벤더 기고 | 일상으로 파고든 고급 분석

에너지 절감, 안전 주행, 기계 고장 예측까지 다양한 사례들
이미 선도적인 기업들은 엔지니어링이 주도하는 고급 분석을 사용하고 있다. 에너지 사용량을 25% 절감한 호주의 회사 빌딩IQ(Building IQ)의 사례를 보자. 이 회사는 에너지 회사, 건물, 에너지 비용, 일기 예보 등의 데이터를 수집해 머신러닝 시스템으로 한데 모은다. 이 회사는 실내 온도 변화에 따라 사람들이 어떻게 느끼는지를 파악하고 이와 연결해 건물을 상황을 제어했다. 사람들은 보통 아침 일찍 에어컨을 켜고 밤에 끈다. 빌딩IQ는 복잡한 데이터 학습을 통해 실시간으로 최적화된 온도를 찾아내는 알고리즘을 이용했다.

또 다른 재미있는 사례가 있다. 스웨덴 트럭 제조사인 스카니아(Scania)는 센서 퓨전과 고급 분석을 이용해 장애물을 감지해 차를 멈추게 했다. 여기서 중요한 것은 2개의 센서에서 취합한 데이터로 하나의 ‘사실’을 인지한다는 점이다. 여기에는 레이더와 카메라가 있는데, 레이더는 앞에 있는 사물과 내 차가 얼마나 떨어져 있고 얼마의 속도로 어느 방향으로 움직이는지를 감지한다. 카메라는 그 사물이 무엇이고, 크기가 어느 정도인지를 파악한다. 이 2개의 임베디드 기기에서 취합한 데이터를 결합해 안정적인 시스템을 만들어 40톤 트럭이 달리다 앞에 있는 자동차를 발견하고 자동으로 멈출 수 있다. 스카니아는 이 시스템을 구축하기 위해 정말 많은 데이터를 저장했고 예측 모델을 만들어 트럭에 탑재했다.

그림 | 엔지니어링 데이터 vs. 비즈니스 데이터 사용 현황 


몬디(Mondi)라는 독일 회사의 폴리머공장에는 100개 이상의 기계가 데이터를 로깅하고 있다. 사람이 공장을 돌아보면서 기계 고장 여부를 판단하는데, 여기에 한 가지 문제점은 비용이 많이 든다는 것이다. 이 회사는 기계 고장 여부 판단을 시스템으로 대체했고, 이를 위해 데이터를 분석해 언제 기계가 고장 날지를 예측한다. 몬디는 각 기계의 센서에서 취합한 데이터로 이 기계가 언제쯤 고장 날지를 예측해 그 전에 부품을 교체한다거나 수리해 조처할 수 있었다. 제품관리 차원에서도 가치를 얻게 해 준다.

가트너에 따르면, 현재 기업들은 트랜잭션 데이터 사용 비중이 높지만, 앞으로는 센서 데이터의 사용비중이 더 높아질 전망이다. 또 비디오, 오디오, 이미지 데이터도 현재는 잘 사용하지 못하지만, 앞으로 사용할 계획으로 조사됐다.

한편, 자동차, 항공학, 소매, 금융, 의료, 인터넷, 산업자동화, 석유/가스, 의료 장비, 청정에너지 등의 산업에서는 이미 센서 데이터가 쓰이고 있다.

누구나 데이터 분석의 수혜자가 될 수 있다
데이터 과학자에게는 산업에 관한 전문적인 지식, 코딩과 시스템 통합 기술력, 통계와 수학적인 지식 기반이 필요하다. 현재 전세계적으로 데이터 과학자가 부족한 상황이다. 많은 대학들이 관련 프로그램을 확대하고 개발 과정을 만들고 있지만, 산업 현장에 바로 투입할 수 있는 인재들은 여전히 부족하다. 기업의 경우 기존 인력을 재훈련해 분석 기술력을 갖추도록 해야 한다. 매스웍스는 이 일을 기업과 함께할 수 있고 실제로 그렇게 하고 있다.

기업 내 데이터 과학자를 양성하는 데는 시간이 걸린다. 내부에 기술력을 갖춘 사람이 있는지부터 알아봐야 한다. 없다면, 기업 내 어떤 사람을 데이터 과학자로 양성해야 할까? 우선, 특정 부서에 국한하지 않고 사람을 찾아야 한다.

중요한 점은 새롭게 일하는 방식을 받아들이는 것이다. 목적을 분명하게 이해하고 결과가 무엇인지를 정확히 아는 것도 알아야 한다. 서로 다른 많은 방법으로 신속하게 시도해 보고 실험해 볼 수 있어야 한다. 기업은 데이터 과학자가 실험하고 시도할 수 있도록 시간을 허락해 줘야 한다. 사람들 간의 실력 차이는 당연히 존재할 수 있으며 이는 훈련이나 온라인 과정으로 충분히 극복할 수 있다.

매스웍스는 데이터 과학자 양성을 위해 여러 가지 분야에 투자하는데, 그중 하나가 매시브 온라인 코스(Massive Online Course)다. 여기서 수십만 명이 수업을 들을 수 있고, 수강생들은 여기서 쌓은 경험을 사업에 적용할 수 있다.

그림 | 데이터 과학자에 필요한 3가지 


씽스피크(ThingSpeak)라는 학생용 커뮤니티가 있는데, 이 커뮤니티의 플랫폼에는 매트랩이 구축돼 있다. 학생들은 여기서 매트랩 스크립트와 시각화 기능도 사용할 수 있다. 필자는 영국에 있는 자택의 태양열 에너지 시스템을 설치해 사용하는데, 여기서 가져온 데이터를 모니터링하고 분석할 수 있다. 집에서 온수를 24~60도로 데워서 가족들이 사용하는데, 온수가 부족할 경우 이를 알려준다. 이때 어떻게 조처할지를 결정할 수 있고, 만약 보일러 자체가 고장이 나더라도 메시지를 보내준다. 씽스피크의 시뮬링크에서 임베디드 코드를 생성할 수 있고, 라즈베리파이를 이용해 코드를 만들 수도 있다.

필자는 개인적으로 사람들이 데이터 분석을 직접 배워볼 것을 권하고 싶다. 실생활에 적용할 수 있는 사례를 들자면 요즘 대부분의 사람들이 보유한 스마트폰에 연결할 수 있는 이경(귀속을 보는 현미경)을 들 수 있다. 귀에 염증이 있을 때 이 이경으로 사진을 찍어서 의사에게 전달하면 환자의 연령, 행동패턴 등의 메타데이터를 결합 및 분석해 의사가 치료여부를 결정할 수 있도록 돕는 것이다. 이 의료장비는 저렴하고 사용하기 편리한 데다 의사와 환자 모두에게 이익이 된다.

* 본 기고문은 매스웍스 크리스 헤이허스트 컨설팅 서비스 이사의 발표를 기반으로 작성됐다. ciokr@idg.co.kr