Offcanvas

���������

구글 고(Go) 언어, 그래프 기반 ORM 제공

구글 고(Go) 언어용 오픈소스 엔티티 프레임워크 ‘이엔티(ent)’는 모든 데이터베이스 스키마 또는 그래프 구조를 고 객체로 모델링하기 위한 API를 제공한다.     이스라엘 텔아비브에 있는 한 페이스북 개발팀에서 오픈소스 프로젝트 이엔티(ent)를 통해 구글 고(Go) 언어에 엔티티 프레임워크를 제공하고 있다. 이는 복잡한 데이터 모델로 고(Go) 애플리케이션을 더 쉽게 구축하고 유지 관리할 수 있도록 하기 위한 것이다.   데이터 모델링 및 쿼리를 위한 ‘ORM(Object Relational Mapping, 객체-관계 매핑)’을 제공하는 ent 프레임워크는 모든 데이터베이스 스키마를 고(Go) 객체로 모델링하기 위한 API를 제공한다. 이를 통해 쿼리와 어그리게이션을 실행하고, 그래프 구조를 탐색할 수 있다. ent의 기본 요소는 다음의 규칙을 따른다.  • 데이터베이스 스키마를 그래프 구조로 모델링 • 스키마를 프로그래마틱 고(Go) 코드로 정의 • 코드 생성을 기반으로 한 정적 입력 • 쓰기 쉬운 데이터베이스 쿼리 및 그래프 탐색  • 고(Go) 템플릿을 사용하여 확장 및 사용자 정의 한편 이엔티(ent)의 스키마 구성은 ‘entc(ent codegen)’에 의해 입증된다. 이엔티 코드젠(ent codegen)은 관용적이고 정적으로 형식화된 API를 생성한다. 이엔티(ent) 프레임워크는 마이SQL(MySQL), 그렘린(Gremlin) 그리고 주로 테스트용 SQ라이트(SQLite)를 지원한다. 이 기술은 페이스북에서 고 언어용 그래프 기반 ORM을 개발하면서 지난 2019년 10월 처음 공개됐다.     가장 최신 릴리즈인 버전 0.6.0은 2월에 출시됐으며, 깃허브에서 액세스할 수 있다. 이엔티(ent) 버전 1.0의 로드맵에는 JSON 타입 서술어(JSON type predicates) 및 수평 분할(horizontal sharding) 등의 기능이 포함될 예정이다. ci...

구글 고 언어 고랭 이엔티 데이터베이스 스키마 그래프 구조 모델링 데이터 API 엔티티 프레임워크 페이스북 ORM

2021.02.16

구글 고(Go) 언어용 오픈소스 엔티티 프레임워크 ‘이엔티(ent)’는 모든 데이터베이스 스키마 또는 그래프 구조를 고 객체로 모델링하기 위한 API를 제공한다.     이스라엘 텔아비브에 있는 한 페이스북 개발팀에서 오픈소스 프로젝트 이엔티(ent)를 통해 구글 고(Go) 언어에 엔티티 프레임워크를 제공하고 있다. 이는 복잡한 데이터 모델로 고(Go) 애플리케이션을 더 쉽게 구축하고 유지 관리할 수 있도록 하기 위한 것이다.   데이터 모델링 및 쿼리를 위한 ‘ORM(Object Relational Mapping, 객체-관계 매핑)’을 제공하는 ent 프레임워크는 모든 데이터베이스 스키마를 고(Go) 객체로 모델링하기 위한 API를 제공한다. 이를 통해 쿼리와 어그리게이션을 실행하고, 그래프 구조를 탐색할 수 있다. ent의 기본 요소는 다음의 규칙을 따른다.  • 데이터베이스 스키마를 그래프 구조로 모델링 • 스키마를 프로그래마틱 고(Go) 코드로 정의 • 코드 생성을 기반으로 한 정적 입력 • 쓰기 쉬운 데이터베이스 쿼리 및 그래프 탐색  • 고(Go) 템플릿을 사용하여 확장 및 사용자 정의 한편 이엔티(ent)의 스키마 구성은 ‘entc(ent codegen)’에 의해 입증된다. 이엔티 코드젠(ent codegen)은 관용적이고 정적으로 형식화된 API를 생성한다. 이엔티(ent) 프레임워크는 마이SQL(MySQL), 그렘린(Gremlin) 그리고 주로 테스트용 SQ라이트(SQLite)를 지원한다. 이 기술은 페이스북에서 고 언어용 그래프 기반 ORM을 개발하면서 지난 2019년 10월 처음 공개됐다.     가장 최신 릴리즈인 버전 0.6.0은 2월에 출시됐으며, 깃허브에서 액세스할 수 있다. 이엔티(ent) 버전 1.0의 로드맵에는 JSON 타입 서술어(JSON type predicates) 및 수평 분할(horizontal sharding) 등의 기능이 포함될 예정이다. ci...

2021.02.16

칼럼 | 2021년 데이터 과학 예측 7가지

그 어떤 해와도 달랐던 한 해를 보낸 후 필자는 긍정적인 생각으로 2021년을 바라보고 있다. 코로나19 대유행을 억제하고 일상을 (어느 정도) 되돌려 준다고 약속하는 코로나19 백신에 더해 기업들은 물론 정부가 ‘평소의 업무’로 복귀하면서 새로워질 경제와 전세계적인 안정도 기대하고 있다. 코로나바이러스로 거의 모든 시장 부문이 타격을 받은 가운데 기술 부문은 특히 큰 와해를 겪었다. 제조에서부터 공급망, 물류, 소매, 소비자 수요에 이르기까지, 기업들은 빠르게 전환을 해야 했으며 한 번이 아닌 두세 번의 전환이 필요한 경우도 많았다. 그런데 기술은 이미 올해에 대한 긍정적인 지표를 보이고 있으며 데이터 과학 분야에서 몇 가지 확실한 동향이 눈에 띈다. 이미 등장하기 시작한 7가지 동향을 소개한다.   데이터 과학 분야의 투자가 지속적으로 늘어난다 코로나19 영향 극복과 업무 실행을 위해 조직들은 여러 분야에서 예산을 대폭 삭감했었다. 그러나 2021년에는 데이터 과학에 대한 투자를 유지하거나 심지어 늘릴 회사가 많을 것으로 필자는 내다보고 있다. 코로나19로 급히 원격 근무자 지원에 나서면서 포춘500대 기업들은 퍼블릭 클라우드 및 최신 데이터 과학 도구로의 이전에 박차를 가했다. 이는 전면적인 데이터 과학 투자를 가로막는 마지막 남은 장벽 가운데 하나였다.  이제 봉인이 해제되었기 때문에 조직들의 계속적인 투자가 쉬워졌으며, 여러 포춘 500대 기업들이 머신러닝(ML) 및 데이터 과학 분야의 핵심 역량 구축에 투자하고 있다. 경쟁업체보다 더 빠르고/똑똑하고/잘하기 위해 ‘큰 승부’를 거는 것이다. 코로나19로 인해 모델 모니터링 솔루션의 개발이 가속화된다 코로나19로 업무 운영의 거의 모든 측면이 엄청난 타격을 입었으며 인공지능(AI) 및 머신러닝(ML)에 의존하여 업무 의사결정을 자동화하던 조직들이 특히 취약해졌다. 회사들이 겪고 있는 가장 큰 문제 가운데 하나는 막대한 데이터 드리프트(drift) 현상이다. 데이터 드리프트 ...

데이터 과학 알고리즘 모델링

2021.02.05

그 어떤 해와도 달랐던 한 해를 보낸 후 필자는 긍정적인 생각으로 2021년을 바라보고 있다. 코로나19 대유행을 억제하고 일상을 (어느 정도) 되돌려 준다고 약속하는 코로나19 백신에 더해 기업들은 물론 정부가 ‘평소의 업무’로 복귀하면서 새로워질 경제와 전세계적인 안정도 기대하고 있다. 코로나바이러스로 거의 모든 시장 부문이 타격을 받은 가운데 기술 부문은 특히 큰 와해를 겪었다. 제조에서부터 공급망, 물류, 소매, 소비자 수요에 이르기까지, 기업들은 빠르게 전환을 해야 했으며 한 번이 아닌 두세 번의 전환이 필요한 경우도 많았다. 그런데 기술은 이미 올해에 대한 긍정적인 지표를 보이고 있으며 데이터 과학 분야에서 몇 가지 확실한 동향이 눈에 띈다. 이미 등장하기 시작한 7가지 동향을 소개한다.   데이터 과학 분야의 투자가 지속적으로 늘어난다 코로나19 영향 극복과 업무 실행을 위해 조직들은 여러 분야에서 예산을 대폭 삭감했었다. 그러나 2021년에는 데이터 과학에 대한 투자를 유지하거나 심지어 늘릴 회사가 많을 것으로 필자는 내다보고 있다. 코로나19로 급히 원격 근무자 지원에 나서면서 포춘500대 기업들은 퍼블릭 클라우드 및 최신 데이터 과학 도구로의 이전에 박차를 가했다. 이는 전면적인 데이터 과학 투자를 가로막는 마지막 남은 장벽 가운데 하나였다.  이제 봉인이 해제되었기 때문에 조직들의 계속적인 투자가 쉬워졌으며, 여러 포춘 500대 기업들이 머신러닝(ML) 및 데이터 과학 분야의 핵심 역량 구축에 투자하고 있다. 경쟁업체보다 더 빠르고/똑똑하고/잘하기 위해 ‘큰 승부’를 거는 것이다. 코로나19로 인해 모델 모니터링 솔루션의 개발이 가속화된다 코로나19로 업무 운영의 거의 모든 측면이 엄청난 타격을 입었으며 인공지능(AI) 및 머신러닝(ML)에 의존하여 업무 의사결정을 자동화하던 조직들이 특히 취약해졌다. 회사들이 겪고 있는 가장 큰 문제 가운데 하나는 막대한 데이터 드리프트(drift) 현상이다. 데이터 드리프트 ...

2021.02.05

칼럼 | 기업 의사결정에 모델링과 시뮬레이션을 더 사용해야 하는 이유

엔비디아의 일명 '옴니버스(Omniverse)'는 매우 흥미로운 기술이다. 그래픽 카드와 게임 요소를 이용해 콘텐츠는 물론 비주얼 시뮬레이션까지 빠르게 만들어 낸다. 자율주행 시뮬레이션 분야의 주요 업체인 엔비디아의 이 툴은 다른 것을 모사하는 데도 사용할 수 있다. 예를 들어 엔비디아의 새로운 본사는 완공되기 1년 전부터 이미 '가상으로' 존재했다.   이번 글에서 할 이야기도 바로 이것이다. 헤지 펀드에 대한 레딧의 수많은 글을 보면서, 필자는 우리가 중요한 의사결정을 하기 전에 충분하게 시뮬레이션을 해 이를 검증하지 않는다는 점을 깨달았다. 여기서는 생산성을 향상하고, 비효율을 줄이고 더 훌륭하고 현명한 결과를 내는데 모델과 시뮬레이션을 어떻게 활용할 수 있는지 더 논의를 진행해 보자. 사실 우리는 이미 시뮬레이션 툴에 둘러싸여 있다. 국방과 금융, 마케팅, 재해 예방 업종의 다양한 기업이 시뮬레이션과 모델을 광범위하게 사용하고 있다. 그러나 개인 혹은 기업 단위의 의사결정에 이를 사용하지는 않는다. 마치 미래를 알려주는 크리스털 볼을 가졌는데 사용법이 너무 어려워 쓰지 않는 것과 비슷하다. 비슷한 오래된 농담도 있다. 한 아이가 자전거를 '끌고' 학교에 가고 있는 모습을 보고, 자전거를 타고 가던 친구가 왜 자전거를 타고 가지 않느냐고 묻는다. 그러나 그 아이는 학교에 늦어서 자전거 탈 시간이 없다고 말한다. 이 이야기는 그저 재밌다. 적어도 기업과 정부가 중대한 의사결정을 할 때 그 결과를 시뮬레이션해 보지도 않고 내려진다는 것을 깨닫기 전까지는 말이다. 아마도 그들은 돈과 시간이 없다는 자전거를 끌고 가는 아이와 같은 이상한(?) 변명을 할 것이다. 시뮬레이션의 가장 놀라운 점은 실시간으로 변화를 반영해 결과를 예측할 수 있다는 사실이다. 특히 인공지능(AI) 기능이 발전하면서 이제 시뮬레이션 시스템은 과거의 활용 사례를 학습해 설정 시간을 줄이고 예측 정확성을 높인다. 선입관이 끼어들지 않도록 주의해야 하지만, 중요한 프로젝트가 ...

모델링 시뮬레이션

2021.02.04

엔비디아의 일명 '옴니버스(Omniverse)'는 매우 흥미로운 기술이다. 그래픽 카드와 게임 요소를 이용해 콘텐츠는 물론 비주얼 시뮬레이션까지 빠르게 만들어 낸다. 자율주행 시뮬레이션 분야의 주요 업체인 엔비디아의 이 툴은 다른 것을 모사하는 데도 사용할 수 있다. 예를 들어 엔비디아의 새로운 본사는 완공되기 1년 전부터 이미 '가상으로' 존재했다.   이번 글에서 할 이야기도 바로 이것이다. 헤지 펀드에 대한 레딧의 수많은 글을 보면서, 필자는 우리가 중요한 의사결정을 하기 전에 충분하게 시뮬레이션을 해 이를 검증하지 않는다는 점을 깨달았다. 여기서는 생산성을 향상하고, 비효율을 줄이고 더 훌륭하고 현명한 결과를 내는데 모델과 시뮬레이션을 어떻게 활용할 수 있는지 더 논의를 진행해 보자. 사실 우리는 이미 시뮬레이션 툴에 둘러싸여 있다. 국방과 금융, 마케팅, 재해 예방 업종의 다양한 기업이 시뮬레이션과 모델을 광범위하게 사용하고 있다. 그러나 개인 혹은 기업 단위의 의사결정에 이를 사용하지는 않는다. 마치 미래를 알려주는 크리스털 볼을 가졌는데 사용법이 너무 어려워 쓰지 않는 것과 비슷하다. 비슷한 오래된 농담도 있다. 한 아이가 자전거를 '끌고' 학교에 가고 있는 모습을 보고, 자전거를 타고 가던 친구가 왜 자전거를 타고 가지 않느냐고 묻는다. 그러나 그 아이는 학교에 늦어서 자전거 탈 시간이 없다고 말한다. 이 이야기는 그저 재밌다. 적어도 기업과 정부가 중대한 의사결정을 할 때 그 결과를 시뮬레이션해 보지도 않고 내려진다는 것을 깨닫기 전까지는 말이다. 아마도 그들은 돈과 시간이 없다는 자전거를 끌고 가는 아이와 같은 이상한(?) 변명을 할 것이다. 시뮬레이션의 가장 놀라운 점은 실시간으로 변화를 반영해 결과를 예측할 수 있다는 사실이다. 특히 인공지능(AI) 기능이 발전하면서 이제 시뮬레이션 시스템은 과거의 활용 사례를 학습해 설정 시간을 줄이고 예측 정확성을 높인다. 선입관이 끼어들지 않도록 주의해야 하지만, 중요한 프로젝트가 ...

2021.02.04

기후변화 문제 해결에 인공지능이 도움될까?

기후변화 문제가 인류에게 가장 큰 위협이 됐다. 인공지능은 이러한 위기 상황을 역전시킬 열쇠를 쥐고 있을까? 9월 20일 금요일(현지시간), 세계적으로 400만 명 이상의 사람들이 기후 변화 시위에 참여하였고, 영국에서는 30만 명의 사람들이 거리로 나와 세계의 지도자들이 수수방관하는 태도에 분노를 표출했다. 이는 9월 20일부터 27일까지 열린 미래를 위한 글로벌 주간(Global Week for Future)이라고 개명된 행사다.   기술과 기후변화는 서로에게 어려운 관계다. 기술이 가정, 직장, 사회에서 보편화됨에 따라 우리가 생성하는 데이터의 양은 급증하였고, 전세계 데이터센터는 항공산업에 버금가는 양의 탄소를 배출하기에 이르렀다.   탄소를 배제하는 유일한 길은 컴퓨터를 배제하는 것이라고 주장하는 사람이 있을 수 있지만, 대부분의 경우와 마찬가지로 상황은 단순히 흑백논리로 풀 수 있는 것이 아니다. 기술은 의심할 바 없이 일부 영역에서 기후 변화를 악화시키고 있지만, 인공지능과 머신러닝 기술이 세계의 온도 상승에 따른 영향을 부분적으로 완화하기 위해 현재 전세계에 걸쳐 사용되고 있다.  2019년 6월, ‘머신러닝으로 기후 변화에 대응(Tackling Climate Change with Machine Learning)’이라는 제목의 연구 논문이 발표되었다. 이 논문은 기후 변화 및 인공지능 분야 22명의 권위자에 의해 공동으로 저술되었고, 기후변화와 싸우는 데 있어 인공지능과 머신러닝이 해야 할 역할을 개략적으로 설명한다. 논문에서 제안된 이용 사례는 광범위하고 다양하다. 그러나 이는 인공지능이 기후 변화의 악영향을 완화하는 최고의 수단이 될 것으로 예상되는 13가지 핵심 분야로 최종적으로 좁혀진다.  13가지 분야는 운송, 전력시스템, 농장, 산림, 교육을 아우르고, 이들 분야에서 효과가 나타나기까지 필요한 시간과, 이들 분야에 관련된 기술이 어느 정도 진척되었는가에 따라 범주화되었다. 이들 하위 분...

홍수 Global Week for Future 탄소배출 기후변화 예측 CO2 이산화탄소 모델링 인공지능 미래를 위한 글로벌 주간

2019.09.30

기후변화 문제가 인류에게 가장 큰 위협이 됐다. 인공지능은 이러한 위기 상황을 역전시킬 열쇠를 쥐고 있을까? 9월 20일 금요일(현지시간), 세계적으로 400만 명 이상의 사람들이 기후 변화 시위에 참여하였고, 영국에서는 30만 명의 사람들이 거리로 나와 세계의 지도자들이 수수방관하는 태도에 분노를 표출했다. 이는 9월 20일부터 27일까지 열린 미래를 위한 글로벌 주간(Global Week for Future)이라고 개명된 행사다.   기술과 기후변화는 서로에게 어려운 관계다. 기술이 가정, 직장, 사회에서 보편화됨에 따라 우리가 생성하는 데이터의 양은 급증하였고, 전세계 데이터센터는 항공산업에 버금가는 양의 탄소를 배출하기에 이르렀다.   탄소를 배제하는 유일한 길은 컴퓨터를 배제하는 것이라고 주장하는 사람이 있을 수 있지만, 대부분의 경우와 마찬가지로 상황은 단순히 흑백논리로 풀 수 있는 것이 아니다. 기술은 의심할 바 없이 일부 영역에서 기후 변화를 악화시키고 있지만, 인공지능과 머신러닝 기술이 세계의 온도 상승에 따른 영향을 부분적으로 완화하기 위해 현재 전세계에 걸쳐 사용되고 있다.  2019년 6월, ‘머신러닝으로 기후 변화에 대응(Tackling Climate Change with Machine Learning)’이라는 제목의 연구 논문이 발표되었다. 이 논문은 기후 변화 및 인공지능 분야 22명의 권위자에 의해 공동으로 저술되었고, 기후변화와 싸우는 데 있어 인공지능과 머신러닝이 해야 할 역할을 개략적으로 설명한다. 논문에서 제안된 이용 사례는 광범위하고 다양하다. 그러나 이는 인공지능이 기후 변화의 악영향을 완화하는 최고의 수단이 될 것으로 예상되는 13가지 핵심 분야로 최종적으로 좁혀진다.  13가지 분야는 운송, 전력시스템, 농장, 산림, 교육을 아우르고, 이들 분야에서 효과가 나타나기까지 필요한 시간과, 이들 분야에 관련된 기술이 어느 정도 진척되었는가에 따라 범주화되었다. 이들 하위 분...

2019.09.30

머신러닝 프로젝트가 실패하는 6가지 이유

일반적으로 학습 과정이란 실수를 저지르고 잘못된 길을 택하면서 경험을 통해 향후 동일한 함정을 피하는 방법을 알아 나가는 것을 의미한다. 머신러닝 역시 다르지 않다. 기업이 머신러닝을 구현할 때는 주의해야 한다. 일부 마케팅 자료에는 머신러닝을 매우 빠르고 정확한 기술로 묘사하지만 현실은 그렇지 않다. 진실은 머신러닝 프로세스에는 실수가 포함될 수밖에 없다는 것이다. 이러한 실수는 (적어도 한동안은) 비즈니스 프로세스에 영향을 미친다. 현재 이와 같은 실수는 큰 규모로 발생하며 사람이 즉각적으로 통제할 수 있는 범위를 벗어나는 경우가 많다. SPR 컨설팅의 최고 데이터 과학자인 레이 존슨은 “면밀한 실사가 동반되지 않은 열의는 머신러닝의 이점을 거의 무효화하는 문제로 이어질 수 있다”고 말했다. 머신러닝 오류를 탐지하고 적절히 대처하면 머신러닝 기술의 성공 가능성을 높이고 이 기술에 대한 기대치를 충족하는 데 도움이 된다. 머신러닝 툴이 학습 중 저지르는 실수를 늘리고 그 기간도 연장시키는 문제점은 다음과 같다. 이러한 문제점을 방치할 경우 머신러닝 툴은 잘못 학습하면서도 이를 인식하지 못하고 따라서 교정도 할 수 없는 상황에 놓이게 된다. 머신러닝 실패 원인 1. 비즈니스에 대한 이해 부족 머신러닝 모델을 사용하는 데이터 작업자가 머신러닝이 해결하고자 하는 비즈니스 문제를 제대로 이해하지 못할 경우 프로세스에 오류가 발생할 수 있다. 금융 서비스 사이트 렌딩트리(LendingTree)의 부사장으로 전략 및 분석을 책임지는 악샤이 탠던은 머신러닝 툴을 사용하는 팀이 가장 먼저 질문 목록부터 작성하도록 했다. 이를 통해 해결하고자 하는 문제가 무엇인지, 이 문제를 해결하기 위해 구축할 모델은 무엇인지를 물어야 한다. 탠던은 현재 시중의 머신러닝 툴은 통계 측면에서 매우 강력하다고 말했다. 툴이 강력한 만큼 주의해서 사용하지 않으면 매우 잘못된 의사 결정으로 이어질 수 있으므...

프로젝트 IT전략 실패 모델링 편견

2018.10.16

일반적으로 학습 과정이란 실수를 저지르고 잘못된 길을 택하면서 경험을 통해 향후 동일한 함정을 피하는 방법을 알아 나가는 것을 의미한다. 머신러닝 역시 다르지 않다. 기업이 머신러닝을 구현할 때는 주의해야 한다. 일부 마케팅 자료에는 머신러닝을 매우 빠르고 정확한 기술로 묘사하지만 현실은 그렇지 않다. 진실은 머신러닝 프로세스에는 실수가 포함될 수밖에 없다는 것이다. 이러한 실수는 (적어도 한동안은) 비즈니스 프로세스에 영향을 미친다. 현재 이와 같은 실수는 큰 규모로 발생하며 사람이 즉각적으로 통제할 수 있는 범위를 벗어나는 경우가 많다. SPR 컨설팅의 최고 데이터 과학자인 레이 존슨은 “면밀한 실사가 동반되지 않은 열의는 머신러닝의 이점을 거의 무효화하는 문제로 이어질 수 있다”고 말했다. 머신러닝 오류를 탐지하고 적절히 대처하면 머신러닝 기술의 성공 가능성을 높이고 이 기술에 대한 기대치를 충족하는 데 도움이 된다. 머신러닝 툴이 학습 중 저지르는 실수를 늘리고 그 기간도 연장시키는 문제점은 다음과 같다. 이러한 문제점을 방치할 경우 머신러닝 툴은 잘못 학습하면서도 이를 인식하지 못하고 따라서 교정도 할 수 없는 상황에 놓이게 된다. 머신러닝 실패 원인 1. 비즈니스에 대한 이해 부족 머신러닝 모델을 사용하는 데이터 작업자가 머신러닝이 해결하고자 하는 비즈니스 문제를 제대로 이해하지 못할 경우 프로세스에 오류가 발생할 수 있다. 금융 서비스 사이트 렌딩트리(LendingTree)의 부사장으로 전략 및 분석을 책임지는 악샤이 탠던은 머신러닝 툴을 사용하는 팀이 가장 먼저 질문 목록부터 작성하도록 했다. 이를 통해 해결하고자 하는 문제가 무엇인지, 이 문제를 해결하기 위해 구축할 모델은 무엇인지를 물어야 한다. 탠던은 현재 시중의 머신러닝 툴은 통계 측면에서 매우 강력하다고 말했다. 툴이 강력한 만큼 주의해서 사용하지 않으면 매우 잘못된 의사 결정으로 이어질 수 있으므...

2018.10.16

'챗봇과 머신러닝으로 고객이 원하는 밴 찾아준다' 英 바나라마 이야기

시선을 끄는 TV∙라디오 광고와 영국 프로 축구 리그 후원사로 유명한 영국의 밴 리스 웹사이트인 바나라마(Vanarama)는 챗봇과 머신러닝 같은 새로운 기능을 고객들에게 좀 더 빨리 제공하기 위해 IT분야를 회사 내부로 옮겨 왔다. 바나라마에서 1년 가까이 근무해 온 수석 아키텍트 겸 CTO인 제이미 뷰캐넌은 <컴퓨터월드UK>와의 전화 인터뷰를 통해 새로운 기능을 고객에게 제공하는 방식에 있어 회사가 좀 더 민첩해질 수 있도록 수년간 아웃소싱으로 활용했던 기술 분야를 사내로 가져온 과정에 대해 이야기했다. CEO인 앤디 앨더슨의 요청에 따라 뷰캐넌은 아무런 사전 준비 없이 IT팀을 구축했다. 애자일 개발 방법론 구현과 함께 닷넷(.Net) 프레임워크에서 루비 온 레일 (Ruby on Rails)을 실행하는, 좀더 현대적인 환경으로 옮겨가는 업무 수행이 포함됐다. 그러나 뷰캐넌은 바나라마의 하트퍼드셔 본사로 데려올 기술 분야 인재를 찾는 게 어려웠다고 말했다. 그는 "런던 외곽에 있다는 것은 그런 기술자들을 찾을 때 도전하고 싶어서 떠나고자 하는 사람들을 열심히 찾아야 함을 의미했다”고 그는 설명했다. 뷰캐넌에 따르면 밴, 자동차, 보험, 회사용 운송수단을 대상으로 하는 다양한 바나라마 웹사이트는 기본적으로 모바일 기반이며 ‘소파에 있는’ 고객을 대상으로 한다. 다시 말해 사용자 참여를 유도하고 결정적으로는 판매를 촉진하려면 속도와 간편함이 필요하다는 것을 의미한다. 머신러닝 바나라마는 새로운 고객을 겨냥해서 한번 자사 판매 경로에 들어오면 더 다양한 거래를 접할 수 있게 도와주기 위해 많은 프로젝트를 진행하고 있다. 이는 좀 더 스마트한 개인화와 매칭 작업에서 시작된다. 즉, 사이트에 접속하는 고객은 보험이나 합리적인 가격 등의 이유와 상관없이 리스가 가능한 차량들만 볼 수 있게 함을 의미한다. 이런 종류의 작업은 통상 머신러닝에 의존한다. 기본적으로 바나라마는 호텔 ...

SAS 아마존웹서비스 챗봇 Qlik 루비 온 레일 ML 오픈뱅킹 세이지메이커 신용 조회 클릭 데이터 과학 닷넷 AWS IT아웃소싱 통계 CTO 모델링 페이스북 메신저 애자일 개발 보험 바나라마

2018.08.09

시선을 끄는 TV∙라디오 광고와 영국 프로 축구 리그 후원사로 유명한 영국의 밴 리스 웹사이트인 바나라마(Vanarama)는 챗봇과 머신러닝 같은 새로운 기능을 고객들에게 좀 더 빨리 제공하기 위해 IT분야를 회사 내부로 옮겨 왔다. 바나라마에서 1년 가까이 근무해 온 수석 아키텍트 겸 CTO인 제이미 뷰캐넌은 <컴퓨터월드UK>와의 전화 인터뷰를 통해 새로운 기능을 고객에게 제공하는 방식에 있어 회사가 좀 더 민첩해질 수 있도록 수년간 아웃소싱으로 활용했던 기술 분야를 사내로 가져온 과정에 대해 이야기했다. CEO인 앤디 앨더슨의 요청에 따라 뷰캐넌은 아무런 사전 준비 없이 IT팀을 구축했다. 애자일 개발 방법론 구현과 함께 닷넷(.Net) 프레임워크에서 루비 온 레일 (Ruby on Rails)을 실행하는, 좀더 현대적인 환경으로 옮겨가는 업무 수행이 포함됐다. 그러나 뷰캐넌은 바나라마의 하트퍼드셔 본사로 데려올 기술 분야 인재를 찾는 게 어려웠다고 말했다. 그는 "런던 외곽에 있다는 것은 그런 기술자들을 찾을 때 도전하고 싶어서 떠나고자 하는 사람들을 열심히 찾아야 함을 의미했다”고 그는 설명했다. 뷰캐넌에 따르면 밴, 자동차, 보험, 회사용 운송수단을 대상으로 하는 다양한 바나라마 웹사이트는 기본적으로 모바일 기반이며 ‘소파에 있는’ 고객을 대상으로 한다. 다시 말해 사용자 참여를 유도하고 결정적으로는 판매를 촉진하려면 속도와 간편함이 필요하다는 것을 의미한다. 머신러닝 바나라마는 새로운 고객을 겨냥해서 한번 자사 판매 경로에 들어오면 더 다양한 거래를 접할 수 있게 도와주기 위해 많은 프로젝트를 진행하고 있다. 이는 좀 더 스마트한 개인화와 매칭 작업에서 시작된다. 즉, 사이트에 접속하는 고객은 보험이나 합리적인 가격 등의 이유와 상관없이 리스가 가능한 차량들만 볼 수 있게 함을 의미한다. 이런 종류의 작업은 통상 머신러닝에 의존한다. 기본적으로 바나라마는 호텔 ...

2018.08.09

머신러닝과 예측 알고리즘에 '안성맞춤' 데이터 과학 툴 10선

기업이 과거보다 훨씬 빠르게 데이터를 다루고자 하면서 데이터 과학자들이 알고리즘을 구축하고 배포하도록 해주는 플랫폼이 점점 더 중요해지고 있다. 가트너는 데이터 과학 플랫폼을 단순히 "머신러닝 솔루션을 만드는 엔진"으로 정의한다. 이 기사에서는 가트너의 정의를 확대해 데이터 과학 업무팀이 코드를 공동 작업하고 직접 배포해 데이터 과학 솔루션을 안내할 수 있는 모든 것을 포함했다. 데이터 과학 플랫폼은 상대적으로 덜 성숙했고 아직은 묘책이 없음을 기억하는 것이 중요하다. 테셀라 애널리틱스(Tessella Analytics)의 수석 분석 전략가인 매튜 존스는 <컴퓨터월드UK(ComputerworldUK)>와의 인터뷰에서 "데이터 과학은 플러그 앤드 플레이가 아니다"고 말했다. 이어서 "플랫폼은 아웃소싱해도 괜찮다. 하지만, 존재하는 데이터와 컨텍스트를 이해하는 사람은 교육을 받아야 한다. 기술 공급 업체에게 데이터 과학을 아웃소싱하는 경우 비즈니스와 데이터를 확실히 이해해야 한다"고 밝혔다. 이를 염두에 두고 오픈소스부터 기존 솔루션 업체까지 현재 기업이 가장 많이 사용하는 데이터 과학 플랫폼을 소개한다.   1. H2O.ai H2O.ai는 기업이 비즈니스 문제에 신속하고 확장할 수 있는 예측 분석을 적용하도록 지원하는 오픈소스 시스템 학습 플랫폼이다. 이 플랫폼의 명성은 점점 더 올라가고 있으며, 이전 버전은 가트너 매직 쿼드런트에서 비저너리로 선정됐으며 2018 데이터 과학 및 머신러닝 플랫폼 매직 쿼드런트에서 리더로 꼽혔다. 가트너는 딥러닝, 머신러닝 자동화, 하이브리드 클라우드 지원, 오픈소스 통합에 대한 기술 역량과 이베이, 캐피탈원, 컴캐스트를 포함한 고객사를 위한 강력한 지원을 높이 평가했다. 코드 중심 툴체인은 뛰어난 유연성과 확장성을 제공하지만 가장 사용자 친화적인 제품은 아니다. 2. 마이크...

SAS 래피드마이너 다타이쿠 도미노 데이터랩 데이터 과학 분석 예측 기계학습 스플렁크 모델링 클라우데라 데이터 과학자 애저 마이크로소프트 IBM 가트너 빅데이터 H2O.ai

2018.04.19

기업이 과거보다 훨씬 빠르게 데이터를 다루고자 하면서 데이터 과학자들이 알고리즘을 구축하고 배포하도록 해주는 플랫폼이 점점 더 중요해지고 있다. 가트너는 데이터 과학 플랫폼을 단순히 "머신러닝 솔루션을 만드는 엔진"으로 정의한다. 이 기사에서는 가트너의 정의를 확대해 데이터 과학 업무팀이 코드를 공동 작업하고 직접 배포해 데이터 과학 솔루션을 안내할 수 있는 모든 것을 포함했다. 데이터 과학 플랫폼은 상대적으로 덜 성숙했고 아직은 묘책이 없음을 기억하는 것이 중요하다. 테셀라 애널리틱스(Tessella Analytics)의 수석 분석 전략가인 매튜 존스는 <컴퓨터월드UK(ComputerworldUK)>와의 인터뷰에서 "데이터 과학은 플러그 앤드 플레이가 아니다"고 말했다. 이어서 "플랫폼은 아웃소싱해도 괜찮다. 하지만, 존재하는 데이터와 컨텍스트를 이해하는 사람은 교육을 받아야 한다. 기술 공급 업체에게 데이터 과학을 아웃소싱하는 경우 비즈니스와 데이터를 확실히 이해해야 한다"고 밝혔다. 이를 염두에 두고 오픈소스부터 기존 솔루션 업체까지 현재 기업이 가장 많이 사용하는 데이터 과학 플랫폼을 소개한다.   1. H2O.ai H2O.ai는 기업이 비즈니스 문제에 신속하고 확장할 수 있는 예측 분석을 적용하도록 지원하는 오픈소스 시스템 학습 플랫폼이다. 이 플랫폼의 명성은 점점 더 올라가고 있으며, 이전 버전은 가트너 매직 쿼드런트에서 비저너리로 선정됐으며 2018 데이터 과학 및 머신러닝 플랫폼 매직 쿼드런트에서 리더로 꼽혔다. 가트너는 딥러닝, 머신러닝 자동화, 하이브리드 클라우드 지원, 오픈소스 통합에 대한 기술 역량과 이베이, 캐피탈원, 컴캐스트를 포함한 고객사를 위한 강력한 지원을 높이 평가했다. 코드 중심 툴체인은 뛰어난 유연성과 확장성을 제공하지만 가장 사용자 친화적인 제품은 아니다. 2. 마이크...

2018.04.19

머신러닝으로 신용평가 정확도 5% 높인 '콜크레딧'

영국의 신용평가기업 콜크레딧(Callcredit)이 채무자의 상환 능력을 파악하고 대출 사기를 방지하는 데 머신러닝 기술을 활용하고 있다. 콜크레딧은 마이크로소프트 애저 머신러닝을 기반으로 모델링을 개발했으며 대출 신청 가운데 사기 대출을 찾아내고 채무자의 부채상환능력을 좀더 정확하게 평가할 수 있게 됐다. 콜크레딧은 여러 데이터 셋을 정교하게 분석하여 대출 신청자의 상환 확률을 계산하고 있다. 지난 2000년 설립 후 영국 내 주요 신용평가업체 세 곳 중 한 곳으로 부상한 콜크레딧은 머신러닝 기술을 활용해 경쟁사를 제치고 비교 우위를 점할 수 있을 것으로 기대하고 있다. 콜크레딧은 최근 마이크로소프트 애저 머신러닝 기술의 시범 도입을 성공적으로 마쳤으며 이를 통해 미납 채무 문제로 곤란을 겪는 신용카드사들에게 수백만 파운드를 절감해 줄 수 있게 될 것이라고 밝혔다. 콜크레딧의 최고 데이터 책임자(CDO) 마크 데이빗슨은 “MS 애저를 통해 머신러닝에 심층적으로 접근하였으며, 이를 통해 과거 어느 때보다 더욱 정교하고 정확하게 분석할 수 있었다”고 강조했다. 콜크레딧, 머신러닝 기술 적용 콜크레딧은 신용평가의 정확도를 높이고 고객사에 더 나은 서비스를 제공할 수 있는 차세대 예측 툴 제작을 목표로 삼았다. 약 1년 반 전쯤, 콜크레딧은 머신러닝의 비즈니스 활용 가능성을 물색하기 시작했다. 데이빗슨은 “처음에는 모든 가능성을 열어두고 시작했다. 수많은 데이터 과학자를 만나 의견을 들었고, 그들 각자가 최적이라 생각하는 기술에 대해 의견을 구했다. 우리가 직면한 문제를 해결해 줄 수 있는 적절한 솔루션, 즉 반드시 ‘정답’을 찾겠다는 일념으로 매진했다”고 이야기했다. 최적의 기술을 찾기 위해서는 각 기술의 예측 정확도를 일일이 테스트해 보는 수밖에 없었다. 콜크레딧은 자사의 주요 서비스 업무인 신용등급 평가 및 사기 방지 모니터링 부문에서 머신러닝...

SAS CDO 신용평가 최고 데이터 책임자 ML 상환 콜크레딧 회귀 분석 향상된 의사결정 나무 분석 대출 기계학습 빅데이터 마이크로소프트 AWS 애저 사기 데이터 과학자 신용카드 모델링 boosted decision tree

2018.01.09

영국의 신용평가기업 콜크레딧(Callcredit)이 채무자의 상환 능력을 파악하고 대출 사기를 방지하는 데 머신러닝 기술을 활용하고 있다. 콜크레딧은 마이크로소프트 애저 머신러닝을 기반으로 모델링을 개발했으며 대출 신청 가운데 사기 대출을 찾아내고 채무자의 부채상환능력을 좀더 정확하게 평가할 수 있게 됐다. 콜크레딧은 여러 데이터 셋을 정교하게 분석하여 대출 신청자의 상환 확률을 계산하고 있다. 지난 2000년 설립 후 영국 내 주요 신용평가업체 세 곳 중 한 곳으로 부상한 콜크레딧은 머신러닝 기술을 활용해 경쟁사를 제치고 비교 우위를 점할 수 있을 것으로 기대하고 있다. 콜크레딧은 최근 마이크로소프트 애저 머신러닝 기술의 시범 도입을 성공적으로 마쳤으며 이를 통해 미납 채무 문제로 곤란을 겪는 신용카드사들에게 수백만 파운드를 절감해 줄 수 있게 될 것이라고 밝혔다. 콜크레딧의 최고 데이터 책임자(CDO) 마크 데이빗슨은 “MS 애저를 통해 머신러닝에 심층적으로 접근하였으며, 이를 통해 과거 어느 때보다 더욱 정교하고 정확하게 분석할 수 있었다”고 강조했다. 콜크레딧, 머신러닝 기술 적용 콜크레딧은 신용평가의 정확도를 높이고 고객사에 더 나은 서비스를 제공할 수 있는 차세대 예측 툴 제작을 목표로 삼았다. 약 1년 반 전쯤, 콜크레딧은 머신러닝의 비즈니스 활용 가능성을 물색하기 시작했다. 데이빗슨은 “처음에는 모든 가능성을 열어두고 시작했다. 수많은 데이터 과학자를 만나 의견을 들었고, 그들 각자가 최적이라 생각하는 기술에 대해 의견을 구했다. 우리가 직면한 문제를 해결해 줄 수 있는 적절한 솔루션, 즉 반드시 ‘정답’을 찾겠다는 일념으로 매진했다”고 이야기했다. 최적의 기술을 찾기 위해서는 각 기술의 예측 정확도를 일일이 테스트해 보는 수밖에 없었다. 콜크레딧은 자사의 주요 서비스 업무인 신용등급 평가 및 사기 방지 모니터링 부문에서 머신러닝...

2018.01.09

머신러닝, 예측 알고리즘 모델링에 탁월한 '데이터 과학 플랫폼 9선'

데이터 과학자들이 알고리즘을 구축하고 배포할 수 있게 해주는 플랫폼은 기업이 이전보다 더 빠르게 데이터를 조작하려고 하면서 더 중요해졌다. 가트너는 데이터 과학 플랫폼을 단순히 "머신러닝 솔루션을 만드는 엔진"으로 정의한다. 이 기사에서는 가트너의 정의를 확대해 데이터 과학 업무팀이 코드를 공동 작업하고 직접 배포해 데이터 과학 솔루션으로 안내할 수 있는 모든 것을 포함했다. 데이터 과학 플랫폼은 상대적으로 덜 성숙했고, 아직은 묘책이 없음을 기억하는 것이 중요하다. 테셀라 애널리틱스(Tessella Analytics)의 수석 분석 전략가인 매트 존스는 <컴퓨터월드UK>와의 인터뷰에서 "데이터 과학은 플러그 앤드 플레이가 아니다"고 말했다. 이어서 "플랫폼은 괜찮지만, 존재하는 데이터와 맥락을 이해하는 사람이 교육을 받아야 한다. 기술 공급 업체에게 데이터 과학을 아웃소싱하는 경우 비즈니스와 데이터를 확실히 이해해야 한다"고 밝혔다. 이를 염두에 두고 오픈소스부터 기존 솔루션 업체까지 오늘날 기업이 가장 많이 사용하는 데이터 과학 플랫폼을 소개한다. 1. 마이크로소프트 애저 머신러닝 마이크로소프트는 데이터 과학자에게 애저 머신러닝 플랫폼을 사용해 예측 분석을 실제 환경에 구축하고 배포하기 위한 완벽하게 관리되는 클라우드 서비스를 제공한다. 이 플랫폼에는 파이썬이나 R과 같이 원하는 언어로 사용자 정의 코드를 지원하는 패키지가 내장돼 있으며 데이터 과학자들이 업무를 시작할 때 쓸만한 많은 문서가 제공된다. 애저 플랫폼은 데이터 과학자가 모델을 프로덕션에 웹 서비스로 신속하게 설치한 다음 애저 마켓플레이스에서 모델을 공유하도록 해준다. 고객으로는 카니발 크루즈(Carnival Cruises), JLL, 후지쯔가 있다. 2. SAS 바이야 분석 및 BI 공급 업체 SAS는 바이야(Viya) 플랫폼을 통해 데이터 과학 및 ...

SAS 다타이쿠 도미노 데이터랩 데이터 과학 분석 예측 기계학습 스플렁크 모델링 클라우데라 데이터 과학자 애저 마이크로소프트 IBM 가트너 래피드마이너

2017.11.28

데이터 과학자들이 알고리즘을 구축하고 배포할 수 있게 해주는 플랫폼은 기업이 이전보다 더 빠르게 데이터를 조작하려고 하면서 더 중요해졌다. 가트너는 데이터 과학 플랫폼을 단순히 "머신러닝 솔루션을 만드는 엔진"으로 정의한다. 이 기사에서는 가트너의 정의를 확대해 데이터 과학 업무팀이 코드를 공동 작업하고 직접 배포해 데이터 과학 솔루션으로 안내할 수 있는 모든 것을 포함했다. 데이터 과학 플랫폼은 상대적으로 덜 성숙했고, 아직은 묘책이 없음을 기억하는 것이 중요하다. 테셀라 애널리틱스(Tessella Analytics)의 수석 분석 전략가인 매트 존스는 <컴퓨터월드UK>와의 인터뷰에서 "데이터 과학은 플러그 앤드 플레이가 아니다"고 말했다. 이어서 "플랫폼은 괜찮지만, 존재하는 데이터와 맥락을 이해하는 사람이 교육을 받아야 한다. 기술 공급 업체에게 데이터 과학을 아웃소싱하는 경우 비즈니스와 데이터를 확실히 이해해야 한다"고 밝혔다. 이를 염두에 두고 오픈소스부터 기존 솔루션 업체까지 오늘날 기업이 가장 많이 사용하는 데이터 과학 플랫폼을 소개한다. 1. 마이크로소프트 애저 머신러닝 마이크로소프트는 데이터 과학자에게 애저 머신러닝 플랫폼을 사용해 예측 분석을 실제 환경에 구축하고 배포하기 위한 완벽하게 관리되는 클라우드 서비스를 제공한다. 이 플랫폼에는 파이썬이나 R과 같이 원하는 언어로 사용자 정의 코드를 지원하는 패키지가 내장돼 있으며 데이터 과학자들이 업무를 시작할 때 쓸만한 많은 문서가 제공된다. 애저 플랫폼은 데이터 과학자가 모델을 프로덕션에 웹 서비스로 신속하게 설치한 다음 애저 마켓플레이스에서 모델을 공유하도록 해준다. 고객으로는 카니발 크루즈(Carnival Cruises), JLL, 후지쯔가 있다. 2. SAS 바이야 분석 및 BI 공급 업체 SAS는 바이야(Viya) 플랫폼을 통해 데이터 과학 및 ...

2017.11.28

사람이 놓치는 악성코드, AI는 찾아낸다··· 사일런스 설립자 일문일답

한 기업의 데이터와 사람들, 애플리케이션을 보호하는 것이 지금처럼 중요하고 어려운 적은 없었다. 엔트리포인트(entry point)와 연결된 엔드포인트의 수가 급증했으며 악당들은 계속 똑똑해지고 있다. 분명히 변화가 필요하다. 보안 신생기업인 사일런스(Cylance)는 인공지능을 활용해 보안 업계의 판도를 바꾸고 있다. <CSO>는 인공지능이 어떻게 보안에 영향을 미치는지 더 잘 알아보기 위해 최근 사일런스의 창립자 겸 최고 과학자 라이언 퍼르메(왼쪽 사진)를 만나 이야기를 나눴다. 다음은 퍼르메와의 일문일답이다. CSO : 맥아피 출신인 당신이 세운 사일런스는 기존의 백신 모델을 뒤흔들고 있다. 이전 회사의 문제점은 무엇이었으며 사일런스를 창립한 동기는 무엇이었나? 라이언 퍼르메(이하 퍼르메) : 백신은 수십 년 전에는 훌륭한 기술이었지만 이제는 그동안 진화해 온 위협을 잡아내기에는 역부족이다. 오늘날 더 많은 위협이 더 많은 곳으로부터 등장하고 있으며 백신 솔루션이 놓치는 것이 많다. 백신 기술은 이미 알려진 것만 잡아낼 수 있기 때문에 사후 대응적 속성을 띠고 있다. 바이러스의 숫자와 다양성이 늘어나면 백신을 깰 수 있다. 악당들은 상대적으로 운영 비용이 훨씬 낮기 때문에 시스템은 기하급수적으로 더욱 뒤처지게 된다. 게다가, 새로운 백신 업데이트 제공에는 보통 며칠이 걸리는데 오늘날 기업들 입장에서는 너무 길다. 판을 바꿔야 한다는 것이 명백해졌기 때문에 사일런스를 창립하게 되었다. CSO : 사일런스의 문제 해결 방식은 어떻게 다른가? 퍼르메 : 더욱 효과적인 대처를 위해 머신러닝을 활용한다. 인간은 태생적으로 비효율적일 수밖에 없다. 서로 관련이 없는 것을 연결하는 능력이 없기 때문이다. 예를 들면, 보험회사들은 20개의 질문을 한 후 데이터를 머신러닝으로 분석함으로써 미래를 정확하게 예측할 수 있다. 이와 비슷한 개념인데 데이터가 훨씬 더 많다고 보면 된다. 과거를 살펴보면 백신 연구자는 평생 1만 개의 바이러스를 접한...

CSO 사일런스 신경망 백신 보험 기계학습 모델링 제로데이 GPU 인공지능 안티바이러스 위협 CISO 맥아피 아마존 워너크라이

2017.07.28

한 기업의 데이터와 사람들, 애플리케이션을 보호하는 것이 지금처럼 중요하고 어려운 적은 없었다. 엔트리포인트(entry point)와 연결된 엔드포인트의 수가 급증했으며 악당들은 계속 똑똑해지고 있다. 분명히 변화가 필요하다. 보안 신생기업인 사일런스(Cylance)는 인공지능을 활용해 보안 업계의 판도를 바꾸고 있다. <CSO>는 인공지능이 어떻게 보안에 영향을 미치는지 더 잘 알아보기 위해 최근 사일런스의 창립자 겸 최고 과학자 라이언 퍼르메(왼쪽 사진)를 만나 이야기를 나눴다. 다음은 퍼르메와의 일문일답이다. CSO : 맥아피 출신인 당신이 세운 사일런스는 기존의 백신 모델을 뒤흔들고 있다. 이전 회사의 문제점은 무엇이었으며 사일런스를 창립한 동기는 무엇이었나? 라이언 퍼르메(이하 퍼르메) : 백신은 수십 년 전에는 훌륭한 기술이었지만 이제는 그동안 진화해 온 위협을 잡아내기에는 역부족이다. 오늘날 더 많은 위협이 더 많은 곳으로부터 등장하고 있으며 백신 솔루션이 놓치는 것이 많다. 백신 기술은 이미 알려진 것만 잡아낼 수 있기 때문에 사후 대응적 속성을 띠고 있다. 바이러스의 숫자와 다양성이 늘어나면 백신을 깰 수 있다. 악당들은 상대적으로 운영 비용이 훨씬 낮기 때문에 시스템은 기하급수적으로 더욱 뒤처지게 된다. 게다가, 새로운 백신 업데이트 제공에는 보통 며칠이 걸리는데 오늘날 기업들 입장에서는 너무 길다. 판을 바꿔야 한다는 것이 명백해졌기 때문에 사일런스를 창립하게 되었다. CSO : 사일런스의 문제 해결 방식은 어떻게 다른가? 퍼르메 : 더욱 효과적인 대처를 위해 머신러닝을 활용한다. 인간은 태생적으로 비효율적일 수밖에 없다. 서로 관련이 없는 것을 연결하는 능력이 없기 때문이다. 예를 들면, 보험회사들은 20개의 질문을 한 후 데이터를 머신러닝으로 분석함으로써 미래를 정확하게 예측할 수 있다. 이와 비슷한 개념인데 데이터가 훨씬 더 많다고 보면 된다. 과거를 살펴보면 백신 연구자는 평생 1만 개의 바이러스를 접한...

2017.07.28

GE의 CIO 짐 파울러가 말하는 'IT문화 재정립, 변혁, 역할'

최근 GE의 짐 파울러가 <CIO닷컴>과의 인터뷰에서 협업 툴, IT우선순위의 변화, 왜 전통적인 CIO 역할이 사라지는지 등에 대해 이야기를 나눴다. GE의 CIO 짐 파울러 GE(General Electric) CIO는 어떤 협업 애플리케이션의 승자가 누구고 패자가 누군 지에는 관심이 없다. 또 GE 직원 33만 3,000명이 자신에게 가장 잘 맞는 협업 도구를 사용하는 것을 방해하고 싶어 하지도 않는다. 최근 <CIO닷컴(CIO.com)>이 캘리포니아 랜초 팔로버디스에서 개최한 CIO 100 이벤트에서 GE의 CIO 짐 파울러는 "현재 협업은 '노이즈'가 많은 공간이다. 관련 도구가 정말 많기 때문이다. 나는 여기에 관여하고 싶지 않다. 그 특징과 기능이 얼마나 유용한지 보고 싶을 뿐이다"고 말했다. 파울러에 따르면, GE 직원들은 마이크로소프트 오피스 365 스위트에 들어있는 야머(Yammer) 등 GE가 보유하거나 승인한 협업 플랫폼을 선택해 이용할 수 있다. 일부는 슬랙(Slack) 같은 앱을 선호하기도 한다. GE 직원들은 야머와 스카이프 포 비즈니스(Skype for Business) 같은 페더레이티드 앱을 이용하고 있다. 그러나 싱글사인온(SSO), 감사, 데이터 공유 관리 등 이른바 '방호책'에 충실하면 다른 협업 도구도 자유로이 이용할 수 있다. 그는 "누군가 더 나은 도구를 찾고, 우리가 이를 합법적으로 라이선스 해 보안을 적용하며, 여기에 회사가 규정한 특정 데이터를 집어넣지 않는다면 사용을 금지하지 않는다"고 설명했다. --------------------------------------------------------------- GE의 산업용 IoT 인기기사 -> GE, 산업용 IoT 애플리케이션용 '프레딕스 UI' 공개 -> '예측부터 실행까지' GE의 IoT 빅데...

협업 짐 파울러 CIO 100 이벤트 디지털 변혁 제너럴 일렉트릭 GE 모델링 야머 IT전략 IT문화 CIO 혁신 CIO 역할

2016.08.23

최근 GE의 짐 파울러가 <CIO닷컴>과의 인터뷰에서 협업 툴, IT우선순위의 변화, 왜 전통적인 CIO 역할이 사라지는지 등에 대해 이야기를 나눴다. GE의 CIO 짐 파울러 GE(General Electric) CIO는 어떤 협업 애플리케이션의 승자가 누구고 패자가 누군 지에는 관심이 없다. 또 GE 직원 33만 3,000명이 자신에게 가장 잘 맞는 협업 도구를 사용하는 것을 방해하고 싶어 하지도 않는다. 최근 <CIO닷컴(CIO.com)>이 캘리포니아 랜초 팔로버디스에서 개최한 CIO 100 이벤트에서 GE의 CIO 짐 파울러는 "현재 협업은 '노이즈'가 많은 공간이다. 관련 도구가 정말 많기 때문이다. 나는 여기에 관여하고 싶지 않다. 그 특징과 기능이 얼마나 유용한지 보고 싶을 뿐이다"고 말했다. 파울러에 따르면, GE 직원들은 마이크로소프트 오피스 365 스위트에 들어있는 야머(Yammer) 등 GE가 보유하거나 승인한 협업 플랫폼을 선택해 이용할 수 있다. 일부는 슬랙(Slack) 같은 앱을 선호하기도 한다. GE 직원들은 야머와 스카이프 포 비즈니스(Skype for Business) 같은 페더레이티드 앱을 이용하고 있다. 그러나 싱글사인온(SSO), 감사, 데이터 공유 관리 등 이른바 '방호책'에 충실하면 다른 협업 도구도 자유로이 이용할 수 있다. 그는 "누군가 더 나은 도구를 찾고, 우리가 이를 합법적으로 라이선스 해 보안을 적용하며, 여기에 회사가 규정한 특정 데이터를 집어넣지 않는다면 사용을 금지하지 않는다"고 설명했다. --------------------------------------------------------------- GE의 산업용 IoT 인기기사 -> GE, 산업용 IoT 애플리케이션용 '프레딕스 UI' 공개 -> '예측부터 실행까지' GE의 IoT 빅데...

2016.08.23

'누구를 뽑아야 하나?' 빅데이터 인재 채용 전략 팁

데이터 과학자, 애널리스트, 엔지니어 채용은 어려운 일이 될 수 있다. 하지만 전략만 제대로 세운다면 지금 당장 훌륭한 후보군을 찾을 수 있을 것이다. 이미지 출처 : IDG 데이터 과학은 '핫'한 새로운 산업이다. 그런데 이 분야에 진출할 때 필요한 학력이나 경력과 기술력(전문성 또는 역량)은 무엇일까? 데이터 과학, 데이터 엔지니어링, 데이터 분석(애널리틱스)은 데이터 분석 세계에서 수많은 기술력과 직종을 설명할 때 쓰이는 광범위하면서도 때론 모호한 용어다. 데이터사이언스(DataScience)의 수석 데이터 과학자인 카일 폴리치는 "여러 다양한 조직에서 '데이터 과학자'라는 직종을 정말 광범위하게 적용하고 있다. 이런 이유로 필수 기술력을 명확하게 정의하기 힘들다. 높은 수준에서 조직 데이터를 접근, 변환, 분석, 활용하는 기법과 도구에 정통한 사람이 데이터 과학자다"고 설명했다. 데이터 과학자나 애널리스트를 채용할 계획이 있다면, 채용하려는 인재에게 요구하는 기술력이 무엇인지 아는 것이 중요하다. 데이터 직종은 데이터를 넘어서 수많은 일을 처리해야 하는 때가 많다. 그리고 수집에서 저장, 비즈니스 변혁을 위해 데이터를 분석해 활용하는 프로세스의 각 단계를 전담하는 사람들이 있다. 궁극적으로 알고리즘을 작성하며, 데이터를 관리하고 대조하며, 데이터를 해석하고, 데이터를 중요한 이해당사자와 공유하는 수많은 인재들이 데이터 전략을 성공으로 이끌 수 있다. --------------------------------------------------------------- 빅 데이터 전문 인력 인기기사 ->빅 데이터 고공행진, 하둡 전문가 '귀하신 몸' -> 연봉 높고 인기 많은 빅 데이터 전문직 8종 ->“하둡보다 25% 빠르다” 렉시스넥시스, 개발자 유인 주력 -> 뜨는 직종 '데이터 과학자...

CIO 데이터 웨어하우징 엔지니어 채용 디지털 변혁 머신러닝 분석 모델링 통계 데이터 과학자 애널리스트 고용 채용 디지털 변환

2016.06.24

데이터 과학자, 애널리스트, 엔지니어 채용은 어려운 일이 될 수 있다. 하지만 전략만 제대로 세운다면 지금 당장 훌륭한 후보군을 찾을 수 있을 것이다. 이미지 출처 : IDG 데이터 과학은 '핫'한 새로운 산업이다. 그런데 이 분야에 진출할 때 필요한 학력이나 경력과 기술력(전문성 또는 역량)은 무엇일까? 데이터 과학, 데이터 엔지니어링, 데이터 분석(애널리틱스)은 데이터 분석 세계에서 수많은 기술력과 직종을 설명할 때 쓰이는 광범위하면서도 때론 모호한 용어다. 데이터사이언스(DataScience)의 수석 데이터 과학자인 카일 폴리치는 "여러 다양한 조직에서 '데이터 과학자'라는 직종을 정말 광범위하게 적용하고 있다. 이런 이유로 필수 기술력을 명확하게 정의하기 힘들다. 높은 수준에서 조직 데이터를 접근, 변환, 분석, 활용하는 기법과 도구에 정통한 사람이 데이터 과학자다"고 설명했다. 데이터 과학자나 애널리스트를 채용할 계획이 있다면, 채용하려는 인재에게 요구하는 기술력이 무엇인지 아는 것이 중요하다. 데이터 직종은 데이터를 넘어서 수많은 일을 처리해야 하는 때가 많다. 그리고 수집에서 저장, 비즈니스 변혁을 위해 데이터를 분석해 활용하는 프로세스의 각 단계를 전담하는 사람들이 있다. 궁극적으로 알고리즘을 작성하며, 데이터를 관리하고 대조하며, 데이터를 해석하고, 데이터를 중요한 이해당사자와 공유하는 수많은 인재들이 데이터 전략을 성공으로 이끌 수 있다. --------------------------------------------------------------- 빅 데이터 전문 인력 인기기사 ->빅 데이터 고공행진, 하둡 전문가 '귀하신 몸' -> 연봉 높고 인기 많은 빅 데이터 전문직 8종 ->“하둡보다 25% 빠르다” 렉시스넥시스, 개발자 유인 주력 -> 뜨는 직종 '데이터 과학자...

2016.06.24

'애널리틱스로 할부 연체 고객 관리' 토요타 사례

토요타 파이낸셜 서비스의 CTO(Collection Treatment Optimization) 프로그램은 연체 고객을 줄이고 고객들이 차량을 유지하도록 돕는 것을 목적으로 한다. 2007~2008년 미국발 금융위기 이후 미국에서는 자동차 할부금을 제때 상환하지 못하는 소비자가 기하급수적으로 늘어나기 시작했다. 미국 내 400만여 명의 고객을 확보한 자동차 할부금융 기업인 토요타 파이낸셜 서비스(TFS, Toyota Financial Services)에 따르면, 2009년에 그 수가 절정에 달했다. TFS 과학적 의사결정 담당 관리자인 짐 밴더는 “상환이 하루 이상 연체된 고객 수가 10만 명을 넘긴 것은 2009년이 처음이었다”고 말했다. 밴더는 애당초 토요타의 목표가 최대한 많은 고객이 차량을 유지할 수 있도록 하는 것이었다고 설명했다. 때문에 할부금 연체로 고객들이 압류당하거나 신용 기록에 문제가 남지 않도록 하면서도 대출 포트폴리오의 수익률을 유지하고 개선하는 것이 목표였다. 이러한 목표 달성을 위해 TFS는 애널리틱스라는 새로운 분야를 개척하게 된다. 토요타의 8단계 문제 해결 방법론은 이미 유명하다. 1. 정확한 문제 파악 2. 문제를 세분화 3. 목표 설정 4. 문제 원인 분석 5. 솔루션 설계 6. 솔루션 이행 7. 이행 프로세스 및 결과 모니터링 8. 성공 모형의 표준화 및 공유 문제는 연체자 수가 너무 많아 TFS가 할부금 회수에 투입할 수 있는 인적 자원을 훨씬 능가한다는 것이었다고 밴더는 지적했다. 개입이 필요한 고객 파악하기 분석 소프트웨어 업체 FICO의 신용 라이프사이클 영업부문 부대표 겸 총괄 매니저 팀 밴태슬에 따르면, 직원들이 하루에 돌릴 수 있는 전화 횟수는 정해져 있다. 그리고 연체 고객이라고 해서 다 같은 연체 고객이 아니다. 이들 중에는 외부의 개입 없이도 혼자 힘으로 일어설 수 있는 고객도 있다. 굳이 이런 고객들까지 연락을 취하는 건 한...

CIO 할부금 회수 최적화 처방 Collections Treatment Optimization 토요타 파이낸셜 서비스 연체 자동차 할부 TFS 토요타 애널리틱스 분석 대출 모델링 캐피탈 CTO 금융 빅데이터 할부

2016.03.30

토요타 파이낸셜 서비스의 CTO(Collection Treatment Optimization) 프로그램은 연체 고객을 줄이고 고객들이 차량을 유지하도록 돕는 것을 목적으로 한다. 2007~2008년 미국발 금융위기 이후 미국에서는 자동차 할부금을 제때 상환하지 못하는 소비자가 기하급수적으로 늘어나기 시작했다. 미국 내 400만여 명의 고객을 확보한 자동차 할부금융 기업인 토요타 파이낸셜 서비스(TFS, Toyota Financial Services)에 따르면, 2009년에 그 수가 절정에 달했다. TFS 과학적 의사결정 담당 관리자인 짐 밴더는 “상환이 하루 이상 연체된 고객 수가 10만 명을 넘긴 것은 2009년이 처음이었다”고 말했다. 밴더는 애당초 토요타의 목표가 최대한 많은 고객이 차량을 유지할 수 있도록 하는 것이었다고 설명했다. 때문에 할부금 연체로 고객들이 압류당하거나 신용 기록에 문제가 남지 않도록 하면서도 대출 포트폴리오의 수익률을 유지하고 개선하는 것이 목표였다. 이러한 목표 달성을 위해 TFS는 애널리틱스라는 새로운 분야를 개척하게 된다. 토요타의 8단계 문제 해결 방법론은 이미 유명하다. 1. 정확한 문제 파악 2. 문제를 세분화 3. 목표 설정 4. 문제 원인 분석 5. 솔루션 설계 6. 솔루션 이행 7. 이행 프로세스 및 결과 모니터링 8. 성공 모형의 표준화 및 공유 문제는 연체자 수가 너무 많아 TFS가 할부금 회수에 투입할 수 있는 인적 자원을 훨씬 능가한다는 것이었다고 밴더는 지적했다. 개입이 필요한 고객 파악하기 분석 소프트웨어 업체 FICO의 신용 라이프사이클 영업부문 부대표 겸 총괄 매니저 팀 밴태슬에 따르면, 직원들이 하루에 돌릴 수 있는 전화 횟수는 정해져 있다. 그리고 연체 고객이라고 해서 다 같은 연체 고객이 아니다. 이들 중에는 외부의 개입 없이도 혼자 힘으로 일어설 수 있는 고객도 있다. 굳이 이런 고객들까지 연락을 취하는 건 한...

2016.03.30

선도기업들이 말하는 빅데이터 인재 확보 전략

A.T. 커니의 최근 조사에 따르면, 기업들은 통찰력을 얻기 위해 기업 데이터를 자유자재로 다룰 우수 데이터 과학자 채용에 어려움을 겪는 것으로 나타났다.  이미지 출처 : Thinkstock 빅데이터를 분석할 수 있는 숙련된 인력 부족 이외에 불필요한 정보를 제거해야 하다는 문제가 더해지면서 CIO들이 지속적으로 어려움을 겪고 있다. 430명의 고위 임원을 대상으로 한 A.T. 커니의 새로운 조사에 따르면, 가장 발전된 분석 역량을 갖춘 기업조차도 데이터에서 통찰력을 만들어 낼 수 있는 인력을 충분히 고용하지 못한 기업들이 2/3에 이르는 것으로 파악됐다. 또 기업들은 향후 5년 동안 33%나 많은 빅데이터 인재를 필요로 하게 될 것이라고 A.T. 커니의 파트너 겸 해당 연구 보고서의 공동 저자 칼리드 칸(왼쪽 사진)은 말했다. 데이터 분석 전문 인재를 채용해 이들이 회사에 남아 있도록 하는 것은 쉽지 않다. 기업들이 사업을 디지털화하면서 제품을 다듬거나 프로세스 효율성을 높이거나 새로운 수익원을 찾는데 도움이 되는 상관관계에 관한 결과 데이터 수집이 필수적이다. 예를 들어, 웨더컴퍼니(Weather Company)는 소매 기업들이 물 재고량 증감을 예측할 수 있도록 날씨 패턴을 예측하는 방법을 고민하고 있다. 문제는 빅데이터의 비즈니스 사례는 무한한 것처럼 보이지만 인재풀은 여전히 작다는 데 있다.  데이터 분석 인재에 대한 3가지 위협 조사에서 칸은 기업들이 통계, 디지털 기술, 비즈니스 전략 이 3가지를 모두 제대로 이해하고 있는 사람들을 필요로 한다고 말했다. “이 3가지 자격을 갖춘 전문가는 의사결정 과정에 데이터 분석을 통합시켜 비즈니스 전략을 수립하고 경쟁우위를 이끌어 내는 전문가들이다. 이들을 확보하는 것이 최선이다”고 설명했다.   하지만, 선택할 수 있는 폭이 넓지 않기 때문에 많은 기업들이 기술적으로 숙달되고 통계 모델링을 ...

CIO A.T. Kearney A.T. 커니 분석 전문가 웨더컴퍼니 분석 예측 모델링 대학 통계 데이터 과학자 컨설팅 인재 빅데이터 산학연계

2015.12.11

A.T. 커니의 최근 조사에 따르면, 기업들은 통찰력을 얻기 위해 기업 데이터를 자유자재로 다룰 우수 데이터 과학자 채용에 어려움을 겪는 것으로 나타났다.  이미지 출처 : Thinkstock 빅데이터를 분석할 수 있는 숙련된 인력 부족 이외에 불필요한 정보를 제거해야 하다는 문제가 더해지면서 CIO들이 지속적으로 어려움을 겪고 있다. 430명의 고위 임원을 대상으로 한 A.T. 커니의 새로운 조사에 따르면, 가장 발전된 분석 역량을 갖춘 기업조차도 데이터에서 통찰력을 만들어 낼 수 있는 인력을 충분히 고용하지 못한 기업들이 2/3에 이르는 것으로 파악됐다. 또 기업들은 향후 5년 동안 33%나 많은 빅데이터 인재를 필요로 하게 될 것이라고 A.T. 커니의 파트너 겸 해당 연구 보고서의 공동 저자 칼리드 칸(왼쪽 사진)은 말했다. 데이터 분석 전문 인재를 채용해 이들이 회사에 남아 있도록 하는 것은 쉽지 않다. 기업들이 사업을 디지털화하면서 제품을 다듬거나 프로세스 효율성을 높이거나 새로운 수익원을 찾는데 도움이 되는 상관관계에 관한 결과 데이터 수집이 필수적이다. 예를 들어, 웨더컴퍼니(Weather Company)는 소매 기업들이 물 재고량 증감을 예측할 수 있도록 날씨 패턴을 예측하는 방법을 고민하고 있다. 문제는 빅데이터의 비즈니스 사례는 무한한 것처럼 보이지만 인재풀은 여전히 작다는 데 있다.  데이터 분석 인재에 대한 3가지 위협 조사에서 칸은 기업들이 통계, 디지털 기술, 비즈니스 전략 이 3가지를 모두 제대로 이해하고 있는 사람들을 필요로 한다고 말했다. “이 3가지 자격을 갖춘 전문가는 의사결정 과정에 데이터 분석을 통합시켜 비즈니스 전략을 수립하고 경쟁우위를 이끌어 내는 전문가들이다. 이들을 확보하는 것이 최선이다”고 설명했다.   하지만, 선택할 수 있는 폭이 넓지 않기 때문에 많은 기업들이 기술적으로 숙달되고 통계 모델링을 ...

2015.12.11

질병에 강한 농작물 연구에 수퍼컴퓨터 활용

IBM 블루진/Q가 셀룰로이즈의 나노구조를 파악하는데 쓰이는 것으로 알려졌다. 에드윈 램푸그나니와 모니카 도블린 박사가 세포벽 프로젝트의 일환으로 식물 실험을 하고 있다. 과학자들이 질병에 더 강한 작물 품종으로 개량하고 펄프, 제지, 섬유 산업의 지속가능성을 높이기 위해 셀룰로이즈의 나노 구조체를 파악하는데 수퍼컴퓨터를 사용하고 있다. 호주 멜버른대학, 퀸즐랜드대학. IBM 연구소의 연구원들은 분자 단계에 있는 셀룰로오스의 구조와 역학을 모델링하기 위해 빅토리아 생명과학 컴퓨테이셔널 이니셔티브(VLSCI)에서 IBM의 블루진(Blue Gene)/Q 수퍼컴퓨터의 컴퓨팅 파워를 사용해 왔다. 지구상에서 가장 풍부한 유기 화합물 중 하나인 셀룰로오스는 식물 세포벽의 기본 구조 성분이다. 식물은 포도당의 기본 단위를 연결해 셀룰로이즈를 만드는데 이는 섬유질에 기본으로 들어 있다. 이들 섬유질은 강성, 유연성 및 내외부 스트레스에 대한 방어기작을 제공하기 위해 세포를 둘러 싸고 있다. 지금까지 과학자들은 식물 세포벽의 구조를 구체화하는 단계에서 복잡성 문제를 안고 있었다. 전통적인 물리적 방법은 종종 식물 세포에 손상을 줄 수 있다고 IBM은 밝혔다. IBM은 “이 작업이 셀룰로오즈 생합성과, 식물 세포벽이 어떻게 구성돼 있고 어떤 기능을 하는 지에 대한 우리의 이해 수준을 높여줄 중요한 단계“라고 전했다. 이는 전체 식물 세포벽을 3D 컴퓨터 시뮬레이션 모델로 개발하기 위한 장기 프로그램의 일부다. 셀룰로오즈 원자의 움직임을 모델링하는데 필요한 수백조의 수식을 완성하기 위해 과학자들은 수퍼컴퓨터를 사용했다. 이러한 연구 결과, 셀룰로오스 구조 안에 기본 마이크로섬유를 가진 사슬이 18~24개 존재하며 이는 그 전에 가정했던 36개보다는 적은 수다라는 것이 밝혀졌다. --------------------------------------------------------------- 세상...

빅데이터 작물 재배 생명공학 블루진/Q 실험실 모델링 연구 수퍼컴퓨터 IBM 개량

2015.05.22

IBM 블루진/Q가 셀룰로이즈의 나노구조를 파악하는데 쓰이는 것으로 알려졌다. 에드윈 램푸그나니와 모니카 도블린 박사가 세포벽 프로젝트의 일환으로 식물 실험을 하고 있다. 과학자들이 질병에 더 강한 작물 품종으로 개량하고 펄프, 제지, 섬유 산업의 지속가능성을 높이기 위해 셀룰로이즈의 나노 구조체를 파악하는데 수퍼컴퓨터를 사용하고 있다. 호주 멜버른대학, 퀸즐랜드대학. IBM 연구소의 연구원들은 분자 단계에 있는 셀룰로오스의 구조와 역학을 모델링하기 위해 빅토리아 생명과학 컴퓨테이셔널 이니셔티브(VLSCI)에서 IBM의 블루진(Blue Gene)/Q 수퍼컴퓨터의 컴퓨팅 파워를 사용해 왔다. 지구상에서 가장 풍부한 유기 화합물 중 하나인 셀룰로오스는 식물 세포벽의 기본 구조 성분이다. 식물은 포도당의 기본 단위를 연결해 셀룰로이즈를 만드는데 이는 섬유질에 기본으로 들어 있다. 이들 섬유질은 강성, 유연성 및 내외부 스트레스에 대한 방어기작을 제공하기 위해 세포를 둘러 싸고 있다. 지금까지 과학자들은 식물 세포벽의 구조를 구체화하는 단계에서 복잡성 문제를 안고 있었다. 전통적인 물리적 방법은 종종 식물 세포에 손상을 줄 수 있다고 IBM은 밝혔다. IBM은 “이 작업이 셀룰로오즈 생합성과, 식물 세포벽이 어떻게 구성돼 있고 어떤 기능을 하는 지에 대한 우리의 이해 수준을 높여줄 중요한 단계“라고 전했다. 이는 전체 식물 세포벽을 3D 컴퓨터 시뮬레이션 모델로 개발하기 위한 장기 프로그램의 일부다. 셀룰로오즈 원자의 움직임을 모델링하는데 필요한 수백조의 수식을 완성하기 위해 과학자들은 수퍼컴퓨터를 사용했다. 이러한 연구 결과, 셀룰로오스 구조 안에 기본 마이크로섬유를 가진 사슬이 18~24개 존재하며 이는 그 전에 가정했던 36개보다는 적은 수다라는 것이 밝혀졌다. --------------------------------------------------------------- 세상...

2015.05.22

3인의 CIO에게 듣는다 "빅데이터 책임,권한, 협업"

누가 데이터를 소유하고 누가 데이터에 대해 책임을 져야 하는지를 놓고 CIO 사이에서도 의견이 분분하다. <CIO 호주>는 IT가 데이터를 원래 상태 그래도 둬야 하는지, 회사 최일선에서 책임을 져야 하는지에 등에 대해 CIO 3명의 생각을 들어봤다. Q. 누가 회사 안에서 데이터를 소유하고 책임져야 하며, 데이터와 분석에 대한 CIO의 책임이 어디서부터 어디까지인가? 모기지 초이스(Mortgage Choice)의 CIO 네일 로즈 인즈 : 간단히 말해서 모든 주요 이해당사자들은 데이터를 소유하고 이에 책임을 져야 한다. 여기에는 당연히 CIO와 영업, 마케팅, 재무 임원을 포함한 모든 주요 수혜자들이 포함된다. 기업 정보 구조에는 다양한 계층이 존재하며 이 계층은 분석 요구와 기능이 관련돼 있고 각각에 맞는 책임과 권한이 따른다. CIO가 데이터의 존재, 완전성, 정확성, 보고 준비를 책임지는 유일한 주체라는 생각은 옳지 않다. 그렇다. CIO는 기술, 솔루션, 정보 아키텍처를 담당한다. 또 CIO는 기업의 기술과 툴의 효과적인 설계와 개발을 담당해야 하는데 분명 이는 기업용 데이터의 관리를 뜻하기도 하다. 물론, 데이터에서 진정한 가치를 도출하여 파급력 있는 정보로 전환하기 위해서 임원들은 반드시 자신의 직무를 수행할 때 사용하는 데이터의 완전성과 정확성을 책임지고 답보해야 한다. 이를 위해서는 기술부서와 현업부서가 더욱 광범위하게 협업해야 하며, 이를 통해 미래의 수요, 결과물, 데이터 요건, 책임 할당 등을 적절히 정해 놓아야 한다. 나는 현업이 각자의 보고 필요성을 파악해 필요한 분석을 수행할 수 있는 툴을 제공받거나 이를 확보할 수 있도록 지원 인력을 공급받아야 한다고 생각한다. 이런 세분화된 실행을 위한 결과물과 투입 값으로써 중앙에 집중된 정보를 제공해야 한다고 생각한다. 이를 통해 이해당사자들은 데이터 입력과 표준 등 필요한 것을 더 많이 확보하여 필요한 분석의 우선순위를 정하고 ...

협업 모델링 소유 하둡 금융 은행 책임 현업 빅데이터 CIO 데이터 권한

2015.02.10

누가 데이터를 소유하고 누가 데이터에 대해 책임을 져야 하는지를 놓고 CIO 사이에서도 의견이 분분하다. <CIO 호주>는 IT가 데이터를 원래 상태 그래도 둬야 하는지, 회사 최일선에서 책임을 져야 하는지에 등에 대해 CIO 3명의 생각을 들어봤다. Q. 누가 회사 안에서 데이터를 소유하고 책임져야 하며, 데이터와 분석에 대한 CIO의 책임이 어디서부터 어디까지인가? 모기지 초이스(Mortgage Choice)의 CIO 네일 로즈 인즈 : 간단히 말해서 모든 주요 이해당사자들은 데이터를 소유하고 이에 책임을 져야 한다. 여기에는 당연히 CIO와 영업, 마케팅, 재무 임원을 포함한 모든 주요 수혜자들이 포함된다. 기업 정보 구조에는 다양한 계층이 존재하며 이 계층은 분석 요구와 기능이 관련돼 있고 각각에 맞는 책임과 권한이 따른다. CIO가 데이터의 존재, 완전성, 정확성, 보고 준비를 책임지는 유일한 주체라는 생각은 옳지 않다. 그렇다. CIO는 기술, 솔루션, 정보 아키텍처를 담당한다. 또 CIO는 기업의 기술과 툴의 효과적인 설계와 개발을 담당해야 하는데 분명 이는 기업용 데이터의 관리를 뜻하기도 하다. 물론, 데이터에서 진정한 가치를 도출하여 파급력 있는 정보로 전환하기 위해서 임원들은 반드시 자신의 직무를 수행할 때 사용하는 데이터의 완전성과 정확성을 책임지고 답보해야 한다. 이를 위해서는 기술부서와 현업부서가 더욱 광범위하게 협업해야 하며, 이를 통해 미래의 수요, 결과물, 데이터 요건, 책임 할당 등을 적절히 정해 놓아야 한다. 나는 현업이 각자의 보고 필요성을 파악해 필요한 분석을 수행할 수 있는 툴을 제공받거나 이를 확보할 수 있도록 지원 인력을 공급받아야 한다고 생각한다. 이런 세분화된 실행을 위한 결과물과 투입 값으로써 중앙에 집중된 정보를 제공해야 한다고 생각한다. 이를 통해 이해당사자들은 데이터 입력과 표준 등 필요한 것을 더 많이 확보하여 필요한 분석의 우선순위를 정하고 ...

2015.02.10

"'좋아요'로 성격 분석해보니... 사람보다 정확"

다른 사람을 잘 파악한다고 자신하는가? 그러나 캠브리지와 스탠포드 대학의 연구진에 의하면 컴퓨터가 더 잘 알아낼 가능성이 높다. 연구진은 통계 모델링 소프트웨를 통해 페이스북 ‘좋아요’를 분석함으로써 특정 사람의 기본적인 성격을 배우자나 가족이 아는 수준만큼 도출해낼 수 있다고 밝혔다. 또 지난 12일 미국 국립 과학원 회보를 통해 발간된 연구 내용이 의하면 이러한 디지털 흔적을 분석하는 것은 컴퓨터가 사람들과 더욱 의미 있는 방식으로 소통할 수 있도록 프로그래밍하는데 도움을 줄 수 있다.  이번 연구는 성격적 특성이 페이스북 ‘좋아요’ 분석을 통해 놀라울 만큼 정확하게 판단 가능하다는 점을 입증한 2013년 3월 연구에 뒤이은 것이다. '좋아요'는 페이스북 용어로 SNS에 올라온 사진이나 글에 호감을 보일 때 사용된다. 분석할 ‘좋아요’가 충분하면 컴퓨터가 기본적인 성격적 특성을 추론할 수 있다고 이전의 연구는 결론내린 바 있다. 연구원들은 다음으로 컴퓨터가 인간보다 성격적 특성을 더 잘 파악해낼 수 있는지를 확인하고자 이번 연구를 진행했다. 그들은 8만 6,220명의 자원자들로부터 페이스북 페이지를 샘플링 했고, 이 참가자들은 5가지 주요 심리적 특성 즉, 개방성, 성실성, 외향성, 우호성, 신경증적 경향에 초점을 맞춘 성격적 특성 조사 문항 100개에도 답변했다. 이후 몇 번의 기계 학습이 진행돼 추가적인 페이스북 ‘좋아요’와 성격적 특성을 연결 지었다. 예를 들어 “살바도르 달리” 혹은 “명상”에 좋아요를 누른 것은 높은 개방성을 가진 것으로 보는 식이다. 컴퓨터 알고리즘의 효과를 판단하기 위해 연구원들은 몇몇 참여자들의 친구와 친지들에게도 설문 문항을 작성하도록 했다. 이후 그 조사 결과와 컴퓨터로 연산된 인격적 특성을 피실험자의 자가 판단과 비교했다. 그 결...

프라이버시 통계 성격 모델링 좋아요 심리 행동 분석

2015.01.14

다른 사람을 잘 파악한다고 자신하는가? 그러나 캠브리지와 스탠포드 대학의 연구진에 의하면 컴퓨터가 더 잘 알아낼 가능성이 높다. 연구진은 통계 모델링 소프트웨를 통해 페이스북 ‘좋아요’를 분석함으로써 특정 사람의 기본적인 성격을 배우자나 가족이 아는 수준만큼 도출해낼 수 있다고 밝혔다. 또 지난 12일 미국 국립 과학원 회보를 통해 발간된 연구 내용이 의하면 이러한 디지털 흔적을 분석하는 것은 컴퓨터가 사람들과 더욱 의미 있는 방식으로 소통할 수 있도록 프로그래밍하는데 도움을 줄 수 있다.  이번 연구는 성격적 특성이 페이스북 ‘좋아요’ 분석을 통해 놀라울 만큼 정확하게 판단 가능하다는 점을 입증한 2013년 3월 연구에 뒤이은 것이다. '좋아요'는 페이스북 용어로 SNS에 올라온 사진이나 글에 호감을 보일 때 사용된다. 분석할 ‘좋아요’가 충분하면 컴퓨터가 기본적인 성격적 특성을 추론할 수 있다고 이전의 연구는 결론내린 바 있다. 연구원들은 다음으로 컴퓨터가 인간보다 성격적 특성을 더 잘 파악해낼 수 있는지를 확인하고자 이번 연구를 진행했다. 그들은 8만 6,220명의 자원자들로부터 페이스북 페이지를 샘플링 했고, 이 참가자들은 5가지 주요 심리적 특성 즉, 개방성, 성실성, 외향성, 우호성, 신경증적 경향에 초점을 맞춘 성격적 특성 조사 문항 100개에도 답변했다. 이후 몇 번의 기계 학습이 진행돼 추가적인 페이스북 ‘좋아요’와 성격적 특성을 연결 지었다. 예를 들어 “살바도르 달리” 혹은 “명상”에 좋아요를 누른 것은 높은 개방성을 가진 것으로 보는 식이다. 컴퓨터 알고리즘의 효과를 판단하기 위해 연구원들은 몇몇 참여자들의 친구와 친지들에게도 설문 문항을 작성하도록 했다. 이후 그 조사 결과와 컴퓨터로 연산된 인격적 특성을 피실험자의 자가 판단과 비교했다. 그 결...

2015.01.14

IDG 설문조사

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