 니콜라스 콜리스토는 “기존 데이터 거버넌스 관행을 재평가하고, 머신 데이터를 포함시켜야 한다”라며, “개인적인 경험으로 비춰볼 때 IoT 거버넌스는 아직 성숙되지 못했다”라고 지적했다. 

이어서 그는 “과거 일했던 한 기업에서 현업 부문이 IT 팀을 개입시키지 않고 IoT 시스템을 도입했던 적이 있다. 이로 인해 장치 감사나 펌웨어와 같은 간단한 운영 관련 작업 및 툴들이 고려되지 않았다”라고 말했다. 

“기업은 기밀성, 개인정보보호, 유지, 보안 관련 요구사항에 따라 IoT 데이터에서 나타날 수 있는 위험을 확인해야 한다. 개인 데이터를 취급한다고 가정해보자. 알고리즘 편향이 나타나거나 GDPR 같은 규정을 준수하지 못해 발생할 수 있는 문제들을 고려해야 한다. 법적 처벌을 받거나 회사 평판이 손상될 수 있는 문제이기 때문이다”라고 설명했다.

IoT 데이터를 새로운 수익 창출 기회로 활용하라
IoT로 생성된 데이터가 기업 내부는 물론 외부에서도 값진 역할을 할 수 있다. 화학 기업인 텍스마크 케미컬(Texmark Chemicals)은 공장 운영 현대화의 일환으로 센서가 장착된 펌프를 도입했다. HPE와 아루바 네트웍스의 기술을 기반으로 한 펌프 센서는 온도, 압력, 진동, 흐름, 전력 데이터를 수집한다. 그리고 해당 데이터를 분석해 장비 고장이나 장애 문제를 예측한다.

텍스마크 케미컬의 CEO 더그 스미스는 센서가 장착된 장치가 기업의 자산과 프로세스를 모니터링하는 데 도움을 주는 것은 물론 새로운 비즈니스 모델을 발굴할 기회를 제공했다고 밝혔다. 

스미스는 IoT가 계약 협상에서 구매를 이끄는 추가 요인이 됐다고 강조했다. 그는 “고객들이 기업의 자산에서 생성되는 데이터에 접근할 수 있다는 것에 가치를 느끼기 시작했다”라고 설명했다. 

또한 궁극적으로 장비 성능에 대한 데이터 라이브러리를 발전시키고 있는 것이며, 이는 유사한 장비를 사용하는 다른 기업들과 공유할 수 있다고 그는 말했다. 이어서 스미스는 “머신러닝 분석 모델을 도입하면 더 많은 데이터를 수집할 수 있게 되며 분석을 통한 예측의 정확성도 높아진다”라고 강조했다.

그는 IoT 데이터를 펌프 제조사나 협력업체와 공유한다면 “해당 데이터가 정확한 경우 새로운 비즈니스 모델을 입증할 수 있을 것”이라며, “고객들 역시 이러한 장치와 애널리틱스를 통해 데이터를 수집, 분석, 보고하는 방식으로 비용 효율성을 높일 수 있다는 점을 높이 평가하고 있다”라고 덧붙였다. 

스미스에 따르면 IoT를 통해 구현한 이 ‘데이터로서의 서비스(Data-as-a-Service)’는 텍스마크 케미컬의 차별화 요소다. 또한 직원들에게 더 많은 성과를 일궈낼 수 있도록 하는 동시에 고객과의 관계도 강화할 수 있다고 그는 말했다. ciokr@idg.co.kr

X