Offcanvas

��������� ������������������

"그래프 기술이 우리 DX의 중추" 재규어 랜드로버 혁신 사례

재규어 랜드로버(Jaguar Land Rover)의 핵심 자동차 제조 비즈니스는 팬데믹으로 인해 크게 흔들렸다. 2개월간 공장이 폐쇄됐고, 반도체 부족 사태에 시달렸다. 수요 측면에서도 심각한 곤란을 겪었다. 그러나 첨단 애널리틱스 덕분에 이 영국의 다국적 자동차 회사는 타격을 버텼을 뿐 아니라 기대를 넘어서는 성과를 달성했다.   JLR에는 40인으로 구성된 데이터 과학 및 애널리틱스 팀이 있다. 책임자 해리 파월에 따르면 이 팀은 지난 3년 동안 매년 1억 파운드를 투입하며 혁신적 예측 엔진을 개발했다. 해당 엔진은 2020년 200만 파운드의 추가 수익을 이끌어냈다. 세계를 휩쓴 팬데믹 속에서 얻어진 성과였다.  파월은 “우리 전략의 핵심 가운데 하나는 그래프 기술을 조직 내에 구현하는 것이었다. 이를 공급망에 적용하면서 양호한 성과를 거뒀다”라고 말했다. 그에 따르면 JLR은 타이거그래프(TigerGraph)의 그래프 데이터베이스 기술을 이용해 공급망 계획 수립을 3주에서 45분으로 단축했다. JLR은 이제 그래프 데이터베이스 기술을 자동차 품질 개선 및 가격 책정 애플리케이션 분야로 확장할 계획이다.  관계 및 비-SQL 데이터베이스와 달리 그래프 데이터베이스는 저장되어 있거나 업무 프로세스에서 활발히 사용되는 데이터 사이의 연계를 실시간으로 식별하고 포착하고 활용한다. 덕분에 ‘우발적 및 예측할 수 없는 관계’로 인한 어려움에 대처하는 데 있어 관계형 데이터베이스보다 더 우수하다고 IDC의 리서치 부사장인 칼 올라프슨은 말했다.  올라프슨은 “공급망 추적 시스템이 그래프 데이터베이스에 대한 완벽한 활용처인 이유”라고 말했다.  그래프의 준비  그래프 및 관계형 데이터베이스는 둘 다 데이터 사이의 관계에 대해를 알려주지만 관계의 본질 측면에서 차이가 있다고 올라프슨은 말했다. 그는 “관계형 데이터베이스에서 관계는 본질적으로 확정적(definitional)이다. 주문을 먼저 한 고객, ...

재규어 랜드로버 코로나19 팬데믹 그래프 데이터베이스 그래프 애널리틱스

2021.12.07

재규어 랜드로버(Jaguar Land Rover)의 핵심 자동차 제조 비즈니스는 팬데믹으로 인해 크게 흔들렸다. 2개월간 공장이 폐쇄됐고, 반도체 부족 사태에 시달렸다. 수요 측면에서도 심각한 곤란을 겪었다. 그러나 첨단 애널리틱스 덕분에 이 영국의 다국적 자동차 회사는 타격을 버텼을 뿐 아니라 기대를 넘어서는 성과를 달성했다.   JLR에는 40인으로 구성된 데이터 과학 및 애널리틱스 팀이 있다. 책임자 해리 파월에 따르면 이 팀은 지난 3년 동안 매년 1억 파운드를 투입하며 혁신적 예측 엔진을 개발했다. 해당 엔진은 2020년 200만 파운드의 추가 수익을 이끌어냈다. 세계를 휩쓴 팬데믹 속에서 얻어진 성과였다.  파월은 “우리 전략의 핵심 가운데 하나는 그래프 기술을 조직 내에 구현하는 것이었다. 이를 공급망에 적용하면서 양호한 성과를 거뒀다”라고 말했다. 그에 따르면 JLR은 타이거그래프(TigerGraph)의 그래프 데이터베이스 기술을 이용해 공급망 계획 수립을 3주에서 45분으로 단축했다. JLR은 이제 그래프 데이터베이스 기술을 자동차 품질 개선 및 가격 책정 애플리케이션 분야로 확장할 계획이다.  관계 및 비-SQL 데이터베이스와 달리 그래프 데이터베이스는 저장되어 있거나 업무 프로세스에서 활발히 사용되는 데이터 사이의 연계를 실시간으로 식별하고 포착하고 활용한다. 덕분에 ‘우발적 및 예측할 수 없는 관계’로 인한 어려움에 대처하는 데 있어 관계형 데이터베이스보다 더 우수하다고 IDC의 리서치 부사장인 칼 올라프슨은 말했다.  올라프슨은 “공급망 추적 시스템이 그래프 데이터베이스에 대한 완벽한 활용처인 이유”라고 말했다.  그래프의 준비  그래프 및 관계형 데이터베이스는 둘 다 데이터 사이의 관계에 대해를 알려주지만 관계의 본질 측면에서 차이가 있다고 올라프슨은 말했다. 그는 “관계형 데이터베이스에서 관계는 본질적으로 확정적(definitional)이다. 주문을 먼저 한 고객, ...

2021.12.07

칼럼ㅣ'그래프 DB' 기술이 HR 기반으로 자리 잡을 이유 

글로벌 HR 전문가 조시 버신이 최근 향후 5~10년에 걸친 새로운 인적자본관리(Human Capital Management; HCM) 기술 물결의 기반으로 ‘그래프 데이터베이스(Graph Database)’를 선정했다. 이 주장을 검토하고 실제 사례를 살펴본다.  HR은 명확한 구조를 바탕으로 한다. 조직 전체에서 보고 프로세스, 권한 부여, 역할 할당 등을 원활하게 관리하기 위해서다. 따라서 복잡한 조직도를 전체적으로 파악하고 변화에 대응할 수 있는 유연한 프레임워크를 갖추는 게 중요하다.  이를 지원하는 게 바로 그래프 기술이다. 조시 바신은 최근 ‘연례 HR 기술 보고서(HR Technology 2021: A Definitive Guide)’를 발표하고, 데이터포인트 간 연결을 파악하는 데 사용할 수 있는 이 기술이 새로운 인간 중심 HR 애플리케이션 물결의 기반으로 자리 잡을 것이라 예상했다.    바신은 ‘인력 애널리틱스(people analytics)’를 HR 부문에서 가장 빠르게 성장하고 있는 하위 전문 분야라고 진단했다. 그에 따르면 설문조사에 참여한 기업 가운데 25%가 이 역할을 채용하고 있다. 인력 애널리틱스는 조직도뿐만 아니라 관계와 역할을 반영하는 HR 데이터베이스를 만드는 것을 의미하며, 그는 이를 달성하기 위한 방법으로 그래프 기술을 강조하며 다음과 같이 말했다.  “오늘날의 기업에서 사람들은 직책과 직무를 가지고 있지만 일반적으로 이는 실제 수행되는 업무를 반영하지 않는다. 점점 더 많은 사람이 역할과 프로젝트에 초점을 맞추고 있다. 이로 인해 직책, 수준, 경력뿐만 아니라 실제 비즈니스 역량을 살펴볼 필요가 있다...(중략)…회사의 모든 개인은 더 이상 계층 구조의 노드가 아니다. 네트워크의 각 노드이며 다른 많은 사람, 프로젝트, 정보, 이력과 연결돼 있다.”  이어서 바신은 “그래프 데이터베이스는 네트워크에서 작업하는 방식, 데이터 및 객체를 검색하는 방식, 서...

HR HCM 인적자본관리 그래프 데이터베이스 그래프 DB

2021.04.30

글로벌 HR 전문가 조시 버신이 최근 향후 5~10년에 걸친 새로운 인적자본관리(Human Capital Management; HCM) 기술 물결의 기반으로 ‘그래프 데이터베이스(Graph Database)’를 선정했다. 이 주장을 검토하고 실제 사례를 살펴본다.  HR은 명확한 구조를 바탕으로 한다. 조직 전체에서 보고 프로세스, 권한 부여, 역할 할당 등을 원활하게 관리하기 위해서다. 따라서 복잡한 조직도를 전체적으로 파악하고 변화에 대응할 수 있는 유연한 프레임워크를 갖추는 게 중요하다.  이를 지원하는 게 바로 그래프 기술이다. 조시 바신은 최근 ‘연례 HR 기술 보고서(HR Technology 2021: A Definitive Guide)’를 발표하고, 데이터포인트 간 연결을 파악하는 데 사용할 수 있는 이 기술이 새로운 인간 중심 HR 애플리케이션 물결의 기반으로 자리 잡을 것이라 예상했다.    바신은 ‘인력 애널리틱스(people analytics)’를 HR 부문에서 가장 빠르게 성장하고 있는 하위 전문 분야라고 진단했다. 그에 따르면 설문조사에 참여한 기업 가운데 25%가 이 역할을 채용하고 있다. 인력 애널리틱스는 조직도뿐만 아니라 관계와 역할을 반영하는 HR 데이터베이스를 만드는 것을 의미하며, 그는 이를 달성하기 위한 방법으로 그래프 기술을 강조하며 다음과 같이 말했다.  “오늘날의 기업에서 사람들은 직책과 직무를 가지고 있지만 일반적으로 이는 실제 수행되는 업무를 반영하지 않는다. 점점 더 많은 사람이 역할과 프로젝트에 초점을 맞추고 있다. 이로 인해 직책, 수준, 경력뿐만 아니라 실제 비즈니스 역량을 살펴볼 필요가 있다...(중략)…회사의 모든 개인은 더 이상 계층 구조의 노드가 아니다. 네트워크의 각 노드이며 다른 많은 사람, 프로젝트, 정보, 이력과 연결돼 있다.”  이어서 바신은 “그래프 데이터베이스는 네트워크에서 작업하는 방식, 데이터 및 객체를 검색하는 방식, 서...

2021.04.30

'노드간 연결 표현에 적합'··· 그래프 데이터베이스 4종

노드들 사이의 연결을 명시적으로 표현하는 그래프 데이터베이스는 관계형 데이터베이스보다 컴퓨터, 사람, 인구 등 네트워크 분석에 더 효율적이다. 따라서 그래프 데이터베이스는 사기 감지와 추천 시스템 등의 애플리케이션에 적합하다.     그래프 데이터베이스는 그래프 검색, 경로 찾기, 중심성, PR(PageRank), 커뮤니티 감지 등 관계형 데이터베이스에 적합하지 않은 작업에 사용된다. 그래프 알고리즘은 OLAP 및 HTAP 등 대부분 분석 그래프 데이터베이스에서 지원되지만 네오4j 등 일부 전통적인(OLTP) 그래프 데이터베이스는 지원하지 않는다. 여기에서 살펴보는 모든 그래프 데이터베이스는 수평적 확장성이 뛰어나다. 또한 일부는 리드 레플리카, 글로벌 분산, 자동 수평 샤딩도 지원한다. 아마존 넵튠(Amazon Neptune) 아마존 넵튠은 ACID 속성과 즉각적인 일관성을 가진 완전한 관리형 트랜잭션(OLTP) 그래프 데이터베이스 서비스다. 그 중심에는 수십억 개의 관계를 저장하고 밀리초의 지연 속도로 그래프를 쿼리 처리하는데 최적화된 전용 고성능 그래프 데이터베이스가 있다. 넵튠은 인기 있는 2개의 오픈 소스 그래프 쿼리 언어인 아파치 팅커팝 그렘린(Apache TinkerPop Gremlin)과 W3C SPARQL을 지원한다. 넵튠 데이터베이스 클러스터는 3개의 가용 구역에 걸쳐 6개의 데이터 레플리카에 최대 64TB의 자동 스케일링 저장소를 지원한다. 추가 구역에서 리드 레플리카를 사용해 높은 가용성을 활성화하는 경우 더 추가할 수 있다. 넵튠은 자동으로 데이터베이스 충돌을 감지하며 캐시가 데이터베이스 프로세스로부터 독립적이고 재시작 시 잔존할 수 있어서 캐시 복구를 수행하거나 데이터베이스 캐시를 재구성할 필요 없이 일반적으로 30초 안에 재시작한다. 프라이머리 인스턴스 전체가 실패하는 경우 넵튠은 최대 15개의 리드 레플리카 중 하나로 자동 대체 작동한다. 백업은 지속해서 아마존 S3(Amazon S3)로 스트리밍된다. 인스...

그래프 데이터베이스

2019.07.31

노드들 사이의 연결을 명시적으로 표현하는 그래프 데이터베이스는 관계형 데이터베이스보다 컴퓨터, 사람, 인구 등 네트워크 분석에 더 효율적이다. 따라서 그래프 데이터베이스는 사기 감지와 추천 시스템 등의 애플리케이션에 적합하다.     그래프 데이터베이스는 그래프 검색, 경로 찾기, 중심성, PR(PageRank), 커뮤니티 감지 등 관계형 데이터베이스에 적합하지 않은 작업에 사용된다. 그래프 알고리즘은 OLAP 및 HTAP 등 대부분 분석 그래프 데이터베이스에서 지원되지만 네오4j 등 일부 전통적인(OLTP) 그래프 데이터베이스는 지원하지 않는다. 여기에서 살펴보는 모든 그래프 데이터베이스는 수평적 확장성이 뛰어나다. 또한 일부는 리드 레플리카, 글로벌 분산, 자동 수평 샤딩도 지원한다. 아마존 넵튠(Amazon Neptune) 아마존 넵튠은 ACID 속성과 즉각적인 일관성을 가진 완전한 관리형 트랜잭션(OLTP) 그래프 데이터베이스 서비스다. 그 중심에는 수십억 개의 관계를 저장하고 밀리초의 지연 속도로 그래프를 쿼리 처리하는데 최적화된 전용 고성능 그래프 데이터베이스가 있다. 넵튠은 인기 있는 2개의 오픈 소스 그래프 쿼리 언어인 아파치 팅커팝 그렘린(Apache TinkerPop Gremlin)과 W3C SPARQL을 지원한다. 넵튠 데이터베이스 클러스터는 3개의 가용 구역에 걸쳐 6개의 데이터 레플리카에 최대 64TB의 자동 스케일링 저장소를 지원한다. 추가 구역에서 리드 레플리카를 사용해 높은 가용성을 활성화하는 경우 더 추가할 수 있다. 넵튠은 자동으로 데이터베이스 충돌을 감지하며 캐시가 데이터베이스 프로세스로부터 독립적이고 재시작 시 잔존할 수 있어서 캐시 복구를 수행하거나 데이터베이스 캐시를 재구성할 필요 없이 일반적으로 30초 안에 재시작한다. 프라이머리 인스턴스 전체가 실패하는 경우 넵튠은 최대 15개의 리드 레플리카 중 하나로 자동 대체 작동한다. 백업은 지속해서 아마존 S3(Amazon S3)로 스트리밍된다. 인스...

2019.07.31

'데이터 활용 묘수 찾았다'··· FT의 '그래프 DB' 도입기

파이낸셜 타임스(Financial Times, FT)는 이미 지난 2012년에 디지털 구독 매출이 인쇄물 매출을 넘어섰다. 이른바 '디지털 퍼스트' 전략 덕분이다. 이를 통해 이 신문사의 IT팀은 독자에게 새로운 영상과 인터랙티브 그래픽, 팟캐스트 등을 제공할 수 있었다.    문제는 기존의 모놀리틱(monolithic) 아키텍처였다. 코드와 데이터가 관계형 데이터베이스에 긴밀하게 연결돼 있었고, 이 때문에 개발자가 애플리케이션에서 사용할 데이터를 일일이 구조화해야 했다. 새로운 디지털 서비스를 제공하기에는 제약이 많았다. 그래서 FT는 자사 애플리케이션에 마이크로서비스(microservices) 아키텍처를 도입해 독립적인 서비스로 바꾸었다. 그러자 필요할 때 앱을 릴리즈, 반복, 대체, 삭제하는 것이 더 용이해졌다. 의사결정을 각 일을 담당하는 팀에 넘기는 것도 간편해졌다.  그러나 여전히 문제가 있었다. 업무 우선순위가 바뀌고 직원이 다른 역할을 맡아야 할 때 유지보수 문제가 발생했다. FT의 선임 엔지니어 리스 에반스는 "다른 기업이 그런 것처럼 FT에서도 핵심 인력이 많은 기술 업무를 담당한다. 그리고 이제는 회사를 떠났거나 혹은 현재 다른 일을 하는 사람에 의해 만들어진 앱도 많다. 때때로 문서화도 잘 안 돼 있다. 그래서 우리는 그 해법을 찾기로 했다. 먼저 그동안 만든 것을 정리할 필요가 있었다. 각 애플리케이션 별로 누구 만들었는지 확인하고 제대로 개발됐는지 문서화가 제대로 됐는지 점검했다"라고 말했다. 가장 중요한 변화는 그 이후였다. FT는 이렇게 점검한 모든 결과물을 네오4제이(Neo4J) 그래프 데이터베이스 플랫폼으로 전환했다. 이 시스템을 이용하면 FT의 IT팀이 데이터 간의 복잡한 관계를 모델링할 수 있다. 이해당사자가 누구인지 더 분명한 투명성을 제공하면서도 이를 단순화하거나 중요한 세부 자료가 사라질까 걱정할 필요가 없다. IT팀이 이 시스템을 만들면서 명확하고 사...

그래프 데이터베이스 파이낸셜타임스 FT

2019.05.14

파이낸셜 타임스(Financial Times, FT)는 이미 지난 2012년에 디지털 구독 매출이 인쇄물 매출을 넘어섰다. 이른바 '디지털 퍼스트' 전략 덕분이다. 이를 통해 이 신문사의 IT팀은 독자에게 새로운 영상과 인터랙티브 그래픽, 팟캐스트 등을 제공할 수 있었다.    문제는 기존의 모놀리틱(monolithic) 아키텍처였다. 코드와 데이터가 관계형 데이터베이스에 긴밀하게 연결돼 있었고, 이 때문에 개발자가 애플리케이션에서 사용할 데이터를 일일이 구조화해야 했다. 새로운 디지털 서비스를 제공하기에는 제약이 많았다. 그래서 FT는 자사 애플리케이션에 마이크로서비스(microservices) 아키텍처를 도입해 독립적인 서비스로 바꾸었다. 그러자 필요할 때 앱을 릴리즈, 반복, 대체, 삭제하는 것이 더 용이해졌다. 의사결정을 각 일을 담당하는 팀에 넘기는 것도 간편해졌다.  그러나 여전히 문제가 있었다. 업무 우선순위가 바뀌고 직원이 다른 역할을 맡아야 할 때 유지보수 문제가 발생했다. FT의 선임 엔지니어 리스 에반스는 "다른 기업이 그런 것처럼 FT에서도 핵심 인력이 많은 기술 업무를 담당한다. 그리고 이제는 회사를 떠났거나 혹은 현재 다른 일을 하는 사람에 의해 만들어진 앱도 많다. 때때로 문서화도 잘 안 돼 있다. 그래서 우리는 그 해법을 찾기로 했다. 먼저 그동안 만든 것을 정리할 필요가 있었다. 각 애플리케이션 별로 누구 만들었는지 확인하고 제대로 개발됐는지 문서화가 제대로 됐는지 점검했다"라고 말했다. 가장 중요한 변화는 그 이후였다. FT는 이렇게 점검한 모든 결과물을 네오4제이(Neo4J) 그래프 데이터베이스 플랫폼으로 전환했다. 이 시스템을 이용하면 FT의 IT팀이 데이터 간의 복잡한 관계를 모델링할 수 있다. 이해당사자가 누구인지 더 분명한 투명성을 제공하면서도 이를 단순화하거나 중요한 세부 자료가 사라질까 걱정할 필요가 없다. IT팀이 이 시스템을 만들면서 명확하고 사...

2019.05.14

칼럼 | 막 오른 클라우드 DBMS 전쟁, 승자는 누가 될까?

클라우드 시장의 제2라운드가 DBMS에서 시작됐다. 최근 아마존 웹 서비스(AWS)가 다양한 클라우드 DBMS로 시장을 공략하기 시작했고, 이에 질세라 마이크로소프트도 응수하고 있다. 마이크로소프트 코스모스DB의 올인원 접근 방식은 AWS 다이나모DB, 레드시프트, 오로라 같은 특정 툴이 아니라 개발자가 실제로 원하는 것이어서 코스모스DB의 선전이 기대된다. 최근 클라우드 데이터베이스 시장에 변화가 있었다. 좀 더 구체적으로 비긴(Begin)의 설립자 브라이언 레록스가 먼저 인지했듯이 마이크로소프트 애저 코스모스DB(Microsoft Azure Cosmos DB)가 AWS 레드시프트(Redshift)를 추월했다. AWS 데이터베이스 선두자인 다이나모DB(DynamoDB)는 2017년 현상유지에 그쳤다. 하지만 DB 엔진스(DB Engines)의 전체 순위에 따르면, 코스모스DB는 58위에서 27계단이나 올라선 31위를 기록했다. 여러 클라우드 경쟁사의 데이터 접근방식이 크게 달라졌다. AWS는 데이터 웨어하우징(Warehousing)을 위한 아마존 레드시프트(Amazon Redshift), 전통적인 관계형 작업 부하를 위한 아마존 오로라/RDS(Amazon Aurora/RDS), NoSQL을 위한 AWS 다이나모DB 등 익숙한 데이터 필요에 대한 강력한 옵션을 도입했다. 한편, 마이크로소프트는 코스모스DB를 통해 긴급한 것으로 보이는 데이터에 대해 만병통치약 접근방식을 택함으로써 AWS와 정반대로 가고 있다. 새로운 국면으로 접어든 클라우드 데이터베이스 대부분 데이터는 오라클, MySQL, 마이크로소프트 SQL 서버(SQL Server) 등의 전통적인 RDBMS에서 확실히 개선되고 있다. NoSQL로 이것이 바뀌기 시작했지만(유연한 개요 문서 데이터 저장이 가능한 몽고DB(MongoDB)가 가장 좋은 예다.) 데이터베이스는 여전히 변화 가능성이 가장 낮은 기업 인프라다. 또한 데이터베이스를 변경할 때 그에 따르는 위험이 너무 ...

구글 Polyglot Persistence 다중 언어 일관성 코스모스DB 애저 SQL 다이나모DB 그래프 데이터베이스 레드시프트 몽고DB 빅쿼리 어도비 AWS DBMS 마이크로소프트 아마존 오라클 프로그레스SQL

2018.01.10

클라우드 시장의 제2라운드가 DBMS에서 시작됐다. 최근 아마존 웹 서비스(AWS)가 다양한 클라우드 DBMS로 시장을 공략하기 시작했고, 이에 질세라 마이크로소프트도 응수하고 있다. 마이크로소프트 코스모스DB의 올인원 접근 방식은 AWS 다이나모DB, 레드시프트, 오로라 같은 특정 툴이 아니라 개발자가 실제로 원하는 것이어서 코스모스DB의 선전이 기대된다. 최근 클라우드 데이터베이스 시장에 변화가 있었다. 좀 더 구체적으로 비긴(Begin)의 설립자 브라이언 레록스가 먼저 인지했듯이 마이크로소프트 애저 코스모스DB(Microsoft Azure Cosmos DB)가 AWS 레드시프트(Redshift)를 추월했다. AWS 데이터베이스 선두자인 다이나모DB(DynamoDB)는 2017년 현상유지에 그쳤다. 하지만 DB 엔진스(DB Engines)의 전체 순위에 따르면, 코스모스DB는 58위에서 27계단이나 올라선 31위를 기록했다. 여러 클라우드 경쟁사의 데이터 접근방식이 크게 달라졌다. AWS는 데이터 웨어하우징(Warehousing)을 위한 아마존 레드시프트(Amazon Redshift), 전통적인 관계형 작업 부하를 위한 아마존 오로라/RDS(Amazon Aurora/RDS), NoSQL을 위한 AWS 다이나모DB 등 익숙한 데이터 필요에 대한 강력한 옵션을 도입했다. 한편, 마이크로소프트는 코스모스DB를 통해 긴급한 것으로 보이는 데이터에 대해 만병통치약 접근방식을 택함으로써 AWS와 정반대로 가고 있다. 새로운 국면으로 접어든 클라우드 데이터베이스 대부분 데이터는 오라클, MySQL, 마이크로소프트 SQL 서버(SQL Server) 등의 전통적인 RDBMS에서 확실히 개선되고 있다. NoSQL로 이것이 바뀌기 시작했지만(유연한 개요 문서 데이터 저장이 가능한 몽고DB(MongoDB)가 가장 좋은 예다.) 데이터베이스는 여전히 변화 가능성이 가장 낮은 기업 인프라다. 또한 데이터베이스를 변경할 때 그에 따르는 위험이 너무 ...

2018.01.10

그래프 데이터베이스란 무엇인가? 어떻게 활용하나?

그래프 데이터베이스란 무엇이고, 현재 관심을 기울여야 할까? 그래프 데이터베이스의 가능성은 오픈소스 공급업체가 실제 사례로 엔터프라이즈 지원을 시작하면서 주류로 필터링하기 시작했다. 그렇다면, 여기에 관심을 가져야 하는 이유는 무엇인가? 지난 4월 파나마 페이퍼(Panama Papers) 유출 사건 기사를 읽은 독자라면, 그래프 데이터베이스(Graph Database)에 대해 들어봤을 것이다. 그래프 데이터베이스 기술은 언론인이 수많은 데이터 세트를 조사하고, 신속하게 개인과 기관, 조세 피난처를 연결할 수 있도록 도와줬다. 다양한 산업의 대기업들이 그래프 데이터베이스를 사용하는 사례가 느는 추세다. 예를 들어, 세계적인 대형 금융기관 가운데 상당수는 복잡한 데이터의 연결, 상관관계와 패턴이 데이터만큼 중요하다는 점을 인식하기 시작했다. 그래프 데이터베이스는 이런 상관관계를 찾아 활용할 수 있는 방법을 제공한다. 시맨틱(semantic) 웹 회사인 온투텍스트(Ontotext)의 매니징 컨설턴트 자레드 맥기니스는 “그래프는 항상 이치에 맞았다. 더 나아가 이론적으로는 더 우수하다. 하지만 관계형 데이터베이스가 너무 우수해 항상 따라잡아야 하는 처지였다. 그러던 것이 ‘티핑포인트’에 도달했다. 이제 더 이상 난해하지 않다. 충분히 성숙해졌다. 기업 환경에서 효과가 있음을 보여주는 사례들이 많다”고 말했다. 그래프 데이터베이스란? 그래프 데이터베이스는 그래프 이론에 토대를 둔 일종의 NoSQL 데이터베이스다. 객체나 노드로 불리는 데이터 포인트를 플롯하고, 그래프에서 이들을 연결하는 컴퓨터 과학 학문의 방법론이다. 기존 관계형 데이터베이스는 데이터를 열과 행으로 저장하고, NoSQL 데이터베이스는 많은 비정형 데이터를 저장한다. 그런데 그래프 데이터베이스는 여기에서 한 걸음 더 나아간다. 데이터 포인트를 연결, 데이터 네트워크를 구축한다. 오픈소스 소프트웨...

구글 네오테크놀로지 소셜 그래프 그래프 데이터베이스 ICIJ 국제탐사보도언론인협회 조세회피 Neo4j JSON 데이터 세트 분석 아마존 웹 서비스 NoSQL AWS 데이터베이스 빅데이터 페이스북 시맥틱 웹

2017.12.11

그래프 데이터베이스란 무엇이고, 현재 관심을 기울여야 할까? 그래프 데이터베이스의 가능성은 오픈소스 공급업체가 실제 사례로 엔터프라이즈 지원을 시작하면서 주류로 필터링하기 시작했다. 그렇다면, 여기에 관심을 가져야 하는 이유는 무엇인가? 지난 4월 파나마 페이퍼(Panama Papers) 유출 사건 기사를 읽은 독자라면, 그래프 데이터베이스(Graph Database)에 대해 들어봤을 것이다. 그래프 데이터베이스 기술은 언론인이 수많은 데이터 세트를 조사하고, 신속하게 개인과 기관, 조세 피난처를 연결할 수 있도록 도와줬다. 다양한 산업의 대기업들이 그래프 데이터베이스를 사용하는 사례가 느는 추세다. 예를 들어, 세계적인 대형 금융기관 가운데 상당수는 복잡한 데이터의 연결, 상관관계와 패턴이 데이터만큼 중요하다는 점을 인식하기 시작했다. 그래프 데이터베이스는 이런 상관관계를 찾아 활용할 수 있는 방법을 제공한다. 시맨틱(semantic) 웹 회사인 온투텍스트(Ontotext)의 매니징 컨설턴트 자레드 맥기니스는 “그래프는 항상 이치에 맞았다. 더 나아가 이론적으로는 더 우수하다. 하지만 관계형 데이터베이스가 너무 우수해 항상 따라잡아야 하는 처지였다. 그러던 것이 ‘티핑포인트’에 도달했다. 이제 더 이상 난해하지 않다. 충분히 성숙해졌다. 기업 환경에서 효과가 있음을 보여주는 사례들이 많다”고 말했다. 그래프 데이터베이스란? 그래프 데이터베이스는 그래프 이론에 토대를 둔 일종의 NoSQL 데이터베이스다. 객체나 노드로 불리는 데이터 포인트를 플롯하고, 그래프에서 이들을 연결하는 컴퓨터 과학 학문의 방법론이다. 기존 관계형 데이터베이스는 데이터를 열과 행으로 저장하고, NoSQL 데이터베이스는 많은 비정형 데이터를 저장한다. 그런데 그래프 데이터베이스는 여기에서 한 걸음 더 나아간다. 데이터 포인트를 연결, 데이터 네트워크를 구축한다. 오픈소스 소프트웨...

2017.12.11

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.

10.5.0.5