구분

빅 데이터

기존 데이터

Volume

- 수십 PB [페타바이트]

- 수십 GB, TB

Velocity

- 실시간 처리 기반(Real Time)

- 적합한 시간 내 처리 (Right Time)

Various

- Legacy 데이터 및 트랜잭션

- 모바일, 소셜 데이터, 각종 로그

- 기업 내부 발생 데이터 위주

- ERP, CRM, SCM 등 Legacy 데이터

Device

- On/Off Line 데이터 포함

- Transaction 및 로그 데이터포함

- On-line 데이터 기반

- Transaction Data 기반

구성요소

Front End

경량 script

언어

-GC 성능 및 UI구현 이용하고 스크립트언어로 Front End 구성

- Ruby on Rails, Scala, JavaScript, python, PHP

경량App Server

-다수의 경량Application Server를 이용하여 사용자 응답성의 극대화

-Apache Thrift, Apache Avro, Jetty, Tomcat, nginX

Front (Page) Cache

-정적리소스 및 동적데이터에 대한 캐시서비스로 App/DB 서버부하절감 및 응답성 향상

-Varnish cache, squid cache, Apache traffic server

Middle Tier

캐시Pool

-DBMS를 통해 빈번하게 조회된 데이터를 메모리에 캐시하여 DB부하 절감 및 응답속도 향상

-Memcached, Membase(CouchBase), Ehcache, Oracle Coherence

분산 미들웨어

-분산Application 서버와 Database간의 투명성과 Fault-tolerant를 제공하는 분산메시지기반 미들웨어

-Kestrel(twitter), Kafka(LinkedIn), Apache ActiveMQ, ZeroMQ

Back End

분산 파일시스템

-분산Application 서버와 분산Database를 수평적으로 확장 가능한 네트워크기반의 분산파일

-GFS(Google), Apache HDFS, GLORY-FS(ETRI), OwFS(Naver)

분산 데이터 스토리지/ 연산처리

-관계형 DB의 한계를 극복하고 초고용량 데이터의 처리를 위해 새롭게 고안된 데이터 저장방식

-기본적으로 데이터의 분산관리를 지원하며 인덱스의 최적화에 집중화된 DB로 데이터 쓰기가 많은 업무의 실시간 데이터 처리에 최적화된 DB

-HadoopMap/Reduce, HBase, MongoDB, cassandra, cloudata, MySqlCluster(InnoDB)

DW & 검색엔진

-확장 가능한고 성능정보 검색서비스용 라이브러리엔진 및 DW 엔진

-Apache Lucene, Sphinx, Apache Hive

System

Mgmt

시스템관리/

모니터링/분석도구

-시스템로그, 성능, 응답성 등을 분석하고 표현하여 신속한 문제파악과 주요지표관리를 통해 운영 조직의 대응 (아키텍처Renewal) 여부와 시점에 대한의사결정지원, 사용자의 서비스 불만 발생 전에 proactive한 대응이 가능.

-Apache Zookeeper, Apache Chukwa, Scribe(FaceBook), Jconsole, Java Melody

최적화도구

-CPU, 메모리 사용량에 대한 Profiling과 분석을 지원하는 S/W도구를 사용, 극한의 성능구현

-yourkit

기술요인

설명

기술적 스킬

- 전통적인 데이터베이스와 아키텍처로 처리할 수 없는 대용량의 데이터 세트를 처리 및 발굴, 분석하기 위해 필요한 새로운 차원의 기술

- In-memory, Hadoop(하듑), MapReduce, Key Value Stores 등

새로운 유형의 비즈니스 분석가/통계전문가

- 완전히 새로운 변수와 분석 모델이 요구되는 비정형 데이터가 많고, 이러한 새로운 데이터 유형과 구조에 필요한 분석에서 요구됨.

- 데이터 과학, 데이터 과학자

분석 기술

설명

하둡 : Hadoop

- 분산 시스템 상에서 대용량 데이터 처리 분석을 지원하는

 오픈 소스(OSS : Open Source Software)

- 소프트웨어 프레임워크, 구글이 개발한 MapReduce를 오픈소스로

 구현한 결과물, 월래 야휴에서 최초 개발되었으며 지금은 Apache

 Software 재단의 한 프로젝트로 관리되고 있음

구글 파일시스템

(GFS:Google File System)

- 구글에서 개발한 분산 파일 시스템, Hadoop과 관련되어 있음

MapReduce

- 분산 시스템 상에서 대용량 데이터 세트를 처리하기 위해서 구글이 소개한 소프트웨어 프레임워크, Hadoop에도 구현되어 있음

비관계형 데이터베이스 / Key Value Store

- 비관계형 데이터베이스는 데이터를 테이블(행, 컬럼)에 저장하지 않는 데이터베이스이며 관계형 데이터베이스와 대조되는 개념임

- Key Value Store를 사용하면 스키마 없는 엔티티(NoSQL)를 관리할 수 있음

단계

영향

이전 세계

새로운 시대

파일럿

부서별 분석

엔터프라이즈 분석

빅 데이터 분석

직원 스킬(IT)

분석에 전문성이 거의 없거나 전혀 없음 - BI틀에 대한 기초적 지식

성능, 가용성 및 보안에 초점을 맞춘 데이터 웨어하우스 팀

고급 데이터 모델러 및 관리자가 IT 부서에서 핵심 역할 담당

‘데이터 과학자’가 포함된 Business Analytics Comeptency Center (BACC)

직원 스킬 (비즈니스/IT)

BI 툴에 대한 기능적 지식

극소수의 비즈니스 분석가 – 고급 분석을 제한적으로 사용

유능한 분석 모델러 및 통계 전문가가 활용됨

BACC에 복잡한 문제 해결 기능이 통합됨

기술 및 툴

단순한 시기별 BI 리포팅 및 대시보드

데이터 웨어하우스 도입, BI 툴의 광범위한 활용, 제한된 분석용 데이터 마트

데이터베이스 내 마이닝, 병렬 처리 및 분석 어플라이언스의 제한적 사용

다중 워크로드를 위한 어플라이언스의 광범위한 채택. 새로운 기술을 위한 아키텍처 및 거버넌스

제정적 영향

재정에 큰 영향 없음, 정착된 ROI 모델 없음

ROI를 명확하게 이해하며 특정 매출 생성 KPI가 정착되어 있음

매출이 큰 영향을 미침 (주기적으로 측정되고 모니터링됨)

비즈니스 전략 및 경쟁력 차별화 전략이 분석을 기반으로 하고 있음

데이터 거버넌스

없거나 거의 없음

(Skumk 작업)

초기 데이터 웨어하우스 모델 및 아키텍처

표준화된 데이터 정의 및 모델

명확한 마스터 데이터 관리 전략

사업부서(LOB)

불만

가능성 보임

연계 및 협력

(사업부서 임원진 포함)

전사적 참여

(CEO 포함)

CIO 참여

드러나지 않음

제한됨

참여함

혁신적임

기술 구분

설명

필요 기술

원본 데이터

저장

- 대용량 분산 파일 저장

- 로그 기반 데이터 포함

- Hadoop File System

- MapReduce

구조적 데이터

저장

- 대용량 분산 데이터 저장소

- DBMS의 처리 한계 대체 기술

- NoSQL, HBase

-Cassandra, MongoDB

배치 분산 병렬 처리

- 분산 데이터 처리 기술

- 결과 그래프 분석 기술

-MapReduce (Hadoop)

- Pregel, GlodenORB

데이터 스트리밍

프로세싱

- 스트리밍 데이터 프로세싱 기술

- Streaming DBMS

- DW Appliance

데이터 마이닝

- 빅 데이터의 패턴 분석 및

고객 분석을 위한 알고리즘

- 군집화, 분류화

- 기계학습(Neural Net)

데이터

분석 알고리즘

- 데이터 분석을 위한 세부 기술

- Social Network Anaylsys

- Clique 분석

- Centrality 분석

분산처리 기술

- 관리 기술, 분산 큐 기술

-분산 캐시 기능

- ZooKeeper, kafka

- Memcached, Redis

필요 기술

설명

데이터

수집

Open API/

OAuth

- SNS에서 제공되는 빅 데이터 Feeding을 위한 표준 API

- 개방형 인증체계

오픈 플랫폼

- SNS 등에서 생성되는 데이터를 제공하는 소셜 기반의 플랫폼

Hadoop

- 대용량, 비정형 데이터를 분산처리하기 위한 개방형 표준 아키텍처

MapReduce

- Map(), Reduce() 연산을 통한 대규모 분산 병렬처리 기법

데이터

분석

시멘틱 분석

비정형 데이터에 대한 온톨로지 구축 및 데이터 명세화

관계성 분석

데이터간 관계분석 및 Social Rank 체계 구축

감성 분석

빅 데이터의 실질적 의미 파악 및 분석

데이터

활용

마케팅

SNS 등에서 유통되는 데이터 분석, 기업의 브랜드 관리에 활용

공공서비스

민원 텍스트 연관 분석 통한 미원 원인 도출(오피니언 마이닝)

비즈니스화

빅 데이터를 분석, 2차 가공하여 제3자에게 제공되는 비즈니스 모델

구분

설명

세부기술

데이터 소스

- 데이터 소스는 내/외부 데이터를 아우르며 모바일, SNS,

센서 데이터를 포괄함

- 비정형, 반정형, 정형 데이터를 모두 포괄함

- M2M 기반 소스, 로그 기반 처리, Legacy 데이터,

File, Image, 동영상 등

수집

- 모든 디바이스 및 시스템에서 나오는 데이터를 수집할

수 있는 기술

- 웹 로봇, CEP(Complex

Event Processing) 등

저장/처리

- 수집된 대용량 데이터를 저장하며 분산처리 시스템에 의

해 처리할 수 있는 기술

- 하둡, HBase, 카산드라,

NoSQL, 망고DB 등

분석

- 빅 데이터를 이용해 기업에 도움이 될 수 있고, 생활에

도움을 줄 수 있는 분석방법

- 데이터 마이닝 알고리즘,

인공지능 기법 등

표현

- 분석된 결과를 효과적으로 표현할 수 있는 기술

- R, 그래프, 도면 등

빅 데이터 분석의 어려움

기술적 극복방안

- 방대한 비정형 데이터의 폭발적 증가

- 데이터의 수집, 분류, 처리에 대한 어려움

- 특정 키워드 기반 필터링 기술활용

- Text Mining, Web Mining 등 기존 기술활용 가능

- 개인정보를 포함하는 소셜 데이터의 수집

- 개인정보를 제외한 내용만 수집하는 방안 마련

- 불용어, 속어 등에 대한 자연어 처리 이슈

- 신경망, 유전자 알고리즘 등을 통한 고도화된 인공지능 기술 연구

- 시멘틱 검색, SNA 분석, 패턴기반 정보분석 기법 활용

구글의 독감 유행 정보를 감지하는 검색엔진 사례

- 기존에는 특정 국가나 지역을 담당하는 보건기구가 외료기관이 보고하는 정보를 이용하여 독감 감시체계를 운영

- 구글은 독감 증상이 있는 사람들이 늘어나면 관련된 주제를 검색하는 빈도도 함께 늘어난다는 사실을 발견하고, 시간/지역별 검색기반 독감 유행 정보를 Google.org를 통해 제공

- 주 단위로 갱신되는 보건당국의 발표와 달리 구굴의 독감 유행 정보는 매일 갱신되므로 독감 유행 징후를 빠르게 감지하고 대응책을 마련하는 데 유용한 보완 정보로 기능

- 구글이 검색통계로 추정한 독감 유행 지수 변화(上)와 미국 각 주별 현황(下)

요소

경영정보(과거)

Big Data(새로운 시대)

인프라형태

- 독립인프라

- 리소스 풀

아키텍처

- 최적화

- 확장성 (분산 병렬 프로세싱 및 인 메모리(IN-MEMORY) 스토리지와 연계)

딜리버리 모델

- 온-프레미스(on-premise)

- DW 환경, BI

- 하이브리드 (클라우드 버스팅 기능 포함) 및 어플라이언스의 일반적인 사용

데이터세트

- 사전 정의됨

- 포괄적이고 반복적임

데이터속도

- 배치

- 능동적이고 다이나믹 함 (실시간)

데이터분석

- 주로 과거 분석

- 예측 및 최적화

요소

분석전략

설명

인프라형태

클라우드 버스팅(Bursting)

- 프라이빗 클라우드의 미래는 전사적 차원의 비즈니스 분석 요구 사항과 방향성이 같을 것.

아키텍처

엔터프라이즈 아키텍처

- 조직이 엔터프라이즈 분석을 사용하기 위해 서비즈니스 성장에 맞춰 규모를 확장할 수 있는 체계적인 엔터프라이즈아키텍처 필요, 고사양 분석 환경

딜리버리모델

분석 어플라이언스

Analytics appliance

- 분석 어플라이언스가 빅데이터를 다루는 데 가장 큰 장점, 최적화를 통한 구축 소요시간 단축

Data처리(세트/속도/분석)

빅 데이터 분석

- 빅 데이터 분석을 통해 창출되는 잠재적 가치 및 효과 기대, 최적화/실시간/예측분석