글로벌 DBMS 벤더들이 제시하는 최선의 데이터 전략

[컴퓨터월드] 오늘날 전 세계 모든 기업들은 데이터 중심적인(data driven) 비즈니스 프로세스를 구축하는 것을 중요한 목표로 삼고 있다. 업계를 가리지 않고 폭발적으로 증가하고 있는 데이터들을 효과적으로 수집하고 이를 비즈니스에 활용하고자 하는 것은 모든 기업들이 당면하고 있는 목표다.

유통업계의 경우 고객을 이해하고 더 다양한 서비스를 제공하기 위해 온라인·오프라인을 가리지 않고 민첩하게 고객 데이터를 확보해 분석하고 있으며, 금융업계에서는 사기 행위 등을 탐지하고 막아내기 위해 실시간으로 수많은 데이터들을 확인해야만 한다.

이러한 문제는 비단 새롭게 생성되는 데이터에 대해서만 일어나는 것은 아니다. 오랜 역사를 가지고 있는 기업들은 그동안 축적된 데이터에서 새로운 인사이트를 찾을 수는 없는지 끊임없이 탐구하고 있으며, 그동안 역량 부족으로 분석할 수 없었던 데이터들을 활용하기 위해 머신러닝이나 인공지능(AI)과 같은 최신 기술을 도입하고 있다.

이에 본지에서는 글로벌 DBMS 벤더들을 중심으로 효과적인 데이터 저장에 대한 취재를 진행해, 데이터 중심적인 비즈니스 프로세스 구축을 지원하기 위한 벤더들의 전략에 대해 들어봤다.

< 아마존웹서비스(AWS) >
최적의 인사이트를 얻기 위한 단일한 데이터 레이크 전략
AWS는 자사 고객들이 저장하는 데이터의 양이 매년 2배씩 늘어나고 있다는 점을 먼저 지적했다. 데이터는 이미 폭발적으로 증가하고 있다. 이들은 금융권의 거래 데이터, 유통업계에서 생성되는 고객의 주문 데이터, CCTV나 위성 등에서 생성되는 이미지 데이터, IoT 센서 등에서 생성되는 스트리밍 데이터 등 저장해야 하는 데이터의 종류 역시 다양해지고 있다.

데이터의 수집뿐만 아니라 분석과 활용 면에서도 다양화가 이뤄지고 있다. 과거에는 전문적인 역량을 갖춘 직원만이 데이터를 다룰 수 있었지만, 오늘날 데이터의 소비자는 매우 다양해졌다. 이들은 비즈니스 사용자 및 분석가, 데이터 분석가와 데이터 과학자 등으로 분류되며, 소비자의 종류에 따라 원하는 데이터와 접근 방식이 달라질 수 있다.

가령 비즈니스 사용자와 분석가의 경우, 데이터 웨어하우스(DW)를 활용하는 것이 가장 친숙하다. 이들은 대시보드나 BI 도구를 활용해 DW에 저장된 데이터를 분석하며, 저장소의 부하를 줄이면서 쿼리를 날리고 최대한의 정보를 빠르게 만들어내는 것을 목표로 한다. 반면 데이터 분석가나 데이터 과학자의 경우, 복잡하고 정제되지 않은 데이터도 능숙하게 다루며 머신러닝 모델을 적용하거나 AI 시스템을 구축하기를 원하기 때문에 오히려 기존의 관계형 DBMS(RDBMS)가 더 유리하다.

< 본 내용은 컴퓨터월드의 일부 내용입니다. 전체 기사는 상단 기사링크 클릭하세요. >