정확한 실시간 데이터를 얻는 것은 비즈니스에 필수적입니다. 메타데이터를 사용한 패턴 식별, 메타데이터 파일을 통한 정보 그룹화, 메타데이터 관리 프레임워크를 통한 메타데이터 정확성 보장이 필요합니다.
실시간 데이터 정확성을, 올바른 값과 형식을 가리키는 데이터 품질 특성으로 고려하십시오. 수익성 있고 성장하는 비즈니스에 필수입니다. 기업들은 소비자 수요 급증에 대처하기 위해 정확한 실시간 데이터가 필요합니다. C-스위트 임원과 재무 전문가의 3분의 1이 실시간 재무 데이터를 점점 더 중요하게 생각한다고 동의합니다.
불행히도 많은 조직이 여전히 실시간 데이터에서 비즈니스 통찰을 얻는 데 어려움을 겪습니다. 기업들은 시간당 시간의 스트리밍 데이터 피드를 수집하지만, 좋은 결정을 내리는 데 그 스트림의 몇 분만 필요할 수 있습니다.
심지어 축적된 데이터 볼륨을 검증하는 방법을 결정하는 것도 한 데이터셋이 다른 것보다 더 정확한지 빠르게 파악하는 데 과제를 일으킵니다. 잘못된 결정을 내리고 비즈니스가 1,400만 달러를 잃는 데 기여하십시오.
다행히 메타데이터, 데이터에 대한 데이터, 실시간 데이터 정확성에 도달하는 데 도움을 약속합니다. 이 기사는 메타데이터를 사용하여 실시간 데이터 정확성에 도달하는 여정을 독자에게 시작할 것입니다.
기존 데이터를 정확하게 유지하는 데 더 많은 데이터를 생성하는 것에 대해 이야기하는 것은 직관에 반하는 것처럼 보일 수 있습니다. 하지만 메타데이터에는 몇 가지 초능력이 있습니다:
두 전문가 Romero와 Calders는 정보 프로파일링이라는 접근 방식으로 이 메타데이터 강점을 활용했습니다. 그들은 프로파일링을 위한 스키마를 형성하기 위해 메타데이터를 적용하는 프레임워크를 제안하고, 결과를 메타데이터로 감싸서 포함합니다.
이 발견을 더 나아가, 기업들은 비즈니스 규칙을 사용하여 스키마의 메타데이터 형성을 안내하고 메타데이터로 감싸진 패킷에 데이터를 그룹화할 수 있습니다. 이런 조직들은 알고리즘을 사용하여 데이터 패턴을 찾고 일치하는 데이터셋을 검색함으로써 실시간 데이터를 다루는 더 효율적인 방법을 가질 것입니다.
실시간 데이터 정확성을 위한 메타데이터 사용이 실제 생활에서 어떻게 보일까요? Babson College의 Gordon과 Shankaranarayanan이 통찰을 제공합니다.
Company A의 피드에 매시간 수백 개의 인스턴트 메시지가 들어온다고 가정해 봅시다. 고객 John Doe가 Company A에서 자전거를 사고 싶다고 문자를 보냅니다. Company A는 이 메시지들이 John Doe로부터 왔는지, 그가 자전거를 사고 싶은지 검증하려 합니다.
먼저, 애플리케이션은 John Doe 프로필, John Doe에 대한 메타데이터를 생성합니다. John Doe에 대한 메타데이터가 전화번호, 사용된 휴대폰 유형, Company A와의 멤버십 상태를 기반으로 값을 가진다고 가정해 봅시다. 이 John Doe 표현은 Company A의 고객 관계 관리 시스템에 포함된 데이터만큼 좋을 것입니다.
그런 다음 컴퓨터 프로그램은 이 John Doe 프로필을 들어오는 텍스트 스트림과 매칭하고, 비즈니스 규칙이 데이터 스트림에서 무엇을 찾을지 정의합니다. 소프트웨어가 John의 스키마 Doe와 일치하는 데이터를 보면, 그것을 콘텐츠 메타데이터 파일 아래에 함께 묶습니다. 이 콘텐츠 메타데이터 파일은 사람들이 검색할 수 있으며 (메타데이터 품질이 비즈니스 니즈를 충족한다면) 텍스트 메시지가 John Doe로부터 왔음을 확신할 수 있습니다.
또한 알고리즘은 John Doe가 자전거를 구매할 가능성을 결정하기 위해 구매 프로필을 구성할 것입니다. Amazon이 고객에게 추천할 제품을 알아내는 방식처럼요. 그런 다음 알고리즘은 이 구매 프로필을 적용하고 John이 자전거를 사고 싶어할 가능성을 가중치를 둘 수 있습니다.
메타데이터를 사용하여 스키마를 생성하고 배치하는 것이 메타데이터 정확성에 크게 의존한다는 것에 주목하십시오. 그렇지 않으면 실시간 데이터 정확성을 보장하는 것은 불가능할 것입니다.
위 예에서, John Doe가 전화번호를 변경했는데 메타데이터에 여전히 옛 전화번호가 있다면, John의 메타데이터는 부정확할 것입니다. 마찬가지로 실시간 데이터셋을 가진 메타데이터 파일은 올바르게 레이블되어야 합니다. John Doe의 텍스트 파일을 가진 메타데이터에 잘못된 고객 이름이 있다면, 사람은 John의 텍스트 파일을 찾지 못할 것입니다.
그래서 기업들이 데이터를 모니터링하고 정제하여 지속적으로 높은 데이터 품질을 제공하는 데 사용하는 동일한 이유와 프로세스도 메타데이터에 적용됩니다. 실시간 검증에 사용되는 메타데이터는 실시간 데이터 정확성에 대해 확신을 가지기 위해 충분히 정확해야 합니다.
그러면 메타데이터 모니터링과 정제를 자동화하는 것으로 충분할까요? 아닙니다. 비즈니스에 가치 있고 접근 가능한 충분한 메타데이터 품질을 얻는 것은 메타데이터 관리 프레임워크에 달려 있습니다.
조직의 사람, 프로세스, 기술이 이 메타데이터 관리 프레임워크와 그것을 만드는 비즈니스 규칙을 구성합니다.
예를 들어, 한 부서가 한 시스템에서 고객 이름을 한 방식으로 표준화하고 다른 부서가 별도 애플리케이션에서 고객 이름을 다르게 포맷한다면, 그것은 흔들리는 메타데이터 관리 프레임워크를 가진 것입니다. 조직은 어느 부서에서 메타데이터를 가져와 사용할까요?
적절한 실시간 데이터 정확성을 보장하기 위한 메타데이터 관리 프레임워크 개발에는 다음이 필요합니다:
2020년, 기업들은 실시간 데이터 품질이 왜 필요한지 보았고, 이 데이터에서 비즈니스 통찰을 얻는 것을 불신했습니다. 높은 데이터 볼륨과 속도는 비즈니스에 텍스트나 메시지 스트림에서 각 데이터 조각이 정확함을 빠르게 보장하는 데 상당한 장애물을 제시합니다.
메타데이터 스키마와 비즈니스 규칙을 사용하여 실시간 데이터를 큐레이션하면 관련 없는 데이터 분석에서 회사 리소스를 절약하면서 더 많은 가치를 얻습니다. 결과를 청킹하고 메타데이터를 사용하여 이 데이터셋을 레이블링하면 정확한 데이터를 더 빠르게 찾을 수 있습니다. 하지만 이 방식으로 메타데이터를 사용하려면 정확한 메타데이터와 적절한 메타데이터 관리 구조가 필요하여 비즈니스가 실시간 데이터 정확성을 신뢰할 수 있습니다.
사물 인터넷 기술
제조업체가 생산 라인에 좋은 로봇을 쇼핑할 때, 정확도는 그들이 가장 먼저 보는 특징 중 하나입니다. 정확도는 대다수 로봇 애플리케이션에서 극도로 중요하며, 특히 용접과 자재 제거에 관해서는 더욱 그렇습니다. 용접에서의 정확도 용접 애플리케이션 중 로봇 정확도가 중요한 이유는 여러 가지입니다. 로봇은 생산 런에 따라 작은 부품이나 큰 부품을 용접해야 할 수 있지만, 매 사이클마다 공작물의 같은 지점을 쳐서 공작물의 올바른 부분에 용접되도록 해야 합니다. 또한 높은 정확도를 가진 로봇은 인간 용공과 달리 매 공작물, 매번 더 강한
금속 제조나 다른 서비스 등 비즈니스를 운영하는 것은 직장이 위치한 커뮤니티에 대한 책임을 포함합니다. 직원뿐만 아니라 그들의 가족도 돌봐야 합니다. 또한 커뮤니티에 자부심을 갖고 귀사의 비즈니스가 지역 경제를 돕되 환경에 해를 끼치지 않도록 해야 합니다. 여기 스완턴 웰딩에서는 회사가 설립된 마을 이름을 따서 우리 자신을 명명할 만큼 우리 커뮤니티를 엄청나게 소중히 여깁니다. 우리는 지역 차원에서 성공하려면 다른 회사들도 이 정도로 커뮤니티를 존중해야 한다고 믿습니다. 커뮤니티 자부심 대부분의 회사는 이익을 위해 사업을 하지만,
