끊임없이 증가하는 데이터 세트에서 더 스마트하고 더 신속한 결정을 내리십시오
많은 비즈니스 문제는 매우 크고 다양한 데이터 세트의 분석 작업을 포함하여 엄청나게 복잡할 수 있습니다. 조직에서는 "IT가 스팸 검색 애플리케이션을 구축하여 정크 게시물이 회사의 커뮤니티 웹 포럼을 질식시키는 것을 막을 수 있습니까?"와 같은 질문에 직면하는 경우가 많습니다.
이처럼 복잡하고 데이터 집약적인 질문에 답하고 조치를 취하는 것은 기존 BI(비즈니스 인텔리전스) 및 규칙 기반 분석 시스템의 능력을 넘어서는 것일 수 있습니다. 이러한 접근 방식은 클라우드, 소셜 미디어, 스마트 모바일 장치 및 사물 인터넷(IoT)에서 빅 데이터가 쏟아져 나오는 역동적인 비즈니스 환경에서 충분히 미래 지향적이거나 유연하지 않을 수 있습니다. 방대한 데이터와 관련된 빠르게 변화하는 과제를 더 잘 이해하고 해결하기 위해 의료, 은행, 운송, 제조, 교육, 소매 등 모든 산업의 기업이 머신 러닝을 활용하여 분석 기능을 업그레이드하고 있습니다.
인공 지능(AI)의 하위 집합인 머신 러닝은 프로그램이 방대한 데이터 세트를 선별할 때 반복적으로 "학습"하고 적응하는 특수 소프트웨어 알고리즘을 사용합니다. 이러한 사례를 통해 조직은 패턴, 통찰력 및 추세를 발견하고 이에 따른 조치를 취할 수 있습니다. 그리고 그것은 인간의 개입 없이 시간이 지남에 따라 더 나은 결과를 만들어 냅니다. 이러한 장점으로 인해 머신 러닝이 점점 더 주류로 자리 잡고 있습니다. 학습하는 컴퓨터는 IoT 데이터 분석, 컴퓨터 서버 모니터링, 표적 광고, 이미지 인식, 경로 스케줄링, 유전자 시퀀싱, 게임, 자율 주행 차량, 에너지 탐사, 얼굴 인식 등 다양한 실제 응용 프로그램을 구동합니다.
머신 러닝은 인간 분석, 기존 BI 또는 기타 AI 접근 방식보다 훨씬 빠르고 안정적으로 매우 큰 데이터 세트에서 데이터 기반 통찰력과 복잡하고 실행 가능한 결정을 생성합니다. 머신 러닝은 비즈니스 운영의 효율성을 높이고 보안을 개선하며, 고객 행동에 맞는 새로운 제품과 서비스를 통해 데이터 기반 혁신을 촉발합니다.
보다 스마트한 내부 비즈니스 프로세스 생성
Bain & Company가 수행한 최근 연구에 따르면, 머신 러닝 및 분석을 사용하는 기업은 경쟁사에 비해 데이터 기반 의사 결정을 내릴 가능성이 2배, 그러한 결정을 더 빠르게 내릴 가능성이 5배, 그리고 내린 결정을 더 신속하게 실행할 가능성이 3배 더 높고, 상위 4분의 1에 속하는 재무 성과를 얻을 가능성이 2배 더 높은 것으로 나타났습니다. 많은 조직에서 머신 러닝으로 비즈니스 인텔리전스 성숙도 곡선을 높이는 것은 머신 러닝을 사용하여 주요 내부 비즈니스 프로세스를 개선하는 것으로 시작됩니다.
일부 상위 수준 사례는 다음과 같습니다.
채용 및 직원 성과 개선: 한 글로벌 패스트푸드 기업은 인재 확보, 인재 유지 및 직원 성과에 대한 통찰력을 얻기 위해 머신러닝을 활용하고 있습니다. 이러한 "사람 분석"은 여러 통합 데이터 소스에 대한 예측 모델링 기술을 사용하여 HR 데이터에 대한 깊은 통찰력을 제공합니다.
맞춤형 마케팅: 이탈리아의 한 주요 은행은 고객 데이터를 분석하고 숨겨진 기회의 핫스팟을 찾기 위해 인지 분석 시스템을 만들었습니다. 이 접근 방식을 통해 전환율을 크게 향상시킨 표적형 아웃바운드 마케팅 프로그램이 생성되었습니다.
맞춤형 가격 견적: 한 글로벌 일류 소프트웨어 회사는 머신 러닝을 기반으로 하는 컴퓨터화된 가격 견적을 사용하여 모든 고객과 잠재 고객을 위해 정확하고 타겟팅된 옵션을 맞춤화합니다. 이 회사는 머신 러닝이 고객 관계 관리(CRM) 및 전사적 자원 계획(ERP) 시스템과 통합되기 때문에 보다 정확하고 목표에 맞는 예측을 할 수 있습니다.
개인 맞춤 의료: 점점 더 많은 의료 제공자가 머신 러닝을 사용하여 가장 비용 효율적이고 맞춤화된 치료 옵션을 식별하는 데이터 기반 정밀 의료 접근 방식을 강화하고 있습니다.
의료 및 기타 분야의 많은 얼리 어답터는 머신 러닝을 활용하여 효율성 향상, 새로운 발견, 제품 및 서비스 개선 또는 고객 경험 개선을 통해 비즈니스를 재편하고 있습니다.
1. IT는 스팸 검색 애플리케이션을 구축하여 정크 게시물을 차단할 수 있습니까?
빠르게 변화하는 조건에서 방대한 데이터 풀 내에서 비정상적인 패턴을 식별하는 능력은 머신 러닝의 핵심 강점 중 하나로서, 보안 영역에서 위험의 더 빠른 탐지 및 완화에 적합한 기술입니다. 예를 들어, 머신 러닝 알고리즘은 클라우드 데이터에 액세스하는 방식의 패턴을 찾고 보안 침해를 예측할 수 있는 이상 징후를 보고합니다. 결제 프로세서는 학습 알고리즘을 사용하여 신용 카드 및 직불 카드 사용자의 구매 패턴을 추적하여, 비정상적인 구매 금액과 같은 이상 징후, 또는 사기 가능성이 있는 지리적 위치 또는 판매자와의 상호 작용을 표시합니다.
예를 들어 인텔사의 경우, 머신 러닝 기술을 사용하여 고객, 파트너 및 작업자에게 서비스를 제공하는 웹 사이트 커뮤니티 포럼에서 정크 메시지를 연구하고 차단합니다. 인텔의 대규모 포럼 중 하나는 하루에 10,000개나 되는 스팸 게시물로 넘쳐났습니다.
정크 게시물을 삭제하기 위해 자원봉사자 중재자를 참여시키는 일반적인 해결책으로는 증가하는 스팸 규모를 감당할 수 없었고 직원들 시간이 너무 많이 소비됐습니다. 필터를 사용하여 문제를 해결하는 것도 불가능했습니다. 그리고 새로운 스팸 봇의 유비쿼터스 성장으로 인해 특정 단어나 구문을 차단하는 보편적인 규칙을 정의하기가 더욱 어려워졌습니다. 게시물이 해외 카지노 도박을 홍보하는 메시지인지, 아니면 인텔의 엔터테인먼트 산업 고객이 보낸 메시지인지 판단하는 것이 어려웠습니다.
기존 방법에 좌절한 인텔의 IT 그룹은 다른 솔루션을 찾았습니다. 인텔은 이미 PC 상태 모니터링 및 공장 프로세스와 같은 많은 영역에서 자동화를 적용하고 있었습니다. 자동화가 이미 이러한 영역에서 효율성과 효과을 높였는데, 자동 스팸 제어를 위해 머신 러닝을 사용하는 것은 어떻습니까? 인텔 엔지니어는 정교한 머신 러닝 기술을 사용하여 원치 않는 악성 메시지를 자동으로 차단하는 스팸 필터링 서비스를 구축했습니다. 텍스트 분석을 통해 이 시스템은 75개 언어로 된 욕설 및 불쾌감을 주는 콘텐츠를 탐지할 수 있습니다. 더불어 평판 엔진은 사용자 프로필을 모니터링하여 특정 소스가 스팸을 제출할 가능성을 식별해 냅니다.
인텔이 이 프로그램을 시행한 후 공격은 즉각 감소했으며, 스팸 수준은 그 이후로 관리 가능한 수준에 머물러 있습니다. 동적으로 학습하고 원치 않는 메시지를 차단하는 서비스의 기능 덕분에 정크 게시물의 급증이 거의 사라졌습니다.
2. 어떻게 하면 센서를 더 스마트하게 사용할 수 있을까요?
많은 기업에서 머신 러닝의 가장 가치 있는 사용은 사물인터넷(IoT) 및 산업용 사물인터넷(IIoT)에 연결된 수조 개에 달하는 센서와 기타 장치에서 발생하는 데이터 흐름을 이해하고 활용하는 것입니다. 지난 해 자동차 및 공구 제조업체, 제약사, 차량 운영자 및 기타 산업의 기업은 자율 제조의 기초로 IoT에서 머신 러닝 및 분석 사용을 시작하거나 확대했습니다.
예를 들어, Siemens AG는 자율 제조 공장 구축의 첫 번째 단계로 MindSphere*라는 클라우드 기반 개방형 IoT 에코시스템을 만들었습니다. 강력한 디지털 플랫폼은 IoT를 통해 연결된 장비의 제조 제어 시스템 및 센서에서 생성된 데이터를 캡처, 저장 및 분석합니다1. Siemens는 머신 러닝을 사용하여 이 데이터를 연구하고 전체 공급망을 분석합니다. 이러한 방식으로, 국제 산업 거물인 Siemens는 제조 라인에 어떠한 개선조치를 취해야 회사에 가장 큰 이익이 돌아올 수 있을 지를 결정합니다. 이 "스마트 데이터"는 Siemens 관리자에게 장비 가동 시간을 개선하고 생산 작업 효율성을 높이는 실행 가능한 통찰력을 제공합니다.
머신 러닝 및 분석은 사실상 모든 프로세스가 디지털 기반으로 고도로 자동화되는 자율 제조의 기초입니다. 학습 알고리즘의 급속한 발전으로 제조업체는 방대한 양의 데이터를 실시간으로 수집, 저장 및 분석하고 해당 데이터를 실행 가능한 정보 집합으로 전환할 수 있게 되었습니다. 더욱 중요한 것은, 머신 러닝을 통해 환경, 사용자 및 기록에 대한 동적 머신 러닝을 통해 사전 예방적 장치를 추가하여 분석가의 운영 결정을 지원함으로써 기업이 더 스마트해질 수 있도록 돕는다는 것입니다.
3. 사기 감지에 도움이 되도록 많은 사람들의 금융 기록을 집계할 수 있습니까?
현재의 비즈니스 프로세스를 개선하는 것은 머신 러닝의 힘을 활용하는 첫 번째 단계에 불과합니다. 이 접근 방식이 만들어내는 전례 없는 통찰력은 새로운 제품, 서비스 및 비즈니스 수행 방식에 영감을 줄 수 있습니다. 전체 산업을 혁신적으로 변화시킬 수 있습니다.
소매 부문을 생각해 보십시오. 재래식 오프라인 상점은 서로 간에 경쟁하고 또 온라인 경쟁자와 경쟁하면서 스스로를 재창조하기 위해 끊임없이 노력하고 있습니다. 전문가들은 소매업의 성공과 생존은 온라인 판매와 매장 내 판매를 고도로 개인화한 조합으로 만들어낼 수 있느냐에 달려 있다고 말합니다. 한 소매 회사는 고객이 무엇에 관심이 있는지 알고 적시에 해당 제품을 고객에게 제공하면 판매 프로세스에서 많은 마찰을 제거할 수 있다는 사실을 인식했습니다. 이를 위해서는 연결된 장치와 분석 소프트웨어의 결합이 필요합니다.2
이 회사는 매장 내 센서와 머신 러닝을 사용하여 스타일 선호도와 구매 동향을 캡처 및 분석하여 의류 디자이너에게 가이드를 제공하는 애플리케이션을 만들었습니다.
이 소매업체의 또 다른 응용 프로그램은 고객이 초기 목적에 따라 이미 구입한 의상에 다른 아이템을 제안하여 옵션을 추가할 수 있도록 도와줍니다. 소비자가 이 회사의 전자 상거래 사이트에서 셔츠를 구매하면, AI 기반 플랫폼이 "완성된 룩"을 위한 추가 의류 및 액세서리 메뉴를 제공합니다. 이러한 접근 방식은 판매 시점에서의 수입을 획기적으로 향상시킵니다. 실제로 이 소매 회사는 현재 매일 450만 건의 추천 상품을 고객에게 제공하고 있습니다. 센서 및 옵션 피팅 애플리케이션은 모두 이 소매 회사에 판매 및 서비스를 개인화하고 개선하는 데 사용되는 고객 선호도 및 행동에 대한 귀중한 정보를 풍부하게 제공합니다.
선도적인 소매업체들이 머신 러닝 및 분석으로 초점을 이동함에 따라, 업계 전체의 자체 혁신을 위한 노력에 데이터가 원동력이 되고 있는 것은 분명합니다. Lowe's*Home Improvement 및 Amazon*Go 식료품점과 같은 소매업체가 실시간 재고 조사를 수행하는 센서 탑재 로봇을 배치함에 따라 이러한 추세는 더욱 성장할 것으로 보입니다. 이 소매 사례는 기계 학습이 제공하는 기회를 잘 보여줍니다. 기술을 수용하는 기업과 그렇지 않은 기업의 차이에 따라, 어떤 기업이 산업의 혁신적 파괴자가 되고, 어떤 기업이 파괴된 실패자가 되는지 결정됩니다.
머신 러닝의 이점 실현을 위해 인텔이 지원하는 방법
머신 러닝 및 데이터 분석을 활용하여 더 스마트하고, 빠르고, 효율적이며 혁신적인 조직이 될 수 있습니다. 더 빠르고 더 나은 실시간 의사 결정은 진정한 경쟁력을 제공하는 운영 개선과 신제품 및 비즈니스 모델을 주도합니다. 머신 러닝 파일럿 프로그램을 이제 막 시작하는 기업이건, 더 야심 찬 고급 분석 프로젝트를 수행하고 있는 기업이건 상관없이 인텔은 머신 러닝 기술에 필요한 강력한 엔드-투-엔드 아키텍처를 만드는 데 도움이 되는 다양한 리소스와 기술을 제공합니다.
인텔의 성능 최적화된 포트폴리오와 풍부한 솔루션 에코시스템은 고급 머신 러닝 분석으로의 발전을 지원합니다. 인텔은 빅데이터의 분산 스토리지 및 처리를 위한 프레임워크를 제공하는 최고의 시스템 통합업체 및 기술 공급업체와 협력하여 이를 수행합니다.
인텔의 전문가와 숙련된 파트너가 조직이 광범위한 머신 러닝 기술 및 구현 요구 사항에 대해 최상의 결정을 내릴 수 있도록 지원합니다.
결론은 분석 분야에 머신 러닝이 도래했다는 것입니다. 인텔은 자체 비즈니스와 고객 및 파트너 모두를 위한 머신 러닝의 가치를 입증했습니다.