권동수 효성인포메이션시스템 데이터사업팀 전문위원
[아이티데일리] 코로나19 팬데믹으로 재택근무, 온라인 활동, 영상 기반 콘텐츠가 증가하면서 데이터 양이 급증하고 있다. 이에 따라 데이터 복구 및 위기관리 수요가 늘면서 데이터 의존도 역시 높아졌다. 헬스케어, 생명과학 같은 분야에서 데이터 기술 투자가 확대되어 더 신속한 진단과 분석이 가능해졌다. 위기가 변화를 촉진하는 상황이다.
예기치 못한 시장 변화와 탄력적인 비즈니스 수요 증가로 디지털 트랜스포메이션(DX)을 추진하는 기업들의 움직임이 빨라지고 있다. 디지털 전환을 통해 기업은 새로운 디지털 수익원을 발굴하고, 비즈니스 모델의 유연성과 민첩성을 확보해 급변하는 시장 환경에 빠르게 대응할 수 있다. 뿐만 아니라 새로운 디지털 운영 능력과 고객 경험을 강화해 차별화된 비즈니스 경쟁력을 확보할 수 있다.
디지털 트랜스포메이션의 핵심, 데이터
데이터는 기업의 인텔리전스를 가속하는 연료이며, 분석 플랫폼은 기업의 ‘디지털 미래’를 만드는 핵심이다. 이를 기반으로 기업은 생산성을 높이고, 혁신을 통해 비즈니스를 확대하며, 고객 만족도를 높일 수 있다.
기업은 이제 데이터 중심의 비즈니스 추진을 위해 분석 플랫폼의 기반을 마련해야 한다. 먼저, 데이터 활용이 가능한 현대적 인프라와 데이터 서비스를 구축하고 데이터옵스(DataOps) 프로세스를 구현해야 한다. 데이터옵스는 데이터 소스 구축과 테스트를 거친 후 이를 데이터 소비자와 연계하는 프로세스로, 끊임없이 증가하는 개별 데이터를 더욱 스마트하고 효과적으로 관리하도록 지원한다.
데이터옵스 프로세스는 데이터를 지속적으로 모니터링하고 테스트하며, 예외 상황이나 에러가 발생하면 자동화 시스템을 통해 경고를 보낸다. 특히 벤더 독점 툴과 서드파티 툴·서비스를 분산 환경으로 통합해 엄격하게 거버넌스를 통제하고 표준화를 제공한다. 데이터옵스를 통해 생성된 분석 데이터 모델은 다른 활용 사례에서도 반복 사용할 수 있다. 그렇다면 분석 비전과 기존 인프라의 간극은 무엇으로 해결할 수 있을까? 바로 현대화된 분석 플랫폼으로 가능하다.
현대화된 데이터 분석 플랫폼 위한 기반 구축
확장 및 반복 사용 가능한 분석 기반 구축을 위해서는 방대한 규모와 다양한 내용으로 가득 찬 데이터 사일로(silo) 문제를 해결해야 한다. 또 다른 과제는 분석 업무에 투입되는 매우 적은 시간을 늘리는 것이다. 전체 업무 중 데이터 검색·준비·정리·관리에 투자되는 시간이 80%인 반면, 분석 업무에는 20% 시간만 투자된다.
레거시 시스템과 신규 시스템의 복잡성이 심화하고 데이터와 비즈니스 수요가 증가하면서 IT 담당자는 업무 시간의 대부분을 ‘현 상태 유지’에 할애하고 있다. 한 영국 은행의 CIO는 “IT 혁신에 투자되는 예산은 4%밖에 되지 않는다. 나머지는 모두 현 상태를 유지하는 데 사용된다”며 고충을 토로했다.
마지막으로 다양한 활용 사례에 기반한 프로젝트 경험 부족도 해결해야 한다. 스마트 분석은 끊임없이 변화하고 발전하는 기술이다. 그러나 많은 기업이 그동안의 투자를 명확한 비즈니스 이점 또는 핵심성과지표(KPI)로 연결하지 못했다.
자동화 솔루션으로 통찰력 확보
4차 산업혁명이 주도하는 커넥티드 미래에는 거의 모든 디바이스가 연계된다. 따라서 IIoT(Industrial IoT: 산업용 사물인터넷), AI, 자동화, 에지(edge) 컴퓨팅 등 새롭게 부상하는 기술에 대한 수요가 폭발적으로 증가할 전망이다.
CEO의 80%는 성과 향상과 경쟁 우위를 위한 의사결정 모델에 데이터를 사용해왔다. 그러나 이들 중 상당수는 데이터 사용이 가치를 제공하는지 정확히 파악하지 못한다. 그 주요 원인으로 사일로를 꼽을 수 있다. 기업들은 여전히 사일로에서 데이터 액세스와 분석을 실행하고 이를 통해 얻은 통찰력을 비즈니스에 적용한다.
대부분의 기업이 최신 기술과 AI·머신러닝의 이점을 활용하는 데 필요한 데이터 과학, 의사결정 과학, 데이터 아키텍처 역량 부족을 경험하고 있다. 커넥티드 엔드투엔드(end-to-end) 플랫폼은 엔터프라이즈 전반에 걸쳐 이 같은 걸림돌을 제거하고 충분한 확장성을 확보하도록 지원한다.
기업 데이터는 매년 27%씩 증가하고 있다. 2020년 말이면 기업 데이터양이 370만 페타바이트(PB)에 달할 전망이다. 데이터와 애플리케이션을 통한 혁신을 모색하고 있는 유럽 기업의 60%는 수작업 데이터 처리를 가장 큰 걸림돌로 지적한다.
따라서 다양한 소스에서 급증하는 데이터를 취합해 데이터 간 맥락 파악과 처리가 가능한 지능형 자동화 기술이 필요하다. 또한 데이터 과학자와 분석가가 일상적인 데이터 관리 업무에서 벗어나 생산성을 높일 수 있도록 머신 인텔리전스(Machine Intelligence)가 구현되는 자동화된 솔루션이 요구된다.
<성공사례1: 대형 유전개발 서비스 회사>
대형 유전개발 서비스 회사가 데이터 중심 파일럿 플랫폼 운영으로 지능화된 의사결정과 운영 효율성을 향상시킨 사례가 있다. 사회·환경·경제적 지속가능성을 향한 디지털 여정을 추진하는 과정에서 큰 어려움에 봉착했던 이 회사는, 생산성 향상은 물론 직원 안전, 환경보호를 위해 신뢰성 높은 실행 가능한 데이터가 필요한 상황이었다.
이 회사는 AI, 머신러닝, 빅데이터 통합, 분석, IoT를 활용하는 데이터 중심 플랫폼을 구현해 파일럿으로 운영했다. 이 플랫폼으로 통찰력을 최대로 활용하고, 높은 비즈니스 가치를 제공하도록 IIoT 플랫폼과도 통합했다.
현재는 각각의 시추 장비에 초당 2만 개 이상의 데이터 스트림을 처리하고, 실행 가능한 정보를 기반으로 최적화된 의사결정을 내리고 있다. 운영 효율성 향상은 물론 경쟁 우위까지 확보했다. 또한 성능 향상을 명확히 식별하는 등 데이터 처리도 최적화됐다.
<성공사례2: 런던 대학병원>
영국 런던대학병원(UCLH)은 다양한 레거시 시스템과 문서 기록을 단일 통합 전자의료 기록 시스템으로 마이그레이션해야 하는 상황이었다. 새로운 시스템으로의 통합을 위해 기존 환자 데이터를 HL7(Health Level 7, 의료정보 데이터 표준 기술) 데이터 포맷으로 변환해야 했다.
런던대학병원은 기존 시스템에서 새로운 EHRS(전자건강기록)로의 효과적인 데이터 마이그레이션을 위해 커스터마이징된 개방형 데이터 통합 플랫폼을 구축했다. IT 팀과 데이터 엔지니어, 데이터 플랫폼 벤더 모두 긴밀한 협업으로 불과 4주 만에 솔루션 설계와 개발, 테스트를 모두 완료했다.
런던대학병원은 여러 데이터 셋에 산재한 환자 데이터를 중앙 집중화된 플랫폼으로 이전해 데이터 엔지니어의 신뢰성을 높였다. 데이터 트랜스포메이션을 가속하기 위해 커스터마이징된 비용 효율적 솔루션으로 개방형 데이터 통합 플랫폼을 구축했다.
디지털 미래의 핵심, 엔드-투-엔드 지능형 플랫폼
디지털 미래는 현재뿐 아니라 미래 수요에도 대응이 가능한 데이터, 자동화, 분석에 기반한 엔드 투 엔드 지능형 플랫폼 서비스가 요구된다. 엔드 투 엔드 지능형 플랫폼을 통해 기업은 여러 가지 이점을 확보할 수 있다.
먼저 자동화를 통한 비용 절감으로 데이터 중심 분석 우선순위에 대한 충분한 투자 여력을 확보할 수 있다. 부가가치 컨설팅 서비스, 활용 사례 방법론, 변화 관리를 통해 기업 규모에 적합한 솔루션을 구현 및 지원할 수 있다. 또한 비즈니스 성과 중심의 가치 제안을 통해 사람, 프로세스, 기술에 기반한 데이터 운영과 통찰력 확보가 가능하다. 최고 활용 사례 툴과 방법론으로 관리 서비스, 데이터 과학, 데브옵스(DevOps), 민첩성이 지원되는 데이터옵스 환경 구현도 용이해진다.
2025년까지 디지털 미래에 투자하는 기업은 지식노동자들의 생산성 100% 향상이라는 성과를 경험하게 될 것이다. 기업은 대응 시간 단축, 상품혁신, 고객 만족도 향상이 실현되면 충분한 경쟁우위를 확보할 수 있다.