�ݺ�ߣ

© 2015 EN-CORE. All rights reserved.
4차 산업혁명 핵심:
데이터 가공 플랫폼(DMP: Data Management Platform) Data Scientist : ㈜엔코아 데이터 서비스 센터장 김옥기
Data Driven Strategy Consulting
okkim@en-core.com
아는 것과 그것을행동하는것은 다르다
생각하는하는 백성이야산다. - 함 석헌

1. 기업 Silo 효과
2. 데이터 가공 플랫폼의 중요성
3. 데이터 생태계
산업혁명 4.0의 핵심:데이터 가공 플랫폼
(DMP: Data Management Platform)

빅데이터 성공의 수면 밑의 이야기

4차 산업 혁명: 데이터 혁명

데이터 관련 산업의 본질 파악이 최우선
1. 우리가 보는 성공 사례들은 B2C 영역
2. 빅데이터 관련 산업은 B2B 영역(플랫폼, 데이터 유통)
3. 빅데이터 수요자(중간자 B)가 아직 준 내부활용 미진한 상태(기업이나 기관)

데이터 활용의 수요 측면

기업 데이터 활용 단계
1단계 2단계 3단계 4단계 5단계
비전
(Vision)
없음 생산 성과 비전 시도 각 영역별채널의효율성 전사 내부 통합 연결된가치 부여 및 인식
전략
(Strategy)
없음
고립적프로젝트,
아래로부터시도
좀더 협력적생각,
여전히사일로존재
전사적통합 CRM
프로그램
서로의이익을위해
협력하는가치 인식
고객 경험
(Customer
Experience)
개념 없음 개념 없음
이해하는사일로
수준에서집중
각 영역별연결된비즈니스
로 이해하고집중
좀더 넓은 영역 이해, 협력
협력
(Collaboratio
n)
내부 영역별로집중,
사일로(Silo)구조
초기 편협적고객위주,
사일로적
문화나동기의변화,
여전히사일로적
고객 중심,
분야별,
영역별,
재 구조 조정
고객 중심 공유,
목표 연합적협력
프로세스
(Process)
내부 영역별로집중,
사일로적
초기 자동화시기,
사일로적
사일로수준에서
비용과가치의최적화
전사 수준에서비용과
가치의최적화
초기부터끝까지실제적 최
적화 프로세스
정보 공유
(Information)
기본적정보의산재
팀 기준, 산재,
최소의인사이트
사일로수준 정보 공유,
인사이트발전 과정
전사 관여 정보 공유 및
인사이트
기업을넘어선인사이트와
정보 공유, 외부 데이터 활
용
기술
(Technology)
몹시 산재되고미미한 기술
산재 존재,
한정된역할과집중
사일로내에서
높은 수준의역할
전사 통합 수준의
높은 수준의역할
기업을넘어선높은 수준의
역할
집중 영역
(Metrics)
적은 내부적집중 영역
산재되고한정된집중 영역,
운영 내부적집중
사일로내에서효율적,
고객 집중 부족
전사적고객 집중/
균형 있는 구조
목표 공유, 균형 있는 구조,
잘 연결, 정리된
한국
미국
기업 내 데이터 활용 프레임 워크와 발전 단계
미국 2000년 초
빅데이터

현업의 문화, 정보,데이터, 조직의 사일로 존재
문화, 정보, 조직,프로세스 개선으로Silo 문제 해결
마케팅 생산 재정,회계 고객관리 상품개발
기업의 Silo effect

이젠 데이터 구축이 아닌 데이터 통합

빅데이터 활용의 대부분의 문제 -> 통합과 가공의 문제

ⓒ 2017 EN-CORE CO., LTD All rights reserved.11
Think out of Box!
-SI 차세대방식, 애플리케션 구매, 시범, 일회성 프로젝트 베이스, SILO(X)
-전사적, 단계적, 지속적, 반복적(정책, 전략, 프로세스, 구조적, 인력, IT, 문화)(O)

ⓒ 2017 EN-CORE CO., LTD All rights reserved.12
IT 주도 모델-> 연대 협력 모델IT 주도 모델  데이터 중심의 연대 협력 모델

데이터 통합  빅데이터
CRM
BI
PLM
SCM
ERP
Product
Vendor
Customer
ERP을 중심으로
데이터의 통합
내부+외부데이터
=빅데이터

데이터의 가치는 통합과 융합으로부터
내. 외부 데이터 통합의 중요성
Information
Insight
intelligence
보고서통계수집
통합+가공(분석)
고급분석+지식+실행프로세스
연결
Degrees of data integration
Efficiency&Effectiveness
분산
연결, 통합
융합

데이터 통합, 연결 예시들
Website Data Integration
FulfillmentCenter
UPS, USPS,
Fedex etc.
Zoho CRM,
Salesforce etc.
Quickboooks,
Freshbooks
Custom
Data
Integration
플랫폼 간 데이터 통합 채널 간 데이터 통합

IOT 빅데이터 활용의 성공 기업들
Internet of Things(제조혁명.4.0:스마트 팩토리)
통합, 연결
통제 센터
자동화: 센서데이터수집

데이터 활용 프로세스(수요측면)
기업, 기관의 운영 속도와 효율성 높여 수익 극대화 및 최적화 제공이 핵심
데이터 플랫폼 통합수행 내역(용역 측면)
전사운영데이터:
고객,오라클,SAP등
구매데이터:
실시간 구매, 배치 구매
웹 데이터:
정형, 비정형 데이터
기계, 위치 데이터:
정형, 비정형 데이터
데이터 수집(Extract) 웹 서비스. 소켓(Sockets), FTP, SQL., SAP
데이터 가공(Transform)
데이터 저장(data store)
SAS, Hadoop, 구매 ETL 툴, 자체 개발 툴
Hadoop, 인 메모리, RDBMS
데이터 신호, 패턴 구별
정제된 데이터베이스
데이터 신호, 패턴 선택
분석모형,기계학습 개발
모형(Model) 적용, 수행
분석 결과 데이터베이스
시계열, 통계, 이벤트, 지리 위치 등
NOSQL, 인 메모리, RDBMS
PCA, Decision tree, Chart, Clustering, 감성 분석, Regression, Outlier 등등
SVM, Neural Nets, Regression, K-NN, SVD, Matrix Factorization, GEO- Distance 등등
분석 모형 결합( Ensembles)
OLAP, RDBMS, Mem/Cashed
브라우저, 모바일 디바이스, 배치 작업 웹 서비스, FTP, Sockets
시각화, 대시보드, 시뮬레이션(Human Action) Decision, Alerts, Curricula (Machine Action)
숙
련
된
경
험
있
는
인
력
이
수
행
데이터 소스
ETL, 가공
신호 생성
분석
접근
조치(Action)
융통성 있는 데이터 수집 인터페이스
데이터에 맞는 툴 사용
현업에 맞는 환경 구축
신호 생성 알고리즘 들
데이터 접근의 최적화
의사결정을 위한 비즈니스 룰
대량 데이터의 최적화 접근
정제 → 가공 → 신호, 패턴(인사이트)→ 분석 모형 개발 → 모형 적용 → 수행 프로세스정립 → 평가
전체 작업의 60~70%
인공지능

빅데이터 VS 데이터 과학 VS 인공지능
데이터 가공 플랫폼 (DMP)
실험실의 인공지능

I물리적 빅데이터 플랫폼(설비와 소프트웨어 위주)

가공한 Clean 데이터의 연결들

데이터 가공 플랫폼(DMP)

데이터 통합은 생산성 증대와 기업의 혁신 의 기초
창업,
신 사업,
신규 매출 창출,
비용의 극대화
프로세스 혁신

데이터 가공 플랫폼 vs. 데이터 과학

데이터 중심 비즈니스사업 모델의 발전 단계
데이터 통합, 융합,
데이터 분석 경쟁력,
서비스, 활용의 내재화 전제

데이터 생태계-개인 데이터 + 사물 데이터
마케팅
미디어
정부
변호사
개인검찰
수송,택배
내부회사
은행
개인,
사물
DATA COLLECTORS
DATA BROKERS
(Service Platform Area)
DATA USERS
정보브로커
웹검색
미디어
자료집
협력사
리스트
브로커
카달로그
협력
의료
분석회사
신용정보
광고,
분석회사
인터넷
정부 미디어
소매,유통 금융,보험
제조농업
통신,모바일

대한민국 21세기 생존전략 :데이터 경제

Thank you
본 문서는 ㈜엔코아가 기밀정보 및 영업비밀을 포함하고 있으므로, 제공된 목적 외에 무단으로 복제되거나 배포될 수 없습니다.

�ݺ�ߣ

빅데이터 윈윈 컨퍼런스-4차 산업혁명 핵심:데이터 가공 플랫폼

More Related Content

빅데이터 윈윈 컨퍼런스-4차 산업혁명 핵심:데이터 가공 플랫폼