개요
시장에서 빅 데이터 기술이 증가함에 따라 많은 기업들이 올바른 답을 찾기 위해 고군분투하고 있습니다. 그렇다면 어디서부터 시작해야 할까요? 비용이 저렴하고 통합된, 확장 가능한 빅 데이터 환경을 구축하는 데 무엇이 필요한지 알아보세요.
빅 데이터를 활용하는 방법
기업이 “빅 데이터를 어떻게 작동시켜야 하나요?라는 질문을 할 때 고려해야 할 중요한 요소에 대한 테라데이타의 의견을 공유합니다.
빅 데이터 활용하기
빅 데이터에 헌신적이고, 비즈니스 사례를 정의하고, "과학 프로젝트" 단계를 뛰어 넘을 준비가 된 회사라도 “빅 데이터를 활용하는 방법”이라는 어려운 질문에 직면합니다.
엄청나게 부풀려진 이미지와 복잡한 빅 데이터 기술 옵션 및 공급업체로 인해 올바른 답을 찾는 것이 필요 이상으로 더 어려워졌습니다. 비용이 저렴하고 복잡성이 낮은 기본 빅 데이터 환경을 설계하고 구축하는 것이 목표여야 합니다. 다시 말해, 전체 조직을 진정한 데이터 및 애널리틱스 중심으로 전환할 수 있을 만큼 안정적이고 고도로 통합된, 확장 가능한 환경이 필요합니다.
데이터 및 애널리틱스 중심성은 빅 데이터 및 빅 데이터 애널리틱스를 필요로 하는 모든 조직에서 사용할 수 있는 상태를 일컫습니다. 기본 인프라, 데이터 스트림 및 사용자 도구 세트를 활용하여 귀중한 통찰력을 발견하고, 더 나은 의사 결정을 내리고, 실제 비즈니스 문제를 해결합니다. 이것이 빅 데이터가 작동하는 방식입니다.
빅 데이터 - 기회의 비즈니스 엔진
어디서부터 시작해야 하는지 궁금하신가요? 빅 데이터를 엔진으로 생각해 보세요. 성능을 향상시키려면 원활하고 안정적이며 지속 가능한 방식으로 올바른 구성 요소를 조립하는 것이 중요합니다. 이러한 구성 요소에는 다음이 포함됩니다:
- 데이터 소스: 운영 및 기능 시스템, 기계 로그 및 센서, 웹, 소셜 및 기타 여러 소스
- 데이터 플랫폼, 웨어하우스 및 검색 플랫폼: 데이터의 캡처 및 관리를 가능하게 하고, 데이터를 활용하여 고객 통찰력 및 실행 가능한 행동으로 전환이 가능합니다.
- 빅 데이터 애널리틱스 도구 및 앱: 경영진, 분석가, 관리자 및 기타 사용자가 고객 통찰력에 액세스하고 시나리오를 모델링하며 업무를 수행하고 비즈니스를 관리하는 데 사용하는 "프런트 엔드"입니다.
이 수준에서 실제로 비즈니스 가치를 창출하려면, 빅 데이터 자산의 모든 능력을 활용해야 합니다. 이 모든 것을 함께 작동하게 하려면, 현재 데이터 스트림과 리포지토리를 검사할 뿐만 아니라 특정 비즈니스 목표와 장기적인 시장 동향을 설명할 수 있는 전략적 빅 데이터 설계 및 사려 깊은 빅 데이터 아키텍처가 필요합니다. 즉, 빅 데이터를 작동시키는 단일 템플릿은 존재하지 않습니다. 우리는 여기서 COTS에 대해 이야기하는 것이 아닙니다.
빅 데이터가 미래에 더욱 중요해질 것이라는 점을 감안할 때, 이러한 인프라는 미래 운영의 기초로 간주되어야 합니다. 따라서 자본 지출이 상당할 수 있습니다. 그러나 많은 미래 지향적인 조직과 빅 데이터의 얼리 어답터는 잘 설계된 빅 데이터 환경이 실제로 비용 절감을 가져온다는 놀라운(그리고 다소 반직관적인) 결론에 도달하게 되었습니다. 덧붙여 말하자면, 이러한 비용 절감은 상당히 클 수 있으며 비교적 효과를 빨리 볼 수 있다는 것입니다.
유연한 프레임워크를 사용하면 빅 데이터 기술과 프로그램이 기업의 여러 부분을 지원하고 비즈니스 전반의 운영을 개선할 수 있다는 점에 주목할 필요가 있습니다. 그렇지 않으면 선진적이고 야심찬 빅 데이터 프로젝트조차도 좌초된 투자로 끝날 위험이 있습니다. Gartner는 빅 데이터 프로젝트의 90%가 기업 전체에서 활용되거나 복제될 것으로 예상합니다. 미래의 빅 데이터 승자는 오늘 그 10%에 속하며, 오래 전에 작게 생각하는 것을 멈췄습니다.
매우 효과적인 빅 데이터 환경의 특성
- 원활한 데이터 세트 사용: 대부분의 성과는 데이터 세트의 혼합, 결합 및 대조를 통해 이루어지므로 통합하지 않고 애널리틱스 기반 혁신은 불가능합니다.
- 유연하고 저렴한 비용: 미래의 요구에 맞게 확장 가능하고 충분한 유연성을 갖춘, 복잡성이 낮고 저렴한 비용의 환경을 제공하는 것을 목표로 두고 있습니다. 더 큰 규모로 특정 사용자 그룹에 더 세밀하게 타겟팅할 수 있습니다.
- 안정성: 데이터 볼륨이 방대하고 사용자가 데이터에 쉽게 액세스하고 상호 작용해야 하기 때문에 안정성이 매우 중요합니다. 이러한 의미에서 인프라 성능은 빅 데이터를 통해 비즈니스 성과를 높이는 열쇠입니다.
빅 데이터 및 Hadoop: 알아야 할 기술
Hadoop은 과거에는 대부분 폐기되었을 데이터(사용하는 것이 너무 어렵고 비용이 많이 드는 이유로)를 포함하여 모든 유형의 데이터를 저장할 수 있는 파일 시스템입니다. 빅 데이터와 Hadoop의 가치는 실제로 유용할 수 있는 데이터의 즉석 모델링을 통해 제공되며, 기존 빅 데이터와 애널리틱스 환경이 통합될 때 비즈니스 통찰력이 강화될 수 있습니다.
빅 데이터 통합: 가장 중요한 변수
재사용성이 제한된다는 것은 대체로 통합이 잘 되지 않았다는 것을 나타냅니다. 실제로, 빅 데이터 성공의 방정식에서 통합이 가장 중요한 변수일 수 있습니다.
Forrester Research에 따르면 빅 데이터 가치의 80%가 통합을 통해 나온다고 설명했습니다. 이상적인 환경은 가장 가치가 높은 빅 데이터를 올바른 사용자가 쉽게 액세스할 수 있고, 비즈니스 규칙 및 거버넌스 구조가 강력하고 명확하게 정의된 환경이라고 할 수 있습니다. 레거시 트랜잭션 데이터 및 “롱테일” 고객 이력과 같은 심층 데이터 세트에는 안정적인 스토리지와 강력한 데이터 관리만 필요할 수 있으므로, 데이터 과학자와 데이터 탐색기는 필요할 때 검토하고 모델링할 수 있습니다.
빅 데이터 통합은 크게 생각하는 것을 의미합니다. 여기서 "크게" 생각한다는 것은 실제로 전체론적이고 포괄적이며 다차원적으로 생각한다는 것을 의미합니다. 각 점은 연결되어야 하고, 고립된 데이터는 결합되어야 하며, 기능적 사일로는 서로 연결되어야 합니다(완전히 분해되지 않은 경우).
높은 수준의 통합. 잘 설계된 에코시스템. 통합된 아키텍처. 데이터 및 애널리틱스 중심성. 이 특성들이 빅 데이터 프로그램을 작동하기 위해 반드시 필요한 구성 요소 또는 기술적 세부 요인이라는 것은 아닙니다. 그러나 확실히 이 특성들은 빅 데이터 프로그램이 효과적으로 작동하는 데 큰 도움이 됩니다.