예측 분석 솔루션을 통한 경쟁력의 향상

현행 분석 및 비즈니스 인텔리전스는 과거에 일어났던 사건을 면밀하게 검토합니다. 물론, 그러한 정보에도 가치는 있습니다. 그러나 이러한 정보는 이미 일어난 일에 대한 세부적인 관점을 제시하는 것에 불과합니다. 과거를 돌아보기만 하는 기업은 뒤쳐질 위험이 높습니다. 예측 분석 솔루션의 구축을 통해 기업은 미래에 집중하고 반향을 불러일으킬 수 있습니다.

신용 점수를 생각해 보십시오. 보고 업체들은 구매자의 구매 이력과 현재 재무 상황을 들여다 보며, 부채 추가 승인 시 위험을 측정하는 방식으로 이들이 적시에 채무를 변제할 확률을 채권자에게 수치로 보여줍니다. 이는 매우 기본적인 예측 분석 솔루션입니다. 이 방법론에서는 서로 다른 데이터 집합을 취한 뒤 이를 분석하고 어떠한 일이 미래에 발생하거나 발생하지 않을 확률을 수치로 나타냅니다.

이것이 바로 예측 분석이 단순한 예상을 뛰어넘는 이유입니다. 이와 같은 솔루션으로는 구조화(트랜잭션 데이터 등) 및 비구조화된(소셜 게시물, 이미지 등) 여러 데이터 집합을 결합하고 이를 실시간으로 면밀히 조사할 수 있습니다. 기존의 비즈니스 인텔리전스 접근 방식과 달리, 정보가 별도로 저장되어 새로운 장소에서 분석되고 어디서나 정보를 검색할 수 있습니다. 응용 프로그램은 데이터와 더욱 가까운 곳으로 이동하여 IoT 및 클라우드를 통해 에지에서 실시간으로 처리할 수 있습니다. 예측 분석은 사업부 협업과 의사 결정 모두를 개선하는 효과가 있는 것으로 나타났습니다.

정보 획득은 방정식을 이루는 하나의 항일 뿐입니다. 조직에서 이전에는 발견하지 못했던 상관 관계를 발견하게 되면 데이터를 가치있고 유용한 인사이트의 촉매제로 바꿀 수 있습니다. 그로 인한 변화는 조직 전반에 걸친 고객 경험과 제품, 서비스의 향상으로 이어질 수 있습니다.

현실 세계의 솔루션

분석 솔루션은 기업이 새로운 제품과 서비스로 경쟁자를 꺾고 시장에 진출하는 데 도움이 됩니다. 고객을 연결하는 사려 깊은 커뮤니케이션으로 고객 만족도가 높아집니다. 현실 세계의 분석에는 데이터가 가장 중요합니다. 처리할 수 있는 데이터가 많을수록 더욱 정확한 예측이 가능합니다. 새로운 데이터 스트림을 수집함으로써 비즈니스에 대한 종합적인 관점을 구축하고 분석 과정을 탄탄하게 시작할 수 있습니다.

좋은 예로 영국의 런던 북동부 NELFT*(국민 건강 보험*)가 있습니다. NELFT 시스템은 65세 이상이며, 일년에 평균 4일을 예기치 않게 입원하는 150만 이상의 가입자를 관리합니다. 이러한 입원 중 다수는 예방이 가능한 것이었기 때문이 이들은 입원을 줄일 방법을 찾고 있었습니다.

NELFT*는 인텔 및 Santana Natural Language Analytics*와 제휴하여, 새로운 데이터를 입력할 필요 없이 방대한 양의 비구조화된 자연 언어를 유용하게 코드화된 의료 데이터로 만드는 새로운 파일럿 프로그램을 구현했습니다. 이를 바탕으로 의료진은 삶을 바꿔놓을 사고와 장애의 위험이 가장 높은 환자를 예측하고 조기 개입을 통해 환자의 입원율을 처음부터 낮출 수 있었습니다.

이 프로그램은 기존 솔루션을 바탕으로 새로운 시스템을 구현하는 데서 멈추지 않고 비즈니스 문제에 대한 심층적인 이해, 정확한 요인을 가장 효과적으로 판단하기 위한 모든 가용 정보의 점검, 데이터 분석의 새로운 분야, 안전하고 민첩하며 새롭고 다양한 작업으로 확장 가능한 기술 환경 구축에 대한 의지를 필요로 했습니다. 예측 분석은 정해진 틀에서 벗어나는 데서 시작되며 새로운 환경에 적응할 수 있도록 구축되는 경우가 많습니다.

사람: 솔루션의 출발점

리더십은 모든 예측 분석 솔루션에 꼭 필요한 출발점입니다. 기존 인프라와 직원의 기술에 대한 정직한 평가는 성공적인 배포로 나아가는 중대한 첫 걸음입니다. 예측 분석에 모델링, 통계, 데이터 과학 등의 전문 기술을 갖춘 분석가 같은 사람들이 필요하다는 사실은 놀라운 일이 아닙니다.

새로운 기술 인력의 관점에서 데이터 과학자는 초기부터 분석 솔루션의 방향을 제시하고 구조화하는 데 필요한 전문 기술을 가지고 있습니다. 다양한 알고리즘 접근 방식과 데이터 구조화 기법에 대한 지식은 새로운 예측 분석 솔루션의 초기 단계에 필수적인 요소입니다. 적절한 데이터 과학과 데이터 배치는 기존의 데이터 저장소와 사물 인터넷(IoT) 등 다양한 실시간 소스를 연결해 주므로 새로운 인사이트로 이어질 수 있습니다.

조직에서 활용할 수 있는 다양한 예측 분석 플랫폼을 이해하는 것도 마찬가지로 중요합니다. 이미 협력 관계를 맺고 있는 다수의 주요 공급업체에서는 업그레이드된 소프트웨어 제품군으로 예측 분석을 지원하고 있으며 직접적으로 또는 오픈 소스 솔루션과의 연결을 통해 비구조화된 데이터를 통합하는 기능을 제공합니다. 현재 보유한 기술을 파악하고 기술 격차를 해결하면 노력의 성과를 빠르게 얻을 수 있습니다.

물론, 관리자, 앱, 개발자, 기타 일반 IT 기술 집합의 필요성이 사라지는 것은 아닙니다. 게다가 시각화, 네트워크 토폴로지, 스토리지와 관련된 다수의 고급 기술 집합도 필요할 것입니다. 퍼블릭 및 하이브리드 클라우드 리소스를 사용하는 방안도 고려해야 하며 현대 기업에서는 대규모 예측 분석 솔루션에 매우 유용한 기술을 이러한 영역에 구축하고 있습니다.

인프라의 혁신

분석 솔루션의 채택 및 확장은 특히 데이터를 소스와 가까운 곳으로 옮기거나 인메모리 또는 실시간으로 처리해야 할 경우 인프라 증축으로 이어질 수 있습니다. 데이터 보안과 액세스 관리도 매우 중요합니다.

분석에서는 수많은 데이터가 다루어지며 데이터가 에지 센서에서 클라우드 또는 데이터 센터 자체로 옮겨지는 경우가 많기 때문에, 데이터가 취약해지는 경우가 있고 많은 경우 규정이 효력을 발휘하곤 합니다. 개별 엔드 포인트를 보호하기 위해 여러 IoT 소스의 데이터를 익명화해야 하는 경우를 예로 들 수 있습니다. NELFT* 사례에 더해, 미래에는 조직에서 위험한 환자를 모니터링하기 위해 다양한 가정용 건강 센서를 공급해야 할지도 모릅니다. 이렇게 되면 환자 정보의 보호를 위한 포괄적인 데이터 보안이 필수불가결해질 것입니다.

데이터의 가치는 시간이 경과함에 따라 빠르게 사라지므로 처리 속도 역시 중요합니다. 비즈니스는 여러 소스의 데이터를 수집과 동시에 분석하고 그로부터 최대한의 가치를 추출해야 할 것입니다. 당연히 데이터는 더욱 복잡해질 것이고 다양한 방법으로 분석되어야 합니다. 중복되거나 쓸모가 없는 기존의 데이터, 즉 비즈니스가 보유하고 있으나 사용하지 않는 '다크 데이터'에서도 가치를 찾을 가능성이 있습니다.

인프라도 더욱 유연해져야 할 것입니다. IT 부서에서는 분석을 준비하기 위해 SAP* HANA* 인메모리 솔루션을 고려하고 분석 스트리밍용 아키텍처를 설계하거나 빅 데이터 중심의 하둡* 배포를 프로그래밍할 수 있습니다. 무엇을 배포하든 클라우드에서 상당한 리소스를 옮기는 작업이 수반되며 경쟁력과 네트워크 처리 기능을 제공할 새로운 소프트웨어 기술이 필요할 것입니다.

구현 단계

적절한 인프라와 기술을 확보하고 해결할 비즈니스 문제를 선택했다면 이제 구현을 시작할 차례입니다.

조직은 장기적 관점과 단기적 문제 해결 사이에서 선택의 기로에 직면하는 경우가 많습니다. 실행 가능한 솔루션의 설계를 도와줄 필수 전문 지식을 보유한 데다 믿을 수도 있는 파트너와 상담한다면 적절한 시작 지점을 정하고 즉각적인 효과를 얻을 수 있습니다.

비즈니스에서 활용할 새로운 데이터를 어디에 어떻게 저장할 것지도 중요한 고려 사항입니다. 온프레미스 및 클라우드 솔루션은 저마다 장점이 있으며 두 가지를 혼합한 하이브리드 솔루션은 속도, 보안, 안정성, 확장성에 관한 목표를 달성해 줄 것입니다.

마찬가지로 새로운 소프트웨어 플랫폼도 고려해 볼 가치가 있습니다. 오픈 소스 솔루션은 분석 클러스터에서 중요한 역할을 수행하고 있습니다. 공유 플랫폼을 바탕으로 혁신을 일구는 커뮤니티는 조직의 상당한 발전을 촉진할 것입니다. Apache* Spark*와 하둡*은 두 개의 기본적인 오픈 소스 분석 솔루션으로, 요구 사항이 보다 정확하게 정의될 경우 더 많은 선택지를 제공합니다.

머지 않아 조직은 유용한 정보를 상상했던 것보다 훨씬 많이 얻을 수 있게 되는데, 구조화되지 않은 데이터를 관리하는 것은 관계형 데이터베이스 내에 저장된 기존 형식의 정보를 관리하는 방식과 완전히 다릅니다. 클라우드 PaaS(Platform-as-a-Service) 솔루션은 기술을 구축하고 초기에 발전을 가속화할 수 있게 해줍니다.

한 곳에 너무 많은 정보가 있어 데이터 '호수(레이크)'라 불리곤 하는 곳에 정보가 저장됩니다. 그러나 이 '호수'는 사실 '웅덩이'의 집합이며 조직의 과학자와 아키텍트가 할 일은 '웅덩이'를 연결하여 의미를 파악하는 것입니다. 여기에는 상호 연관되어 묶어 볼 만한 가치가 있는 정보 조각들을 분별하고, 언뜻 달라 보이지만 분석의 렌즈를 통해 들여다보면 가치 있는 인사이트를 드러낼 데이터 집합을 구분하는 일도 포함됩니다. 하나의 논리적 '장소'에 데이터를 누적하고 다양한 분석 엔진에 맞춰 형식화하려면 소프트웨어 정의 스토리지 이니셔티브가 필요할 수도 있습니다. 스토리지 노드 자체에서 직접 실행되는 분석 엔진 구축이 가능할 수 있을 정도로 유능한 스토리지 솔루션도 있습니다.

분석 솔루션을 위한 지원 받기

분석 클러스터 작업에 착수하기 위해서는 경영진의 지원이 필요합니다. 불확실성과 문제 발생이 예상되는 만큼, 조기에 확실하게 C-Suite를 지원받는다면 더없이 귀중한 자산이 될 것입니다. 분석의 중요성은 더 이상 무시할 수 없을 정도로 커졌습니다. 시장의 경쟁업체들이 아직 분석의 힘을 활용하지 못했다 해도 이제 머지 않아 시작하게 될 것입니다.

분석 클러스터의 잠재적 단점에 대한 우려를 덜어내려면 파트너의 전문성을 강조하고 속도와 안정성, 확장성에 중점을 둔 접근 방식에 주목하십시오. 인텔이 여러분의 훌륭한 파트너가 되어드리겠습니다. 인텔® 아키텍처는 민첩하고 견고한 솔루션을 배포하는 데 필요한 거의 모든 컴퓨팅, 네트워크, 스토리지 인프라의 바탕을 이룹니다. 인텔 에코시스템에서 제공되는 리소스는 모든 종류의 예측 분석에 필요한 안전한 기반을 구축하는 데 도움이 될 것입니다.

과거의 비즈니스 인텔리전스 시스템도 여전히 유용합니다. 그러나 강력한 데이터 기반의 분석 솔루션과 결합하면 더 높은 수준의 인사이트와 혁신을 촉진할 수 있을 것입니다. 예측 분석을 이용하는 기업은 과거에서 미래로 초점을 전환함으로써 새롭고 매력적인 방식으로 미래의 반향을 일으킬 원동력을 가지게 됩니다. 이것은 기업이 21세기의 시장을 주도하기 위해 내세워야 할 메시지입니다.