[아이티데일리] 본지(컴퓨터월드/IT DAILY)가 지난달 25일 양재동 엘타워에서 ‘제18회 2021 데이터 컨퍼런스’를 개최했다. 이날 행사는 ‘성공적인 하이브리드 데이터 플랫폼을 위한 A to Z’라는 주제로, 각계 전문가와 기업들이 다양한 데이터 관련 솔루션들과 사례들을 공유하며 성공을 위한 인사이트를 공유했다.

클라우드의 영향력이 증가하면서 기업들의 IT 인프라가 온프레미스와 클라우드를 아우르는 하이브리드 환경으로 옮겨가고 있다. 하이브리드 환경에서는 데이터가 생성 및 활용되는 포인트가 증가해 관리해야 할 범위가 늘어나면서 전 세계 기업들이 자사의 데이터 관리 역량을 재차 점검하게 만든다. 아무리 정확한 데이터 분석 시스템을 갖추고 있다고 하더라도 원하는 데이터를 적시에 찾고 활용할 수 없다면 무용지물이기 때문이다.

이번 ‘2021 데이터 컨퍼런스’는 복잡한 하이브리드 IT 환경에서 데이터를 손쉽게 찾고 활용할 수 있는 전략을 제시하기 위해 마련됐다. 또한 마이데이터와 메타버스, 그래프DBMS 등 최신 IT 기술과 트렌드를 데이터 관점에서 살펴보는 시간도 준비됐다.

두 번째 세션은 ‘데이터 분석 및 머신러닝에 특화된 전문 RDBMS “벡터(Vector)” 활용 사례’라는 주제로, 김정중 이글로벌시스템 빅데이터사업부 이사가 발표에 나섰다.

김정중 이사는 “빅데이터에 대한 담론에서 중요한 것은 우리가 지금까지 겪어보지 못했던 문제들을 맞이해 많은 데이터 속에서 해결책을 찾고 테스트하면서 결과를 얻는 과정이다. 특히 데이터 사이언스 분야에서는 과학적인 방법론, 프로세스와 알고리즘에 대한 개선이 사회적인 문제들을 어떻게 인식하고 개선할 것인가에 초점이 맞춰져 있다”며, “4차 산업혁명 시대에는 이익집단들이 지능 환경이라는 형태 속에서 데이터를 보는 시각을 넓히고 있으며, 다양한 분야에서 상호 결합되는 데이터들을 어떻게 바라볼 것인지를 고민하고 있다”고 설명했다.

자동화된 제조 공정에서는 분석을 위한 데이터들을 어떻게 수집하고 관리하며 분석할 것인지가 중요한 이슈로 떠올랐다. IoT 센서를 통해 수집되는 데이터는 매우 복잡하고 방대해 기존의 방법론으로 모든 공정의 데이터를 관리하고 분석하는 것은 불가능에 가깝다. 그렇다고 전체 데이터에서 일부 샘플만을 추출해 분석할 경우, 샘플 데이터가 나머지 모든 데이터를 대변할 수 있을 거라고는 기대하기 어렵다. 제조 공정의 불량률이 0.1% 수준이라면 전체의 1%에 불과한 샘플 데이터만으로 어떻게 이상 사례를 파악할 수 있겠는가?

많은 어려움이 산적해 있음에도 불구하고, 자동화된 제조 공정에서 데이터 수집과 분석을 하지 않을 수는 없다. 전체 제조 시스템을 관리하기 위해서는 결국 데이터에 대한 철저한 수집과 분석이 필요하다. 데이터를 통해 제조 공정을 통제하지 않으면 불시에 시스템 다운이 발생해 심각한 비즈니스 손실을 야기할 수 있다. 이러한 상황을 미연에 방지하기 위해서는 전체 공정 데이터를 실시간으로 빠르게 수집‧분석하고 문제 상황을 찾아낼 수 있는 시스템이 요구된다. 또한 데이터를 기반으로 제조시설의 성능과 가동률을 향상시킬 방법을 찾아 천문학적인 비용 절감과 생산성 향상을 도모할 수도 있다.

김정중 이사는 액티언의 ‘벡터(Vector)’를 통해 제조 공정에서 생산되는 방대한 데이터를 처리하고 분석할 수 있다고 설명했다. 김정중 이사는 “‘벡터’는 빅데이터 처리와 분석에 특화된 전문 DBMS”라고 소개하며, 국내 반도체 제조 공장에 도입돼 데이터 기반의 혁신을 도모한 사례를 공유했다. 기존에 해당 공장에서 사용하던 대용량 DBMS는 한 번에 10억 건의 데이터를 분석할 수 있었으나, ‘벡터’ 도입 이후 5천억 건의 데이터를 동시에 분석할 수 있게 돼 효율이 크게 향상됐다. 분석 용량 역시 기존의 1테라바이트에서 300테라바이트로 증가했으며, 데이터 수집·저장 기간도 일 단위에서 1년으로 증가했다.

김정중 이사는 “우리가 액티언의 ‘벡터’를 통해 도모하는 것은 제조 공정에서 축적되는 데이터를 실시간으로 분석해 이상현상을 발견하거나 인사이트를 얻는 것”이라며, “데이터를 통한 개선은 하루아침에 이뤄지는 게 아니라, 축적된 노하우와 프로세스를 얼마나 실제 데이터에 잘 적용하느냐에 달려있다”고 강조했다.