코그니티브비지니스의 심 – data & analytics€¦ ·...
TRANSCRIPT
© 2017 IBM Corporation
Making Data Simple and Accessible
코그니티브 비지니스의핵심 – Data & Analytics
이지은한국 아이비엠 Analytics 사업부
© 2017 IBM Corporation 2Page
1. Why Data matter
2. Leverage Analytics in Cognitive business
3. Reference
4. IBM Analytics
5. Next Step : Data First Method
Agenda
© 2017 IBM Corporation 3Page
1. Why Data & Analytics matter Today
© 2017 IBM Corporation 4Page
Source: BCG, The Global Economic Impact of
Mobile Technologies, January, 2015.
Digital Transformation 디지털 기술의 발전은 더욱 변화를 가속화
© 2017 IBM Corporation 5Page
All about data디지털 시대의 핵심은 데이터
Volume, Variety, and Velocity of the Data are challenging
© 2017 IBM Corporation 6Page
Data as New Natural Resource새로운 가치 창출의 기회
• Improve
Customer
experience
• Optimize
Operation
• Innovate new
biz model
© 2017 IBM Corporation 7Page
Broad content targeting to generic viewers
Smarter, more individualized customer experiences
Analytics – Transforming Industry데이터 분석으로 비지니스 모델 변화를 주도
© 2017 IBM Corporation 8Page
보험 유통
Analytics – Transforming Industry모든 산업 분야에 적용
© 2017 IBM Corporation 9Page
are vulnerable
to disruption within
three years 72%
부동산 없는 숙박업체상품 재고가 없는 유통업체자동차가 없는 택시 업체콘텐츠가 없는 미디어 업체
Business As Usual is not an option: change or perish
Analytics – Disrupting Industry데이터가 리딩하는 비지니스 혁신
© 2017 IBM Corporation 10Page
Data & Analytics with Cognitive Business데이터 분석은 코그너티브 기술과 함께 진화 발전
• 데이터 분석은 코그너티브비지니스의 근간
• 코그너티브 기술은 데이터분석의 가치 증대
- 자연어 처리 기술- Machine Learning
- 비정형데이터 분석
© 2017 IBM Corporation 11Page
Where are YOU : Analytics Journey just begins
Yet only 15% of organizations have the capability to leverage
data and advanced analytics across their
organization.
HBR Insight Economy Study
© 2017 IBM Corporation 12Page
Making Data simple and accessible !
2. How to leverage Analytics in Cognitive business
© 2017 IBM Corporation 13Page
1. Organize Your Data2. Govern Your
Data3. Drive Intelligence
from Data
Make Data Simple and AccessibleAnalytics Journey - 성공의 3요소
Machine LearningOn-Premise and CloudOpen Source
Infused withSeamless between
Powered by
© 2017 IBM Corporation 14Page
Data must be complete,
applicable, and
accessible from
everywhere
Hybrid Data Management • 한번 저장하고어디서든접근가능
• 어떤 데이터베이스라도같은 SQL 을 사용할수 있도록공통 액세스레이어제공
• 오픈소스포함 다양한저장 기술옵션 필요
• 머신러닝과데이터사이언스의내재화
1. Organize Your Data 어디서든 접근 가능한 하이브리드 데이터 관리
기술요소고려사항Organize Your Data
© 2017 IBM Corporation 15Page
NOT about Cloud OR On-premises…
NOT about Traditional Relational OR Open Source…
NOT about SQL OR NoSQL…
NOT about Structured OR Unstructured Data…
It’s about Cloud AND On-premises
It’s about Traditional Relational AND Open Source
It’s about SQL AND NoSQL
It’s about Structured AND Unstructured Data
Hybrid Data Management 기술도입 전략
© 2017 IBM Corporation 16Page
Gain value
from your data
without limits
Access your dataAll sources and all types
FlexibilitySupport all data types, all workloads,all consumption models
Intelligent analyticsMake better decisions,provide smarter capabilities
Democratize accessProvide data-driven decisions to everyone
Analytics for all dataEasily query all of your data
Cloud journeySupport your data regardlessof location
Hybrid Data Management 모든 데이터를 활용하기 위한 시작점
© 2017 IBM Corporation 17Page
2. Govern Your Data 신뢰할 수 있는 데이터를 위한 통합 거버넌스 3.0
Data must be secure,
clean, and easy to find to
encourage trusted self-
service access
Unified Governance
Govern Your Data 기술요소고려사항
• Prepare, Publish, Protect
• 분석 환경을위한 거버넌스
• 정형과비정형 모두포함
• 거버넌스라이프 사이클 전략
© 2017 IBM Corporation 18Page
360°
view of all the data
Unified Governance 데이터를 사용가능하고 신뢰하도록 준비
© 2017 IBM Corporation 19Page
Unified Governance 협업이 요구되는 분석 환경의 거버넌스 지원
© 2017 IBM Corporation 20Page
3. Drive Intelligence from Data 데이터 사이언스와 시각화
Ability to drive self-service
discovery and automate
decision making to evolve
the business
Data Science and Visualization
Drive intelligence from Data 기술요소고려사항
• Descriptive : 현재 비지니스를이해• Predictive : 미래를예측• Prescriptive: 비지니스액션에활용
• 분석 플랫폼요구사항 ( 협업, 오픈소스등)
• Coder 와 Clicker 지원
© 2017 IBM Corporation 21Page
Data Science and Visualization 데이터 사이언스의 라이프 사이클
© 2017 IBM Corporation 22Page
Data Science and Visualization everywhere every day life
© 2017 IBM Corporation 23Page
Business
AnalystsData
Scientists
Application
Developers
Data
Engineers
Data Science and Visualization Team Sport – 협업의 중요성
© 2017 IBM Corporation 24Page
3. Analytics Reference stories
© 2017 IBM Corporation 25Page
매출 증가효과적인 광고 스케쥴링으로 광고매출 개선
고객 만족도 상승행동 분석에 의한 개인화 오퍼등을 통하여 고객 및 광고주의만족도 높아짐.
비용 절감외부 벤더에 의뢰하던 분석을내부적으로 더 빨리 더 정확하게수행가능
도전 과제• 다수 채널을 통하여 콘텐츠를 시청하는 고객의 행동 양식의 이해가 필요함.
• 이를 통하여 프로그램의 방영 계획에 대한 의사결정시 더 나은 의사 결정 필요
• 매우 다양한 형태의 데이터가 다양한 소스로 부터 대용량으로 서로 관련성을 가지고생성되고 있음.
• 데이터에 대한 신속한 분석으로 광고 및 방영 스케쥴링 관련 의사결정시에 즉시활용 필요
비지니스 니즈• AMC Networks 는 지난 10년간 히트 쇼를 방영하며 폭발적인 비지니스의 성장.
• TV 시장은 멀티 채널, 멀티 스트림 비지니스로 진화 발전하고 있음.
• 다양한 스트림에 걸쳐 있는 다양한 시청자와 연결하고 마케팅을 할 수 있을지에대한 니즈
• 시청자와 광고주 모두를 만족 시켜야 함.
Entertainment 사례시청자 행동 분석을 통한 Insight 활용
© 2017 IBM Corporation 26Page
UnifiedGovernance
Data Science & Visualization
외부 시청율데이터와 시청자데이터를광범위한 디지털채널로 부터수집하여 저장
데이터는가공되어통합적으로저장되어셀프서비스탐색을하는분석가에게
적시에
AMC 는성공적인쇼를예측하고
그들을언제 어떤시청자를
타겟으로방영할것인지결정
“빅데이터의진가를제대로활용하고있습니다. 광고주와시청자에게최적화된오퍼가가능합니다. 더좋은컨텐츠를만들고마케팅을더효과적으로하게되었습니다. “
Entertainment 사례시청자 행동 분석을 통한 Insight 활용
솔루션
Hybrid Management
고객 피드백
“데이터에대한 ownership 을가져야합니다. 이를통하여시청자들이누구인지그들은무엇을원하는지어떻게 그들의흥미를계속끌것인지등시청자에대한이해를잘할수있도록사용해야합니다.
© 2017 IBM Corporation 27Page
Entertainment 사례논리 웨어하우스와 데이터 사이언스 환경
Hybrid Management
데이터 니즈 와 도전 과제• 외부 시청율 데이터와 시청자 데이터를 혼합하여 저장하고 신속히 분석 필요
• 논리 데이터 웨어하우스 ( Logical Data Warehouse) 로 관리
• 최대한 단순한 방법으로 산재해 있는 데이터 소스들을 통합해야 함.
• 솔루션은 통합된 데이터 사이언스 분석 플랫폼을 지원해야 함.
• 데이터가 다양한 소스로 부터 생성되어 서청자 정보가 쪼개어져 있음.
• 분석팀은 80% 시간을 데이터 정제 및 통합등에 사용하고 20%만 실제 분석에 사용
Data science and Visualization
Do Data
Science FasterSupport Hybrid
Workloads
도입 기술• 통합 데이터 웨어하우스 어플라이언스, 머신러닝을 포함한 데이터 사이언스 플랫폼
• Common SQL 엔진, Federation 기술 , Spark 활용
© 2017 IBM Corporation 28Page
매출 증가정확한 고객 정보에 의한추천으로 원하는 상품구매율이높아 매출로 연계
고객 만족도 상승정확하고 최신의 고객정보의확보로 고객 대응시 만족도 상승
고객 경험 관리기존보다 응대가 빠른 모바일앱으로 고객 경험 향상
솔루션거버넌스솔루션으로더욱유연하게고객데이터에접근하고 응답이더빠른
모바일앱을개발하도록지원
고객정보마스터관리 데이터거버넌스체계
비지니스 니즈 와 도전과제• 1-800 flower.com 은 1976년 단일 꽃가게로 시작하여 현재는 멀티 브랜드, 옴니 채널기프트 샵 리더
• 기존 마켓을 유지하면서 고객의 사용자 경험을 향상시켜 고객 충성도를 높여야 함.
• 정확한 고객 관련 상세 정보 관리의 어려움
• 데이터가 웹사이트 클릭 정보, 카드 지불 정보 , 과거 구매 히스토리 등에 걸쳐서산재해 있음.
Online Retail 사례고객 정보 거버넌스 체계로 고객 경험 관리
© 2017 IBM Corporation 29Page
경쟁력 강화경쟁이 심한 자동차 보험시장에서 공격적으로 경쟁 우위를확보하는 계기
고객에게 옵션 제공운전 성향에 기반한 보험료제시로 저렴한 옵션 제공 가능
솔루션프로그램으로운전성향에따른차등보험료산정
각운전자를 와연동하여스코어링
운전자에게운전성향을알리고어떻게개선할지가이드
도입 하둡기술 사용 기존 논리적인통합
비지니스 니즈 와 도전과제• 경쟁이 매우 심한 보험 시장의 특성
• 미래 클레임 리스크를 감수하고 보험금을 인하할것인지 대한 밸런스 필요
• 운전자 행동 패턴 ( 브레이크 사용, 맥셀 사용 패턴등) 을 분석하여 보험료 산정에고려하고자 함.
• 고객용 대시보드, 텔레매틱스를 통한 행동 레코딩, 스코어링등의 복잡한 환경 필요
Insurance 사례운전자 행동 분석 통한 usage base 비지니스 모델
© 2017 IBM Corporation 30Page
고객 만족도 향상호텔 게스트에게 분석 기반의다양한 헤택 및 고객 경험 제공
데이터 탐색플랫폼 제공확장이 용이하고 손쉽게 액세스가능한 데이터 탐색 플랫폼
솔루션셀프서비스가가능한하둡환경을클라우드에구성
하둡과 로구성
데이터사이언티스트는 로기존 환경과 로연계
비지니스 니즈 와 도전과제• 다양한 탐색 및 시도를 하고 가정사항에 대한 테스트를 위한 별도 환경 필요
• 데이터 소스 시스템이 각각 다른 기술로 고립되어 존재
• 기존 DW 에 추가하는 것은 추가 리소스 가 필요함.
Hotel Chain 사례클라우드 기반 빅데이터 탐색으로 고객 서비스 향상
“ Cloud 기반분석솔루션으로초기데이터패턴을보고적시에혁신적인고객서비스를제공하여디지털시대의고객기대를만족시키고있습니다 “
고객 피드백
© 2017 IBM Corporation 31Page
데이터 품질 확보수집되는 모든 데이터는카탈로그화 하여 고품질 데이터제공으로 분석 결과 정확성 확보
전사 데이터 관리정형 비정형을 모두 포함하는 Data Lake 로 데이터 중복 최소화 및최적화된 데이터 흐름
솔루션분석을위한정보의통합 논리적인통합
하둡을함께활용한 구축
카탈로그서비스로데이터거버넌스강황
탐색영역강화
실시간을위한분석영역설계
비지니스 니즈 와 도전과제• 고객 정보가 여러곳에 산재
• 데이터에 대한 정보가 미흡하여 비지니스에 활용도 떨어짐.
• 비정형 데이터에 대한 분석 및 활용의 필요성
• Fraud 등 영역에 실시간 데이터 요구사항 증대
Insurance 사례빅 데이터 분석을 위한 Data Lake 구축
고객 만족도 상승실시간으로 Fraud, customer service 영역 대응을위한데이터및프로세스확보를통한대고객대응력향상
© 2017 IBM Corporation 32Page
Architecture and Solution
Watson Data Platform
4. IBM Analytics
© 2017 IBM Corporation 33Page
– Watson Data Platform
Healthcare FinancialServices
Logistics
Cloud InfrastructureA highly scalable, security enabled infrastructure
DataTools to prepare data for cognitive
AICognitive building blocks for developers
Applications, solutions and services
Targeted solutions for enterprise businesses
Ingestion
Conversation
AP
I
Storage Analytics Deployment Governance
Visual RecognitionAP
I
Discovery
AP
I
SpeechAP
I
Compare and ComplyA
PI
Document ConversionA
PI
DLaaS
AP
I
Nat Language UnderstandingA
PI Nat Language
ClassifierAP
I
ToneAnalyzerA
PI Personality
InsightAP
I
…more
Public Hybrid Private
Data Science
Virtual agentIoT
One Architecture 데이터 혁신을 위한 IBM 아키텍처
© 2017 IBM Corporation 34Page
– Watson Data Platform
DataTools to prepare data for cognitive
Ingestion Storage Analytics Deployment Governance
IBM Analytics Platform 빅 데이터 저장 분석 및 거버넌스
Information Server Db2
DW appliance ( PDA)
Hadoop ( HortonWork)Big SQL
Governance Catalog Cognos Analytics
SPSS Modeler SPSS Statistics
Planning Analytics
Data Science Experience
Watson Analytics
Watson Explorer
Decision Optimization Optim ( ILM )
© 2017 IBM Corporation 35Page
+ +DiscoverReportAnalyze
DESCRIPTIVE
데이터사이언스와시각화
ForecastCorrelateClassify
PREDICTIVE
UnderstandReasonLearn
COGNITIVE+ScheduleAllocateAssign
PRESCRIPTIVE
SPSS Modeler Decision
Optimization
Machine Learning
Data Science Experience
COGNOS
Watson Analytics
Watson APIs
SPSS Statistics
Watson Explorer
IBM Data Science 분석 및 시각화 솔루션
© 2017 IBM Corporation 36Page
– Watson Data Platform
Watson Data Platform Insight Platform-As-A-Service
© 2017 IBM Corporation 37Page
Data First Method
5. Next step
© 2017 IBM Corporation 38Page
Discovery Workshop :분석영역의 실행가능한 use case 를 정의하고 이를 지원하는분석 아키텍처를 가이드 합니다.
Next Step – Data First Method Analytics Journey 를 위한 프로세스
© 2017 IBM Corporation 39Page
Thank You