Offcanvas

��������������������������������������������������������������������������������� ���������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������

칼럼|'현재'와 '과거'를 결합하라··· 데이터 플랫폼의 넥스트 스텝

데이터가 생성되자마자 인사이트, 액션, 가치를 제공해줄 수 있는 새 플랫폼은 데이터 처리가 나아가야 할 다음 단계다. 코로나19 사태 이후 디지털 이니셔티브가 가속화됨에 따라, IT 지출이 내년쯤이면 2019년 수준으로 회복될 것으로 예상된다. 가트너는 데이터베이스, 애널리틱스 및 비즈니스 인텔리전스를 비롯한 기업용 소프트웨어에 대한 지출이 가장 빠르게 늘어날 것이라고 전망했다.   데이터로부터 인사이트든 거래든 모종의 가치를 이끌어내는 일은 비즈니스 성과를 개선하는 데 있어 핵심적이다. 이는 데이터베이스 및 애널리틱스 시장의 가치가 2,000억 달러(한화 약 228조 원)에 달하는 이유이기도 하다.  디지털화는 데이터에서 가치를 도출하는 데 있어 실시간성이라는 새로운 벡터를 만들어냈다. 포레스터 컨설팅의 보고서에 따르면, 경영진의 80% 이상은 이벤트와 시장 상황에 대한 즉각적인 인사이트를 기반으로 실시간 의사결정을 내릴 필요가 있다고 생각한다. 그럼에도 불구하고... 희망과 역량 사이에는 커다란 격차가 있다. 포레스터에 따르면, 기업 임원의 3분의 2 이상은 소속 조직이 실시간으로 데이터 기반 인사이트와 액션을 도출하지 못했다고 응답했다.  데이터가 쇄도한다 디지털화로 인해 엄청난 양의 실시간 데이터가 생산되고 있다. 서버, 기기, 센서 및 IoT 장치 등으로부터다. 지난 30년간 생성된 데이터보다 향후 3년간 생산될 데이터가 더 많을 것으로 추정된다.  모든 새로운 데이터는 실시간으로 만들어진다. 지금 막 생성된 데이터에는 방금 발생한 사건과 관련된 고유의 가치가 담겨 있다. 하지만, 그 가치는 시간의 흐름과 함께 소멸될 수 있으며, 데이터는 시의성을 잃게 된다.  기업 임원진은 실시간 데이터를 활용하여 가치를 발견하고 싶어 하지만 대부분 실패한다. 새롭게 생성되는 데이터의 양이 막대하기 때문이다. 다수 임원을 대상으로 진행한 델 테크놀로지 2020 디지털 변혁 인덱스 조사에 따르면, 이들은 소속...

실시간 데이터 축적 데이터 데이터베이스 애널리틱스 비즈니스 인텔리전스

2021.07.19

데이터가 생성되자마자 인사이트, 액션, 가치를 제공해줄 수 있는 새 플랫폼은 데이터 처리가 나아가야 할 다음 단계다. 코로나19 사태 이후 디지털 이니셔티브가 가속화됨에 따라, IT 지출이 내년쯤이면 2019년 수준으로 회복될 것으로 예상된다. 가트너는 데이터베이스, 애널리틱스 및 비즈니스 인텔리전스를 비롯한 기업용 소프트웨어에 대한 지출이 가장 빠르게 늘어날 것이라고 전망했다.   데이터로부터 인사이트든 거래든 모종의 가치를 이끌어내는 일은 비즈니스 성과를 개선하는 데 있어 핵심적이다. 이는 데이터베이스 및 애널리틱스 시장의 가치가 2,000억 달러(한화 약 228조 원)에 달하는 이유이기도 하다.  디지털화는 데이터에서 가치를 도출하는 데 있어 실시간성이라는 새로운 벡터를 만들어냈다. 포레스터 컨설팅의 보고서에 따르면, 경영진의 80% 이상은 이벤트와 시장 상황에 대한 즉각적인 인사이트를 기반으로 실시간 의사결정을 내릴 필요가 있다고 생각한다. 그럼에도 불구하고... 희망과 역량 사이에는 커다란 격차가 있다. 포레스터에 따르면, 기업 임원의 3분의 2 이상은 소속 조직이 실시간으로 데이터 기반 인사이트와 액션을 도출하지 못했다고 응답했다.  데이터가 쇄도한다 디지털화로 인해 엄청난 양의 실시간 데이터가 생산되고 있다. 서버, 기기, 센서 및 IoT 장치 등으로부터다. 지난 30년간 생성된 데이터보다 향후 3년간 생산될 데이터가 더 많을 것으로 추정된다.  모든 새로운 데이터는 실시간으로 만들어진다. 지금 막 생성된 데이터에는 방금 발생한 사건과 관련된 고유의 가치가 담겨 있다. 하지만, 그 가치는 시간의 흐름과 함께 소멸될 수 있으며, 데이터는 시의성을 잃게 된다.  기업 임원진은 실시간 데이터를 활용하여 가치를 발견하고 싶어 하지만 대부분 실패한다. 새롭게 생성되는 데이터의 양이 막대하기 때문이다. 다수 임원을 대상으로 진행한 델 테크놀로지 2020 디지털 변혁 인덱스 조사에 따르면, 이들은 소속...

2021.07.19

데이터 흐름 통합해 새로운 서비스 창출··· 'iPaaS'의 의미와 사례

서비스형 통합 플랫폼(Integration Platform as a Service, iPaaS)은 기존 애플리케이션 및 데이터 흐름을 새로운 서비스로 연결하는 클라우드 기반 도구다. iPaaS란 무엇이며, 핵심 사용례, 예제, 그리고 공급업체를 알아보자.    iPaaS란 무엇인가  iPaaS는 새로운 애플리케이션을 만들거나, 기존 서비스 및 애플리케이션을 함께 연결해 데이터 흐름을 조정하는 클라우드 기반 소프트웨어 패키지다. 이를 통해 기업은 기본 구성요소를 손쉽게 활용해 프로세스를 간소화하거나 새로운 서비스를 구축할 수 있다. 예를 들어, iPaaS는 고객 정보를 저장하는 데이터베이스와 함께, 주소를 지리적 좌표로 변환하기 위한 API와 신용카드 거래 처리를 위한 서드파티 서비스 등을 합쳐 사용자가 한 번에 모든 작업을 완료할 수 있도록 한다.  이 플랫폼에는 표준 프로토콜 및 데이터 형식을 사용해 기존 서비스와 상호작용할 수 있는 루틴이 갖춰져 있다. 이 플랫폼은 데이터를 필터링하고 데이터 전송을 위한 운송 허브와 같은 역할을 하는데, 이는 한 서비스에서 데이터를 요청하고 다른 서비스에서 요구하는 다른 데이터 형식으로 변환해 데이터를 전송한다.  데이터 흐름을 통합하는 유사한 접근 방법에는 ESB(Enterprise Service Buses)와 RPA(Robotic Process Automation)와 같은 기술이 있다. 각각의 기술은 기존 소프트웨어 패키지 및 서비스를 통합하는 비슷한 역할을 수행한다.  iPaaS 사용 비즈니스 사례  iPaaS 도구는 오늘날 최신 프로토콜 및 인증 방법, 다양한 아키텍처를 처리하도록 설계됐다. 정교한 iPaaS 도구는 서로 다른 클라우드와 서로 다른 신뢰 수준을 가진 각 기업이 소유한 데이터센터에서 실행되는 소프트웨어를 연결할 수 있다. 또한 오래된 하드웨어에 있는, 이른바 ‘더스티 데크(dusty deck)’ 소프트웨어와 통합할 수 있어 기업은...

iPaaS 서비스형통합플랫폼 Integration Platform as a Service

2021.07.15

서비스형 통합 플랫폼(Integration Platform as a Service, iPaaS)은 기존 애플리케이션 및 데이터 흐름을 새로운 서비스로 연결하는 클라우드 기반 도구다. iPaaS란 무엇이며, 핵심 사용례, 예제, 그리고 공급업체를 알아보자.    iPaaS란 무엇인가  iPaaS는 새로운 애플리케이션을 만들거나, 기존 서비스 및 애플리케이션을 함께 연결해 데이터 흐름을 조정하는 클라우드 기반 소프트웨어 패키지다. 이를 통해 기업은 기본 구성요소를 손쉽게 활용해 프로세스를 간소화하거나 새로운 서비스를 구축할 수 있다. 예를 들어, iPaaS는 고객 정보를 저장하는 데이터베이스와 함께, 주소를 지리적 좌표로 변환하기 위한 API와 신용카드 거래 처리를 위한 서드파티 서비스 등을 합쳐 사용자가 한 번에 모든 작업을 완료할 수 있도록 한다.  이 플랫폼에는 표준 프로토콜 및 데이터 형식을 사용해 기존 서비스와 상호작용할 수 있는 루틴이 갖춰져 있다. 이 플랫폼은 데이터를 필터링하고 데이터 전송을 위한 운송 허브와 같은 역할을 하는데, 이는 한 서비스에서 데이터를 요청하고 다른 서비스에서 요구하는 다른 데이터 형식으로 변환해 데이터를 전송한다.  데이터 흐름을 통합하는 유사한 접근 방법에는 ESB(Enterprise Service Buses)와 RPA(Robotic Process Automation)와 같은 기술이 있다. 각각의 기술은 기존 소프트웨어 패키지 및 서비스를 통합하는 비슷한 역할을 수행한다.  iPaaS 사용 비즈니스 사례  iPaaS 도구는 오늘날 최신 프로토콜 및 인증 방법, 다양한 아키텍처를 처리하도록 설계됐다. 정교한 iPaaS 도구는 서로 다른 클라우드와 서로 다른 신뢰 수준을 가진 각 기업이 소유한 데이터센터에서 실행되는 소프트웨어를 연결할 수 있다. 또한 오래된 하드웨어에 있는, 이른바 ‘더스티 데크(dusty deck)’ 소프트웨어와 통합할 수 있어 기업은...

2021.07.15

심심이-NIA, 인공지능 학습용 데이터 구축사업 협약 체결

심심이주식회사가 ‘2021년도 인공지능 학습용 데이터 구축사업’에서 대화형 인공지능의 윤리 검증을 돕는 데이터셋 구축 사업을 수행한다고 밝혔다.  과학기술정보통신부(이하 과기정통부)가 주관하고, 한국지능정보사회진흥원(이하 NIA)이 추진하는 ‘2021년도 인공지능 학습용 데이터 구축사업’은 디지털 뉴딜, 데이터 댐의 핵심 사업이다. 심심이는 ‘텍스트 윤리검증 데이터’ 구축 수행기관으로 NIA와 협약을 체결했다. 심심이는 이번 사업에 참여하기 위해 데이터 구축 및 AI 기술 개발, 인문학 등 각 분야 전문성을 갖춘 5개 기관과 컨소시엄을 구성하여 데이터 구축을 제안했다. 그 결과 자유 공모 분야에 선정되어 7개월 간 19억 원을 지원받으며 과제를 수행하게 됐다. 심심이 컨소시엄 참여기관은 ▲중앙대 인문콘텐츠연구소 ▲서울교육대학교 AI윤리인증교육연구센터 ▲나라지식정보 ▲더아이엠씨 ▲바이칼AI다. 심심이 컨소시엄은 이번 데이터 구축을 통해 챗봇 등 대화형 AI가 사람과 대화하는 데 사용하는 대화 시나리오부터 서술형 텍스트에 이르기까지 다양한 텍스트에 대한 윤리성을 검증하거나 비도덕적 텍스트의 구조를 밝히는 등 AI 윤리 데이터 구축을 선도하며 글로벌 표준을 이끌어 갈 수 있을 것으로 보고 있다. 심심이 최정회 대표는 “심심이는 이번 협약을 통해 정부로부터 AI 윤리 실천의 구체적인 가능성을 인정받았다는 데 의미를 두고, 향후 챗봇 등 대화형 AI 개발자들이 윤리 문제를 더 잘 관리할 수 있는 환경을 만드는데 일조하겠다”라고 말했다. ciokr@idg.co.kr

심심이

2021.07.14

심심이주식회사가 ‘2021년도 인공지능 학습용 데이터 구축사업’에서 대화형 인공지능의 윤리 검증을 돕는 데이터셋 구축 사업을 수행한다고 밝혔다.  과학기술정보통신부(이하 과기정통부)가 주관하고, 한국지능정보사회진흥원(이하 NIA)이 추진하는 ‘2021년도 인공지능 학습용 데이터 구축사업’은 디지털 뉴딜, 데이터 댐의 핵심 사업이다. 심심이는 ‘텍스트 윤리검증 데이터’ 구축 수행기관으로 NIA와 협약을 체결했다. 심심이는 이번 사업에 참여하기 위해 데이터 구축 및 AI 기술 개발, 인문학 등 각 분야 전문성을 갖춘 5개 기관과 컨소시엄을 구성하여 데이터 구축을 제안했다. 그 결과 자유 공모 분야에 선정되어 7개월 간 19억 원을 지원받으며 과제를 수행하게 됐다. 심심이 컨소시엄 참여기관은 ▲중앙대 인문콘텐츠연구소 ▲서울교육대학교 AI윤리인증교육연구센터 ▲나라지식정보 ▲더아이엠씨 ▲바이칼AI다. 심심이 컨소시엄은 이번 데이터 구축을 통해 챗봇 등 대화형 AI가 사람과 대화하는 데 사용하는 대화 시나리오부터 서술형 텍스트에 이르기까지 다양한 텍스트에 대한 윤리성을 검증하거나 비도덕적 텍스트의 구조를 밝히는 등 AI 윤리 데이터 구축을 선도하며 글로벌 표준을 이끌어 갈 수 있을 것으로 보고 있다. 심심이 최정회 대표는 “심심이는 이번 협약을 통해 정부로부터 AI 윤리 실천의 구체적인 가능성을 인정받았다는 데 의미를 두고, 향후 챗봇 등 대화형 AI 개발자들이 윤리 문제를 더 잘 관리할 수 있는 환경을 만드는데 일조하겠다”라고 말했다. ciokr@idg.co.kr

2021.07.14

조호, AI 기반 셀프서비스 BI 플랫폼 출시··· “사용편의성·데이터프렙에 중점”

기업용 서비스형 소프트웨어(SaaS) 제공업체 조호(Zoho)가 조호 데이터프렙(Zoho DataPrep) 애플리케이션과 조호 애널리틱스(Zoho Analytics)를 결합한 AI 기반 셀프서비스 BI 플랫폼을 발표하면서 비즈니스 인텔리전스(BI) 시장에 출사표를 던졌다.  인도 첸나이에 본사를 둔 이 다국적 기업은 사용편의성, 데이터프렙 지원, 내부 데이터와 외부 데이터소스 혼합 등을 특징으로 하는 셀프서비스 BI 플랫폼을 통해 비즈니스 사용자를 확보하겠다고 밝혔다. 회사에 따르면 새로운 플랫폼은 250개 이상의 데이터 소스로 확장할 수 있다.  美 시장조사기관 리서치앤마켓닷컴(ResearchandMarkets.com)의 최근 보고서에 의하면 셀프서비스 BI 시장은 향후 5년 동안 연평균 15.5%의 성장률을 보일 전망이다. 셀프서비스 BI 시장의 주요 경쟁업체로는 태블로(Tableau), 도모(Domo), 마이크로소프트 파워 BI(Microsoft Power BI), IBM 코그노스(IBM Cognos) 등이 있다.    조호 유럽의 전무이사 스리다르 아이엔가르는 “데이터가 비즈니스 성장의 진정한 촉매제 역할을 하기 위해서는 (데이터) 수집, 관리 또는 분석 프로세스에 어떠한 틈(gap)도 없어야 한다”라면서, “그런 맥락에서 조호 BI 플랫폼의 핵심 셀링 포인트는 데이터프렙과 애널리틱스의 조합이다”라고 말했다.  조호의 AI 도구 ‘지아(Zia)’는 해당 플랫폼이 초점을 맞추고 있는 사용편의성의 핵심이라고 할 수 있다. 이는 자연어 쿼리 및 생성, 보고서와 대시보드의 핵심 인사이트에 관한 텍스트 내레이션, 인지 및 고급 애널리틱스 기능을 제공한다고 회사 측은 설명했다.  회사에 따르면 조호의 BI 플랫폼은 ▲강화된 데이터 준비 및 관리, ▲데이터 스토리, ▲증강 분석, ▲앱 마켓플레이스 네 가지 요소를 기반으로 구축됐다. 첫 번째 요소는 새롭게 출시된 셀프서비스 데이터 준비 및 관리 도구 ‘조호...

셀프서비스 BI 인공지능 AI 머신러닝 ML 데이터프렙 서비스형 소프트웨어 SaaS 조호 애널리틱스 비즈니스 인텔리전스 BI 태블로 데이터 데이터 파이프라인 자연어

2021.07.14

기업용 서비스형 소프트웨어(SaaS) 제공업체 조호(Zoho)가 조호 데이터프렙(Zoho DataPrep) 애플리케이션과 조호 애널리틱스(Zoho Analytics)를 결합한 AI 기반 셀프서비스 BI 플랫폼을 발표하면서 비즈니스 인텔리전스(BI) 시장에 출사표를 던졌다.  인도 첸나이에 본사를 둔 이 다국적 기업은 사용편의성, 데이터프렙 지원, 내부 데이터와 외부 데이터소스 혼합 등을 특징으로 하는 셀프서비스 BI 플랫폼을 통해 비즈니스 사용자를 확보하겠다고 밝혔다. 회사에 따르면 새로운 플랫폼은 250개 이상의 데이터 소스로 확장할 수 있다.  美 시장조사기관 리서치앤마켓닷컴(ResearchandMarkets.com)의 최근 보고서에 의하면 셀프서비스 BI 시장은 향후 5년 동안 연평균 15.5%의 성장률을 보일 전망이다. 셀프서비스 BI 시장의 주요 경쟁업체로는 태블로(Tableau), 도모(Domo), 마이크로소프트 파워 BI(Microsoft Power BI), IBM 코그노스(IBM Cognos) 등이 있다.    조호 유럽의 전무이사 스리다르 아이엔가르는 “데이터가 비즈니스 성장의 진정한 촉매제 역할을 하기 위해서는 (데이터) 수집, 관리 또는 분석 프로세스에 어떠한 틈(gap)도 없어야 한다”라면서, “그런 맥락에서 조호 BI 플랫폼의 핵심 셀링 포인트는 데이터프렙과 애널리틱스의 조합이다”라고 말했다.  조호의 AI 도구 ‘지아(Zia)’는 해당 플랫폼이 초점을 맞추고 있는 사용편의성의 핵심이라고 할 수 있다. 이는 자연어 쿼리 및 생성, 보고서와 대시보드의 핵심 인사이트에 관한 텍스트 내레이션, 인지 및 고급 애널리틱스 기능을 제공한다고 회사 측은 설명했다.  회사에 따르면 조호의 BI 플랫폼은 ▲강화된 데이터 준비 및 관리, ▲데이터 스토리, ▲증강 분석, ▲앱 마켓플레이스 네 가지 요소를 기반으로 구축됐다. 첫 번째 요소는 새롭게 출시된 셀프서비스 데이터 준비 및 관리 도구 ‘조호...

2021.07.14

'IT와 비즈니스를 현대화'··· 코로나 이후 DX 성공 사례 4가지

코로나 바이러스 팬데믹 이후 절감된 사실은 무엇일까? 그 중 하나는 비즈니스의 현대화와 변혁을 위한 노력을 아우르는 디지털 전략이 이렇게까지 중요한 적이 없었다는 것이다.  비즈니스 탄력성의 제고라는 필수적 과제 앞에서, CIO는 기민성을 위해, 그리고 디지털 프로세스를 통한 비대면 고객 서비스를 위해 클라우드 소프트웨어를 활용하는 리플랫폼 전략을 실행했다. 이미 CIO의 전략적 로드맵 상에 있었지만 관료주의로 인해 정체되었던 솔루션들이 경쟁에서 뒤쳐지지 않으려는 절박함 속에서 갑작스럽게 재개되었다고 매킨지의 디지털 전략 역량 책임자인 로라 라베즈는 말했다.  라베즈는 “위기라는, 그리고 무작위의 대가가 너무 크기 때문에 거대한 변화가 일어나야 한다는, 보편적 인식이 있었다”라고 말했다. 여기 IT 리더들이 전하는 사례를 몇 가지 정리했다.    클라우드, 애널리틱스에 투자하는 월마트  월마트는 2019년 수레시 쿠마르를 글로벌 CTO로 영입했다. 이는 클라우드와 ML 소프트웨어에 이미 치중되어 있었던 월마트의 IT 전략의 재가동을 상징했다.  쿠마르는 전략 실행을 급가속해 하이브리드 클라우드 플랫폼을 구축했고, 이는 월마트의 ML 및 여타 데이터 집약적 애플리케이션을 실행하는 데 결정적인 역할을 한다고 2월 월마트의 4분기 실적 발표회에서 쿠마르는 설명했다.  쿠마르는 “클라우드 마이그레이션으로 고객은 사이트를 계속해서 이용할 수 있었고, 매우 무결한 방식으로 확장하고 축소할 수 있기 때문에 한층 효율적이었다”라고 말했다. 예를 들어 월마트는 휴가 시즌 중 미국 내 전자상거래 및 샘스 클럽 고객 경험을 100% 클라우드 상에서 운영했다. 이는 2,500 곳 이상의 매장을 마이크로-풀필먼트 센터(micro-fulfillment centers)로 변화시키는 결과로 이어졌다.  이 클라우드 플랫폼은 마이크로소프트와 여타 제휴 업체에 의해 구동되고, 회사의 새 연산 시스템을 2만 3...

월마트 퍼거슨 베드 배스 앤 비욘드 인베스코 디지털 퍼스트

2021.07.13

코로나 바이러스 팬데믹 이후 절감된 사실은 무엇일까? 그 중 하나는 비즈니스의 현대화와 변혁을 위한 노력을 아우르는 디지털 전략이 이렇게까지 중요한 적이 없었다는 것이다.  비즈니스 탄력성의 제고라는 필수적 과제 앞에서, CIO는 기민성을 위해, 그리고 디지털 프로세스를 통한 비대면 고객 서비스를 위해 클라우드 소프트웨어를 활용하는 리플랫폼 전략을 실행했다. 이미 CIO의 전략적 로드맵 상에 있었지만 관료주의로 인해 정체되었던 솔루션들이 경쟁에서 뒤쳐지지 않으려는 절박함 속에서 갑작스럽게 재개되었다고 매킨지의 디지털 전략 역량 책임자인 로라 라베즈는 말했다.  라베즈는 “위기라는, 그리고 무작위의 대가가 너무 크기 때문에 거대한 변화가 일어나야 한다는, 보편적 인식이 있었다”라고 말했다. 여기 IT 리더들이 전하는 사례를 몇 가지 정리했다.    클라우드, 애널리틱스에 투자하는 월마트  월마트는 2019년 수레시 쿠마르를 글로벌 CTO로 영입했다. 이는 클라우드와 ML 소프트웨어에 이미 치중되어 있었던 월마트의 IT 전략의 재가동을 상징했다.  쿠마르는 전략 실행을 급가속해 하이브리드 클라우드 플랫폼을 구축했고, 이는 월마트의 ML 및 여타 데이터 집약적 애플리케이션을 실행하는 데 결정적인 역할을 한다고 2월 월마트의 4분기 실적 발표회에서 쿠마르는 설명했다.  쿠마르는 “클라우드 마이그레이션으로 고객은 사이트를 계속해서 이용할 수 있었고, 매우 무결한 방식으로 확장하고 축소할 수 있기 때문에 한층 효율적이었다”라고 말했다. 예를 들어 월마트는 휴가 시즌 중 미국 내 전자상거래 및 샘스 클럽 고객 경험을 100% 클라우드 상에서 운영했다. 이는 2,500 곳 이상의 매장을 마이크로-풀필먼트 센터(micro-fulfillment centers)로 변화시키는 결과로 이어졌다.  이 클라우드 플랫폼은 마이크로소프트와 여타 제휴 업체에 의해 구동되고, 회사의 새 연산 시스템을 2만 3...

2021.07.13

딥네츄럴, 3분기부터 약 700만건 데이터 가공 진행

딥네츄럴이 3분기부터 약 700만건 데이터 가공을 진행한다고 밝혔다.  이번 3분기부터 딥네츄럴은 국가 대규모 학습데이터 구축사업인 ‘NIA 학습용 데이터 구축 사업’에서 총 4개 부문 사업 ▲스마트 항만 ▲방송 요약 ▲일상생활 영상데이터 ▲숫자발화의 데이터 구축을 진행했다. 그 외 NIPA AI 바우처 사업과 K-DATA 데이터바우처 사업 등 국가나 개인 및 기업 차원의 학습데이터 구축 프로젝트와 함께 금융, IT, 교육, 자연어처리 분야 등지에서 다양한 데이터 가공을 진행한다.  딥네츄럴은 2019년부터 데이터 전문 가공 서비스 ‘딥네츄럴(DeepNatural) AI’와 11만 회원이 활동하고 있는 크라우드소싱 플랫폼 ‘레이블러’를 운영 중에 있으며, 올해 인공지능 자연어처리 분야에서 화제가 된 한국어 자연어 이해 평가 데이터셋 ‘KLUE’ 프로젝트에 참여했다. 이러한 경험을 토대로 딥네츄럴은 불특정 다수의 인력 및 지식을 활용하는 크라우드소싱과 내부 AI 비서 ‘프라이데이’를 조화롭게 활용해 빠르고 정확한 데이터 구축에 힘쓰고 있다.  일반적으로 대규모 인공지능 데이터 가공에는 플랫폼의 역량뿐만 아니라 다양한 크라우드소싱 작업자의 참여와 이들이 안정적으로 작업할 수 있는 가이드 및 플랫폼이 필수적이라고 업체 측은 설명했다. 이번 700만 건 데이터 가공에 대비하여 딥네츄럴에서는 ‘레이블러’ 플랫폼을 통한 데이터 라벨러 모집이 이번 주부터 대규모로 진행될 예정이며, 초보 라벨러도 혼선 없이 안정적으로 작업할 수 있는 작업 가이드 및 플랫폼 환경 보완이 대거 이뤄질 전망이다.  딥네츄럴은 크라우드소싱 플랫폼 레이블러를 기반으로 한 다양한 프로젝트 운영 경험과 이번 3분기부터 진행하는 약 700만 건의 데이터 구축 건을 기반으로, AI 고품질 학습 데이터를 확보하는데 드는 비용과 시간을 감소시킬 수 있는 효과적인 데이터 파이프라인 구축을 지속해나갈 예정이다. ciokr@idg.co.kr

딥네츄럴

2021.07.13

딥네츄럴이 3분기부터 약 700만건 데이터 가공을 진행한다고 밝혔다.  이번 3분기부터 딥네츄럴은 국가 대규모 학습데이터 구축사업인 ‘NIA 학습용 데이터 구축 사업’에서 총 4개 부문 사업 ▲스마트 항만 ▲방송 요약 ▲일상생활 영상데이터 ▲숫자발화의 데이터 구축을 진행했다. 그 외 NIPA AI 바우처 사업과 K-DATA 데이터바우처 사업 등 국가나 개인 및 기업 차원의 학습데이터 구축 프로젝트와 함께 금융, IT, 교육, 자연어처리 분야 등지에서 다양한 데이터 가공을 진행한다.  딥네츄럴은 2019년부터 데이터 전문 가공 서비스 ‘딥네츄럴(DeepNatural) AI’와 11만 회원이 활동하고 있는 크라우드소싱 플랫폼 ‘레이블러’를 운영 중에 있으며, 올해 인공지능 자연어처리 분야에서 화제가 된 한국어 자연어 이해 평가 데이터셋 ‘KLUE’ 프로젝트에 참여했다. 이러한 경험을 토대로 딥네츄럴은 불특정 다수의 인력 및 지식을 활용하는 크라우드소싱과 내부 AI 비서 ‘프라이데이’를 조화롭게 활용해 빠르고 정확한 데이터 구축에 힘쓰고 있다.  일반적으로 대규모 인공지능 데이터 가공에는 플랫폼의 역량뿐만 아니라 다양한 크라우드소싱 작업자의 참여와 이들이 안정적으로 작업할 수 있는 가이드 및 플랫폼이 필수적이라고 업체 측은 설명했다. 이번 700만 건 데이터 가공에 대비하여 딥네츄럴에서는 ‘레이블러’ 플랫폼을 통한 데이터 라벨러 모집이 이번 주부터 대규모로 진행될 예정이며, 초보 라벨러도 혼선 없이 안정적으로 작업할 수 있는 작업 가이드 및 플랫폼 환경 보완이 대거 이뤄질 전망이다.  딥네츄럴은 크라우드소싱 플랫폼 레이블러를 기반으로 한 다양한 프로젝트 운영 경험과 이번 3분기부터 진행하는 약 700만 건의 데이터 구축 건을 기반으로, AI 고품질 학습 데이터를 확보하는데 드는 비용과 시간을 감소시킬 수 있는 효과적인 데이터 파이프라인 구축을 지속해나갈 예정이다. ciokr@idg.co.kr

2021.07.13

바람직한 데이터 거버넌스란?··· 베스트 프랙티스 6가지

데이터 거버넌스(Governance)가 중요한 이유는 무엇일까? 이유는 거꾸로 생각해볼 수 있다. 데이터의 품질이 좋지 못하다면? 사용하기 어렵고 현업 사용자에게 적절히 제공되지 않는다면? 일관성이 없고 사이버 보안 위협에 취약하다면?  즉, 비즈니스 관점에서 데이터 거버넌스가 부실하다면 데이터가 있어도 쓸모가 없다. 모범 관행과 가이드를 제공하는 조직인 DGI(Data Governance Institute)는 데이터 거버넌스에 대해 다음과 같이 정의한다.  “데이터 거버넌스는 정보 관련 프로세스를 위한 결정 권한 및 책임에 대한 시스템이며 누가 어떤 정보로 언제 어떤 환경에서 어떤 모델을 사용하여 어떤 조치를 취할 수 있는지 설명하는 합의된 모델에 따라 실행된다.” 많은 조직에서 시행 중인 디지털 트랜스포메이션을 통해 기업에 강력한 데이터 거버넌스가 중요하다는 점이 입증됐다. 왜냐하면 이 이니셔티브의 성공의 상당 부분이 신뢰할 수 있고 안전하며 적절한 시기에 적절한 사람들에게 제공될 수 있는 데이터에 달려 있기 때문이다. 당연하겠지만, 데이터 거버넌스 제품과 서비스에 대한 수요가 증가하고 있다. 리서치기업 M&M(Markets and Markets)은 전 세계 데이터 거버넌스 시장이 2020년의 21억 달러에서 2025년까지 57억 달러로 성장할 것으로 전망했다. 22%의 CAGR에 해당한다.  급격한 데이터 용량 증가, 규제 및 준수성 의무사항 증가, 비즈니스 협업 증가 등의 요소가 시장의 성장을 주도할 것으로 예상된다고 해당 보고서는 밝혔다. 전 세계 정부 기관들이 다수의 데이터 프라이버시 규정을 수립한 상황에서 조직 내의 데이터를 적절하게 저장하고 사용하며 폐기하는 것이 그 어느 때보다도 중요해졌다는 진단도 있었다.  또한 소프트웨어 개개발에 대한 데브옵스(DevOps) 도입 증가가 데이터 거버넌스의 수요 증가에 영향을 미치고 있으며, 데브옵스 도입과 데이터 거버넌스 프로그램의 구현 사이에는 강력한 ...

데이터 거버넌스 데이터 관리 데이터 플로우 데이터 라이프사이클 마스터 데이터 관리

2021.07.12

데이터 거버넌스(Governance)가 중요한 이유는 무엇일까? 이유는 거꾸로 생각해볼 수 있다. 데이터의 품질이 좋지 못하다면? 사용하기 어렵고 현업 사용자에게 적절히 제공되지 않는다면? 일관성이 없고 사이버 보안 위협에 취약하다면?  즉, 비즈니스 관점에서 데이터 거버넌스가 부실하다면 데이터가 있어도 쓸모가 없다. 모범 관행과 가이드를 제공하는 조직인 DGI(Data Governance Institute)는 데이터 거버넌스에 대해 다음과 같이 정의한다.  “데이터 거버넌스는 정보 관련 프로세스를 위한 결정 권한 및 책임에 대한 시스템이며 누가 어떤 정보로 언제 어떤 환경에서 어떤 모델을 사용하여 어떤 조치를 취할 수 있는지 설명하는 합의된 모델에 따라 실행된다.” 많은 조직에서 시행 중인 디지털 트랜스포메이션을 통해 기업에 강력한 데이터 거버넌스가 중요하다는 점이 입증됐다. 왜냐하면 이 이니셔티브의 성공의 상당 부분이 신뢰할 수 있고 안전하며 적절한 시기에 적절한 사람들에게 제공될 수 있는 데이터에 달려 있기 때문이다. 당연하겠지만, 데이터 거버넌스 제품과 서비스에 대한 수요가 증가하고 있다. 리서치기업 M&M(Markets and Markets)은 전 세계 데이터 거버넌스 시장이 2020년의 21억 달러에서 2025년까지 57억 달러로 성장할 것으로 전망했다. 22%의 CAGR에 해당한다.  급격한 데이터 용량 증가, 규제 및 준수성 의무사항 증가, 비즈니스 협업 증가 등의 요소가 시장의 성장을 주도할 것으로 예상된다고 해당 보고서는 밝혔다. 전 세계 정부 기관들이 다수의 데이터 프라이버시 규정을 수립한 상황에서 조직 내의 데이터를 적절하게 저장하고 사용하며 폐기하는 것이 그 어느 때보다도 중요해졌다는 진단도 있었다.  또한 소프트웨어 개개발에 대한 데브옵스(DevOps) 도입 증가가 데이터 거버넌스의 수요 증가에 영향을 미치고 있으며, 데브옵스 도입과 데이터 거버넌스 프로그램의 구현 사이에는 강력한 ...

2021.07.12

"데이터 관리는 DT 디딤돌"··· 美 타이어 체인 이야기

고객이 타이어를 현장에서 구매할지 아니면 온라인이나 전화로 구매할지 선택할 수 있다는 건 여러 데이터베이스가 통합돼 있다는 의미다.  美 전역의 기업들은 코로나 이후 사무실 공간의 필요성을 재고 중이다. 지식 근로자와 관리 직원들이 집에서 로그인할 수 있게끔 하는 컨퍼런스 및 협업 도구를 내려놓을 기미가 보이지 않기 때문이다.  미국 타이어 및 휠 소매업체 ‘디스카운트 타이어(Discount Tire)’의 CIO 게리 데사이는 또 다른 공간 문제를 재고하고 있다. IT가 어떻게 회사의 일반적인 타이어 매장 공간을 줄일 수 있도록 지원할 수 있는지에 관해서다. 그래야 상대적으로 인구 밀도가 높은 시장에 신규 매장을 열 수 있기 때문이다.   그에 따르면 디스카운트 타이어는 미국 전역에 약 1,100개 매장을 운영 중이며, 직원 수는 2만 2,000명에 달한다. 또 매년마다 50여 개의 매장을 늘리고 있다. 일반적인 디스카운트 타이어 매장은 전면에 타이어와 휠이 전시된 진열 공간이 있다. 여기에 더해 판매 직원이 컴퓨터로 고객을 체크인하고 고객이 필요한 서비스를 선택할 수 있는 사무실 겸 서비스 공간 그리고 매장 뒤편의 차량 정비 구역이 있다. 60년 역사의 가족 기업인 디스카운트 타이어에 지난 2020년 1월 취임한 데사이는 “현재 대부분의 매장이 땅이 넓은 텍사스, 애리조나, 플로리다, 조지아에 있다”라고 말했다.  그러나 뉴욕이나 보스턴의 상황은 매우 다르다. 그는 “이 지역들은 땅이 부족하다. 이런 지역에 진입하고 싶다면 기존 매장의 절반 수준으로 진출해야 했다”라고 전했다.  매장 줄이기 데사이는 앞으로 생길 매장에 전면 진열 공간은 물론 작업장 공간을 할애해 쓰고 있는 타이어 보관 공간까지 없앨 계획이라고 밝혔다. 그는 “진열 공간을 없애고 재고를 너무 많이 들여놓지 않는 게 골자다. 익일 주문을 확인하고 전날 타이어를 배송받으면 매장 공간을 쉽게 절반으로 줄일 수 있다”라고 설명했다.  ...

코로나 팬데믹 고객 경험 데이터 관리 데이터 통합 데이터베이스 인포매티카 데이터 정리 디지털 트랜스포메이션

2021.07.08

고객이 타이어를 현장에서 구매할지 아니면 온라인이나 전화로 구매할지 선택할 수 있다는 건 여러 데이터베이스가 통합돼 있다는 의미다.  美 전역의 기업들은 코로나 이후 사무실 공간의 필요성을 재고 중이다. 지식 근로자와 관리 직원들이 집에서 로그인할 수 있게끔 하는 컨퍼런스 및 협업 도구를 내려놓을 기미가 보이지 않기 때문이다.  미국 타이어 및 휠 소매업체 ‘디스카운트 타이어(Discount Tire)’의 CIO 게리 데사이는 또 다른 공간 문제를 재고하고 있다. IT가 어떻게 회사의 일반적인 타이어 매장 공간을 줄일 수 있도록 지원할 수 있는지에 관해서다. 그래야 상대적으로 인구 밀도가 높은 시장에 신규 매장을 열 수 있기 때문이다.   그에 따르면 디스카운트 타이어는 미국 전역에 약 1,100개 매장을 운영 중이며, 직원 수는 2만 2,000명에 달한다. 또 매년마다 50여 개의 매장을 늘리고 있다. 일반적인 디스카운트 타이어 매장은 전면에 타이어와 휠이 전시된 진열 공간이 있다. 여기에 더해 판매 직원이 컴퓨터로 고객을 체크인하고 고객이 필요한 서비스를 선택할 수 있는 사무실 겸 서비스 공간 그리고 매장 뒤편의 차량 정비 구역이 있다. 60년 역사의 가족 기업인 디스카운트 타이어에 지난 2020년 1월 취임한 데사이는 “현재 대부분의 매장이 땅이 넓은 텍사스, 애리조나, 플로리다, 조지아에 있다”라고 말했다.  그러나 뉴욕이나 보스턴의 상황은 매우 다르다. 그는 “이 지역들은 땅이 부족하다. 이런 지역에 진입하고 싶다면 기존 매장의 절반 수준으로 진출해야 했다”라고 전했다.  매장 줄이기 데사이는 앞으로 생길 매장에 전면 진열 공간은 물론 작업장 공간을 할애해 쓰고 있는 타이어 보관 공간까지 없앨 계획이라고 밝혔다. 그는 “진열 공간을 없애고 재고를 너무 많이 들여놓지 않는 게 골자다. 익일 주문을 확인하고 전날 타이어를 배송받으면 매장 공간을 쉽게 절반으로 줄일 수 있다”라고 설명했다.  ...

2021.07.08

칼럼 | DB 분산 처리 기법 '샤딩'을 신중하게 수용해야 할 이유

막 시작한 SaaS 서비스 신생업체는 애플리케이션을 어떻게 확장할지에 대해서는 거의 생각하지 않는다. 물론 언젠가 확장이 필요할 날이 올 것이라 생각하고 성장을 반영한 재무 계획을 세우지만 초기부터 확장성을 염두에 두고 애플리케이션을 설계하는 경우는 드물다. 그보다는 대부분 지금 바로 판매할 수 있는 기능을 완성하는 데 초점을 둔다.   그러나 확장에 대해 생각해야 할 시점은 처음 시작할 때, 첫 고객이 서비스에 가입하기 전이다. 기업이 기능을 하나 둘 추가함에 따라 가입하는 고객도 늘어나고 비즈니스는 성장한다. 비즈니스가 성장하면 확장이 걱정거리가 된다.   확장의 필요성은 새로운 SaaS 서비스가 리소스 용량, 구체적으로 데이터 액세스 리소스 용량 한계에 다다를 때 명확하게 드러나는 경우가 많다. 많은 경우 데이터베이스가(어느 데이터베이스 기술을 사용하든) 나무 작아서 증가하는 수요를 감당하지 못하고 특정 지점 이상으로는 확장이 되지 않는다.   이 문제는 어느 데이터베이스 기술을 사용하든, 그리고 성장의 여지를 위해 얼만큼 큰 서버나 기타 인프라를 확보했든 관계없이 발생할 수 있다. 조만간 확장 문제에 직면하게 된다.   리소스 확장을 가로막는 벽이 명확하게 드러나고 확장을 위한 중대한 의사 결정이 필요해지면 애플리케이션 확장 역량을 강화하기 위해 샤딩(여러 개의 병렬 데이터베이스에 걸쳐 데이터를 분할하고 각 데이터베이스에 비즈니스의 한 세그먼트가 저장됨)을 조기 솔루션 중 하나로 선택하는 경우가 많다. 이유는 여러가지다. 1. 데이터를 여러 세그먼트로 분할하는 것은 데이터 리소스 문제를 해결하기 위한 간편한 방법으로 보인다. 데이터베이스 한 개로는 너무 작아 트래픽을 감당하지 못한다면 2개, 3개, 아니면 4개를 사용하면 된다! 2. 애플리케이션 데이터를 샤딩하고 나면 향후 트래픽 증가 시 동일한 접근 방법을 사용해서 애플리케이션에 병렬 데이터베이스를 더 추가해 계속 간단히 확장해 나갈 수 있을 것이다. &n...

샤딩

2021.07.08

막 시작한 SaaS 서비스 신생업체는 애플리케이션을 어떻게 확장할지에 대해서는 거의 생각하지 않는다. 물론 언젠가 확장이 필요할 날이 올 것이라 생각하고 성장을 반영한 재무 계획을 세우지만 초기부터 확장성을 염두에 두고 애플리케이션을 설계하는 경우는 드물다. 그보다는 대부분 지금 바로 판매할 수 있는 기능을 완성하는 데 초점을 둔다.   그러나 확장에 대해 생각해야 할 시점은 처음 시작할 때, 첫 고객이 서비스에 가입하기 전이다. 기업이 기능을 하나 둘 추가함에 따라 가입하는 고객도 늘어나고 비즈니스는 성장한다. 비즈니스가 성장하면 확장이 걱정거리가 된다.   확장의 필요성은 새로운 SaaS 서비스가 리소스 용량, 구체적으로 데이터 액세스 리소스 용량 한계에 다다를 때 명확하게 드러나는 경우가 많다. 많은 경우 데이터베이스가(어느 데이터베이스 기술을 사용하든) 나무 작아서 증가하는 수요를 감당하지 못하고 특정 지점 이상으로는 확장이 되지 않는다.   이 문제는 어느 데이터베이스 기술을 사용하든, 그리고 성장의 여지를 위해 얼만큼 큰 서버나 기타 인프라를 확보했든 관계없이 발생할 수 있다. 조만간 확장 문제에 직면하게 된다.   리소스 확장을 가로막는 벽이 명확하게 드러나고 확장을 위한 중대한 의사 결정이 필요해지면 애플리케이션 확장 역량을 강화하기 위해 샤딩(여러 개의 병렬 데이터베이스에 걸쳐 데이터를 분할하고 각 데이터베이스에 비즈니스의 한 세그먼트가 저장됨)을 조기 솔루션 중 하나로 선택하는 경우가 많다. 이유는 여러가지다. 1. 데이터를 여러 세그먼트로 분할하는 것은 데이터 리소스 문제를 해결하기 위한 간편한 방법으로 보인다. 데이터베이스 한 개로는 너무 작아 트래픽을 감당하지 못한다면 2개, 3개, 아니면 4개를 사용하면 된다! 2. 애플리케이션 데이터를 샤딩하고 나면 향후 트래픽 증가 시 동일한 접근 방법을 사용해서 애플리케이션에 병렬 데이터베이스를 더 추가해 계속 간단히 확장해 나갈 수 있을 것이다. &n...

2021.07.08

하길 참 잘했다··· 기업 4곳의 '예측 애널리틱스' 성공담

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.    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 궁...

예측 애널리틱스 애널리틱스

2021.07.07

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.    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 궁...

2021.07.07

이노그리드, 반려동물 질병진단 위한 AI 학습 데이터 구축 사업 수주

이노그리드가 과학기술정보통신부와 한국지능정보사회진흥원(NIA)의 2021년 인공지능 학습용 데이터 구축 사업 중 ‘반려동물 질병진단을 위한 영상 데이터 구축’사업의 주관기관으로 선정되었다고 밝혔다. 이노그리드가 주관기관으로 진행하는 반려동물 질병진단을 위한 인공지능 학습데이터 구축 사업은 총 사업비 38억 원 규모다. 반려동물들의 질병을 진단하기 위한 AI 기술 및 서비스 고도화를 위해서 대규모의 학습용 데이터를 확보하는 것이 목적이다. 이노그리드는 이를 위해 참여 기관들과 반려동물 수의영상 데이터를 확보하고 반려동물 질병진단을 위한 AI 학습을 위해 AI학습용 데이터 구축에 나선다. 다양한 반려동물의 부위별 질병진단 데이터 수집부터 활용에 이르기까지 전주기적인 데이터 구축사업으로 데이터 설계 및 수집, 가공, 활용을 통해 새로운 비즈니스의 기회를 만들고, 생태계 활성화와 신사업 발굴을 통한 일자리 창출에도 기여할 계획이다. 이노그리드는 반려동물의 수의영상 데이터 복부질환 30만 장, 흉부질환 15만 장, 근골격계 질환 15만장 등 원천데이터 확보를 위해 건국대학교, 강원대학교, 경상국립대학교, 경북대학교, 충남대학교 산업협력단과 전국 주요 동물병원들과 함께 원천데이터 확보와 지케스의 데이터 가공 플랫폼을 활용하여 수집된 원천데이터들을 AI 학습용 데이터로 가공, 그리고 비투엔의 데이터의 품질관리를 통해 정제된 AI학습용 데이터를 제공한다. 이를 통해 통해 크라우드 소싱을 통한 고용인력 창출과 경진대회를 통한 데이터 개방혁신으로 사업화할 수 있는 생태계를 제공한다. 이노그리드는 지난해 반려동물의 수의학영상 데이터의 빠른 AI 판독과 정확도를 높이기 위해 건국대학교 동물병원을 주축으로 올해 전국의 30여 개 주요 동물병원과 학습용 데이터 구축(PTS, Pet-TechStack) 양해각서를 체결하고 반려동물의 다양한 질병을 빠르고 정확하게 AI판독하는 ‘팅커펫’(Tinker Pet) 서비스 개발에도 집중하고 있다. 동물병원 관계자는 “사람의 경우 환자...

이노그리드

2021.07.07

이노그리드가 과학기술정보통신부와 한국지능정보사회진흥원(NIA)의 2021년 인공지능 학습용 데이터 구축 사업 중 ‘반려동물 질병진단을 위한 영상 데이터 구축’사업의 주관기관으로 선정되었다고 밝혔다. 이노그리드가 주관기관으로 진행하는 반려동물 질병진단을 위한 인공지능 학습데이터 구축 사업은 총 사업비 38억 원 규모다. 반려동물들의 질병을 진단하기 위한 AI 기술 및 서비스 고도화를 위해서 대규모의 학습용 데이터를 확보하는 것이 목적이다. 이노그리드는 이를 위해 참여 기관들과 반려동물 수의영상 데이터를 확보하고 반려동물 질병진단을 위한 AI 학습을 위해 AI학습용 데이터 구축에 나선다. 다양한 반려동물의 부위별 질병진단 데이터 수집부터 활용에 이르기까지 전주기적인 데이터 구축사업으로 데이터 설계 및 수집, 가공, 활용을 통해 새로운 비즈니스의 기회를 만들고, 생태계 활성화와 신사업 발굴을 통한 일자리 창출에도 기여할 계획이다. 이노그리드는 반려동물의 수의영상 데이터 복부질환 30만 장, 흉부질환 15만 장, 근골격계 질환 15만장 등 원천데이터 확보를 위해 건국대학교, 강원대학교, 경상국립대학교, 경북대학교, 충남대학교 산업협력단과 전국 주요 동물병원들과 함께 원천데이터 확보와 지케스의 데이터 가공 플랫폼을 활용하여 수집된 원천데이터들을 AI 학습용 데이터로 가공, 그리고 비투엔의 데이터의 품질관리를 통해 정제된 AI학습용 데이터를 제공한다. 이를 통해 통해 크라우드 소싱을 통한 고용인력 창출과 경진대회를 통한 데이터 개방혁신으로 사업화할 수 있는 생태계를 제공한다. 이노그리드는 지난해 반려동물의 수의학영상 데이터의 빠른 AI 판독과 정확도를 높이기 위해 건국대학교 동물병원을 주축으로 올해 전국의 30여 개 주요 동물병원과 학습용 데이터 구축(PTS, Pet-TechStack) 양해각서를 체결하고 반려동물의 다양한 질병을 빠르고 정확하게 AI판독하는 ‘팅커펫’(Tinker Pet) 서비스 개발에도 집중하고 있다. 동물병원 관계자는 “사람의 경우 환자...

2021.07.07

데이터 애널리틱스 솔루션의 첫 선택기준 '개방형 vs. 폐쇄형'

데이터 애널리틱스 솔루션이 맹렬한 속도로 계속 출현하고 있다. 데이터 부서는 폭풍의 중심에 있다. 이들은 액세스, 데이터 무결성, 보안, 정책이나 규제 준수가 따라붙는 거버넌스 등 온갖 요구 사이에서 균형을 유지해야 하고, 거버넌스는 정책과 규제에 대한 컴플라이언스를 수반한다. 기업은 최대한 신속히 정보를 얻고 싶어 하고, 위험한 균형 잡기를 인내해 줄 의사가 없다. 데이터 부서는 신속하고 영리하게 행동해야 한다.      현재를 위한 시스템뿐 아니라 미래를 위한 플랫폼도 구축해야 한다는 점에서 예언자도 될 수 있어야 한다. 데이터 부서가 데이터 아키텍처에 있어 가장 먼저 결정할 요소는 개방형이냐 폐쇄형이냐다.    개방형 vs. 폐쇄형 데이터 아키텍처  우선 ‘데이터 아키텍처(Data Architecture)’라는 단어부터 살펴보자. 지난 50년 동안의 기업의 데이터 아키텍처 다이어그램을 그려본다면 이는 데이터 자체라기보다는 사실상 데이터에 작용하는 엔진인 데이터베이스이다. 대표적으로 오라클, DB2, SQL서버, 테라데이터(Teradata), 엑사데이터(Exadata), 스노우플레이크(Snowflake) 등이 있다. 이들은 모두 데이터베이스고, 업무나 분석에 필요한 데이터세트가 로드되는 곳이다. 그리고 ‘데이터 아키텍처’의 토대다. 기본적으로 이들 데이터베이스는 ‘폐쇄형 데이터 아키텍처(Closed Data Architecture)’다. 가치적 표현이 아니라 설명적 표현이다. 여기서 데이터는 다른 애플리케이션에서 격리되고 데이터베이스 엔진을 통해서만 액세스된다. 심지어 ETL(Extract, Transform, and Load) 작업을 하면서 데이터를 옮길 때도 마찬가지다. 내보내기나 가져오기를 할 때 일정 시점에서 반드시 데이터베이스를 거쳐야 하기 때문이다. 그게 최적의 방식인지 아닌지는 문제가 아니다. 데이터가 아키텍처의 나머지 부분에 대해 ‘닫혀’ 있다는 점이 중요하다.  ...

개방형아키텍처 데이터애널리틱스

2021.07.07

데이터 애널리틱스 솔루션이 맹렬한 속도로 계속 출현하고 있다. 데이터 부서는 폭풍의 중심에 있다. 이들은 액세스, 데이터 무결성, 보안, 정책이나 규제 준수가 따라붙는 거버넌스 등 온갖 요구 사이에서 균형을 유지해야 하고, 거버넌스는 정책과 규제에 대한 컴플라이언스를 수반한다. 기업은 최대한 신속히 정보를 얻고 싶어 하고, 위험한 균형 잡기를 인내해 줄 의사가 없다. 데이터 부서는 신속하고 영리하게 행동해야 한다.      현재를 위한 시스템뿐 아니라 미래를 위한 플랫폼도 구축해야 한다는 점에서 예언자도 될 수 있어야 한다. 데이터 부서가 데이터 아키텍처에 있어 가장 먼저 결정할 요소는 개방형이냐 폐쇄형이냐다.    개방형 vs. 폐쇄형 데이터 아키텍처  우선 ‘데이터 아키텍처(Data Architecture)’라는 단어부터 살펴보자. 지난 50년 동안의 기업의 데이터 아키텍처 다이어그램을 그려본다면 이는 데이터 자체라기보다는 사실상 데이터에 작용하는 엔진인 데이터베이스이다. 대표적으로 오라클, DB2, SQL서버, 테라데이터(Teradata), 엑사데이터(Exadata), 스노우플레이크(Snowflake) 등이 있다. 이들은 모두 데이터베이스고, 업무나 분석에 필요한 데이터세트가 로드되는 곳이다. 그리고 ‘데이터 아키텍처’의 토대다. 기본적으로 이들 데이터베이스는 ‘폐쇄형 데이터 아키텍처(Closed Data Architecture)’다. 가치적 표현이 아니라 설명적 표현이다. 여기서 데이터는 다른 애플리케이션에서 격리되고 데이터베이스 엔진을 통해서만 액세스된다. 심지어 ETL(Extract, Transform, and Load) 작업을 하면서 데이터를 옮길 때도 마찬가지다. 내보내기나 가져오기를 할 때 일정 시점에서 반드시 데이터베이스를 거쳐야 하기 때문이다. 그게 최적의 방식인지 아닌지는 문제가 아니다. 데이터가 아키텍처의 나머지 부분에 대해 ‘닫혀’ 있다는 점이 중요하다.  ...

2021.07.07

디스커버FS의 ‘데이터 파이프라인’ 혁신기

실시간으로 데이터 인사이트를 얻기 위해서는 각종 프로세서를 매끄럽게 만들어야 했다. 디스커버FS는 클라우드 네이티브 데이터 패브릭을 구축해 데이터 파이프라인 과정의 자동화를 도모했다.  AI 성공의 핵심 요소 중 하나를 강조한다면 단연 데이터다. 하지만 데이터를 활용하고 분석을 잘 활용하는 조직이라 하더라도 자동화된 데이터 파이프라인을 구축하는 데 고생할 수 있다. 디스커버FS(Discover Financial Services)는 2019년 개발자와 데이터 엔지니어들이 시간이 많이 소요되고 회사의 민첩성을 저해하는 복잡한 수동 프로세스를 처리하는 과정에서 이 문제에 봉착했다. 머신러닝과 실시간 데이터 인사이트를 제대로 활용하기 위해 디스커버FS는 데이터 획득, 품질 고도화, 사용 방법을 혁신해야 했다.  해결 방안은? 메타데이터 기반 자동화, 실시간 소화/로딩, 클라우드 거버넌스를 위해 다양한 서비스를 엮는 자체개발 플랫폼인 클라우드 데이터 패브릭(Cloud Data Fabric)이다.   디스커버FS의 부사장 겸 CIO 아미르 아루니는 “기술 리더들을 모아 문제를 고민하고 초기의 필수 요소를 정리한 후 목표를 달성할 수 있는 방법에 대한 구조적 아이디어를 수립했다. 다양한 엔지니어링 제품 개발자 또는 리더들을 만나 피드백을 얻고 방향을 수정했다”라고 말했다. 예전에는 디스커버의 데이터 파이프라인 구축 프로세스에 개발자와 엔지니어들 사이의 긴 대화가 필요했다. 분석용 데이터 전송에 대해 논의해야 했던 것이다. 논의가 끝나면 개발자들은 운영 데이터베이스에서 데이터를 추출하기 위해 수동으로 스크립트를 작성하고 미가공 데이터를 분석 환경 도착 구역으로 전송하기 위해 스크립트를 예약했다.  데이터 엔지니어들은 스키마 검증 등 다양한 작업을 수행하기 위해 미가공 데이터 파일을 수용하는 특화된 데이터 애플리케이션을 구축했다. 데이터 엔지니어들은 또한 올바른 필드를 토큰화 하기 위해 로직을 프로그래밍할 수 있도록 데이터 민감...

데이터 파이프라인 클라우드 데이터 플랫폼 디스커버FS DFS

2021.07.06

실시간으로 데이터 인사이트를 얻기 위해서는 각종 프로세서를 매끄럽게 만들어야 했다. 디스커버FS는 클라우드 네이티브 데이터 패브릭을 구축해 데이터 파이프라인 과정의 자동화를 도모했다.  AI 성공의 핵심 요소 중 하나를 강조한다면 단연 데이터다. 하지만 데이터를 활용하고 분석을 잘 활용하는 조직이라 하더라도 자동화된 데이터 파이프라인을 구축하는 데 고생할 수 있다. 디스커버FS(Discover Financial Services)는 2019년 개발자와 데이터 엔지니어들이 시간이 많이 소요되고 회사의 민첩성을 저해하는 복잡한 수동 프로세스를 처리하는 과정에서 이 문제에 봉착했다. 머신러닝과 실시간 데이터 인사이트를 제대로 활용하기 위해 디스커버FS는 데이터 획득, 품질 고도화, 사용 방법을 혁신해야 했다.  해결 방안은? 메타데이터 기반 자동화, 실시간 소화/로딩, 클라우드 거버넌스를 위해 다양한 서비스를 엮는 자체개발 플랫폼인 클라우드 데이터 패브릭(Cloud Data Fabric)이다.   디스커버FS의 부사장 겸 CIO 아미르 아루니는 “기술 리더들을 모아 문제를 고민하고 초기의 필수 요소를 정리한 후 목표를 달성할 수 있는 방법에 대한 구조적 아이디어를 수립했다. 다양한 엔지니어링 제품 개발자 또는 리더들을 만나 피드백을 얻고 방향을 수정했다”라고 말했다. 예전에는 디스커버의 데이터 파이프라인 구축 프로세스에 개발자와 엔지니어들 사이의 긴 대화가 필요했다. 분석용 데이터 전송에 대해 논의해야 했던 것이다. 논의가 끝나면 개발자들은 운영 데이터베이스에서 데이터를 추출하기 위해 수동으로 스크립트를 작성하고 미가공 데이터를 분석 환경 도착 구역으로 전송하기 위해 스크립트를 예약했다.  데이터 엔지니어들은 스키마 검증 등 다양한 작업을 수행하기 위해 미가공 데이터 파일을 수용하는 특화된 데이터 애플리케이션을 구축했다. 데이터 엔지니어들은 또한 올바른 필드를 토큰화 하기 위해 로직을 프로그래밍할 수 있도록 데이터 민감...

2021.07.06

‘서비스로의 데이터 과학’··· 신용 기업 익스피리언의 애널리틱스 활용기

소비자 신용 분석 기업 익스피리언(Experian)은 지난 몇 년에 걸쳐 자사의 비즈니스는 물론, 업계의 지형까지도 크게 변화시키고 있다. 애널리틱스와 AI를 활용해서다.  익스피리언 EVP 겸 글로벌 애널리틱스 및 AI 총괄 담당자 쉬리 산타남은 익스피리언의 데이터 트랜스포메이션 작업이 그동안 집중해 온 3대 분야가 있다고 소개했다. 내부 현대화, 애널리틱스 제품 및 서비스 만들기, 고객을 위한 비즈니스 혁신이 그것이다. 산타남은 “코로나의 영향에도 불구하고 당사는 실제로 애널리틱스와 AI의 기본 분야에 상당한 진전을 이루는 데 성공했다”라며 “애널리틱스와 AI의 수요가 극적으로 증가했다. 데이터와 애널리틱스가 어떻게 고객 기업들의 사업 운영 방식에 더 나은 의사 결정을 내리도록 도울 수 있는지에 대해 관심이 있다”라고 말했다. 익스피리언은 고객사의 사업에 일대 혁신을 일으킬 수 있는 애널리틱스 제품을 만들고자 하며 그 사례 중 하나가 바로 어센드 인텔리전스 서비스(Ascend Intelligence Services)이다. 대출 업체들에게 AI를 이용한 모델링 및 전략 개발, 관리 및 배치 등을 제공하는 관리 애널리틱스 서비스이다.  익스피리언 데이터 과학자들은 ML 커스텀 신용 위험 모델을 구축하고 결정 전략을 최적화하며 고객들을 위해 모델을 생산 상태로 배치한다. 여러 어센드 인텔리전스 서비스 중에는 협업 모델 개발 서비스인 챌린저와 사전적 모델 모니터링 및 검증 서비스인 펄스가 있다. 서비스로서의 데이터 과학 미국 텍사스에 위치한 중간 규모 대출 업체 아틀라스 크레딧(Atlas Credit)은 최근 익스피리언 어센드 인텔리전스 서비스를 활용한 사례를 통해 CIO 100 IT 우수상을 수상했다. 이 서비스의 도움으로 아틀라스 크레딧은 신용 손실을 최대 20% 줄이는 한편 신용 승인률은 2배로 늘렸다. 아틀라스 크레딧은 텍사스, 오클라호마, 버지니아의 신용 불량자들을 위한 개인 할부 대출을 전문으로 하는 업체이다. 성장을 모색했...

익스피리언 애널리틱스 서비스로서의 데이터 과학 신용

2021.07.01

소비자 신용 분석 기업 익스피리언(Experian)은 지난 몇 년에 걸쳐 자사의 비즈니스는 물론, 업계의 지형까지도 크게 변화시키고 있다. 애널리틱스와 AI를 활용해서다.  익스피리언 EVP 겸 글로벌 애널리틱스 및 AI 총괄 담당자 쉬리 산타남은 익스피리언의 데이터 트랜스포메이션 작업이 그동안 집중해 온 3대 분야가 있다고 소개했다. 내부 현대화, 애널리틱스 제품 및 서비스 만들기, 고객을 위한 비즈니스 혁신이 그것이다. 산타남은 “코로나의 영향에도 불구하고 당사는 실제로 애널리틱스와 AI의 기본 분야에 상당한 진전을 이루는 데 성공했다”라며 “애널리틱스와 AI의 수요가 극적으로 증가했다. 데이터와 애널리틱스가 어떻게 고객 기업들의 사업 운영 방식에 더 나은 의사 결정을 내리도록 도울 수 있는지에 대해 관심이 있다”라고 말했다. 익스피리언은 고객사의 사업에 일대 혁신을 일으킬 수 있는 애널리틱스 제품을 만들고자 하며 그 사례 중 하나가 바로 어센드 인텔리전스 서비스(Ascend Intelligence Services)이다. 대출 업체들에게 AI를 이용한 모델링 및 전략 개발, 관리 및 배치 등을 제공하는 관리 애널리틱스 서비스이다.  익스피리언 데이터 과학자들은 ML 커스텀 신용 위험 모델을 구축하고 결정 전략을 최적화하며 고객들을 위해 모델을 생산 상태로 배치한다. 여러 어센드 인텔리전스 서비스 중에는 협업 모델 개발 서비스인 챌린저와 사전적 모델 모니터링 및 검증 서비스인 펄스가 있다. 서비스로서의 데이터 과학 미국 텍사스에 위치한 중간 규모 대출 업체 아틀라스 크레딧(Atlas Credit)은 최근 익스피리언 어센드 인텔리전스 서비스를 활용한 사례를 통해 CIO 100 IT 우수상을 수상했다. 이 서비스의 도움으로 아틀라스 크레딧은 신용 손실을 최대 20% 줄이는 한편 신용 승인률은 2배로 늘렸다. 아틀라스 크레딧은 텍사스, 오클라호마, 버지니아의 신용 불량자들을 위한 개인 할부 대출을 전문으로 하는 업체이다. 성장을 모색했...

2021.07.01

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

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

Copyright © 2022 International Data Group. All rights reserved.

10.5.0.9