dlab big data issue report 003

7
Copyright © 2014. All Rights Reserved. DLAB logo is trademark or registered trademark of Data Engineers Lab Co., Ltd. In the Republic of Korea and other countries. Any reproduction of this document in part or in whole is strictly prohibited. 초보자를 위한 빅데이터 이해하기: 빅데이터에 관해 늘 궁금했던 것들 (빅데이터 조직과 역할 분담) Issue 003 May 16, 2014 DLAB Co., LTD. | HK-Tower 7F.,18, Digital-ro 32ga-gil Guro-gu, Seoul ,152-779 Korea | +82-2-3453-8124 | [email protected] | www.dlab.co.kr

Upload: dlab

Post on 22-Jun-2015

697 views

Category:

Leadership & Management


0 download

DESCRIPTION

일반인과 초보자를 위해 빅데이터의 이해를 돕기 위해서 DLAB에서 작성한 세번째 빅데이터 Issue Report를 공개합니다. 본 자료 "빅데이터 이해하기: 빅데이터에 관해 늘 궁금했던 것들"는 비전문가와 일반인들이 가장 궁금해 할만한 내용을 선별해서 빅데이터 전략 및 사업 기획을 제안하는 전문가와 빅데이터 분석 전문가 그리고 빅데이터 IT 컨설턴트의 감수를 거친뒤에 배포가 됩니다. 이번 주제는 빅데이터 사업을 구상하고 기획하는 모든분들의 고민, 빅데이터 조직과 역할 분담편입니다. 아무쪼록, 빅데이터를 이해하는데 조금씩 도움이 되었으면 하는 바이며 지속적인 컨텐츠 제공으로 평소 빅데이터에 관심을 가지고 있었던 많은 분들에게 도움이 되었으면 합니다.

TRANSCRIPT

Page 1: DLAB Big Data Issue Report 003

Copyright © 2014. All Rights Reserved. DLAB logo is trademark or registered trademark of Data Engineers Lab Co., Ltd. In the Republic of Korea and other countries. Any reproduction of this document in part or in whole is strictly prohibited.

 

                                                                             

 

초보자를 위한 빅데이터 이해하기: 빅데이터에 관해 늘 궁금했던 것들 (빅데이터 조직과 역할 분담)

 

Issue 003 May 16, 2014

DLAB Co., LTD. | HK-Tower 7F.,18, Digital-ro 32ga-gil Guro-gu, Seoul ,152-779 Korea | +82-2-3453-8124 | [email protected] | www.dlab.co.kr  

Page 2: DLAB Big Data Issue Report 003

초보자를 위한 빅데이터 이해하기: 빅데이터에 관해 늘 궁금했던 것들 (빅데이터 조직과 역할 분담)

Copyright © 2014. All Rights Reserved. DLAB logo is trademark or registered trademark of Data Engineers Lab Co., Ltd. in the Republic of Korea and other countries. Any reproduction of this document in part or in whole is strictly prohibited.  

2

세월호 침몰 사건으로 슬픈 시름에 잠긴 4월이었습니다.

뉴스를 통해 수많은 문제점을 접할 수 있는데 그중에 가장 큰 문제점은 바로 무능한 위기 대처능력 아니었을까 생각됩니다.

무엇보다 중앙재난안전대책본부, 중앙대책관리위원회,

해양경찰청 구조본부, 해양수산부, 중앙사고수습본부, 범부처사고 대책본부 등 여러 개의 컨트럴타워가 설치되고 서로의 역할이 겹치거나 체계적으로 운영되지 못하는 등의 문제점을 들어냈습니다.

실제 빅데이터 도입을 고민하는 업체들을 만나보면 대부분

구체적으로 어떻게 빅데이터 조직을 구성하고 운영해야 하는지 모르고 있는 경우가 많으며 팀을 구성하여도 각 구성원의 역할을 어떻게 분담시켜야 하는지 잘 모르는 경우를 자주 접할 수 있습니다.

기업이 제공하는 서비스 또는 제품의 종류 그리고 기업 문화가 서로 달라서 빅데이터 조직을 구성하는 한가지 명확한

정답을 제시하기는 힘들지만, 지금까지 빅데이터 프로젝트에 실패하거나 제대로 사업화하지 못한 기업을 지켜보면 부서별 업무 협조 및 공조가 원활하지 못하거나 자신의 업무를 제대로 파악하지 못한 채 오랫동안 빅데이터 공부만 하다가 흐지부지된 경우를 목격할 수 있습니다.

하지만 결국 빅데이터 도입을 고민하고 있는 업체들은 공통된 질문에서부터 시작됩니다. 새로운 빅데이터 조직이

필요한 것인가? 아니면 기존의 조직을 활용할 수 있는가? 그리고 해당 조직원들의 역할 분담과 협조는 어떻게 얻어낼 것인가?

그럼, 이제 빅데이터를 도입하기 위해 기업과 단체에서는 어떻게 조직을 구성하고 운영해야 하는지 비전문가들도 쉽게 이해할 수 있도록 <초보자를 위한 빅데이터 이해하기: 빅데이터에 관해 늘 궁금했던 것들>을 시작하려 합니다. 본 편은 빅데이터 조직과 역할 분담에 대한 이해를 돕고자 만들어졌습니다.

전략 경영의 이단아라는 별명을 가지고 있는 헨리 민츠버그의 조직구조 유형을 보면 기본적으로 단순조직에서 애드호크라시까지 다섯 가지의 기업구조 유형을 설명해 주고 있습니다. 그중에 가장 중요한 조직 유형은 바로 발음하기도 어려운 애드호크라시 (adhocracy) 입니다. 원래, 앨빈 토플러는 전통적인 관료조직 (bureaucracy)를 대체하는 새로운 조직을 가리키는 용어로 사용했지만 민츠버그는 다양한 분야의 전문가들이 빠르고 혁신적인 기능에 집중적으로 과제를 수행하는 고도로 유기적인 조직구조를 가리키는 조직 유형으로 설명하고 있습니다.

단순하게 표현하자면 애드호크라시는 “특별 임시조직”이라고 할 수 있으며 쉽게 말하자면 이번 세월호 침몰 사건을

지휘하고 있는 “범정부 사고대책본부” 를 떠올리면 될 것 같습니다. 빅데이터 프로젝트는 이렇게 소규모의 애드호크라시로 시작되어 일종의 POC (Proof of Concept) 과정을 먼저 수행하고 그 후 Pilot으로 움직이는 형태가 일반적이라고 할 수 있습니다. 즉, 기존에 사용되지 않던 신기술을 도입하기에 앞서 기술력을 검층하는 POC 단계를 거치고 검증이 되면 소규모 Pilot 프로젝트를 진행하게 되며 이때는 다양한 변수 (데이터 보안, 사업 비용, 분석 데이터의 용도, 기대효과 등)를 체계적으로 검토하여 사업의 향후 방향성 및 개선안을 찾는 단계로 확장하게 됩니다.

실화를 바탕으로 만들어진 톰 행크스 주연의 ‘아폴로 13’을 보면 지구에서 321,860킬로미터 떨어진 궤도에서 아폴로 13호의 산소탱크가 폭발하며 문제가 일어나자 휴스턴 임무통제센터 (MCC: Mission Control Center)에서는 NASA 엔지니어들을 즉각 소집하게 됩니다. 그리고 그들은 근사하게 문제를 해결하게 됩니다. 이처럼 애드호크라시의 특징이자

성공적인 빅데이터 도입 = 성공적인 빅데이터 조직 구성

애드호크라시로 부터 시작되는 빅데이터 프로젝트

Page 3: DLAB Big Data Issue Report 003

초보자를 위한 빅데이터 이해하기: 빅데이터에 관해 늘 궁금했던 것들 (빅데이터 조직과 역할 분담)

Copyright © 2014. All Rights Reserved. DLAB logo is trademark or registered trademark of Data Engineers Lab Co., Ltd. in the Republic of Korea and other countries. Any reproduction of this document in part or in whole is strictly prohibited.  

3

가장 큰 장점은 형식주의에 얽매이지 않으며 전문가에 의해 의사결정이 내려지는 특징을 가지고 있기 때문에 문제 해결능력과 빠른 의사 결정 그리고 창의적이고 순발력 있게 대처할 수 있는 강력한 장점을 가지고 있습니다. 하지만 동전의 양면과 같이 치명적인 단점을 포함하고 있는 것도 사실입니다.

단점을 지적하자면 전문가들끼리 내부 갈등이 고조될 수 있으며 서로의 권한 또는

책임의 한계를 정의 내릴 수 없고 자율성이 강하기 때문에 효율적인 업무 공조를 끌어내기가 힘든점을 꼽을 수 있습니다. 예를들어, 서로 전문가라고 지칭하며 본인의 판단이 옳다고 주장을 할때 교통정리를 하기 어렵기 때문에 그 순간의 상황에 따라 의견이 움직이고 잘못된 방향 또는 오판으로 인한 문제가 제기될 경우 책임을 누가 질 수 있는 상황도 아닌 흐지브지된 상황으로 결국 의견 대립이 될 수 있습니다. 또한 임시 조직이기 때문에 큰 문제가 생길 경우 결국 조직을 해산시키면 되는 상황으로 귀결 될 수 있습니다.

빅데이터 사업을 진행하겠다고 결정을 내렸다면 ‘빅데이터 조직을 어떻게 구성하고 운영을 할 것인가’라는 깊은 고민을 하게 됩니다. 더 나아가서는 독자적으로 팀을 만들 것인가 아니면 외부 전문 조직과 함께 빅데이터 조직을 만들 것인가에 대한 구체적인 고민을 하게 됩니다.

외부 전문 조직과 함께 프로젝트를 진행할 경우

그리고 내부 조직을 적극적으로 활용할 경우 모두 장단점과 특징을 가지고 있으나 대부분 국내 빅데이터 조직을 보면 내부조직과 외부조직을 함께 활용하는 경우가 일반적인 모델이라고 할 수 있습니다.

예를 들어, 빅데이터 프로젝트를 리드 및 관리 분야 그리고 빅데이터 분석 역할에 내부 조직을 적극적으로 활용하고

빅데이터 시스템 엔지니어 및 플랫폼 개발과 운영 등의 역할에 외부 조직을 기용하고 있는 경우가 많이 있습니다. 물론, 외부 전문가가 컨설팅과 데이터 분석의 임무를 수행하고 있는 경우도 있으며 내부 조직이 시스템 개발과 운영에 집약된 경우도 있습니다. 다만, 내부 조직과 외부 조직의 비중도 차이를 보일 수는 있으나 대부분 단기간의 프로젝트 기간을 설정해두고 내부 조직과 외부 조직을 함께 활용하는게 국내 빅데이터 조직 (빅데이터 애드호크라시)의 일반적인 모습이라고 할 수 있습니다.

성공적인 빅데이터 사업을 위해서는 충분한 준비기간과 비즈니스를 다각도에서 검토할 필요성이 있습니다. 물론, 상세한 빅데이터 조직 구축 프로세스와 검증 절차를 논의하기에는 각 비즈니스의 업종별, 산업별 특징과 기업의 상황에 따라 다르므로 구체적으로 내용을 언급하기는 어려운 점이 사실입니다. 하지만, 일반적으로 검토되어야 할 부분은 세가지 workflow프로세스로 나누어 생각해 볼 수 있습니다.

첫번째로 염두 되어야 할 부분은 빅데이터 분석 플랫폼을

설계 및 구축하고 시스템을 운영하며 데이터의 안전성과 데이터의 품질을 책임지는 빅데이터 시스템 개발팀입니다. 쉽게 표현하자면 개발팀으로 볼 수 있으며 구체적으로는 개발팀과 운영팀으로 나뉠 수 있습니다. 기업에서는 빅데이터 솔루션을 구매하거나 SI (System Integration) 업체를 통해 필요한 분석 솔루션을 개발 또는 커스터마이징 (Customizing)을 통한 맞춤형 솔루션 제작을 할 수 있으며 내부 인프라를 적극적으로 활용해 빅데이터 플랫폼을 직접 개발하는 방법이 있을 수 있습니다.

일반적인 빅데이터 조직 구성

빅데이터 활용 조직 Workflow

Page 4: DLAB Big Data Issue Report 003

초보자를 위한 빅데이터 이해하기: 빅데이터에 관해 늘 궁금했던 것들 (빅데이터 조직과 역할 분담)

Copyright © 2014. All Rights Reserved. DLAB logo is trademark or registered trademark of Data Engineers Lab Co., Ltd. in the Republic of Korea and other countries. Any reproduction of this document in part or in whole is strictly prohibited.  

4

두번째로는 고민해야 할 부분은 빅데이터 분석팀으로 데이터를 가공하고 데이터를 분석하여 인사이트를 발굴하는 분석팀이 필요하며 통계 전문가 또는 데이터 마이닝을 할 수 있는 분석 역량이 있는 사람이 필요합니다. 물론, 빅데이터 전문 업체를 통한 분석 서비스를 받는 경우도 있습니다. 하지만, ‘초보자를 위한 빅데이터 이해하기 1편: 데이터의 개념과 종류, 2편: 소셜 분석의 개념과 분석 개요’에서 언급되었듯 외주업체를 이용할 경우 기업 내부 데이터의 접근이 어렵기 때문에 대부분 소셜 데이터를 이용한 외부 데이터 분석 결과로 한정 될 수 있습니다.

즉, 외주업체로부터 1차 외부 데이터 (소셜 데이터) 분석 결과를 받고 기존에 기업의 마케팅 부서 또는 전략기획팀 등에서 기업의 내부 데이터와 함께 교차 분석하는 2차 분석이 이루어집니다. 이는 곧, 외부 업체와 함께 일을 하더라도 빅데이터 사업을 추진하기 위해서는 기업 내부에 분석을 해야 하는 분석팀이 꼭 필요하다는 의미를 뜻 합니다.

세번째로 깊이 생각할 부분은 분석된 정보에 가치를 부여할 수 있는 전략과 기획을 책임질 수 있는 빅데이터 활용팀이 필요합니다. 사실 빅데이터 활용팀이라고 언급할 수 있는 조직을 운영하는 기업은 매우 드물며 대부분 기업의 마케팅팀, 영업팀 또는 사업개발팀 등 이미 본업의 일을 하고 있던 조직이 빅데이터 사업화 전략과 기획 그리고 활용방안을 마련하기 위해 업무 공조를 하는 것이 일반적입니다. 기업이 어떠한 빅데이터 전략을 기획하고 활용방안을 마련해야 할지 외주 컨설팅을 통해 가이드라인을 마련할 수는 있지만 직접 전략을 도입시키고 추진하는 것은 본 사업을 추진하는 기업이 수행해야만 하는 몫이며 무엇보다 빅데이터의 가치를 끌어올릴 수 있는 가장 중요하고 핵심적인 부분이라고 할 수 있습니다.

이렇게 빅데이터 조직을 업무별로 요약하자면 개발팀, 분석팀 그리고 활용팀(기획팀) 이렇게 세가지 workflow로

요약될 수 있습니다. 구체적으로는 기획->개발->분석-> 활용 이렇게 네가지 workflow로 나뉠 수 있기 때문에 기획과 활용을 구체화 시킬 수 있는 전략은 빅데이터 사업화의 성공과 실패를 가늠할 수 있는 가장 중요한 척도가 될 수 있습니다. 그럼에도 불구하고 지금까지 기업들은 빅데이터 인사이트의 퀄리티 (분석 정보의 퀄리티)에 너무 집중한 나머지 빅데이터 개발과 분석에 가장 큰 기대를 하고 있으며 빅데이터 전략가 또는 기획자를 확보하기 보다는 분석 전문가와 데이터 사이언티스트 (Data Scientist)를 발굴하고 확보하고 육성시키는데 너무 치중된 것으로 보입니다.

정보전략계획 (ISP: Information System Planning), 전략적

정보시스템계획 (SISP: Strategic Information Systems Planning), 그리고 정보시스템 전략 (ISS: Information System Strategy) 등 다양한 정보 전략계획을 지칭하는 용어들과 방법들이 있지만, 일반인과 초보자의 관점에서 전문적인 전략계획 이론과 특징을 자세히 살펴보기에는 무리가 있다고 생각됩니다.

중요한 것은 빅데이터 사업을 추진하려는 기업이라면 전사적

추진 체계가 뒷받침되며 특화된 소규모의 조직을 통해 신속하게 혁신을 도모하고 성장을 촉진시킬 수 있는 양손잡이 조직 (Ambidextrous Organization)이 되어야 한다는 점입니다. 양손잡이 마인드와 혁신이론에 대해서는 경영의 구루라는 별명을 가지고 있는 하버드 비지니스 스쿨의 클레이튼 크리스텐스 교수, 경영 전략으로 유명한 컬럼비아 대학의 마이클 투시먼 교수 그리고 런던 대학의 크리스 맥머너스 교수 등 다양한 경영 서적과 논문에서 참고할 수 있지만 이를 단순하게 이해하기 위해서는 파괴적인 혁신 (Disruptive Innovation), 존속적 혁신 (Sustaining Innovation), 그리고 효율적 혁신 (Efficient Innovation)에 대한 기본적인 세가지 혁신에 대한 기본적인 이해가 필요합니다.

쉽게 설명하자면 빅데이터를 통해 지금까지 제공해왔던 서비스나 제품이 아닌 완전히 새로운 사업을 개발하고 신규

매출을 만들어내는 파괴적인 혁신 모델, 기존의 제품 또는 서비스를 새롭게 발전시키는 존속적 혁신 모델 그리고 기존의 비용 또는 시간을 감축 시킬 수 있는 방안을 제시하는 효율적 혁신 모델 이렇게 총 세가지 혁신 모델로 요약될 수 있습니다. 즉, 빅데이터 사업을 추진하는 기업은 총 세가지 혁신모델 중에 한가지 모델을 선정해두고 사업을 진행한다고 볼 수 있습니다. 그렇기에 빅데이터 사업을 통한 거시적인 혁신 모델을 수립하여 빅데이터 사업의 방향성을 제시해야만 세밀하고 구체적인 빅데이터 전략과 기획을 만들어 낼 수 있습니다.

전략을 위한 세가지 혁신 모델

Page 5: DLAB Big Data Issue Report 003

초보자를 위한 빅데이터 이해하기: 빅데이터에 관해 늘 궁금했던 것들 (빅데이터 조직과 역할 분담)

Copyright © 2014. All Rights Reserved. DLAB logo is trademark or registered trademark of Data Engineers Lab Co., Ltd. in the Republic of Korea and other countries. Any reproduction of this document in part or in whole is strictly prohibited.  

5

완벽한 빅데이터 조직을 구성하기 원한다면 우선, ‘완벽한 비즈니스 조직이 있는가?’ 라는 질문을 먼저 고민해보길 권장합니다. 그리고 완벽보다는 빅데이터 조직의 효율성(Efficiency)과 효과성(Effectiveness)을 끌어 올릴 수 있는 방법을 고민해 보면 빅데이터 조직을 체계적으로 구성하고 활용할 방법에 대한 실마리를 찾을 수 있게 되리라 생각됩니다.

과거 B.I. (Business Intelligence)와 B.A. (Business Analytics)의 전사적인 전략과 활용 촉진을 위한 컨트럴타워 역할을 했던 BICC (Business Intelligence Competency Center) 조직 모델과 마찬가지로 빅데이터 조직은 다양한 방식으로 편성이 가능합니다. 다만, 과거 BICC 가 독립적인 조직으로 만들기 권장되었던 것과 마찬가지로 빅데이터 조직 역시 C-Level의 지원 (Center of Excellence)을 받으며 다양한 업무 분야에 걸쳐 빅데이터 분석으로 도출된 인사이트를 전사적으로 적용하고 회사의 전략에 힘을 실어 줄 수 있도록 기존 사업 조직과는 분리된 형태의 독립 조직으로 운영하는게 좋다고 판단됩니다.

기업의 규모에 따라 달라질 수는 있겠지만, 빅데이터 조직(애드호크라시)을 CEO (Chief Executive Officer) 직속

조직으로 구성하거나 가능하다면 CAO (Chief Analytics Officer) 또는 CDO (Chief Data Officer)와 같이 빅데이터 분석으로 얻어낸 인사이트 정보에 비즈니스 가치를 부여하고 전사적으로 적용할 수 있는 최고 분석 책임자 또는 최고 데이터 책임자가 있을 때 빅데이터 조직은 더욱 구체적이고 효과적으로 운영될 수 있습니다.

또한, 외부 인력을 영입하기 보다는 내부 인력을 육성시키는 것이 장기적으로는 매우 중요하므로 빅데이터의 개발과

분석을 동시에 이해할 수 있는 데이터 사이언티스트 (Data Scientist)와 분석된 인사이트 정보를 비즈니스적으로 재해석하고 전달할 수 있는 비즈니스 기획자와 전략가를 양성시키는 것은 매우 중요합니다. 하지만 조직의 유형과 비즈니스의 종류에 상관없이 고질적으로 지적되고 있는 사일로 (Silo) 환경 [다른 부서와 협력하거나 커뮤니케이션을 하려는 동기나 의지가 부족한 조직 내 부서 간의 장벽]을 넘어설 수 있는 방법을 찾는 것이 꼭 선행되어야 하는 핵심 과제라고 할 수 있습니다.

대용량 데이터가 범람하고 있는 지금 미시적으로 예측 가능한 매출 이익과 캐시 카우 (Cash Cow)에 의존하며 빅데이터를 먼 산 보듯 하고 있다면 언제든 존속적 혁신 모델의 종착지인 ‘시장 퇴출’에 직면할 수 있습니다. 진화 생물학에서 시작된 레드 퀸 경쟁 이론 (Red Queen Competition Theory) 이 설명해 주고 있듯이 내가 아무리 조금씩 앞서가더라고 경쟁자가 두 발, 세 발 성큼 앞서 간다면 실제로는 뒤로 크게 밀려날 수 있기 때문입니다.

빅데이터가 만능은 아니며 아무리 보편화되어도 다양한 문제에 직면하게 될 것입니다. 하지만

빅데이터의 시대는 이미 찾아왔으며 이제는 빅데이터를 어떻게 받아들이고 경쟁력을 확보할 수 있을지 진지하게 고민 할 때 입니다. 빅데이터 전략과 기획 그리고 사업화 방안과 조직 구성을 마치 불교에서 말하는 돈오(頓悟)처럼 일순간에 탁! 하고 얻을 수는 없겠지만, 꾸준히 고민하는 사고와 행동의 순환을 통해 지속적인 질문과 감탄을 되풀이하며 얻는 물음느낌표, 인테러뱅 (Interrobang)이 우리 모두에게 필요한 것 아닐까 싶습니다.

세월호 침몰 사건을 바라보며 미흡했던 초동 대처, 체계적이지 못한 위기관리, 컨트롤타워(애드호크라시)의 역할 부재와

부처별 사일로 (Silo) 문제 등 각종 문제점을 접하며 빅데이터를 활성화 시킬 수 있는 핵심은 고급 분석이 아닌 제대로 된 빅데이터 조직 구성과 역할 분담이 아닐까 고민해 보았습니다. 세월호 침몰 사고 희생자와 유족에게 깊은 위로를 전하며 다음에도 누구나 빅데이터에 관해 늘 궁금했던 내용을 쉽게 알려드리도록 하겠습니다.

지금 이 순간 필요한 것은 , 인테러뱅

사일로를 뛰어넘는 조직 구성

The End

Page 6: DLAB Big Data Issue Report 003

초보자를 위한 빅데이터 이해하기: 빅데이터에 관해 늘 궁금했던 것들 (빅데이터 조직과 역할 분담)

Copyright © 2014. All Rights Reserved. DLAB logo is trademark or registered trademark of Data Engineers Lab Co., Ltd. in the Republic of Korea and other countries. Any reproduction of this document in part or in whole is strictly prohibited.  

6

Spicy Thinker Contact Info: [email protected] Kakao Talk: spicythinker Twitter: spicythinker 캘리포니아 주립대학교에서 비즈니스 마케팅을 전공했습니다. 현재 DLAB 에서 마케팅과 비즈니스 컨설팅을 담당하고 있습니다.

주로 빅데이터 분석 플랫폼 활용방안 및 사업화 제안을 하고 있습니다.

About Author

Page 7: DLAB Big Data Issue Report 003

초보자를 위한 빅데이터 이해하기: 빅데이터에 관해 늘 궁금했던 것들 (빅데이터 조직과 역할 분담)

Copyright © 2014. All Rights Reserved. DLAB logo is trademark or registered trademark of Data Engineers Lab Co., Ltd. in the Republic of Korea and other countries. Any reproduction of this document in part or in whole is strictly prohibited.  

7

데이터엔지니어스랩(DLAB)은 데이터를 기반으로 한 모든 애프리케이션 개발과 서비스를 제공하며, 특히 CRM/ BI/ Advanced Analytics 등 다양한 분야의 IT 컨설팅과 솔루션 개발을 주 업무로 하고 있습니다.

최근 주요사업 분야로는 에너지 모니터링 시스템 (Photovoltaic Monitoring, Smart Grid Monitoring), 빅데이터 분석 시스템 (Social Media Analytics [SMA] LG CNS와 공동개발)이 있으며 대용량 데이터 수집과 분석 그리고 시각화 서비스를 다년간 제공하고 있습니다.

안 광종 대표이사 수석 컨설턴트 겸 Technology Leader Drexel University 경영학 석사 (1997) Drexel University 정보공학 석사 (2002) Suntek Systems, Inc. R&D 이사 (1998 – 2005)

Contact Info: [email protected] Twitter: kwangahn

디랩은 세계최고의 Intelligence Solutions 조직을 목표로 하며, Intelligence for Everyone을 모토로 모든 사람이 보다 쉽게 정보를 저장하고 활용할 수 있도록 기업솔루션에서 개인의 정보관리/ 의사결정지원 솔루션을 제공하고자 합니다.

E2P2C = Efficiency + Effectiveness + People + Process + Communication 입니다.

효율과 효과를 강조하면서 동시에 프로젝트를 수행하는 사람들을 Process와 Communication으로 지원하는 그립입니다.  

About DLAB