Offcanvas

��������� ���������������

주피터부터 R스튜디오까지··· ‘데이터 과학’ 필수템 8선

기업들이 비즈니스 가치를 얻기 위해 ‘데이터 과학’에 점점 더 관심을 기울이면서 이를 지원하는 도구도 급증하고 있다. 여기서는 데이터 과학자가 주로 사용하는 도구를 살펴본다.  데이터 과학 열기가 식을 줄 모른다. 한때 데이터를 수집하고 분석하는 일은 연구소에 있는 소수의 과학자만 할 수 있다고 간주됐다. 하지만 이제는 모든 기업이 데이터 과학을 활용해 조직을 간소화하고 고객을 만족시키고 싶어 한다. 데이터 과학 도구가 이러한 수요를 충족시키기 위해 성장 중이다. 불과 몇 년 전만 해도 데이터 과학자는 명령줄 그리고 몇 안 되는 오픈소스 패키지를 사용했다. 이제는 데이터 과학의 많은 허드렛일(예: 데이터 클렌징 등)을 처리하는 전문 도구가 속속 개발되고 있다.  규모도 변하고 있다. 원래 데이터 과학은 과학자가 열심히 실험한 후 행하는 숫자 작업에 불과했다. 이제 데이터 과학은 워크플로우의 가장 중요한 부분이다. 오늘날 기업들은 현황을 신속하게 파악하기 위해 비즈니스 보고에 수학적 분석을 통합하고 대시보드를 구축한다. 아울러 속도도 빨라지고 있다. 한때 연간 또는 분기로 이뤄졌던 분석 작업은 이제 실시간으로 실행된다. 기업들은 관리자와 직원이 현명한 결정을 내릴 뿐만 아니라 데이터 과학이 제공하는 모든 것을 활용할 수 있도록 현재 무슨 일이 일어나고 있는지 파악하고 싶어 한다.  여기서는 끝없는 데이터 흐름 분석에 정확성과 과학을 더하는 도구들을 소개한다.    주피터 노트북(Jupyter Notebooks) 단어, 코드, 데이터 묶음은 ‘공통어(lingua franca)’가 됐다. 변하지 않는 분석과 콘텐츠로 채워진 정적 PDF는 영구적 기록을 생성하기 때문에 여전히 가치 있지만 데이터 과학자는 하부의 메커니즘을 이리저리 손보고 싶어 한다. 주피터 노트북을 사용하면 단순히 정보를 확인하는 것 이상의 일을 할 수 있다. 노트북은 매스매티카(Mathermatica; 계산용 소프트웨어)의 유연성을 차용...

데이터 과학 데이터 애널리틱스 애널리틱스 도구 주피터 노트북 R스튜디오 스위브 니터 IDE GPU

2022.05.10

기업들이 비즈니스 가치를 얻기 위해 ‘데이터 과학’에 점점 더 관심을 기울이면서 이를 지원하는 도구도 급증하고 있다. 여기서는 데이터 과학자가 주로 사용하는 도구를 살펴본다.  데이터 과학 열기가 식을 줄 모른다. 한때 데이터를 수집하고 분석하는 일은 연구소에 있는 소수의 과학자만 할 수 있다고 간주됐다. 하지만 이제는 모든 기업이 데이터 과학을 활용해 조직을 간소화하고 고객을 만족시키고 싶어 한다. 데이터 과학 도구가 이러한 수요를 충족시키기 위해 성장 중이다. 불과 몇 년 전만 해도 데이터 과학자는 명령줄 그리고 몇 안 되는 오픈소스 패키지를 사용했다. 이제는 데이터 과학의 많은 허드렛일(예: 데이터 클렌징 등)을 처리하는 전문 도구가 속속 개발되고 있다.  규모도 변하고 있다. 원래 데이터 과학은 과학자가 열심히 실험한 후 행하는 숫자 작업에 불과했다. 이제 데이터 과학은 워크플로우의 가장 중요한 부분이다. 오늘날 기업들은 현황을 신속하게 파악하기 위해 비즈니스 보고에 수학적 분석을 통합하고 대시보드를 구축한다. 아울러 속도도 빨라지고 있다. 한때 연간 또는 분기로 이뤄졌던 분석 작업은 이제 실시간으로 실행된다. 기업들은 관리자와 직원이 현명한 결정을 내릴 뿐만 아니라 데이터 과학이 제공하는 모든 것을 활용할 수 있도록 현재 무슨 일이 일어나고 있는지 파악하고 싶어 한다.  여기서는 끝없는 데이터 흐름 분석에 정확성과 과학을 더하는 도구들을 소개한다.    주피터 노트북(Jupyter Notebooks) 단어, 코드, 데이터 묶음은 ‘공통어(lingua franca)’가 됐다. 변하지 않는 분석과 콘텐츠로 채워진 정적 PDF는 영구적 기록을 생성하기 때문에 여전히 가치 있지만 데이터 과학자는 하부의 메커니즘을 이리저리 손보고 싶어 한다. 주피터 노트북을 사용하면 단순히 정보를 확인하는 것 이상의 일을 할 수 있다. 노트북은 매스매티카(Mathermatica; 계산용 소프트웨어)의 유연성을 차용...

2022.05.10

‘데이터를 가치로 바꾼다’··· 데이터과학 ABC

데이터 과학은 통계 분석에서 머신러닝에 이르는 각종 접근법을 사용하여 정형 및 비정형 데이터에서 통찰력을 얻는 방법을 의미한다. 대부분의 조직에서는 매출 개선, 비용 절감, 비즈니스 민첩성, 고객 경험 개선, 신제품 개발 등의 형태로 데이터를 가치로 변환하기 위해 사용된다. 즉 데이터 과학은 조직이 수집한 수많은 데이터에 목적과 가치를 부여한다.   데이터 과학 vs. 데이터 애널리틱스 밀접한 관계이기는 하지만 같은 용어는 아니다. 데이터 애널리틱스는 조직의 데이터가 어떤 모습인지 이해하는 데 사용되는 데이터 과학의 구성 요소이다. 데이터 과학은 애널리틱스의 산출물을 이용하여 문제를 해결한다.  데이터 과학자들은 데이터로 무언가를 조사하는 것은 단순히 분석이라고 말하곤 한다. 데이터 과학은 문제를 설명하고 해결하기 위해 분석을 또 다른 단계로 나아가게 한다. 데이터 애널리틱스와 데이터 과학 간의 차이는 또한 시간 척도(timescale)에서도 나타난다. 데이터 애널리틱스는 현재의 현실 상태를 기술하는 반면, 데이터 과학은 미래를 예측 또는 이해하기 위해 데이터를 사용한다.  장점 데이터 과학의 비즈니스 가치는 각 조직과 조직의 필요에 따라 다르다. 가령 데이터 과학은 하드웨어 장애를 예측하도록 도울 수 있어 다운타임을 방지할 수 있게 해준다. 매장 진열대에 무엇을 놓을 것인지, 혹은 제품의 특성에 기초하여 그것이 얼마나 인기가 있을 것인지를 예측하는 데 도움이 될 수도 있다. 데이터 과학의 비즈니스 가치에 대한 자세한 통찰력에 대해서는 ‘데이터 애널리틱스의 예상치 못한 이점’(영문)과 ‘데이터 애널리틱스이라는 암흑 과학 설명’(영문)을 참조한다.   ->나쁜 데이터 과학자 구별하기 '8가지 신호' ->이상은 '데이터 과학자', 현실은 '디지털 청소부' ->데이터 과학자에 관한 4가지 오해 일자리 데이터 과학 학위 프로그램의 수는 빠르게 증가하고 있지만, 조직이 데이터 과학자를 구...

데이터 과학팀 데이터 과학자 데이터 애널리틱스

2022.04.26

데이터 과학은 통계 분석에서 머신러닝에 이르는 각종 접근법을 사용하여 정형 및 비정형 데이터에서 통찰력을 얻는 방법을 의미한다. 대부분의 조직에서는 매출 개선, 비용 절감, 비즈니스 민첩성, 고객 경험 개선, 신제품 개발 등의 형태로 데이터를 가치로 변환하기 위해 사용된다. 즉 데이터 과학은 조직이 수집한 수많은 데이터에 목적과 가치를 부여한다.   데이터 과학 vs. 데이터 애널리틱스 밀접한 관계이기는 하지만 같은 용어는 아니다. 데이터 애널리틱스는 조직의 데이터가 어떤 모습인지 이해하는 데 사용되는 데이터 과학의 구성 요소이다. 데이터 과학은 애널리틱스의 산출물을 이용하여 문제를 해결한다.  데이터 과학자들은 데이터로 무언가를 조사하는 것은 단순히 분석이라고 말하곤 한다. 데이터 과학은 문제를 설명하고 해결하기 위해 분석을 또 다른 단계로 나아가게 한다. 데이터 애널리틱스와 데이터 과학 간의 차이는 또한 시간 척도(timescale)에서도 나타난다. 데이터 애널리틱스는 현재의 현실 상태를 기술하는 반면, 데이터 과학은 미래를 예측 또는 이해하기 위해 데이터를 사용한다.  장점 데이터 과학의 비즈니스 가치는 각 조직과 조직의 필요에 따라 다르다. 가령 데이터 과학은 하드웨어 장애를 예측하도록 도울 수 있어 다운타임을 방지할 수 있게 해준다. 매장 진열대에 무엇을 놓을 것인지, 혹은 제품의 특성에 기초하여 그것이 얼마나 인기가 있을 것인지를 예측하는 데 도움이 될 수도 있다. 데이터 과학의 비즈니스 가치에 대한 자세한 통찰력에 대해서는 ‘데이터 애널리틱스의 예상치 못한 이점’(영문)과 ‘데이터 애널리틱스이라는 암흑 과학 설명’(영문)을 참조한다.   ->나쁜 데이터 과학자 구별하기 '8가지 신호' ->이상은 '데이터 과학자', 현실은 '디지털 청소부' ->데이터 과학자에 관한 4가지 오해 일자리 데이터 과학 학위 프로그램의 수는 빠르게 증가하고 있지만, 조직이 데이터 과학자를 구...

2022.04.26

올해 ‘데이터 애널리틱스’ 핵심 키워드는 “ESG·공급망·제품화”

2022년에는 ▲공급망 가시성, ▲데이터 제품의 정확한 가치 평가, ▲지속가능성 및 최적화를 위한 데이터 활용이 중요할 전망이다.  ‘데이터 애널리틱스’는 계속해서 변화하는 영역이다. 2020년 초, 기업들은 디지털 트랜스포메이션을 지원하기 위해 애널리틱스에 집중적인 투자를 지속할 것처럼 보였다. 그러나 코로나19 팬데믹이 발발했다. 팬데믹 초기, 기업들은 긴축에 나서면서 데이터와 애널리틱스 투자를 줄이고, 원격인력 지원 등의 다른 긴급한 우선순위에 집중하는 것처럼 보였다. 하지만 많은 기업은 데이터 및 애널리틱스와 AI 도입을 가속화했다. 지난 2020년 7월 발표된 KPMG 보고서에 따르면 전체 설문조사 응답자의 67%는 팬데믹에 따라 디지털 트랜스포메이션 전략을 가속했으며, 63%는 디지털 트랜스포메이션 예산을 늘렸다고 밝혔다. 그 이후로도 속도는 느려지지 않았다. 포춘 비즈니스 인사이트(Fortune Business Insights)는 글로벌 빅데이터 애널리틱스 시장이 13.2%의 CAGR(2008~2021)로 2028년에는 미화 5,497억 달러까지 성장하리라 예측했다.  2022년, IT 리더가 데이터 애널리틱스 및 AI와 관련해 염두에 둬야 할 3가지 트렌드를 살펴본다.    공급망이 중요하다 팬데믹은 글로벌 공급망에 엄청난 충격을 줬다. 항구에 입항하려는 선박이 끝없이 줄을 서 있었고, 물류센터에는 컨테이너가 쌓여 있었으며, 때에 따라 재고가 바닥나기도 했다. 이에 따라 많은 기업에서 공급망 애널리틱스는 필수적인 비즈니스 구성요소가 되고 있다. 웨스트 먼로(West Monroe)의 데이터 및 애널리틱스 전략 혁신 책임자 더그 래니는 “대부분의 기업은 공급망의 단일 수준, 즉 공급업체가 누구인지, 대체 공급업체를 어떻게 확보할 것인지만 집중한다. 그러나 점점 더 많은 기업이 다단계 공급망 가시성을 살펴보기 시작하리라 예상한다. 가격 지수를 예측하기 위해서다. 또 공급업체뿐만 아니라 공급업체의 공급업체의...

데이터 데이터 애널리틱스 데이터 분석 공급망 지속가능성 ESG 디지털 트윈 디지털 트랜스포메이션

2022.03.22

2022년에는 ▲공급망 가시성, ▲데이터 제품의 정확한 가치 평가, ▲지속가능성 및 최적화를 위한 데이터 활용이 중요할 전망이다.  ‘데이터 애널리틱스’는 계속해서 변화하는 영역이다. 2020년 초, 기업들은 디지털 트랜스포메이션을 지원하기 위해 애널리틱스에 집중적인 투자를 지속할 것처럼 보였다. 그러나 코로나19 팬데믹이 발발했다. 팬데믹 초기, 기업들은 긴축에 나서면서 데이터와 애널리틱스 투자를 줄이고, 원격인력 지원 등의 다른 긴급한 우선순위에 집중하는 것처럼 보였다. 하지만 많은 기업은 데이터 및 애널리틱스와 AI 도입을 가속화했다. 지난 2020년 7월 발표된 KPMG 보고서에 따르면 전체 설문조사 응답자의 67%는 팬데믹에 따라 디지털 트랜스포메이션 전략을 가속했으며, 63%는 디지털 트랜스포메이션 예산을 늘렸다고 밝혔다. 그 이후로도 속도는 느려지지 않았다. 포춘 비즈니스 인사이트(Fortune Business Insights)는 글로벌 빅데이터 애널리틱스 시장이 13.2%의 CAGR(2008~2021)로 2028년에는 미화 5,497억 달러까지 성장하리라 예측했다.  2022년, IT 리더가 데이터 애널리틱스 및 AI와 관련해 염두에 둬야 할 3가지 트렌드를 살펴본다.    공급망이 중요하다 팬데믹은 글로벌 공급망에 엄청난 충격을 줬다. 항구에 입항하려는 선박이 끝없이 줄을 서 있었고, 물류센터에는 컨테이너가 쌓여 있었으며, 때에 따라 재고가 바닥나기도 했다. 이에 따라 많은 기업에서 공급망 애널리틱스는 필수적인 비즈니스 구성요소가 되고 있다. 웨스트 먼로(West Monroe)의 데이터 및 애널리틱스 전략 혁신 책임자 더그 래니는 “대부분의 기업은 공급망의 단일 수준, 즉 공급업체가 누구인지, 대체 공급업체를 어떻게 확보할 것인지만 집중한다. 그러나 점점 더 많은 기업이 다단계 공급망 가시성을 살펴보기 시작하리라 예상한다. 가격 지수를 예측하기 위해서다. 또 공급업체뿐만 아니라 공급업체의 공급업체의...

2022.03.22

에어 캐나다, ‘데이터 애널리틱스’로 더 높게 날아오르다

안전은 ‘에어 캐나다(Air Canada)’가 시종일관 강조하는 우선순위다. 따라서 이 항공사는 안전과 관련된 데이터를 직원들에게 적합한 형태로, 필요한 모든 곳에 전달할 수 있도록 데이터 트랜스포메이션을 시작했다.  에어 캐나다에서 안전은 매우 중요하다. 그리고 이를 강화하기 위한 데이터 전략을 이끄는 샤울 샬레브에 따르면 안전과 관련된 인사이트를 전달하는 방식 또한 중요하다. 이 항공사의 안전 애널리틱스 및 혁신 부문 책임자인 그는 “다양한 매체에 맞춰 다양한 버전의 데이터를 생성하는 데 대부분의 시간을 투자한다”라고 말했다.    이는 항공사 직원들이 버튼을 누르거나 음성 명령을 통해 중요한 안전 정보에 접근할 수 있도록 하는 데 중점을 두고 있다. 또한 이는 2차원적인 기존 비즈니스 인텔리전스 도구를 넘어서 데이터 대시보드에 연결된 증강현실 애플리케이션, 음성으로 정보를 제공하는 스마트 스피커, 일일 안전사고 건수 등의 KPI를 손목에서 한눈에 볼 수 있는 스마트워치 앱을 아우른다.  샬레브에 따르면 이는 모두 직원들의 니즈나 선호도에 적합한 형태로 데이터를 전달하려는 전략의 일환이다. “모든 직원이 각자 선호하는 매체에서 필요한 데이터를 제공받을 수 있다”라며, “이는 에어 캐나다의 BI 여정이 지향하는 곳이다”라고 그는 덧붙였다. 데이터 애널리틱스로의 도약  이러한 혁신은 이를 뒷받침하는 정교한 데이터 플랫폼 없이는 불가능하다. 에어 캐나다의 BI 여정은 몇 년 전 기존의 안전 관리 시스템(SMS)을 현대화하면서부터 시작됐다. 코로나19 사태 이전에 이 항공사를 이용하는 승객은 매년 5,000만 명 이상이었고, 여름 성수기에는 일일 항공편이 무려 1,500편에 달했다. 즉, 관리해야 할 데이터가 엄청나게 많다는 의미다. 레거시 시스템을 사용할 때 직원들은 안전 또는 위험 보고서를 작성한 후 담당 관리자에게 제출해야 했다. 이는 하나의 보고서를 작성하기 위해 3~4명과 연락해야 하는 복잡하고 시간 ...

데이터 애널리틱스 데이터 트랜스포메이션 비즈니스 인텔리전스 데이터 분석

2022.03.08

안전은 ‘에어 캐나다(Air Canada)’가 시종일관 강조하는 우선순위다. 따라서 이 항공사는 안전과 관련된 데이터를 직원들에게 적합한 형태로, 필요한 모든 곳에 전달할 수 있도록 데이터 트랜스포메이션을 시작했다.  에어 캐나다에서 안전은 매우 중요하다. 그리고 이를 강화하기 위한 데이터 전략을 이끄는 샤울 샬레브에 따르면 안전과 관련된 인사이트를 전달하는 방식 또한 중요하다. 이 항공사의 안전 애널리틱스 및 혁신 부문 책임자인 그는 “다양한 매체에 맞춰 다양한 버전의 데이터를 생성하는 데 대부분의 시간을 투자한다”라고 말했다.    이는 항공사 직원들이 버튼을 누르거나 음성 명령을 통해 중요한 안전 정보에 접근할 수 있도록 하는 데 중점을 두고 있다. 또한 이는 2차원적인 기존 비즈니스 인텔리전스 도구를 넘어서 데이터 대시보드에 연결된 증강현실 애플리케이션, 음성으로 정보를 제공하는 스마트 스피커, 일일 안전사고 건수 등의 KPI를 손목에서 한눈에 볼 수 있는 스마트워치 앱을 아우른다.  샬레브에 따르면 이는 모두 직원들의 니즈나 선호도에 적합한 형태로 데이터를 전달하려는 전략의 일환이다. “모든 직원이 각자 선호하는 매체에서 필요한 데이터를 제공받을 수 있다”라며, “이는 에어 캐나다의 BI 여정이 지향하는 곳이다”라고 그는 덧붙였다. 데이터 애널리틱스로의 도약  이러한 혁신은 이를 뒷받침하는 정교한 데이터 플랫폼 없이는 불가능하다. 에어 캐나다의 BI 여정은 몇 년 전 기존의 안전 관리 시스템(SMS)을 현대화하면서부터 시작됐다. 코로나19 사태 이전에 이 항공사를 이용하는 승객은 매년 5,000만 명 이상이었고, 여름 성수기에는 일일 항공편이 무려 1,500편에 달했다. 즉, 관리해야 할 데이터가 엄청나게 많다는 의미다. 레거시 시스템을 사용할 때 직원들은 안전 또는 위험 보고서를 작성한 후 담당 관리자에게 제출해야 했다. 이는 하나의 보고서를 작성하기 위해 3~4명과 연락해야 하는 복잡하고 시간 ...

2022.03.08

‘노코드 AI’에서 미래를 보다··· 엑스페리언 데이터랩의 혁신 이야기

글로벌 신용정보평가사 ‘엑스페리언(Experian)’은 데이터를 원동력으로 하는 회사라는 사실에 자부심을 갖고 있다. 그리고 이러한 데이터 중심 활동의 선봉에는 ‘엑스페리언 데이터랩(Experian DataLabs)’이 있다. 이 사업부는 데이터로 비즈니스를 혁신할 기회를 모색하고 있다.  엑스페리언 데이터랩의 수석 부사장 겸 최고 데이터 과학자 케빈 첸은 “고객이 고수익을 얻을 기회를 포착하면 연구 자원을 투입하여 상품화 가능한 프로토타입을 개발한다”라고 말했다.  그에 따르면 데이터랩 팀은 자유롭게 실험하고 아이디어를 솔루션화하면 이를 실행할 사업부에 넘긴 다음 다시 새로운 것에 관심을 쏟는다. 첸은 “항상 새로운 아이디어를 시도해볼 수 있다. 이는 인재를 끌어들이는 하나의 매력 포인트다”라고 언급했다.    ‘노코드 AI’의 이점 엑스페리언 데이터랩은 솔루션이 비즈니스를 변혁할 수 있는 문제를 파악하는 데 중점을 두고 있으며, 첸은 이를 ‘영향력이 큰 문제(high-impact problems)’라고 부른다.  그는 소비자 신용부터 기업 신용, 온/오프라인 마케팅, 의료 정보 기술까지 여러 엑스페리언 사업부의 데이터를 연결했던 프로젝트를 예로 들었다. “과거 엑스페리언의 모든 데이터는 분산돼 있었고, 서로 연결돼 있지 않았다”라며, “그 모든 데이터를 함께 연계하는 건 간단한 일이 아니었다. 한 데이터가 데이터세트에 여러 방식으로 나타날 수 있기 때문이다. 데이터랩은 머신러닝을 활용하여 데이터세트를 학습하고 개별 데이터를 일치시켜 이 문제를 해결했다. 솔루션을 구축해보니 한 데이터세트에서 15~16개의 서로 다른 애플리케이션이 쏟아져 나왔다”라고 첸은 설명했다. 현재 ‘노코드 AI(No-code AI)’는 데이터랩의 주요 연구 분야다. 노코드 AI를 사용하면 드래그 앤드 드롭 인터페이스로 AI 및 머신러닝 모델을 구축할 수 있어 데이터 과학자 없이 일반 사용자도 AI를 활용할 수 있다. 하지만 첸은 ...

데이터 데이터 애널리틱스 노코드 AI 딥러닝 자연어 이해 자연어 처리 머신러닝 ML옵스 오토ML 비즈니스 인텔리전스 BI

2022.02.25

글로벌 신용정보평가사 ‘엑스페리언(Experian)’은 데이터를 원동력으로 하는 회사라는 사실에 자부심을 갖고 있다. 그리고 이러한 데이터 중심 활동의 선봉에는 ‘엑스페리언 데이터랩(Experian DataLabs)’이 있다. 이 사업부는 데이터로 비즈니스를 혁신할 기회를 모색하고 있다.  엑스페리언 데이터랩의 수석 부사장 겸 최고 데이터 과학자 케빈 첸은 “고객이 고수익을 얻을 기회를 포착하면 연구 자원을 투입하여 상품화 가능한 프로토타입을 개발한다”라고 말했다.  그에 따르면 데이터랩 팀은 자유롭게 실험하고 아이디어를 솔루션화하면 이를 실행할 사업부에 넘긴 다음 다시 새로운 것에 관심을 쏟는다. 첸은 “항상 새로운 아이디어를 시도해볼 수 있다. 이는 인재를 끌어들이는 하나의 매력 포인트다”라고 언급했다.    ‘노코드 AI’의 이점 엑스페리언 데이터랩은 솔루션이 비즈니스를 변혁할 수 있는 문제를 파악하는 데 중점을 두고 있으며, 첸은 이를 ‘영향력이 큰 문제(high-impact problems)’라고 부른다.  그는 소비자 신용부터 기업 신용, 온/오프라인 마케팅, 의료 정보 기술까지 여러 엑스페리언 사업부의 데이터를 연결했던 프로젝트를 예로 들었다. “과거 엑스페리언의 모든 데이터는 분산돼 있었고, 서로 연결돼 있지 않았다”라며, “그 모든 데이터를 함께 연계하는 건 간단한 일이 아니었다. 한 데이터가 데이터세트에 여러 방식으로 나타날 수 있기 때문이다. 데이터랩은 머신러닝을 활용하여 데이터세트를 학습하고 개별 데이터를 일치시켜 이 문제를 해결했다. 솔루션을 구축해보니 한 데이터세트에서 15~16개의 서로 다른 애플리케이션이 쏟아져 나왔다”라고 첸은 설명했다. 현재 ‘노코드 AI(No-code AI)’는 데이터랩의 주요 연구 분야다. 노코드 AI를 사용하면 드래그 앤드 드롭 인터페이스로 AI 및 머신러닝 모델을 구축할 수 있어 데이터 과학자 없이 일반 사용자도 AI를 활용할 수 있다. 하지만 첸은 ...

2022.02.25

“CFO들, AI/ML 스킬 확보하고자 기술 투자에 열심” 워크데이

워크데이(Workday)의 새로운 보고서에 따르면 최고재무책임자(CFO)가 AI/ML 스킬을 갖춘 인재 및 인력을 확보하고 유지하기 위한 기술 투자에 열심인 것으로 나타났다.    재무 관리 및 인적 자원 소프트웨어 업체 워크데이가 지난주 발표한 ‘글로벌 CFO 현황 설문조사(Global CFO Indicator Survey)’에 의하면 절반에 가까운 CFO(48%)가 재무 인재를 유치하기 위해 향후 5년 이내에 ‘소비자형(consumer-like)’ 인터페이스에 투자할 계획이며, 57%는 신입사원이 갖추길 바라는 역량으로 AI 및 ML 스킬을 꼽았다.  워크데이는 호주, 뉴질랜드, 싱가포르, 미국, 프랑스, 독일, 영국 기업(직원 수 500명에서 5,000명 이상)의 최고재무책임자 276명을 대상으로 온라인 설문조사를 실시했다. 해당 설문조사 결과에 따르면 CFO들의 40%가 5년 전만 해도 찾지 않았던 ‘애널리틱스 및 데이터 스토리텔링 스킬’을 우선시하고 있는 것으로 조사됐다.    워크데이의 최고회계책임자 필리파 로렌스에 의하면 AI를 통해 CFO들은 스프레드시트와 숫자를 샅샅이 뒤지는 시간을 줄이고, 비즈니스 가치 측면에서 빅데이터가 무엇을 의미하는지 설명하는 데 더 많은 시간을 할애할 수 있다. 또 CFO들은 AI/ML을 사용해 데이터에서 정보를 얻을 뿐만 아니라 해당 데이터의 중요성을 이야기할 수 있는 직원을 찾고 있는 것으로 드러났다. 그는 “이번 설문조사를 통해 CFO들이 그러한 이야기를 할 수 있는 역량을 원한다는 점을 알 수 있었다. 데이터를 언급하지 않는다면 아무도 그 이야기에 귀를 기울이지 않을 것”이라고 말했다.  포레스터 리서치에 따르면 5개 중 1개 기업이 비즈니스 인사이트 딜리버리를 강화하기 위해 AI 투자를 2배로 늘릴 계획이다. 아울러 포레스터는 지난 2021년 10월 공개한 ‘2022 전망: 인공지능(Predictions 2022: Artificial Intell...

최고재무책임자 CFO 인재 채용 인력 채용 인공지능 머신러닝 데이터 애널리틱스 IT 스킬

2022.01.25

워크데이(Workday)의 새로운 보고서에 따르면 최고재무책임자(CFO)가 AI/ML 스킬을 갖춘 인재 및 인력을 확보하고 유지하기 위한 기술 투자에 열심인 것으로 나타났다.    재무 관리 및 인적 자원 소프트웨어 업체 워크데이가 지난주 발표한 ‘글로벌 CFO 현황 설문조사(Global CFO Indicator Survey)’에 의하면 절반에 가까운 CFO(48%)가 재무 인재를 유치하기 위해 향후 5년 이내에 ‘소비자형(consumer-like)’ 인터페이스에 투자할 계획이며, 57%는 신입사원이 갖추길 바라는 역량으로 AI 및 ML 스킬을 꼽았다.  워크데이는 호주, 뉴질랜드, 싱가포르, 미국, 프랑스, 독일, 영국 기업(직원 수 500명에서 5,000명 이상)의 최고재무책임자 276명을 대상으로 온라인 설문조사를 실시했다. 해당 설문조사 결과에 따르면 CFO들의 40%가 5년 전만 해도 찾지 않았던 ‘애널리틱스 및 데이터 스토리텔링 스킬’을 우선시하고 있는 것으로 조사됐다.    워크데이의 최고회계책임자 필리파 로렌스에 의하면 AI를 통해 CFO들은 스프레드시트와 숫자를 샅샅이 뒤지는 시간을 줄이고, 비즈니스 가치 측면에서 빅데이터가 무엇을 의미하는지 설명하는 데 더 많은 시간을 할애할 수 있다. 또 CFO들은 AI/ML을 사용해 데이터에서 정보를 얻을 뿐만 아니라 해당 데이터의 중요성을 이야기할 수 있는 직원을 찾고 있는 것으로 드러났다. 그는 “이번 설문조사를 통해 CFO들이 그러한 이야기를 할 수 있는 역량을 원한다는 점을 알 수 있었다. 데이터를 언급하지 않는다면 아무도 그 이야기에 귀를 기울이지 않을 것”이라고 말했다.  포레스터 리서치에 따르면 5개 중 1개 기업이 비즈니스 인사이트 딜리버리를 강화하기 위해 AI 투자를 2배로 늘릴 계획이다. 아울러 포레스터는 지난 2021년 10월 공개한 ‘2022 전망: 인공지능(Predictions 2022: Artificial Intell...

2022.01.25

벤더 기고ㅣ‘Why’에서 ‘How’로 이동한 데이터 분석, 2022년 본격적 확산이 기대되는 이유

선언이 명제가 되기까지 걸린 시간은 불과 3년 여에 불과했다. 데이터가 석유를 넘어 가장 가치 있는 자원으로 부상했다고 설파한 2017년 이코노미스트지의 선언은 이제 거의 모든 기업, 대부분의 임원이 수용하는 현실이 됐다. 사실상 모든 조직이 데이터에 기반해 빠르고 정확하게 의사결정을 내리는 방법을 찾기 위해 분주하게 움직이는 양상이다. 심지어는 UAE, 사우디 아라비아, 이집트와 같은 중동 지역의 국가들까지 데이터 기반의 인공지능에서 성장 모델을 찾을 정도다.    당위성이 수용되고 공감대가 마련됐지만 기업들의 자신감은 그리 높지 않았다. 2020년 IDC 조사에 따르면 포춘 500대 기업의 C레벨 임원 중 데이터 기반 의사 결정의 필요성을 인정한 비율은 83%였지만, 소속 조직에서 이를 구현할 수 있을 것이라고 응답한 비율은 33%에 불과했다. 최근까지만 해도 포춘 500대 기업에 속하는 조직의 무려 2/3가 데이터 기반 비즈니스에 대한 구체적인 비전을 수립하지 못하고 있었던 셈이다.  2022년, 데이터 활용의 새 물결 온다 2020년 이후 전 세계를 강타한 팬데믹 사태는 기업들의 변화를 강제했다. 조직 운영 방식이 변화했으며, 비즈니스가 이뤄지는 방식 또한 변화했다. 그리고 이러한 변화는 기업들의 태도에도 영향을 미쳤다. 빠르고 유연하게 변화해야만 생존할 수 있다는 인식이 확산된 것이다. 이는 기업들이 데이터를 바라보는 방식 또한 달라지게 만들었다.  태블로는 국내 기업들의 현실 움직임에서 이를 포착하고 있다. 데이터 문화 구축, 데이터 기반의 조직과 같은 명제를 넘어서 실제 데이터 기반 결정 역량을 빠르게 확보하려는 동향이 선명히 출현하는 양상이다. 이제 데이터 기반 조직으로의 변화 필요성을 강조할 필요가 없을 정도다. ‘Why’와 ‘What’이 규명된 가운데, 기업들은 이제 실제 조직원들이 데이터를 활용할 수 있도록 하는 ‘Data enablement’에 구체적으로 투자하고 있다. 이를 반영하...

태블로 데이터 애널리틱스 데이터 분석 인공지능 디지털 네이티브 기업 데이터 리터러시 데이터 활용

2021.12.30

선언이 명제가 되기까지 걸린 시간은 불과 3년 여에 불과했다. 데이터가 석유를 넘어 가장 가치 있는 자원으로 부상했다고 설파한 2017년 이코노미스트지의 선언은 이제 거의 모든 기업, 대부분의 임원이 수용하는 현실이 됐다. 사실상 모든 조직이 데이터에 기반해 빠르고 정확하게 의사결정을 내리는 방법을 찾기 위해 분주하게 움직이는 양상이다. 심지어는 UAE, 사우디 아라비아, 이집트와 같은 중동 지역의 국가들까지 데이터 기반의 인공지능에서 성장 모델을 찾을 정도다.    당위성이 수용되고 공감대가 마련됐지만 기업들의 자신감은 그리 높지 않았다. 2020년 IDC 조사에 따르면 포춘 500대 기업의 C레벨 임원 중 데이터 기반 의사 결정의 필요성을 인정한 비율은 83%였지만, 소속 조직에서 이를 구현할 수 있을 것이라고 응답한 비율은 33%에 불과했다. 최근까지만 해도 포춘 500대 기업에 속하는 조직의 무려 2/3가 데이터 기반 비즈니스에 대한 구체적인 비전을 수립하지 못하고 있었던 셈이다.  2022년, 데이터 활용의 새 물결 온다 2020년 이후 전 세계를 강타한 팬데믹 사태는 기업들의 변화를 강제했다. 조직 운영 방식이 변화했으며, 비즈니스가 이뤄지는 방식 또한 변화했다. 그리고 이러한 변화는 기업들의 태도에도 영향을 미쳤다. 빠르고 유연하게 변화해야만 생존할 수 있다는 인식이 확산된 것이다. 이는 기업들이 데이터를 바라보는 방식 또한 달라지게 만들었다.  태블로는 국내 기업들의 현실 움직임에서 이를 포착하고 있다. 데이터 문화 구축, 데이터 기반의 조직과 같은 명제를 넘어서 실제 데이터 기반 결정 역량을 빠르게 확보하려는 동향이 선명히 출현하는 양상이다. 이제 데이터 기반 조직으로의 변화 필요성을 강조할 필요가 없을 정도다. ‘Why’와 ‘What’이 규명된 가운데, 기업들은 이제 실제 조직원들이 데이터를 활용할 수 있도록 하는 ‘Data enablement’에 구체적으로 투자하고 있다. 이를 반영하...

2021.12.30

인프라 산업에 ‘변혁’ 일으킬 전략 기술 트렌드 10가지

건축, 엔지니어링, 건설 산업에서 디지털 트랜스포메이션이 필요한 시점이다. 인프라 산업의 미래를 형성할 기술 트랜드 10가지를 살펴본다.  디지털 트랜스포메이션으로 가는 길에 있어 얼리어답터와 비교하자면 인간이 만들고 생활을 영위하는 장소 및 공간으로 구성된 ‘건축 환경(built environment)’을 의미하는 인프라 산업은 낙후됐다고 간주될 수 있다.  하지만 이 산업은 엄청난 시장 기회를 가지고 있다. 전 세계적으로 연간 21조 달러, 미국에서는 연간 1조 4천억 달러를 지출한다. 미국 GDP의 4%를 차지하는 수준이다.   하이테크, 금융 및 기타 산업에서의 사례로 널리 알려진 전략적 기술(예: 인공지능/머신러닝, 데이터 애널리틱스 등)이 이제 인프라 산업에 스며들고 있다. ‘건축, 엔지니어링, 건설(Architecture, Engineering, Construction; AEC)’에 특화된 기술 인에이블러도 마찬가지다.  스타트업들이 인프라 산업에 주목하고, AEC 기업들은 디지털에 능숙해지는 대화와 융합이 일어나고 있다. 이를테면 AEC 기업들은 내부 프로세스 전반에 걸쳐 시스템을 개선하고 서비스 제공 방식을 혁신하기 위해 이 두 가지 작업(대화와 융합)을 모두 수행하고 있다. 한편 벤처 캐피털 회사들은 건설 및 부동산 기술 분야에서 업계의 난제를 해결하고 있는 인프라 관련 스타트업에 자금을 지원하고 있다.   이러한 대화와 디지털화가 계속되는 가운데, 2022년 인프라 및 AEC 산업에 혁신을 일으킬 전략 기술 트렌드 10가지를 소개한다.  인공지능/머신러닝(AI/ML) 대부분의 다른 산업과 마찬가지로 ‘인공지능/머신러닝’은 인프라 산업을 위한 혁신적인 기술이며, 많은 기업의 신기술 히트맵에서 상위를 차지하고 있다. 내년에는 영업부터 마케팅, 재무, HR까지 광범위한 기업 부문은 물론이고 교통, 도시 계획, 건축 정보 모델링(BIM)으로 활용 사례가 확대될 전망이다.  ...

인프라 산업 AEC 기술 트렌드 인공지능 머신러닝 데이터 애널리틱스 초자동화 증강현실 가상현실 라이다 디지털 트윈 자율자동차 로봇 3D 프린팅 블록체인

2021.11.26

건축, 엔지니어링, 건설 산업에서 디지털 트랜스포메이션이 필요한 시점이다. 인프라 산업의 미래를 형성할 기술 트랜드 10가지를 살펴본다.  디지털 트랜스포메이션으로 가는 길에 있어 얼리어답터와 비교하자면 인간이 만들고 생활을 영위하는 장소 및 공간으로 구성된 ‘건축 환경(built environment)’을 의미하는 인프라 산업은 낙후됐다고 간주될 수 있다.  하지만 이 산업은 엄청난 시장 기회를 가지고 있다. 전 세계적으로 연간 21조 달러, 미국에서는 연간 1조 4천억 달러를 지출한다. 미국 GDP의 4%를 차지하는 수준이다.   하이테크, 금융 및 기타 산업에서의 사례로 널리 알려진 전략적 기술(예: 인공지능/머신러닝, 데이터 애널리틱스 등)이 이제 인프라 산업에 스며들고 있다. ‘건축, 엔지니어링, 건설(Architecture, Engineering, Construction; AEC)’에 특화된 기술 인에이블러도 마찬가지다.  스타트업들이 인프라 산업에 주목하고, AEC 기업들은 디지털에 능숙해지는 대화와 융합이 일어나고 있다. 이를테면 AEC 기업들은 내부 프로세스 전반에 걸쳐 시스템을 개선하고 서비스 제공 방식을 혁신하기 위해 이 두 가지 작업(대화와 융합)을 모두 수행하고 있다. 한편 벤처 캐피털 회사들은 건설 및 부동산 기술 분야에서 업계의 난제를 해결하고 있는 인프라 관련 스타트업에 자금을 지원하고 있다.   이러한 대화와 디지털화가 계속되는 가운데, 2022년 인프라 및 AEC 산업에 혁신을 일으킬 전략 기술 트렌드 10가지를 소개한다.  인공지능/머신러닝(AI/ML) 대부분의 다른 산업과 마찬가지로 ‘인공지능/머신러닝’은 인프라 산업을 위한 혁신적인 기술이며, 많은 기업의 신기술 히트맵에서 상위를 차지하고 있다. 내년에는 영업부터 마케팅, 재무, HR까지 광범위한 기업 부문은 물론이고 교통, 도시 계획, 건축 정보 모델링(BIM)으로 활용 사례가 확대될 전망이다.  ...

2021.11.26

“마케팅 의사결정에 데이터 사용하는 CMO가 많지 않다” 캡제미니 

캡제미니(Capgemini)의 최신 보고서에 따르면 GTM 전략 및 캠페인에 제공하기 위해 데이터를 사용하는 비율이 절반 미만인 것으로 나타났다.   보고서는 새로운 제품 또는 서비스 출시 전략을 결정하기 위해 데이터를 사용하고 있다고 밝힌 비율이 전체 설문조사 응답자 2명 중 1명 미만에 불과했다고 말했다.  해당 보고서(A new playbook for chief marketing officers)는 2021년 3월부터 4월까지 전 세계 B2C 마케터 1,600명을 대상으로 실시한 설문조사와 심층 인터뷰 결과를 바탕으로 한다.    마케팅팀의 43%가 데이터를 사용하여 새로운 제품 및 서비스 출시 전략을 결정하고, 40%는 캠페인 전략을 수정하는 데 데이터를 활용한다고 답했다. 이어서 전체 설문조사 응답자의 40%가 데이터를 활용해 브랜드를 구축하고 있으며, 35%는 새로운 비즈니스 모델을 도입하기 위해 데이터를 쓰고 있다고 말했다.  보고서는 CMO가 맡은 다양한 책임에 관해서도 조사했다. 그 결과 3분의 4가 데이터 및 기술 활용뿐만 아니라 비즈니스 성장에 기여해야 할 책임을 맡고 있는 것으로 드러났다.  하지만 CMO가 ‘데이터 주도’라는 책임을 맡고 있음에도 많은 마케터가 역량, 데이터 액세스, 인력 측면에서 문제에 직면해 있는 것으로 나타났다. 실제로 전체 설문조사 응답자의 11%만이 데이터 드리븐 마케팅 역량을 갖춘 것으로 조사됐다. 이 밖에 CMO 10명 중 7명은 고객 경험을 담당하고 있으며, 90%는 비즈니스 전략에 관한 단독적인 책임 및 공동 책임을 지고 있다고 답했다.  보고서에 의하면 데이터 중심 마케팅의 혜택은 뚜렷했다. 캠페인과 콘텐츠 및 마케팅 결과를 조정하기 위해 데이터를 처리, 분석, 활용한다고 밝힌 마케터의 88%가 실시간 데이터를 기반으로 콘텐츠를 조정하고 변경할 수 있다고 말한 반면, 그렇지 않은 마케터의 경우 이렇게 답한 비율이 38%에 그쳤다...

마케팅 CMO 데이터 데이터 애널리틱스 데이터 중심 마케팅 데이터 드리븐

2021.10.01

캡제미니(Capgemini)의 최신 보고서에 따르면 GTM 전략 및 캠페인에 제공하기 위해 데이터를 사용하는 비율이 절반 미만인 것으로 나타났다.   보고서는 새로운 제품 또는 서비스 출시 전략을 결정하기 위해 데이터를 사용하고 있다고 밝힌 비율이 전체 설문조사 응답자 2명 중 1명 미만에 불과했다고 말했다.  해당 보고서(A new playbook for chief marketing officers)는 2021년 3월부터 4월까지 전 세계 B2C 마케터 1,600명을 대상으로 실시한 설문조사와 심층 인터뷰 결과를 바탕으로 한다.    마케팅팀의 43%가 데이터를 사용하여 새로운 제품 및 서비스 출시 전략을 결정하고, 40%는 캠페인 전략을 수정하는 데 데이터를 활용한다고 답했다. 이어서 전체 설문조사 응답자의 40%가 데이터를 활용해 브랜드를 구축하고 있으며, 35%는 새로운 비즈니스 모델을 도입하기 위해 데이터를 쓰고 있다고 말했다.  보고서는 CMO가 맡은 다양한 책임에 관해서도 조사했다. 그 결과 3분의 4가 데이터 및 기술 활용뿐만 아니라 비즈니스 성장에 기여해야 할 책임을 맡고 있는 것으로 드러났다.  하지만 CMO가 ‘데이터 주도’라는 책임을 맡고 있음에도 많은 마케터가 역량, 데이터 액세스, 인력 측면에서 문제에 직면해 있는 것으로 나타났다. 실제로 전체 설문조사 응답자의 11%만이 데이터 드리븐 마케팅 역량을 갖춘 것으로 조사됐다. 이 밖에 CMO 10명 중 7명은 고객 경험을 담당하고 있으며, 90%는 비즈니스 전략에 관한 단독적인 책임 및 공동 책임을 지고 있다고 답했다.  보고서에 의하면 데이터 중심 마케팅의 혜택은 뚜렷했다. 캠페인과 콘텐츠 및 마케팅 결과를 조정하기 위해 데이터를 처리, 분석, 활용한다고 밝힌 마케터의 88%가 실시간 데이터를 기반으로 콘텐츠를 조정하고 변경할 수 있다고 말한 반면, 그렇지 않은 마케터의 경우 이렇게 답한 비율이 38%에 그쳤다...

2021.10.01

인터뷰ㅣ"데이터 제대로 활용하려면 스토리텔러가 되라" 美 차량 제조사 CIO

104년 역사를 자랑하는 미국의 군용 차량 및 특수 차량(예: 소방차, 제설차 등) 전문 업체 ‘오시코시(Oshkosh Corp.)’가 데이터를 활용해 비즈니스를 최적화하고 있다.  무려 1세기가 넘는 시간 동안 특수 차량을 설계하고 제작해 온 오시코시가 의사결정을 위해 데이터 역량을 강화하고 있다.  수석 부사장이자 CIO인 애너팜 케어는 “비즈니스를 위한 예측 모델 개발에 주력하고 있다. 지난 18개월 동안 약 35개의 분석 모델을 개발했다”라면서, “이 모델들은 수백만 달러에 달하는 영업 이익에 영향을 미치고 있다”라고 말했다.    1917년에 설립된 오시코시는 특수 트럭, 군용 차량, 트럭 본체, 공항 소방 장비, 액세스 장비 등을 제조한다. 전 세계 22개국에서 총 147곳의 생산 시설을 운영하고 있으며 150여 개국에 장비와 차량을 판매한다. 케어가 디지털 트랜스포메이션을 추진하기 위해 취임했던 지난 2018년 당시, 오시코시는 데이터 및 애널리틱스 역량을 구축하고자 JLG 인더스트리(JLG Industries)에 소규모 비즈니스 인텔리전스(BI) 그룹을 구성했다. 이 회사는 고소작업대와 텔레핸들러 등 액세스 장비 설계, 제조, 판매에 특화된 오시코시의 자회사다.  데이터 주도 혁신을 지원하고자 케어는 2019년 초 컨설팅 회사 출신의 마리나 파쉬케비치 제이드를 고급 애널리틱스 및 인공지능 부문 부사장으로 영입했다. 디지털 제조, 고급 애널리틱스, RPA 부문을 강화하기 위해서였다. 그리고서 데이터 과학자, 데이터 엔지니어, 데이터 아키텍트로 구성된 데이터 과학팀을 만들었다고 그는 덧붙였다.  케어는 “운 좋게도 위스콘신에서 유능한 인재들을 채용할 수 있었다. 쉽지 않은 일이었다. 또 다양성을 갖춰 팀을 구성했다. 이를테면 내부적으로 교육을 받은 2~3명의 인력도 데이터 과학팀에 합류시켰다”라고 설명했다.  데이터 운영 재정비 케어의 첫 번째 이니셔티브는 오시코시의 애플리...

데이터 데이터 애널리틱스 데이터 분석 데이터 과학 자동화 RPA IT 리더십 CIO

2021.06.30

104년 역사를 자랑하는 미국의 군용 차량 및 특수 차량(예: 소방차, 제설차 등) 전문 업체 ‘오시코시(Oshkosh Corp.)’가 데이터를 활용해 비즈니스를 최적화하고 있다.  무려 1세기가 넘는 시간 동안 특수 차량을 설계하고 제작해 온 오시코시가 의사결정을 위해 데이터 역량을 강화하고 있다.  수석 부사장이자 CIO인 애너팜 케어는 “비즈니스를 위한 예측 모델 개발에 주력하고 있다. 지난 18개월 동안 약 35개의 분석 모델을 개발했다”라면서, “이 모델들은 수백만 달러에 달하는 영업 이익에 영향을 미치고 있다”라고 말했다.    1917년에 설립된 오시코시는 특수 트럭, 군용 차량, 트럭 본체, 공항 소방 장비, 액세스 장비 등을 제조한다. 전 세계 22개국에서 총 147곳의 생산 시설을 운영하고 있으며 150여 개국에 장비와 차량을 판매한다. 케어가 디지털 트랜스포메이션을 추진하기 위해 취임했던 지난 2018년 당시, 오시코시는 데이터 및 애널리틱스 역량을 구축하고자 JLG 인더스트리(JLG Industries)에 소규모 비즈니스 인텔리전스(BI) 그룹을 구성했다. 이 회사는 고소작업대와 텔레핸들러 등 액세스 장비 설계, 제조, 판매에 특화된 오시코시의 자회사다.  데이터 주도 혁신을 지원하고자 케어는 2019년 초 컨설팅 회사 출신의 마리나 파쉬케비치 제이드를 고급 애널리틱스 및 인공지능 부문 부사장으로 영입했다. 디지털 제조, 고급 애널리틱스, RPA 부문을 강화하기 위해서였다. 그리고서 데이터 과학자, 데이터 엔지니어, 데이터 아키텍트로 구성된 데이터 과학팀을 만들었다고 그는 덧붙였다.  케어는 “운 좋게도 위스콘신에서 유능한 인재들을 채용할 수 있었다. 쉽지 않은 일이었다. 또 다양성을 갖춰 팀을 구성했다. 이를테면 내부적으로 교육을 받은 2~3명의 인력도 데이터 과학팀에 합류시켰다”라고 설명했다.  데이터 운영 재정비 케어의 첫 번째 이니셔티브는 오시코시의 애플리...

2021.06.30

데이터 과학 프로젝트가 '실패'하는 8가지 이유

오늘날 ‘데이터 과학(Data Science)’만큼 IT 및 비즈니스 리더의 관심을 끄는 분야가 있을까. 하지만 그렇다고 해서 데이터 과학에 실패가 없는 건 아니다.   실제로 (과학적 기법, 프로세스, 알고리즘, 기술 시스템을 활용해 구조적 및 비구조적 데이터에서 일련의 인사이트를 도출하는) 데이터 과학 이니셔티브는 수많은 이유로 실패할 수 있고 그러면서 시간과 비용, 기타 리소스를 낭비할 수 있다.  잘못된 프로젝트는 의사결정권자의 잘못된 선택을 유도해 기업에 혜택을 제공하기 보다는 더 큰 피해를 입힌다. 여기서는 데이터 과학 프로젝트가 예상대로 진행되지 않는 가장 일반적인 이유 8가지를 살펴본다.    1. 데이터 품질 불량   잘못된 데이터는 형편없는 데이터 과학으로 이어지기 마련이다. 따라서 데이터 품질을 높이는 데 시간을 할애하는 게 중요하다. 이는 모든 애널리틱스 작업에 해당되는 이야기이며, 데이터 과학도 마찬가지다. 디지털 트랜스포메이션 컨설팅 회사 어댑터비스트(Adaptavist)의 CIO 닐 라일리는 “부실하거나 불량한 데이터로는 데이터 과학 이니셔티브가 불가능하다. 데이터는 깨끗해야 하고 데이터 애널리스트가 사용할 수 있는 수준이어야 한다. 그렇지 않다면 시간 낭비에 불과하다”라면서, “데이터 과학 프로젝트에 부정확한 데이터를 사용하면 데이터 과학 모델은 엉뚱한 결과물을 도출할 것이다”라고 말했다.  때에 따라 데이터세트의 편향이나 불일치로 인해 데이터 품질이 떨어지는 경우도 있다. 美 보험사 WAEPA의 CIO 브랜든 존스는 “비즈니스 운영에 여러 시스템을 사용하는 기업이 있다. 심지어 오래된 기업이라면 참조 또는 검증을 위해 아직도 레거시 시스템을 사용하고 있을 수 있다. 각 시스템을 교체하다 보면 기업 내에서 하나의 지표를 계산하는 서로 다른 프로세스 및 방식이 생길 수밖에 없다”라고 전했다.  이는 데이터 과학 이니셔티브가 실패하는 주요 원인이라는 게 존스의 ...

데이터 과학 데이터 빅 데이터 데이터 애널리틱스 데이터 투명성 기술 격차 머신러닝

2021.06.24

오늘날 ‘데이터 과학(Data Science)’만큼 IT 및 비즈니스 리더의 관심을 끄는 분야가 있을까. 하지만 그렇다고 해서 데이터 과학에 실패가 없는 건 아니다.   실제로 (과학적 기법, 프로세스, 알고리즘, 기술 시스템을 활용해 구조적 및 비구조적 데이터에서 일련의 인사이트를 도출하는) 데이터 과학 이니셔티브는 수많은 이유로 실패할 수 있고 그러면서 시간과 비용, 기타 리소스를 낭비할 수 있다.  잘못된 프로젝트는 의사결정권자의 잘못된 선택을 유도해 기업에 혜택을 제공하기 보다는 더 큰 피해를 입힌다. 여기서는 데이터 과학 프로젝트가 예상대로 진행되지 않는 가장 일반적인 이유 8가지를 살펴본다.    1. 데이터 품질 불량   잘못된 데이터는 형편없는 데이터 과학으로 이어지기 마련이다. 따라서 데이터 품질을 높이는 데 시간을 할애하는 게 중요하다. 이는 모든 애널리틱스 작업에 해당되는 이야기이며, 데이터 과학도 마찬가지다. 디지털 트랜스포메이션 컨설팅 회사 어댑터비스트(Adaptavist)의 CIO 닐 라일리는 “부실하거나 불량한 데이터로는 데이터 과학 이니셔티브가 불가능하다. 데이터는 깨끗해야 하고 데이터 애널리스트가 사용할 수 있는 수준이어야 한다. 그렇지 않다면 시간 낭비에 불과하다”라면서, “데이터 과학 프로젝트에 부정확한 데이터를 사용하면 데이터 과학 모델은 엉뚱한 결과물을 도출할 것이다”라고 말했다.  때에 따라 데이터세트의 편향이나 불일치로 인해 데이터 품질이 떨어지는 경우도 있다. 美 보험사 WAEPA의 CIO 브랜든 존스는 “비즈니스 운영에 여러 시스템을 사용하는 기업이 있다. 심지어 오래된 기업이라면 참조 또는 검증을 위해 아직도 레거시 시스템을 사용하고 있을 수 있다. 각 시스템을 교체하다 보면 기업 내에서 하나의 지표를 계산하는 서로 다른 프로세스 및 방식이 생길 수밖에 없다”라고 전했다.  이는 데이터 과학 이니셔티브가 실패하는 주요 원인이라는 게 존스의 ...

2021.06.24

"애널리틱스로 팬 경험과 수익 모두 잡는다"··· 美 NHL 하키팀 사례

美 NFL(National Hockey League)에 속해 있는 아이스하키팀 ‘산호세 샤크스(San Jose Sharks)’는 부서 간 데이터 사일로를 해소하고 데이터를 새로운 방식으로 활용하면서 팬과 수익을 모두 잡고자 한다.  프로스포츠팀에서 ‘팬 인게이지먼트 또는 팬 참여(Fan engagement)’는 필수적이다. 이를 위해 대부분의 스포츠팀에서는 데이터 역량을 강화해 마케팅팀과 영업팀이 팬들에게 더욱더 원활하게 도달하고 인게이지먼트를 유지할 수 있도록 하고 있다.  특히 구단들은 가장 충성도가 높은 팬인 시즌 티켓 구매자에게 집중해 안정적인 수익(티켓 및 상품 판매)을 확보한다. (편집자 주: 여기서 팬 인게이지먼트란 스포츠팀이 팬을 유치 및 유지하기 위해 수행하는 활동이자 팀과의 상호작용으로 팬이 되어가는 즐거움 및 경험을 향상시키는 것을 말한다.)    미국 캘리포니아주 산호세의 아이스하키팀 ‘산호세 샤크스(San Jose Sharks)’의 비즈니스 애널리틱스 및 기술 부문 부사장 네다 타베타베이는 “시즌 티켓 구매자는 생명줄이나 다름없다”라면서, “1경기 티켓을 산다고 하면 거기에만 돈과 시간을 쓰는 것이다. 하지만 전체 시즌 티켓을 구매한다면 약 44~45경기에 돈과 시간을 쓰는 셈이다. 그리고 다른 비즈니스와 마찬가지로 기존 고객을 유지하는 비용이 새 고객을 유치하는 비용보다 더 저렴하다”라고 말했다.  이란에서 태어난 타베타베이는 스무 살에 캐나다 토론토로 이민 왔고, 토론토 메이플 리프스(Toronto Maple Leafs)팀에서 9년 동안 데이터베이스 마케팅 업무를 하다가 지난 2015년 산호세 샤크스의 비즈니스 인텔리전스 부문 부사장이 됐다. 당시 마케팅팀은 캠페인 ROI 측정과 시즌 티켓 구매자의 이탈 위기로 어려움을 겪고 있었다. 아울러 사일로화된 데이터도 문제가 되고 있었다.  그는 “비즈니스의 특성상 서로 다르거나 사일로화된 데이터 소스에서 시작해야 하는 상황이었...

애널리틱스 스포츠 팬 인게이지먼트 데이터 데이터 애널리틱스 데이터 사일로 SAP 클라우드 IT 리더십

2021.05.13

美 NFL(National Hockey League)에 속해 있는 아이스하키팀 ‘산호세 샤크스(San Jose Sharks)’는 부서 간 데이터 사일로를 해소하고 데이터를 새로운 방식으로 활용하면서 팬과 수익을 모두 잡고자 한다.  프로스포츠팀에서 ‘팬 인게이지먼트 또는 팬 참여(Fan engagement)’는 필수적이다. 이를 위해 대부분의 스포츠팀에서는 데이터 역량을 강화해 마케팅팀과 영업팀이 팬들에게 더욱더 원활하게 도달하고 인게이지먼트를 유지할 수 있도록 하고 있다.  특히 구단들은 가장 충성도가 높은 팬인 시즌 티켓 구매자에게 집중해 안정적인 수익(티켓 및 상품 판매)을 확보한다. (편집자 주: 여기서 팬 인게이지먼트란 스포츠팀이 팬을 유치 및 유지하기 위해 수행하는 활동이자 팀과의 상호작용으로 팬이 되어가는 즐거움 및 경험을 향상시키는 것을 말한다.)    미국 캘리포니아주 산호세의 아이스하키팀 ‘산호세 샤크스(San Jose Sharks)’의 비즈니스 애널리틱스 및 기술 부문 부사장 네다 타베타베이는 “시즌 티켓 구매자는 생명줄이나 다름없다”라면서, “1경기 티켓을 산다고 하면 거기에만 돈과 시간을 쓰는 것이다. 하지만 전체 시즌 티켓을 구매한다면 약 44~45경기에 돈과 시간을 쓰는 셈이다. 그리고 다른 비즈니스와 마찬가지로 기존 고객을 유지하는 비용이 새 고객을 유치하는 비용보다 더 저렴하다”라고 말했다.  이란에서 태어난 타베타베이는 스무 살에 캐나다 토론토로 이민 왔고, 토론토 메이플 리프스(Toronto Maple Leafs)팀에서 9년 동안 데이터베이스 마케팅 업무를 하다가 지난 2015년 산호세 샤크스의 비즈니스 인텔리전스 부문 부사장이 됐다. 당시 마케팅팀은 캠페인 ROI 측정과 시즌 티켓 구매자의 이탈 위기로 어려움을 겪고 있었다. 아울러 사일로화된 데이터도 문제가 되고 있었다.  그는 “비즈니스의 특성상 서로 다르거나 사일로화된 데이터 소스에서 시작해야 하는 상황이었...

2021.05.13

애널리틱스에 만연한 데이터 조작··· 뿌리 뽑을 방법 9가지

너무 많은 조직에서 원하는 결과를 뒷받침하고자 매개변수를 변경해댄 탓에 ‘애널리틱스’가 그야말로 '타락'했다. 데이터 중심 의사결정을 향한 올바른 경로를 설정하는 방법을 살펴본다.  처음부터 정직한 데이터 활용 문화가 있었어야 했다.  그 대신 과거를 거슬러 올라가자면 내부수익률(Internal Rate of Return; IRR)이 있었다. 이는 투자 수익을 계산하는 다항식 공식이며, 단일 차원의 분석인 현금 흐름으로 비즈니스 가치를 정의한다. 과거에는 숙련된 회계사들만 계산할 수 있었다. 이는 회계 전문가들을 가치 있게 만들었기 때문에 그 관점에서 보자면 IRR은 좋은 것이었다.    그러다가 댄 브릭클린이 전자 스프레드시트를 발명했다. 프로메테우스가 힘없는 인간에게 불을 가져다준 것처럼 브릭클린은 스프레드시트를 선사했다. 이를 통해 모든 인류가 스스로 IRR을 계산할 수 있게 됐다.  문제는 관리자들이 IRR을 계산하는 차원을 넘어 기본 가정을 변경하는 방법까지 알아냈다는 점이다. 이들은 IRR 생성기에서 원하는 답이 나올 때까지 매개변수를 이리저리 쑤시고 수정했다.  그 결과 미국 전역의 기업에서 데이터 레이크, 데이터 마트, 데이터 웨어하우스, 애널리틱스 소프트웨어가 관리 매개변수 조정을 위한 플랫폼으로 전락하고 말았다. 즉 이해를 돕기 위한 용도가 아니라, 원하는 결과를 정한 뒤 거꾸로 그 결정을 뒷받침하는 데 필요한 필터와 매개변수를 찾아내려는 용도로 사용됐다. 이게 바로 애널리틱스 전략을 실패로 이끄는 숨겨진 비밀이다. 조직 역학적 관점에서 ‘문화’는 ‘일하는 방식’이다. 다시 말해, 소속된 환경에 대한 반응으로 드러내는 사람들의 학습된 행동이다. 비즈니스 세계에서 이러한 ‘행동’은 대게 함께 일하는 사람들, 특히 매일 마주하는 리더의 행동이다.  문화는 스스로 강화되는 피드백 루프다. 정직한 데이터 활용 문화로 변화시킨다는 건 이 피드백 루프를 다시 설계한다는 뜻이다....

애널리틱스 데이터 애널리틱스 빅데이터 변화 관리 IT 리더십 데이터 중심 의사결정

2021.05.11

너무 많은 조직에서 원하는 결과를 뒷받침하고자 매개변수를 변경해댄 탓에 ‘애널리틱스’가 그야말로 '타락'했다. 데이터 중심 의사결정을 향한 올바른 경로를 설정하는 방법을 살펴본다.  처음부터 정직한 데이터 활용 문화가 있었어야 했다.  그 대신 과거를 거슬러 올라가자면 내부수익률(Internal Rate of Return; IRR)이 있었다. 이는 투자 수익을 계산하는 다항식 공식이며, 단일 차원의 분석인 현금 흐름으로 비즈니스 가치를 정의한다. 과거에는 숙련된 회계사들만 계산할 수 있었다. 이는 회계 전문가들을 가치 있게 만들었기 때문에 그 관점에서 보자면 IRR은 좋은 것이었다.    그러다가 댄 브릭클린이 전자 스프레드시트를 발명했다. 프로메테우스가 힘없는 인간에게 불을 가져다준 것처럼 브릭클린은 스프레드시트를 선사했다. 이를 통해 모든 인류가 스스로 IRR을 계산할 수 있게 됐다.  문제는 관리자들이 IRR을 계산하는 차원을 넘어 기본 가정을 변경하는 방법까지 알아냈다는 점이다. 이들은 IRR 생성기에서 원하는 답이 나올 때까지 매개변수를 이리저리 쑤시고 수정했다.  그 결과 미국 전역의 기업에서 데이터 레이크, 데이터 마트, 데이터 웨어하우스, 애널리틱스 소프트웨어가 관리 매개변수 조정을 위한 플랫폼으로 전락하고 말았다. 즉 이해를 돕기 위한 용도가 아니라, 원하는 결과를 정한 뒤 거꾸로 그 결정을 뒷받침하는 데 필요한 필터와 매개변수를 찾아내려는 용도로 사용됐다. 이게 바로 애널리틱스 전략을 실패로 이끄는 숨겨진 비밀이다. 조직 역학적 관점에서 ‘문화’는 ‘일하는 방식’이다. 다시 말해, 소속된 환경에 대한 반응으로 드러내는 사람들의 학습된 행동이다. 비즈니스 세계에서 이러한 ‘행동’은 대게 함께 일하는 사람들, 특히 매일 마주하는 리더의 행동이다.  문화는 스스로 강화되는 피드백 루프다. 정직한 데이터 활용 문화로 변화시킨다는 건 이 피드백 루프를 다시 설계한다는 뜻이다....

2021.05.11

‘CEO가 CIO에게 기대하는’ 전략 이니셔티브 톱10

케이스 웨스턴 리저브 대학(Case Western Reserve University)의 CIO인 수 워크맨은 2021년이 되자, 그녀가 지난 7월 소속 대학을 위해 수립했던 IT 우선순위 리스트들을 검토했다. 아직 유효한 이니셔티브들이 무엇인지 파악하기 위해서였다.  워크맨은 검토 이후 대학의 IT 전략에 완전히 새로운 이니셔티브들이 필요하다는 결론을 내렸다. 그녀는 “우리의 비전이 바뀌었다. 종전의 업무들을 이제 더 빠르게 할 수 있다. 또 코로나19 때문에 사람들이 더 빨리 변화할 수 있도록 유도할 수 있게 되었다”라고 설명했다.  대부분 기업에서 코로나19와 관련된 IT 이니셔티브들은 아직 끝나지 않았다. 그러나 IT 리더들은 이제 앞으로 나아갈 여지를 찾고 있다. CEO들은 이제 CIO가 더 전략적이고 혁신적인(트랜스포메이션) 과업에 시간을 투자할 수 있게 되기를 기대한다. 동시에 단순 기능적인 직무의 부담이 줄어들 것으로 예상된다. 자동화와 다른 발전된 기술들이 부상한 것이 이유 중 하나다. 812명의 IT 리더들과 250명의 LoB 관계자들을 설문 조사한 연례 CIO 현황(State of CIO) 보고서에 따르면, CEO들이 CIO가 2021년에 중시해주기 원하는 이니셔티브들이 아주 많다. 다음은 이 가운데 5대 이니셔티브들이다.    디지털 비즈니스-디지털 트랜스포메이션 이니셔티브를 주도 절반에 가까운 IT 리더들은 올해에도 디지털 비즈니스나 디지털 트랜스포메이션 이니셔티브가 계속해서 우선순위의 상위권을 차지할 것이라고 대답했다(42%). 이들은 데이터 분석 역량 강화에 큰 초점을 맞추고 있다. 방위, 소방, 건설, 지방 정부 시장을 대상으로 한 특수 차량과 트럭 차체를 제조하는 오쉬코시(Oshkosh)의 경우, 팬데믹이 디지털 트랜스포메이션 여정에 박차를 가하는데 일조했다. 예를 들어, 오쉬코시는 팬데믹 이전에도 첨단 분석 역량을 구현하고 상당한 발전을 이뤘다. 그러나 공급 사슬 붕괴로 인해 분석이 ...

CEO CIO 데이터 애널리틱스 현업 데이터 기반 혁신 IT 전략

2021.04.21

케이스 웨스턴 리저브 대학(Case Western Reserve University)의 CIO인 수 워크맨은 2021년이 되자, 그녀가 지난 7월 소속 대학을 위해 수립했던 IT 우선순위 리스트들을 검토했다. 아직 유효한 이니셔티브들이 무엇인지 파악하기 위해서였다.  워크맨은 검토 이후 대학의 IT 전략에 완전히 새로운 이니셔티브들이 필요하다는 결론을 내렸다. 그녀는 “우리의 비전이 바뀌었다. 종전의 업무들을 이제 더 빠르게 할 수 있다. 또 코로나19 때문에 사람들이 더 빨리 변화할 수 있도록 유도할 수 있게 되었다”라고 설명했다.  대부분 기업에서 코로나19와 관련된 IT 이니셔티브들은 아직 끝나지 않았다. 그러나 IT 리더들은 이제 앞으로 나아갈 여지를 찾고 있다. CEO들은 이제 CIO가 더 전략적이고 혁신적인(트랜스포메이션) 과업에 시간을 투자할 수 있게 되기를 기대한다. 동시에 단순 기능적인 직무의 부담이 줄어들 것으로 예상된다. 자동화와 다른 발전된 기술들이 부상한 것이 이유 중 하나다. 812명의 IT 리더들과 250명의 LoB 관계자들을 설문 조사한 연례 CIO 현황(State of CIO) 보고서에 따르면, CEO들이 CIO가 2021년에 중시해주기 원하는 이니셔티브들이 아주 많다. 다음은 이 가운데 5대 이니셔티브들이다.    디지털 비즈니스-디지털 트랜스포메이션 이니셔티브를 주도 절반에 가까운 IT 리더들은 올해에도 디지털 비즈니스나 디지털 트랜스포메이션 이니셔티브가 계속해서 우선순위의 상위권을 차지할 것이라고 대답했다(42%). 이들은 데이터 분석 역량 강화에 큰 초점을 맞추고 있다. 방위, 소방, 건설, 지방 정부 시장을 대상으로 한 특수 차량과 트럭 차체를 제조하는 오쉬코시(Oshkosh)의 경우, 팬데믹이 디지털 트랜스포메이션 여정에 박차를 가하는데 일조했다. 예를 들어, 오쉬코시는 팬데믹 이전에도 첨단 분석 역량을 구현하고 상당한 발전을 이뤘다. 그러나 공급 사슬 붕괴로 인해 분석이 ...

2021.04.21

칼럼ㅣ’록스타’ 지위에 오른 데이터 과학자··· 최적의 팀을 구성하려면?

구글에서 ‘록스타(Rock Star)’와 ‘데이터 과학자(Data Scientist)’를 검색해보자. 놀라운 일이 벌어질 것이다. ‘록스타’와 ‘데이터 과학자’ 이 두 단어를 한 문장에 사용하는 것은 사실이다.  별다른 의미가 있는 건 아니다. 필자는 데이터 과학자로서 업계에서 뛰어난 인재들, 다시 말해 ‘록스타’들과 함께 일하면서 이들의 창의성, 지능, 비전, 재능에 놀라곤 한다.  게다가 이 록스타들은 AI를 중심으로 자신의 역량과 전문지식을 결합해 비즈니스, 산업, 더 나아가 세상이 직면한 큰 문제들을 해결하고자 노력하고 있다. 이를테면 경제적 불평등과 소득불균형을 바로잡기 위해 노력한다거나, 금융위기와 돈세탁을 막기 위해 머신러닝을 개발하고 있다. 대규모로 사용할 수 있는 관련 툴과 플랫폼을 구축하고 있기도 하다.    가끔씩 경영진들은 필자에게 “당신이 이야기하면 AI가 쉬워 보인다. 우리는 어떻게 AI를 시작할 수 있는가?”라고 말하곤 한다. 여기에 답하자면, 가장 먼저 쉬운 일은 아니라고 밝히고 싶다. 팀 구조와 조직 철학으로 인해 복잡해지는 경우가 많다.  그리고서 ‘록스타 애널리틱스 팀’을 구축하는 것부터 시작하라고 권고하고 싶다. 이는 데이터 과학자들의 역량을 균형 있게 조정하는 동시에 팀 전반의 역량 격차를 인지하고 해결한 최적의 앙상블 팀을 의미한다.  물론 초기 투자 비용은 만만치 않을 것이다. 데이터 과학 인재 수요가 높기 때문이다. 하지만 코리니움(Corinium)의 최근 보고서에 따르면 AI 제품 수요도 코로나19 사태 이후로 많이 증가한 것으로 나타났다.  록스타 애널리틱스 팀을 구축할 생각인가? 그렇다면 다음의 지침을 고려하라. ‘무대 설정하기’: 니즈 및 역량을 검토하라 함께 아름다운 곡을 연주하는 앙상블 팀을 구성하기 전에 할 일이 있다. 일단 조직을 면밀하게 살펴보면서 질문을 던져야 한다.  이 팀으로 무엇을 달성하고자 하는가? 이 팀을...

데이터 애널리틱스 데이터 과학자 데이터 과학 록스타 AI 인공지능 머신러닝 프로젝트 관리자 알고리즘 알고리즘 개발자 분석 소프트웨어 엔지니어 애널리틱스 전문가 AI 에반젤리스트

2021.01.14

구글에서 ‘록스타(Rock Star)’와 ‘데이터 과학자(Data Scientist)’를 검색해보자. 놀라운 일이 벌어질 것이다. ‘록스타’와 ‘데이터 과학자’ 이 두 단어를 한 문장에 사용하는 것은 사실이다.  별다른 의미가 있는 건 아니다. 필자는 데이터 과학자로서 업계에서 뛰어난 인재들, 다시 말해 ‘록스타’들과 함께 일하면서 이들의 창의성, 지능, 비전, 재능에 놀라곤 한다.  게다가 이 록스타들은 AI를 중심으로 자신의 역량과 전문지식을 결합해 비즈니스, 산업, 더 나아가 세상이 직면한 큰 문제들을 해결하고자 노력하고 있다. 이를테면 경제적 불평등과 소득불균형을 바로잡기 위해 노력한다거나, 금융위기와 돈세탁을 막기 위해 머신러닝을 개발하고 있다. 대규모로 사용할 수 있는 관련 툴과 플랫폼을 구축하고 있기도 하다.    가끔씩 경영진들은 필자에게 “당신이 이야기하면 AI가 쉬워 보인다. 우리는 어떻게 AI를 시작할 수 있는가?”라고 말하곤 한다. 여기에 답하자면, 가장 먼저 쉬운 일은 아니라고 밝히고 싶다. 팀 구조와 조직 철학으로 인해 복잡해지는 경우가 많다.  그리고서 ‘록스타 애널리틱스 팀’을 구축하는 것부터 시작하라고 권고하고 싶다. 이는 데이터 과학자들의 역량을 균형 있게 조정하는 동시에 팀 전반의 역량 격차를 인지하고 해결한 최적의 앙상블 팀을 의미한다.  물론 초기 투자 비용은 만만치 않을 것이다. 데이터 과학 인재 수요가 높기 때문이다. 하지만 코리니움(Corinium)의 최근 보고서에 따르면 AI 제품 수요도 코로나19 사태 이후로 많이 증가한 것으로 나타났다.  록스타 애널리틱스 팀을 구축할 생각인가? 그렇다면 다음의 지침을 고려하라. ‘무대 설정하기’: 니즈 및 역량을 검토하라 함께 아름다운 곡을 연주하는 앙상블 팀을 구성하기 전에 할 일이 있다. 일단 조직을 면밀하게 살펴보면서 질문을 던져야 한다.  이 팀으로 무엇을 달성하고자 하는가? 이 팀을...

2021.01.14

정의부터 구축 방법까지··· '데이터옵스' 한눈에 살펴보기 

‘데이터옵스(DataOps)’는 데브옵스 팀과 데이터 엔지니어, 데이터 과학자 역할을 결합해 데이터 중심 기업에 필요한 도구, 프로세스, 조직 체계를 제공한다.    데이터옵스란 무엇인가? 데이터옵스란 애널리틱스를 개발하고 제공하기 위한 애자일하고 프로세스 지향적인 방법론이다. 데브옵스 팀과 데이터 엔지니어, 데이터 과학자 역할을 결합해 데이터 중심 기업을 지원하는 도구, 프로세스, 조직 체계를 제공한다.  포레스터의 부사장 겸 수석 애널리스트 미셸 고에츠는 “모든 기술 계층에서 비즈니스 가치를 창출하기 위해 솔루션을 구축하고, 데이터 제품을 개발하며, 데이터를 활성화하는 역량이 바로 데이터옵스다”라고 정의했다.  -> 데브옵스와 분석의 결합··· '데이터옵스'를 아시나요? -> '애자일과 데이터 관리의 결합'··· '데이터옵스'의 정의와 주요 기술 데이터옵스의 목표 美 데이터 교육 기관 데이터버시티(Dataversity)에 따르면 데이터옵스의 목표는 데이터와 데이터 애널리틱스를 토대로 애플리케이션 설계, 개발, 유지관리를 간소화하는 것이다. 또한 데이터 관리 및 제품 개발 방식을 개선하고 이러한 개선사항을 비즈니스 목표에 맞게 조정하는 것이다.   데이터옵스 vs. 데브옵스 데브옵스는 개발팀과 운영팀을 제품 또는 서비스를 담당하는 단일 유닛으로 통합해 시스템 개발 생애주기 동안 지속적인 전달 및 배포(CD)를 제공하는 소프트웨어 개발 방법론이다.   데이터옵스는 이 방법론을 기반으로 하지만 여기에 데이터 애널리스트, 데이터 개발자, 데이터 엔지니어, 데이터 과학자 등 ‘데이터 전문가’를 추가해 협력적인 방식으로 데이터 흐름을 개발하고, 조직 전체에서 데이터를 지속적으로 사용하는 데 중점을 둔다.  HPE가 지난해 인수한 맵알(MapR)의 CTO 테드 더닝은 “점점 더 많은 사람이 개발과 시스템에 일종의 데이터 과학 기능을 통합하고 있다. 따라서 이제 데브...

데브옵스 데이터옵스 데이터 데이터 과학 데이터 애널리틱스 애자일

2020.12.02

‘데이터옵스(DataOps)’는 데브옵스 팀과 데이터 엔지니어, 데이터 과학자 역할을 결합해 데이터 중심 기업에 필요한 도구, 프로세스, 조직 체계를 제공한다.    데이터옵스란 무엇인가? 데이터옵스란 애널리틱스를 개발하고 제공하기 위한 애자일하고 프로세스 지향적인 방법론이다. 데브옵스 팀과 데이터 엔지니어, 데이터 과학자 역할을 결합해 데이터 중심 기업을 지원하는 도구, 프로세스, 조직 체계를 제공한다.  포레스터의 부사장 겸 수석 애널리스트 미셸 고에츠는 “모든 기술 계층에서 비즈니스 가치를 창출하기 위해 솔루션을 구축하고, 데이터 제품을 개발하며, 데이터를 활성화하는 역량이 바로 데이터옵스다”라고 정의했다.  -> 데브옵스와 분석의 결합··· '데이터옵스'를 아시나요? -> '애자일과 데이터 관리의 결합'··· '데이터옵스'의 정의와 주요 기술 데이터옵스의 목표 美 데이터 교육 기관 데이터버시티(Dataversity)에 따르면 데이터옵스의 목표는 데이터와 데이터 애널리틱스를 토대로 애플리케이션 설계, 개발, 유지관리를 간소화하는 것이다. 또한 데이터 관리 및 제품 개발 방식을 개선하고 이러한 개선사항을 비즈니스 목표에 맞게 조정하는 것이다.   데이터옵스 vs. 데브옵스 데브옵스는 개발팀과 운영팀을 제품 또는 서비스를 담당하는 단일 유닛으로 통합해 시스템 개발 생애주기 동안 지속적인 전달 및 배포(CD)를 제공하는 소프트웨어 개발 방법론이다.   데이터옵스는 이 방법론을 기반으로 하지만 여기에 데이터 애널리스트, 데이터 개발자, 데이터 엔지니어, 데이터 과학자 등 ‘데이터 전문가’를 추가해 협력적인 방식으로 데이터 흐름을 개발하고, 조직 전체에서 데이터를 지속적으로 사용하는 데 중점을 둔다.  HPE가 지난해 인수한 맵알(MapR)의 CTO 테드 더닝은 “점점 더 많은 사람이 개발과 시스템에 일종의 데이터 과학 기능을 통합하고 있다. 따라서 이제 데브...

2020.12.02

칼럼ㅣ‘재생에너지’ 산업에서 ‘애플 기술’이 어떻게 사용되는가?

애플이 지난 10월 29일(현지 시각) 9월 26일 자로 마감된 2020년 회계연도 4분기 실적을 발표하면서, 풍력 시스템 시장 선도업체 ‘베스타스(Vestas)’를 언급했다. iOS 기기가 베스타스에서 사용되고 있기 때문이다. 이 세계 유수의 풍력터빈 제조업체에서 애플의 솔루션이 어떻게 사용되고 있는지 살펴본다.    전력 생산의 미래 베스타스는 덴마크 오르후스에 본사를 둔 풍력터빈 제조사다. 전 세계에서 약 2만 5,000명 이상의 직원이 근무하고 있으며, 76개국에서 117GW(Gigawatt) 이상의 전력을 생성하는 터빈을 공급했다. 이를테면 몽골 고비사막부터 북극권 라플란드까지 다양한 지형에 풍력터빈을 설치했다.  베스타스는 수년간 애플의 솔루션을 사용해왔다. 애플 CFO 루카 마에스트리는 실적 발표에서 애플 솔루션이 현재 어떻게 사용되고 있는지 몇 가지 사례를 언급했다.    “베스타스가 운영 전반에 걸쳐 광범위하게 애플 제품과 네이티브 iOS 앱을 사용하고 있다. 예를 들면 베스타스는 아이패드를 사용해 현장 운영을 최적화한다. 크레인 사용을 평균적으로 프로젝트당 하루 정도 줄이는 식이다. 또 베스타스의 현장 기술자는 작업 주문, 문제 해결, 원격 협업에 아이폰을 사용하여 연간 40만 이상의 서비스 시간을 절약하고 있다. 최근에는 고객이 현장에서 풍력터빈 설치를 시각화해 볼 수 있도록 아이패드의 증강현실 기능을 시험하기 시작했다.” 또한 애플은 베스타스가 애플 솔루션을 어떻게 사용해 비즈니스를 더욱더 효율적으로 운영하는지 설명하는 동영상도 공개했다. 예시는 다음과 같다.  • 크레인(Cranes): 터빈 설치 프로젝트에서 큰 비용이 드는 것 중의 하나가 시스템을 올리는 크레인이다. 베스타스는 애플 솔루션에서 실행되는 앱 덕분에 프로젝트마다 크레인 대여 시간을 하루 정도 절약했고, 이를 통해 연간 수백만 달러 상당의 실제 비용 절감 효과를 거둘 수 있다고 주장했다.  • 유지...

애플 재생에너지 베스타스 풍력터빈 아이패드 아이폰 잼프 SAP 4차 산업혁명 RPA 데이터 애널리틱스

2020.11.02

애플이 지난 10월 29일(현지 시각) 9월 26일 자로 마감된 2020년 회계연도 4분기 실적을 발표하면서, 풍력 시스템 시장 선도업체 ‘베스타스(Vestas)’를 언급했다. iOS 기기가 베스타스에서 사용되고 있기 때문이다. 이 세계 유수의 풍력터빈 제조업체에서 애플의 솔루션이 어떻게 사용되고 있는지 살펴본다.    전력 생산의 미래 베스타스는 덴마크 오르후스에 본사를 둔 풍력터빈 제조사다. 전 세계에서 약 2만 5,000명 이상의 직원이 근무하고 있으며, 76개국에서 117GW(Gigawatt) 이상의 전력을 생성하는 터빈을 공급했다. 이를테면 몽골 고비사막부터 북극권 라플란드까지 다양한 지형에 풍력터빈을 설치했다.  베스타스는 수년간 애플의 솔루션을 사용해왔다. 애플 CFO 루카 마에스트리는 실적 발표에서 애플 솔루션이 현재 어떻게 사용되고 있는지 몇 가지 사례를 언급했다.    “베스타스가 운영 전반에 걸쳐 광범위하게 애플 제품과 네이티브 iOS 앱을 사용하고 있다. 예를 들면 베스타스는 아이패드를 사용해 현장 운영을 최적화한다. 크레인 사용을 평균적으로 프로젝트당 하루 정도 줄이는 식이다. 또 베스타스의 현장 기술자는 작업 주문, 문제 해결, 원격 협업에 아이폰을 사용하여 연간 40만 이상의 서비스 시간을 절약하고 있다. 최근에는 고객이 현장에서 풍력터빈 설치를 시각화해 볼 수 있도록 아이패드의 증강현실 기능을 시험하기 시작했다.” 또한 애플은 베스타스가 애플 솔루션을 어떻게 사용해 비즈니스를 더욱더 효율적으로 운영하는지 설명하는 동영상도 공개했다. 예시는 다음과 같다.  • 크레인(Cranes): 터빈 설치 프로젝트에서 큰 비용이 드는 것 중의 하나가 시스템을 올리는 크레인이다. 베스타스는 애플 솔루션에서 실행되는 앱 덕분에 프로젝트마다 크레인 대여 시간을 하루 정도 절약했고, 이를 통해 연간 수백만 달러 상당의 실제 비용 절감 효과를 거둘 수 있다고 주장했다.  • 유지...

2020.11.02

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