Offcanvas

디지털 트랜스포메이션 / 비즈니스|경제 / 빅데이터 | 애널리틱스 / 신기술|미래

김진철의 How-to-Big Data | CPS와 Digital Transformation (1)

2020.12.28 김진철  |  CIO KR
 


GE의 사례는 이미 제조업 기반을 잘 갖춘 기존 기업들도 소프트웨어 역량과 플랫폼 비즈니스 마인드를 갖추면 얼마든지 애플과 같은 비즈니스 모델 혁신과 성장을 이룰 수 있음을 보여주는 사례로 볼 수 있다.

이와 함께 제조업 기업들도 얼마든지 새로운 플랫폼 비즈니스를 추구할 수 있으며, 이런 방향이 앞으로 나아가야 할 제조업의 미래임을 보여주고 있다. 더 나아가서, 지금과 같이 디지털 전환이 확산되면 기존 하드웨어 제조업과 소프트웨어 플랫폼의 결합을 통한 새로운 형태의 제조업 르네상스가 나타날 수 있음을 암시한다.

이런 경향을 가장 분명하게 보여주는 것이 지난 3~4년간 많은 희망과 논란을 동시에 보여주었던 자율주행 자동차 및 자율주행 기반 미래 모빌리티 사업 분야일 것이다. 지난 3~4년간 자율주행차를 직접 생산하겠다고 선언한 회사들 중에서 꽤 많은 수가 스타트업이거나 기존 자동차 산업에서 자동차 제조업과 관련된 사업을 하지 않던 회사들이었다.

최근 더 눈에 띄는 동향은 우버가 자율주행 사업부를 구글 출신 CEO인 크리스 엄슨이 주도하는 오로라에 매각한 것과 같이 자율주행과 관련된 모빌리티 스타트업이 자율주행 사업을 정리하거나, 자율주행 붐이 한창이던 2018년 ~ 2019년도에 다임러와 BMW가 자율주행 기술을 공동으로 개발하고 협력하기로 했던 것[11]이 2020년에 무기한 연기된 것[12]과 같이, 기존 자동차 제조사가 발표한 자율주행 기술 개발 상용화 계획이 무기한 연기되거나 변경되는 경우이다.

자율주행 기술과 서비스 분야에서 가장 앞서 있다고 평가받는 알파벳(Alphabet)의 웨이모(Waymo)조차도 처음에 자율주행 차량을 자체 생산하려던 계획을 현재는 철회한 상태이다. 대신 자동차 제조사들과 협력하여 차량을 제공받고 기존 자동차에 자율주행 관련 기능과 본인들의 소프트웨어 플랫폼을 추가로 얹는 방식으로 기술 개발의 방향을 선회한 것도 우리가 깊이 생각해보아야 할 점이다.

애플의 경우 자율주행차 관련 프로젝트인 프로젝트 타이탄의 인원을 감축하면서[13-14] 자율주행 자동차 사업을 중단하는 것이 아닌가라는 의견이 있었다. 최근 확인된 사실에 따르면 애플의 자율주행차 개발 프로젝트로 알려졌던 프로젝트 타이탄은 전기차 플랫폼을 개발하는 프로젝트로 여전히 진행 중이며, 애플은 폭스바겐과 여전히 긴밀한 협력 관계를 유지하고 있는 것으로 알려졌다[15-17]. 애플의 자율주행 기술은 이 전기차에 들어가는 소프트웨어 플랫폼의 일부로 여전히 개발되고 있는 것으로 보인다.

GM에 인수된 크루즈나 아마존에 인수된 죽스(Zoox)와 같은 경우를 제외하고, 자율주행 관련 스타트업들이 시장에서 퇴출되고 있는 것과 함께, 자율주행 자동차를 직접 개발하려 하면서 이 자율주행 자동차를 자신의 서비스를 확장시키는 플랫폼으로 사용하려 했던 구글, 애플 같은 회사가 자동차를 직접 개발하려던 계획을 수정하여 자동차 제조사들과 협력하는 것으로 방향을 선회한 것, 애플이 자율주행 자동차에서 전기차로 방향을 선회하고 2024년 상용 전기차 출시를 목표로 여전히 자동차 하드웨어를 개발하려고 하는 동향들이 암시하는 바가 뭘까? 그리고 이런 사실들과 빅데이터와 사이버 물리 시스템 기술과의 관계가 기존 기업에 주는 교훈은 과연 무엇일까?

첫 번째, 기존 제조업 분야 기업들이 이미 시장에 자리 잡은 상품을 생산하는 자사의 제조업 기반 인프라와 시스템이 구글, 페이스북, 애플, 아마존과 같은 인터넷 서비스 플랫폼 회사의 소프트웨어 플랫폼만큼 강력한 플랫폼으로서 동작할 수 있다는 것이다.

이미 잘 자리 잡은 시장을 가지고 있으며, 상품화까지 많은 시간과 위험 관리가 필요한 자동차, 항공기, 조선업, 중공업, 인프라, 유틸리티 및 엔지니어링 사업의 경우 시장에서 자리 잡을 정도의 품질을 보장할 수 있을 정도로 기반 인프라와 시스템을 통합하고 유지하기 위해 많은 초기 투자와 시간이 필요하다. 제조업 분야 기업들이 이렇게 확립한 기반 인프라와 시스템은 많은 경우 쉽게 따라하거나 모방하는 것이 쉽지 않다.

구글과 페이스북과 같은 인터넷 서비스 플랫폼 기업들이 제조업과 전통적인 산업 분야의 시스템과 인프라에 들어가는 노하우(know-how)와 기술 진입 장벽에 대해서 간과했다는 사실을 간접적으로 보여주는 사건들이 있었다. 

가장 대표적인 것이 구글의 자회사인 구글 파이버(Google Fiber)에서 이동통신 사업 진출을 검토하다가 지금은 Wi-Fi 기반 무선 인터넷 서비스를 먼저 제공하는 것으로 방향을 선회한 사례가 있다. 또 하나가 앞서 잠시 언급했던 자율주행 자동차를 직접 생산하려고 했다가, 자율주행 사업부를 웨이모로 분사시키면서 자동차 직접 개발 계획을 철회하고 크라이슬러와 협력하기로 선회한 것도 이런 사실을 간접적으로 보여준다.

제조업의 생산 설비 인프라와 시스템을 시장에서 인정받을 수 있을 정도로 통합하고 유지하기 위해서는 아직까지 소프트웨어만으로는 어려운 많은 기술적인 난관과 숨은 암묵적인 현장 지식들이 필요하다.

소프트웨어 플랫폼을 통해 기하급수적인 빠른 성장을 경험한 구글, 페이스북과 같은 인터넷 서비스 플랫폼 기업들이, 이전의 소프트웨어 플랫폼 사업에서의 성공에서 얻은 자신감에 자신들의 역량을 과신한 나머지, 이런 제조업 분야의 기술 진입 장벽과 암묵적인 지식, 노하우에 대해 충분히 고려하지 못하고 뛰어든 것으로 보인다.

반대로 이런 사실은 기존 제조업 기업들이 자신들의 생산 인프라 통합에 대한 노하우와 제품 생산 시스템 전반 곳곳에 숨어있는 암묵적인 지식과 경험을 방패 삼고, 이를 구글, 페이스북과 같은 플랫폼 기업들에 대한 차별화된 경쟁 요소로서 활용할 수 있다는 귀중한 통찰을 준다.

필자가 How-to-Big Data 시리즈를 통해 빅데이터 전반에 대한 교훈을 끌어내는 과정에서 자주 소개한 CERN의 LHC 실험도, 많은 과학자들을 고객으로, 사용자로 가지고 있는 LHC 가속기와 CMS 검출기와 같은 물리적인 실험 장치가 있고, 이런 물리적인 설비와 시스템을 구축하고 유지하는데 많은 기술과 노하우가 필요하다. 

바로 이 사실 때문에, LHC 가속기와 CMS와 같은 입자 검출기를 전 세계 어떤 기관도 쉽게 건설하고 운영할 수 없다는 사실을 기술 진입 장벽과 차별화 요소로 하여, 이를 하드웨어 플랫폼 삼아 전 세계 과학자들을 대상으로 서비스하면서 CERN이라는 조직이 유럽 회원국들에게 존속의 명분을 제시할 수 있게 되는 것이다.

두 번째, GE와 애플과 같이 이미 자사 제품의 견고한 시장을 가지고 있는 제조업 기업이 소프트웨어 마인드를 가지고 소프트웨어 플랫폼을 제조 인프라와 시스템, 상품에 결합할 경우, 구글, 페이스북과 같이 제조 인프라와 시스템을 견고하게 갖추지 못한 플랫폼 비즈니스 기업들보다 더 강력하고 견고한 플랫폼 비즈니스를 할 수 있다는 것이다.

애플의 경우에는 소프트웨어 플랫폼이 눈에 띄게 통합돼 있는 컴퓨터와 모바일 디바이스 하드웨어를 생산하면서, 이 하드웨어에서 애플이 독점적으로 제공할 수 있는 플랫폼 서비스를 번들링해 제공하는 플랫폼 기업으로 이미 좋은 모델이 되고 있다.

GE의 경우 산업용 장비와 부품, 인프라를 생산하는 기업으로서 애플같이 일반 대중들에게 눈에 띄는 회사는 아니었다. 제프리 이멜트 회장의 소프트웨어와 빅데이터에 대한 통찰을 통해 일찍부터 소프트웨어 경쟁력을 강화하고 자사의 제조 시스템과 인프라, 상품에 “프레딕스(Predix)”라는 산업 인터넷 소프트웨어 플랫폼을 번들링하는 혁신적인 시도를 통해 강력한 소프트웨어 서비스 사업을 안착시키면서 기존 제조 사업의 성장도 이끌어낼 수 있었다.

애플과 GE 모두 소프트웨어 플랫폼 사업을 위해 기존 제조업 분야의 경쟁력과 시스템을 버리지 않고, 오히려 여기에 소프트웨어 플랫폼을 흠 없이 융합하여 새로운 비즈니스 모델을 만들어내고 기존 제조업 상품들의 시장에서의 입지도 튼튼하게 했다. 이뿐만 아니라, 이렇게 기존 하드웨어 상품에 흠 없이 융합된 애플의 “아이튠즈(iTunes)”, GE의 “프레딕스(Predix)”와 같은 소프트웨어 플랫폼을 통해 기존 상품 고객들의 구매 제품에 대한 속박(lock-in)도 강화하면서 새로운 가치도 만들어낼 수 있었다.

아직 시행착오를 겪고 있는 중이어서 일부 동향에 대해서는 조금 불안한 부분이 없는 것은 아니지만, 현대자동차가 정의선 부회장의 주도로 앱티브와 자율주행 기술 협력을 진행하고, 코드42와 같은 모빌리티 플랫폼 회사에 대대적으로 투자하여 모빌리티 서비스 시장의 에코 시스템의 영향력을 확대하면서, 많은 소프트웨어 엔지니어와 데이터 과학자들을 영입하여 소프트웨어 경쟁력을 강화하려고 노력하는 모습은 현대자동차가 강력한 플랫폼 사업자로 거듭날 가능성이 있다는 것을 암시하고 있다.

GE가 생산하는 항공기 제트 엔진과 항공 전자 부품, 산업용 장비와 인프라 제품과 같이 자동차 또한 국제 안전 규격에 부합하면서도 견고하고 시장성이 있는 제품이 되기 위해서는 방대한 규모의 생산 시설과 기반 인프라가 필요하다.

시장의 수요에 맞춰 적시에 높은 품질의 자동차를 생산할 수 있는 생산 시스템과 기반 인프라를 구축하고 통합하는 일은 어떤 기업이든 함부로 모방할 수 있는 일이 아니다. 이것이 자동차 제조업에 아무 기업이나 함부로 뛰어들 수 없게끔 하는 기술 진입 장벽이 된다.

현대자동차가 정의선 부회장의 비전과 같이 이렇게 이미 보유하고 있는 자동차 생산 시스템과 인프라를 기술 진입 장벽으로 삼고, 이에 자신의 자동차 상품을 더해 현대자동차의 제조업 기반에 소프트웨어 플랫폼을 씌워 구독형 서비스 상품이나 소프트웨어 플랫폼 서비스화하면 그 어떤 플랫폼 사업자도 쉽게 모방할 수 없는 강력한 플랫폼이 될 수 있다. 

GE가 이미 성공적인 구독 비즈니스 모델 서비스 사업을 운영하고 있는 것과 같이, 현대자동차 또한 자동차 상품과 생산 시스템, 인프라를 플랫폼 삼아 인터넷 서비스 플랫폼 사업자와 같은 강력한 확장성을 가진 서비스 플랫폼 사업자로 거듭날 잠재력을 가지고 있는 것이다.

세 번째, 기존 제조업 기업이 이렇게 소프트웨어 주도적 디지털 전환에 눈을 뜨고 이를 적극적으로 수용할 경우 그 어떤 스타트업보다 강력한 혁신의 기반을 마련할 수 있다는 것이다.

지금까지 많은 제조업 기업들이 소프트웨어 주도적 디지털 전환에 눈을 돌리기 어려웠던 이유 중의 하나는, 앞서 설명한 제조업 기업만의 고유한 기술 진입 장벽이 장점일 뿐만 아니라 단점이 되는 경우도 많았기 때문이다. 

즉, 시장 사이클에 맞춰 소프트웨어 요소뿐만 아닌 하드웨어와 물리적인 시스템, 인프라를 신속하게 통합, 최적화하고 운영하여 적시에 상품을 생산해내야 하고, 상품의 경쟁력을 위해 생산 단가를 가능하면 낮추어야 하기에 생산 공정과 프로세스에서 낭비가 없도록 최적화하고 효율화를 해야 하는 압박에 소프트웨어에 대해 투자하고 고민할 여력이 많지 않았던 경우가 많다.

많은 제조업 기업들이 소프트웨어에 대해 상대적으로 그 효용이 분명하지 않고, 소프트웨어는 하드웨어의 부속물 정도로 생각하는 경우가 많아 소프트웨어 플랫폼을 기반으로 한 비즈니스 모델 혁신과 성장에 대해 관심이 적었던 것도 사실이다.

기술 보안과 유지보수와 같은 이유로 과거에는 소프트웨어를 시작부터 모두 제조사에서 직접 개발하는 경우가 많아 개발과 유지보수 비용이 높은 문제가 있었다. 지금은 풍성해진 오픈소스 소프트웨어 생태계 때문에 소프트웨어 개발, 유지보수 비용을 낮추는 것도 용이하고, 서비스 지향 컴퓨팅 기술의 발전과 오픈 소스 소프트웨어 때문에 제조업의 디지털 전환에 필요한 모든 소프트웨어 스택을 직접 개발할 필요가 없어졌다. 

GE와 같이 소프트웨어 주도적인 디지털 전환의 성공 사례가 점점 많아져 제조업에서 소프트웨어 플랫폼의 효용과 활용에 대해서 참고할 수 있는 사례들도 많아지고 있어 일반 제조업에서 소프트웨어 주도적인 디지털 전환에 대해서 이제는 긍정적으로 고려할 수 있는 분위기가 무르익고 있다.

제조업과 소프트웨어 플랫폼 기술이 클라우드 컴퓨팅과 5G/6G 이동통신 기술, 데이터 과학과 결합할 경우 하드웨어만을 파는 제조업, 소프트웨어 플랫폼 기반의 서비스만 제공하는 인터넷 서비스 사업보다 훨씬 더 안정적이고 지속가능한 비즈니스 모델 창출이 가능하다는 것을 GE의 디지털 전환 사례가 분명하게 보여주고 있다.

이뿐만 아니다. 지금까지는 빅데이터를 수집, 분석하여 제품이나 비즈니스를 개선하는 정도로 이용하는 경우가 많았다. GE의 “프레딕스(Predix)” 플랫폼의 사례에서도 본 것 같이, GE의 표현으로 “산업 인터넷(Industrial Internet)”, 필자의 표현으로는 “사물 인터넷(Internet of Things; IoT)”나 5G/6G 이동통신을 통해, 항상 연결되어 있는 하드웨어들이 생산해 내는 데이터를 이용해서 하드웨어 제품이나 장치가 겪을 수 있는 문제를 이리 예측하고, 이런 문제가 실제로 발생하기 전에 선제적으로 대응하여 제품의 수명이나 안전성을 높이는 것도 가능해질 것으로 기대된다. GE는 “프레딕스(Predix)”를 통해 벌써 이런 기술을 어느 정도 실현하였다.

제조업 기업이 갖춘 클라우드 서비스 플랫폼이, 자사가 생산한 하드웨어나 제품의 상태와 운영 상황에 대해 연속적으로 수집한 정보를 클라우드 서비스 플랫폼에서 분석, 처리할 수 있다. 이것보다 더 나아가게 되면, 이를 이용해 사람의 개입 없이도 하드웨어 제품의 오작동 예방, 결함 수리 및 유지보수, 자가 진단 및 치유(self-diagnostics and self-healing)가 가능한 자율적인 기계(autonomous machine) 시스템, 자율적인 사이버 물리 시스템(autonomous cyber-physical system)으로 발전할 수 있다.

물리적인 제품이나 상품으로부터 수집된 데이터에 대해 단순한 모니터링이나 알람, 반응만 하는 것이 아니라, 클라우드 서비스 플랫폼에 위치한 데이터 분석 모듈, 인공지능 모듈이 사이버 물리 시스템의 사이버 요소로서 동작하여, 수집된 데이터에 대한 지능적이고 복잡한 판단을 수행할 수 있다. 

이렇게 사이버 요소를 통해 얻은 판단 결과를 기초로 하여 다시 물리적인 제품과 상품의 동작을 변화시키거나 수리할 수 있도록 되먹임(feedback) 이벤트를 발생하고, 하나의 인지 회로 순환(cognitive circuit loop)을 형성하여 자가 진단 및 치유가 가능한 사이버 물리 시스템으로 발전할 수 있다.

제조업 기업의 클라우드 서비스 플랫폼과 연계되어 자율적인 사이버 물리 시스템으로서 발전한 제조 상품과 제조 시스템, 인프라는 전체가 하나의 자율적인 사이버 물리 시스템(autonomous cyber-physical system)으로서 자동화되어 제조업 기업이 기하급수적 확장성을 가지는 플랫폼 사업을 운영할 수 있게 할 것이다.

필자가 How-to-Big Data 시리즈를 처음 기고할 때만 해도 “디지털 전환(Digital Transformation)”이라는 말이 많이 알려지지 않았으나, 지금은 필자가 지금까지 소개했던 빅데이터 관련 많은 이슈들이 “디지털 전환(Digital Transformation)”이라는 말로 수렴되고 기업 비즈니스의 새로운 프로세스와 관행으로 정리되고 자리 잡아갈 것으로 기대된다. 이 때문에 이제 많은 기업들이 디지털 전환을 새로운 비즈니스 프로세스로 정착시켜 경쟁력으로 삼는 것이 점차 수월해질 것으로 기대된다.

기존 제조 시스템과 인프라를 하드웨어 플랫폼으로, 이 위에 새로운 비즈니스 모델 창출을 위한 소프트웨어 플랫폼을 얹어 통합하여 제조 시스템 전체를 하나의 서비스 플랫폼으로서 제공하는 것으로서 제조업이 새로운 플랫폼 비즈니스로서 거듭날 수 있다. 발전하는 오픈 소스 소프트웨어 기술과 데이터 과학이 제조업의 플랫폼 비즈니스로의 전환을 가속할 수 있을 것으로 보인다.

이런 이유로 디지털 미디어 채널과 모바일 디바이스에서의 고객 경험 향상과 맞춤형 서비스에 초점이 맞춰진 빅데이터의 활용에 이어, 제조업에서 빅데이터와 데이터 과학 활용이 제조업의 플랫폼 비즈니스화로 이어지면서 제조업의 새로운 중흥이 올 수 있을 것으로 필자는 기대한다.

이것이 빅데이터와 데이터 과학이 제조업에 중요한 이유이며, 많은 제조업 기업들이 빅데이터와 데이터 과학에 더욱 관심을 가져야 하는 이유이다. 조만간 플랫폼 서비스 비즈니스로 성장하는 제조업 기업들을 쉽게 찾아볼 수 있을 것이며, 이로 인해 우리나라 경제가 새로운 발전의 전기를 맞길 기대한다. 

[참고문헌]
[1] 김진철, “LHC에서 배우는 빅데이터와 machine learning 활용 방안”, 2016년 9월 28일, A CIO Conversation for Technology Leadership – Breakfast Roundtable 발표 자료
[2] 김진철, “김진철의 How-to-Big Data | 연재를 시작하며”, CIO Korea, 2017년 1월 23일자. (https://www.ciokorea.com/column/32821
[3] Digital Transformation – Wikipedia. (https://en.wikipedia.org/wiki/Digital_transformation
[4] 김진영, 김형택, 이승준, 디지털 트랜스포메이션, 어떻게 할 것인가?, e비즈북스, 2017년.
[5] George Westerman, Didier Bonnet, Andrew McAfee, Leading Digital: Turning Technology into Business Transformation, Harvard Business Review Press, 2014.
[6] 조지 웨스터먼, 디디에 보네, 앤드루 맥아피, 디지털 트랜스포메이션, e비즈북스, 2017년.
[7] David Rogers, The Digital Transformation Playbook: Rethink Your Business for the Digital Age, Columbia Business School Publishing, 2016.
[8] 데이비드 로저스, 디지털 트랜스포메이션 생존 전략 – 빠르게 변하는 비즈니스 세계에서 살아남기, 에이콘출판, 2018년.
[9] Ravi Kalakota, “Digital, Data Science and Risk Sharing Contracts @ GE”, We Love Digital – Blogs, March 1, 2016. (https://disruptivedigital.wordpress.com/2016/03/01/digital-transformation-ge/
[10] 윤해열, “Industrial Cloud Platform – Predix”, 2016 스마트 공장 국제 컨퍼런스, 2016년 3월 9일 ~ 10일.
[11] Daimler – Product Innovation, “Daimler and BMW Group: Long-term development cooperation for automated driving”, July 4, 2019. (https://www.daimler.com/innovation/case/autonomous/development-cooperation-daimler-bmw.html)
[12] Edward Taylor, “BMW, Mercedes put self-driving alliance on hold”, Reuters, June 19, 2020. (https://europe.autonews.com/automakers/bmw-mercedes-put-self-driving-alliance-hold
[13] Lora Kolodny, Christina Farr, Paul A. Eisenstein, “Apple just dismissed more than 200 employees from Project Titan, its autonomous vehicle group”, CNBC.com, January 24, 2019. (https://www.cnbc.com/2019/01/24/apple-lays-off-over-200-from-project-titan-autonomous-vehicle-group.html)
[14] Isobel Asher Hamilton, “Apple laid off 200 people from its self-driving car unit Project Titan”, Business Insider, January 24, 2019. (https://www.businessinsider.com/apple-laid-off-200-people-from-its-self-driving-car-unit-project-titan-cnbc-2019-1
[15] MacRumors Staff, “Apple Car - Apple's vehicle project, focused on building an autonomous driving car”, MacRumors, December 21, 2020. (https://www.macrumors.com/roundup/apple-car/)
[16] Apple electric car project – Wikipedia. (https://en.wikipedia.org/wiki/Apple_electric_car_project)
[17] Stephen Nellis, Norihiko Shirouzu, Paul Lienert, “Exclusive: Apple targets car production by 2024 and eyes 'next level' battery technology”, Reuters, DECEMBER 22, 2020. (https://www.reuters.com/article/uk-apple-autos-exclusive/exclusive-apple-targets-car-production-by-2024-and-eyes-next-level-battery-technology-sources-idUKKBN28V2PU



김진철 박사는 1997년 한국과학기술원에서 물리학 학사, 1999년 포항공과대학교에서 인공신경망에 대한 연구로 석사 학위를, 2005년 레이저-플라즈마 가속기에 대한 연구로 박사 학위를 받았다. 2005년부터 유럽입자물리학연구소(CERN)의 LHC 데이터 그리드 구축, 개발에 참여, LHC 빅데이터 인프라를 위한 미들웨어 및 데이터 분석 기술을 연구했다. 이후 한국과학기술정보연구원(KISTI), 포항공과대학교, 삼성SDS를 거쳐 2013년부터 SK텔레콤에서 클라우드 컴퓨팅과 인공지능 기술을 연구하고 있다. 빅데이터와 인공지능 기술의 기업 활용 방안에 대해 최근 다수의 초청 강연 및 컨설팅을 수행했다. ciokr@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.