Offcanvas

데이터센터 / 로봇|자동화 / 머신러닝|딥러닝 / 보안 / 빅데이터 | 애널리틱스 / 통신|네트워크

예측 애널리틱스로 네트워크 이슈 대응하기 : 현실과 한계

2019.09.04 John Edwards  |  Network World


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.
 

iokr@idg.co.kr

 

CIO Korea 뉴스레터 및 IT 트랜드 보고서 무료 구독하기
추천 테크라이브러리

회사명:한국IDG 제호: CIO Korea 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아01641 등록발행일자 : 2011년 05월 27일

발행인 : 박형미 편집인 : 천신응 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.