기업이 데이터를 통해 통찰력을 얻고 새로운 가치를 창출하며 비즈니스를 혁신해 간다는 것은 이제 익숙한 현실입니다. 그러나 대부분 기업에서는 데이터가 다양한 위치에 분산되어 있으며 통합적인 관리에 어려움을 겪고 있습니다. 한 글로벌 기관의 조사에 따르면 데이터를 직접 다루는 조직에서조차 68%의 데이터는 분석되지 않고 있으며, 82%의 조직이 데이터 사일로 문제를 겪고 있습니다. 이러한 문제는 하이브리드 및 멀티 클라우드, 에지 환경이 확산될수록 더욱 늘어납니다. 데이터 패브릭 중심의 아키텍처는 데이터를 한 곳에 모으지 않으면서도 사용자가 원할 때 최적의 데이터에 접근 및 즉시 사용할 수 있도록 해주며 데이터 이동, 통합, 변환의 복잡성을 최소화합니다. 또한 데이터 패브릭을 기반으로 확보된 최적의 데이터는 분석 인사이트 확보 및 AI 구현에 활용되어야 하며, 기업 내 AI 운영이 급증하는 추세에 따라 이에 대한 운영 관리 및 모니터링을 중심으로 한 AI 거버넌스 체계의 수립은 필수가 되고 있습니다. 데이터 패브릭에서 AI 거버넌스까지 단일 환경에서 효율적으로 통합 관리할 수 있는 Data-AI 플랫폼 운영 전략을 살펴보고, 이를 최적으로 지원할 수 있는 IBM Cloud Pak for Data에 대해 소개합니다.

정확한 분석, 실시간 분석을 구현하기 위해 AI(머신러닝, 딥러닝) 기반 데이터 분석은 필수이며 AI 시대 데이터 관리는 데이터옵스(DataOps) 전략 아래 수행되어야 합니다. 비즈니스 인사이트의 정확성은 분석 데이터가 방대할수록, 다채로울수록 높아지지만 현재 다양한 인프라 간 다양한 유형의 데이터들이 산재해 있습니다. 에지부터 클라우드까지 서로 다른 인프라, 서로 다른 소스에 걸쳐 있는 데이터를 다뤄야 하기에 데이터와 인사이트 사이에는 마찰 지점(the friction points)이 존재하고, 이러한 마찰 지점을 최소화하기 위해 데이터옵스 전략이 필요합니다. 단지 데이터 애플리케이션을 제공하는 것뿐만 아니라 데이터 인텔리전스를 활용해 기업과 조직이 올바른 데이터를 적절한 시기에, 적절한 리소스에서 사용할 수 있도록 하고 올바른 이유로 데이터가 사용되고 있음을 확인하는 것이 바로 데이터옵스라고 할 수 있습니다.하지만 데이터의 수집, 정제, 분석 및 활용까지 단계별로 각각의 솔루션을 사용하는 것은 많은 부담이 됩니다. 효성인포메이션시스템의 데이터 통합 및 분석 자동화 솔루션 ‘펜타호(Pentaho)’는 기업이 보유한 모든 유형의 데이터를 통합 분석하고 데이터 수집부터 변환, 적재, 분석, 그리고 시각화까지 일련의 과정을 원스톱으로 수행하며 오픈소스 기반으로 비용까지 만족시킵니다. 펜타호 분석 툴을 이용한 데이터 통합 플랫폼 구축 및 데이터 인텔리전스 구현을 실제 제조업 고객 사례 중심으로 알아봅니다.

시대의 흐름에 따라 최근 DBMS의 트렌드는 온프레미스에서 클라우드 환경으로 조금씩 이동하고 있습니다. 나아가 클라우드 환경이 우선시되면서 클라우드에서 배포하며 운영하는 소프트웨어들이 증가, 많은 시간과 비용이 소요되고 있습니다. 멀티 클라우드 채택은 현대 데이터베이스 아키텍처의 핵심 구성요소가 되고 있으며, 기업과 조직은 이제 멀티 클라우드 데이터베이스 전략을 개발해야 합니다. 그러나 멀티 클라우드 데이터베이스 환경에서 가장 큰 문제는 매우 빠르게 복잡해져 관리 불가능 상태에 이른다는 것입니다. 하나의 개발 툴로 멀티 DBMS를 지원하고 그 DBMS 간에 Join 및 데이터 비교가 가능하여 기업의 리소스를 많이 절감할 수 있다면 어떨까요? 다양한 플랫폼들 간에 데이터 액세스, 데이터 준비(data preparation), 데이터 프로비저닝을 간편하게 셀프 서비스로 할 수 있는 데이터 통합 툴이 있다면 어떨까요? 토드 데이터 포인트(Toad Data Point)를 통해 온프레미스부터 클라우드까지 DBMS 성능 최적화 및 리스크 완화를 지원하는 방안에 대해 소개합니다. 거의 제한 없는 데이터 연결과 데스크톱 데이터 통합, 버튼 클릭만으로 손쉽게 쿼리를 작성하고 업데이트하며 워크플로 자동화를 간편하게 수행할 수 있습니다.

많은 기업들이 디지털 전환을 위하여 클라우드 환경으로 전환하고 있습니다. 기업들은 온프레미스를 유지하면서도 외부 퍼블릭 클라우드, SaaS(서비스형 소프트웨어)를 다수 사용하고 있어 스타트업의 경우 평균 11개의 SaaS를 사용한다는 조사도 있습니다. 이처럼 기업들이 수십개의 SaaS를 사용하면서 데이터 보호와 보안에 대한 우려와 고민도 깊어지고 있습니다. 미션크리티컬한 워크로드도 클라우드 환경으로 대거 이동하고 있지만 퍼블릭 클라우드(SaaS) 환경에서는 각 클라우드 서비스 프로바이더(CSP)의 “클라우드 공동 책임” 모델로 인해 데이터에 대한 책임은 사용자 기업에게 있기 때문입니다. 클라우드 환경에서는 기존 모니터링 방식으로는 개인 정보를 포함해 민감하고 기밀성이 요구되는 업무 정보가 안전하게 보호되고 있는지, 침해 시도나 위협 표지는 없는지 탐지하기 어렵습니다. 많은 연구 보고서에서 기업 및 조직이 클라우드 전환을 꺼려하는 가장 큰 이유 및 클라우드 전환 프로젝트에서 가장 까다로운 부분으로 데이터 보호와 보안을 꼽고 있는 현재, 기업 대다수가 사용하며 현업 사용자들이 가장 많이 접속하는 마이크로소프트 365, 구글 워크스페이스, 슬랙(Slack) 등과 같이 다양한 SaaS 환경을 어떻게 효과적으로 내부통제하며 안전하게 데이터를 보호할 수 있는지 알아봅니다.

AI 거버넌스(AI Governance) 프레임워크는 AI 설계, 개발 및 배포 방법을 형성하는 표준화된 규칙, 프로세스 및 요구 사항을 통해 조직의 우선 순위를 강화합니다. 이를 위해서는 클라우드 환경을 고려하지 않을 수 없으며, 대부분의 기술 개발이 클라우드에 초점을 맞춰서 진행이 되고 있습니다. 그러나 Value-added 모델을 비즈니스에 시급히 제공하기 위해 서두르면 AI 및 분석 데이터 프로젝트가 충분히 테스트되지 않았거나 프로덕션 환경과 호환되지 않을 수 있습니다. 또 IT 관리자는 적절하게 모니터링할 수 없으며 영향을 받기 전에 비즈니스 담당자에게 문제를 알리지 않으면 불만을 유출합니다. 이 모든 것이 신뢰를 저해하고 엄격한 관리가 필요한 운영, 명성 및 법적 위험에 비즈니스를 노출시킬 위험을 높입니다. 이 세션에서는 데이터사이언티스트 팀이 비즈니스 가치를 지속적으로 제공할 수 있는 힘을 제공하면서 안전하게 확장하고 구현하는 방법을 소개 합니다.

좋은 데이터를 보유하고 있는 기업들이 비즈니스 경쟁에서 우위를 점령하는 시대가 되었습니다. 기업들은 더 좋은 데이터를 수집하고 분석하기 위해 다양한 기술을 도입하고 있지만 분석 대상인 데이터는 기하급수적으로 증가하는 반면, 원하는 분석 결과를 만들어내는 일은 여전히 어렵습니다. 또한 클라우드 환경에서는 기존의 방식과는 다른 데이터 관리 방식을 요구합니다. 클라우드 환경이 점점 보편화됨에 따라 데이터 관리와 거버넌스의 필요성 또한 높아지고 있고, 이는 CIO에게 새로운 고민을 선사합니다. 기존에는 클라우드 전략과 데이터 전략을 별도로 수립하고 실행에 옮겼으나 이를 아우르는 데이터 클라우드 통합 관리 전략이 필요하기 때문입니다. 온프레미스부터 클라우드에 이르기까지 기업이 보유한 데이터의 종류, 위치는 매우 다양하고 분산되어 있습니다. 이러한 복잡한 환경에서 어떻게 데이터 거버넌스를 도입해야 하는지 국내 대표 컨설팅 기업으로 데이터 거버넌스 및 차세대 프로젝트 경험이 풍부한 투이컨설팅에서 강연합니다. 강연 후 사회자와의 대담을 통해 보다 깊은 인사이트를 제공할 예정입니다.