2021.07.07

하길 참 잘했다··· 기업 4곳의 '예측 애널리틱스' 성공담

Thor Olavsrud | CIO
기업들이 과거의 퍼포먼스를 이해하는 것뿐만 아니라 미래의 트렌드 및 사건을 예측해 민첩성을 향상시키고자 애널리틱스 역량 개발에 힘을 쏟고 있다. 그리고 점점 더 많은 기업에서 ‘예측 애널리틱스(Predictive Analytics)’를 구축해 서비스 효율성 증대와 제품 개발은 물론 잠재적인 위협을 찾아내고 유지보수를 최적화하며 심지어는 생명까지 구하고 있다. 

예측 애널리틱스는 통계 모델링, 예측, 머신러닝 등의 기술을 서술적 및 진단 분석의 산출물에 적용해 미래 결과를 예측한다. 올해 3월 英 시장조사기관 팩트앤펙터(Facts & Factors)는 지난 2019년 57억 달러 규모로 추산된 전 세계 예측 애널리틱스 시장이 연평균 24.5% 성장해 오는 2026년이면 221억 달러 규모에 이를 것이라고 밝혔다.  

여기서는 예측 애널리틱스를 성공적으로 활용하고 있는 4곳의 기업 사례를 살펴본다. 
 
ⓒGetty Images

1. 롤스로이스(Rolls-Royce): 유지보수 일정 최적화
세계 3대 항공기 엔진 제조사로 꼽히는 롤스로이스에서는 예측 애널리틱스를 구축해 엔진에서 배출되는 탄소량을 크게 줄이는 한편, 유지보수를 최적화해 항공기 수명을 늘릴 수 있도록 지원하고 있다. 

이 회사의 ‘인텔리전트 엔진(Intelligent Engine)’ 플랫폼은 각 엔진의 비행 방식, 비행 조건, 조종사의 사용 방식을 모니터링한다. 그리고 해당 데이터에 머신러닝을 적용해 개별 엔진에 따라 유지보수 일정 및 계획을 맞춤화한다.  

롤스로이스의 최고 정보 및 디지털 책임자 스튜어트 휴즈는 “매뉴얼에 명시된 수명이 아닌, 즉 엔진의 수명을 최적화하기 위해 유지보수를 맞춤화하고 있다”라면서, “각 엔진을 개별적으로 파악하고 대응하는 것은 진정한 맞춤 서비스라 할 수 있다”라고 말했다.

조언: 그는 고객을 지원하는 데 집중해야 한다고 언급했다. 애널리틱스는 롤스로이스의 유지보수 서비스를 최적화하는 데 도움을 준다. 하지만 이것의 궁극적인 이점은 유지보수가 필요한 시기를 더욱더 잘 예측해 유지보수 일정을 잡도록 돕기 때문에 고객 입장에서 서비스 중단을 덜 경험하게 된다는 것이다. 

휴즈는 “롤스로이스에서 엔진을 모니터링하고 유지보수한지 20년이 넘었다”라면서, “이 사업 부문은 새로울 것이 없었다. 하지만 진화를 통해 엔진을 개별 엔진으로 취급하기 시작했다. 이는 엔진의 개인화인 셈이다”라고 전했다. 

2. D.C 상하수도국(The DC Water): 하수관 파열 사전 파악
美 워싱턴 D.C 상하수도국은 AI를 활용해 수도관의 CCTV 영상을 검토하여 결함을 분류하는 도구 ‘파이프 탐정(Pipe Sleuth)’를 구축했다. D.C 상하수도국의 CIO이자 IT 부사장 토마스 쿠친스키는 이 도구에 관해 “고급 딥러닝 신경망 모델을 사용해 직경이 작은 하수도관의 이미지를 분석하고 분류한 다음 상태 평가 보고서를 생성한다”라고 설명했다. 

그에 따르면 ‘파이프 탐정’을 사용하기 전에는 직원들이 CCTV 영상을 직접 검토하고, 이를 통해 발견된 결함에 태그를 지정해야 했다. 그다음 전문 엔지니어가 해당 화면을 살펴보고 결함을 분류했다. 시간이 많이 소모되고 비효율적인 과정이었다. 

--> 인터뷰ㅣ"애널리틱스·AI로 줄줄 새는 물 잡는다" 美 상하수도국 CIO

조언: 쿠친스키는 “수익과 효율성에 초점을 맞춰야 한다”라면서, “파이프 탐정은 D.C 상하수도국에서 예측 애널리틱스 및 실시간 애널리틱스를 활용하려는 광범위한 프로젝트의 일부분이다. 궁극적으로 이 모든 프로젝트의 목표는 수돗물 손실률을 2% 내지 5% 사이로 줄이는 것이다. 이전에는 측정되지 않았던 무수수량을 계량화하면 1%마다 약 4백만 달러의 가치가 있다”라고 말했다. 

이어서 “기업을 고질적으로 괴롭히는 문제를 살펴봐야 한다. 이런 문제에는 수익이나 효율성 부분이 관련돼 있는 게 일반적이다. 실제로 비용을 절약하든, 프로세스를 개선하든 뭔가 얻게 해주는 것은 팔기가(설득하기가) 더 쉽기 마련이다”라고 그는 덧붙였다. 

3. 엘리 매(Ellie Mae): 랜섬웨어 위협 사냥
美 모기지 소프트웨어 개발사 엘리 매는 랜섬웨어를 사전 대비한다는 목적으로 ‘자율 위협 사냥(Autonomous Threat Hunting; ATH)’을 구축했다. ATH는 위협 인텔리전스, 예측 애널리틱스, 이전에 식별된 침해 지표(IOC)를 결합해 새로운 침해 지표 및 침투 기법을 사용되기에 앞서 파악한다. 

엘리 매의 수석 부사장 겸 최고보안책임자 셀림 아이시는 “위협 사냥은 굉장히 사전예방적이다. 공격이 발생할 때까지 기다리지 않는다. 공격이 일어나기 전에 심지어는 멀웨어가 알려지기 전에 위협을 탐지하고 우선순위를 지정하여 조사한다”라고 설명했다.

그는 이 프로젝트를 통해 보안 운영 효율성이 약 35% 향상됐으며, 위협을 조기 식별할 수 있는 역량이 10배가량 개선됐다고 밝혔다. 또 새로운 위협을 해결하는 속도도 약 60% 빨라졌다고 덧붙였다. 

조언: 아이시에 따르면 시작부터 변화 관리를 계획 프로세스의 일부로 만드는 게 중요하다.

그는 “변화 관리 관점에서 봤을 때 보안 운영팀과 엔지니어링팀에 많은 변화가 있었다”라면서, “이들 팀의 많은 부분은 수동으로 이뤄져 왔다. 이를테면 보안 애널리스트는 위협 정보를 수집하고 해당 정보를 직접 도구에 입력해야 했다. 따라서 이러한 변화에 적응해야 했고, 보안 애널리스트와 엔지니어는 새롭고 자율적인 작업 방식을 익혀야 했다”라고 말했다.

4. 카이저 퍼머넌트(Kaiser Permanente): 환자 사망률 감소
美 캘리포니아의 대형 의료기관 카이저 퍼머넌트는 예측 애널리틱스를 활용해 건강 상태가 급격하게 악화될 수 있는 일반 환자를 식별하는 병원 워크플로우 도구를 구축했다. 

카이저 퍼머넌트 북부 캘리포니아의 병원 운영 연구를 담당하는 지역 책임자 겸 연구 부문 과학자 가브리엘 에스코바 박사에 따르면 해당 병원에서 예기치 않게 중환자실로 이송해야 하는 일반 환자는 전체 환자의 2~4%에 불과하지만 전체 사망자 중 20%를 차지한다. 

카이저 퍼머넌트에서 개발한 ‘어드밴스드 경보 모니터(Advanced Alert Monitor; AAM)’ 시스템은 3가지 예측 애널리틱스 모델을 활용해 특정 환자의 전자건강기록에서 70개 이상의 요인을 분석하여 복합 위험 점수를 생성한다. 

카이저 퍼머넌트의 부사장이자 CIO인 딕 대니얼스는 “AAM 시스템은 바이탈 통계, 검사 결과, 기타 변수 등을 종합하고 분석하여 수술실과 회복실에 있는 환자의 시간별 상태 악화 위험 점수를 매긴다”라고 언급했다. 

이어서 그는 “원격팀은 매시간 위험 점수를 평가하고 잠재적으로 상태가 악화될 조짐을 확인하면 병원의 신속대응팀에 알린다. 신속대응팀은 해당 환자의 침상 검사를 실시하고, 전문의와 치료 과정을 조정한다”라고 설명했다. 

조언: 대니얼스는 프로세스에 중점을 맞춰야 한다고 권고했다. 예측 애널리틱스 도구의 질은 정보가 사용되는 프로세스의 질에 달려 있다. 그에 따르면 AAM 팀은 도구 개발 외에도 의료팀이 경보에 최대한 효율적으로 대응할 수 있는 워크플로우를 개발하고 구현하는 데 상당한 시간을 썼다. 

그는 “전자의료기록 백엔드의 초기 매핑을 수행하고 예측 모델을 개발하는 데 약 5년이 걸렸다. 그리고 이러한 모델을 운영 환경에서 사용할 수 있는 실시간 웹 서비스 애플리케이션으로 전환하는 데 2~3년이 더 걸렸다”라고 전했다.
 
ciokr@idg.co.kr


 



2021.07.07

하길 참 잘했다··· 기업 4곳의 '예측 애널리틱스' 성공담

Thor Olavsrud | CIO
기업들이 과거의 퍼포먼스를 이해하는 것뿐만 아니라 미래의 트렌드 및 사건을 예측해 민첩성을 향상시키고자 애널리틱스 역량 개발에 힘을 쏟고 있다. 그리고 점점 더 많은 기업에서 ‘예측 애널리틱스(Predictive Analytics)’를 구축해 서비스 효율성 증대와 제품 개발은 물론 잠재적인 위협을 찾아내고 유지보수를 최적화하며 심지어는 생명까지 구하고 있다. 

예측 애널리틱스는 통계 모델링, 예측, 머신러닝 등의 기술을 서술적 및 진단 분석의 산출물에 적용해 미래 결과를 예측한다. 올해 3월 英 시장조사기관 팩트앤펙터(Facts & Factors)는 지난 2019년 57억 달러 규모로 추산된 전 세계 예측 애널리틱스 시장이 연평균 24.5% 성장해 오는 2026년이면 221억 달러 규모에 이를 것이라고 밝혔다.  

여기서는 예측 애널리틱스를 성공적으로 활용하고 있는 4곳의 기업 사례를 살펴본다. 
 
ⓒGetty Images

1. 롤스로이스(Rolls-Royce): 유지보수 일정 최적화
세계 3대 항공기 엔진 제조사로 꼽히는 롤스로이스에서는 예측 애널리틱스를 구축해 엔진에서 배출되는 탄소량을 크게 줄이는 한편, 유지보수를 최적화해 항공기 수명을 늘릴 수 있도록 지원하고 있다. 

이 회사의 ‘인텔리전트 엔진(Intelligent Engine)’ 플랫폼은 각 엔진의 비행 방식, 비행 조건, 조종사의 사용 방식을 모니터링한다. 그리고 해당 데이터에 머신러닝을 적용해 개별 엔진에 따라 유지보수 일정 및 계획을 맞춤화한다.  

롤스로이스의 최고 정보 및 디지털 책임자 스튜어트 휴즈는 “매뉴얼에 명시된 수명이 아닌, 즉 엔진의 수명을 최적화하기 위해 유지보수를 맞춤화하고 있다”라면서, “각 엔진을 개별적으로 파악하고 대응하는 것은 진정한 맞춤 서비스라 할 수 있다”라고 말했다.

조언: 그는 고객을 지원하는 데 집중해야 한다고 언급했다. 애널리틱스는 롤스로이스의 유지보수 서비스를 최적화하는 데 도움을 준다. 하지만 이것의 궁극적인 이점은 유지보수가 필요한 시기를 더욱더 잘 예측해 유지보수 일정을 잡도록 돕기 때문에 고객 입장에서 서비스 중단을 덜 경험하게 된다는 것이다. 

휴즈는 “롤스로이스에서 엔진을 모니터링하고 유지보수한지 20년이 넘었다”라면서, “이 사업 부문은 새로울 것이 없었다. 하지만 진화를 통해 엔진을 개별 엔진으로 취급하기 시작했다. 이는 엔진의 개인화인 셈이다”라고 전했다. 

2. D.C 상하수도국(The DC Water): 하수관 파열 사전 파악
美 워싱턴 D.C 상하수도국은 AI를 활용해 수도관의 CCTV 영상을 검토하여 결함을 분류하는 도구 ‘파이프 탐정(Pipe Sleuth)’를 구축했다. D.C 상하수도국의 CIO이자 IT 부사장 토마스 쿠친스키는 이 도구에 관해 “고급 딥러닝 신경망 모델을 사용해 직경이 작은 하수도관의 이미지를 분석하고 분류한 다음 상태 평가 보고서를 생성한다”라고 설명했다. 

그에 따르면 ‘파이프 탐정’을 사용하기 전에는 직원들이 CCTV 영상을 직접 검토하고, 이를 통해 발견된 결함에 태그를 지정해야 했다. 그다음 전문 엔지니어가 해당 화면을 살펴보고 결함을 분류했다. 시간이 많이 소모되고 비효율적인 과정이었다. 

--> 인터뷰ㅣ"애널리틱스·AI로 줄줄 새는 물 잡는다" 美 상하수도국 CIO

조언: 쿠친스키는 “수익과 효율성에 초점을 맞춰야 한다”라면서, “파이프 탐정은 D.C 상하수도국에서 예측 애널리틱스 및 실시간 애널리틱스를 활용하려는 광범위한 프로젝트의 일부분이다. 궁극적으로 이 모든 프로젝트의 목표는 수돗물 손실률을 2% 내지 5% 사이로 줄이는 것이다. 이전에는 측정되지 않았던 무수수량을 계량화하면 1%마다 약 4백만 달러의 가치가 있다”라고 말했다. 

이어서 “기업을 고질적으로 괴롭히는 문제를 살펴봐야 한다. 이런 문제에는 수익이나 효율성 부분이 관련돼 있는 게 일반적이다. 실제로 비용을 절약하든, 프로세스를 개선하든 뭔가 얻게 해주는 것은 팔기가(설득하기가) 더 쉽기 마련이다”라고 그는 덧붙였다. 

3. 엘리 매(Ellie Mae): 랜섬웨어 위협 사냥
美 모기지 소프트웨어 개발사 엘리 매는 랜섬웨어를 사전 대비한다는 목적으로 ‘자율 위협 사냥(Autonomous Threat Hunting; ATH)’을 구축했다. ATH는 위협 인텔리전스, 예측 애널리틱스, 이전에 식별된 침해 지표(IOC)를 결합해 새로운 침해 지표 및 침투 기법을 사용되기에 앞서 파악한다. 

엘리 매의 수석 부사장 겸 최고보안책임자 셀림 아이시는 “위협 사냥은 굉장히 사전예방적이다. 공격이 발생할 때까지 기다리지 않는다. 공격이 일어나기 전에 심지어는 멀웨어가 알려지기 전에 위협을 탐지하고 우선순위를 지정하여 조사한다”라고 설명했다.

그는 이 프로젝트를 통해 보안 운영 효율성이 약 35% 향상됐으며, 위협을 조기 식별할 수 있는 역량이 10배가량 개선됐다고 밝혔다. 또 새로운 위협을 해결하는 속도도 약 60% 빨라졌다고 덧붙였다. 

조언: 아이시에 따르면 시작부터 변화 관리를 계획 프로세스의 일부로 만드는 게 중요하다.

그는 “변화 관리 관점에서 봤을 때 보안 운영팀과 엔지니어링팀에 많은 변화가 있었다”라면서, “이들 팀의 많은 부분은 수동으로 이뤄져 왔다. 이를테면 보안 애널리스트는 위협 정보를 수집하고 해당 정보를 직접 도구에 입력해야 했다. 따라서 이러한 변화에 적응해야 했고, 보안 애널리스트와 엔지니어는 새롭고 자율적인 작업 방식을 익혀야 했다”라고 말했다.

4. 카이저 퍼머넌트(Kaiser Permanente): 환자 사망률 감소
美 캘리포니아의 대형 의료기관 카이저 퍼머넌트는 예측 애널리틱스를 활용해 건강 상태가 급격하게 악화될 수 있는 일반 환자를 식별하는 병원 워크플로우 도구를 구축했다. 

카이저 퍼머넌트 북부 캘리포니아의 병원 운영 연구를 담당하는 지역 책임자 겸 연구 부문 과학자 가브리엘 에스코바 박사에 따르면 해당 병원에서 예기치 않게 중환자실로 이송해야 하는 일반 환자는 전체 환자의 2~4%에 불과하지만 전체 사망자 중 20%를 차지한다. 

카이저 퍼머넌트에서 개발한 ‘어드밴스드 경보 모니터(Advanced Alert Monitor; AAM)’ 시스템은 3가지 예측 애널리틱스 모델을 활용해 특정 환자의 전자건강기록에서 70개 이상의 요인을 분석하여 복합 위험 점수를 생성한다. 

카이저 퍼머넌트의 부사장이자 CIO인 딕 대니얼스는 “AAM 시스템은 바이탈 통계, 검사 결과, 기타 변수 등을 종합하고 분석하여 수술실과 회복실에 있는 환자의 시간별 상태 악화 위험 점수를 매긴다”라고 언급했다. 

이어서 그는 “원격팀은 매시간 위험 점수를 평가하고 잠재적으로 상태가 악화될 조짐을 확인하면 병원의 신속대응팀에 알린다. 신속대응팀은 해당 환자의 침상 검사를 실시하고, 전문의와 치료 과정을 조정한다”라고 설명했다. 

조언: 대니얼스는 프로세스에 중점을 맞춰야 한다고 권고했다. 예측 애널리틱스 도구의 질은 정보가 사용되는 프로세스의 질에 달려 있다. 그에 따르면 AAM 팀은 도구 개발 외에도 의료팀이 경보에 최대한 효율적으로 대응할 수 있는 워크플로우를 개발하고 구현하는 데 상당한 시간을 썼다. 

그는 “전자의료기록 백엔드의 초기 매핑을 수행하고 예측 모델을 개발하는 데 약 5년이 걸렸다. 그리고 이러한 모델을 운영 환경에서 사용할 수 있는 실시간 웹 서비스 애플리케이션으로 전환하는 데 2~3년이 더 걸렸다”라고 전했다.
 
ciokr@idg.co.kr


 

X