Cloud Scale Analytics 101: Chapter 1 What is cloud scale analytics?

조직에서 분석을 준비하는 비결은 데이터가 상주하는 모든 장소에서 데이터를 병합하고 규정에 맞는 구조로 변환하여 전체 데이터를 요약된 형태로 볼 수 있게 만드는 것입니다.

예를 들어 송장 시스템에서 개별 주문 품목에 대한 레코드를 가져오고, 웹 분석 시스템에서 고객이 웹 사이트에서 누른 각각의 클릭 동작과 시점에 대한 데이터를 가져올 수 있습니다. 하지만 분석의 진가는 그러한 모든 데이터를 한 리포지토리로 가져온 다음 적합하게 변환하여 고객 1인당 지출 총액과 같은 중요 정보를 추출해 내고, 이를 사이트의 특정 영역 방문과 연결해 볼 때 드러납니다.

모든 데이터를 사일로화된 위치에서 가져오면 퍼즐 조각이 서로 맞기 시작합니다.

모든 데이터를 사일로 위치에서 가져와서 그러한 사일로 중 하나에 있는 고객 데이터가 다른 사일로의 동일한 고객 데이터와 매치되도록 구성함으로써 고객 행동에 대한 진정한 통찰력을 얻을 수 있습니다. 그리고 모든 데이터를 적합한 구조로 가져오면 개별 데이터 행을 넘어 데이터 집계를 보고, 작은 이벤트 대신 거시적인 현상을 관찰하기가 더욱 쉬워집니다.

분석은 마법이 아님

거만하게 들릴지도 모르지만, 그런 용어로 분석을 설명하다 보면 너무 추상적이 될 위험이 있습니다. 그러니 분명히 말씀드리겠습니다. 분석 기능은 마법이 아닙니다. 사실 그렇게 복잡하지도 않습니다. 데이터에서 정보를 얻는다고 하면 신기하게 들리겠지만, 그런 과정을 운영 표준에 포함시킬 수 있습니다.

분석을 클라우드에 도입하고 대규모로 수행하면 그 가치는 더욱 높아집니다.

데이터 사일로의 종말도 누릴 수 있습니다.

이제 매출의 전반적인 추세를 파악하는 한편 웹 사이트를 자주 방문하거나, 가끔 방문하거나, 거의 방문하지 않는 고객 그룹으로 세분화할 수 있습니다. 카탈로그 시스템에서 데이터를 수집한 다음 그러한 분석을 제품 범주 또는 개별 제품별로 세분화할 수 있습니다. 신중한 계획을 통해 이러한 모든 추세 분석으로 판매 패턴과 추세가 어떻게 나타날지 예측하는 머신 러닝 모델을 구축할 수 있습니다.

이것이 바로 분석의 가치입니다. 그러나 클라우드에서 분석을 대규모로 실시하면 그 가치는 더욱 높아집니다.

클라우드에서 데이터를 더 많이 추가할수록 분석 구조는 탄력적이고 경제적으로 확장됩니다. 클라우드 워크로드의 유연성은 데이터가 다양해질수록 효과를 발휘합니다. 각 데이터 출처의 구조 수준이 서로 다를 수 있고, 데이터 볼륨도 서로 다른 속도로 누적되기 때문입니다. 클라우드에서는 서비스 하나로 필요한 수준의 유연성을 얻을 수도 있지만, 여러 가지 서비스를 하나로 묶어 동일한 데이터에 사용할 수도 있습니다. 클라우드 스토리지는 플랫폼 표준이 공통이기 때문입니다.

하이브리드 유연성도 있어 클라우드 환경의 데이터를 사내 데이터센터 (on-Premises) 데이터는 물론, 클라우드 기반 SaaS(Software as a Service) 애플리케이션의 데이터와도 통합할 수 있습니다. 또한 플랫폼 계층의 보안 및 개인정보 보호와 함께 데이터베이스, Data Lake 및 애플리케이션에 스택을 전파하는 데 필요한 도구 및 기술을 사용할 수 있습니다.

최신 데이터 웨어하우스, 실시간 분석 기능 및 머신 러닝 기술을 이러한 방식으로 함께 사용하면 분석의 장점과 동시에 클라우드 규모 분석의 효용성, 경제성 및 위력도 누릴 수 있습니다.

거만하게 들릴지도 모르지만, 그런 용어로 분석을 설명하다 보면 너무 추상적이 될 위험이 있습니다. 그러니 분명히 말씀드리겠습니다. 분석 기능은 마법이 아닙니다. 사실 그렇게 복잡하지도 않습니다. 데이터에서 정보를 얻는다고 하면 신기하게 들리겠지만, 그런 과정을 운영 표준에 포함시킬 수 있습니다.