Offcanvas

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

재무 관리 혁신 삼두마차 '블록체인∙챗봇∙AI'... CFO 실천매뉴얼

앞으로 몇 년 동안 CFO와 재무 부서는 비즈니스 프로세스를 좀더 빠르고 비용 효율적으로 바꾸기 위해 블록체인, 챗봇, 인공지능을 활용하게 될 것이다. 전통적으로 ‘사일로(고립 또는 단절)’와 ‘수동’이 특징이었던 기업 재무 관리 부서들이 기업의 데이터를 근 실시간으로 한 장소에서 확인하고, 어려운 비즈니스 프로세스를 자동화하는 기능을 제공하는 3가지 기술을 테스트하거나 도입하기 시작했다. 3가지 기술이란 바로 블록체인, 인공지능(AI), 챗봇이다. 딜로이트(Deloitte LLP)가 최근 발표한 보고서에 따르면, 이 3종 기술은 아직 완성되지 않은 상태다. 그러나 기업 재무 부서에 제한적으로 ‘실제 활용 단계’나 개념 증명용 테스트 단계에는 도달했다. 기업이 더 빨리 테스트를 시작할수록, 기술이 성숙기에 접어들었을 때 더 빨리 활용 단계로 갈 준비를 마칠 수 있다. 딜로이트는 “로봇이 사람과 함께 자동차를 제조하고, 상품을 인도 및 배달하며, 컴퓨터를 디자인하고, 전력을 생산하기 시작했다. 블록체인은 다이아몬드 공급망을 추적하고, 건설 장비를 모니터링한다. 또 병원과 화물 컨테이너, 약국과 잡화점 등에 스마트 머신이 도입되는 추세다. 이런 기술들은 미래의 재무 관리와는 어떤 관련이 있을까? 모든 것이 관련되어 있다”고 강조했다. 성숙기에 접어든 대기업에는 오래된 시스템이 많다. 이것이 실시간 기업 정보 및 깊이 있는 인사이트 구현을 가로막는 걸림돌이 되고 있다. 그러나 신생회사들은 더 많은 옵션을 갖고 있으며, 따라서 더 많이 실험하고 시험할 수 있다. 예를 들어, 현대의 신생창업회사들은 내부에 ERP시스템을 도입하지 않는다. 대신 최신 클라우드 기반 서비스, 재무 애플리케이션을 사용하고 실시간으로 데이터 및 인사이트에 접근할 수 있게끔 시스템을 구성한다. 딜로이트 컨설팅의 수석 애널리스트 스티븐 에렌홀트는 이...

재무 챗봇 가상 비서 스마트 머신 분석 예측 인공지능 데이터 과학자 딜로이트 ERP CFO 스마트 계약

2018.07.27

앞으로 몇 년 동안 CFO와 재무 부서는 비즈니스 프로세스를 좀더 빠르고 비용 효율적으로 바꾸기 위해 블록체인, 챗봇, 인공지능을 활용하게 될 것이다. 전통적으로 ‘사일로(고립 또는 단절)’와 ‘수동’이 특징이었던 기업 재무 관리 부서들이 기업의 데이터를 근 실시간으로 한 장소에서 확인하고, 어려운 비즈니스 프로세스를 자동화하는 기능을 제공하는 3가지 기술을 테스트하거나 도입하기 시작했다. 3가지 기술이란 바로 블록체인, 인공지능(AI), 챗봇이다. 딜로이트(Deloitte LLP)가 최근 발표한 보고서에 따르면, 이 3종 기술은 아직 완성되지 않은 상태다. 그러나 기업 재무 부서에 제한적으로 ‘실제 활용 단계’나 개념 증명용 테스트 단계에는 도달했다. 기업이 더 빨리 테스트를 시작할수록, 기술이 성숙기에 접어들었을 때 더 빨리 활용 단계로 갈 준비를 마칠 수 있다. 딜로이트는 “로봇이 사람과 함께 자동차를 제조하고, 상품을 인도 및 배달하며, 컴퓨터를 디자인하고, 전력을 생산하기 시작했다. 블록체인은 다이아몬드 공급망을 추적하고, 건설 장비를 모니터링한다. 또 병원과 화물 컨테이너, 약국과 잡화점 등에 스마트 머신이 도입되는 추세다. 이런 기술들은 미래의 재무 관리와는 어떤 관련이 있을까? 모든 것이 관련되어 있다”고 강조했다. 성숙기에 접어든 대기업에는 오래된 시스템이 많다. 이것이 실시간 기업 정보 및 깊이 있는 인사이트 구현을 가로막는 걸림돌이 되고 있다. 그러나 신생회사들은 더 많은 옵션을 갖고 있으며, 따라서 더 많이 실험하고 시험할 수 있다. 예를 들어, 현대의 신생창업회사들은 내부에 ERP시스템을 도입하지 않는다. 대신 최신 클라우드 기반 서비스, 재무 애플리케이션을 사용하고 실시간으로 데이터 및 인사이트에 접근할 수 있게끔 시스템을 구성한다. 딜로이트 컨설팅의 수석 애널리스트 스티븐 에렌홀트는 이...

2018.07.27

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

"모든 직원이 하나의 데이터 소스를 참조한다" 호주 쇼핑몰 디 아이코닉

디 아이코닉(The Iconic)의 애널리틱스 및 데이터 과학 최고 책임자에게는 두 가지 우선순위가 있다. 하나는 데이터 주도적 자동화를 통한 생산성 향상이며, 다른 하나는 비즈니스 통찰력을 하나의 소스로 통합하는 것이다. 6개월 전 온라인 쇼핑몰 회사 디 아이코닉의 애널리틱스 및 데이터 과학 최고 책임자가 된 크쉬라 사아가는 디 아이코닉이 주어진 데이터를 활용하고 그 잠재적 가능성을 상상하는 방식을 완전히 변화시키는 임무를 맡았다. 그는 호주, 북/남미, 아시아, 유럽의 포춘지 선정 100대 기업에서 10년 넘게 애널리틱스 및 의사 결정 과학 분야 전문가로 일해 온 경력을 자랑한다. 그는 유통, 통신, 보험, 미디어, 헬스케어, 물류 등 다양한 산업 분야의 기업들과 일해 왔다. 최근까지 그는 미디어 그룹 페어팩스(Fairfax)의 핵심 역량 전반을 아우르는 데이터 주도적 애널리틱스의 제도화와 차세대 애널리틱스 제품 개발을 담당했다. 현재 사아가는 디 아이코닉에서 20여 명의 데이터 과학자들로 이뤄진 연합 팀을 관리, 감독하고 있다. 그의 첫 번째 결정은 각기 다른 부서에서 근무하던 직원들을 자신이 이끄는 하나의 팀으로 통합하고, 데이터를 이용한 기업 의사결정 강화라는 공동의 목표를 제시하는 것이었다. 2월 시드니와 멜버른에서 열린 ADMA 데이터데이(Data Day) 컨퍼런스에서 사아가는 자신이 어떻게 데이터 프로세싱과 웨어하우징을 재해석 했으며 이를 통해 민첩성과 확장성을 도입했는지 소개했다. 그는 <CMO>와의 인터뷰에서 “디 아이코닉의 데이터 팀은 비즈니스 전체의 교차로에 서서 기업 내 모든 부서를 지원하고 있다”고 밝혔다. 사아가에 따르면, 데이터 팀 직원들은 두 명씩 짝을 지어 구매팀만을 전담하기도 하고, 웨어하우징, 고객 지원, 재무, 마케팅 등을 지원하기도 한다. “즉 기본적으로 소속은 내가 관리하는 데이터 팀이지만, 실제 업무는 기업 내 여러 부서...

의사결정 ADMA 데이터데이 아이코닉 최고 데이터 및 애널리틱스 책임자 ML GDPR 최고 데이터 책임자 CDO 최고 분석 책임자 분석 예측 CAO 인공지능 디지털 마케팅 CMO 데이터 과학자 프라이버시 보호법

2018.03.02

디 아이코닉(The Iconic)의 애널리틱스 및 데이터 과학 최고 책임자에게는 두 가지 우선순위가 있다. 하나는 데이터 주도적 자동화를 통한 생산성 향상이며, 다른 하나는 비즈니스 통찰력을 하나의 소스로 통합하는 것이다. 6개월 전 온라인 쇼핑몰 회사 디 아이코닉의 애널리틱스 및 데이터 과학 최고 책임자가 된 크쉬라 사아가는 디 아이코닉이 주어진 데이터를 활용하고 그 잠재적 가능성을 상상하는 방식을 완전히 변화시키는 임무를 맡았다. 그는 호주, 북/남미, 아시아, 유럽의 포춘지 선정 100대 기업에서 10년 넘게 애널리틱스 및 의사 결정 과학 분야 전문가로 일해 온 경력을 자랑한다. 그는 유통, 통신, 보험, 미디어, 헬스케어, 물류 등 다양한 산업 분야의 기업들과 일해 왔다. 최근까지 그는 미디어 그룹 페어팩스(Fairfax)의 핵심 역량 전반을 아우르는 데이터 주도적 애널리틱스의 제도화와 차세대 애널리틱스 제품 개발을 담당했다. 현재 사아가는 디 아이코닉에서 20여 명의 데이터 과학자들로 이뤄진 연합 팀을 관리, 감독하고 있다. 그의 첫 번째 결정은 각기 다른 부서에서 근무하던 직원들을 자신이 이끄는 하나의 팀으로 통합하고, 데이터를 이용한 기업 의사결정 강화라는 공동의 목표를 제시하는 것이었다. 2월 시드니와 멜버른에서 열린 ADMA 데이터데이(Data Day) 컨퍼런스에서 사아가는 자신이 어떻게 데이터 프로세싱과 웨어하우징을 재해석 했으며 이를 통해 민첩성과 확장성을 도입했는지 소개했다. 그는 <CMO>와의 인터뷰에서 “디 아이코닉의 데이터 팀은 비즈니스 전체의 교차로에 서서 기업 내 모든 부서를 지원하고 있다”고 밝혔다. 사아가에 따르면, 데이터 팀 직원들은 두 명씩 짝을 지어 구매팀만을 전담하기도 하고, 웨어하우징, 고객 지원, 재무, 마케팅 등을 지원하기도 한다. “즉 기본적으로 소속은 내가 관리하는 데이터 팀이지만, 실제 업무는 기업 내 여러 부서...

2018.03.02

블로그 | '인공지능으로 무인 데이터센터 구현'··· HPE의 비전

스스로 관리하는 데이터센터가 한발 더 현실로 다가왔다. 지난주 HPE는 데이터센터의 장애를 찾아내는 인공지능 예측 엔진을 발표했다. HPE는 내년에 스토리지와 범용 인프라의 장애를 예측하고 문제가 생기기 전에 중단하는 인공지능 추천 엔진 애드온을 출시할 예정이다. 앞으로 여러 솔루션 업체들이 내놓을 것으로 예상되는 무인 데이터센터의 여러 구성 요소 중 하나이다. 이외에 데이터센터를 노리는 인공지능과 머신러닝 시스템 업체로는 릿비트나 오라클 등이 있다. HPE는 백서를 통해 “인프라 솔루션은 데이터 과학과 머신러닝을 활용해야 한다”며, AI와 머신러닝이 인간보다 데이터센터 다운타임을 더 잘 막을 수 있는 이유를 설명했다. 현재 IT 관리자는 데이터가 애플리케이션에 전달되는 과정에 영향을 미치는 미로를 풀기 위해 복잡한 포렌식 작업을 끊임없이 수행해야 하는데, 여기서 병목현상이 발생한다는 것. 하지만 머신러닝 형태를 통하면 상태가 나쁜 요소를 자동으로 인식할 수 있으며, 이 과정에 어떤 수작업도 필요없다. 조기에 수행되기 때문에 사용자는 문제를 눈치채지도 못한다. 기본적으로 이 작업은 IT 인프라 전반에서 수집한 대규모 데이터를 계산하고 분석한다. HPE가 제시하는 개념은 “탐지를 통해 근본 원인을 신속하게 파악”하고, 이후 “데이터 수집을 통해 문제를 해소”한다는 것이다. 그 이후 영향을 미칠 수 있는 사용자나 요소, 고객를 파악하기 위해 서명을 만든다. 그리고 해법을 위해 규칙을 개발하는데, 해법은 자동화할 수 있다. 더 나아가 사용자가 큰 실수를 하면, 새로운 서명과 규칙을 갖춘 인공지능 머신러닝 솔루션이 전체 시스템에 개입해 다른 시스템에서 동일한 문제가 이어지는 것을 막는다. 미래의 소프트웨어 업데이트는 이런 인공지능을 통해 학습한 것을 기반으로 최적화된다. HPE의 인공지능 솔루션에는 올해 초 인수한 플래시 스토리지 및 예측 분석 전문업체 님블 스토리...

인공지능 자동화 예측 머신러닝 HPE 무인화

2017.12.04

스스로 관리하는 데이터센터가 한발 더 현실로 다가왔다. 지난주 HPE는 데이터센터의 장애를 찾아내는 인공지능 예측 엔진을 발표했다. HPE는 내년에 스토리지와 범용 인프라의 장애를 예측하고 문제가 생기기 전에 중단하는 인공지능 추천 엔진 애드온을 출시할 예정이다. 앞으로 여러 솔루션 업체들이 내놓을 것으로 예상되는 무인 데이터센터의 여러 구성 요소 중 하나이다. 이외에 데이터센터를 노리는 인공지능과 머신러닝 시스템 업체로는 릿비트나 오라클 등이 있다. HPE는 백서를 통해 “인프라 솔루션은 데이터 과학과 머신러닝을 활용해야 한다”며, AI와 머신러닝이 인간보다 데이터센터 다운타임을 더 잘 막을 수 있는 이유를 설명했다. 현재 IT 관리자는 데이터가 애플리케이션에 전달되는 과정에 영향을 미치는 미로를 풀기 위해 복잡한 포렌식 작업을 끊임없이 수행해야 하는데, 여기서 병목현상이 발생한다는 것. 하지만 머신러닝 형태를 통하면 상태가 나쁜 요소를 자동으로 인식할 수 있으며, 이 과정에 어떤 수작업도 필요없다. 조기에 수행되기 때문에 사용자는 문제를 눈치채지도 못한다. 기본적으로 이 작업은 IT 인프라 전반에서 수집한 대규모 데이터를 계산하고 분석한다. HPE가 제시하는 개념은 “탐지를 통해 근본 원인을 신속하게 파악”하고, 이후 “데이터 수집을 통해 문제를 해소”한다는 것이다. 그 이후 영향을 미칠 수 있는 사용자나 요소, 고객를 파악하기 위해 서명을 만든다. 그리고 해법을 위해 규칙을 개발하는데, 해법은 자동화할 수 있다. 더 나아가 사용자가 큰 실수를 하면, 새로운 서명과 규칙을 갖춘 인공지능 머신러닝 솔루션이 전체 시스템에 개입해 다른 시스템에서 동일한 문제가 이어지는 것을 막는다. 미래의 소프트웨어 업데이트는 이런 인공지능을 통해 학습한 것을 기반으로 최적화된다. HPE의 인공지능 솔루션에는 올해 초 인수한 플래시 스토리지 및 예측 분석 전문업체 님블 스토리...

2017.12.04

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

인포사이트 AI 추천 엔진으로 자율 데이터센터 꿈꾸는 HPE

HPE는 인포사이트(InfoSight) 예측 애널리틱스 플랫폼에 AI 기반 추천 엔진을 추가하면서 그동안 스스로 자율 데이터센터(autonomous data center)라 부르던 것에서 한 걸음 더 다가가게 되었다. 자율 데이터센터란 시스템이 자체적인 수정을 거쳐 더욱 효율적인 구동 방식을 찾아내는 데이터센터를 일컫는다. 이러한 시도의 궁극적인 목적은 인프라 관리를 단순화하고 자동화하여 운영 지출을 줄이는 것이다. HPE는 올해 초 하이브리드 플래시 및 올플래시 스토리지 상품 기업인 님블 소프트웨어(Nimble Software)를 위해 10억 달러 규모 계약의 일환으로 인포사이트를 사들였다. 새 추천 엔진에 대한 발표와 함께, 21일 HPE는 인포사이트를 확장하여 2010년 인수한 3Par 하이엔드 스토리지 기술에도 적용하겠다고 밝혔다. HPE는 이러한 시도들이 인프라 모니터링 역량을 개발하고, 문제점을 예측하며 성능 증대를 위한 방법을 추천하는 인포사이트의 역량 개발을 위한 시작일 뿐이라고 전했다. HPE 빅 데이터 솔루션 및 스토리지 총괄 매니저이자 SVP인 빌 필빈은 “이러한 역량을 활용하여 HPE가 대표하는 비즈니스 생태계 전체, 즉 하이브리드 IT 및 엔터프라이즈 인프라 전체에 제공하려 한다”고 말했다. HPE는 원래 인포사이트를 확장할 것으로 예상됐지만, 지난 4월 님블 계약을 종결하였다. 무어 인사이트 & 스트레티지(Moor Insights & Strategy)의 스토리지 테크놀로지 전문 애널리스트인 스티브 맥도웰은 “이를 통해 알 수 있는 것은 이제 HPE가 상당히 공격적으로 움직이게 될 것이라는 점이다”라고 분석했다. 그는 HPE 인수 전까지 님블에서 일하기도 했었다. 맥도웰은 “3Par 에서 이 소프트웨어를 구동하는 것은 결코 쉬운 일이 아님에도, 그들은 이를 몇 달 사이에 해냈다. 이러한 사실은 HPE가 데이터센터의 미래를 어떻게 바...

오라클 유니파이드 컴퓨팅 소프트웨어 정의 IT 자율 데이터센터 하이브리드 플래시 스토리지 님블 올플래시 스토리지 HPE 퓨어스토리지 분석 예측 심플리비티 인공지능 넷앱 시스코 마이크로소프트 M&A 인수 3Par 플래쉬

2017.11.23

HPE는 인포사이트(InfoSight) 예측 애널리틱스 플랫폼에 AI 기반 추천 엔진을 추가하면서 그동안 스스로 자율 데이터센터(autonomous data center)라 부르던 것에서 한 걸음 더 다가가게 되었다. 자율 데이터센터란 시스템이 자체적인 수정을 거쳐 더욱 효율적인 구동 방식을 찾아내는 데이터센터를 일컫는다. 이러한 시도의 궁극적인 목적은 인프라 관리를 단순화하고 자동화하여 운영 지출을 줄이는 것이다. HPE는 올해 초 하이브리드 플래시 및 올플래시 스토리지 상품 기업인 님블 소프트웨어(Nimble Software)를 위해 10억 달러 규모 계약의 일환으로 인포사이트를 사들였다. 새 추천 엔진에 대한 발표와 함께, 21일 HPE는 인포사이트를 확장하여 2010년 인수한 3Par 하이엔드 스토리지 기술에도 적용하겠다고 밝혔다. HPE는 이러한 시도들이 인프라 모니터링 역량을 개발하고, 문제점을 예측하며 성능 증대를 위한 방법을 추천하는 인포사이트의 역량 개발을 위한 시작일 뿐이라고 전했다. HPE 빅 데이터 솔루션 및 스토리지 총괄 매니저이자 SVP인 빌 필빈은 “이러한 역량을 활용하여 HPE가 대표하는 비즈니스 생태계 전체, 즉 하이브리드 IT 및 엔터프라이즈 인프라 전체에 제공하려 한다”고 말했다. HPE는 원래 인포사이트를 확장할 것으로 예상됐지만, 지난 4월 님블 계약을 종결하였다. 무어 인사이트 & 스트레티지(Moor Insights & Strategy)의 스토리지 테크놀로지 전문 애널리스트인 스티브 맥도웰은 “이를 통해 알 수 있는 것은 이제 HPE가 상당히 공격적으로 움직이게 될 것이라는 점이다”라고 분석했다. 그는 HPE 인수 전까지 님블에서 일하기도 했었다. 맥도웰은 “3Par 에서 이 소프트웨어를 구동하는 것은 결코 쉬운 일이 아님에도, 그들은 이를 몇 달 사이에 해냈다. 이러한 사실은 HPE가 데이터센터의 미래를 어떻게 바...

2017.11.23

2018년 대비해야 할 클라우드 컴퓨팅 트렌드 5가지

2017년 마지막 분기에 접어들면서, 기술을 활용해 2018년도 비즈니스 목표를 달성하기 위한 방법에 관심을 기울이고 있다. 전략적 비즈니스 부서들이 내년에 대비해야 할 5가지 클라우드 컴퓨팅 트렌드를 모아보았다. 1. 클라우드 서비스 솔루션의 폭발적인 성장 SaaS(Software as a Service)는 비즈니스와 소비자들이 초기 클라우드 서비스를 맛볼 수 있는 유연하고 경제적으로 매력적인 문을 열어 놓았다. IaaS(Infrastructure as a Service)와 PaaS(Platform as a Service)의 성장은 퍼블릭과 프라이빗 부문에서 사용할 수 잇는 클라우드 솔루션의 수를 늘려놓았다. 2018년에는 더 많은 조직들이 클라우드가 보장하는 단순성과 고성능을 활용하게 될 것이다. 시스코가 2016년에 실시한 클라우드 서비스 관련 설문 조사에 따르면, 이런 솔루션들은 다양한 목표를 달성하기 위해 전에 없던 수준으로 배포되고 전세계적으로 사용될 것으로 보인다. 2018년에는 SaaS 솔루션이 압도적으로 많이 설치된 클라우드 서비스가 될 것이다. 시스코 설문 조사 결과는 SaaS가 모든 클라우드 기반 워크로드의 60%를 차지할 것이라고도 예상했는데, 2017년에 대한 예측 값보다 21% 증가한 수치이다. PaaS 솔루션은 5%의 완만한 성장을 보일 것이며, 한편 IaaS 솔루션도 성장할 것으로 보인다. 이런 예측들이 2016년에 이루어졌음을 감안하고 2017년의 긍정적인 성과를 고려할 때, 클라우드 서비스 솔루션들이 이런 예측들보다 훨씬 더 많이 성장했을 것이라고 합리적으로 예상할 수 있다. 운영을 간소화하고 자사의 고객들이 서비스에 더 쉽게 접근하게 만들고 싶어하는 기업들은 자사의 비즈니스 프로세스에 SaaS, IaaS 및 PaaS를 통합하는 방향으로 더욱 적극적으로 움직이게 될 것이다. 2. 클라우드 스토리지 용량 증가 클라우드 서비스가 비즈니스 운영의 핵심적인 요소가 되면서 내년에는 데이터 스토리지가 폭발적...

전망 예측 2018

2017.10.25

2017년 마지막 분기에 접어들면서, 기술을 활용해 2018년도 비즈니스 목표를 달성하기 위한 방법에 관심을 기울이고 있다. 전략적 비즈니스 부서들이 내년에 대비해야 할 5가지 클라우드 컴퓨팅 트렌드를 모아보았다. 1. 클라우드 서비스 솔루션의 폭발적인 성장 SaaS(Software as a Service)는 비즈니스와 소비자들이 초기 클라우드 서비스를 맛볼 수 있는 유연하고 경제적으로 매력적인 문을 열어 놓았다. IaaS(Infrastructure as a Service)와 PaaS(Platform as a Service)의 성장은 퍼블릭과 프라이빗 부문에서 사용할 수 잇는 클라우드 솔루션의 수를 늘려놓았다. 2018년에는 더 많은 조직들이 클라우드가 보장하는 단순성과 고성능을 활용하게 될 것이다. 시스코가 2016년에 실시한 클라우드 서비스 관련 설문 조사에 따르면, 이런 솔루션들은 다양한 목표를 달성하기 위해 전에 없던 수준으로 배포되고 전세계적으로 사용될 것으로 보인다. 2018년에는 SaaS 솔루션이 압도적으로 많이 설치된 클라우드 서비스가 될 것이다. 시스코 설문 조사 결과는 SaaS가 모든 클라우드 기반 워크로드의 60%를 차지할 것이라고도 예상했는데, 2017년에 대한 예측 값보다 21% 증가한 수치이다. PaaS 솔루션은 5%의 완만한 성장을 보일 것이며, 한편 IaaS 솔루션도 성장할 것으로 보인다. 이런 예측들이 2016년에 이루어졌음을 감안하고 2017년의 긍정적인 성과를 고려할 때, 클라우드 서비스 솔루션들이 이런 예측들보다 훨씬 더 많이 성장했을 것이라고 합리적으로 예상할 수 있다. 운영을 간소화하고 자사의 고객들이 서비스에 더 쉽게 접근하게 만들고 싶어하는 기업들은 자사의 비즈니스 프로세스에 SaaS, IaaS 및 PaaS를 통합하는 방향으로 더욱 적극적으로 움직이게 될 것이다. 2. 클라우드 스토리지 용량 증가 클라우드 서비스가 비즈니스 운영의 핵심적인 요소가 되면서 내년에는 데이터 스토리지가 폭발적...

2017.10.25

'빅데이터·클라우드·오픈소스 집대성' 머신러닝 툴 16선

기업이 영업활동에 인공지능을 적용하는 데 관심이 늘어남에 따라 머신러닝, 즉, 미리 정해진 규칙을 따르는 대신 대규모 데이터 집합으로부터 학습할 수 있는 시스템의 능력은 여러 가지 장점을 제공한다. 예를 들면 금융 서비스에 사기 방지를 위한 예측 모델을 구축한다거나 유통/소매기업이 고객에게 더 나은 추천을 해 줄 수 있게 된다. 구글, 마이크로소프트, IBM, AWS는 모두 각자의 클라우드 플랫폼을 통해 머신러닝 API를 제공한다. 따라서 개발자들이 알고리즘의 복잡성을 추상화하여 서비스를 구축하기가 더 쉬워지고 있다. 또한, 데이터 과학자들이 더욱 깊이 있는 수준에서 사용할 수 있는 오픈소스 딥러닝 프레임워크도 늘어나고 있다. 여기 최신 머신러닝 툴 16가지를 소개한다. ciokr@idg.co.kr  

삼성 파이썬 딥마인드 블루믹스 도커 텐서플로 이그나이트 카페 데스티니 DSSTNE 벨레스 알리윤 Caffe 분석 예측 아마존 웹 서비스 CIO 구글 빅데이터 IBM 마이크로소프트 AWS 왓슨 애저 데이터 과학자 알리바바 인공지능 API 네온

2017.09.28

기업이 영업활동에 인공지능을 적용하는 데 관심이 늘어남에 따라 머신러닝, 즉, 미리 정해진 규칙을 따르는 대신 대규모 데이터 집합으로부터 학습할 수 있는 시스템의 능력은 여러 가지 장점을 제공한다. 예를 들면 금융 서비스에 사기 방지를 위한 예측 모델을 구축한다거나 유통/소매기업이 고객에게 더 나은 추천을 해 줄 수 있게 된다. 구글, 마이크로소프트, IBM, AWS는 모두 각자의 클라우드 플랫폼을 통해 머신러닝 API를 제공한다. 따라서 개발자들이 알고리즘의 복잡성을 추상화하여 서비스를 구축하기가 더 쉬워지고 있다. 또한, 데이터 과학자들이 더욱 깊이 있는 수준에서 사용할 수 있는 오픈소스 딥러닝 프레임워크도 늘어나고 있다. 여기 최신 머신러닝 툴 16가지를 소개한다. ciokr@idg.co.kr  

2017.09.28

'빅데이터 분석으로 자살 위험 징후 찾는다' 호주 정신건강연구소

대부분 데이터 전문가가 성장을 견인하는 과업을 맡고 있지만, 반대로 증가를 억제하는 일을 하는 경우도 있다. 정신건강 연구 조직인 블랙 독 인스티튜트(Black Dog Institute) 산하 라이프스팬(LifeSpan)의 디렉터인 레이첼 그린은 데이터를 활용해 최근 몇 년간 급증하고 있고, 2015년 사상 처음으로 3,000이라는 숫자를 넘어선 문제를 해결하려 하고 있다. 이 문제는 바로 ‘자살’이다. 그린은 “통계의 숫자 하나하나가 모두 사랑하는 사람, 가족, 지인, 동료 등에 영향을 미치는 사람이다. 자살을 시도하는 사람은 더 많다. 한 해 자살 시도만 약 7만 1,000건에 달하는 것으로 추산한다. 매우 심각한 문제다. 또 자살이 사회에 미치는 영향은 몇십 년간 계속될 수 있다”고 말했다. 그린은 현재 연간 자살률을 20% 내린다는 목표로 데이터 중심의 노력을 주도하고 있다. 라이프스팬은 CRESP(Centre for Research Excellence in Suicide Prevention) 및 분석 기술 공급업체인 SAS와 함께 전세계 자살 방지 연구 결과의 효과를 분석했다. 그리고 9개의 자살 방지 전략을 수립했다. 그린은 “사망 감소, 자살 시도 감소, 기타 입증 가능한 보호 요소를 증가시키는 연구 결과들이었다. 이를 통합해 유의미한 프레임워크를 만들었다. 우리는 이를 통해 자살과 자살 시도를 각각 20%와 31% 감소시킬 수 있을 것으로 전망하고 있다”고 설명했다. 이질적인 데이터 소스를 통합 현재 NWS의 4개 테스트 장소에 라이프스팬이 배포되고 있다. 장소를 선택하고 라이프스팬을 구현하기 위해서는 검시소 데이터, NSW COPS(Computerized Operational Policing Systems) 데이터, 구급차 데이터, 병원 데이터 등 여러 소스의 데이터를 분석해야 한다. 그린은 “호주국립대학교(ANU)와 함께 10년간 이...

SAS 지리 정보 라이프스팬 정신건강 자살 데이터 주도 예측 데이터 분석 예방 CMO 빅데이터 블랙 독 인스티튜트

2017.09.07

대부분 데이터 전문가가 성장을 견인하는 과업을 맡고 있지만, 반대로 증가를 억제하는 일을 하는 경우도 있다. 정신건강 연구 조직인 블랙 독 인스티튜트(Black Dog Institute) 산하 라이프스팬(LifeSpan)의 디렉터인 레이첼 그린은 데이터를 활용해 최근 몇 년간 급증하고 있고, 2015년 사상 처음으로 3,000이라는 숫자를 넘어선 문제를 해결하려 하고 있다. 이 문제는 바로 ‘자살’이다. 그린은 “통계의 숫자 하나하나가 모두 사랑하는 사람, 가족, 지인, 동료 등에 영향을 미치는 사람이다. 자살을 시도하는 사람은 더 많다. 한 해 자살 시도만 약 7만 1,000건에 달하는 것으로 추산한다. 매우 심각한 문제다. 또 자살이 사회에 미치는 영향은 몇십 년간 계속될 수 있다”고 말했다. 그린은 현재 연간 자살률을 20% 내린다는 목표로 데이터 중심의 노력을 주도하고 있다. 라이프스팬은 CRESP(Centre for Research Excellence in Suicide Prevention) 및 분석 기술 공급업체인 SAS와 함께 전세계 자살 방지 연구 결과의 효과를 분석했다. 그리고 9개의 자살 방지 전략을 수립했다. 그린은 “사망 감소, 자살 시도 감소, 기타 입증 가능한 보호 요소를 증가시키는 연구 결과들이었다. 이를 통합해 유의미한 프레임워크를 만들었다. 우리는 이를 통해 자살과 자살 시도를 각각 20%와 31% 감소시킬 수 있을 것으로 전망하고 있다”고 설명했다. 이질적인 데이터 소스를 통합 현재 NWS의 4개 테스트 장소에 라이프스팬이 배포되고 있다. 장소를 선택하고 라이프스팬을 구현하기 위해서는 검시소 데이터, NSW COPS(Computerized Operational Policing Systems) 데이터, 구급차 데이터, 병원 데이터 등 여러 소스의 데이터를 분석해야 한다. 그린은 “호주국립대학교(ANU)와 함께 10년간 이...

2017.09.07

빅데이터 플랫폼으로 '삶의 질' 높이는 시카고市

정부의 데이터 보존량이 지속해서 급증하고 있지만 제대로 활용하지 못하고 고립되는 경우가 많다. 미국의 시카고시(City of Chicago)는 몽고DB(MongoDB)에 구축한 단순한 지도 인터페이스에 데이터 분석을 더하는 자체 애플리케이션으로 긴급 통화부터 조사 기록까지 다양한 데이터 소스의 잠재력을 실현했다. 윈디그릿(WindyGrit)은 도시의 어디에서 언제 이벤트가 발생하고 있는지 확인해 더욱 신속하게 대응하고 거주민들의 삶의 질을 높일 수 있는 실시간 상황인식 애플리케이션이다. 시간이 지남에 따라 시에서 발생하는 온갖 종류의 문제를 파악하기 위해 36개의 데이터 소스를 선별하여 몽고DB 데이터베이스에 통합했다. 여기에는 911전화, 비 긴급 311회선, 사업자등록증, 건축물 위반, 트윗, 도심 교통, 날씨, 긴급 차량, 환경 민원이 포함된다. 시카고시의 CDO(Chief Data Officer) 톰 쉥크는 “도시의 거의 모든 측면을 아우른다. 어떤 부서와 협력할 때 데이터를 추가하고 싶어하는 경우 우리는 이렇게 말한다. ‘문제 없다. 무엇이 필요한가? 이를 통해 무엇을 하고 싶은가?’ 우리는 운영 서비스 및 승인을 위해 늘 애플리케이션 수정을 염두에 두고 있다”고 설명했다. 데이터를 활용해 마라톤 경로, 교통사고, 범죄 활동부터 질병 발생, 마약 과다 복용, 정부가 계획을 관리하는 방법까지 모든 것에 대한 문제를 확인한다. 시카고는 애플리케이션을 이용해 식품 안전 검사도 개선했다. 시카고에는 1만 6,000개의 식당이 있지만 36명의 조사관이 배치돼 있다. 윈디그릿의 예측 분석을 이용해 조사할 식당을 계획하고 있다. 해당 시의 식당들은 모두 지도에 점으로 표시되며 마우스를 가져가면 위반 유형에 대한 정보가 제공된다. 규칙을 추가하여 마지막 조사에서 합격하지 못한 식당을 확인하고 열지도에 표시하여 자주 발생하는 지역을 파악할 수 있다. 날씨, 절도, 위생 문제, 민원...

빅데이터 우버 최고 데이터 책임자 시카고 윈디그릿 WindyGrit 위생 G8 NATO 리프트 CDO 정부 범죄 안전 도시 몽고DB 교통 예측 분석 정상회담

2017.06.27

정부의 데이터 보존량이 지속해서 급증하고 있지만 제대로 활용하지 못하고 고립되는 경우가 많다. 미국의 시카고시(City of Chicago)는 몽고DB(MongoDB)에 구축한 단순한 지도 인터페이스에 데이터 분석을 더하는 자체 애플리케이션으로 긴급 통화부터 조사 기록까지 다양한 데이터 소스의 잠재력을 실현했다. 윈디그릿(WindyGrit)은 도시의 어디에서 언제 이벤트가 발생하고 있는지 확인해 더욱 신속하게 대응하고 거주민들의 삶의 질을 높일 수 있는 실시간 상황인식 애플리케이션이다. 시간이 지남에 따라 시에서 발생하는 온갖 종류의 문제를 파악하기 위해 36개의 데이터 소스를 선별하여 몽고DB 데이터베이스에 통합했다. 여기에는 911전화, 비 긴급 311회선, 사업자등록증, 건축물 위반, 트윗, 도심 교통, 날씨, 긴급 차량, 환경 민원이 포함된다. 시카고시의 CDO(Chief Data Officer) 톰 쉥크는 “도시의 거의 모든 측면을 아우른다. 어떤 부서와 협력할 때 데이터를 추가하고 싶어하는 경우 우리는 이렇게 말한다. ‘문제 없다. 무엇이 필요한가? 이를 통해 무엇을 하고 싶은가?’ 우리는 운영 서비스 및 승인을 위해 늘 애플리케이션 수정을 염두에 두고 있다”고 설명했다. 데이터를 활용해 마라톤 경로, 교통사고, 범죄 활동부터 질병 발생, 마약 과다 복용, 정부가 계획을 관리하는 방법까지 모든 것에 대한 문제를 확인한다. 시카고는 애플리케이션을 이용해 식품 안전 검사도 개선했다. 시카고에는 1만 6,000개의 식당이 있지만 36명의 조사관이 배치돼 있다. 윈디그릿의 예측 분석을 이용해 조사할 식당을 계획하고 있다. 해당 시의 식당들은 모두 지도에 점으로 표시되며 마우스를 가져가면 위반 유형에 대한 정보가 제공된다. 규칙을 추가하여 마지막 조사에서 합격하지 못한 식당을 확인하고 열지도에 표시하여 자주 발생하는 지역을 파악할 수 있다. 날씨, 절도, 위생 문제, 민원...

2017.06.27

기고 | IoT로 시작된 변화, 비즈니스 모델 변혁으로 이어지려면?

우리는 현재 일반적인 방향은 쉽게 예측할 수 있지만, 구체적인 경로는 예측할 수 없는 새로운 기술적 발전의 문턱에 서 있다. 사물인터넷(IoT)이 대표적인 예다. 미래를 예측하는 것은 차창에 물방울이 흘러내리는 형태를 예측하는 것과 같다. 물방울이 흘러내리는 일반적인 방향을 예측하지 못하는 사람은 없다. 중력 때문에 아래로 흘러내리기 때문이다. 하지만 물방울이 흘러내리는 정확한 경로를 알 방법은 없다. 다른 물방울과 접촉하는 방식, 유리의 미세한 불완전성에 반응하는 형태를 예측하기란 불가능에 가깝기 때문이다. 우리는 현재 일반적인 방향은 쉽게 예측할 수 있지만, 구체적인 경로는 예측할 수 없는 새로운 기술적 발전의 문턱에 서 있다. 여기서 구체적인 경로란 바로 '사물인터넷(IoT)'이다. 이 시점에서 CIO의 밤잠을 설치게 할 질문 하나를 던져 보겠다. 조직 내에서 IoT를 어떻게 통합할까? IoT에서 쏟아지는 방대한 데이터의 잠재력은 CIO에게 축복이기도 하지만, 골칫덩어리기도 하다. 동전의 한 면은 고객과 공급망, 생산 관리 측면의 품질 높은 인사이트이다. 모두 IoT가 실현해 주는 것들이다. 그러나 또 다른 면도 있다. 경쟁자가 먼저 IoT의 잠재력을 실현하면 어떤 일이 일어날까? 한 가지는 확실하다. IoT 통합이 CIO의 최우선 아젠다가 돼야 한다. 아니 모든 C레벨 경영진의 최우선 아젠다다. 기술 분야가 아닌 전체 조직이 IoT라는 보물상자를 열 책임이 있기 때문이다. 물론 극복해야 할 기술적 도전과제가 엄청나게 클 것이다. 끝없이 데이터가 유입되기 때문에 끝없이 데이터를 저장하고 분석해야 한다. 데이터 호수가 정말 방대하다. 기대에 부응하는 수준으로 데이터를 안전하게 만들고, 품질을 확보해야 한다. 어려운 과제다. 그러나 스토리지 기술, 머신러닝, 사이버보안 기술이 발전하면서 성과를 일궈내고 있다 따라서 C레벨 경영진의 대화는 다음과 같은 주제에 초점을 맞춰야 한다. "이런 도전과제들을 극복...

CIO 수확기 트랙터 존 디어 농기계 디지털 변혁 데이터 호수 사물인터넷 데이터 세트 예측 기계학습 CTO 비즈니스 모델 미래 IoT 통합

2017.01.31

우리는 현재 일반적인 방향은 쉽게 예측할 수 있지만, 구체적인 경로는 예측할 수 없는 새로운 기술적 발전의 문턱에 서 있다. 사물인터넷(IoT)이 대표적인 예다. 미래를 예측하는 것은 차창에 물방울이 흘러내리는 형태를 예측하는 것과 같다. 물방울이 흘러내리는 일반적인 방향을 예측하지 못하는 사람은 없다. 중력 때문에 아래로 흘러내리기 때문이다. 하지만 물방울이 흘러내리는 정확한 경로를 알 방법은 없다. 다른 물방울과 접촉하는 방식, 유리의 미세한 불완전성에 반응하는 형태를 예측하기란 불가능에 가깝기 때문이다. 우리는 현재 일반적인 방향은 쉽게 예측할 수 있지만, 구체적인 경로는 예측할 수 없는 새로운 기술적 발전의 문턱에 서 있다. 여기서 구체적인 경로란 바로 '사물인터넷(IoT)'이다. 이 시점에서 CIO의 밤잠을 설치게 할 질문 하나를 던져 보겠다. 조직 내에서 IoT를 어떻게 통합할까? IoT에서 쏟아지는 방대한 데이터의 잠재력은 CIO에게 축복이기도 하지만, 골칫덩어리기도 하다. 동전의 한 면은 고객과 공급망, 생산 관리 측면의 품질 높은 인사이트이다. 모두 IoT가 실현해 주는 것들이다. 그러나 또 다른 면도 있다. 경쟁자가 먼저 IoT의 잠재력을 실현하면 어떤 일이 일어날까? 한 가지는 확실하다. IoT 통합이 CIO의 최우선 아젠다가 돼야 한다. 아니 모든 C레벨 경영진의 최우선 아젠다다. 기술 분야가 아닌 전체 조직이 IoT라는 보물상자를 열 책임이 있기 때문이다. 물론 극복해야 할 기술적 도전과제가 엄청나게 클 것이다. 끝없이 데이터가 유입되기 때문에 끝없이 데이터를 저장하고 분석해야 한다. 데이터 호수가 정말 방대하다. 기대에 부응하는 수준으로 데이터를 안전하게 만들고, 품질을 확보해야 한다. 어려운 과제다. 그러나 스토리지 기술, 머신러닝, 사이버보안 기술이 발전하면서 성과를 일궈내고 있다 따라서 C레벨 경영진의 대화는 다음과 같은 주제에 초점을 맞춰야 한다. "이런 도전과제들을 극복...

2017.01.31

네트워크 중단 원인은? 대처는? 예방은? <조사 결과>

네트워크 성능의 암울한 실태를 보여주는 새로운 연구가 공개됐다. 많은 기업들에서 네트워크 중단은 여전히 적지 않은 빈도로 발생하며, 상황을 알리고 복구하기까지 수 시간이 걸리는 경우가 일반적이었다. 보호 조치의 자동화는 요원한 목표며, 그와 관련한 오류도 빈번한 것으로 조사됐다. 파워라인 네트워킹 팁. Credit: ThinkStock 이 연구는 캘리포니아 주 산호세에 있는 신생벤처인 베리플로우(Veriflow)의 후원으로 진행됐으며, 조사에는 중대형 기업들의 네트워크 전문가 총 351명이 참여했다. 주최 측은 해당 설문조사의 목적이 네트워크 취약성과 중단의 위험을 최소화하는 데 필요한 시각 확보에 있다고 밝혔다. 베리플로우가 제공하는 소프트웨어 솔루션은 발생 가능한 네트워크 층위의 활동들을 예측해 네트워크 문제를 사전에 감지하고, 그러한 네트워크 모델이 기업의 보안, 탄력성 정책과 적절히 연동돼 있는지를 확인해 준다. 설문조사 결과는 여러 가지 부분에서 흥미로웠다. 그중 일부를 소개한다. ->보고서 전문 인적 요소 설문 응답자 대다수(97%)는 인적 오류가 네트워크 중단의 원인이 될 수 있다는 데 동의했다. 그러나 그 수준에 대해서는 이견이 있었다. 약 절반(52%)은 인적 오류의 영향력이 ‘미미한 수준’이라고 답했지만, 네트워크 중단의 ‘많은’ 책임이 인적 오류에 있다거나(25%) ‘대부분’이 사람의 책임이라는(18%) 답변도 상당했다. 심지어 네트워크 중단의 모든 원인은 사람에 있다는 답변도 있었다(2%). 관리자가 사고를 일으키는 오류를 항상 포착해서 수정할 수 있다고 말한 응답자는 전체의 3%에 불과했다. 네트워크 변경이 일으키는 충돌 문제 적절한 평가 과정 없이 이뤄지는 네트워크 변경도 사고의 주요 원인으로 꼽혔다. 이 변경이 비즈니스에 미치는 영향에 관한 의견은 다양했다. 응답자의 5%는 네트워크 변경이 일상적으로...

조사 베리플로우 다이멘셔널 리서치 가용성 예측 다운타임 업타임 네트워크 성능 모니터링 인적 오류

2016.11.22

네트워크 성능의 암울한 실태를 보여주는 새로운 연구가 공개됐다. 많은 기업들에서 네트워크 중단은 여전히 적지 않은 빈도로 발생하며, 상황을 알리고 복구하기까지 수 시간이 걸리는 경우가 일반적이었다. 보호 조치의 자동화는 요원한 목표며, 그와 관련한 오류도 빈번한 것으로 조사됐다. 파워라인 네트워킹 팁. Credit: ThinkStock 이 연구는 캘리포니아 주 산호세에 있는 신생벤처인 베리플로우(Veriflow)의 후원으로 진행됐으며, 조사에는 중대형 기업들의 네트워크 전문가 총 351명이 참여했다. 주최 측은 해당 설문조사의 목적이 네트워크 취약성과 중단의 위험을 최소화하는 데 필요한 시각 확보에 있다고 밝혔다. 베리플로우가 제공하는 소프트웨어 솔루션은 발생 가능한 네트워크 층위의 활동들을 예측해 네트워크 문제를 사전에 감지하고, 그러한 네트워크 모델이 기업의 보안, 탄력성 정책과 적절히 연동돼 있는지를 확인해 준다. 설문조사 결과는 여러 가지 부분에서 흥미로웠다. 그중 일부를 소개한다. ->보고서 전문 인적 요소 설문 응답자 대다수(97%)는 인적 오류가 네트워크 중단의 원인이 될 수 있다는 데 동의했다. 그러나 그 수준에 대해서는 이견이 있었다. 약 절반(52%)은 인적 오류의 영향력이 ‘미미한 수준’이라고 답했지만, 네트워크 중단의 ‘많은’ 책임이 인적 오류에 있다거나(25%) ‘대부분’이 사람의 책임이라는(18%) 답변도 상당했다. 심지어 네트워크 중단의 모든 원인은 사람에 있다는 답변도 있었다(2%). 관리자가 사고를 일으키는 오류를 항상 포착해서 수정할 수 있다고 말한 응답자는 전체의 3%에 불과했다. 네트워크 변경이 일으키는 충돌 문제 적절한 평가 과정 없이 이뤄지는 네트워크 변경도 사고의 주요 원인으로 꼽혔다. 이 변경이 비즈니스에 미치는 영향에 관한 의견은 다양했다. 응답자의 5%는 네트워크 변경이 일상적으로...

2016.11.22

블로그 | 2017년에 걱정해야 할 '10+1'가지

필자는 매년 ‘새해 주의해야 할 것’ 즉 다가올 한 해 동안 문제가 생길 수도 있을 만한 분야를 예상해 왔다. 올 해도 2017년 한 해 동안 생각처럼 잘 풀리지 않을 수 있는 일 10가지를 선정했다. 하둡 배포판 빅 데이터, 분석, 그리고 머신러닝은 지금까지 살아남았고, 결국은 약속했던 방식대로 비즈니스를 변화시킬 것이다. 하지만 하둡만큼은 위태로워 보인다. 그렇다고 관련된 모든 사람이 다 곤란에 처하게 될 것이라는 이야기는 아니다. 지금 상황은 오히려 각자도생, 혹은 ‘따로따로’의 상황에 더 가깝다. 지난 해 약속대로 못했거나 미완으로 끝난 프로젝트에 데인 기업들이 이제는 전체적인 ‘완제품’ 대신에 인프라 수준에서 진짜로 필요한 것, 하려는 것이 무엇인지를 꼼꼼히 따져 필요한 것만 선택하려는 태도를 취하게 될 것이기 때문이다. 이런 현실에 적응할 수 있는 IT 업체라면 수익을 더 올릴 것이다. 하둡 업체들 세 곳의 주요 하둡 업체와 (특히 ‘빅 블루’를 포함한) 소위 “뭐든지 다 하는” 거대 업체들도 이 게임에 참가하고 있다. 이미 피보탈이 사실상 발ㅇ르 빼는 것을 목격한 바 있다. 시장이 앞으로 계속 세 하둡 업체를 지탱하기는 어려워 보인다. 앞서 언급한 업체들을 예의주시하기 바란다. 오라클 오라클의 취미는 기업 쇼핑이다. 아마도 오라클의 데이터베이스가 뒤처지고 낙후돼 있으며, 자력으로는 그 어떤 새로운 것도 창조해내지 못하기 때문일 것이다. 혹시라도 지금 사용하는 제품의 개발업체가 오라클에 인수된다면, 곧 그 제품 가격도 같이 오를 것이다. 아, 오라클은 롱테일(long tail) 제품을, 그것도 깊게 뿌리 박혀 좀체 새로운 것에 자리를 내어주지 않는 오래된 기술을 특히 사랑하는 업체임을 말해둔다. 게다가 오라클에 매입된 후에는 오라클의 그 유명한(?) 기술 지원 서비스를 받게 되는 건 덤이다. 데이터브릭스(Dat...

전망 우려 하둡 예측 걱정 트럼프 2017

2016.11.22

필자는 매년 ‘새해 주의해야 할 것’ 즉 다가올 한 해 동안 문제가 생길 수도 있을 만한 분야를 예상해 왔다. 올 해도 2017년 한 해 동안 생각처럼 잘 풀리지 않을 수 있는 일 10가지를 선정했다. 하둡 배포판 빅 데이터, 분석, 그리고 머신러닝은 지금까지 살아남았고, 결국은 약속했던 방식대로 비즈니스를 변화시킬 것이다. 하지만 하둡만큼은 위태로워 보인다. 그렇다고 관련된 모든 사람이 다 곤란에 처하게 될 것이라는 이야기는 아니다. 지금 상황은 오히려 각자도생, 혹은 ‘따로따로’의 상황에 더 가깝다. 지난 해 약속대로 못했거나 미완으로 끝난 프로젝트에 데인 기업들이 이제는 전체적인 ‘완제품’ 대신에 인프라 수준에서 진짜로 필요한 것, 하려는 것이 무엇인지를 꼼꼼히 따져 필요한 것만 선택하려는 태도를 취하게 될 것이기 때문이다. 이런 현실에 적응할 수 있는 IT 업체라면 수익을 더 올릴 것이다. 하둡 업체들 세 곳의 주요 하둡 업체와 (특히 ‘빅 블루’를 포함한) 소위 “뭐든지 다 하는” 거대 업체들도 이 게임에 참가하고 있다. 이미 피보탈이 사실상 발ㅇ르 빼는 것을 목격한 바 있다. 시장이 앞으로 계속 세 하둡 업체를 지탱하기는 어려워 보인다. 앞서 언급한 업체들을 예의주시하기 바란다. 오라클 오라클의 취미는 기업 쇼핑이다. 아마도 오라클의 데이터베이스가 뒤처지고 낙후돼 있으며, 자력으로는 그 어떤 새로운 것도 창조해내지 못하기 때문일 것이다. 혹시라도 지금 사용하는 제품의 개발업체가 오라클에 인수된다면, 곧 그 제품 가격도 같이 오를 것이다. 아, 오라클은 롱테일(long tail) 제품을, 그것도 깊게 뿌리 박혀 좀체 새로운 것에 자리를 내어주지 않는 오래된 기술을 특히 사랑하는 업체임을 말해둔다. 게다가 오라클에 매입된 후에는 오라클의 그 유명한(?) 기술 지원 서비스를 받게 되는 건 덤이다. 데이터브릭스(Dat...

2016.11.22

'1만 대 서버 관리는 머신러닝에 맡겼다' 한 데이터센터 기업 사례

머신러닝이 사람을 대신해 시스템 장애에 신속하게 대응하고 인프라를 관리할 수 있을까? 데이터센터 규모가 커지면 문제가 생겼을 때 이를 관리자에게 자동으로 알려주고 대응하게 하는 체계로는 한계가 있다. 머신러닝에서 이러한 한계를 극복할 수 있는 해답을 찾았다. 인공지능이 단순 작업을 자동화하고 기계로 처리하면서 다양한 산업을 바꿔 놓을 것으로 예상된다. IT부문도 다르지 않으며, 머신러닝 알고리즘이 점차 데이터센터 운영 자동화 및 개선에 초점을 맞추고 있다. 눈에 띄는 예로 최근 자체 딥마인드(DeepMind) 기술을 이용해 거대한 서버 팜(Server Farm)에서 전력 소비량을 관리하여 필요한 전력량을 40%가 절감했다고 밝힌 구글을 들 수 있다. 또 AI기술이 IT운영팀이 수행하는 기능을 자동화할 수도 있다. 머신러닝은 인간의 개입 없이 인프라를 관리하고 장애에 신속하게 대응하는 방법을 제시했다. 바르셀로나에서 열린 VM월드 유럽(VMworld Europe)에서 항공 산업에 서비스를 제공하는 기술 업체 아마데우스(Amadeus) IT그룹의 글로벌 비즈니스 담당 VP 겸 GM 볼프강 크립스 박사는 해당 기업이 현재 자사의 데이터센터 인프라를 모니터링하기 위해 IBM의 왓슨(Watson) 인공지능 플랫폼 사용을 시험하고 있다고 밝혔다. "대규모 데이터센터 운영에는 완전히 다른 역량이 필요하기 때문에 운영 파라미터 작업, 사고 예측, 더욱 신속한 기저 원인 파악에 그들의 기술을 활용할 수 있는지 보기 위해 IBM에서 왓슨 전문가들과 협력하고 있다." 아마데우스는 약 1만 2,000개의 서버를 갖춘 데이터센터로 자사의 비즈니스 운영을 지원하고 있다. 해당 기업의 인프라 환경은 구글의 그것과 비교하여 규모가 작지만 데이터센터를 운영하는 다른 조직과 마찬가지로 새로운 서비스에 대한 고객들의 수요가 그 어느 때보다도 증가하고 있으며 다운 타임(Down Time)을 거의 없애야 한다. 크립스는 "해...

구글 머신러닝 딥마인드 예측 인공지능 AI VM월드 VM웨어 왓슨 IBM 다운 타임

2016.10.27

머신러닝이 사람을 대신해 시스템 장애에 신속하게 대응하고 인프라를 관리할 수 있을까? 데이터센터 규모가 커지면 문제가 생겼을 때 이를 관리자에게 자동으로 알려주고 대응하게 하는 체계로는 한계가 있다. 머신러닝에서 이러한 한계를 극복할 수 있는 해답을 찾았다. 인공지능이 단순 작업을 자동화하고 기계로 처리하면서 다양한 산업을 바꿔 놓을 것으로 예상된다. IT부문도 다르지 않으며, 머신러닝 알고리즘이 점차 데이터센터 운영 자동화 및 개선에 초점을 맞추고 있다. 눈에 띄는 예로 최근 자체 딥마인드(DeepMind) 기술을 이용해 거대한 서버 팜(Server Farm)에서 전력 소비량을 관리하여 필요한 전력량을 40%가 절감했다고 밝힌 구글을 들 수 있다. 또 AI기술이 IT운영팀이 수행하는 기능을 자동화할 수도 있다. 머신러닝은 인간의 개입 없이 인프라를 관리하고 장애에 신속하게 대응하는 방법을 제시했다. 바르셀로나에서 열린 VM월드 유럽(VMworld Europe)에서 항공 산업에 서비스를 제공하는 기술 업체 아마데우스(Amadeus) IT그룹의 글로벌 비즈니스 담당 VP 겸 GM 볼프강 크립스 박사는 해당 기업이 현재 자사의 데이터센터 인프라를 모니터링하기 위해 IBM의 왓슨(Watson) 인공지능 플랫폼 사용을 시험하고 있다고 밝혔다. "대규모 데이터센터 운영에는 완전히 다른 역량이 필요하기 때문에 운영 파라미터 작업, 사고 예측, 더욱 신속한 기저 원인 파악에 그들의 기술을 활용할 수 있는지 보기 위해 IBM에서 왓슨 전문가들과 협력하고 있다." 아마데우스는 약 1만 2,000개의 서버를 갖춘 데이터센터로 자사의 비즈니스 운영을 지원하고 있다. 해당 기업의 인프라 환경은 구글의 그것과 비교하여 규모가 작지만 데이터센터를 운영하는 다른 조직과 마찬가지로 새로운 서비스에 대한 고객들의 수요가 그 어느 때보다도 증가하고 있으며 다운 타임(Down Time)을 거의 없애야 한다. 크립스는 "해...

2016.10.27

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