데이터 및 머신러닝 플랫폼 아키텍처 설계

1장. 데이터 플랫폼 현대화하기: 소개 개요

이 작품은 AI를 사용하여 번역되었습니다. 여러분의 피드백과 의견을 환영합니다: [e-mail]

데이터는 회사가 더 나은 의사결정을 내리고 새로운 기회를 파악하며 운영을 개선하는 데 도움이 되는 소중한 자산입니다. 2013년 Google은 관리자의 자질을 개선하여 직원 유지율을 높이기 위한 전략적 프로젝트에 착수했습니다. 관리자의 기술처럼 다소 느슨한 부분도 데이터 기반( ) 방식으로 연구할 수 있었습니다. Google은 10,000명의 성과 리뷰를 분석하여 고성과 관리자의 공통된 행동을 파악하고 교육 프로그램을 만들어 관리자의 호감도를 83%에서 88%로 향상시킬 수 있었습니다. 전략적 데이터 프로젝트의 또 다른 예는 Amazon에서 수행되었습니다. 이 전자상거래 대기업은 고객 행동에 기반한 추천 시스템을 구현하여 2017년에 35%의 구매를 유도했습니다. 샌프란시스코 농구팀인 워리어스는 또 다른 예로, 분석 프로그램을 도입하여 리그 정상에 올랐습니다. 직원 유지, 제품 추천, 승률 향상 등 이 모든 것이 최신 데이터 분석을 통해 달성한 비즈니스 목표의 예입니다.

데이터 기반 기업이 되려면 데이터 분석, 처리 및 인사이트를 위한 에코시스템을 구축해야 합니다. 데이터를 생성하고 소비하는 다양한 유형의 애플리케이션(웹사이트, 대시보드, 모바일 앱, ML 모델, 분산 장치 등)이 존재하기 때문입니다. 또한 회사 내에는 데이터 기반 인사이트를 필요로 하는 다양한 부서(재무, 영업, 마케팅, 운영, 물류 등)가 존재합니다. 회사 전체가 고객 기반이기 때문에 데이터 플랫폼 구축은 단순한 IT 프로젝트 그 이상입니다.

이 장에서는 데이터 플랫폼과 그 요구사항, 그리고 기존 데이터 아키텍처가 불충분한 이유를 소개합니다. 또한 데이터 분석 및 AI의 기술 동향과 퍼블릭 클라우드를 사용하여 미래를 위한 데이터 플랫폼을 구축하는 방법에 대해서도 설명합니다. 이 장은 책의 나머지 부분에서 자세히 다루는 핵심 주제에 대한 개괄적인 개요입니다.

데이터 수명 주기

데이터 플랫폼의 목적은 조직이 원시 데이터에서 인사이트가 있는 정보로 이동하기 위해 수행해야 하는 단계를 지원하는 것입니다. 데이터 수명 주기(수집, 저장, 처리, 시각화, 활성화)의 단계를 데이터 아키텍처에 거의 그대로 매핑하여 통합된 분석 플랫폼을 만들 수 있으므로 데이터 수명 주기의 단계를 이해하는 것이 도움이 됩니다.

지혜를 향한 여정

데이터는 기업이 더 스마트한 제품을 개발하고, 더 많은 고객에게 도달하며, 투자 수익률(ROI)을 높이는 데 도움이 됩니다. 또한 데이터를 활용하여 고객 만족도, 수익성, 비용을 측정할 수도 있습니다. 하지만 데이터만으로는 충분하지 않습니다. 데이터는 인사이트와 지식을 창출하는 데 사용되기 전에 일련의 단계를 거쳐야 하는 원재료입니다. 이러한 일련의 단계를 데이터 수명주기라고 합니다. 문헌에는 여러 가지 정의가 있지만, 일반적인 관점에서 볼 때 최신 데이터 플랫폼 아키텍처에서는 ...