예측 애널리틱스로 네트워크 이슈 대응하기 : 현실과 한계

Network World

미래를 예측한다는 어려운 일이 조금씩 쉬워지고 있다. 로또 당첨번호를 정확히 예측하는 것은 아직 가능하지 않지만, 각종 유해한 네트워크 문제를 예측하고 초기에 저지하는 능력은 이제 어느 네트워크 관리자든 이용할 수 있다.

예측 애널리틱스 툴은 다양한 기술과 방법론을 이용하며 위력을 발휘한다. 예를 들어 빅데이터, 데이터 마이닝, 통계 모델링 같은 것들이다. 그리고 네트워크 분야에서도 활용될 수 있다. 문제가 심각해지거나 장애가 나타나기 전에 이를 식별할 수 있는 것이다. 

네크워크 성능 전문회사인 액시디언(Accedian)의 최고 전략 임원인 리처드 피아센틴은 “다양한 출처의 순수한 데이터를 확보하고 여기에 양호하고 정확한 정보를 전달하는 내장된 중복정리 시스템과 네트워크 가시성이 더해진다면, 문제에 단순히 반응하는 것이 아니라 문제를 예방할 수 있다”라고 말했다. 

그는 애널리틱스가 심지어 폐쇄-루프 오케스트레이션 시스템으로 통합될 수 있어서 여러 보편적 문제를 자체적으로 교정할 수 있다고 언급했다. 피아센틴은 “궁극적으로, 예측 애널리틱스는 운영 비용을 절감하는데 기여하고, 완전한 정지를 유발하는 것이 보통인 문제가 인지되지 않고 지나치는 것을 방지한다”라고 말했다. 
 

ⓒ Image Credit : Getty Images Bank


네트워크 활동 분석, 인프라 한계점 
적절하게 설계되고 전개될 때 예측 애널리틱스는 평범하고 특수한 네트워크 문제들에 대한 깊은 통찰을 전달할 수 있어서, 정책 수립, 네트워크 제어로부터 보안에 이르기까지 운영자가 모든 것을 처리할 수 있도록 도움을 준다고 데이터 과학 교육 단체인 데이터 사이언스 도조(Data Science Dojo)의 데이터 과학자 라힘 라술은 평가했다. 

예를 들어 보안 문제를 취급할 때, 예측 애널리틱스는 예외 검출 알고리즘을 이용해 수상한 활동을 인지할 수 있고, 잠재적 데이터 유출을 식별할 수 있다. 라술은 “이들 알고리즘은 데이터 전송 네트워크의 움직임을 정밀 조사해 정당한 활동과 그 외의 활동을 구별할 수 있다”라고 설명했다. 이어 “예측 애널리틱스 시스템은 네트워크의 취약점을 해커 집단이 감지하기 전에 감지할 수 있고, 그 후에는 방어 메커니즘이 작동될 수 있다”라고 말했다. 

아울러 예측 애널리틱스는 인프라 역량 및 경보 한계점과 추세를 서로 비교하여 조직에 도움을 줄 수 있다. 클라우드 기반의 성능 모니터링 플랫폼을 운영하는 로직모니터(LogicMonitor)의 기술 전파 부사장인 가디 오렌은 “거의 모든 신호는 인프라 역량의 결과인 상한 및 하한을 갖는다. 예를 들어, 일정 디바이스 인터페이스는 포화 상태가 되기까지 단위 시간 당 전송할 수 있는 용량이 정해져 있다”라고 말했다. 

아울러, 일부 신호는 경보 한계점과 연계된다. 그는 “노출된 추세와 추세 변동성을 이용해 어떤 물리적 시스템이 최대 용량에 이를 것인지, 또는 언제 추세가 한계점에 이르러 경보를 유발할 것인지 예측할 수 있다”라고 말했다. 
 


예측 애널리틱스의 실제 
거의 모든 종류의 기업 네트워크가 예측 애널리틱스로 생성된 통찰로부터 혜택을 받을 수 있지만 의료, 비상 대응, 항공 교통 관리 등 생사를 다루는 분야의 네트워크가 받는 혜택이 가장 크다.  

유틸리티 회사는 네트워크 안정성에 특히 신경을 쓴다. 사소한 정전이라도 중대한 인적 및 금융적 위해로 이어질 수 있기 때문이다. GE파워의 그리드 애널리틱스 관련 수석 디지털 제품 매니저인 파나즈 아민은 “우리는 머신러닝을 활용해 앞으로의 날씨를 기초로 고객의 네트워크에 영향을 줄 미래의 정전을 예상할 수 있고, 고객의 네트워크 모델에서 오류를 검출하여 정정함으로써 데이터 무결성을 향상시키는데 도움을 줄 수 있다”라고 말했다. 

180개국 이상에서 사업을 영위하는 GE파워는 전세계 전력의 3분의 1을 생산하고, 세계적으로 송전 설비의 90%를 가설하고, 세계 에너지의 40% 이상을 관리하는 소프트웨어를 개발하고 있다. 

그에 따르면 재생 에너지 기술이 등장함에 따라 송전 네트워크가 복잡해졌고, 바람이나 햇빛의 예측할 수 없는 감소는 발전 탄력성을 감소시킨다. 비효율적인 송전 시스템 관리는 정전은 물론이고, 전력 회사에게 막대한 금전적 및 평판의 손실을 가져올 수 있다. 이에 대처하기 위해 GE파워는 AI에 의존해 발전 탄력성을 측정하고 예측하면서 전력 그리드를 한층 안정적으로 만들었다. 

GE파워는 또 다른 고질적이고 잠재적으로 서비스에 치명적인 문제에 대항하는 데에도 애널리틱스를 활용하고 있다. 즉, 서비스 공급자가 정보를 수작업으로 입력하면서 종종 생기는 데이터 오류이다. 심지어 사소해 보이는 오류조차 비상 및 정전 대응 팀을 방해할 수 있고, 이는 부실한 고객 서비스 경험과 낮은 만족 수준으로 이어질 수 있다. 

GE파워는 지리정보시스템(GIS) 및 여타 운영 체계 데이터를 융합하는 알고리즘을 개발하여 만연한 오류를 검출하고, 제시하고, 교정하면서 이 문제에 대처한다. 양질의 데이터를 확보한 전력회사는 보다 효율적으로 직원을 파견할 수 있고, 정전 복구시간을 단축할 수 있고, 고객에게 부정확한 정전 정보를 제공하는 것을 피할 수 있다. 


유틸리티 회사는 자체 자산으로부터 매일 대량의 데이터를 생성하고 있지만, 데이터의 잠재성을 발굴하고 실용적인 통찰을 도출하려면 하드웨어 및 소프트웨어 모두에서 매우 특별한 전문성이 필요하다고 아민은 지적했다. 

그는 “네트워크 모델 데이터 무결성, 정전 예측, 노동 최적화 등의 문제를 해결하기 위해 현재 적용되고 있는 접근법은 수작업이고, 노동 집약적이고 종종 부정확하다”면서 “첨단 애널리틱스 접근법은 역사적 데이터로부터 학습한다. 따라서 네트워크 자산에 대한 보다 양호한 시야를 제공하고 조직이 보다 경제성 있는 결정을 내릴 수 있도록 하는 예측을 내놓을 수 있다”라고 말했다.

예측 애널리틱스 도입 시의 난제 
예측 애널리틱스에 대한 관심이 커지고 있기는 하지만, 여전히 신생 기술로 남아 있는 상태다. 수많은 함정과 도입 시 어려움이 있다. 오렌은 “예측 애널리틱스 접근법의 중대한 결함이라면 점진적으로 확장되는 환경에서는 효과적이지만, 매우 급속히 변화하는 환경에서는 그렇지 않다는 것이다”라고 경고했다. 

급속히 변화하는 환경에서는 애널리틱스 시스템이 느리게 움직이는 추세를 발견하기 전에 신호들이 너무 빨리 변하는 상황이 만들어진다. 오렌은 “이 때문에 무엇이 언제 일어날 것인지를 예측할 때 부정확한 결과가 나온다”라고 말했다. 

양질의 데이터를 입수해 이용하는 것 역시 정확한 예측에 결정적이다. 대체로 에너지 업종은 수집한 데이터의 작은 부분만을 이용한다고 아민은 말했다. 그는 “데이터는 센서로부터 나오는 모든 것, 설비 관리자로부터 나오는 권고, 다양한 자산 및 네트워크로부터 나오는 동적 정보를 포함한다”면서 “데이터는 분명히 이용할 수 있다. 그러나 여러 유틸리티 회사가 이를 어떻게 활용할 것인지에 관한 분명한 생각 없이 데이터 속에서 허우적거린다. 다시 말해 이들은 예측 애널리틱스를 전적으로 활용할 능력이 없는 것이다”라고 지적했다. 

데이터 수집과 별도로 예측력을 최대화하려면 회사의 네트워크 운영 팀이 시간의 경과에 따라 생성하는 수많은 경보와 보고를 수집하고 기록하는 시스템을 확립하는 것 역시 중요하다. 이러한 세부 정보는 숨은 네트워크 예외를 감지하는 예측 애널리틱스 툴의 역량을 증강하는데 사용될 수 있다. 

라술은 “나아가, 데이터를 가공하고 통찰을 분석하는데 집중해야 한다”면서 “그러자면 전체 환경을 이해할 수 있고 주제 전문성을 갖춘 팀이 필요하다”라고 지적했다. 

또한 네트워크 팀은 예측 애널리틱스 시스템에 적절한 긍정 및 부정 피드백 프로세스를 접목할 수 있어야 한다. 이렇게 얻어진 정보는 모델의 학습 능력에 도움이 되기 때문이다. 라술은 “분석을 제대로 할 수 있다면, 이들 데이터는 비정상적 상황에 대비할 수 있는 수단을 만듦으로써 훨씬 더 많은 가치를 창출할 수 있다. 이는 네트워크 관리자가 현재 하고 있는 일이다”라고 말했다. 

그러나 자가 학습이 곧 예측 애널리틱스가 인간 네트워크 관리자의 필요를 없앤다는 것을 의미로 이어지지는 않는다. 라술은 “사실, 이러한 시스템은 관리자가 보다 나은 의사 결정과 대응을 하는데 보조적인 역할을 할 것이다”라고 설명했다. 

또 하나의 어려움이 있다. 그것은 네트워크 팀이 예측 애널리틱스 툴을 수용하고 일상적으로 사용하도록 설득하는 것이다. 아민은 “IT 및 데이터 과학 팀이 솔루션을 내놓을 수 있지만 운영 집단이 이를 도입하지 않는다면 아무 소용이 없다”면서 “따라서 현재의 프로세스를 이해하고, 그곳에 고급 애널리틱스를 접목하는 것이 성공에 결정적이다”라고 말했다. 

시작하는 법 
네트워크 예측 애널리틱스를 이제 시작하고 있는 조직은 정확히 어떤 종류의 데이터를 수집할 것인지, 해결해야 할 네트워크 문제가 무엇인지 주의 깊게 생각하는 것이 중요하다. 아민은 “예측 애널리틱스를 어떻게 이용할 것인지를 명확히 계획하고 있다면 이는 가치를 부가할 수 있을 것이다”고 지적했다.

아울러 예측 애널리틱스 툴에 지나치게 많은 정보를 공급하는 것은 데이터를 너무 적게 공급하는 것만큼이나 좋지 않을 수 있음을 기억해야 한다. 네트워크 성능 기술 공급 업체인 라이브액션(LiveAction)의 CTO이자 공동 설립자인 존 스미스는 “분석 중인 데이터의 차원 수를 줄이지 않는다면 비현실적인 양의 네트워크 원격측정 정보를 클라우드로 보낼 수 있다”라고 경고했다. 

데이터 관리의 실무적 측면을 생각하는 것 역시 중요하다. 특히, 데이터를 어떻게 그리고 어디에 저장할 것인가를 생각해야 한다. 아민은 여러 이용 사례에서 컨네이터화와 이의 기능성 및 적용성을 탐구하는 것 역시 가치가 있다. 선택 가능성이 생기기 때문이다”면서 “기술은 급속이 발전하고 있다. 따라서 이러한 탐구를 지연시키면 뒤쳐지게 될 것이다”라고 경고했다.
 

---------------------------------------------------------------
예측 애널리틱스 인기기사
-> "타이어 교체 시기를 예측해 볼까?"··· 관련 업계를 뒤흔든 '결정적 질문'
-> 예측 유지보수가 기대만큼 뜨지 못하는 이유
-> 막무가내 도전은 곤란··· 예측 애널리틱스 도입 원칙 7가지
-> "지금이 기회"··· 예측 애널리틱스 착수 가이드
-> 머신러닝과 예측 알고리즘에 '안성맞춤' 데이터 과학 툴 10선
---------------------------------------------------------------
iokr@idg.co.kr