류프리

오래 전인 1950년대 중반, 로버트 하인라인은 유능한 기계 엔지니어가 패턴 매칭 메모리와 “판단을 추가하기 위한” 몇 가지 측면 회로를 만들기 위해 “토르센 튜브(Thorsen Tubes)”를 연결한다는 “여름으로 가는 문”이란 제목의 작품을 썼으며 지능형 로봇이라는 하나의 산업 분야를 창조해냈다. 그는 이야기를 좀 더 그럴듯하게 만들기 위해, 미래를 잘 설정해 놓았다. 1970년이라는 미래다. 이 로봇들은 시연된 접시 닦기 같은 임무를 완벽하게 복제했다.

굳이 말할 필요는 없겠지만, 20년 후 현실은 그렇게 되지 않았다. 1956년에는 타당한 것처럼 보였지만, 1969년이 되자 1970년에는 로봇이라는 미래가 오지 않으리라는 것이 확실해졌다. 그리고 얼마 뒤인 1980년이나 1990년 또는 2000년이 되어도 그런 미래가 오지 않으리라는 것이 확실해졌다. 10년마다, 평범한 엔지니어가 인공 지능(Artificial Intelligence) 머신을 구축할 능력이 최소한 지나간 시간만큼이나 빠르게 후퇴하는 것처럼 보인다. 기술이 진보함에 따라, 어려운 사항들이 한 꺼풀씩 드러남에 따라, 이 문제가 엄청나게 어려운 문제라는 점이 더욱 명확해지고 있다.

머신 러닝이 중요한 문제들을 해결하지 않고 있었다는 것이 아니다, 해결하고 있었다. 예를 들면, 90년대 중반에도 모든 신용 카드 거래가 금융사기 여부를 판단하기 위해 신경망을 이용해서 스캔되고 있었다. 90년대 후반 구글은 검색을 개선하기 위해 웹에서 고급 신호를 분석하고 있었다. 그렇지만 일반적인 엔지니어는 박사학위를 받기 위해 학교로 돌아가거나 똑같은 일을 할 수 있는 생각이 비슷한 친구를 여럿 찾기 전에는 그런 시스템을 구축할 수 있는 기회를 얻지 못했다. 머신 러닝은 어려웠으며, 각각의 새로운 영역은 많은 신기원을 필요로 했다. 최고의 연구원들조차도 현실 세계에서는 이미지 인식 같은 어려운 문제를 깰 수 없었다.

비로소 상황이 극적으로 바뀌었다고 말할 수 있어서 기쁘다. 우리 중 누구도 가까운 장래에 하인라인 스타일의, 마술처럼 자동으로 이루어지는, 전부가 로봇인 엔지니어링 회사가 등장할 것이라고 생각하지는 않지만, 이제는 별다른 고급 교육을 받지 않고도 소프트웨어 엔지니어가 정말로 멋진 일들을 해내는 시스템을 만들 수 있다. 놀라운 부분은 컴퓨터가 이런 일들을 할 수 있다는 것이 아니다. (이 사실은 1956년 이래로 언제든지 가능할 것으로 알려져 있었다!) 놀라운 점은 지난 10년간 우리 인간이 얼마나 발전했는가 하는 것이다. 10년 전에는 정말로 훌륭한 박사학위 논문이었을 주제가 이제는 주말 동안 할 수 있는 가볍고 멋진 프로젝트가 된 것이다.

머신 러닝은 더욱 쉽고 액세스하기 편한 주제가 되었다
곧 발간될 “머신 러닝 실행 계획(Machine Learning Logistics)”(오라일리(O’Reilly)에서 2017년 9월 말에 발간 예정)이라는 책에서, 엘렌 프리드먼과 필자는 친구이자 소프트웨어 엔지니어인 이안 다우나드가 심심풀이 홈 프로젝트로 구축한 텐서치킨(TensorChicken)이라는 시스템을 설명한다. 해결할 문제는 커다란 어치 새가 친구의 닭장 안으로 들어와서 달걀을 쪼아댄다는 것이다. 친구는 큰 어치새를 인식하는 컴퓨터 비전 시스템을 구축해서 쪼아대는 것을 막기 위한 어떤 조치가 취해질 수 있기를 원했다.

텐서플로우 팀 소속 구글 엔지니어의 딥 러닝 프레젠테이션을 본 뒤, 이안은 서둘러 일에 착수해서 바로 그 시스템을 구축했다. 그는 인셉션-v3(Inception-v3)라 알려진 부분 모델을 가지고 시작해서 자신의 닭장에 있는 웹캠이 찍은 수천 장의 새로운 이미지로 큰 어치새 발견이란 임무에 맞춰 교육을 실시했다. 결과물을 라스베리 파이에 배포할 수도 있었지만, 현실적으로 효과를 낼 수 있는 빠른 반응 시간을 확보하려면 인텔 코어 i7 프로세서 같은 좀 더 강력한 것을 필요로 했다.

그리고 이안은 혼자가 아니다. 데이터 과학자로 훈련되지 않은 사람이 다수였지만, 오만 가지 일을 하는 멋진 봇을 구축하는 많은 사람들이 주변에 있다. 그리고 머신 러닝 그리고 심지어는 딥 러닝까지 더욱 액세스하기 쉬워지면서, 점점 더 많은 수의 개발자들이 여러 가지 상이하고 깊이 있는 머신 러닝 프로젝트에서 작업하기 시작했다. 개발자들은 “데이터 옵스(Data Ops)” 스타일의 작업에서 데이터 엔지니어로 역할을 채워가기 시작하고 있으며, 이런 환경에서는 머신 러닝 시스템을 구축하기 위해 데이터 중심적인 기술들(데이터 엔지니어링, 아키텍트, 데이터 과학자)이 데브옵스 접근방식과 결합된다.

이미지 인식 모델을 사용해, 큰 어치새를 알아채도록 컴퓨터를 교육하는 과정이 아주 쉬워졌다는 점이 인상적이다. 많은 경우, 보통 사람들은 앉아서 단순히 이 프로젝트뿐 아니라 훨씬 더 많은 것을 할 수 있게 되었다. 필요한 것이라곤 유용한 기법들에 대한 몇 가지 조언뿐이고, 특히 중요한 것은 소프트웨어 개발자의 경우 마음 상태를 약간 리셋하는 것이다.

모델을 구축한다는 것은 설계 주도가 아니라 데이터 주도적이라는 면에서 일반적인 소프트웨어를 구축하는 것과 다르다. 시스템을 실증적 관점에서 봐야 하며 단위 시험과 통합 시험이 수반되는 훌륭한 설계의 조심스러운 구현보다는 기능의 실험적 증거에 생각보다 조금 더 많이 의지해야만 한다. 문제 영역이 쉬워지면 머신 러닝도 놀라울 정도로 쉬워진다는 것도 명심하라. 그렇지만, 바로 그 옆에 여전히 어렵고 더욱 복잡한 데이터 과학기술을 절실하게 필요로 하는 문제들이 있다. 시험하라. 문제가 쉬운 범주 또는, 최소한 그다지 최첨단 범주에 속해있지 않다는 것을 거듭 확인하기 전에는 절대 확신하지 말라. 처음으로 동작하는 것처럼 보인다고 확신하지 말라. 다른 훌륭한 데이터 과학자들처럼, 결과가 좋아보인다면 더더욱 의심하라.

머신 러닝 초보자들을 위한 필수 데이터 기술
이제부터는 머신 러닝을 효과적으로 사용하기 위해 개발자에게 필요한 몇 가지 기술과 요령을 설명한다.

데이터가 말하게 하라
훌륭한 소프트웨어 엔지니어링에서, 개발자는 종종 설계를 도출해내고, 소프트웨어를 작성하며, 솔루션의 정확성을 직접적으로 그리고 독립적으로 검증한다. 몇몇 경우에는, 소프트웨어가 정확하다는 것을 수학적으로 입증할 수도 있다. 현실은 특히, 인간이 관련되어 있을 때 조금은 제멋대로이지만, 좋은 설계도를 가지고 있다면 정확한 솔루션을 구현할 수 있다.

일반적으로 머신 러닝에서는 개발자가 엄격한 설계도를 가지고 있지 않다. 어떤 시스템에 대해 과거의 경험을 대표하는 데이터를 가지고 있고, 미래에 작동할 시스템을 구축해야만 한다. 시스템이 정말로 동작할 수 있는지를 판단하기 위해서는, 현실적인 상황에서 성능을 측정해야만 한다. 이렇게 데이터 주도적이고, 설계 명세서가 취약한 스타일의 개발로 전환하는 것이 어려울 수 있지만, 머신 러닝을 내부에 탑재한 시스템을 구축하고 싶다면 이것은 중요한 단계이다.

더 나은 모델을 알아보는 능력을 키워라
두 개의 숫자를 비교하는 것은 쉽다. 두 숫자 모두 올바른 것이라고 가정하면(NaN(Not a Number)이 아니라면), 어느 것이 더 큰지를 확인하면, 그것으로 끝이다. 그렇지만, 머신 러닝 모델의 정확도에 대해서는 그렇게 간단하지가 않다. 비교 모델에 대한 결과가 많으며, 대개는 깔끔하게 떨어지는 정답이 없다. 머신 러닝 시스템 구축에 있어서 가장 기본 기술이라 할 수 있는 것은 두 가지 모델이 행한 의사결정 이력을 보고 어떤 모델이 현 상황에 더 적합한지를 결정하는 능력이다. 이런 판단은 단일 값보다는 전체 값들의 집합을 갖는 값에 대해서 생각하기 위한 기본적인 기법을 필요로 한다. 일반적으로, 데이터를 잘 가시화하는 능력도 필요로 한다. 히스토그램과 산포도 그리고 많은 관련 기법들이 요구된다.

본인의 결론을 의심하라
시스템의 어떤 변형이 더 나은 작업을 할 수 있을지를 판단하기 위한 능력과 함께, 본인의 결론을 의심하는 것도 정말로 중요하다. 이 결과는 더 많은 데이터가 추가되면 다른 방향으로 흘러갈 수 있는 통계적 우연인가? 평가 이후 세상이 바뀌었는가, 그래서 어느 세상이 더 나아졌는가? 머신 러닝을 내장한 시스템을 구축한다는 것은 애초에 하고자 했던 것을 여전히 하고 있는지를 확인하기 위해 시스템에서 눈을 떼지 말아야 한다는 것을 의미한다. 변화하는 세상에서 퍼지 비교(Fuzzy Comparison)를 처리할 때는 이런 의심 많은 성격이 필요하다.

여러 가지 모델을 구축하고, 다시 내던져버려라
단지 버리기 위해서 한 가지 버전의 시스템을 구축하라는 것은 소프트웨어 개발에서 잘 알려진 격언이다. 동작하는 시스템을 실제로 구축하기 전까지는, 해당 시스템을 잘 구축할 수 있을 정도로 문제를 제대로 이해할 수 없을 거라는 의미이다. 학습을 위해서는 하나의 시스템을 구축하고 그 다음에는 실제 시스템을 설계하고 구축하기 위해 배운 것을 활용해야 한다.

머신 러닝에서도 상황은 똑같지만, 이 격언이 더욱 어울린다. 단 하나의 일회용 시스템을 구축하기보다는, 수십 또는 수백 가지의 변형을 구축할 각오를 해야만 한다. 이런 변형 중 일부는 상이한 학습 기술을 사용하거나 러닝 엔진을 위해 상이한 설정만을 사용하는 것일 수도 있다. 다른 변형은 문제나 모델을 훈련할 때 사용하는 데이터를 완전히 다르게 재해석하는 일일 수 있다. 예를 들면, 어떤 신호가 예측하려는 대상은 아닐지라도 모델을 훈련하기 위해 사용할 수 있는 대리 신호(Surrogate Signal)라고 판단할 수도 있다. 이런 결정을 내리면, 훈련에 사용할 수 있는 데이터를 10배 더 많이 제공할 수도 있다. 혹은 해결하기에 더 쉬운 방식으로 문제를 재해석할 수도 있다.

세상은 바뀔 수도 있다. 예를 들면, 사기를 잡아내기 위해 모델을 구축하고 있는 경우라면, 더더욱 그렇다. 성공적인 시스템을 구축했더라도, 미래에는 바꿀 필요가 있을 것이다. 사기꾼들이 대응책을 알아낼 것이고, 그들은 행태를 바꿀 것이다. 그러면 새로운 대응책으로 대답해야만 할 것이다.

성공적인 머신 러닝을 위해, 버리기 위한 모델을 많이 구축할 계획을 하라. 영원히 정답으로 남아있는 유일한 정답 모델을 찾기를 바라지 말라.

판을 바꾸는 것을 두려워하지 말라
머신 러닝을 사용해서 해결하려는 첫 번째 질문은 대개는 올바른 것이 아니다. 흔히 아주 잘못된 질문이다. 잘못된 질문을 한 결과는 거의 훈련하기 불가능한 모델이거나, 혹은 수집하기 불가능한 훈련 데이터일 수 있다. 아니면, 최고의 답을 찾은 모델이지만 그다지 가치가 없는 경우일 수 있다.

문제 재구성은 때로 구축하기 아주 간단한 모델이 아주 높은 가치를 제공하는 상황을 제시할 수 있다. 예전에 필자는 판매 항목에 대한 권고를 해야 하는 문제가 있었다. 아주 강력한 기법을 여러 개 사용해도 아주 작은 결과조차 얻을 수 없었다. 결과적으로, 높은 가치의 문제는 좋은 항목들이 판매된 시점을 결정하는 것이었다. 일단 시점을 알고 나면, 권고할 제품이 많았기 때문에 어떤 제품을 권고할 것인가라는 문제는 사소한 것이 되었다. 잘못된 시기에는 권고할 만한 제품이 전혀 없었다. 질문을 바꾸자 문제가 엄청나게 쉬워졌다.

작게 시작하라
단 몇 가지의 사례나 단일 하부 문제로만 국한된 초기 시스템을 배포할 수 있는 것이 매우 중요하다. 이는 노력을 집중하고 문제 영역에 대한 전문성을 얻고, 모델을 구축해 가면서 회사에서 지원을 받을 수 있게 해준다.

크게 시작하라
충분한 훈련 데이터를 확보하고 있는지 확인하라. 실제로, 할 수만 있다면, 필요하다고 생각한 것보다 10배 많은 데이터를 반드시 확보하라.

도메인 지식은 여전히 중요하다
머신 러닝에서, 모델이 어떻게 의사결정 또는 예측을 할 수 있는지를 이해하는 것도 한 가지 방편이 된다. 정말 중요한 질문이 무엇인지를 알아내는 것이 훨씬 더 중요하다. 그런 의미에서, 이미 많은 도메인 지식을 가지고 있다면, 적절한 질문을 하고 머신 러닝을 실행 가능한 제품에 포함할 가능성이 훨씬 더 크다. 도메인 지식은 판단 감각을 추가할 부분과 그 가능성이 타당하게 추가될 부분을 찾아내는 데 극히 중요하다.

코딩 기술은 여전히 중요하다
끌어 놓기(Drag-and-Drop) 작업만으로 머신 러닝 모델을 구축할 수 있게 해준다고 주장하고 있는 여러 가지 도구가 있다. 실상은, 머신 러닝 시스템 구축에 있어서 대부분의 작업은 머신 러닝이나 모델과 전혀 관계가 없으며 훈련 데이터 수집, 모델의 출력물을 사용하기 위한 시스템 구축과 관련되어 있다. 이는 훌륭한 코딩 기술을 엄청나게 값지게 만든다. 데이터 조작을 위해 작성되는 코드에는 다른 가치가 있지만, 배우기는 어렵지 않다. 개발자의 기본적인 기술은 수많은 다양한 머신 러닝 분야에서도 유용한 것으로 판명되었다.

이제는 실질적으로 모든 소프트웨어 엔지니어들이 머신 러닝을 활용해서 놀라운 일을 할 수 있는 시스템을 구축할 수 있는 도구와 새로운 기법을 더 쉽게 사용할 수 있게 되었다. 이런 시스템을 구축하는 데는 기본적인 소프트웨어 엔지니어링 기술이 매우 중요하지만, 데이터에 조금 더 초점을 맞추면서 보완해야 한다. 새로운 기술을 습득하기 위한 최고의 방법은 바로 지금부터 재미있는 것을 구축하기 시작하는 것이다.

*이 글을 쓴 테드 더닝은 맵알 테크놀로지(MapR Technologies)의 수석 애플리케이션 설계자이자 아파치 소프트웨어 재단 이사회 소속이다. 또, PMC 회원이며 아파치 Mahout, 아파치 주키퍼, 아파치 드릴 프로젝트의 공여자이자 다양한 인큐베이터 프로젝트의 멘토로 활동하고 있다. 더닝은 야후 뮤직, 베오(Veoh) 추천 시스템의 수석 설계자이며 ID 애널리틱스(LifeLock)용 사기 탐지 시스템을 구축했다. 또, 머신 러닝과 빅데이터를 주제로 여러 권의 책을 공동 집필한 데이터 전문가로 활동하고 있다. editor@itworld.co.kr 

원문보기: 
http://www.itworld.co.kr/news/106425#csidxda24dcd81fef82e84c57e470b763ec8 

마이크로소프트의 글로벌 보안 인텔리전스 보고서(SIR) 22호에 따르면, 2017년 1월부터 3월까지 악성코드 발생률이 가장 낮은 아시아 국가는 싱가포르다.

미국은 같은 기간 동안 MS의 실시간 보안 제품에 의해 차단된 1,000개의 웹 사이트마다 21.6개의 악성코드 호스팅 사이트를 보유해 악성코드 호스팅 사이트가 집중돼 있는 것으로 나타났다.

싱가포르는 2017년 1월부터 3월까지 악성코드 발생률이 5.3~7.9%로 낮았다. 하지만 2016년 같은 기간 동안 기록된 방생률은 20.2%로 매우 높았으며, 이 나라는 이후 꾸준히 보완하여 개선한 것으로 분석된다.

방글라데시, 파키스탄, 인도네시아 등 신흥 아시아 국가들은 세계에서 가장 높은 악성코드 발생률을 기록했다.

이들 국가에서 대가 2017년 1월에서 3월까지 마이크로소프트가 실시간 보안 제품을 실행하는 컴퓨터 4대 중 1에서 악성코드가 발견됐다.

마이크로소프트 싱가포르 CTO인 리차드 고는 "기술적 진보는 사람들이 기술에 대한 신뢰를 흔들 수 있는 잠재적인 사이버 위협을 가져온다. 보안 인텔리전스를 적시에 공유하여 사이버 위협을 이해할 수 있는 개인 및 조직의 가시성을 제공함으로써 Microsoft는 보호, 탐지 및 사이버 위협에 신속하게 대응할 수 있다"고 말했다. 이어서 "싱가포르가 스마트 국가(Smart Nation) 구축을 가속화함에 따라 스마트 국가 비전을 실현하는 데 필수적인 역할을 수행할 고객 및 파트너에게는 이러한 통찰력이 점점 더 중요해질 것이다"고 덧붙였다.

보고서에 따르면 유럽에 공격이 집중됐고 아시아 대부분은 크게 영향을 받지 않았다.

일본과 중국은 랜섬에어 발생률이 낮은 2개국으로 꼽혔다. 아시아에서 몇 안되는 예외 중 하나는 전 세계에서 두 번째로 높은 순위를 기록한 한국이다.

이 보고서는 개인 및 조직에게 사이버 위험 노출을 최소화하고 끊임없이 변화하는 위협 환경에서 탄력을 유지하라고 당부했다.

기업은 공개 와이파이 핫스폿에서 작업해서는 안된다. 공격자가 디지털 통신을 도청하고 로그인 및 암호를 캡처하며 개인 데이터에 접근할 수 있기 때문이다.

이밖에 정기적으로 운영체제와 기타 소프트웨어 프로그램을 업데이트하고 단순한 암호를 피하고 다중 인증 방식을 적용해야 하는 이유를 사용자에게 교육해야 한다고 보고서는 전했다. ciokr@idg.co.kr

원문보기: 
http://www.ciokorea.com/news/35585#csidx2bc78aebc96e83a8b687e0586e5629a 

우버(Uber)에는 다른 기업에서 보기 힘든 이색 조직이 있다. 모바일 앱 개발자, 지도 전문가, 자율주행팀으로 구성된 팀에 사전 패키지화된 머신러닝 알고리즘을 ‘서비스형'으로 제공하는 팀이 있다.



우버의 머신러닝 책임자 대니 레인지는 자신이 AWS에서 근무하는 동안 개발한 구조를 우버에 적용했다. 그는 AWS에서 내부 머신러닝(Machine Learning) 플랫폼을 관리하며 AWS용 AML(Amazon Machine Learning) 개발 업무에 참여했던 이력을 보유한 인물이다. 

컴퓨터월드 UK(Computerworld UK)와의 인터뷰에서 레인지는 “우리 사업의 모든 부분을 더욱 스마트하게 하고 더 나은 사용자 경험을 제공하기 위한 시도로, 머신러닝 서비스 팀을 운영하고 있다. 이러한 목표 달성하기 위해 머신러닝을 하나의 인프라로 제공하는 팀을 운영한다. 우버의 비즈니스에는 이동하는 운전자와 탑승객, 운전자를 위한 지도 개선, 자율주행 자동차 등 3가지 핵심 영역이 있다”라고 말했다.

서비스형 머신러닝
레인지는 자신의 팀이 개발팀에 머신러닝 기능을 제공하는 방식이 다른 컴퓨팅 자원을 제공하는 방식과 비슷하다고 말했다.

“머신러닝은 예전부터 있어왔지만 소프트웨어 엔지니어가 쉽게 얻기 힘든 대상이었다 그래서 우리는 기업 내에서 서비스형 머신러닝을 클라우드 서비스로 구축했다”라고 그가 설명했다.

실제로 이는 웹 인터페이스나 모듈처럼 나타난다. API를 통하거나 프로그램에 따라 통합할 수 있도록 일련의 스톡 알고리즘이 개발자들에게 제공되게 된다.

레인지는 “개발자들이 이용할 수 있는 일련의 조정된 알고리즘이다. 그리고 그들은 자신의 데이터와 애플리케이션 또는 서비스를 이용해 고객 습관 또는 트래픽 혼잡에 대해 예측할 수 있는 모델을 구축한다”라고 말했다.

가령 지도 제작과 자율주행의 경우 레인지와 그의 팀은 ‘전통적인 머신러닝’ 알고리즘을 벗어나 컴퓨터 비전과 딥러닝(Deep Learning) 기법으로 진보할 수 있도록 시도하고 있다.

우버에서의 머신러닝 애플리케이션
우버는 이번 달 머신러닝 기법을 이용해 자사의 핵심 탑승객 앱의 개인화를 강화했다. 이 새로운 앱은 우선 습관과 현재 위치에 기초한 여러 예측을 포함하여 목적지를 묻는다. 예를 들어, 사무실에 있는 경우 앱은 탑승객이 집 또는 체육관 또는 술집에 가고 싶어할 것으로 가정하게 된다.

또한 우버는 그들의 이동 이력 데이터 위에 적용된 머신러닝 알고리즘도 이용하여 ETA(Estimated Time of Arrival) 정보를 더욱 정확하게 하고 계정 트래픽 패턴을 고려한다. 레인지는 이미 더 많은 데이터와 알고리즘을 우버 이츠(Uber Eats) 식품배달 사업부에 적용하여 예측 배달 시간을 크게 개선했다. 그는 “정확도가 26%나 증가했다”라고 전했다.

또한 우버는 양호한 탑승 위치에 관해 ‘학습’할 수 있도록 20억 개의 이동 로그에서 얻은 데이터를 활용하고 있다. 레인지는 이렇게 설명했다.

“우리는 데이터를 꼼꼼하게 추려내고 우리가 고객을 탑승시키는데 문제가 가장 적은 곳을 파악하는 머신러닝 알고리즘이 있다. 탑승 마찰을 통해 학습한다. 따라서 차량 도착부터 개인의 이동 시작까지 소요되는 시간을 측정할 수 있다.” ciokr@idg.co.kr

원문보기: 
http://www.ciokorea.com/news/35582#csidx7cb1907ab27414bac279e3a6ad1fe3e 

무인 자동차는 인명을 구하고, 교통 정체를 줄일 것이다. 그리고 매일 통근에 시달리는 사람들에게 수 많은 ‘여유 시간’을 선물할 수 있다. 더 이상 운전이라는 과업을 하지 않아도 된다면 사람들은 새로 얻은 ‘여유 시간’에 무슨 일을 하게 될까?

이는 마케터와 미디어 회사 중역들의 마음 속에서 점차 더 크게 자리를 잡아가고 있는 질문이다. 인텔 역시 2017년 6월 “미래를 향한 가속: 새로운 ‘승객’ 경제가 가져올 경제적 영향(Accelerating the Future: The Economic Impact of the Emerging Passenger Economy)’이라는 보고서를 발표하며 새로운 미래에 대한 관심을 드러냈다.

인텔은 무인 자동차가 이동 사무실, 회의실, 가상 현실 엔터테인먼트 공간, 미용실 등으로 사용될 것이며, 그 결과 전세계적으로 혼잡 도시 지역에서 연간 2억 5,000만 시간이 새롭게 절약될 것으로 추정했다.

인텔의 ADG(Automated Driving Group) 제너럴 매니저 겸 SVP인 더그 데이비스는 “PC와 데이터 센터, 임베디드 컴퓨팅 분야에서 풍부한 경험을 보유하고 있다. 이러한 경험을 바탕으로 판단할 때 무인 자동차로 인해 경제 전체가 성장할 것으로 전망한다. 그 동안 우리는 차량 운전에 많은 시간을 소비했다. 그러나 이제 승객으로 여유 시간을 활용해야 한다. 이것이 갖는 의미는 무엇일까? 또 5G 무선 기술이 배치되면, 많은 데이터를 사용할 수 있게 된다. 온갖 새로운 서비스가 등장하기 시작할 것이라는 의미다”라고 말했다.

먼 미래의 이야기처럼 들릴지 모르겠지만, 이미 호주에서도 무인 자동차 테스트가 진행되고 있다. ADVI(Australian Driverless Vehicle Initiative) CoE(Centre of Excellence)는 다음 10년이 시작될 시기에 무인 자동차가 일상의 일부가 될 것이라고 전망하고 있다. 무인 자동차가 주창자들의 희망만큼 대중화될까? 만약 이에 동의한다면 수 많은 서비스 공급업체들은 서둘러 이를 위한 서비스를 준비해야 한다. 시간이 많이 남아있지 않기 때문이다.



자동차에 대한 ‘규칙’을 재정립
운전으로부터 해방된 운전자가 새로운 ‘여유 시간’을 사용하는 방법에 대한 논의는 이제 갓 시작됐다. ADVI의 지난해 소비자들에게 무인 자동차에 유용한 서비스에 대해 질문을 했다. 그러나 유효한 인사이트(정보)를 거의 얻지 못했다.

ADVI의 리타 엑셀 이그제큐티브 디렉터는 “아직 경험하지 못한 문제다. 그래서 자신이 무엇을 할지 모른다. 이에 대해 대답하기 아주 어려워한다”라고 말했다.

엑셀은 몇 가지 아이디어를 갖고 있다. 그녀는 “사무실로 돌아가 보고를 해야 하는 서비스 산업 종사자들은 차량으로 이동하는 동안 업무를 처리해야 한다는 점을 깨닫게 될 것이다. 사람들이 운전 말고 다른 일을 할 수 있는 능력을 얼마나 빨리 얻을 수 있을지라 지켜볼 요인이다”라고 말했다.

이런 날이 생각보다 빨리 올 전망이다. 전세계적으로 무수히 많은 테스트가 진행되고 있다. 구글의 자회사인 웨이모(Wyamo), 텔사(Telsa), 우버(Uber) 등이 관련 기술에 많은 돈을 투자하고 있고, 기존 자동차 제조업체 대부분은 관련 디자인을 고안한 상태이다. 예를 들어, 포드(Ford)는 2021년까지 운전대와 페달이 없는 자동차를 만들 계획이라고 발표했다.

엑셀에 따르면, 호주 또한 이런 개념을 받아들였다. 이미 각기 다른 여러 지역에서 무인 셔틀 버스 4대를 운영하고 있는 중이다.

다양한 산업이 무인 자동차가 가까운 장래에 실현될 것이라는 점에 주목하고 있다. 시장 조사 및 크리에이티브 기관인 팅커벨(Tinkerbell)을 설립한 아담 페리어에 따르면, 자동차 제조업체와 대중 교통 분야 종사자, 운전사 같이 직접 영향을 받는 산업과 관련 종사자에게만 해당되는 이야기가 아니다.

페리어는 “다양한 산업의 많은 고객들이 영향을 주시하고 있다. 무인 자동차는 사람들의 라이프스타일, 하는 일, 그리고 브랜드 및 서비스와의 관계를 파괴적으로 혁신하는 기술이 될 것이다”라고 설명했다.

그에 따르면 자동차에 대한 전통적인 인식을 버리고, 자동차를 모바일 플랫폼을 생각하는 것이 중요하다.

페리어는 “사람들이 시간을 더 효과적으로 활용할 수 있도록 돕는 이동형 플랫폼을 디자인할 수 있다고 가정하자. 어떤 모습을 갖고 있을까? 운전 때문에 버려지던 시간이 아침을 챙겨먹고, 정보를 확인하고, 업무를 처리할 수 있는 유용한 시간으로 바뀔 것이다. 아주 빨리 자동차가 자동차처럼 보이지 않게 되는 것이다”라고 말했다.

페리어는 지금은 브랜드와 서비스 공급업체들이 이에 대한 계획을 수립하기 시작할 시기라고 강조했다. 그는 “사람들이 ‘퍼스트 무버’와 ‘얼리 어답터’의 가치, 혁신 기술과 연결이 되어 있는 브랜드의 가치를 높이 평가하기 시작했다. 또 비즈니스 모델을 자세히 조사하고, 이것이 비즈니스에 미치는 영향을 분석하고 있다”라고 말했다.

광고 관련 영향
대부분 사람들에게, 무인 자동차의 가장 큰 선물은 ‘몇 시간의 자유 시간’이다. 그리고 미디어 및 광고 산업이 이 자유 시간에 큰 관심을 갖고 있다. 지난 2013년, 모건 스탠리(Morgan Stanley)는 미디어 회사에서만 점진적으로 미화 50억 달러의 매출이 발생할 것이라고 예측했다.

마케팅 및 광고 대행사인 아토믹212(Atomic212)의 제이슨 두리스 CEO는 최근 2개 자동차 제조업체와 함께 일을 한 후, 생각보다 더 빨리 무인 자동차가 실현될 것이라는 판단을 내렸다.

두리스는 “오늘날의 운전자들이 미래에는 ‘사로 잡힌 청중’(Captive Audience)으로 변모한다. 이들은 자동차가 움직이는 동안 하고 싶은 일을 모두 할 수 있다. 즉 비즈니스 관점에서 완전히 새로운 ‘효용’이 개발되는 것이다. 무인 자동차는 A 지점에서 B 지점으로 이동하는 동안 이런 효용을 공유할 기회를 제공한다”라고 말했다.

대중 교통을 이용하는 통근자들의 행동이 이에 대한 단서를 제공한다. 예를 들어, 대중 교통 통근자들은 개인 장치의 화면에 깊이 몰입하는 경향이 있다.

그러나 M&C 사치(M&C Saatchi)의 CEO를 지낸 후 컨설팅 회사인 그로스 만트라의 CEO로 일하고 있는 사이몬 코라는 중요한 차이점 하나가 있다고 강조한다. 차이점은 무인 자동차가 더 개인화된 경험을 전달한다는 것이다. 다시 말해 호텔 룸과 비슷한 경험을 전달하게 될 것이라는 설명이다.

코라는 “호텔 룸에는 음식과 음료, 기타 다양한 편의 도구와 서비스가 있다. 무인 자동차는 이동형 소매 환경과 유사할 것으로 관측한다. 아직은 정확히 모르지만, 많은 새로운 것들이 등장할 것이라는 점은 분명하다”라고 말했다.

MaaS(Mobility as a Service)
당연한 말이지만 무인 자동차는 자동차 산업 자체에도 큰 변화를 가져올 것이다. 새로 출현할 모델 중 하나는 소비자들이 차량을 구입하는 대신 필요한 경우 차량을 이용할 수 있는 서비스를 ‘구독’하는 MaaS(Mobility as a Service)이다. 고우겟(GoGet) 같은 차량 공유 서비스 덕분에 입증이 된 모델이다. 코라는 이런 추세가 앞으로 더 확대될 것으로 판단하고 있다.

코라는 “공유 경제가 기준인 세대, 즉 자산 소유보다 자산에 대한 접근과 이용을 중요하게 생각하는 세대가 등장할 전망이다. 차량 소유 여부가 덜 중요해진다. 자신의 필요에 따라 사용하는 것이 중요해진다”라고 설명했다.

엑셀에 따르면, 이는 여러 서비스를 제공하는 차량들을 운용하는 새로운 시장이 창출되는 현상으로 이어질 것이 유력하며, 이와 관련해 통신 사업자 등 서비스 공급업체와의 관계가 중요해질 것으로 관측된다.

그는 이어 “차량에 투자하는 돈, 특히 두번째 차량에 투자하는 돈을 생각해보자. 사실 대부분의 시간 동안 방치되는 자산이다. 96%의 시간 동안 주차만 되어 있다. 그런데 자동차는 집을 제외하면 가장 큰 자산이다. ‘이동’ 서비스를 이용하게 되면, 차량 소유와 등록에 지출할 돈을 절약할 수 있다”라고 강조했다.

그렇다면 사람들이 필요할 때만 자동차를 사용하게 되면, 차량 제조업체와 사용자 사이의 관계는 어떻게 변할까?

인텔의 데이비스에 따르면, 차량 제조업체는 차량을 이용하는 사용자의 관계에 있어 ‘소유’하는 개념을 중시하고 있다. 그러나 여러 장소에서 이런 관계에 위협이 초래되고 있는 실정이다.

그는 “균열이 시작되는 지점은 장치와 차량을 연결하는 플랫폼이 되어가고 있는 애플과 구글의 기술이다. 이런 기능이 출현하기 시작하면서 차량 사용자를 대상으로 한 채널이 열리기 시작할 가능성이 높다”라고 설명했다.

차량 제조업체는 자동차의 새로운 ‘진화’ 과정에 가장 많은 것을 잃게 될 수도 있다. 시장 조사 및 컨설팅 회사인 패듬(Faethm)의 마이클 프리디스 CEO에 따르면, 자동차 제조업체들이 현재의 경쟁자가 미래에도 주요 경쟁자일 것으로 생각하는 게 가장 큰 실수일 수 있다.

그는 “애플과 구글 같은 플랫폼 기술 업체들이 자동차와 교통 부문을 차지할 수도 있는 경쟁자가 될 수 있다. 이제 더 이상 자동차 제조업체로 경쟁이 국한되지 않는다. 자동차든 ‘여행(여정)’이든 운송 ‘모드’를 구입하는 고객과의 관계를 ‘소유’한 사람이 경쟁자가 될 것이다”라고 말했다. ciokr@idg.co.kr 

원문보기: 
http://www.ciokorea.com/news/35554?page=0,1#csidx9125768c4933c59a3e736f7030ad454 

마이크로소프트 엑셀 스프레드시트가 느려지기 시작하면 눈에 띄지 않을 수 없다. 파일을 열고 저장하는 시간이 길어지는 것은 물론, 엑셀의 수식 계산 시간, 데이터를 입력하거나 셀 정렬과 서식 지정을 한 후에 화면 새로 고침 시간이 길어질 수 있다. 시스템 메모리 역시 엑셀 속도 저하와 관련된 문제다.

스프레드시트가 느리면 관리 시간이 오래 걸린다. 늘 그렇듯이 시간은 돈이다. 이 문제 해결 방법을 소개한다.

엑셀 스프레드시트가 너무 커질 때
엑셀로 매우 큰 스프레드시트를 만들 수 있지만 파일이 크면 클 수록 PC상에 열어 둘 때 메모리가 더 많이 필요하다.

현재 엑셀 버전에서는 스프레드시트마다 1,048,576개의 행과 16,384개의 열(A1에서부터 XFD1048576까지)이 있다. 셀 한 개당 최대 32,767개의 글자가 들어갈 수 있다. 이 한계는 넘지 않는 것이 좋다.

레코드(행), 필드(열), 수식의 수가 늘어나면 성능이 크게 저하될 수 있다. 레코드를 새로 추가한 후 엔터(Enter) 키를 누를 때마다(또는 정렬, 셀 서식 지정, 열 또는 행 삽입/삭제 등의 기능을 사용할 때마다) 모든 수식이 다시 계산된다. 그 결과 각 프로세스 사이에 몇 초 이상 지연이 발생할 수 있다. 그래픽 요소를 많이 사용하는 것 역시 성능을 저하시킬 수 있다.

한 가지 강력 추천하는 해결책은 스프레드시트를 작고 촘촘하게 유지하는 것이다. 필요하다면 필드와 레코드 수를 줄여야 한다. 통합 문서 하나에 스프레드시트를 여러 개 만든 후 링크나 3차원 수식을 활용하면 된다. 고유한 핵심 필드에 테이블을 연결하는 관계형 데이터베이스 스프레드시트를 만들 수도 있다.

수동 계산 설정과 F9 사용
또 한 가지 해결책은 F9 키를 사용하는 대신 통합 문서 자동 계산 옵션을 해제하는 것이다. [계산 옵션]에서 [수동]이 선택되어 있으면 F9를 누르기 전까지는 수식이 계산되지 않는다.

1. [파일] > [옵션] > [수식]을 선택한다.

2. 첫 부분인 [계산 옵션] 밑에 [통합 문서 계산] 아래에서 [수동]을 클릭한다.

3. 스프레드시트 계산을 항상 최신 상태로 유지하려면 [통합 문서를 저장하기 전에 항상 다시 계산] 상자를 체크 표시한다. 빠져나가기에 앞서 F9 키를 이용해 수동으로 스프레드시트를 계산하려면 이 상자의 체크 표시를 해제한다.

5. 완료되면 [확인]을 클릭한다.



엑셀 메모리 한계
엑셀 스프레드시트 사용자들에게 늘 받는 질문은 왜 “리소스가 부족하여 이 작업을 완료할 수 없습니다. 데이터를 더 적게 선택하거나 다른 응용 프로그램들을 닫으세요”라는 오류메시지가 나타나는가 하는 것이다. 이와 비슷한 오류 메시지로는 “완전히 표시하기에는 리소스가 충분하지 않습니다”라든가 “이 작업을 완료하기에 메모리가 부족합니다. 데이터를 더 적게 사용하거나 다른 응용프로그램을 닫아 보십시오”라든가 그냥 “메모리 부족” 등이 있다.

메모리는 엑셀의 계산이나 처리 속도에 영향을 미치지 않지만 데이터베이스의 크기(사용되는 행/열의 개수)는 시스템에서 쓸 수 있는 RAM 용량에 영향을 받는다. 컴퓨터의 RAM이 8GB라고 해서 전체를 다 사용할 수 있는 것은 아니라는 점을 명심해야 한다.

엑셀에는 자체 메모리 관리자와 메모리 한계가 있다. 32비트 버전은 2GB의 가상 메모리 한계가 있는 반면 64비트 버전은 최대 8TB의 가상 메모리를 제공한다. 일부 소문과는 달리 소프트웨어 자체와 사용자가 설치한 모든 애드인프로그램이 포함된 숫자다.

엑셀에서 필요한 것만 해도 그렇다. 이 밖에도 시스템 메모리를 필요로 하는 것이 많다. 예를 들면 운영체제, 컴퓨터 상에 현재 열려 있는 다른 모든 응용프로그램, 상주 메모리 및/또는 배경에서 실행 중인 아주 많은 실행 파일(.exe), 드라이버, DLL 등과 같이 숨겨진 십 수개의 다른 프로세스 등이 있다. 그래픽, 차트, 수식, 맞춤법 검사 프로그램 등과 같은 기능, 정렬, 인쇄 등도 메모리를 소모한다.

아직 32비트 버전의 엑셀을 사용하는 많은 사용자의 경우 만일 스프레드시트 크기가 2GB 미만이고 여전히 메모리 오류 메시지가 표시된다면 실행 중인 다른 모든 프로그램(인터넷과 이메일 프로그램 포함)을 닫아 보라. 그러면 작업 메모리를 추가로 얻을 수 있다.

32비트에서 64비트 엑셀로 전환이 필요한 시점
위에 소개된 성능 및 메모리 요령을 활용해도 시스템 성능이 늘어나지 않거나 메모리 오류 수가 줄어들지 않는다면 64비트 버전의 엑셀로 전환해야 할 때가 온 것인지도 모른다. 64비트 버전은 파일 크기를 제한하지 않는 대신 가용 메모리와 시스템 리소스에 의해서만 한계가 적용된다. 시스템 메모리가 8GB라면 엑셀은 시스템이 사용 중인 것을 제외한 해당 메모리 전체를 사용할 수 있다는 뜻이다.

32비트 엑셀에서 64비트 엑셀로 변경을 고려 중이라면 유의 사항은 다음과 같다.

1. LAA(Large Address Aware) 업데이트를 확인한다. 마이크로소프트는 엑셀 2013 및 2016 버전에 대해 이 패치를 2016년 6월에 공개했다. 64비트 버전의 윈도우에 32비트 버전 엑셀에 대해 설치될 경우 주소 공간에 대한 2GB 제한을 4GB로 변경해 주는 업데이트이다. 32비트 윈도우에서 실행되는 32비트 엑셀의 경우 2GB 주소 공간이 3GB로 늘어난다.

2. 이 업데이트 설치 시 다른 파일들이 영향을 받는다. 예를 들면, 32비트 윈도우의 32비트 엑셀의 경우 부트(boot) 파일에 변경 사항을 적용해야 한다. 무언가를 설치하거나 변경하기 전에 반드시 LAA 업데이트에 대한 마이크로소프트의 설명서를 읽도록 한다.

3. 64비트 오피스는 64비트 윈도우에서만 작동한다. 32비트 버전과 64비트 버전의 오피스를 같은 컴퓨터에서 실행할 수 없다. 이를 시도하면 오류 메시지가 표시된다.



4. 32비트 버전에서 64비트 버전으로 업그레이드하고 싶다면 오피스를 설치 해제한 후 다시 설치해야 한다. 그 반대도 역시 마찬가지이다.

32비트 vs. 64비트 엑셀: 못 쓰게 될 기능
64비트 오피스의 성능적인 장점에도 불구하고 마이크로소프트는 대부분의 사용자에게 오히려 32비트 버전의 오피스를 권장한다. 다른 응용프로그램(특히 타사 애드인)과의 호환성이 더 높기 때문이다. 또한, 오피스 응용프로그램 기능 중 일부는 64비트 운영체제에서 지원되지 않는다.

예를 들면,
1. 수식 편집기와 수식 빌더의 레거시 버전이 지원되지 않는다.

2. 워드 애드인(Word Add-in) 라이브러리 역시 지원되지 않는다(온라인에서 수십 가지를 무료 또는 저가로 이용 가능).

3. 일부 액티브X(ActiveX) 컨트롤과 일부 VBA 코드가 호환되지 않는다.

4. 마이크로소프트 액세스(Microsoft Access)의 일부 데이터베이스 파일에 소스 코드 문제가 있다.

5. 아웃룩(Outlook) MAPI 응용프로그램을 다시 만들어야 한다.

6. 32비트 및 64비트 장치 간의 비호환성 때문에 그래픽 장치 인터페이스(GDI) 렌더링에 성능 문제가 있을 수 있다. editor@itworld.co.kr

원문보기: 
http://www.itworld.co.kr/news/106401#csidx484a336c812ccc1a68d08b90fa198ef 

인공지능 및 머신러닝 기술이 비즈니스 판도를 바꾸는 솔루션들을 낳아가고 있다. 여기 CIO를 비롯한 IT 의사결정자들이 성공적인 머신러닝 전략을 수립해 출범하고 유지하는 과정에서 필요한 팁들을 정리했다.

“앞서가는 사고를 하는 CIO인가를 판단하는 기준으로 머신러닝(Machine learning, ML)이 떠오르고 있다. 제품 개발 및 비즈니스 운영 과정에서 ML을 도입하지 못하는 기업들은 재빠르게 움직인 경쟁 기업들에게 뒤쳐질 각오를 해야 한다.”

RELX 그룹의 과학 및 건강 정보 유닛인 엘스비어(Elsevier) CTO인 댄 올리가 내린 결론이다. 그 또한 몇 년 전부터 ML 기술의 도입을 추진해왔다.

“나는 우리가 머신러닝 기술의 티핑 포인트에 도달했다고 믿는다. 그리고 머신러닝은 향후 십 수년간 우리가 디지털 세계와 상호작용 하는 방식을 완전히 바꾸어 놓을 것이다. 우리의 의사 결정은 점차 기계가 대신하게 될 것이다”라고 지난달 콜로라도 주 콜로라도 스프링스에서 열린 CIO100 심포지엄에서 그는 청중을 향해 말했다.

이는 충분히 일리 있는 말이다. 컴퓨팅 파워의 증대, 점점 더 정교해져 가는 알고리즘과 트레이닝 모델, 그리고 무제한적 데이터 소스의 등장으로 인공지능 혁신이 가능해지고 있다. 기계가 인간의 행위와 생각을 모방하는 테크놀로지들을 총칭하는 인공지능, 즉 AI는 그 하위 분야로써 통계 기반 알고리즘이 지식 엔지니어링을 자동화하는 메커니즘인 머신러닝을 포함한다.

구글, 아마존, 바이두 등 기업들도 AI, ML 기술에 돈을 아낌 없이 퍼붓고 있다. 게다가 이러한 기업들의 개발 성과들로 인해 해당 분야에 대한 투자액은 그 전 3년동안의 투자액에 비해 2016년에 3배 가까이(약 260억 달러에서 390억 달러 가량) 증가하였다고 맥킨지 글로벌 인스티튜트(McKinsey Global Institute)는 밝혔다.

AI와 ML 도입의 적기는 ‘지금’이다
기술 분야 외에서의 AI 도입은 아직까지 초기의 실험적 단계에 머물고 있으며 이를 대규모로 도입하는 기업들은 찾아보기 힘들다고 맥킨지 보고서는 밝히고 있다. 보고서에 따르면 아직까지 AI를 대규모로, 혹은 비즈니스의 핵심적 부분으로 받아들이지 않고 있는 이유는 AI 투자를 통해 어느 정도의 수익을 얻을 수 있을지에 대한 확신이 없기 때문이다.

그렇지만 올리의 생각은 다르다. 엘스비어는 ML 도입을 통해 제약회사 클라이언트들이 적절한 의료 정보를 찾고 약품 종류를 결정해 이를 의료진들에게 제공할 수 있었다는 점에서 ML도입을 성공적으로 평가하고 있다. 때문에 올리는 ML이 탤런트 관리, 세일즈 및 마케팅, 고객 지원 등 여러 분야에서 유용하게 쓰일 수 있다고 강조했다.

타사에 비해 비교 우위를 얻고 싶거나, 최소한 조금이라도 앞서 가고 싶은 CIO라면 지금 당장 자리를 박차고 일어나 이러한 새로운 테크놀로지를 수용해야 한다. “적기가 있다면 지금 당장이다”라고 올리는 조언했다.

AI 알고리즘에 전혀 익숙하지 않은 기관들이 어떻게 데이터 과학이나 ML같은 테크놀로지에 접근해야 할까? 그런 기업들을 위해 올리와 가트너가 10가지 팁을 제시했다.

1. 데이터 과학이 현장에 섞여 들도록 하라
기업에 데이터 과학 및 ML 기술을 적용하고 싶다는 생각은 있지만, 도대체 어디서부터 시작해야 하는 걸까? 우선, 데이터 과학 및 ML 오퍼레이션을 반드시 중앙화할 필요는 없다는 점을 기억할 만하다. 세일즈, 마케팅, HR, 금융 등 다양한 부서에 각각 데이터 과학 및 머신러닝 기술을 적용하는 것이 더 나을 수 있다.

올리는 데이터 과학자와 소프트웨어 엔지니어, 또는 종양학 전문가를 짝지어 스포티파이(Spotify) 모델에 기반한 애자일 스쿼드(agile squad)로 상품을 개발하도록 했던 엘스비어 사에서의 자신의 경험을 바탕으로 다른 CIO들에게 다음과 같이 조언했다.

“우리는 데이터 과학 팀을 제품 관리팀과 비즈니스 유닛에 섞여 들도록 했다. 이들을 하나의 유닛처럼 대하되 전체 유닛을 이끌어갈 사람을 따로 정했다. 또한 최대한 문제 해결에 데이터 과학자가 깊이 관여할 수 있도록 했는데 왜냐하면 기업 전반에 걸친 ML 기술의 확장 적용을 위해서는 그것이 최선이라고 판단했기 때문이다”라고 올리는 말했다.

2. 일단 시작하라
데이터 과학 기술 적용을 위해 거창한 플랜이 필요한 건 아니다. 혹은 그럴듯한 ML 제품 개발을 위해 거창한 프레임워크가 필요하지도 않다. 여러 비즈니스 분야에서 특정 AI 테크놀로지를 적용하여 소규모 실험적 프로젝트들을 우선 진행해 보고 그러한 시도로부터 수익이 아닌 경험과 학습을 목표로 하는 것이 첫 시작이 되어야 한다고 가트너는 강조했다.

올리는 “아직까지도 이러한 기술들의 도입을 시작하지 않았다면, 지금 당장 시작하기를 권한다. 적어도 당신의 경쟁사들은 이미 머신러닝에 뛰어들고 있다”라고 말했다.

3. 데이터 보기를 금같이 하라
데이터는 AI, ML 기술의 연료 같은 역할을 한다. 따라서 CIO들은 데이터를 마치 돈처럼 관리하고, 지키며, 귀중하게 여겨야 한다. “CFO는 아무렇게나 예산 승인을 내리고, 아무 데에나 지출을 결정하지 않는다. 또한 올 해 수익이 어느 정도였는지도 어림 짐작으로 계산하는 것이 아니라 철저한 분석을 통해 접근한다. 이러한 접근법이 CIO에게도 요구된다”라고 올리는 말했다.

-> 데이터가 '자산'되는 시대... CFO에게 닥친 과제

4. 완벽한 구직자는 상상 속에만 존재한다
데이터 과학자들은 어떤 역량을 가져야 할까? 알고리즘을 직접 쓰고 제품을 만들어 낼 수 있는 소프트웨어 엔지니어들은 아닐지라도, 대개 수학, 통계학에 높은 적성도를 보이며 데이터 속에서 유의미한 정보와 통찰력을 얻는데 능숙한 정도면 무난하다.

애석하게도 대부분 기업들은 통계학, 소프트웨어 엔지니어링에 모두 능숙하면서도 헬스케어면 헬스케어, 금융 서비스면 금융 서비스 등 해당 분야의 전문 지식까지 꿰차고 있는 상상 속에서나 존재할 법한 직원을 찾는 경향이 있다고 올리는 지적했다.

“실제로 내가 아는 어떤 사람은 ‘소프트웨어 엔지니어이면서 수학 박사 학위도 가지고 있으면 좋을 것 같고, 그러면서도 환자를 상대해 본 의사였으면 좋겠다. 특히 종양학 전문의라면 더할 나위 없을 것 같다’라는 꿈같은 이야기를 하기도 했다. 소프트웨어 엔지니어와 수학 박사, 그리고 의사를 따로따로 세 명 알고는 있지만 그 셋을 한 몸에 합친 사람을 알지는 못한다”라고 올리는 말했다.

5. 데이터 과학 교육 커리큘럼을 마련하라
데이터 과학 기술을 보유한 모든 이가 데이터 과학자이거나, 이 기술에 있어서 전문가나 장인이 될 필요는 없다. “실제로 고도의 전문성을 갖춘 데이터 과학자는 흔하지 않으므로, 일정 수준의 지식을 갖춘 이들을 훈련시키는 방법을 찾는 게 빠르다”라고 올리는 말했다.

올리 역시 IT 직원이나 데이터 과학 담당자를 교육해 이들의 ‘수준을 끌어올리는’ 역할을 따로 전담하는 전담자를 두고 있다.

엘스비어 사는 또 온라인 강의 코세라(Coursera)의 도움을 받고 있다. 올리는 CIO들에게, 최소한 확률 및 통계에 대한 지식을 새롭게 상기시켜 줄 수 있도록 해당 분야의 수업을 창설하고, 해당 직무의 적임자임을 입증하기 위해 지원자들에게 시험을 보게 할 것을 권했다. 가트너 또한 AI 인재 풀에 존재하는 수요와 공급간의 간극을 인지하고 기준에 조금 못 미치는 인재라 해도 일단 뽑아 교육을 시킬 수 있도록 계획을 세워야 한다고 조언했다.

6. 커뮤니티 플랫폼의 사용도 고려해보라
AI나 ML 기술을 도입하는 기업들, 혹은 데이터 과학과 관련한 문제를 어떻게 해결해야 좋을지 확신이 없는 기업들은 캐글(Kaggle)같은 데이터 과학 플랫폼에 의지하는 것도 하나의 방법이다. 캐글 같은 전문 플랫폼은 어려운 문제를 해결하는 것이 취미인 데이터 과학자들, 통계전문가, 금융 전문가, 소프트웨어 프로그래머 등 일련의 전문가들이 모여 기업의 비즈니스 문제를 해결해주는 데 특화된 플랫폼이기 때문이다.

7. 데이터 공유에 신중하라
만일 파트너와 알고리즘을 공유할 예정이라면 그 파트너가 데이터를 보게 될 것이라는 것도 알아야 한다. 이런 상황은 엘스비어 같은, 정보가 비교 우위의 원천이고 정보 보호에 예민한 기업들에게는 그다지 바람직하지 않다.

“데이터는 새로운 화폐와도 같다. 어떤 데이터를 보호하고, 어떤 데이터까지는 기꺼이 공유할 수 있는가를 사전에 판단해 두어야 한다”라고 올리는 말했다.

8. 모든 문제를 한 번에 해결하려 하지 말라
며칠 전부터 예약을 잡지 않으면 얼굴조차 보기 힘든 1차 의료기관의 의사들을 대신할 의료 알고리즘 개발하는 시도가 이제 상상을 넘어 현실이 됐다. 이제는 환자가 단순히 진통제 정도만 처방하면 되는 환자인지, 좀 더 심층적인 검사와 치료를 요하는지 정도는 분간할 수 있는 알고리즘을 개발해 문제를 해결하는 헬스케어 기업들이 있다. 올리는 “작은 문제들부터 하나씩 해결해 나가야 한다. 더 많은 데이터를 수집하고, 시간을 가지고 천천히 쌓아 나가야 한다”고 올리는 말했다.

9. 데이터 모델에 중요성을 지나치게 부여하지 말라
완벽한 데이터 모델을 갖추는 것보다 제대로 된 교육 모델을 갖추는 것이 더 중요하다. 아무에게나 함부로 데이터를 맡기다 보면 데이터 모델의 퀄리티가 급격히 하락할 수 있다고 올리는 경고했다.

“가장 어려운 부분은 직원들에게 가능성을 보여주고, 이들에게 그러한 기술로 실현할 수 있는 가능성을 자유롭게 탐색하도록 자유를 주는 일이다”라고 올리는 말했다.

10. CEO와 이사회를 지속적으로 설득하라
데이터 과학 파일럿 프로젝트가 상당히 희망적인 상황이라면, CIO의 다음 임무는 AI와 ML 기술이 기존의 비즈니스 모델을 새롭게 만들어 낼 수 있는 잠재력을 지녔다는 사실을 CEO 및 이사회에게 알리는 것이라고 가트너는 강조했다. 성공적인 머신러닝 오퍼레이션은 기업의 미래를 바꾸는 열쇠가 될 수도 있다.

ciokr@idg.co.kr

원문보기: 
http://www.ciokorea.com/news/35566#csidxaadef71fa75e7b88925c55e4f5761b1 

잘 정립된 클라우드 컴퓨팅 전략으로 새 시스템을 신속하게 적용하고, 혁신적인 디지털 변혁 전략을 가속화 한 좋은 사례는 많다.



그러나 이러한 성과를 누리려고 시도하기 전에 명심해야 할 명확한 진실 한 가지가 있다. 클라우드 전략을 최대한 효과적으로 활용할 수 있게 만들어지지 않았고, 이런 준비가 돼 있지 않은 워크로드나 인적 자원이 있다는 점이다.

따라서 무턱대고 클라우드라는 소용돌이에 뛰어들면 곤란하다. 그러나 쉬운 일이 아니다. 클라우드는 수많은 장점과 비용 효과성을 약속한다. 이런 장점을 무시하기란 쉽지 않다.

또한 전문 공급업체와 대형 공급업체가 더 우수하고, 빠르며, 저렴한 컴퓨팅을 제공하고 있는데, 굳이 온프레미스로 고성능 애플리케이션을 구현해 유지할 이유가 없다. 아주 간단한 경제적 논리다. 그렇지 않은가?

클라우드 네이티브 애플리케이션은 처음부터 자동 확장성(오토스케일링), 데브옵스, CD(컨티뉴어스 딜리버리) 같은 ‘쿨’한 기능을 십분 활용할 수 있도록 설계되어 있다. 이는 확실히 사실일지 모른다.

많은 기업과 기관이 입을 모아 동의하겠지만, 클라우드 서비스를 이용해 수십 년 동안 축적된 기존 기술에서 초래되는 문제를 신속히 해결할 수 있을지 모른다. 이 또한 크게 구미가 당기는 부분이다. 특히 획일적 애플리케이션 ‘뼈대들’은 다른 사람이 소유한 장소에 놓아두고 싶을 것이다.

그러나 클라우드를 추진하는 의도와 상관 없이, 미흡한 계획과 확실한 정보에 근거를 두지 않은 전략은 비즈니스에 비참한 결과를 초래할 수 있다. 아이러니하게도, 클라우드 모델은 그 특성상 클라우드가 특정 워크로드와 사용 사례에 적합한지 주의를 기울여 판단하지 않을 때 가장 큰 피해를 초래한다.

구입 후 ‘스티커 쇼크(예상보다 비싼 가격으로 인한 충격)’를 경계
거대한 분석 애플리케이션을 퍼블릭 클라우드로 마이그레이션 한다고 가정하자. 이 경우 금전적인 비용 충격에 대비해야 한다. 분석 애플리케이션 같은 메모리 집약적 애플리케이션들은 상당한 메모리 ‘성능’을 요구한다. 기업과 기관이 가장 크고, 값이 비싼 가상 인스턴스를 운영하는 결과가 초래될 수 있다는 의미다.

이런 경우에는 온프레미스 시스템을 조달해 유지하는 것이 더 경제적일 수 있다. 단 향후 퍼블릭 클라우드에 ‘금전적 스위트 스폿’이 생길 수 있다는 점을 유념한다(특히 가격이 계속 하락하고 있기 때문에).

다시 말해 ‘일회성’ 노력이 아니다. 현명한 조직은 클라우드 모델이 목적에 부합하는지 판단하는 동시에, 지속해서 여러 공급업체 전반에 걸쳐 발생하는 금전적 기회를 탐구해야 한다. 이때 중개 모델을 이용해야 할 수도 있다.

방치는 금물!
모든 시스템을 클라우드로 이전하면 응답 시간이 1초 미만이 될 것으로 생각한다면, 다시 생각하기 바란다. 애플리케이션 성능 문제는 짧은 지연 시간과 처리량을 요구하는 서비스를 중심으로 많은 클라우드 서비스의 ‘종말을 알리는 조종’이 될 수 있다.

신뢰도가 높지만 오래된 SQL 데이터베이스와 트랜잭션 워크로드를 새로운 클라우드 기반 컨테이너에 위치시키는 것이 좋은 생각처럼 들릴지 모르겠지만, 클라우드에서 제멋대로 날뛸 수 있다. 특히 지리적 위치나 네트워크 연결이 성능에 미치는 영향을 세밀히 고려하지 않았다면 아주 큰 문제가 될 수도 있다.

또 명심해야 할 부분이 있다. 획일적 애플리케이션은 중복성과 페일오버를 특히 신경 써야 한다. 비용과 복잡성, 관리 부담이 가중될 수 있다는 의미다.

아키텍처 ‘슬럼’을 예방
의심의 여지 없이, 클라우드 기반 애플리케이션 아키텍처는 현대 디지털 비즈니스의 필수 구성 요소다. 그러나 새로운 덮개로 오랜 문제를 가리는 것은 좋지 않다.

도시 계획과 관련된 과거 실수에 비유할 수 있다. 많은 조직이 모든 구형 애플리케이션의 문제들을 클라우드로 그대로 옮기면서 도시 계획처럼 ‘슬럼’을 만드는 실수를 범하고 있다. 일부는 모든 것을 가상화, 컨테이너화한다. 심지어 서버리스 아키텍처를 적용한다. 그러나 이는 문제를 악화시킬 뿐이다.

자동 확장성과 컨테이너 불역성을 십분 활용하기 위해 구형 시스템을 대대적으로 업그레이드하고, 서비스를 분리해야 할 수 있다. 또한 런타임 분리로 문제가 있는 시스템, 즉 오래전에 정리했어야 할 애플리케이션 슬럼의 수명이 연장될 수도 있다.
 
실패문제에 대비한 디자인
클라우드는 확장성과 탄력성이 장점이다. 여기에는 의심의 여지가 없다. 그러나 때론 문제가 발생한다. 2015년 호주 아마존 웹 서비스의 가동이 중단된 사고가 있었다.

시드니를 덮친 폭우가 아마존 웹 서비스의 가용성 존(Availability Zone)을 무너뜨렸다. 여기에 API 호출 문제까지 겹쳐 페일오버에 문제가 발생했다. 이로 인해 일부 기업이 피해를 보았다. 그러나 이런 위기를 극복한 기업도 있었다.

여러 가용성 존의 문제에 대처할 수 있도록 시스템을 디자인하고, 하이브리드 클라우드를 효과적으로 사용한 기업들이다. 이는 잘 정립된 클라우드 아키텍처와 엔지니어링의 중요성을 알려주는 사례이다. 많은 기업이 제대로 인식하지 못하고 있는 부분이다.

클라우드는 비즈니스의 ‘근육’을 키운다. 그러나 꾸준히 힘든 운동을 해야 근육을 유지할 수 있다.

클라우드 전략을 수립하면서 반드시 개선해야 할 부분을 고려해야 한다. 이는 저렴하지 않을 수도, 힘들 수도 있는 부분들이다. 자동화 관련 변경, 관리 측면의 변경, 클라우드 서비스 상호운영 문제, 새로운 툴 요건, 인적자원의 역량 등을 예로 들 수 있다.

클라우드가 열풍이다. 이런 이유로 먼저 발부터 내딛기 쉽다. 그러나 주의를 기울여야 한다. 클라우드 투자는 ‘All or nothing’이 될 수 없다. 현명한 기업과 기관은 주도면밀하게 계획을 세워 접근해야 클라우드가 전달하는 혜택을 실현할 수 있다는 점을 안다. 비즈니스 목표와 성과를 기준으로 다양한 클라우드 모델을 도입하고, 조정하고, 조율하는 기업과 기관이 성과를 일궈낼 것이다.

*Miriam Waterhouse는 호주 연방 정부에서 최고 혁신 책임자 그룹의 전략 부분을 총괄하고 있다. ciokr@idg.co.kr

원문보기: 
http://www.ciokorea.com/news/35569#csidx2c0de5ea391c50ba8c640c97fbaa9cf 

IBM Cast Iron의 필요성

ERP 플랫폼에는 상당한 유지보수와 비용이 필요합니다. CIO가 가장 큰 투자 결정을 내려야 하는 시스템 가운데 하나가 ERP입니다.그러나 ERP가 기업의 활동을 제대로 지원하지 못하는 사례가 많습니다.절반의 CIO들은 ERP 프로젝트가 실패했다고 밝혔는데,그 원인으로는 회사업무와 ERP 소프트웨어간의 업무 효율성이 떨어진다는 것입니다.

ERP 시스템에서 가장 비용이 많이 들어가는 부분은 소프트웨어가 아닌 이행 비용입니다.프로젝트 관리가 취약하고 교육훈련이 부족한 경우 등 비즈니스 관행 때문에 비용이 급증하는 사례가 많습니다.이로 인해서 소프트웨어 성능이 떨어져 부대 비용이 발생하지만 이미 많은 투자를 한 상태라서 이를 유지하기 위해서 계속 시스템 구현에 지출을 합니다.

비용을절감하고, 생산성을촉진하고, 새로운기능을신속하게제공하기위해서기업들은클라우드애플리케이션을사용하여자사의비즈니스요구사항을충족하고있습니다. 여러 부서에 걸쳐 클라우드 애플리케이션에 대한 투자를 점점 늘리고 있기 때문에 클라우드 및 내부 애플리케이션(On Premises)의 하이브리드 환경을 갖추고 있는 기업이 많아지고 있습니다.

그림  SEQ 그림1. 새로운 도전과 복잡성의 증대

그러나맞춤형코드(Custom Code)나순수온디맨드(Pure Play On Demand)제품과 같은 기존의 옵션을 통해 자사의 하이브리드 환경 통합을 추진한 기업들은 이러한 선택이 바람직하지 않다는 것을 알게 되었습니다. 맞춤형코드작성은오랜시간이소요되고, 상당한 소프트웨어,유지보수 및 깊이 있는 미들웨어 전문지식을 필요로 합니다. 그리고 순수온디맨드옵션은 SaaS(Software as a Service)와기업내부엔터프라이즈환경을연결할수있는능력과 정교한 기능이 결여되어 있습니다.

IBM Cast Iron 클라우드통합은전문프로그래머나미들웨어전문가가필요치않습니다. 코드없는구성방식을이용하여데이터마이그레이션과애플리케이션통합을완료할수있기때문에, 프로젝트를간소화시킬수있습니다. 기업이Cast Iron을선택하면, 여타기존의대안에비해최대 80% 저렴한비용으로수일내에자사의애플리케이션을통합할수있습니다.

일반적으로 비즈니스에서는 다양한 애플리케이션을 사용합니다. 이상적인 환경에서는 모든 것이 원활하게 작동하겠지만 실제로는 어렵습니다. 통합 과정 없이는 서로 다른 애플리케이션과 데이터를 일일이 수동으로 조정해야 합니다. 하지만 통합 프로젝트는 비용이 많이 들고 시간도 오래 걸리는 것으로 알려져 있습니다. Cast Iron클라우드 통합은 이러한 문제를 해결해 드립니다.

Cast Iron을 사용하면 기업은 하이브리드 환경에서 퍼블릭클라우드, 프라이빗클라우드 및 사내 구축형이 애플리케이션과 데이터를 손쉽게 연결할 수 있습니다. Cast Iron의 그래픽 구성 접근 방식은 사용자 정의 코드가 아니라 템플릿을 사용함으로써 통합에 걸리는 시간을 수주에서 며칠로 단축합니다.

템플릿은 프로젝트의 시작점으로서, 이를 통해 기본 제공되는 베스트 프랙티스를 활용할 수 있습니다. 여기에는 IBM이 업계 전반에 걸쳐 진행한 수천 건의 배치에서 축적된 전문성과 집합적 지식이 담겨 있습니다. Cast Iron 클라우드는 완전한 통합 솔루션입니다. 여러 애플리케이션에서 실시간으로 데이터를 동기화할 수 있도록 연결성과 워크 플로우 기능을 제공합니다.

기업이 멀티테넌트 클라우드 오퍼링, 가상 어플라이언스 중에서 선택할 수 있도록 완벽한 배포 유연성을 제공하는 솔루션은 Cast Iron이 유일합니다. 이러한 옵션을 통해 사내 구축형 및 클라우드 컴퓨팅 자원의 통합과 관리를 결합하고 간소화할 수 있습니다. 또한 하나의 배치 환경을 선택하여 시작한 후 IT 전략에 따라 다른 배치 환경으로 손쉽게 이동할 수 있습니다.

점점 더 많은 비즈니스가 비용을 절감하고 프로세스 민첩성을 향상하기 위해 클라우드 솔루션으로 전환함에 따라 IT는 사용자 및 써드파티 애플리케이션 SaaS및 엔터프라이즈 앱의 연결 문제를 해결해야 합니다. 고유한 산업 지식, 깊이 있는 전문성 및 포괄적인 클라우드 기능을 제공하는 IBM은 전 세계에서 4만개가 넘는 고객사를 지원하고 있습니다. IBM은 고객이 클라우드의 이점을 실현하고 자본화하며 IT 자원을 활용하여 비즈니스 필요에 빠르게 대응할 수 있도록 지원합니다. 기업은 성공적인 통합 프로젝트를 통해 효율성,민첩성 및 경쟁력을 높일 수 있습니다.

IBM Cast Iron 특·장점 소개

클라우드와 내부 애플리케이션을 간편하게 연결

대부분의클라우드및내부애플리케이션통합프로젝트에는여러 시스템(ERP, CRM, DB, SaaS 애플리케이션 및 자체개발 애플리케이션), 파트너 간의 정보통합과 신속한 마이그레이션이 요구됩니다. Cast Iron 클라우드통합은엔드포인트에아무것도설치할필요없이, 이모든애플리케이션에대한포괄적인연결성을제공합니다.

통합프로젝트기간단축

Cast Iron 클라우드통합은클라우드및내부애플리케이션통합에필요한모든것을제공합니다. 이솔루션에는데이터마이그레이션및애플리케이션통합을간소화하고단축하는다음과같은 주요기능이있습니다.

¡데이터 프로파일링

• 마이그레이션전에데이터의품질을평가합니다.

¡데이터 정제

• 중복 제거:여러다른소스의데이터를결합하여중복값을제거합니다.

• 퍼지 조회(Fuzzy Lookup): 정교한룰을설정하여오류를확인하고정정합니다.

¡데이터 강화(Data Enrichment)

• 제3자공급업체를조회하여데이터를강화합니다.

¡연결성

• 수백개의애플리케이션과엔드포인트간의설정 가능한 연결성

¡변환

• 데이터변환을위한드래그앤드롭형태의사용자인터페이스제공

¡워크플로우

• 워크플로우룰을설계하기위한 GUI 기반화면

¡관리

• 단일웹기반콘솔을이용하는간편한관리용이성

템플릿통합프로세스로프로젝트기간단축

수천번의성공적인고객통합실적을갖춘 Cast Iron 클라우드통합은풍부한통합경험을이용하여일련의포괄적인템플릿통합프로세스(TIP)를제공합니다. 이템플릿 통합 프로세스(TIP, Template IntegrationProcess)는 Oracle, salesforce.com 및SAP와같은다수의엔터프라이즈애플리케이션과클라우드간의가장보편적인통합시나리오에대하여제공되므로처음부터다시통합을구축할필요가없습니다. 웹브라우저를통해로그인하고요구사항에가장적합한템플릿을선택하면검증된안전한프로세스를활용할수있습니다. 간단한구성마법사를이용하여특정요구사항에적합하게 TIP을한층맞춤화할수도있습니다.

고객 환경에 따른 다양한 배치 모델 지원

Cast Iron 솔루션은 Cast Iron Live 및가상 Cast Iron Hypervisor Edition 등과같은다양한전개옵션을제공합니다. 이러한옵션의유연성은기업의애플리케이션환경이미래대비기술투자로바뀌면서기업 내부 및 클라우드 환경 간의 매끄러운 전환을 가능하게 합니다.이러한옵션들은동일한기술기반을공유하면서도, 각기고객의특정요구사항에부응하도록설계되어있습니다.

Cast Iron Live

Cast Iron Live는 SaaS 형태의통합솔루션입니다. 한번개발하면, 어디에도전개할수있는방식을이용하는 Cast Iron Live는대다수애플리케이션이클라우드기반이며사내에인프라가없는기업에이상적입니다.

Cast Iron Hypervisor Edition

Cast Iron Hypervisor Edition은 VMware 등과 같은 Virtual OS위에서 작동합니다.기존의 SW처럼 설치하는 방식이 아니라,물리적 어플라이언스를 가상 서버 위에 올려놓은 형태이기 때문에,설치 및 튜닝작업이 필요하지 않습니다. 통합하고자 하는 애플리케이션의 대부분이 사내에 구축되어 있을 경우에 더 적합합니다.

Cast Iron Live 30일 무료 체험판 사용

Cast Iron 홈페이지 링크 삽입: http://ibm.co/28KQm0b

Cast Iron 30일 무료체험 링크 삽입: http://bit.ly/28L1k6Q

Step1) Cast Iron 30일 무료체험 바로가기

(http://bit.ly/28L1k6Q)

입력폼에 다음과 같은 형식으로 입력하면 됩니다.

¡ Primary Email Address (Required)

자신의 E-MAIL 계정을 입력하십시오. "Register"를 누르시면 등록된 E-MAIL로 확인 메일이 날라옵니다.

¡ Re-enter Password (Required)

Primary Email Address를 한번 더 입력하십시오.

¡ Create Password (Required)

자신의 패스워드를 입력하면 됩니다.

¡ Re-enter Password (Required)

패스워드를 한번 더 입력합니다.

¡ First Name (Required), Last Name (Required)

자신의 이름을 입력합니다.

¡ Company Name (Required)

"고객 회사명" 라고 입력합니다.

Step2) 메일주소 확인

"Primary Email Address" 에 입력한 EMAIL에 들어가면 EMAIL 주소 확인 메일이 온걸 확인할 수 있습니다. 아래 그림처럼 "Validate Email Address" 버튼 또는 버튼 아래에 표시된 주소를 클릭하면 입력 작업이 완료가 됩니다.

Step3) Login에서 ‘Basic’ 선택

Cast Iron은 한글페이지가 아닌 영문페이지로 이동이 됩니다.그 페이지에서 ‘Login’을 클릭하면 팝업되는 창에서 ‘Basic’을 체크후 Login 버튼을 클릭해 주십시오.이 부분을 제대로 선택하지 않으면 Cast Iron Live 실행이 어려울 수 있습니다.

Step4) Login 진행

아래와같은화면이나타면등록한 Email로 Login을진행합니다. 로그인후자동으로 SaaS형태의 Cast Iron Live가웹브라우져에서실행이됩니다.

Step5) 약관확인

이용확인에서 ‘Accept’ 버튼을 선택합니다.

Step6) 데모 동영상 따라하기

Cast Iron 홈페이지(http://ibm.co/28KQm0b)에 들어가시면 ‘데모 동영상 보기’ 버튼이 있습니다.그 동영상 보기에서 하는 방법에 대해서 기술하려고 합니다.

Step7) 데모동영상 내용설명

IBM Cast Iron의 ‘코딩 없는’ 접근 방식을 사용하여 클라우드 애플리케이션과 사내 구축형 애플리케이션을 통합하는 방법에 대해서 소개합니다.먼저 SAP에소 고객 마스터 정보를 추출하고,실시간으로 salesforce.com에 해당하는 계정 데이터를 생성하게 됩니다.이 모든 경험이 3단계로 끝나게 됩니다.

Cast Iron에서는 TIP(Template Integration Processses)라는 세가지 템플릿을 제공합니다.이는 클라우드와 사내 구축형 애플리케이션간에 가장 일반적인 시나리오입니다.여기서는 SAP와 salesforce 간의 고객 마스터 통합용 템플릿을 활용하여 필요한 템플릿을 구성하고,요구에 맞게 커스터마이징하여 통합 플로우를 생성하겠습니다.

그 다음에 생성된 구성을 가상 어플라이언스,또는 멀티 테넌트 클라우드 오퍼링이라는 두가지 배치 환경중 하나에 배치해 보겠습니다.배차가 완료되면 런타임에서 어떻게 작동하는지와 관리 환경을 보여드립니다.

Step8) 고객 마스터 동기화 템플릿 다운로드

IBM Cast Iron이 제공하는 기존 템플릿중에서 salesforce.com 애플리케이션 통합용 템플릿을 검색합니다.템플릿 검색 결과에는 SAP뿐만 아니라 salesforce와 연결되는 다른 애플리케이션도 함께 표시될 것입니다.

‘Keyword Search’ 선택박스를 체크하시면 검색창이 나옵니다.검색창에 ‘salesforce’를 입력한 후에 엔터(enter)를 치시면 연관된 검색어들이 나옵니다.고객 마스터 정보를 동기화하는 템플릿인 ‘T0100 – Synchronize Customers from SAP to Salesforce.com’를 선택하신 후에 하단에 있는 ‘Create a project based on this template’을 누르면 T100 템플릿을 다운로드 됩니다.

참고로 크롬(Chrome) 브라우저에서는 가끔 정상적으로 작동을 하지 않는 경우가 있어서,저는 ‘Internet Explorer’를 사용하고 있습니다.

'Create a project based on this template' 버튼을 누르면 다음과 같이 T100 템플릿을 다운로드 합니다.

다운로드가 완료가 되면 자동으로 다음 화면으로 넘어갑니다.

Step9) 통합프로세스의 시작점

아래의 화면은 통합프로세스의 시작점을 보여줍니다. 화면에서 보는것과 같이 'SAP'로 이동한 후, 'Invoke RFC' 라는 SAP의 기본 프로토콜을 사용하여 고객 정보를 추출합니다. 그런 다음에 데이터 유효성 검사를 통해 SAP에서 해당 고객의 전화번호나 도시가 공백인경우, 작업을 종료하고 그렇지 않은 경우 CRM 서비스 (여기서는 salesforce.com)에 대응 계정을 생성하는 작업을 진행해 보겠습니다.

Step10) 마법사를 통한 커스터마이징

이제 마법사 왼쪽에 있는 8개의 질문에 답을 하기만 하면 이 템플릿을 필요에 맞게 커스터마이징할 수 있습니다.

1) 로그인 정보 입력

첫번째 질문은 SAP에 로그인할수 있도록 특정 SAP 인스턴스에 대한 로그인 신임 정보를 입력하는 것입니다.

정보는 미리 입력을 해 두었습니다. 입력을 완료하면 연결 매개변수가 유효한지 확인할 수 있습니다. 아래 그림의 하단에 있는 ‘Test Connection’ 버튼을 누르면 SAP에 성공적으로 연결되었다는 메시지가 표시됩니다. ‘다음>’ 버튼을 클릭합니다.

Step11) Extract SAP Customer

SAP에 연결한 후 다음 단계에서는 SAP 시스템에서 추출할 정보를 선택합니다. IBM Cast Iron에서는 비즈니스 애플리케이션을 동적으로 분석하여 사용 가능한 모든 오브젝트의 목록을 보여줍니다.

Step12) Verify Salesforce.com connectivity

그 다음 단계는 대상 애플리케이션을 구성하는 것으로 여기서는 salesforce.com을 말합니다.

SAP와 마찬가지로 특정 salesforce.com 인스턴스에 로그인 정보를 추가할 수 있습니다. 로그인이 정상적으로 완료되면 성공적으로 조직에 연결되었다는 메시지가 표시됩니다.

Step13) 데이터 매핑(Mapping) 단계

다음은 통합에서 가장 중요한 단계로서 소스와 대상 애플리케이션 간의 데이터 매핑 단계입니다. 화면의 템플릿은 일반적인 데이터 요소와 이에 매핑되는 오브젝트를 보여주며, 아주 유용한 기준점을 제공하고 있습니다. 예를 들어 이름은 이름으로 국가는 결제국가로, 그리고 도시는 결제 도시로 매핑되어 있습니다.

실제 비즈니스에서는 소스 데이터와 대상 데이터 매핑은 일대일 매핑처럼 간단하지가 않습니다. 여러 필드를 하나의 대상으로 결합하는 시나리오 또는 여러 애플리케이션에서 하나의 공통 대상 애플리케이션으로 데이터를 결합하는 시나리오가 있을 수 있습니다. 이러한 예를 보여드리겠습니다.

여기 도로명과 주소가 있습니다. 소스에는 도로명과 주소가 있지만 대상에는 결제 도로명만 있습니다. 이런 종류의 정보를 어떻게 처리하시겠습니까? IBM CastIron에서는 문자열 함수, 수학함수, 논리함수, 날짜함수와 같은 다양한함수 목록을 제공합니다. 그뿐만 아니라 교차 함수 정보도 확인할 수 있습니다. 또한 Java Script를 사용하여 사용자 정의 함수도 작성할 수 있습니다.

Step14) 비즈니스 규칙 정의

본 시나리오의 다음 단계는 비즈니스 규칙을 정의하는 것입니다. 예를 들어 '특정 고객의 도시' 또는 '특정 고객의 전화번호' 둘 중 하나가 공백인 경우 salesforce.com에 삽입하지 않고 작업을 종료하도록 규칙을 설정할 수 있습니다.

항상 템플릿을 사용하여 시작할 필요는 없습니다. 연결하려는 프라이빗 클라우드 사용자 정의 애플리케이션, 사내 구축형사용자 정의 애플리케이션 또는 자체 개발 애플리케이션용 템플릿이 없는 경우에는 Cast Iron의 '코딩 없는 구성' 접근 방식을 사용하여 처음부터 이러한 구성을 생성할 수 있습니다. 화면 오른쪽에 보이는 간단한 그래픽 편집기를 사용하면 됩니다.

지금까지 IBM CastIron의 간편한 '코딩 없는 구성' 접근 방식을 사용하여 salesforce.com과 SAP를 통합하는 방법을 보여드렸습니다. 모든 클라우드 애플리케이션(프라이빗 클라우드 또는 퍼블릭 클라우드)과 사내 구축형 애플리케이션(패키징 되거나 자체 개발된)을 이와 같은 방법으로 통합할 수 있습니다.

고객 사례

㈜씨디네트웍스, SAP ERP와 SaaS 기반의 세일즈포스닷컴 CRM 통합

ERP와 CRM 연동, Cast Iron에서 해답을 찾다

전세계 콘텐츠 전송 네트워크(Contents Delivery Network) 서비스 시장을 이끌고 있는 (주)씨디네트웍스는 글로벌 기업으로서의 체계를 보다 견고히 하기 위해 ERP(전사적자원관리)와 CRM(고객관계관리)의 통합 프로젝트를 추진했다. 그러나 사내에 배치되어 있는 SAP ERP와 클라우드에 배치되어 있는 salesforce.com CRM을 연결할 수 있는 효과적인 방안을 찾지 못해 고심했다. 고민을 거듭하던 (주)씨디네트웍스는 IBM Cast Iron 을 알게 된 후 1개월 만에 성공적으로 통합 프로젝트를 완료할 수 있었다.

올림픽과 같은 스포츠 중계나 대통령 취임식과 같은 행사, 인기 드라마 나 예능 프로그램 등을 TV가 아닌 PC나 모바일 디바이스로 청취하는 것이 이제는 일상화 되었다. 그런데 어떻게 수많은 사람들이 동시에 접속해 끊김 없이 영상을 볼 수 있을까? 이는 서버와 사용자들 사이에서 콘 텐츠를 연결해 주는 콘텐츠 전송 네트워크(이하 CDN) 서비스가 있기 때문에 가능하다. 일명 ‘사이버 물류 사업’으로 불리는 CDN 산업은 물류 업체들이 주요 거점에 창고를 짓듯이 곳곳에 콘텐츠 센터를 만들어 영상을 저장해 두고 소비자들이 원할 때 가장 최적의 품질로 콘텐츠를 제공한다. 즉 소비자 들은 자신과 가장 가까운 위치에 있는 데이터 센터에서 고화질의 영상을 제공받는 것이다.

(주)씨디네트웍스는 지난 2000년에 국내 최초로 설립된 CDN 기업이다. 전세계 30개국 72개 도시의 주요 지역에 설치된 네트워크 인프라를 기반으로 웹 콘텐츠 및 애플리케이션 가속, 미디어 스트리밍, 대용량 파일 전송 등의 서비스를 제공함으로써 전세계 CDN 서비스 시장을 이끌고 있다. 국내외 1,500여 개의 엔터프라이즈, 미디어, 게임, 이러닝 등 다양한 업종의 기업들이 (주)씨디네트웍스를 통해 그들이 보유한 17,500개의 사이트에서 다양한 콘텐츠 서비스를 제공하고 있다. (주)씨디네트웍스는 한일월드컵, 올림픽, WBC 등 대부분의 국제 행사에 인터넷 생중계 서비스를 제공했으며, 2008년에는 베이징 올림픽 인터넷 생중계를 통해 국내 최초로 HD급 라이브 서비스를 선보이기도 했다.

특히 동적 콘텐츠 및 애플리케이션 가속 서비스 전송 기술 등 다수의 특허를 보유하며 인터넷 기 술을 선도하고 있다. 지난 해에는 연간 매출 1137억 원을 달성해 창립 이래 최대 실적을 기록하기도 했다.

미션)SAP ERP와 Salesforce.com CRM을 통합하라!

(주)씨디네트웍스는 현재 전체 매출의 45% 가량이 해외 법인을 통해 달성되고 있다. 그만큼 글로벌 비즈니스가 중요한 역할을 차지하고 있다. 이에 따라 IT 인프라도 점진적으로 글로벌 통합 환경을 구현하는 것을 지향하고 있다. (주)씨디네트웍스는 지난 2009년에 글로벌 기업으로의 체계를 갖추는 시발점으로 전사 차원의 SAP ERP 환경을 구현했다. 회계 투명성을 확보 하고, 해외 지법인 간의 전사적인 실적 및 현황 관리를 하기 위한 목표였다. 하지만 SAP ERP만 전사적으로 동일하게 도입되어 있었을뿐 CRM을 비롯한 다양한 IT 인프라들은 모두 법인 상황과 요건에 따라 제각기 도입 및 운영되었다. 그렇다 보니 실질적인 글로벌 통합 관리가 이뤄지기 어려운 실정이었다.

(주)씨디네트웍스의 MIS팀 이진욱 부장은 “경영진들을 위한 글로벌 전사 차원의 통합 리포팅이 어려웠고, 이에 대한 효율을 조금이나마 높이기 위해 다수의 웹 인터페이스가 개발되었기 때문에 인터페이스 역할만 수행하는 별도의 서버가 존재해야 하는 비효율이 생겼다”고 설명한다. 이에 (주)씨디네트웍스는 글로벌 차원에서 ERP와 CRM을 통합하는 것을 결정했다.

기존에 전사적으로 도입된 SAP ERP와 미국 법인에서 사용해왔던 salesforce.com(이하 세일즈포스닷컴) CRM을 통합 인프라로 정하고, 글로벌 차원에서 통합 관리, 운영할 수 있는 환경을 구현하기로 한 것이다.

고민)연결할수있는커넥터가없다!

고민은 여기에서 시작되었다. SAP ERP와 세일즈포스닷컴 CRM을 연동 시킬 수 있는 방법이 없었다. 워낙 SAP ERP가 견고한 제품이어서 다른 패키지와의 연동이나 통합이 어려운데다가, 그 연동해야 할 대상이 SaaS 기반의 세일즈포스닷컴 CRM이다 보니 이를 연동할 수 있는 커넥터를 찾기 힘들었다. 한 차례 유사한 제품을 검토하고, 직접 커넥터를 개발할 방법을 강구하기도 했지만, 실제 테스트 과정에서 모두 실패하는 결과를 거듭했다. 거의 포기하기 직전, (주)씨디네트웍스의 이진욱 부장이 우연히 IBM Cast Iron(이하 Cast Iron)을 접하게 되면서 그동안의 고민이 말끔히 해결됐다.

이진욱 부장은 “우연히 다른 직원이 가져온 설명서를 보게 됐는데, 내용으로 보니 우리가 찾던 바로 그 솔루션이었다. 사전 구성된 어댑터와 템플릿을 보유하고 있어서 대부분의 ERP, CRM, SaaS, DBMS, 웹서비스 등을 통합할 수 있다는 문구를 보고 바로 POC(Proof of Concept)를 실행했다”고 당시의 급박한 상황을 전했다.

POC 결과는 성공적이었다. 2주에 걸쳐 진행했어도 계속 제한적인 기능만이 검증되었던 POC가 Cast Iron으로는 반나절 만에 성공하는 것을 직접 경험한 이진욱 부장은 바로 Cast Iron 도입을 결정했다. 그간 고착 상태에 있던 (주)씨디네트웍스의 글로벌 ERP-CRM 통합 프로젝트는 Cast Iron 도입 이후 순조롭게 진행됐다.

SAP ERP와 세일즈 포스닷컴 CRM의 연결을 위해 필요했던 41개의 인터페이스가 1개월 만에 완성됐다. (주)씨디네트웍스의 만족도는 무척 높았다. 이진욱 부장은 “직접 커넥터를 개발했다면 기본적으로 개발 기간이 6개월은 소요됐을 것이다. 물론 그렇다고 해도 안정성을 담보하기는 어려웠을 것으로 예측된다”고 설명한다. (주)씨디네트웍스의 실무자들이 강조하는 Cast Iron의 가장 큰 장점은 무엇보다 쉽고 간단하다는 것이다. 데이터를 맵핑하는데 별도의 수작업이나 코딩이 필요하지 않고, 미리 정의된 템플릿을 활용해 끌어다 놓기(drag and drop) 방식으로 설정을 해주기만 하면 되기 때문이다. 특히 아무리 복잡한 로직이라도 이미 정규화된 템플릿을 기반으로 하기 때문에 데이터 분석자나 미들웨어 전문가가 없이도 요건만 수립하면 원하는 데이터 교환 체제를 설정할 수 있었다.

효과)이기종 시스템간 통합,결국은 TCO 절감!

Cast Iron을 통해 SAP ERP와 세일즈포스닷컴 CRM을 통합한 (주)씨디네트웍스는 통합 프로젝트를 성공적으로 수행할 수 있었다는 성과 외에도 생각지 못했던 부가 혜택을 얻고 있다. 기존에 실적 및 매출 보고서를 작성하기 위해서는 여러 시스템에서 엑셀 포맷으로 데이터를 추출한 후 가공해야 했다. 그러나 현재는 Cast Iron을 통해 SAP ERP 데이터가 통합되었기 때문에 salesforce.com에서 바로 리포팅 형태로 추출이 가능하다. 이를 통해 다양한 실적 및 현황 지표들을 경영진이나 마케팅, 영업 부서 임직원들이 거의 실시간으로 쉽게 확인할 수 있게 됐다. 그에 따라 경영진들의 의사 결정 프로세스도 단축되었고, 해외 법인들과의 커뮤니케이션도 용이해졌다.

(주)씨디네트웍스의 비즈니스 인포메이션 담당 구재학 이사는 “Cast Iron 은 기업 내에 존재하는 다양한 이기종 시스템을 연계해 데이터를 이관하거나 통합할 수 있도록 하는데 매우 적합한 솔루션이다. 특히 패키지 ERP에 대한 커스터마이징이 많은 우리나라의 경우 이기종 시스템 간 연계에 있어 꼭 필요한 솔루션”이라고 강조한다. 본사인 한국 법인의 ERP-CRM 통합을 성공적으로 완료한 (주)씨디네트웍스는 현재 일본을 시작으로 중국과 미국 법인의 ERP-CRM 통합 프로젝트를 진행하고 있다. 또한 (주)씨디네트웍스는 이후 주로 고객들이 과금, 서비스 설정 및 확인용으로 이용하는 고객 포탈 시스템과 ERP를 Cast Iron을 이용해 통합하는 한편, 불가피하게 존재하던 인터페이스 서버들을 모두 Cast Iron으로 대체할 계획이다. 이렇게 되면 관리 포인트가 크게 줄어들고 기존 서버나 장비들에 대한 리소스 활용이 개선됨에 따라 전반적인TCO(총소유비용) 절감 효과가 있을 것으로 기대된다.

본 포스팅은 IBM으로부터 소정의 원고료를 지급받아 작성되었습니다.