김순덕

Cloud Evangelist

Oracle Digital Prime, JAPAC

2019. 11. 21

데이터통합및가치발견을통한

스마트팩토리고도화

디지털트랜스포메이션과데이터

Agenda

1

2

3

비즈니스혁신을위한오라클고급분석

사례연구

디지털시대의환경변화

NEW TECHNOLOGIES ARE SERVING AS BOTH DISRUPTORS ANDCATALYSTS FOR SIGNIFICANT INDUSTRY CHANGE

GLOBALIZATION

회사는증가하는다양한규제준수, 회계지표, 지속가능성및경쟁에적응해야함

그어느때보다제품, 서비스, 기능및프로세스의빠른혁신이요구되는시기

PACE OF INNOVATIONHYPER CONNECTIVITY

초연결성은품질, 효율성을향상시키고새로운기회를제공

NEW BUSINESS MODELS

새로운디지털능력을통한수익증대및고객만족향상을위한창의적인서비스형태의비즈니스모델로전환

환경변화에빠르게적응하는회사만생존

데이터중심의조직은2020 년까지 $430B의비즈니스이익을얻을것입니다.

- IDC

데이터기반의조직은23배의고객획득가능성

6배의기존고객유지가능성결과적으로 19배이상의수익을

얻을가능성이있습니다.- McKinsey Global Institute

정보는조직에서관리되는가장중요한자산으로기술을대체하고있으며, 이결과비즈니스리더들은새로운계획과자금지원모델의기초로정보의가치를사용하도록전환해야합니다.

- Doug Laney, Research Vice President, Gartner 4

차량의데이터를수집하는테슬라는 92배나더많은차량을출시한 GM보다

시장가치가훨씬높습니다.- Economist Magazine -

데이터 - 세상에서가장가치있는자원

제조사가직면할가까운미래

• 2020년까지 500억개의제조장치가연결되어데이터를만들고공유할예정

• 제조회사는 IoT 에년간 $5,000억를투자할것으로예상됨

• 40 Zeta bytes 의데이터가제조행동개선을위해서생성및분석될것으로예측됨

- Price Waterhouse Cooper -

제조업에서빅데이터의활용

• 계획되지않은가동중지시간15~30% 감소

• 생산량및 OTD* 10~20% 증가

• 유지보수비용 20~30% 감소

• 최대 35%의생산품질향상

- Deloitte -

제조현장에머신러닝의적용은제품품질및생산수율을향상시키는데필요한통찰력을제공하여작업장의생산성을향상시킵니다.

- Forbes, Louis Columbus -

Smart Predictive Maintenance Value

* OTD : On-Time Delivery

성공적인 AI 적용을위한고려사항

* Source : Gartner Predicts the Future of AI Technologies

3X 40%

AI 적용증가 AI 기반증강분석

AI 성장및발전을감안한인프라결정

비즈니스 & IT 간의협업을통해복잡성해결

간단한 ML이가장의미있는경우가있음

서버리스컴퓨팅으로효율적인운영

자동화를통해표면적인이슈이상을통찰

Market Leader - Data Management & Machine Learning

Notebook-based Predictive Analytics andMachine Learning Solutions (Q3 2018)

Data Management Solutions for Analytics

머신러닝에의해서학습한모델을시각화툴을이용하여비즈니스환경에쉽게적용

할수있습니다.···

PAML 분야에서가장유명한벤체기업중하나와자사의인프라, 데이터관리, 3rd

Party 데이터소스, BI 및비즈니스애플리케이션을결합함으로써, 오라클은 PAML

마켓에서계속성장할것입니다.

전통적인데이터베이스의운영및관리

• 데이터베이스생성, 보안, 유지, 튜닝, 운영

• 복잡하고, 노동집약적이고투자시간대비비효율적인반복업무

분석에최적화된자율운영데이터베이스

• 데이터베이스관리의라이프사이클전체를완벽하게자율운영

• 비용절감, 데이터안전보장과동시에데이터혁신가로전환

Autonomous Database

Autonomous Database

Self-Securing데이터암호화, 다운타임없이보안패치자동적용Self-Driving

자동프로비전, 보안, 모니터링, 백업, 복구, 튜닝및업그레이드

Self-Repairing가용성극대화 : 2.5분/월 < 가동중단시간

20년간자율운영데이터베이스를위한기술을단계적으로적용및증명함

• Automatic Indexing

• Automatic Query Rewrite• Automatic Undo Management

• Autonomous Health Framework • Automatic Diagnostic Framework• Automatic Refresh of Clones

• Automatic SQL Tuning • Automatic Workload Capture / Replay• Automatic SQL Plan Management• Automatic Capture of SQL Monitor• Automatic Data Optimization

• Automatic Memory Management • Automatic Segment Space Mgmt• Automatic Statistics Gathering• Automatic Storage Management• Automatic Workload Repository• Automatic Diagnostic Monitor

• Automatic Columnar Flash• Automatic IM population• Automatic Application Continuity

9i 10g

11g

12c

18c

19c

혁신에투자

데이터모델설계

어플리케이션 개발

가시성을통한신규비즈니스기획

데이터분석

관리작업감소

튜닝

가용성구성

인프라관리

패치, 업그레이드

Journey to Autonomous Database

• 자동프로비전 : Exadata*, RAC*, Active Data Guard

• 자율운영, 진단, 조치, 튜닝, 패치

• 온라인에서컴퓨팅및스토리지자동확장및축소

• 모든데이터암호화, 보안패치자동적용

• 자동백업및복구

• 투명한장애조치

내·외부데이터수집 데이터베이스자율운영 데이터학습및예측 비즈니스가시성확보

• 현업사용자가머신러닝알고리즘을쉽게업무에적용

• Sandboxes 형태의다양한시뮬레이션을통해당사업무에적합한학습모델발견

* Exadata, RAC 는 Oracle Cloud 에서만지원

비정형데이터

다양한데이터소스

정형데이터

데이터강화

현업사용자를위한쉽고빠른가시성제공

분석도구가아닌비즈니스에집중

원클릭예측분석으로의사결정지원

스마트검색분석데이터에맞는최적의리포트자동생성

Autonomous Data Warehouse 의활용

• 추천을통한데이터강화

• 내·외부의다양한유형의데이터수집

• 이기종데이터베이스어댑터지원

전용마이그레이션도구

모든데이터의완벽한통합

비정형데이터

정형데이터

쉽고빠른내·외부데이터수집및강화

Provisioning중요업무의데이터베이스를

빠르고쉽게생성

Creates Exadata*Cloud Infrastructure,

RAC* scale-out database, Active Data Guard standby

Security내부및외부

위협으로부터보호

위협모니터링, 온라인보안업데이트적용, 모든데이터암호화, 안전한컨넥션관리

Management모든인프라및데이터베이스

관리자동화

모든 OS 및 SYSDBA 작업수행, 튜닝설정, 모든소프트웨어온라인패치, 오류진단

* Exadata, RAC : Oracle Cloud 에서만지원

Full Database Lifecycle Is Automated

Protection다운타임없이모든장애로부터복구

자동백업, 복구, Scale-out cluster 또는 Active remote

standby 에서응용프로그램의투명한장애조치

Scaling 온라인상태에서최고의

성능과저렴한비용으로확장

온라인에서서버리스컴퓨팅및스토리지의즉각적인확장및축소로진정한사용당

지불이가능

1 2 3 4 5

Optimization머신러닝을통해각데이터베이스의워크로드최적화

각워크로드에대한메모리, 데이터형식, 인덱스, 병렬처리및계획을지속적으로

최적화

Full Database Lifecycle Is Automated

AWS는 8.3배고비용

ORACLE은 10.8배이상빠름

Insurance Analytics Workload

• Exadata 기반의고성능데이터베이스

• 분석데이터에적합한병렬처리, 칼럼방식프로세싱, 압축활용

• DW 프로비저닝 < 1분, 빠르고확장가능한데이터적재

• 여러사용자접근과워크로드를지원하기위한고도의동시성지원

• 성능모니터링및머신러닝학습을통한지속적인튜닝

Exadata 기반의고성능데이터베이스

Classification

- Naïve Bayes

- Decision Tree

- Logistic Regression (GLM)

- Random Forest

- Neural Network

- Support Vector Machine

- Explicit Semantic Analysis

Clustering

- Hierarchical K-Means

- Hierarchical O-Cluster

- Expectation Maximization (EM)

Anomaly Detection

- One-Class SVM

Time Series

- Holt-Winters, Regular & Irregular, with and w/o trends & seasonal

- Single, Double Exp Smoothing

Regression

- Linear Model

- Generalized Linear Model

- Support Vector Machine (SVM)

- Stepwise Linear regression

- Neural Network

Attribute Importance

- Minimum Description Length

- Principal Comp Analysis (PCA)

- Unsupervised Pair-wise KL Div

Association Rules

- A priori / market basket

Predictive Queries

- Predict, cluster, detect, features

SQL Analytics

- SQL Windows, SQL Patterns,SQL Aggregates

Feature Extraction

- Principal Comp Analysis (PCA)

- Non-negative Matrix Factorization

- Singular Value Decomposition (SVD)

- Explicit Semantic Analysis (ESA)

Statistical Functions

- Basic statistics : min, max, median, stdev, t-test, F-test, Pearson’s, Chi-Sq, ANOVA etc

A1 A2 A3 A4 A5 A6 A7

• OAA includes support for Partitioned Models, Transactional, data etc

오라클 ADW 에서지원하는머신러닝알고리즘

• 현업 & IT 사용자 (GUI 기반)

• 정의된알고리즘사용

• OAC/DVD 에서허용하는데이터양

• OAC 내장 (Python 기반)

OAC/DVD 의머신러닝 UI

ADW 의머신러닝 UI

• IT 사용자 (SQL 기반)

• 다양한알고리즘및분석함수사용

• 빅데이터학습지원

• DB 에 ML 내장, 병렬수행

• 알고리즘설명및샘플제공

• OAC : Oracle Analytics Cloud• DVD : Data Visualization Desktop• ADW : Autonomous Datawarehouse• UI : User Interface

사용자역할에맞는머신러닝 UI 제공

머신러닝알고리즘을통한예측분석

직관적인 UI 를통한머신러닝보편화현업사용자및데이터사이언티스트는 DVD*의머신러닝알고리즘을이용하여다양한시뮬레이션을수행하여새로운통찰력을획득

자동분석 Explain

수치예측 : Numeric Prediction

다중분류 : Multi-Classification

이중분류 : Two-Classification

클러스터링 : Clustering

누적값 : Cumulative Value

시계열 : Time Series

CART

Elastic Net Linear Regression

Random Forest

Neural Network

Logistic Regression

Hierarchical Clustering

Cumulative Aggregation Function

Linear Regression

Naïve Bayes

K-Means Clustering

ARIMA

SEASONAL ARIMA

Sentiment Analysis

Anomaly Detection(one-class SVM)

Support Vector Machines(SVM)

감성분석 : Analyze Sentiment

* DVD : Data Visualization Desktop

머신러닝을활용한고급분석예제탬플릿내장머신러닝알고리즘설명, 샘플데이터, 학습방법, 학습데이터, 분석레포트예시제공

머신러닝분석을활용한생산성향상

비즈니스이슈

모델적용모델최적화

데이터탐구모델생성및학습

머신러닝분석을활용한생산성향상

모델최적화

데이터탐구모델생성및학습

모델적용

생산계획

부품/원자재공급

제품생산

품질검사

설비운영

머신러닝을활용한원클릭고급분석

원크릭예측분석속성값자동분석

• 머신러닝이속성값을분석해서의미있는리포트추천

• 보고자하는리포트선택만으로대시보드자동생성

•연관성분석

•핵심동인분석

•속성세그먼트

•이상치분석

•클러스터

•이상치

•참조선

•추세선

•예측

모바일분석현업사용자를위한쉬운분석도구

•분석앱제공 : Day by Day

•속성및데이터값으로실시간검색

•분석데이터에맞는최적의리포트자동생성

•현업사용자를위한 Drag & Drop 형태의쉬운시각화툴

•다양한유형의리포트로데이터가독성향상

•리포트및대시보드를다양한오피스문서로자동전환

데이터중심의비즈니스이해

유연한분석플랫폼선택간단한 3rd Party 솔루션연동을통한표준분석플랫폼유지

생산담당자를위한 ADW 시각화데모

지역별생산량및수율분석

지역별생산량및수율분석

지역별생산량및수율분석

✓

도시별생산효율성분석

✓

✓

지역별생산량예측

머신러닝을활용한특정속성(도시)별생산리포트자동추천

추천리포트를활용한도시별생산분석대시보드자동생성

CUSTOMER PERSPECTIVE

Benefit• 현업사용자들의실시간또는빠른데이터처리능력향상

• 데이터중심의조직으로전환 - 비즈니스전반및도메인간통찰력확보

Challenges• 비즈니스성장에따라새롭게요구되는

KPI 및보고서작성에많은시간소요• 데이터분산으로인한다차원분석이어려움

• 단계적접근 : 생산, 판매분석→설계, 개발, 서비스분석

ADW 는 현업 사용자들에게 자유로운분석을 제공해서 데이터 중심의 조직으로 전환하고 인더스트리 4.0 을 위한 출발점을 제공

데이터중심의조직으로전환

예측분석을통한품질문제방지

거의실시간으로생산품질데이터모니터링

완제품및구성품레벨에서품질이상모니터링

생산관련된데이터를접근하는데필요한시간이 90% 감소

데이터중심의진단및문제해결

①쉽고빠른데이터접근②심층분석을통한품질통찰력획득③빠른행동을통한생산성향상

디지털혁신의조력자Autonomous Data Warehouse

EASY

쉬운분석시스템생성으로적시에데이터통찰력획득

FAST

대용량데이터에대한다양한분석요구대응

ELASTIC

변동하는비즈니스요구에따른유연한확장

Thank you

김순덕 (soonduk.kim@oracle.com)

Cloud EvangelistOracle Digital Prime, JAPAC