태터데스크 관리자

도움말
닫기
적용하기   첫페이지 만들기

태터데스크 메시지

저장하였습니다.

월간기술동향 | '데이터'로 通하는 대한민국



이번 월간기술동향에서는 앞으로 달라질 대한민국의 모습과 이에 따라 주목받는 IT 분야를 함께 살펴보겠습니다.




'데이터 비식별화'가 핵심! - 데이터 3법 개정안 시행


‘개인정보보호법’, ‘정보통신망법’, ‘신용정보법’을 우리는 ‘데이터 3법’이라 부릅니다. 데이터를 기반으로 새로운 가치를 창출해내는 ‘데이터 경제’ 시대를 맞아 안전한 데이터 이용을 위한 데이터 3법 개정안이 올해 초 국회 본회의를 통과, 다가올 8월 5일에 시행됩니다.

데이터 3법 개정안이 궁금하다면? 주요 내용 보러가기


데이터 3법 개정은 흩어져 있던 개인정보 관련 규정을 정비하고, 모호했던 판단 기준을 명확히 하며, ‘가명정보’의 개념을 도입해 빅데이터 시대 정보 활용도를 제고하는 것을 주 내용으로 하고 있습니다. 개정안에 따르면, ‘가명정보’는 상업적 목적을 포함한 통계 작성과 연구, 그리고 공익적 기록보존 목적으로 동의 없이 활용될 수 있습니다.

 

 

‘가명정보’에 대해서 조금 더 알아볼까요? 추가정보의 사용 없이는 특정 개인을 알아볼 수 없게 조치한 정보를 가명정보라고 하는데요. 가명정보가 법의 테두리 안으로 들어오면서, 개인정보를 가명정보로 처리하는 ’비식별화’ 기술이 주목받고 있습니다. 비식별화는 데이터셋에서 개인을 식별할 수 있는 요소 전부 또는 일부를 삭제하거나 대체하는 방법을 활용해 개인을 알아볼 수 없게 하는 방법입니다. 

데이터 3법 개정안 시행을 앞두고 시행하고 있는 ‘마이데이터’ 사업까지 더불어, 활용 가치가 큰 데이터를 축적해온 금융·공공 분야의 데이터 비식별화 수요가 급속도로 증가하고 있는데요. 엑셈의 관계사 ‘아임클라우드’도 민감정보 비식별화 솔루션 “SDGUARD”를 발표하며 데이터 비식별시장 공략에 본격적으로 나섰습니다. 엑셈의 빅데이터 분석 및 컨설팅 역량과 아임클라우드의 데이터 비식별화간의 시너지 효과가 기대되네요.

4차산업혁명의 원유로 불리는 데이터의 활용! 데이터 3법의 개정으로 비식별화 기술 발전과 다양한 데이터의 결합, 데이터 기반의 신기술 개발 등 우리나라의 데이터 기반 경제 발전, 기대해봐도 좋겠죠?

>>관련 기사



4차 산업혁명 기술의 총집합 - 한국판 뉴딜


지난 월간기술동향에서 '한국판 뉴딜'의 3대 영역 프로젝트와 10대 중점 세부 추진 과제를 살펴보았는데요. 정부는 오는 2025년까지 총 76조원의 역대급 규모를 투입하기로 했습니다.

 

 

한국판 뉴딜은 고용안전망 기반위에 디지털 뉴딜과 그린 뉴딜의 2가지 큰 축으로 추진됩니다. 디지털 뉴딜은 ▲D.N.A 생태계 강화 ▲디지털 포용 및 안전망 구축 ▲비대면 산업 육성 ▲사회간접자본(SOC) 디지털화 등이 주요 추진 사업입니다. 그린 뉴딜은 ▲도시·공간·생활 인프라 녹색전환 ▲녹색산업 혁신 생태계 구축 ▲저탄소·분산형 에너지 확산 등을 추진합니다. 

 

 

정부에서는 디지털 뉴딜 정책의 일환으로 국민 생활과 밀접한 15개 분야의 빅데이터 플랫폼과 센터의 추가 구축을 진행하고, 14만개 규모의 공공데이터를 개방하기로 했습니다. 또한 과학기술 기계 학습 데이터 구축 및 운영 시스템 개발 등 대규모 공공 데이터 인프라 구축에도 나섰습니다. 그 뿐만 아니라 5G를 기반으로 정부 업무망을 고도화하고, 행정정보시스템의 15%를 클라우드 서버 기반으로 전환할 계획도 가지고 있습니다.  


한국판 뉴딜 정책이 구체화되면서, 5G와 인공지능(AI)뿐만 아니라 다양한 빅데이터 플랫폼 구축 기회와 클라우드 전환 계획을 확인할 수 있었는데요. 엑셈의 빅데이터 사업 기회와 클라우드 통합관제 솔루션 CloudMOA(클라우드모아)의 무대가 더욱 확대될 것으로 예상됩니다. 다가올 7월 확정될 종합계획 수립 방향에 대해서도 지속적으로 살펴봐야겠습니다.


>> 관련 기사



데이터로 실현하는 초연결사회 - K-UAM


5년 뒤인 2025년이면 교통체증없이 도심 하늘을 나는 '드론 택시'가 현실이 됩니다. 정부는 지난 6월 4일, '한국형 도심항공교통(K-UAM) 로드맵'을 확정했습니다. 친환경·저소음 3차원 교통수단인 도심항공교통(UAM, Urban Air Mobility)이 안전하고 편리한 교통서비스로 단계적으로 실현, 교통체증 없는 도심 하늘 길을 개척함으로써 새로운 시간과 공간의 패러다임을 창출할 계획입니다.


국토부 주도하에 현대자동차의 개발로 진행되는 '드론 택시'는 인천공항에서 여의도까지 약40km 거리를 20분 만에 주파할 수 있어, 기존 자차로 소요되는 시간의 1/3 수준입니다. 교통이 혼잡한 출퇴근 시간의 경우 김포공항에서 잠실까지는 약73분(34km)이 소요되는데, UAM을 이용할 경우 12분(직선거리 27km)만에 도착이 가능해 약 84%의 시간을 줄일 수 있습니다. 

 

 

정부는 교통 정체로 인한 이동 효율성 저하와 물류 운송 등 사회적 비용을 70%까지 절감할 수 있을 것으로 기대하고 있는데요. 오는 11월 국내에서는 처음으로 드론 택시 시범 비행에 들어갑니다. UAM 성장 기반 마련에 박차를 가하기 위해 정부에서는 관련 규제를 연구하고 인프라를 구축하고 있습니다. 


국토부가 발표한 UAM 관련 핵심 7대 기술은 ▲수직이착륙, ▲장거리비행, ▲분선전기추진, ▲모터구동·하이브리드, ▲자율비행, ▲센서, ▲소음·진동입니다. 7대 핵심 기술도 중요하지만, 그 기반이 되는 수많은 데이터를 잘 구축하고 운영해야만 활용할 수 있겠죠? 정부가 엑셈과 같이 데이터 노하우가 집성된 기업과 함께 빅데이터 인프라를 잘 구축하고 운영한다면 대한민국의 UAM 기술 발전은 더욱 탄력을 받을 것입니다.

UAM은 대도시권에 인구가 집중되면서, 지상교통의 혼잡을 해결하는 대안으로 주목받고 있습니다. 모건스탠리는 2040년까지 UAM 시장 규모가 1조 5,000억달러(약 1,800조원)에 달할 것으로 전망하고 있고요. 드론 택시 상용화를 통해 진정한 초연결사회로 진입할 대한민국의 모습이 기대됩니다.


>> 관련 기사

조선비즈, 인천공항→여의도 20분만에 주파…2025년에 ‘드론 택시’나온다

메가경제, 한국형 도심항공교통(K-UAM)의 실증사업 일정과 7대 핵심기술




데이터로 通(통)하는 대한민국의 변화, 여러분들은 어떻게 생각하시나요?









기획 및 글 | 사업기획팀 박예영








엑기스 | SQL Server) 분할된 테이블에서 효율적으로 통계 관리하기

기술이야기/엑.기.스 2020. 6. 8. 15:55




테이블은 MSSQL에서 가장 최소단위의 데이터 집합 단위입니다.

데이터의 양이 많을수록 테이블을 읽고 쓰고 수정하는 데 필요한 비용이 늘어나는데, 이를 개선하기 위한 기능으로 분할된(Partitioned) 테이블이 존재하고, 이 기능은 관리 효율성과 성능 면에서 다음과 같은 이점이 있습니다. 



1. 데이터 하위 집합을 빠르고 효율적으로 전송하거나 액세스할 수 있을 뿐만 아니라 데이터 컬렉션의 무결성을 유지할 수 있습니다.

2. 하나 이상의 파티션에서 유지 관리 작업을 더 빠르게 수행할 수 있습니다. 

   전체 테이블 대신 이 데이터 하위 집합만 대상으로 하기 때문에 작업이 더 효율적입니다.

3. 자주 실행하는 쿼리 유형과 사용 중인 하드웨어 구성에 따라 쿼리 성능이 향상될 수 있습니다.

4. 전체 테이블이 아니라 파티션 수준에서 잠금 에스컬레이션을 설정하여 성능을 향상시킬 수 있습니다.


그리고 분할된 테이블을 사용하게 되면 통계적 측면에서도 이점이 생깁니다. 증분통계(Incremental)옵션이 그 기능입니다. 


통계는 기본적으로 인덱스를 생성할 때 같은 이름의 통계가 자동 생성됩니다. (인덱스가 없는 column을 조건으로 조회했을 때 생기기도 합니다.) 이렇게 생성된 통계 정보는 Query를 수행했을 때 사용되는 비용을 예측하여, 최적화된 실행 계획을 세울 수 있게 해줍니다. 


하지만 데이터를 수정·변경·삭제할 때 통계 데이터도 업데이트가 되고, 테이블의 모든 데이터를 기반으로 업데이트 하고 있기 때문에 그에 따른 비용이 많이 발생합니다. 비효율적인 예시로, 최근 대량의 데이터가 삽입, 수정, 삭제되는 상황에서는 과거 데이터에 대한 통계에 변화가 없습니다. 


하지만 통계가 업데이트가 될 때에는 테이블의 전체 데이터를 기반으로 샘플링하여 업데이트를 하게 되고, 과거 데이터까지 포함하여 통계 업데이트가 되기 때문에 이 부분에서 비효율이 발생합니다. 증분 통계는 그 비효율을 감소시킬 수 있습니다.


이제 Partition의 효율을 확인하기 위해 일반테이블과 분할된 테이블의 조회에 대한 I/O 비교와 일반 통계와 증분 통계의 통계 업데이트에 쓰이는 I/O 비교를 해보겠습니다.




일반 테이블

1. 효율을 확인하기 위해 테스트용 테이블 TestSalesOrderDetail을 생성하였고, 해당 테이블의 구조입니다.


2. 인덱스는 ModifiedDate 컬럼에 Non Clustered로 생성하였습니다.



3. 전체 테이블의 row 수는 약 378만이고, 단독 Partition으로 구성되어 있습니다.



4. 해당 쿼리를 수행하면 Table Scan을 하게 됩니다. 모든 데이터를 스캔하여 제시된 조건에 맞는 데이터만 결과 집합으로 나타냅니다.

   논리적 읽기를 44,274만큼 합니다.








분할된 테이블


1. 파티션 데이블은 데이터를 특정 컬럼(ModifiedDate)에 기준을 만들어서 분할하는 테이블입니다.


2. TestSalesOrderDetail에서 ModifiedDate 컬럼을 연도별로 기준을 지정했고, 그 기준에 따라 분할되어 저장했습니다.



3. Partition을 각각 확인해보면, 전체 테이블의 row 수는 약 368만이고, 

   1번 partition은 6,718, 2번은 315,247, 3번은 1,875,219, 4번은 1,482,530입니다.



4. 이전과 동일한 쿼리를 수행하면 Table Scan을 하지만, 테이블의 전체 데이터를 스캔하지 않고, 

   제시된 조건이 포함하는 Partition만 스캔하여 결과 집합으로 나타냅니다. 

   논리적 읽기를 4,519로 일반 테이블에 비해 1/10 정도 감소한 것으로 볼 수 있습니다.






5. 일반 테이블과 분할된 테이블의 StmtText를 비교해 보면, 분할된 테이블에서는 

   조회하고자하는 데이터가 속한 Partition을 먼저 탐색한 후에 스캔을 하기 때문에 논리적 읽기 수를 많이 줄일 수 있습니다. 

   위가 일반, 아래가 Partitioned 테이블의 동일한 쿼리에 대한 StmtText입니다.





일반적인 통계


1. 일반적인 테이블이나 분할된 테이블에서 인덱스를 생성하면 모두 통합된 통계로 생성됩니다.

   아래에 보이는 것은 내부적으로 수행되는 Trace인데, 통계를 생성하기 위한 I/O가 쓰이는 것을 볼 수 있고, 

   통계 데이터를 조회해보면 테이블의 전체 데이터를 기반으로 샘플링하는 것을 확인할 수 있습니다.



2. 특정 파티션에 해당하는 데이터만 변경했을 때에도 옵티마이저는 테이블의 전체 데이터를 샘플링하여 통계를 업데이트합니다. 

   (샘플링은 데이터 양에 따라 비율이 조정됩니다.) 테이블이 분할되어 있어도 통계 데이터는 분할되어 있지 않기 때문입니다. 

   통계가 자동 업데이트 될 수 있도록 임계치 이상의 데이터를 업데이트 하였고, 관측한 통계 업데이트에 사용되는 I/O는 1,947입니다.





증분 통계


1. 이런 비효율을 해결할 수 있는 옵션은 Incremental(증분 통계) 업데이트 입니다.



2. 이 옵션은 테이블이 Partitioning 되어있을 경우 ON/OFF 할 수 있는 옵션이며, SQL Server 2014 이상 버전에서 사용이 가능합니다.


3. 옵션을 ON으로 설정하게 되면 기존의 통계를 분할된 통계로 재생성하게 됩니다.



4. 분할된 통계로 구성된 이후에 데이터를 수정하거나 변경이 있어 통계가 업데이트 되는 경우, 모든 데이터의 통계를 업데이트하지 않고 변경된 데이터가 속한 Partiton의 통계만 업데이트하게 됩니다. 통계 업데이트에 쓰이는 I/O는 185로 일반 통계에 비해 1/11 정도 감소한 것을 알 수 있습니다.




분할된 테이블 및 증분 통계 옵션을 통한 기대효과를 아래 표로 정리하며 마무리하겠습니다.


<분할된 테이블 및 증분 통계 옵션을 통한 기대효과>










기고 | 신기술본부 김국현

편집 | 사업기획팀 박예영








월간기술동향 | '한국판 뉴딜'이라는 추진력






뉴딜(New Deal) 이란?


<NEW DEAL, 출처 : 주한미국대사관>


게임에서 카드를 바꿔 새로 친다는 뜻으로, 미국 제32대 대통령 루스벨트가 대공황으로 침체된 경제를 살리기 위해 추진했던 경제 부흥 정책을 말합니다. 정부가 적극적으로 각 부문에 개입하여 경제 문제를 해결하려 한다는게 뉴딜 정책의 가장 큰 특징입니다. 7년이라는 장기간에 걸쳐 진행된 뉴딜정책은 단순한 경제정책에 그치지 않고 정치·사회 전체에도 큰 영향을 끼쳐 미국의 전통적인 자유방임주의를 수정하게 되었으며, 미국 경제정책의 틀을 만들고 도약의 기반을 마련했다는 역사적 의의가 있습니다.






한국판 뉴딜은?


한국판 뉴딜 정책은 경제 디지털화 가속과 비대면화 촉진 등에 중점을 두어 디지털 경제 혁신과 동시에 지속가능한 일자리를 창출하는 것을 목표로 하고 있습니다. 아래 3대 영역 프로젝트를 중심으로 10대 세부 중점 추진 과제를 마련하여 2~3년간 집중 추진할 예정입니다.


<한국판 뉴딜 프로젝트, 필자 재구성>


<3대 영역 프로젝트 및 10대 중점 세부 추진 과제>



1. 데이터·5G·AI 등 디지털 인프라 구축

(1) 데이터 전주기 인프라 강화 
  - 공공·금융·의료 등 주요 분야 데이터 개방·확대
  - 민간 데이터 맵 구축 등 데이터 거래·유통 지원 강화
  - 데이터·AI 펀드 조성 등 데이터의 산업적 활용 기반 마련

(2) 국민체감 핵심 6대 분야 데이터 수집·활용 확대
  - 금융 : 비금융정보 기반 신용평가업 도입, 금융 마이데이터 산업 제도 마련
  - 의료 : 마이데이터 서비스 플랫폼 구축, 의료데이터 활용전략 마련
  - 교통 : 교통 빅데이터 플랫폼 구축
  - 공공 : 데이터 SOS팀 운영, 데이터 진위 조회 신규서비스 도입
  - 산업 : 제조데이터 수집·저장센터 구축
  - 소상공인 : 상권정보시스템에 POS 데이터 활용, AI 기반 상권분석정보 제공

(3) 5G 인프라 조기 구축
  - 네트워크 고도화를 위해 민간 5G 전국망 조기 구축 촉진
  - 공공와이파이 등 공공 정보통신망 확충

(4) 5G+ 융복합 사업 촉진
  - 제조업 등 산업 현장에 5G+ 실감 콘텐츠를 접목해 디지털 전환 가속화
  - 안전·교통 등 분야에 5G+ 스마트시티 기술 도입

(5) AI 데이터·인프라 확충
  - 음성·행동 인식, 언어·시각 정보 이해 등 AI 학습용 빅데이터 조기 구축
  - AI·소프트웨어(SW) 전문인력 집중 양성

(6) 전산업으로 AI 융합 확산
  - 제조업 전반 및 중소·벤처기업 등에 지능형 생산 공정 도입
  - ‘AI 융합 프로젝트’를 통해 전 분야로 혁신 AI 서비스 확산

2. 비대면 산업 집중 육성

(7) 비대면 서비스 확산 기반 조성
  - 맞춤형 교육 콘텐츠를 제공하는 AI 기반 원격교육지원 플랫폼 구축 등 미래형 디지털 교육 환경 조성
  - 보건소 모바일 헬스케어, 화상연계 방문건강관리 등 디지털 기반 비대면 의료 시범사업과 코로나19 방역 계기 시범사업 확대

(8) 클라우드 및 사이버안전망 강화
  - 블록체인 등 첨단기술을 활용한 비대면 서비스 보안 시범 사업 추진
  - 공공부문 클라우드 정보 시스템 확대
  - 점차 증가하는 사이버 보안 위협에 대비해 정보보호 전문인력 양성 확대

3. 사회간접자본(SOC)의 디지털화

(9) 노후 국가기반시설 디지털화
  - 도로 철도 등 노후 시설물 스마트 관리체계 도입
  - 국가기반시설 관련 데이터 수집·가공·공유 확대

(10) 디지털 물류서비스 체계 구축
  - 도심 인근이나 유휴부지에 스마트 물류센터 등 첨단 물류 시설 확충
  - 로봇, 사물인터넷(IoT) 등 첨단 물류기술 실증을 위한 테스트 베드 구축

6월 초 하반기 경제정책 방향 발표 때 세부 추진 방안을 발표할 계획이라고 하니, 세부적인 사업과 함께 일자리 창출 규모 등 경제적 효과까지 확인할 수 있겠습니다. 



*한국판 뉴딜 정책 요약*

1.  포스트 코로나 시대의 경제, 사회 구조 변화에 대응하기 위한 정책

2.  디지털 인프라 구축에 집중 (원조 뉴딜 정책과 다른 점!)

3.  비대면 서비스 기반 다지기, 클라우드 및 사이버 안전망 강화

4.  도로, 철도 등 노후된 사회간접자본에 스마트 관리체계 도입

5.  6월초 세부 추진방안을 발표할 예정 & 올해 안에 집행 가능한 사업은 3차 추경에 반영






4차 산업혁명 기술의 폭발

빅데이터, 인공지능, 클라우드



지난 10일, 문재인 대통령은 취임 3주년 대국민 특별연설에서 "한국판 뉴딜은 디지털 인프라를 구축하는 미래 선점 투자"라며 "5G 인프라 조기 구축과 데이터를 수집, 축적, 활용하는 데이터 인프라 구축을 국가적 사업으로 추진하겠다"고 말했습니다.


이렇게 코로나19 사태로 인해 디지털 트랜스포메이션이 더 앞당겨지고, 정부 역시 여기에 초점을 맞춘 '한국판 뉴딜 정책'을 발표했습니다. 대한민국의 강점 중 하나인 IT 기술을 중심으로 산업 전 분야의 디지털 대전환이 기대되는데요. 특히 의료·교육 등 비대면 산업 인프라 육성, 디지털 기반 대형 IT 프로젝트 추진 등이 시행될 것으로 예상되어 IT 업계가 다시 한번 주목을 받고 있습니다. 방대한 데이터를 클라우드에 축적하고, 모인 데이터를 분석하고, 또 인공지능을 이용해 경제 전 영역에서 생산성과 경쟁력을 높일 수 있어 빅데이터, 인공지능, 그리고 클라우드와 같은 기반 기술이 필수적이기 때문이죠.


'한국판 뉴딜' 정책과 빠르게 진행되고 있는 클라우드 전환 패러다임은 엑셈이 영위하는 사업이 더욱 성장할 수 있는 추진력을 제공하고 있습니다. 엑셈이 갖춘 DBPM, APM&E2E 모니터링, 빅데이터, 인공지능, 클라우드라는 사업 포트폴리오는 향후 어떠한 위기에도 흔들리지 않는 기회로 작용할 것입니다.









내용 참고 및 출처

파이낸셜뉴스, 홍남기 "한국판 뉴딜, 디지털화 가속·비대면화 촉진에 중점" (종합)

뉴시스, '한국판 뉴딜' 밑그림 나왔다...핵심은 '비대면·SOC 디지털화'

조선비즈, [속보] 文대통령 "한국판 뉴딜, 국가 프로젝트로 추진...국민에 새로운 기회 제공"





기획 및 글 | 사업기획팀 박예영







엑기스 | InterMax의 변화

기술이야기/엑.기.스 2020. 5. 15. 15:58






많은 사랑을 받고 있는 엑셈의 InterMax가 한단계 더 진화했습니다.

고객이 조금 더 편리하게 사용할 수 있도록 개선된 내용을 소개합니다.




1. APM의 효율적인 Application 병목 분석을 위한 콜트리 표현 개선안


APM 에서 Application 병목 현상을 분석하기 위해 콜트리(Class & Method)를 수집합니다. 콜트리를 수집하는 방법은 통계 기반 콜트리와 시계열 기반 콜트리의 2가지 유형으로 분류 가능하고, 유형별 장단점이 있습니다. (아래 [콜트리 유형 및 장단점 비교] 참고)


통계 기반 콜트리 표현의 장점이 많긴 하지만, 시계열 기준으로 분석을 꼭 해야만 장애분석이 가능한 경우가 분명 존재 하기 때문에 (특히 금융 거래 패턴 업무) 두 가지 유형을 모두 APM 에서 제공하는 것이 바람직합니다. 


<콜트리 유형 및 장단점 비교>


InterMax 의 관련 처리 개선 내용


- 통계 or 시계열 콜트리를 선택적으로 사용 할 수 있게 개선

  특히 모니터링 대상(Agent) 별로 통계 or 시계열 콜트리를 선택적으로 사용 할 수 있게 함으로써 해당 모니터링 대상 분석에 적합한 것을 선택해서 사용하도록 처리

- 보통 사이트 장애 분석 시 시계열 분석이 필요 없는 Agent는 별도의 설정 없이 Application의 중요 내용을 상세하게 모니터링 할 수 있는 통계 기반 콜트리로 Setting 하고, 장애 분석 시 꼭 시계열 기준의 분석이 필요한 Agent에 대해서는 시계열 콜트리로 설정해서 분석 진행하는 하는 것이 바람직하다고 판단


<통계 or 시계열 콜트리 선택적 적용>



2. 업무별 방문자 수 Validation의 중요성


시스템을 사용하는 사용자가 얼마나 많은지에 대한 판단 기준이 되는 방문자 수는 보통 주기적으로 업무 보고에 사용되는 APM 수집 주요 성능 지표 중에 하나입니다. 업무 담당자는 방문자 수의 추이로 어떤 업무에 방문자가 몰리고 있는지, 그리고 인프라 담당은 시스템의 증설 판단 기준으로 활용할 수 있습니다. 


그래서 이 값의 Validation이 정확치 않으면 업무담당 or 인프라담당의 의사 결정에 CRITICAL한 실수를 유발 시킬 수 있습니다. 방문자 수는 보통 개별 Agent 기준이 아닌 Agent 의 Group으로 대표 되는 업무 기준으로 정확히 추출하는 것이 중요한데요. 


웹 환경을 예로 들어서 설명 드리면 Web Browser에서 서비스 요청 시 동일 사용자의 요청은 여러 Agent(WAS)에서 처리가 될 수 있어 Agent 기준으로 방문자 수를 unique하게 산출하여 Agent 그룹인 업무로 SUM을 하게 되면 Agent 개수 만큼 동일 사용자수가 중복 될 수 있기 때문에 정확한 업무별 unique 방문자 수 산출을 위해서는 업무에 속한 Agent 대상 모두를 바라보고 unique 한 방문자수 처리를 해야 합니다.


▶ InterMax 의 관련 처리 개선 내용


모든 업무별 방문자 수 추이를 볼 수 있는 방문자 통계 화면을 제공

기존 방문자 통계는 업무별 Unique한 방문자 수가 아니었으나, 업무 기준으로 Unique한 데이터를 추출하여 제공하는
  업무별 방문자 수 분석 결과를 제시하도록 개선 
(시간, 일 단위로 업무별 방문자 통계 분석이 가능하도록 추가 개선)


<방문자 통계 - 업무 기준 통계 개선>




3. 사용자 정의형 – Query 통계 기반 보고서 생성 필요성


APM Solution 을 포함한 기타 SMS, NMS, DPM etc 의 모든 모니터링 Solution 들은 보고서 기능을 포함하고 있습니다. Solution에 따라서 Reporting tool 과 연계하여 상대적으로 보고서 기능이 강한 제품도 있고 상대적으로 보고서 기능이 약한 Solution 도 있습니다. 보고서 기능이 아무리 뛰어나더라도 고객의 모든 사용자 보고서를 자동으로 만족시킬 수 없는 한계는 존재 합니다. 그래서 사용자가 직접 통계 정보 추출용 쿼리를 생성하여 데이터를 추출해서 보고서화 할 수 있는 기능이 있으면 사용자가 얼마든지 쿼리 기준으로 본인이 원하는 항목에 대해 값을 추출 할 수 있습니다. 


또한 성능 테스트 과정에서도 참조하기 위한 값을 실시간으로 추출한다던지, 활용 범위가 많아 쿼리 베이스의 데이터 추출 기능은 여러 가지 업무에 도움을 줄 수 있습니다. 일단 어떤 상황에서든 필요에 의해 임시로 만들어둔 쿼리 베이스의 추출 데이터를 정기 보고서로 사용하길 원한다면 해당 쿼리 기준으로 고객이 원하는 화면을 추후 제공하는데 참조 할 수도 있습니다.


InterMax 의 관련 처리 내용


- 이미 Script Manager를 통하여 통계 추출을 위한 사용자 정의형 쿼리를 작성하여 저장하고, 보고서 생성 화면에서 해당 사용자 정의형 쿼리를 선택하여 리포트를 자동 생성할 수 있는 방향으로 기능을 개선

- 기존 보고서는 내부적으로 정형화(고정된) 항목내에서만 보고서 작성이 가능하였으나, 사용자 정의형에서는 작성/등록된 사용자 쿼리를 선택하여 원하는 통계 정보를 리포트로 생성할 수 있게 추가/개선


<쿼리 베이스의 보고서 제공>




4. 트랜잭션 처리 시간에 대한 패턴 분석의 의미


Application 장애가 발생 전 정상적인 트랜잭션 처리 응답시간이 나오지 않고 가로, 세로 줄을 서는 패턴을 종종 보게 됩니다. 이 패턴이 보이면 추후 업무가 되지 않는 큰 장애와 연관될 확률이 높아 이 패턴을 최대한 빠르게 인지 할 수 있으면 장애 전 사전 대응이 가능해짐으로 인해 업무의 안정성을 확보하는데 도움이 됩니다. 가로, 세로 줄서는 패턴이 보이는 CASE에 대한 Application 처리 상황을 간단히 정리하면 아래와 같습니다.


<가로, 세로 줄서는 패턴이 보이는 CASE에 대한 주요 원인>


위와 같은 트랜잭션 응답 시간 처리 패턴에 대한 분석을 AI(머신러닝)기반으로 한 차원 더 깊게 분석이 가능하게 되면 좀 더 다양한 트랜잭션 응답 처리 시간 패턴에 대해 세분화된 장애 징후를 미리 인지 할 수 있을 것으로 판단됩니다.


InterMax 의 관련 처리 내용


- 트랜잭션 모니터의 가로 세로 패턴 감지를 통한 알람 발생 기능 추가


<트랜잭션 이상 징후 탐지 - 트랜잭션 가로 세로 분석>




앞으로도 지속적으로 고객에게 최고의 솔루션을 제공할 수 있도록 노력하겠습니다.











기고 | 신기술본부 장일홍
편집 | 사업기획팀 박예영


월간기술동향 | '언택트'가 대세다!






최근 코로나19로 인해 ‘언택트’가 화제입니다. 


많은 기업들은 재택근무로 전환했고, 학생들은 원격수업이라는 새로운 공부방식을 마주했습니다. 목회자들도 유튜브 라이브 등 온라인으로 설교했습니다. 뿐만 아니라, 콘서트·전시회·공연·축제를 비롯해 결혼식까지 온라인으로 진행하기도 했습니다. 


오프라인이 아니면 안될 것 같았던 많은 일들이 온라인으로 진행되고 있습니다.



<출처 : pixabay>



지속적으로 활발해지는 비대면 산업


사실 언택트는 1인 가구의 증가, 대면 소통보다 디지털 커뮤니케이션에 익숙해진 ‘디지털 네이티브’의 등장 등으로 인해 코로나 사태 이전부터 꾸준히 확산되고 있었습니다. 흔히 우리는 카페나 식당에서 키오스크를 통해 점원이 없어도 주문이 가능하고, VR/AR 등을 활용해 시간과 공간의 제약 없이 맞춤형 서비스를 이용할 수 있죠. 


특히 이번 코로나19로 비대면 의료서비스, 재택근무, 원격교육, 비대면 배송, 드라이브스루, 간편결제 등 디지털 기반의 비대면 산업이 더욱 활발해졌습니다. 기존 2030대 뿐만 아니라 4050 연령대의 비대면 소비도 크게 증가했고요.




비대면 산업을 위해서는 IT 인프라가 필수


이 모든 것들이 가능했던 건 대한민국이 4차산업혁명 기술을 잘 활용했기 때문입니다. 키오스크부터 로봇 무인매장, 인공지능 챗봇까지 고도화 되는 기술로 비대면 서비스가 확장되었습니다. 


또한 클라우드, 빅데이터 등 IT 환경의 획기적인 발전도 영향을 주었습니다. 이번 코로나 사태로 인해 갑작스러운 온라인 쇼핑 증가·재택근무·온라인 강의 등으로 폭증한 트래픽을 기존 전산실 서버가 감당할 수 없었다고 합니다. 3월 세계 인터넷 트래픽이 30%나 증가했다고 하는데, 클라우드는 시간도 부족한 상황에서 단기간 폭증한 트래픽을 모두 감당해냈습니다. 


이렇게 언택트 문화에 따른 비대면 산업 육성을 위해서는 클라우드 등 IT 인프라가 꼭 필요합니다. 이를 증명이라도 하듯 클라우드 관련 기업의 가치는 수직 상승이 예상된다고 많은 경제 전문가들은 말하고 있고요.



<출처 : pixabay>



국가 차원의 포스트 코로나 시대 준비


지난 4월 14일, 문재인 대통령은 코로나19 사태 이후의 불확실한 상황에 선제적으로 대비하며 위기를 기회로 삼겠다고 밝혔습니다. 비대면 산업을 빅데이터, 인공지능 등 4차산업혁명 기술과 결합한 기회의 산업으로 적극적으로 키워나가겠다는 방침인데요. 디지털 기반의 비대면 사업을 적극적으로 육성해야 한다고 주문했습니다. 


이어서 과기정통부는 디지털 기반의 ‘포스트 코로나’ 태스크포스(TF) 가동을 본격화했습니다. ICT 산업에 대한 추가적인 지원과 함께 언택트 비즈니스 분야의 기술개발과 사업화 지원도 강화해나가겠다고 발표했습니다. 


이에 한국정보화진흥원은 포스트 코로나를 준비함에 있어 디지털 전환이 중요하다는 점을 강조하고, 이를 가속화하기 위해 5G, 클라우드 등 디지털 인프라를 강화하고 인공지능(AI)-빅데이터-클라우드로 이어지는 혁신기술의 통합적 연계·활용 정책을 추진해야 한다고 강조했습니다. 




언택트 문화의 확산과 정부의 비대면 산업 육성 정책은 엑셈에게 호재!


언택트 문화의 확산과 정부의 비대면 산업 육성 주문은 관련된 기술과 시장에 대한 관심을 끌었습니다. 특히 코로나19 사태를 계기로 기업들의 클라우드 전환 속도가 빨라지고, 관련 수요가 급증하는 상황은 클라우드 네이티브 시장을 활성화 시키는데 한 몫했죠.


데이터3법 통과, 비대면 산업 육성 계획 등을 발판으로 엑셈의 클라우드 네이티브 사업분야와 인공지능을 활용한 IT 운영관리 분야의 수요가 더욱 활성화 될 것으로 기대됩니다.











내용 참고 및 출처


더 팩트, 文대통령 "포스트 코로나 시대 준비…비대면 산업 육성"

이투데이, 과기정통부, 디지털 기반 ‘포스트 코로나’ TF 가동

뉴스핌, [힘내! 대한민국] ‘언택트 라이프’ 이끈 코리아 ICT의 힘






기획 및 글 | 사업기획팀 박예영







월간기술동향 | 코로나가 불러온 변화, 재택근무와 클라우드





코로나19가 대한민국 직장인 업무 패턴을 완전 바꿨습니다.

출퇴근 시간 조정 등 유연근무제가 확대 실시되기도 하고, 교대로 재택근무를 실시하는 기업도 있습니다.

많은 기업들은 재택근무를 채택했는데요. 코로나19로 인해 재택근무 중인 직장인 수가 10만명을 넘어섰다는 통계도 있습니다.



<이미지 출처 : 매일경제>



재택근무로 업무 공백이 우려되기도 하지만, 선제적으로 클라우드 시스템을 개발 또는 적용해온 IT 기업들은 오히려 자율근무 생산성 강화의 기회로 삼고 있습니다. 

실제로 미국의 포브스(Fobes)의 설문조사 결과나 씨트립(Ctrip)의 재택근무 실험을 보아도 재택근무 실시 후의 생산성은 더 높아졌습니다.

100% 재택근무로 운영하는 회사에 대한 관심도 늘고 있고요.



<MS의 코로나로 인한 재택근무 생산성 분석 결과(좌), 출처 : ZDNet Korea, 뱅크샐러드의 재택근무 능률 향상(우), 출처 : 뱅크샐러드 블로그>


어떻게 생산성을 높였을까요? 

여러 요인이 있겠지만, 가장 중요한 것은 재택근무에 적합한 인프라를 잘 구축해두는 것이 기본입니다. 클라우드 환경이 잘 구축되어 있다면 회사에서 일하는 것과 다름없이 집에서도 업무처리가 가능하기 때문입니다. 클라우드 기반으로 화상회의나 원격제어를 실시하고, 

무와 관련한 데이터를 개인 PC에 저장하지 않고 중앙 서버에서 관리할 수 있어 외부 해킹으로부터도 안전합니다. 실제로 클라우드 환경 구축에 대한 문의가 기존 대비 2배 이상 증가했다는 기사도 확인할 수 있었습니다. 





클라우드라고 다 같은 클라우드가 아니죠! 클라우드 환경도 다양한 형태로 변화하고 있습니다.

공개망에서 누구나 접근 가능한 퍼블릭 클라우드, 하나의 조직에서만 사용 가능한 공개되지 않은 프라이빗 클라우드퍼블릭 클라우드와 프라이빗 클라우드, 온프레미스를 혼합하여 사용하는 하이브리드 클라우드, 하나 이상의 퍼블릭 클라우드를 사용하는 멀티 클라우드 등의 형태입니다. 


특히 하이브리드 클라우드에 대한 관심이 높습니다. 하이브리드 클라우드를 사용하면 퍼블릭 클라우드와 프라이빗 클라우드/온프레미스의 장점을 결합하여 비즈니스에 최적화된 인프라를 구성할 수 있기 때문입니다.


이렇게 최근들어 급증하고 있는 다양하고 복잡한 IT 인프라와 서비스를 효율적으로 운영하기 위해서는 통합적으로 관제할 수 있는 단일 관리 솔루션이 필요합니다. 설치 편의성과 확장성을 고려해 클라우드 네이티브 아키텍처로 설계된 클라우드 모아(Cloud MOA)는 하이브리드 클라우드 환경의 대규모 IT 인프라와 서비스를 인공지능을 활용해 통합적으로 관제할 수 있는 솔루션입니다. 




이렇게 코로나19 사태로 인해 업무 환경의 디지털 트랜스포메이션이 가속화되어 클라우드와 클라우드 모니터링에 대한 수요가 급증하고 있는 시장에서 엑셈의 기술력은 더욱 빛을 발할 것으로 기대됩니다.








기획 및 글 | 사업기획팀 박예영




엑기스 | 지능형 전력 빅데이터 예측, AutoML이 답!

기술이야기/엑.기.스 2020. 3. 13. 16:38






인공지능(AI)과 전력 빅데이터 분석


인공지능은 센스나 장비, 기기 등의 현 상태를 모니터링 하는 단순 영역부터 복잡하고 불확실한 미래상황을 추론하는 영역까지 다양한 영역에서 적용되고 있다. 가트너에서는 AI가 2021년까지 3천 3백조원의 비즈니스 가치와 7조 시간을 절약하는 업무 생산성 향상을 가져다 줄 것으로 예상하고 있다. 기계학습(머신러닝, Machine Learning)이나 심층학습(딥러닝, Deep Learning)은 모두 인간의 지능을 대체한다는 점에서 인공지능이라고 정의된다.


최근 데이터 과학과 데이터 사이언티스트의 부족으로 인해 자동 기계학습(Auto ML) 영역이 급속도로 커지고 있다. Auto Machine Learning이란, 데이터만 있다면 자동으로 분석 모델을 학습하고 갱신하여 최적의 분석 알고리즘을 추천, 업무에 적용하는 것이다. 분석 전문 지식이 없는 일반 사용자도 쉽게 머신 러닝 분석을 자동으로 생성하고 활용 가능하다. Auto ML 소프트웨어 툴의 수는 단 2년 만에 300%가 증가하였는데, 자동화된 데이터 과학 도구에 대한 다양한 정의, 기대 및 회의론과 모델 개발 및 배포에 대한 개선된 접근 방식 등의 변화로 이루어졌다.

전력 분야에서는 자원 및 시설의 효율적인 관리와 함께 문제 및 변칙의 적시 감지, 전력 수요 및 서비스에 대한 효과적인 예측을 위해 빅데이터와 AI 기술을 활용하고 있다. 다수 빅데이터 프로젝트가 진행되고 있으며, 플랫폼 및 인프라, 에너지 대용량 데이터 모니터링 및 분석, 스마트 시티, 스마트 홈 및 전기 자동차의 수요 예측, 새롭고 혁신적인 에너지 서비스 등의 분야를 포함한다.


데이터 분석 기법과 프로세스

데이터 분석의 80%가 머신러닝 기법을 이용하고 있다. 머신러닝은 비지도, 지도, 심층, 강화 학습 등으로 나뉘고, 최근 Gradient Boosting Tree와 Random Forest와 같은 머신러닝 앙상블 모델을 분석에 주로 활용한다. 현재 머신러닝 자동화 제품으로 가능한 분석 기법은 지도학습(Supervised Learning)이다. 예측하고자 하는 변수(목표변수, 결과)를 분석하기 위해서는 결과(정답)가 있는 과거 이력 데이터가 필요하기 때문이다. 일부 상용 머신러닝 플랫폼 중 머신러닝 자동화가 가능한 제품은 비지도학습 기법인 주성분 분석(Principal Component Analysis)과 K-Means 분석을 활용해 결과 예측력을 높이는 기능도 제공한다.


일반적인 데이터 분석 프로세스는 데이터 준비 – 데이터 저장 – 구조화 – 전처리 – 모델 평가 – 모델 학습 – 예측 데이터 수집 – 모델 배포 – 예측과 실제 결과 비교 – 모델 관리 모니터링 – 시각화 – 인사이트 발굴의 12단계이며, 대표적인 전통적 데이터 분석 프로세스는 아래 3가지가 있다.


그렇다면 전통적인 IT 프로젝트와 빅데이터 분석 프로젝트의 차이는 무엇일까? 전통적인 프로젝트는 기존 프로세스를 파악해 개선된 프로세스를 기반으로 시스템과 제품, 생산 등의 효율성과 비용절감을 강조하지만, 빅데이터 분석은 예측을 통해 가치를 창출하는데 초점을 맞춘다.




머신러닝 플랫폼의 종류와 평가 프레임워크



가트너에서 매년 발표하는 Magic Quadrant의 2020년 데이터 과학과 머신러닝 플랫폼 부문을 보자. 2020년으로 넘어가면서 전통적인 머신러닝 플랫폼인 SAS가 다시 리더 포지션으로 올라왔고, KNIME이 작년 리더 그룹에서 비저너리 그룹으로 내려온 점이 주목할 만 하다. 또한 Databricks, Dataiku, DataRobot 등이 새로운 포지션으로 이동했다. 

데이터 사이언티스트들은 오픈소스로 모델을 구현하는 경우가 많지만, 모델 구현 후 모델 배포 관점에서 상용 플랫폼을 선택하는 경우가 많다. 상용 플랫폼의 경우 모델 배포 및 모델 활용을 위해 Rest API 지원이 편리하고 용이하기 때문이다. 또한 다수의 상업 플랫폼이 이용 가능한 머신러닝 플랫폼이 R과 Python을 같이 쓸 수 있도록 지원하고 있다. 외산 Auto ML 제품군에서는 DataRobot과 H2O가 국내 지원을 하고 있다. 


Auto ML 평가를 위한 일관성 기준도 있다.

① 데이터 연결성 

② Summarization, Exploration & Cleansing을 포함한 데이터 처리의 기능 및 자동화

③ 데이터 변환 및 피쳐 선택을 포함한 피쳐 엔지니어링에서의 기능 및 자동화

④ 하이퍼 파라미터 튜닝, 문제 유형 및 앙상블을 포함한 학습 알고리즘의 기능 및 자동화

⑤ 데이터 및 모델 성능 시각화

⑥ 모델 성능 평가 역량

⑦ 제품 GUI, 코드 배포 및 포함을 비롯한 배포 옵션

⑧ 가격 책정


대표적 Auto ML인 데이터로봇의 기능과 특장점을 살펴보자. 

① 데이터 탐색 → 100+여개 기법 중 최적 모델 선택 → 최적의 하이퍼 파라미터 기준으로 모델 구현 → 분석 모델 배포 → 배포된 모델 관리

② 로지스틱 회귀, 랜덤 포레스트, 서포트 벡터머신, Lasso 회귀, 베이지안, 신경망 모델 등 100+여개의 분석 모델 중 최적 모델 선정

③ 사람이 아닌 기계를 통한 최적화로 모델 구현 공수 70% 감소 효과






Auto ML을 통한 전력사용량 예측


1분석 목표와 범위 : 전력 데이터를 활용한 고객 사용량 예측

공개된 임의의 과거 3년의 전력 사용량을 활용하여 전력사용량을 예측하는 분석 수행을 통해 예측 분석 모델링을 하고자 한다. 계약정보 및 사용량 패턴을 통해 고객별 일별 전력사용량을 예측하는 모델을 구축했다.


2. 분석 결과 및 활용 : 전력사용량 예측 모델 활용

분석한 모델을 웹서버에 배포하여 실시간으로 전략 사용량 예측 가능성을 타진하였고, 가상의 임의의 데이터를 평균값으로 입력 후 전략 사용량을 예측했다.



가상환경 환경 시뮬레이션을 통해 전력사용량을 재계산한 결과 전력 사용량이 174601.56kWh로 변경되었다.



3. AI기반 지능형 전력 빅데이터의 활용
향후 전력 사업 분야에서도 새로운 비즈니스와 가치 창출을 위해 Auto ML을 활용할 것으로 예상하며, AI 기반의 전력 분야에서 자원 및 시설의 효율적인 관리, 문제 및 변칙의 적시 감지, 전력 수요 및 서비스에 대한 효과적인 예측을 위해 빅데이터 및 AI 기술을 활용할 수 있는 지능형 빅데이터 분석 플랫폼이 필요할 것이다.









기고 | 빅데이터사업본부 조치선
편집 | 사업기획팀 박예영








월간기술동향 | 코로나19 사태로 본 조기 경고의 중요성






각종 사업분야에 영향을 미친, 주식시장이 큰 타격을 받은, 중국의 설 연휴가 엉망이 된 코로나 바이러스. 

세계 41개국에서 발병했고, 확진자 81,068명, 사망자 2,758명의 무시무시한 수치를 보여주고 있습니다. (2월 26일 오후 4시 기준)


이 어마어마한 코로나19를 미리 예측하고 경고한 회사가 있는데요. 캐나다의 인공지능 스타트업 BlueDot(블루닷)입니다. 

WHO에서 발표하기 17일 전인 12월 31일, 보고서를 통해 우한 지역의 바이러스를 경고했습니다. 인공지능(AI)의 힘을 제대로 보여주었죠.




<출처 : Shutterstock>




블루닷의 의미있는 예측


블루닷은 어떻게 빠르고 의미있는 예측을 할 수 있었을까요?


블루닷이 자연어 처리기술(NLP)과 머신러닝으로 분석하는 데이터는 인터넷 데이터 뿐만 아니라 매일 65개국에서 생산하는 10만 개의 공식 자료까지 포함합니다. 여기에 WHO와 신흥 질병 모니터링 프로그램 등의 데이터, 모기와 진드기 분포, 가축 개체 수와 동식물 전염병 네트워크 모니터링, 각 지역의 기후와 온도 데이터도 수집합니다. 또한 항공사로부터 매년 40억 개의 티켓 판매 및 항공 경로 등에 대한 데이터를 수집합니다. 


그리고 블루닷에는 데이터분석가, 프로그래머 뿐 아니라 의학 전문가들이 함께 근무합니다. 인공지능이 빅데이터 분석을 완료하면 내부 분야별 의학·역학 전문가들이 분석이 의학적으로 타당한지, 잘못 추론한 점은 없는지 검수합니다. 특히 이 과정에서 당국의 역학조사 결과를 반영해 보고서의 공개 여부를 결정한다고 합니다.


이렇게 블루닷은 빅데이터 분석의 오류를 피하기 위해 인터넷 데이터 뿐만 아니라 당국의 실시간 데이터와 항공 운항 데이터, 역학분석까지 반영했습니다.


새로운 바이러스는 빨리 식별해서 백신을 만드는 것이 가장 중요합니다. 그리고 사람들에게 최대한 빨리 경고하면 확산을 저지하는데 도움이 됩니다. 블루닷의 조기 경고(알람)이 중요한 이유죠. 




한국 코로나 사태 3월 20일 정점, 최대 1만명 감염?


2월 26일 JP모건의 보험팀이 내놓은 전망입니다. 한국의 코로나19 사태는 3월 20일이 정점이고, 최대 감염자 수는 1만명에 달할 것이라고 밝혔습니다. 대구 시민 240만명중 3%가 바이러스에 노출됐고, 중국과 비슷한 양상으로 2차 감염이 일어난다고 가정한 결과라고 합니다.


<국내 '코로나바이러스감염증-19' 확진자 현황, 2월 26일 16시 기준 (출처 : 중앙재난안전대책본부)>


위 그래프는 매일 2회씩 발표하는 국내 확진자 수 그래프입니다.

위 데이터를 토대로 추세선을 그려보면 4월 19일 즈음에는 1만명이 확진될 것으로 예상할 수 있겠습니다.


<국내 확진자 현황을 바탕으로 그려본 추세선>


하루에 수백명씩 확진자가 나오는 국내 상황에서, JP 모건에서 자체적으로 만든 모델로 예측한 결과가 맞는다면 어떻게 만든 모델일지 살펴볼 필요가 있겠네요. 하루 빨리 이 사태가 진정되길 바랍니다.




조기 경고의 중요성


이렇게 블루닷의 사례 외에도 많은 곳에서 질병에 대한 조기 예측을 하고 있습니다.

AI의 조기 경고에 대해 우리는 더 관심을 가져야 합니다. 실제로 외환위기, 지진과 같은 자연재해, 질병, 도로정체 등 산업 분야를 막론하고 AI 기반 조기경보시스템을 활용하고 있습니다. 인공지능이 장애를 미리 예측하고 이상 징후를 알려줌으로써 빠른 대응이 가능해지고 있죠.


<Anomaly Detection>


IT 인프라에도 문제가 생기기 전 장애 상황을 예측해 선제적으로 대응할 수 있도록 하는 솔루션이 있습니다. 

바로 엑셈의 XAIOps(싸이옵스) 인데요. 

기업의 인프라와 애플리케이션 데이터를 실시간으로 수집하여 부하 특성과 패턴을 학습하고, 장애상황을 예측합니다. 또한 AI를 활용해서 실시간 모니터링 대상 데이터의 성격과 분석 목적에 맞는 학습 모델을 선택 적용하고 있습니다. 미래 상황을 미리 예측하게 되면 IT 인프라 관리·운영의 부담도 줄어들고, 시간과 비용이 감소하는 효과까지 톡톡히 누릴 수 있겠죠? 




물론 인공지능만을 맹신해서는 안될 일이지만,

우리 인간과 기계가 서로 협업하는 증강지능(Augmented Intelligence)으로써 인공지능의 폭넓은 활용을 기대해볼만 하겠습니다. 






출처 및 참고자료

T Times, 구글처럼 하지 않아 코로나 바이러스 예측한 AI 스타트업

중앙일보, JP모건 "한국 코로나사태 3월 20일 정점, 최대 1만명 감염"











기획 및 글 | 사업기획팀 박예영









엑기스 | MaxGauge와 카카오톡 연동

기술이야기/엑.기.스 2020. 2. 10. 19:15






현재 MaxGauge에서 알람이 발생하면 Mail 또는 SMS로 해당 알람을 발송해주는 기능이 있습니다.

최근 들어 SMS(문자)보다 카카X톡, 라X, 위X과 같은 어플리케이션 사용이 늘어나면서,

알람을 어플리케이션으로 받고 싶어하는 고객사가 증가하고 있습니다. 


그래서 고객들의 니즈를 반영하여 카카오톡으로 MaxGauge 알람을 전달받을 수 있는 기능을 구현해보았습니다. 




사용한 기능


1. 카카오 API

카카오에서 제공하는 모든 플랫폼에 대한 API를 제공하고 있습니다.


2. Apache Tomcat

서블릿 컨테이너만 있는 웹 어플리케이션 서버이며 Java 환경을 제공합니다. 

HTTP서버도 자체 내장하기 때문에 아파치 톰캣을 이용하여 사용자가 원하는 환경으로 서버를 구축할 수 있습니다.

이 프로젝트에서는 Apache Tomcat은 MaxGauge의 Jetty와 동일한 역할을 수행하도록 구현했습니다. 


3. HTML

웹페이지를 만들기 위한 언어로 웹브라우저 위에 동작하는 언어입니다. 

제목, 단락, 목록 등과 같은 본문을 위한 구조적 의미 뿐만 아니라 

사진, 링크와 그 밖의 항목을 구조적 문서를 만들 수 있는 방법을 제공합니다. 

이 프로젝트에서는 MaxGauge의 Admin 페이지의 한 부분을 수행하도록 구현했습니다. 





현재 구조는 위와 같은 구조로, MaxGauge에서 SMS서버 또는 SMTP서버의 Database에
알람 내용을 포맷된 형태로 Database에 Insert를 해주면 해당 서버가 명시된 담당자에게 알람을 전달합니다. 



카카오API를 사용하면 어떤 구조일까요?


MaxGauge에 알람이 발생하면 DB에 Insert부분까지는 동일하지만, 별도의 서버가 필요하지 않은 구조입니다.
알람 발송 시 DB Insert하는 목적지 DB를 수집서버의 DB내로 지정하게 되면 
굳이 다른 서버에 DB를 구축하지 않아도 카카오 API를 통한 메시지 보내기가 가능합니다.



어떤 차이점이 있나요?


1. 문자나 메일은 발송하기 위한 서버가 있어야 합니다. 

   하지만 카카오API를 사용하여 알람을 전송하게 될 경우, 발송전용 서버를 구성할 필요가 없어집니다.


2. 발송된 알람을 확인하기 위한 접근성이 용이합니다. 

   현재 문자보다 카카오톡을 이용하는 사용자가 증가함에 따라 접근성이 문자보다 편리하며, 

   메일로 발송할 경우 즉각적으로 알람 확인이 불가합니다. 




카카오 API를 통한 기대효과

1. 비용 감소
 - 구축 비용 감소
 - 건당 비용 감소

2. 편의성과 확장성 증가
 - 문자나 메일보다 간편하게 빠른 장애 인지 가능
 - 1:1 실시간 상담 지원
 - MaxGauge 관련 정보 전달 및 기술지원을 다양한 방식으로 전달 (ex.챗봇)



구현 화면 소개

1. 카카오 API의 서비스를 사용하기 위해 카카오 계정으로 로그인


2. 로그인 후, 작동하기 버튼을 클릭하면 Insert된 데이터 값을 가져온 후 API를 통해 전송








※ 위 내용은 실제로 MaxGauge에 구성되어 있는 것은 아닙니다.
실제 고객사 중에서 카카오 비즈앱으로 맥스게이지와 카카오톡을 연동하여 사용하는 곳이 있습니다.
비즈앱을 이용하기 위해서는 사업자등록번호를 통한 인증이 필요하며,
본문에서 사용한 카카오 API는 비즈앱에 있는 기능을 개발자API를 이용해 구현한 것임을 알려드립니다.






기고 | 신기술본부 신대원
편집 | 사업기획팀 박예영




월간기술동향 | 2020년 주인공은 모빌리티?






매년 초, 미국 라스베이거스에서 열리는 CES(Consumer Electronics Show, 소비자 가전 전시회) 행사는 세계 최대 IT 전시회로, 가장 빠르게 한 해의 혁신 기술들을 살펴볼 수 있는 자리입니다. 올 해 CES 2020도 뜨거운 열기 속에 종료되었는데요. 유난히 주목을 받은 분야가 있어서 이번 시간에 다뤄보려고 합니다.




모빌리티


지난 해에 이어서 올해 CES 현장도 자동차 분야에 집중하는 모습이 많았어요. 기존 자동차 회사들은 업계의 경계를 넘어선 다양한 모빌리티 솔루션을 제시했고, 자동차 회사 뿐만 아니라 IT 기업 등 다양한 기업들도 미래 모빌리티 서비스를 선보였습니다.

산업 분야를 막론하고 통신, 반도체, IoT, 센서, 배터리 등 다양한 기술이 집약된 모빌리티 시장을 주목한 것이죠.



자동차 분야


▶ 현대자동차 




현대자동차는 우버와 손을 잡고 미래 스마트 모빌리티 비전을 공개했습니다. UAM(Urban Air Mobility : 도심 항공 모빌리티) - PBV(Purpose Built Vehicle : 목적 기반 모빌리티) – Hub(모빌리티 환승 거점)을 축으로 하는 비전인데요. 고객에게 끊김없는 이동의 자유로움과 차별화된 경험을 제공하는 것이 핵심입니다.



▶ 도요타

<도요타가 그린 미래 스마트 시티, 출처 : MOTOR GRAPH>


도요타는 후지산 인근에 첨단 미래 모빌리티 기술이 집약된 스마트 시티를 조성하겠다고 선언했습니다. ‘Woven city’라는 이름의 이 도시에는 도요타 직원과 연구자, 관계자 및 가족들이 거주할 예정이라고 하는데요. 이 도시에서는 자율주행차량만 운행되고, 각 가정마다 가정용 로봇이 상주할 뿐만 아니라, AI가 거주자의 건강을 수시로 점검해줍니다. 

아예 스마트 도시를 직접 구축하고 필요한 에너지부터 이동 수단 공급, 초연결 지능 등을 직접 완성하겠다고 하니 앞으로의 진행 과정을 유심히 볼 필요가 있겠습니다.





자동차 이외 산업


▶ 삼성전자


<삼성전자 디지털 콕핏 2020, 출처 : M Auto Daily>


삼성전자는 5G 기반 ‘디지털 콕핏 2020’을 선보였습니다. 디지털 콕핏은 CES 2018에서 처음 공개해 매년 진화하는 기술을 보여주고 있는데요. 운전 환경의 변화로 인해 차량이 새로운 생활공간으로 변모함에 따라 5G를 기반으로 차량 내부와 주변을 연결해 보다 더 안전하고 편리한 생활을 경험할 수 있게 하는 기술 솔루션입니다.


또한 세계 최초로 5G 기술을 적용한 TCU(Transmission Control Unit, 차량용 통신 장비)를 BMW에 공급, 2021년에 양산되는 BMW의 전기차 ‘iNEXT’에 탑재될 예정이라고 밝혔습니다.




▶ LG전자

<CES 2020 LG전자 부스 '커넥티드카', 출처 : LG전자 블로그>


LG전자는 전시관 내에 별도로 ‘커넥티드카 존’을 마련하여 차량용 가전기술이 담긴 자율주행차 모형을 전시했어요LG전자가 보여준 미래형 자율주행차에는 소형 의류관리기와 냉장고 등이 설치됐고, 인공지능 플랫폼 ‘ThinQ’ 와의 접목도 이루어졌습니다.

또한 LG전자의 사업적인 움직임도 주목할 만 합니다. 지난 8일, 룩소프트(Luxoft)와 차세대 자동차 분야 협력을 위한 조인트 벤처를 설립해 지능형 모빌리티를 위한 시스템과 서비스 등을 개발할 예정이라 밝혔고, 이어서 10일에는 마이크로소프트(MS)와 MOU를 체결하며 모빌리티 사업 확대를 시작했습니다.



▶ SK그룹

<SK 그룹의 모빌리티 혁신, 출처 : MEDIA SK>


SK그룹은 ‘Evolution for future mobility’를 주제로 계열사를 아우르는 모빌리티 비전을 제시했습니다.

SKC는 SKC가 세계 최초로 상용화한 차량 경량화가 가능한 PCT 필름, 미래 자동차 내부 디스플레이에 사용 가능한 투명 PI 필름, 
자동차 내장재용 친환경 폴리우레탄 넥스티올을 공개했습니다.

SK이노베이션에서는 리튬이온배터리분리막(LiBS), 전기차용 친환경 윤활유, 그리고 자동차 경량화 소재를 공개했고,
SK하이닉스는 자율주행차용 AI 솔루션과 5G 솔루션을 전시했습니다.

SK텔레콤은 차량용인포테인먼트(IVI)와 전기차 배터리, 반도체, 자동차 소재를 전시했고, 
또한 자율주행의 눈이라 불리는 차세대 라이다를 공개했습니다. 라이다는 레이저를 목표물에 비춰 사물과의 거리 및 다양한 물성을 감지하고 이를 3D 영상으로 모델링할 수 있는 기술인데요. 자율주행의 눈 역할은 물론 향후 다양한 분야에 널리 사용 가능할 것으로 기대하고 있습니다. 오는 2021년 상용화 예정이라고 하네요.

SK텔레콤은 또한 CES 현장에서 ‘중국의 테슬라’로 불리는 전기차 스타트업 바이톤과 업무 협약을 체결했습니다. 차량 통합 서비스 시스템(IVI)의 개발과 적용, 마케팅 지원 등에 협력한다고 합니다. 



▶ SONY(소니)

<소니의 콘셉트카 '비전S', 출처 : MOTOR GRAPH>


소니는 5G, AI, 이미지 센서 등 미래 혁신을 이끌 핵심 기술과 신제품을 공개했는데요. 이미지 센싱 기술과 차량용인포테인먼트(IVI)가 탑재된 전기차 ‘비전-S’를 공개해 주목을 받았습니다. 특히 소니의 강점 중 하나인 이미지 센싱 기술을 활용한 자율주행 기능이 돋보였어요. 
소프트웨어 업데이트를 통해 운전자 역할이 필요 없는 레벨4 수준의 자율주행 단계로 발전시킬 수 있다고 합니다.

요시다 켄이치로 CEO는 다음 메가트렌드가 모빌리티가 될 것이라며, 소니의 견고한 기술력을 바탕으로 계속해서 진화할 것이라 밝히기도 했습니다.



▶ BOSCH(보쉬)

<보쉬의 AI 차량 내부 모니터링 시스템, 출처 : BOSCH>


독일의 보쉬는 2025년까지 모든 제품에 AI를 적용한다는 청사진을 공개했습니다. 특히 이번 CES에서는 AI를 활용한 차량 내부 모니터링 시스템을 선보였는데요. AI와 카메라 기술을 결합해 운전자가 졸거나 안전벨트를 하지 않았을 때 경고하는 시스템으로, 2022년 상용화 계획이라고 하네요.



▶ 반도체 회사, intel(인텔)과 Qualcomm(퀄컴)

<퀄컴의 자율주행차 칩을 내장한 차, 출처 : 조선비즈>


인텔은 2017년 인수한 자율주행 차량용 회사 모빌아이를 내세워 자율주행 솔루션 상품(ADAS, Advanced Driver Assist System) 개발 현황과 맵핑 기술 현황을 전시했어요.

퀄컴은 자율주행 전용 플랫폼 ‘스냅드래곤 라이드’를 공개했는데요. 자율주행차를 지원하는 퀄컴의 첫 완성형 시스템으로 자동 비상제등과 교통표지판 인식, 차선 유지 보조기능을 갖췄습니다. 고속도로 주행, 주차, 교통정체 대응도 지원하고, 올 상반기 중 제품 개발을 들어가 오는 2023년 상용화 계획입니다.



▶ Amazon(아마존)

<아마존 모빌리티 부스, 출처 : aws>


아마존도 자동차 업체들을 위한 새로운 서비스를 소개했습니다. 자동차에 아마존의 AI 비서 알렉사를 탑재하거나, 개별 제품 형태로 제공하는 것인데요. 알렉사를 스마트홈이나 스마트 오피스에서 자동차 영역으로까지 확대 적용한다는 의미입니다.
 
알렉사는 이미 아우디, 포드, 렉서스, 링컨, 도요타의 일부 모델에 탑재되어 있는데요람보르기니의 ‘후라칸 에보’등에도 추가적으로 알렉사를 탑재한다고 발표했습니다. 또한 자동차에 알렉사를 통합할 수 없는 경우에는 자동차용 알렉사 서비스인 ‘에코 오토(Eco Auto)’를 선보여 활용할 수 있도록 했습니다.





위 언급된 기업 외에도 구글은 구글 AI 비서와 안드로이드 오토를 탑재한 BMW X5와 볼보 XC40 체험존을 마련했고, 
벤츠는 전기차 브랜드 EQ의 세단 콘셉트카 ‘비전 EQS’ 전시함과 동시에 영화 아바타에서 영감을 받아 제작한 콘셉트카 ‘비전 AVTR’를 공개했습니다. 
그리고 BMW는 시판중인 도심형 전기차 i3를 기반으로 차 내부를 호텔과 같은 구조로 구성한 ‘i3 어반 스위트’를 전시했습니다.

이번 CES는 산업간 경계가 갈수록 무의미해지면서 각 산업 분야를 넘나들며 미래 먹거리를 모색하는 전략을 살펴볼 수 있었습니다. 미래 모빌리티 비즈니스로 융합된 앞으로의 산업에 주목할 필요가 있겠는데요.

이 모든 산업의 핵심은 바로 '데이터'입니다. 지속적으로 늘어나는 빅데이터를 잘 운영하고, 또 운영을 잘 관제해야만이 미래 경쟁력을 가질 수 있겠죠? 엑셈은 오랜기간 데이터를 연구해왔고, 초연결사회에 적합한 관제 솔루션도 갖추고 있습니다.
초연결사회, 데이터 중심 시대의 엑셈의 행보를 기대해주세요.





내용 참고 및 출처









기획 및 글 | 사업기획팀 박예영