기업 성공 가속화: AI·ML로 실시간 데이터 과제 해결

데이터를 빠르게 실행 가능하게 만드는 것은 기존 데이터 관리 체계에 어려운 과제를 만듭니다.

Gartner의 세 가지 새로운 보고서는 AI와 ML이 주입된 가치 창출 운영 애플리케이션 구축의 시급성을 기업에 날카롭게 부각시킵니다. 그렇지 않으면 영원히 뒤처질 위험이 있습니다.

긴급성 빌더 #1: 최신 AI 비즈니스 가치 예측에서 Gartner는 AI 증강이 2021년에 2조 9천억 달러의 비즈니스 가치를 창출할 것이라고 말합니다. 단 1년 만에.

긴급성 빌더 #2: Gartner의 AI 및 ML 개발 전략 연구에 따르면 선도 조직은 AI/ML 프로젝트를 올해 평균 4개에서 2022년까지 35개로 대폭 늘릴 것으로 예상합니다.

긴급성 빌더 #3: "2019년 예측: 데이터 및 분석 전략" 보고서에서 Gartner는 "효과적인 데이터 관리가 그 어느 때보다 중요합니다. 일부 기업은 데이터를 통제하여 시장 지배를 위한 무기로 만들었지만, 많은 다른 기업은 인텔리전스 조정에 브레이크를 거는 문제로 고전하고 있습니다: 사일로."라고 말합니다.

참고: AI 배포 가속화로 CI 혜택 더 빠르게 달성하는 방법

Gartner의 "선도 조직"은 의사결정 지원, 실시간 의사결정 자동화, AI 증강 인텔리전스 등에서 AI, ML, IoE 이니셔티브로부터 흐를 2조 9천억 달러의 비즈니스 가치를 차지하기 위해 경쟁에서 앞서 나가는 조직들입니다.

무엇이 기업을 가로막는가?

사일로화된 데이터만이 IoE 애플리케이션 구축과 ML, AI 프로젝트 배포를 방해하는 유일한 것은 아닙니다. IoT와 관련된 시계열 데이터와 실시간 운영을 처리하기에 부적합한 경직된 레거시 시스템도 혼란을 줄 수 있습니다.

귀하의 조직은 가치를 실현하는 경주에서 어디에 위치하나요? AI나 ML 프로젝트와 IoE 애플리케이션 배포를 위한 길을 어떻게 매끄럽게 하고 있나요? 많은 회사처럼 귀하의 노력이 사일로화된 데이터부터 시작하는 몇 가지 주요 과제에 직면해 있다면?

이질적인 소스에서 데이터를 모아 전체적인 관점을 렌더링할 수 없는 것은 일부 기업이 IoE 애플리케이션 요구사항을 고려하기 전에도 따라잡기 위해 고전하는 주요 동인입니다.

수년간 그들은 산업별, 좁은 기능의 SaaS와 엔터프라이즈 클라우드 애플리케이션 세대에 의해 강요된 데이터 사일로에 전념했습니다. 하지만 이제 그들은 분리된 데이터의 분석적 한계에 부딪혀 데이터를 있는 그대로 전체적으로 분석하거나 행동할 수 없거나, 더 새로운 세대 애플리케이션에 쉽게 배포할 수 없다는 것을 발견하고 있습니다.

데이터를 중력의 중심으로

성공하려면 모든 ML과 AI 노력은 데이터에 기반해야 합니다. 우리는 모든 프로세스 자동화 요구사항을 데이터 렌즈를 통해 먼저 봅니다. 그것은 우리가 하는 모든 것, 우리가 자동화하는 모든 프로세스, 우리가 가능하게 하는 모든 실시간 결정이나 행동의 중력 중심입니다.

센서 생성 시계열 데이터에 최적화되어 있지만, 데이터 유형, 소스, 볼륨, 속도가 무엇이든 상관없습니다. 데이터는 우리의 근본 원인입니다. 데이터에 구애받지 않는 애플리케이션을 위한 데이터 자동화 기반을 구축하면 기업 SaaS의 파편화된 세상에서 사일로 파괴 데이터 통합 진전이 가능해집니다.

우리는 이를 옴니데이터(omnidata) 접근 방식으로 생각합니다. 센서 네트워크의 데이터 관리 요구사항이 기업 다른 곳에서도 옴니데이터 혜택을 가능하게 함에 따라 더 많이 듣게 될 것입니다.

기존 마켓플레이스 접근 방식은 드물게 이 원칙을 따릅니다. 일반적인 IoT 회사와 이야기해보면, 예를 들어, 그들이 사람을 방정식에 어떻게 끌어들이는지에 대한 좋은 이야기가 없을 것입니다. 그들은 모두 사물에 관한 것입니다. 마찬가지로 위치 데이터 서비스와 인력 관리 제공업체는 사람과 노동자 추적에 대한 좋은 이야기를 하지만 사물 통합에 대한 신뢰성은 거의 없습니다.

이것이 IoT보다 IoE가 우리 커뮤니케이션에서 훨씬 더 많이 존재하는 이유 중 하나입니다. 대부분의 기업 운영 문제는 사람과 사물을 동등한 비중으로 포함합니다. 데이터 관점에서 차이나 편견은 없습니다.

기존 데이터 관리 질서는 끝났다

데이터 운영화는 기존 데이터 관리 질서에 거대한 새로운 과제를 만듭니다. 그들이 알든 모르든, 기업은 "데이터베이스 관리 시스템(DBMS) 이후" 세상에 진입하고 있습니다. 그들은 데이터-인-모션 사용 사례를 경직된 레거시 DBMS 인프라에 억지로 끼워 넣는 것이 점점 더 어렵고, 불가능해지고 있음을 발견하고 있습니다.

소프트웨어 애플리케이션의 데이터 요구사항이 극적으로 변했습니다. 사용자와 기계 모두 실시간 데이터 분석과 머신러닝 같은 기술을 사용하여 비즈니스 로직을 주도할 더 많은 데이터를 생성합니다.

전통적으로 애플리케이션의 모든 데이터는 중앙 집중식 또는 사무실 중심의 관계형 데이터베이스에 저장되었습니다. 하지만 이는 실시간 운영과 인텔리전스가 의존하는 센서 주도 시계열 데이터 폭발에 맞춰 확장되지 않습니다.

진정한 데이터 주도 솔루션을 구축하기 위해 엔지니어링과 유지보수 부담은 되돌릴 수 없을 정도로 복잡해졌습니다. 우리는 몇 개의 하위 시스템에서 수십 개의 하위 시스템으로 갔으며, 더 비용이 많이 드는 빅데이터 엔지니어링 팀의 전문성이 필요합니다.

사용 사례 이해

단순히 IoE, ML, AI 관련 사용 사례를 구상하고 이해하는 것이 기업을 가로막는 또 다른 주요 과제입니다.

Gartner의 AI/ML 개발 설문조사 응답자의 약 42%가 기술 부족 다음으로 두 번째로 큰 과제로 사용 사례 식별을 꼽았습니다. 우리는 이것을 반복해서 봅니다.

기타 주요 과제로는 확장성과 시계열 데이터나 이질적 소스에서 오는 대용량 고속 데이터를 다룰 수 없는 경직된 레거시 시스템이 있습니다.

모든 것을 지배하는 하나의 백본

이러한 수많은 과제를 고려할 때, 점점 더 많은 회사가 IoE 애플리케이션 구축을 위해 "단일 백본" 데이터 자동화 기반을 실험하고 있습니다. 이는 확장 가능한 데이터 수집, 정규화, 강화와 실시간 비즈니스 로직, 데이터 저장, 의사결정 분석을 처리할 수 있는 개방적이고 유연한 플랫폼을 요구합니다.

데이터 백본 접근 방식은 개발자가 오래된, 더 경직된 DBMS 인프라에 맞춰 데이터의 모든 용도를 예측하려 하기보다 고유한 비즈니스와 사용자 가치를 솔루션에 구축하는 데 집중할 수 있게 합니다.

기업은 다양한 볼륨과 속도로 센서 데이터를 수집할 수 있는 시스템이 필요하며, 어떤 유형이나 조합의 입력과 출력도 가능해야 합니다. 그리고 온프레미스, 클라우드, 엣지 또는 하이브리드 버전으로 그런 기능을 배포할 수 있어야 합니다.

이는 사일로화된 데이터와 제한된 확장성부터 데이터 기반을 매번 재발명하지 않고 여러 애플리케이션을 구축하는 과제까지 수많은 문제를 해결하거나 회피합니다. 그리고 가치 실현을 위한 더 빠른 길을 제공할 것입니다.