비아이매트릭스 ‘아이스트림(i-STREAM)’

 

[컴퓨터월드]기존 데이터 처리 솔루션들은 분석 프로세스가 대부분 스크립트 기반의 언어로 개발되기 때문에 관리 및 유지보수에 어려움이 있었다. 또한 데이터 전처리, 데이터마이닝, 모델링 기능이 별도의 툴로 존재해 도입 비용이 높아지고, 대용량 데이터마이닝이 힘들다는 문제점이 있었다.

이에 인공지능 기반의 BI 및 빅데이터 분석 전문기업인 비아이매트릭스는 2015년 하나의 플랫폼에서 데이터 분석에 필요한 다양한 기능을 제공하는 워크플로우 기반의 아이스트림(i-STREAM)을 개발했다. 


아이스트림(i-STREAM)은 데이터 추출에서 분석 결과의 시각화까지 데이터 분석 전 과정을 지원하는 빅데이터 기반의 통합 데이터 분석 솔루션으로, 스케일러블 머신러닝(Scalable Machine Learning), 통계/마이닝/예측 등 데이터 과학자를 위한 최적의 고급 분석 기능을 제공한다.

▲ i-STREAM 제품 UI

i-STREAM의 큰 장점은 첫째, 사용자 중심의 직관적인 UI를 제공해 전 분석 단계에서 사용자가 쉽고 빠르게 데이터 분석 업무를 처리할 수 있다는 점이다. 스크립트가 아닌 GUI 기반으로 개발돼 수정, 보완 등의 관리와 유지보수가 용이할 뿐 아니라 HTML5 기반의 웹 솔루션으로 환경제약을 최소화해 다른 솔루션 보다 사용이 쉽고 간단하다.

둘째, 인메모리 기반의 빅데이터 마이닝으로 빠른 분석 성능을 제공한다. 계산 과정을 캐시 처리해 빅데이터를 보다 빠르고 가볍게 처리할 뿐만 아니라 멀티프로세싱으로 빅데이터 분석에 대한 강력한 성능을 제공한다.

셋째, i-STREAM은 80여 개의 통계, 마이닝, 머신러닝 알고리즘을 제공하며 지속적으로 확장중이다. 스크립트 작성 없이 끌어서 놓기(Drag&Drop)만으로 다양한 알고리즘을 이용할 수 있기 때문에 쉽게 분석 업무를 할 수 있다.

▲ i-STREAM을 활용한 센서 에러 발생 예측 워크 플로우 예시
-분석목표 : 공장 생산라인의 각종 센서 정보를 담은 빅데이터를 다양한 예측 알고리즘으로 분석해 공장센서의 에러 발생 예측

이렇듯 i-STREAM은 솔루션이 제공하는 강력한 기능 외에 고객사 고유의 분석 환경을 지원하는 유연한 확장성으로 그 활용범위가 더 확대되고 있다.최근 기업마다 데이터 과학자가 증가하고 있으나 이들이 사용할 효과적인 분석 툴은 많지 않은 것이 현실이다. i-STREAM은 ANN, DNN, CNN, RNN 등의 인공지능 알고리즘을 편하게 이용할 수 있으며 고객사가 보유한 고유 알고리즘도 적용이 가능하다.

또한 전 분석 과정을 직관적으로 이해할 수 있도록 워크플로우 형태로 제공하여 분석 모델 수립이 용이하며, 고객사가 보유하고 있는 고유 분석 모델을 그대로 적용하여 시스템화도 가능하다.

기업의 인공지능에 대한 관심증가에 따라 i-STREAM의 수요는 빠르게 늘어나고 있다. 기업이나 공공기관의 다양한 빅데이터 분석 과제 수행에 i-STREAM이 활용되고 있는 것은 물론 예측을 통해 기업에 발생할 수 있는 미래의 위험에 대비하거나, 상품 수요를 예측하고 상품추천을 통한 매출증대를 꾀하는 등 경영최적화에도 활용되고 있다.


i-STREAM 도입 사례 소개

매출향상을 위한 고객 맞춤형 실시간 마케팅

고객 맞춤형 실시간 마케팅을 위한 차세대 온라인 시스템을 구축하여 개인화된 타겟 마케팅 실행 체계를 정립하였다. K-Mean, APRIORI, ARIMA 등 다양한 알고리즘을 이용해 온라인 면세점에 접속하는 고객을 세분화(Segmentation)하고, 상품 간 연관 규칙 및 관계와 구매 연계성을 분석하여 개인화 마케팅 모듈을 생성했다.

이를 바탕으로 개인화 상품 추천에 의한 효과적인 타켓 마케팅 분석을 수행할 수 있었다. 개인화 마케팅 분석 결과는 실시간 고객 맞춤형 상품 전시 및 프로모션, 고객유입을 위한 아웃바운드(Outbound) 캠페인, 오프라인 매장 캠페인 수행에 활용됐다.

체납률 감소를 위한 지방세 빅데이터 분석

행정 패러다임 변화에 대한 대응 및 정책 결정을 위한 객관적·과학적 지원 수단 확보가 필요함에 따라 체납률 감소를 위한 지방세 빅데이터 분석 체계를 구축했다.

세금 관련 데이터로부터 지방세 체납 요인을 추출 및 분석하여 납부 순응 요인을 판별하고, 지방세 고지서 반송 상황을 분석하여 반송 원인을 찾아 대안을 마련했다. 또한 지방세 납부 방법을 분석하여 효율적인 납부 방법에 대한 상정이 가능하도록 했다.

이를 통해 빅데이터 분석을 통한 고품질 행정 서비스를 지원하고 미래지향적인 정책을 제시했으며, 합리적인 대민 서비스를 제공할 수 있었다. 또한 플랫폼 공동 활용을 통해 지자체간 빅데이터 활용 협업 체계를 마련함으로써 공공기관의 빅데이터 분석 환경을 효율적으로 개선한 사례로 꼽혔다.

저작권자 © 아이티데일리 무단전재 및 재배포 금지