Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
© 2017 RE::VISION
전 용 준 리비젼컨설팅 | 대표/컨설턴트 [email protected] http://www.revisioncon.co.kr
4차 산업혁명과 빅데이터 분석 : 근본적인 이슈와 과제
2017. 4.
© 2017 RE::VISION 1
Agenda
4차 산업혁명 or Digital Transformation
4차 산업혁명과 빅데이터 분석의 관계
빅데이터 분석의 이슈와 과제
1
2
3
© 2017 RE::VISION 2
4차 산업혁명? Or Digital Transformation?
• digital transformation > 4차 산업혁명 > 4th industrial revolution
Google trends. 20130101 ~ 20170322
© 2017 RE::VISION 3
Industrial internet Vs. Industry 4.0
• Industrial internet digital transformation or industry 4.0
Google trend. 20170322 (최근 5년)
© 2017 RE::VISION 4
4차 산업혁명: 뉴스 키워드들
• 빅데이터는 4차 산업혁명 관련 중요 키워드들 중 하나
빅카인즈: 20160101 ~20170322
© 2017 RE::VISION 5
인공지능, 빅데이터 Vs. 4차 산업혁명
• 4차 산업혁명의 가장 특징적인 <New> 요소는 인공지능
Google trend. 20160322
© 2017 RE::VISION 6
4차 산업혁명 in Asia
• 대한민국 > 일본 > 중국. 대한민국은 4차 산업혁명으로 용어 통일?
Google trend. 20160322
© 2017 RE::VISION 7
4차 산업혁명 – 만물초지능(?) 혁명(?)
http://www.newspim.com/news/view/20160102000009 뉴스핌 (출처: 정보통신기술진흥센터)
© 2017 RE::VISION 8
Cyber Physical Systems
• 기계 자체가 아니라 Cyber로 복제된 쌍둥이 시스템과 상호연동
https://inform.tmforum.org/internet-of-everything/2016/11/manufacturers-get-smarter-industry-4-0/
© 2017 RE::VISION 9
WEF의 4차 산업혁명 이미지
• 최근 갑자기 등장한 기술들이 아니지만 “융복합”의 시너지가 변화 촉진
Convergence
Innovation
3D printing driverless cars
new forms of money (e.g. bitcoin)
robotics
drones
biological breakthroughs
sharing economy (e.g., AirBnB, Uber)
cyber warfare
smart and connected machines, systems
nanotechnology
gene sequencing
renewable energy
quantum computing
© 2017 RE::VISION 10
Rifkin Vs. Schwab, 3차 Vs. 4차?
• a fusion of technologies that is blurring the lines between the physical, digital, and biological spheres
• velocity, scope, and systems impact
• the speed of current breakthroughs has no historic precedent
Jeremy Rifkin Author, ‘The Zero Marginal Cost Society: The Internet of Things, the Collaborative Commons, and the Eclipse of Capitalism’
Klaus Schwab World Economic Forum founder
“Still the 3rd – Digitalization!”
Vs.
© 2017 RE::VISION 11
Industry 4.0 Vs. 4차 산업혁명
• Industry 4.0 == 4차 산업혁명?
• Industry 4.0 – 제조기업을 기준으로, 제조 자체와 그 확장을 중시하는 시각
• 4차 산업혁명 – 모든 유형의 산업과 사회 전체의 변화가 대상
• 초연결 (Hyper-Connectivity)
• 초지능 (Hyper-Intelligence)
• 4차 산업 Vs. 4차 혁명?
© 2017 RE::VISION 12
<혁명>에는 승자와 패자, 시작과 끝이 존재
1968 illustration by Ron Cobb, scanned from the 1976 book The Complete Computer https://www.linkedin.com/pulse/you-ready-4th-industrial-revolution-sylvain-kalache
© 2017 RE::VISION 13
Industry 4.0’s Keywords & Big Data
Smart Agile Customized
Integrated Autonomous Connected
BIG DATA
© 2017 RE::VISION 14
When will the future arrive? – Time, Complexity & Data
10% of people wearing clothes connected to the internet
The first robotic pharmacist in the US
The first 3D-printed car in production
5% of consumer products printed in 3D
90% of the population with regular access to the internet
Driverless cars equaling 10% of all cars on US roads
The first transplant of a 3D-printed liver
Over 50% of internet traffic to homes for appliances and devices
The first city with more than 50K people and no traffic lights
The first AI machine on a corporate board of directors
Source: WEF, Technology Tipping Points and Societal Impact report, 2015
91.2
86.5
84.1
81.1
78.8
78.2
76.4
69.9
63.7
45.2
Technology tipping points expected to occur by 2025
Red == Complex
© 2017 RE::VISION 15
Facts & Practical Implications
Facts
• <4차 산업혁명>이라는 포괄적, 공통화된 용어 사용 “편리”
• 이 용어를 삭제해도 의미에 차이가 없다
– e.g. 4차 산업혁명 시대의 교육 정책 == 교육 정책
• 영문 자료 Search에는 <Digital Transformation>이 더 유용
• <혁명>인가는 중요하지 않다. 과장이든 아니든, 변화는 계속될 것
Implications
• 기술을 활용한 프로세스, 제품, 서비스, 사업모델의 변화 기회 지속 검토 필요
• 기술과 환경의 변화 속도를 읽어야 한다 – 100년 후에 대한 대비 무의미
• 경쟁력을 가질 수 있는, 성과를 낼 수 있는 영역에 집중 필요
• 시장과 경쟁의 기준은 Global
© 2017 RE::VISION 16
Alpha City와 대한민국의 강점
• 혁신의 중심지, 인구 1천만 이상의 Alpha City는 전세계에 극소수
– e.g. 상하이, 런던, 도쿄 ; 서울+경기 인구 2천만+
• 통신, 교통, Data, 인력 기술 선도에 매우 유리한 여건
• Issues : 한국어 사용, 내수 시장 집착, 보수/안정지향/관료적 문화
SEOUL SOUTH KOREA
알렉로스의 미래산업보고서 P.304
© 2017 RE::VISION 17
4차 산업혁명과 빅데이터 - 영향관계
• 4차 산업혁명을 위한 기술이라는 관계 이외에 4차 산업혁명이 빅데이터 증가와 활용 확대를 가속화 시키는 영향도 존재
4차 산업혁명 빅데이터
• 더 많고, 다양한 데이터 • 실시간 데이터 증가
• 지능화와 연결의 기반
Accelerator
Driver
© 2017 RE::VISION 18
AS-IS: 데이터 증가와 활용 결핍
Half of all the data that exists in the world was created in 2016. And less than 0.5% of all the data collected last year was analyzed and used. - Judy Marks, CEO of Siemens
http://www.techrepublic.com/article/why-siemens-put-10-billion-into-digital-transformation/
50% x 0.5%
© 2017 RE::VISION 19
데이터 생산의 가속화 구조
• 디지털화와 연결성 증가는 데이터 생산과 활용을 증대 디지털화와 연결 가속화
Digitalization
Connectivity
Data
Intelligence (Decision Making
Automation)
Acceleration
© 2017 RE::VISION 20
어떤 데이터가 늘어나고 있는가?
http://news.heraldcorp.com/view.php?ud=20150220000002&md=20150221085730_BL
늘어난 데이터가 누구에게나 유용한 데이터인가?
© 2017 RE::VISION 21
아마존 물류센터의 Kiva – Cluster Bot
• 물류센터 제품 운반에 Cluster bot Kiva 도입
• 현재 45K대 가동. 매년 15K 증가
http://www.usatoday.com/story/money/markets/2017/03/24/a-foolish-take-amazons-robot-army/99411038/
© 2017 RE::VISION
기계, 장비, 가전의 디지털화 영향
22
차량 1대에서 시간당 25GB 데이터 생성
1년, 2TB+?
Ford F – 150 Truck
* Ford F Series 연간 82만대 이상 판매 (2016)
© 2017 RE::VISION 23
Adidas’ Speedfactory
• 로봇 + customized 자동화
– automated, decentralized, flexible
• in-store customization and interactive digital communication “creating an unique model in lot size 1”
• Taking factories home - 독일 > 미국 > 유럽, 일본
• Gains
– 품질 + 공급 기간 단축 (Weeks Hours) + 창고비용 절감 + 작업 안전
– 판매예측 부정확시 대량 재고 문제 대응 ; 운송연료, 접착제 감소 환경
http://www.highsnobiety.com/2016/09/21/adidas-futurecraft-mfg/
production capacity can scale up rapidly and functionality can adapt more quickly
FutureCraft MFG project - customized running shoes through 3D printing and ARAMIS technology
© 2017 RE::VISION 24
고객의 요구에 대응하는 기반구조
http://www.digitalistmag.com/industries/retail/2015/01/15/adidas-data-fuel-analytics-engine-to-engage-customers-02083150
• 제품 + 컨텐츠 + 서비스
• 생산, 판매, 서비스 전 과정
Transparency
• Customized 제품/서비스
• Localization, Local support
• Omnichannel Commerce
오늘날의 소비자 요구
Speedfactory
Data Restructuring
Personalization
• Graph database of 2M nodes with 10M relationships (May 2015)
• Shared metadata service
• Silos: Master, Content, Consumer, Product, Social, and Big Data ; Retail, Corporate, eCommerce and Product Marketing, Wholesale and CRM
대응을 위한 Actions
“Creating the New” strategy
© 2017 RE::VISION 25
Industry 4.0 – Data Integration
• 단일 생산기기 또는 라인의 자동화와 통합 뿐 아닌 내부 기능과 외부 (Market/Consumer, Partner/Supplier/Competitor) 까지에 대한 모든 가능한 데이터를 수집, 통합, 분석, 피드백
Production Supply Chain
Material Sourcing
Warehous- ing
Sale End
Consumer Retail
DATA
ANALYTICS
© 2017 RE::VISION 26
빅데이터 분석 핵심 구성요소
Digital 데이터 증가 X 처리속도 향상
즉시 수집 / 분석
비정형 데이터 활용
Mash Up
예측
맞춤형 제안
이상 탐지
최적화
<데이터 확보/준비> <분석/모델링>
© 2017 RE::VISION 27
빅데이터 “분석” 의 종류 - 실제
© 리비젼컨설팅, 2016.
비정형데이터 포함한 분석
정형데이터만을 활용
단순한 집계중심 Descriptive 분석
복잡/정교한 분석 Modeling/Algorithm 활용
50%
30%
5%
15%
© 2017 RE::VISION 28
유어스윙칩 오모리김치찌개맛
GS 리테일 고객분석팀,
<오모리김치찌개라면>과 <스윙칩> 고객 겹침 발견
새로운 상품 아이디어?
출시 한달만에 20만개 돌파
http://m.media.daum.net/m/media/economic/newsview/20161012172003568
= +
<오모리김치찌개라면>과 <스윙칩>은?
비교
실험
조합
상상 ?
© 2017 RE::VISION 29
수제구두 소셜 분석 – 마케팅/제품 전략 변경
• 성과: 매출 48% 증가
[일반소비자 '남성 수제구두' 구매목적, 결정요인 분석] • 1년간 뉴스, 트위터, 커뮤니티, 블로
그, 카페 등 자료 사용 자료: 2016 중소기업 빅데이터 활용 우수사례집. NIA
© 2017 RE::VISION 30
필요한 데이터가 실제로 존재하는가?
Volume
Quality
Relevance Variety
Timeliness
Data Checkpoints (GIGO & NINO 예방을 위한)
원하는 수준에 근접한 분석결과를 얻을 정도의 데이터가 존재하는가?
© 2017 RE::VISION
디즈니랜드의 MagicBand와 MyMagic+ System
31
https://datafloq.com/read/walt-disneys-magical-approach-to-big-data/472
올랜도에만 연간 30M 방문 매직밴드 – RF기반 팔찌 판매, 마케팅, HR, 고객경험 예측
분석에 데이터 활용 $1B 투자 주가/매출 모두 상승
© 2017 RE::VISION
구글 : 초대규모 데이터 활용 초대규모 분석
32
전통적 CF 알고리즘 대신 딥러닝 적용 Upgrade
가능한 모든 (Raw & Derived) Input X 모든 Output 형태의 모델 적용 (Crazy?)
영상의 Age에 대한 개인별 선호 차이 반영
© 2017 RE::VISION 33
빅데이터 분석: 기술과 활용에서의 현재 Issues
• 유용한 데이터 부족 – 데이터 부재와 품질 대표성?
• 분석, 해석과 적용 어려움
• 데이터 생산량의 증가를 감당하지 못함 – 대용량 데이터 처리
속도, 관리 비용
• 처리 및 분석 전문인력 부족 (e.g. Data Scientist, Data Engineer)
• 최소 초기투자 규모와 SMB의 활용 – Big Data As a
Service(BDaaS)의 현실성
• 데이터 통합의 어려움 – 표준과 가공
• 비정형 데이터 가공 – 객관성, 체계성, 부하량
• 데이터 공유(Mash Up, 데이터 거래)와 개인정보보호/보안
Much
Serious
Less
Serious
© 2017 RE::VISION 34
4차 산업혁명기의 빅데이터: 주요 처방?
과연 문제의 핵심을 짚은 것인가?
• 공공데이터가 사업과 기술에 직접 미치는 영향이 얼마나 큰가?
• 개인정보보호 규제로 활용이 어려운 데이터가 사업의 핵심과 관련된 것들인가?
• 초급 인력 다수 양성의 실효성은? 고급의 전문인력은 충분한 대우를 해주고 있는가?
• 글로벌, 기술 중심 경쟁 상황에서 국내 데이터와 국내 인력의 영향?
• 정부 차원에서의 정책과 조치가 기업과 산업의 문제를 해결?
공공데이터 개방 확대
개인정보보호 규제 완화
빅데이터 전문인력 양성
© 2017 RE::VISION 35
빅데이터 분석: Fundamental Issues
• 급성문제 X, 만성문제 O [data=past]
• Context가 고려된 분석 필요 [Metadata, 환경 데이터]
• 작위적 해석과 포장 / syntactic 텍스트 분석
• 과장 자충수 (c.f. Confirmation bias)
• 분석 결과 이해 단계의 Bottleneck : 우회적 수단인 시각화만으로는 한계
• 원유와 정제
• 연속성, 데이터 구조 일관성
• Summary vs. Raw data (e.g. 공공데이터 Mash Up)
• Volume 과 처리능력의 문제
– 분산, 병렬, 압축, In-memory 추상화/분리 필요(분석가가 기술/부하 고려하지 않도록)
© 2017 RE::VISION 36
빅데이터와 분석에 대한 시사점
4차 산업혁명 또는 Digital Transformation으로 인해,
• 데이터와 분석의 중요성과 가치가 점점 더 커질 것이다
• 디지털 데이터의 증가(Quantity, Variety)에 대응하고 활용해야 한다
• 데이터 분석 자체도 자동화 수준 제고가 필요하다
• 데이터 분석 결과 활용의 주체를 사람이 아닌 알고리즘, AI, 기계로 확장해야 한다
당면과제 현실적, 구체적 <데이터 - 분석>방향 설정 기술력 확보 적용 고도화 적용 확대 핵심 데이터 보강 – 품질 확보, 추가 항목 수집
© 2017 RE::VISION 37
Example: Shopping Advisor Chatbot
상품이나 업무 절차에 대한 데이터가 표준화, 상세화되어 있지 않다면?
상품의 분류나 속성정보 확보/관리 수준이 고객응대에 실제 적용할 수 있는 정도인가?
- e.g. 컵라면 Vs. 용기면
© 2017 RE::VISION
[Recap] 디지털 변혁과 빅데이터 과제
• 4차 산업혁명 (or Digital Transformation)
– 기술 융합을 통한 혁신 기회 검토 필요
– 유행이나 기술 자체는 성과를 보장하지 않음
– 일반론이 아닌 “My Own Strategy” 중요
• 빅데이터 분석
– 데이터와 활용 기회/대상/범위 지속/대폭 증가 전망
– 분석과 성과에 Focus 중요
• 유용한 데이터, 성과로 연결되는 분석 중심
– 성과에 대응되는 수준의 투자 불가피
38
© 2017 RE::VISION 39
…
전 용 준 대표/컨설턴트 | 리비젼컨설팅 [email protected] 010.3095.1451 Keyword: 예측모델링 | 데이터 마이닝 | 빅 데이터 http://www.revisioncon.co.kr
contact:
…