SlideShare uma empresa Scribd logo
1 de 54
Baixar para ler offline
Direct by 이 승훈
빅데이터 구축 및 솔루션 제안 가이드
1.제조 분야 2.금융 분야 3.통신 분야 4.의료 분야 5.유통/인터넷분야
6.공공 분야 7.교육 분야 8.기타 분야 9.산업 공통
고객사 - 데이터 분석 전문 팀 구성(현업+IT로 구성, 불가능 시엔 외주업체 활용)
데이터
파악 및 이해
•데이터 파악 : 기관 내외
부 데이터 파악
•데이터 이해: 데이터 종류
및 데이터값의 의미 분석
• 데이터 표준화 : 내부에
없는 데이터는 남겨지게
조치
시나리오 구성
• 분석 결과 예측
-현업의 니드
-IT의 니드
• 내부 의견 수렴
• 의미 있는 분석을 위해
추가되어야 할 데이터 파
악
시나리오 개발
• 매년 시나리오 개발
확장
• 전 부서 리포트 제공
및 피드백
• 의미 있는 분석을 위
해 추가되어야 할 데
이터 계속 파악
외부 기관
가이드
•내재된 분석 노하우
제공
• 관련된 유사 외부 사
업 수행
• 관련기관 분석 결과
공유 및 재조인
분석 플랫폼
구축
• 오픈 소스 및 상용
하둡 플랫폼
• 상용 제품
• 플랫폼구축 : 상용
+오픈소스가 바람직
함
• 비교 및 사례 수집
•IT업체 : 데이터값 분
석 작업 제공
빅데이터 구축 가이드
•IT업체 : 시나리오 사
례 및 국내외 사례 제공
•IT업체 : 플랫폼 POC
및 실제 구축사례 제공
•IT업체 : 데이터 분석
직원 상주
•IT업체 : 사례 소개 및
외부 강의
개요
-해당산업의 특정 솔루션과 데이터 처리
역할을 하는 빅데이터 플랫폼을 같이 공급
제안사례
-예 :
통합경영판단지원시스템/장애예측/보안포렌
식/FDS/차세대 MES…….
비고 -해당 솔루션 벤더 + 빅데이터 플랫폼
솔루션 + 빅데이터 플랫폼 조합
빅데이터 구축 타입
개요
-빅데이터 플랫폼 기반으로 빅데이터
프로젝트 또는 데이터 분석 업무에만
포커스되는 프로젝트에 공급
제안사례 -공공 빅데이터/대기업 빅데이터 팀
비고 -빅데이터 플랫폼만 운영, 지원 직원 상주
빅데이터 분석 플랫폼 ONLY
BigData 구축방안
빅데이터 구축방안 : 3 가지 Option
HA Indexes a
nd Storage
Explore Analyze Dashboards
Option 1안
상용(IBM/Splunk),
전체 Real-time처리 +비주
얼
Explore Analyze Dashboards
Hadoop (Ma
pReduce & H
DFS)
Option 3안
HUNK(하둡),
전체 Batch 처리+비주얼
Explore Analyze Dashboards
HA Indexes an
d Storage
Option 2안
상용(IBM/Splunk) +
HUNK(하둡) ,
Real-time 과 Batch 처리+
비주얼
구축방안 1 : IBM/Splunk
6
Splunk
저장 기술
Explore Analyze Dashboards
Option 1안
IBM/Splunk,
전체 Real-time처리+
비주얼Database
s
Servers
Storage
Online S
ervices
Messaging
• 모든 데이터의 실시간 수집,분석 처리
• 단일 플랫폼으로 빠르고 안정적 시스템 구축
• 안정된 Enterprise 지원 및 S/W 업그래이드
• Open Source 대비, 관리 운용비용 절감
• 과거 장기간 무한대의 데이터 유지 및 고속 성능을
위한 분산 확장시 추가 비용 없음.
장점
• 초기 투자비용 발생 (단 이후 운용비 절감)
단점
IBM/Splunk 엔터프라이즈 라이센싱으로 무한한 데이
터 저장과 함께 안정된 엔터프라이즈 서비스와 지원
구축방안 2 : IBM/Splunk + HUNK (Hadoop)
7
Database
s
Servers
Storage
Online S
ervices
Messaging
•하이브리드 플랫폼으로 데이터 레이크 구축
•안정된 Enterprise 지원 및 S/W 업그래이드
•Only Open Source 대비, 관리 운용비용 절감
•기존 Hadoop저장 데이의 즉시 ROI창출
장점
•2개의 데이터 플랫폼 인프라 관리로 인한 운용비용 증가
•Hadoop의 경우 실시간 데이터 Trigger 설정 불가
•과거 데이터의 증가시 라이선스 비용 동반 증가
단점
기존에 이미 많은 데이터가 Hadoop에 수집은 되어 있
으나 그 데이터에 대해 가치를 아직 못 보고 있다면
IBM/Splunk 와 Hadoop의 Hybrid한 형태의 구조를 권장
합니다.
Explore Analyze Dashboards
HA Indexes an
d Storage
Option 2안
IBM/Splunk + HUNK(하둡),
Real-time 과 Batch 처리+비
주얼
구축방안 3 : HUNK (Hadoop)
8
Database
s
Servers
Storage
Online S
ervices
Messaging
• 오픈소스 플렛폼으로 초리 비용 절감
• Hadoop저장 데이의 즉시 ROI창출
장점
• 전체적으로 실시간 데이터 수집, 분석 및 비즈니
스Trigger 설정 불가
• Open Source 운용으로 인한 운용비용 증가
• Hadoop의 경우 실시간 데이터 Trigger 설정 불가
단점
기존에 이미 많은 데이터가 Hadoop에 수집은 되어있고
단순 과거 BATCH리포팅에 만족하시면 HUNK의 옵션이
있습니다.
Explore Analyze Dashboards
Hadoop (Map
Reduce & HDF
S)
Option 3안
HUNK (Hadoop),
전체 Batch 처리+비주
얼
인공지능과
BigData
· AI와 빅데이터가 만나면 서로의 약점을 보완하면서
win-win효과를 창출 가능
<AI와 빅데이터의 상호보완효과>
· AI와 빅데이터는 상호보완적인 역할을 수행, 서로에게
시너지효과를 만들어 낼 수 있음
AI
[빅데이터와 AI의 관계]
분석력,예측력
빅데이터
신뢰성, 현실성
인공지능과 빅데이터
사람의뇌는데이터나정보를인식한뒤이를전기신호로보내
서로소통하는방식
최근구글X의인공신경망연구발표후빅데이터와AI구현의
경계모호
인간의학습능력,추론능력,지각능력,이해능력들을실현하는
AI빅데이터의궁극적인미래가될수있다
2.빅데이터의궁극의미래는AI를완성하는것?
1.Google의독감예보서비스
간단한 AI기술을 통해 독감 증세 환자가 늘면 감기와 관련된 단어를
검색하는 빈도가 함께 증가한다는 패턴을 발견해 내는 것.
독감 증세 환자△
감기 관련 단어
검색 빈도△
인공지능를 활용한빅데이터 사례
2.사람을이긴인공지능슈퍼컴퓨터왓슨
IBM은설립자토마스왓슨의이름을딴인공지능슈퍼컴퓨터
‘왓슨(Watson)’을개발
-인간의복잡하고미묘한자연어이해가능
왓슨이사람을이길수있었던힘은인공지능에기반한
데이터분석능력
-3년간수학,과학,인문학등다양한분야에대한상식과100만권의책에
해당하는지식을축적했으며,2억페이지의컨텐츠보유
2.사람을이긴인공지능슈퍼컴퓨터왓슨
[인공지능수퍼컴퓨터'왓슨',의료계와금융계에적용]
미국병원'세톤헬스케어패밀리'가환자데이터분석을위해왓슨의
'의료용콘텐츠및예측분석‘기술을채택(11.10월)
-방대한양의환자데이터에서임상정보를추출분석해미래를예측하고 대비하며
환자의예방이가능한재입원과방문횟수를줄이는데중점
미국블룸버그통신은인간의언어를이해하고지식을습득하는왓슨이
월가의금융서비스에활용된계획이라고보도(11.3월)
-IBM은왓슨이영역을계속확대해2015년쯤약25억5000만달러의추가수입을거둘
것으로예상
3.밀라노의지능형교통정보시스템
기상청의
날씨 정보
도로 교통
상황
시위, 행사
경찰청의
사건 정보
밀라노시는교통흐름에영향을주는다양한정보를종합적으로
분석하여최적의교통안내서비스를제공
5분에서 15분 간격으로 수집된 데이터를 분석 2~24시간을 예측 가능
밀라노 도시 전체 정보를 분석하기 위한 소요시간은 0.1초에 불과
1.
경제사회기술적환경변화의소용돌이가급격히빨라
지면서미래의다양한가능성과불확실성에대한전망
이더욱중요
의미없어보이는대용량의데이터에서
일정한패턴을발견하고통찰력을얻는것이빅데이터의핵심.
인공지능과 빅데이터는?
Global Communication 2team
[미래 사회의 특성과 빅 데이터의 역할]
2. 빅데이터의가능성을극대화시키고새로운가치를끌
어내기위해서는AI기술과의접목이필수
빅데이터의진정한가치는커다란데이터자체가아니라
추출할수있는새로운것에사회적가치가있다.
이를실현하는핵심기술이AI
최근 빅데이터
추세
하둡플랫폼 트렌드 – 튜닝에서 상용으로
분석도구 트렌드 – SI에서 Easy tool로
디테일한 시나리오 개발
어떤 분석을? 현업과의 협업이 답!!!
경영 관리 앱
보안 관리 앱
IT 관리 앱
Data Lake
(상용+오픈소스)
업무분석
전문가
플랫폼 분석
전문가
패턴 분석
- 공통패턴
- 특이패턴
- 특화패턴
- 즉석분석
- 패턴 DB 구축
분석 및 시뮬레이션,
Test 베드 구축
Custom
Applicatio
ns
Online
Service
s
Web S
ervices
Servers
Securit
y
GPS Lo
cation
Storag
e
Desktops
Networks
Packaged
Applicatio
ns
Messagin
g
Telecoms
Online Sh
opping C
art
Web Click
streams
Database
s
Energy Me
ters
Call Detail R
ecords
Smartphon
es and Devi
ces
RFID
특화 부문 앱
데이터 레이크/하이브리드- 현업의 직접 분석
솔루션 제안
가이드
개요
-제조장비로부터 데이터를 수집하여
전체구간에 대한 분석을 통해 품질을 분석함.
스마트 팩토리라 불림
소요기술 -IBM/스플렁크 엔터프라이즈
기술
협력사
-ACS
제조 품질관리 시스템
1.제조 분야(1/3)
개요
-제조장비의 크리티컬 에러 전에 사소한
에러를 분석해 내어 사전에 큰 사고를
예방하고자 함 (딥러닝 솔루션 포함)
소요기술 -IBM/스플렁크 엔터프라이즈/팔콘리
기술
협력사
-ACS
제조 설비 장애 예측 시스템
개요
-기존 샘플링하던 전력데이터를 실시간
수집하여 실시간 패턴 분석을 통해 잘못된
전력 사용패턴을 수정하여 전체 전력비용
절감을 꾀함
소요기술 -IBM/스플렁크 엔터프라이즈
기술
협력사
-피에스텍
전력 관리 시스템
개요
- 각종 IOT장비및 센서데이터를 수집하여
사용패턴 / 장애분석을 제공
소요기술 - IBM/스플렁크 엔터프라이즈
기술
협력사
-통신사 및 대기업SI
IoT
1.제조 분야(2/3)
개요
-여러 회사를 경영하는 그룹사의 경우
경영진이 실시간으로 각 회사의
경영/제조/연결분석 등을 통해 판단을 즉각
하도록 도와주고자 함
소요기술 -IBM/스플렁크 엔터프라이즈/하둡+헝크
기술
협력사
-ERP업체
경영 판단 지원시스템
개요
-산재가 잦은 사업장/플랜트/건설에서
위치기반 센서와 장비센서의 데이터를
분석하여 안전사고를 예방하고자 함
소요기술 -IBM/스플렁크 엔터프라이즈/자바
기술
협력사
-데이텍
안전관리 시스템
1.제조 분야(3/3)
개요
-콜센터 내의 모든 장비의 데이터를
통합하여 통계를 내어 콜센터 서비스 업무를
정확히 분석하여 마케팅에 활용하고자 함
소요기술 -IBM/스플렁크 엔터프라이즈
기술
협력사
-CSI/루키스/솔루게이트
콜 센터 통합 분석
개요
-마케팅 관련 데이터와 외부 데이터를 모두
통합하여 개인 하나하나에 맞는 상품을
추천하여 매출을 올리고자 함
소요기술 -IBM/스플렁크 엔터프라이즈/SAS/BI
기술
협력사
-
동양네트웍스/뱅크웨어글로벌/네오비앤에스
/서버사이드/
개인화된 고객 분석
2.금융 분야(1/5)
개요
-금융지주 차워에서 각 계열별 금융상품
상담을 하나의 창구에서 제공하는데 있어
상담원이 금융데이터와 외부 데이터를
연계하여 효율적인 고객 상담을 수행하여
가입상품을 늘리고자 함
소요기술 -IBM/스플렁크 엔터프라이즈/자바
기술
협력사
-KDS/코어뱅크
통합 창구 상담
개요
-실시간 부정거래 모니터링
-자금세탁방지
소요기술 -IBM/스플렁크 엔터프라이즈/자바
기술
협력사
-
코어뱅크/천명소프트/동양네트웍스/오렌지
테크/KPT/인터리젠/잉카인터넷
FDS / ALM
2.금융 분야(2/5)
개요
-대출을 수행한 중소기업들의 외부 평가를
관리하여 조기 위험을 파악하고 조기 상환을
통해 대출 리스크를 최소화 하려함
소요기술 -IBM/스플렁크 엔터프라이즈/한글검색엔진/
기술
협력사
-iRS/컨설팅업체
대출기업 평가관리 시스템
개요
-복잡한 금융상품의 내용과 상관관계를
분석하여 상품수나 카테고리를 조정하고
영업에 임팩트를 주기 위함
소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지
기술
협력사
-컨설팅업체
상품 분석 시스템
2.금융 분야(3/5)
개요
-기존 보험/카드사의 정해진 패턴기반의
FDS가 아니라 경험하지 못한 패턴을 사전에
분석하여 대형사고를 예방하고자 함
소요기술
-IBM/스플렁크 엔터프라이즈/센트리퓨지 or
팰런티어
기술
협력사
-칸테크
보험/카드 사기 방지 시스템
개요
-위치기반 앱과 상품 정보를 엮어서
실시간으로 고객에게 상품정보와 이벤트를
푸쉬서버로 제공
소요기술 -IBM/스플렁크 엔터프라이즈/LBS
기술
협력사
-코디스페이스
위치기반 상품정보 전달
2.금융 분야(4/5)
개요
-최근에 가입한 고객 중 거래의 허브가 되는
고객 발굴하여 VIP마케팅을 수행하여
상품매출을 올리고자 함
소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지
기술
협력사
-칸테크
거래 우수고객 분석
개요
- 딥러닝 기반의 채팅 로봇을 활용하여 70-
80%의 상담을 해결하고자 함
소요기술
- 음성인식, 문자인식, 메신처, IBM/스플렁크,
하둡
기술
협력사
- 루키스/디오텍/SI
- 챗봇
2.금융 분야(5/5)
개요
-통신사와 연동되는 IOT 분석 서비스를
제공하여 사용패턴과 마케팅 활용포인트를
찾으려 함
소요기술 -IBM/스플렁크 엔터프라이즈
기술
협력사
-플랜잇/3A
IoT연동 분석 시스템
개요
-통신업체의 기존 통신레가시 장비의
데이터를 통합적으로 분석하여 업무 효율과
통합 통계를 제공하려 함
소요기술 -IBM/스플렁크 엔터프라이즈/하둡+헝크
기술
협력사
-통신 자회사
OSS/BSS 분석
3.통신 분야(1/4)
개요
-통신사의 클라우드 서비스에 대한
모니터링을 제공하여 효율적인 서비스가
이루어지는 분석하고자 함
소요기술 -IBM/스플렁크 엔터프라이즈
기술
협력사
-락플레이스
클라우드 모니터링
개요
-통신사와 손잡고 일반 기업과 고객을
대상으로 데이터 분석 도구를 임대하는
서비스임
소요기술 -IBM/스플렁크 엔터프라이즈/하둡+헝크
기술
협력사
-락플레이스
데이터 분석 시스템
3.통신 분야(2/4)
개요
-통신사 및 케이블업체의
스마트TV/셋탑박스/샤이니지 데이터를
분석하여 광고매출을 올리고자 함
소요기술 -IBM/스플렁크 엔터프라이즈/하둡+헝크
기술
협력사
-인텔리안
시청률/광고 분석 시스템
개요
-방송사의 데이터와 송수신업체의 단말기
데이터를 통합하여 방송장비와 단말기
서비스 상태와 고객 사용패턴을 통합하여
분석하고자 함
소요기술 -IBM/스플렁크 엔터프라이즈/하둡+헝크
기술
협력사
-네오니즈
방송/단말기 분석 시스템
3.통신 분야(3/4)
개요
-산재된 미디어 서비스의 통합된 통계
분석을 통해 효율적인 프로그램 서비스와
일정등을 조율하고자 함
소요기술 -IBM/스플렁크 엔터프라이즈/하둡+헝크
기술
협력사
-유라클/쌍용정보통신
미디어 통합 통계분석 시스템
개요
-모바일 단말기와 앱의 사용패턴과 장애
사항 등을 분석하여 고객 컴플레인 전에
사전대응하고 고객 사용 패턴을 분석해
마케팅에 활용하고자 함
소요기술 -IBM/스플렁크 엔터프라이즈/하둡+헝크
기술
협력사
-보이드소프트/에프엔 정보
모바일 앱/단말기의 사용패턴/장애 분석
3.통신 분야(4/4)
개요
-의료보험과 연계된 의료 장비들의 데이터를
분석하여 장애 및 고객별 사용량, 패턴 등을
분석하여 병원내 비용을 절감하고자 함
소요기술 -IBM/스플렁크 엔터프라이즈
기술
협력사
-아이라이즈/성심네트웍스
의료장비 분석 시스템
개요
-병원에서 처방된 데이터와 의료보험데이터,
질병 데이터를 통합 분석하여 각 의약품이
질병에 끼치는 영향과 결과들을 분석하고자
함
소요기술
-IBM/스플렁크 엔터프라이즈/센트리퓨지
또는 팰런티어
기술
협력사
-칸테크
의약품/질병 연관분석 시스템
4.의료 분야(1/2)
개요
-국가 의료보험과 민간 의료보험사들을
대상으로 한 신종사기를 즉각 분석하여
보험료 지출을 최소화하고 대형 하고를
예방하고자 함
소요기술
-IBM/스플렁크 엔터프라이즈/센트리퓨지
또는 팰런티어
기술
협력사
-칸테크
의료보험 사기 분석 시스템
개요
-병원용 CDW를 구축하여, 즉 텍스트+뉴메릭
데이터 통합분석을 통해 통합 의료 데이터
분석을 구축하고자 함
소요기술
-IBM/스플렁크
엔터프라이즈/한글검색엔진/센트리퓨지
또는 팰런티어
기술
협력사
-한진정보통신/iRS
처방전/진료/의료 데이터 분석
4.의료 분야(2/2)
개요
-기업 내 모든 데이터를 통합분석하여
개개인의 패턴을 분석하여 상품을
추천하고자 함
소요기술
-IBM/스플렁크 엔터프라이즈/센트리퓨지
또는 팰런티어
기술
협력사
-락플레이스
개인화된 고객 분석(상품추천시스템)
개요
-고객 패턴을 분석하여 고객이 이탈하는
조짐과 징후를 파악하여 사전에 조치를
취하고자 함
소요기술
-IBM/스플렁크 엔터프라이즈/센트리퓨지
또는 팰런티어
기술
협력사
-락플레이스
고객 이탈 방지 모니터링 시스템
5.유통/인터넷 분야(1/2)
개요
-비대면 채널의 거래를 실시간 분석하여
개개인간의 거래 또는 부정업체의 사기를
방지하고자 함
소요기술
-IBM/스플렁크 엔터프라이즈/센트리퓨지
또는 팰런티어
기술
협력사
-동양네트웍스
FDS/아이템 사기 방지
개요 -
소요기술 -
기술
협력사
-
5.유통/인터넷 분야(2/2)
개요
-기관 내부 통계 , 정책 자료, 웹 게시 자료,
민원 자료, 소셜 자료 등을 통합 분석하여
정책수립에 필요한 기반 통계를 제공하고자
함
소요기술
-IBM/스플렁크 엔터프라이즈/한글검색엔진
또는 마크로직
기술
협력사
-iRS
정책 판단 지원 시스템
개요
-LBS 기반 위치서비스와 기술 제휴하여
지자체 관광 소요 및 수요를 적정하게
배분하도록 유도하여 관광 매출을 올리고자
함
소요기술 -IBM/스플렁크 엔터프라이즈/LBS
기술
협력사
-코디스페이스/네오니즈
관광객 분석 시스템
6.공공 분야(1/5)
개요
-소셜데이터와 게시판 등의 데이터를
통합분석하여 기관이나 정책에 대한 평판을
즉각적으로 분석하고자 함
소요기술
-IBM/스플렁크 엔터프라이즈/한글검색엔진
또는 마크로직
기술
협력사
-iRS
민원 및 평판 분석 시스템
개요
-국가차원에서 장기 미제 사건, 사회적
이슈가 되는 범죄, 테러 등에 대한 즉각적인
분석을 통해 범죄를 타진하고 예방에 대한
대응책을 세우고자 함
소요기술
-IBM/스플렁크 엔터프라이즈/센트리퓨지
또는 팰런티어
기술
협력사
-락플레이스/칸테크
범죄/테러 분석 시스템
6.공공 분야(2/5)
개요
-고속도로 및 지자체 도로의 교통을
위치기반 기술과 빅데이터 기술을 조인하여
트래픽을 예측하고 분산하고자 하며 운전
습관 등을 분석하여 효과적인 운전방식과
에너지 절감을 꾀하고자 함
소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지
기술
협력사
-락플레이스
교통 분석 시스템
개요
-공공기관의 복지 수급, 연금 수급, 공기업의
부정, 내부직원들의 부정을 사전에
방지하고자 함
소요기술
-IBM/스플렁크 엔터프라이즈/센트리퓨지
또는 팰런티어
기술
협력사
-
부정거래 적발 시스템
6.공공 분야(3/5)
개요
-세무자료,경찰자료, 지자체 자료 등의
통합분석을 통해 세금포탈/불법 재산 은닉을
빨리 찾아내고자 함
소요기술
-IBM/스플렁크 엔터프라이즈/센트리퓨지
또는 팰런티어
기술
협력사
-칸테크/락플레이스
세금포탈/불법 재산 추적 시스템
개요
-갑작스런 재해나 천재지변에 대한 컨트롤
타워 역할을 IT기반 통제센터를 구축하고자
함
소요기술
-팰런티어
기술
협력사
-락플레이스
자연재해 분석 시스템
6.공공 분야(4/5)
개요
-전쟁상황이나 시뮬레이션 시에 실시간으로
전황을 분석하여 중앙 콘트롤 시에
의사결정을 빨리 하고자 함
소요기술 -팰런티어
기술
협력사
-락플레이스
전시상황 분석 시스템
개요
-수출입, 국내 도로, 항만 등을 통한 물류
데이터를 분석하여 통합 통계, 실시간 이상
현황, 서비스 단위의 통합적인 연계를
구축하고자 함
소요기술 -IBM/스플렁크 엔터프라이즈
기술
협력사
-락플레이스
물류상황 분석 시스템
6.공공 분야(5/5)
개요
-공공기관 및 공기업의
시설/장비/선박/건설에서 위치기반 센서와
장비센서의 데이터를 분석하여 안전사고를
예방하고자 함
소요기술 -IBM/스플렁크 엔터프라이즈/팰런티어
기술
협력사
-락플레이스
안전관리 시스템
개요
-딥러닝 기반의 채팅 로봇을 활용하여 70-
80%의 상담을 해결하고자 함
소요기술
-음성인식, 문자인식, 메신처, IBM/스플렁크,
하둡
기술
협력사
-루키스/디오텍/SI
6.공공 분야(5/5)
챗봇을 활용한 사이버 민원 상담
개요
-매년 교육부 보고에 각 대학들이 많은
예산을 지출하고 있으나 효율이 매우 적어
즉각적이고 변동적인 교육 관련 리포트를
만들어 내고자 함
소요기술 -IBM/스플렁크 엔터프라이즈
기술
협력사
-칸테크
대학 학사 분석 시스템
개요
-각종 미디어, 자료 등의 모든 컨텐츠 검색,
분석과 수강생들의 패턴 및 관심사항 등을
분석하여 교육 효과를 높이고자 함
소요기술 -마크로직
기술
협력사
-락플레이스
이러닝 학습 분석 시스템
7.교육 분야(1/2)
개요
-기관및 기업의
게시판/콜센터/소셜/앱데이터수집 및 통합
분석하여 고객의 반응에 따른 매출/서비스의
효과를 분석하고자 함
소요기술
-IBM/스플렁크
엔터프라이즈/한글검색엔진/센트리퓨지
또는 팰런티어
기술
협력사
-SRPost/iRS
고객반응 분석 시스템(VOC)
개요
-건물 내외부의 장비 및 센서 데이터를
수집하여 실시간 통제하고자 함
소요기술
-IBM/스플렁크 엔터프라이즈/자바
기술
협력사
-
빌딩설비 관리시스템(IBS)
8.기타 분야(1/2)
개요
-전세계 뉴스 및 날씨, 환경 정보, 나라별
정세 분석을 통해 전세계 원자재 값을
사전에 예측하고자 함
소요기술 -마크로직
기술
협력사
-락플레이스
원자재 단가 흐름 분석 시스템
개요 -
소요기술 -
기술
협력사
-
-
8.기타 분야(2/2)
개요
-전체 IT서비스 구간의 품질 분석과 사소한
에러를 사전에 인지하여 큰 에러를
방지하고자 함
소요기술 -IBM/스플렁크 엔터프라이즈
기술
협력사
-아이엔소프트/투데이게이트/타임게이트
IT장애 예측 시스템
개요
-기존 보안 관제와 더불어 구축하여 모든
장비데이터들의 상관관계 분석과 트레이싱을
통해 알려지지 않은 침입패턴을 분석하고자
함 (딥러닝 포함)
소요기술 -IBM/스플렁크 엔터프라이즈/SPARC
기술
협력사
-안랩/사이버원/데이터와이드
보안 포렌식 시스템
8.산업 공통(1/3)
개요
-IT 전 구간의 데이터를 수집 분석하여
에러시 정확한 구간과 원인을 즉각
분석하고자 함
소요기술 -IBM/스플렁크 엔터프라이즈
기술
협력사
-아이엔소프트/투데이게이트/타임게이트
End-to-End (APM)
개요
-고객 내 모든 데이터(WAS단 포함)를 수집
분석하여 내부 이상징후를 사전에 파악하고
사고를 방지하고자 함
소요기술 -IBM/스플렁크 엔터프라이즈/자바
기술
협력사
-데이터와이드/투씨에스지/안랩/우산씨앤씨
내부 통제 시스템(개인정보유출 포함)
8.산업 공통(2/3)
개요
-고객내 모든 데이터를 수집, 저장하고
검색하여 IT관제 및 보안 분석 시에 즉각적인
분석을 수행하고자 함
소요기술 -IBM/스플렁크 엔터프라이즈/SPARC
기술
협력사
-다수
통합로그 관리 시스템
개요
-기존 포털의 검색 품질이 너무 낮고 검색이
정확하지 않고 너무 느려서 고도화가
심각하게 필요함
소요기술 -마크로직
기술
협력사
-락플레이스
컨텐츠 관리 시스텀 (포털포함)
8.산업 공통(3/3)
개요
- IDC내 전산장비 외 전력/설비/화재/기타
설비가 산재되어 있고 통합적인 관리가
안되어 사고예방이나 비용절감이 어려워
이에 대한 통합적인 대응책이 필요함
소요기술 -IBM/스플렁크 엔터프라이즈
기술
협력사
-바인스킨
개요 .
소요기술 -
기술
협력사
-
8.산업 공통(3/4)
IDC 통합 설비 관리 시스템
+
Successful Ingredient of Data Analysis
54
Machine
Data
+
Cognitive
Platform Analysis Logic
(Deep Learning)
Data
Science
Very Satisfied Customer
Written By 이승훈 실장, kosena21@naver.com, 010-9338-6400

Mais conteúdo relacionado

Mais procurados

自然言語処理のためのDeep Learning
自然言語処理のためのDeep Learning自然言語処理のためのDeep Learning
自然言語処理のためのDeep LearningYuta Kikuchi
 
[DL輪読会]PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection
[DL輪読会]PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection[DL輪読会]PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection
[DL輪読会]PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object DetectionDeep Learning JP
 
자습해도 모르겠던 딥러닝, 머리속에 인스톨 시켜드립니다.
자습해도 모르겠던 딥러닝, 머리속에 인스톨 시켜드립니다.자습해도 모르겠던 딥러닝, 머리속에 인스톨 시켜드립니다.
자습해도 모르겠던 딥러닝, 머리속에 인스톨 시켜드립니다.Yongho Ha
 
データサイエンス講義 第4章 スパムフィルタ、単純ベイズ、データラングリング
データサイエンス講義 第4章  スパムフィルタ、単純ベイズ、データラングリングデータサイエンス講義 第4章  スパムフィルタ、単純ベイズ、データラングリング
データサイエンス講義 第4章 スパムフィルタ、単純ベイズ、データラングリングtatsuyasakaeeda
 
【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...
【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...
【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...Deep Learning JP
 
금융It시스템의 이해 2편
금융It시스템의 이해 2편금융It시스템의 이해 2편
금융It시스템의 이해 2편Seong-Bok Lee
 
금융It시스템의 이해 1편 202201
금융It시스템의 이해 1편 202201금융It시스템의 이해 1편 202201
금융It시스템의 이해 1편 202201Seong-Bok Lee
 
金融APIセキュリティの動向・事例と今後の方向性
金融APIセキュリティの動向・事例と今後の方向性金融APIセキュリティの動向・事例と今後の方向性
金融APIセキュリティの動向・事例と今後の方向性Tatsuo Kudo
 
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for  Self-supervised Learning in Speech,...[DL輪読会]data2vec: A General Framework for  Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...Deep Learning JP
 
[DL輪読会]Pay Attention to MLPs (gMLP)
[DL輪読会]Pay Attention to MLPs	(gMLP)[DL輪読会]Pay Attention to MLPs	(gMLP)
[DL輪読会]Pay Attention to MLPs (gMLP)Deep Learning JP
 
画像キャプションの自動生成
画像キャプションの自動生成画像キャプションの自動生成
画像キャプションの自動生成Yoshitaka Ushiku
 
【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法Deep Learning JP
 
トピックモデルの話
トピックモデルの話トピックモデルの話
トピックモデルの話kogecoo
 
イベント・ソーシングを知る
イベント・ソーシングを知るイベント・ソーシングを知る
イベント・ソーシングを知るShuhei Fujita
 
Transformerを雰囲気で理解する
Transformerを雰囲気で理解するTransformerを雰囲気で理解する
Transformerを雰囲気で理解するAtsukiYamaguchi1
 
[DL輪読会]Attention Is All You Need
[DL輪読会]Attention Is All You Need[DL輪読会]Attention Is All You Need
[DL輪読会]Attention Is All You NeedDeep Learning JP
 

Mais procurados (20)

自然言語処理のためのDeep Learning
自然言語処理のためのDeep Learning自然言語処理のためのDeep Learning
自然言語処理のためのDeep Learning
 
[DL輪読会]PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection
[DL輪読会]PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection[DL輪読会]PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection
[DL輪読会]PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection
 
자습해도 모르겠던 딥러닝, 머리속에 인스톨 시켜드립니다.
자습해도 모르겠던 딥러닝, 머리속에 인스톨 시켜드립니다.자습해도 모르겠던 딥러닝, 머리속에 인스톨 시켜드립니다.
자습해도 모르겠던 딥러닝, 머리속에 인스톨 시켜드립니다.
 
データサイエンス講義 第4章 スパムフィルタ、単純ベイズ、データラングリング
データサイエンス講義 第4章  スパムフィルタ、単純ベイズ、データラングリングデータサイエンス講義 第4章  スパムフィルタ、単純ベイズ、データラングリング
データサイエンス講義 第4章 スパムフィルタ、単純ベイズ、データラングリング
 
【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...
【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...
【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...
 
SIGMOD 2019 参加報告
SIGMOD 2019 参加報告SIGMOD 2019 参加報告
SIGMOD 2019 参加報告
 
금융It시스템의 이해 2편
금융It시스템의 이해 2편금융It시스템의 이해 2편
금융It시스템의 이해 2편
 
LDA入門
LDA入門LDA入門
LDA入門
 
금융It시스템의 이해 1편 202201
금융It시스템의 이해 1편 202201금융It시스템의 이해 1편 202201
금융It시스템의 이해 1편 202201
 
金融APIセキュリティの動向・事例と今後の方向性
金融APIセキュリティの動向・事例と今後の方向性金融APIセキュリティの動向・事例と今後の方向性
金融APIセキュリティの動向・事例と今後の方向性
 
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for  Self-supervised Learning in Speech,...[DL輪読会]data2vec: A General Framework for  Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
 
[DL輪読会]Pay Attention to MLPs (gMLP)
[DL輪読会]Pay Attention to MLPs	(gMLP)[DL輪読会]Pay Attention to MLPs	(gMLP)
[DL輪読会]Pay Attention to MLPs (gMLP)
 
画像キャプションの自動生成
画像キャプションの自動生成画像キャプションの自動生成
画像キャプションの自動生成
 
【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法
 
continual learning survey
continual learning surveycontinual learning survey
continual learning survey
 
トピックモデルの話
トピックモデルの話トピックモデルの話
トピックモデルの話
 
イベント・ソーシングを知る
イベント・ソーシングを知るイベント・ソーシングを知る
イベント・ソーシングを知る
 
Outils de veille informationnelle - Hiver 2017
Outils de veille informationnelle - Hiver 2017Outils de veille informationnelle - Hiver 2017
Outils de veille informationnelle - Hiver 2017
 
Transformerを雰囲気で理解する
Transformerを雰囲気で理解するTransformerを雰囲気で理解する
Transformerを雰囲気で理解する
 
[DL輪読会]Attention Is All You Need
[DL輪読会]Attention Is All You Need[DL輪読会]Attention Is All You Need
[DL輪読会]Attention Is All You Need
 

Semelhante a [코세나, kosena] 빅데이터 구축 및 제안 가이드

글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)Treasure Data, Inc.
 
[DDC 2018] Metatron 오픈소스화 및 생태계 구축 (SKT 이정룡, 김지호)
[DDC 2018] Metatron 오픈소스화 및 생태계 구축 (SKT 이정룡, 김지호)[DDC 2018] Metatron 오픈소스화 및 생태계 구축 (SKT 이정룡, 김지호)
[DDC 2018] Metatron 오픈소스화 및 생태계 구축 (SKT 이정룡, 김지호)Metatron
 
지능정보시대를 위한 빅데이터, 이대로 좋은가
지능정보시대를 위한 빅데이터, 이대로 좋은가지능정보시대를 위한 빅데이터, 이대로 좋은가
지능정보시대를 위한 빅데이터, 이대로 좋은가r-kor
 
DLAB company info and big data case studies
DLAB company info and big data case studiesDLAB company info and big data case studies
DLAB company info and big data case studiesDLAB
 
2017 주요 기술 흐름 및 개요
2017 주요 기술 흐름 및 개요2017 주요 기술 흐름 및 개요
2017 주요 기술 흐름 및 개요Hosung Lee
 
빅데이터의 활용
빅데이터의 활용빅데이터의 활용
빅데이터의 활용수보 김
 
[2016 데이터 그랜드 컨퍼런스] 1 3. bk3(엔코아)데이터그랜드컨퍼런스 4차산업혁명의 핵심-데이터경제-엔코아
[2016 데이터 그랜드 컨퍼런스] 1 3. bk3(엔코아)데이터그랜드컨퍼런스 4차산업혁명의 핵심-데이터경제-엔코아[2016 데이터 그랜드 컨퍼런스] 1 3. bk3(엔코아)데이터그랜드컨퍼런스 4차산업혁명의 핵심-데이터경제-엔코아
[2016 데이터 그랜드 컨퍼런스] 1 3. bk3(엔코아)데이터그랜드컨퍼런스 4차산업혁명의 핵심-데이터경제-엔코아K data
 
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기Amazon Web Services Korea
 
How to Make Money from Data - Global Cases
How to Make Money from Data - Global CasesHow to Make Money from Data - Global Cases
How to Make Money from Data - Global CasesDataya Nolja
 
[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례
[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례
[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례Amazon Web Services Korea
 
[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료
[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료
[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료Sejeong Kim 김세정
 
[한국IBM] 비정형데이터분석 WEX 솔루션 소개
[한국IBM] 비정형데이터분석 WEX 솔루션 소개[한국IBM] 비정형데이터분석 WEX 솔루션 소개
[한국IBM] 비정형데이터분석 WEX 솔루션 소개Sejeong Kim 김세정
 
빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)동학 노
 
2015 스마트의료기술 세미나 질의응답기반의 개방형 클라우드 서비스 이제관
2015 스마트의료기술 세미나 질의응답기반의 개방형 클라우드 서비스 이제관2015 스마트의료기술 세미나 질의응답기반의 개방형 클라우드 서비스 이제관
2015 스마트의료기술 세미나 질의응답기반의 개방형 클라우드 서비스 이제관제관 이
 
2015-4 혁신기술로서의 빅데이터 국내 기술수용 초기 특성연구- 김정선
2015-4 혁신기술로서의 빅데이터 국내 기술수용 초기 특성연구- 김정선2015-4 혁신기술로서의 빅데이터 국내 기술수용 초기 특성연구- 김정선
2015-4 혁신기술로서의 빅데이터 국내 기술수용 초기 특성연구- 김정선datasciencekorea
 
UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015YoungMin Jeon
 
데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdf데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdfYunjeong Susan Hong
 
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)Amazon Web Services Korea
 
마인즈랩 사업소개 20151031_v1.0
마인즈랩 사업소개 20151031_v1.0마인즈랩 사업소개 20151031_v1.0
마인즈랩 사업소개 20151031_v1.0Taejoon Yoo
 

Semelhante a [코세나, kosena] 빅데이터 구축 및 제안 가이드 (20)

글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
 
[DDC 2018] Metatron 오픈소스화 및 생태계 구축 (SKT 이정룡, 김지호)
[DDC 2018] Metatron 오픈소스화 및 생태계 구축 (SKT 이정룡, 김지호)[DDC 2018] Metatron 오픈소스화 및 생태계 구축 (SKT 이정룡, 김지호)
[DDC 2018] Metatron 오픈소스화 및 생태계 구축 (SKT 이정룡, 김지호)
 
지능정보시대를 위한 빅데이터, 이대로 좋은가
지능정보시대를 위한 빅데이터, 이대로 좋은가지능정보시대를 위한 빅데이터, 이대로 좋은가
지능정보시대를 위한 빅데이터, 이대로 좋은가
 
DLAB company info and big data case studies
DLAB company info and big data case studiesDLAB company info and big data case studies
DLAB company info and big data case studies
 
2017 주요 기술 흐름 및 개요
2017 주요 기술 흐름 및 개요2017 주요 기술 흐름 및 개요
2017 주요 기술 흐름 및 개요
 
빅데이터의 활용
빅데이터의 활용빅데이터의 활용
빅데이터의 활용
 
[2016 데이터 그랜드 컨퍼런스] 1 3. bk3(엔코아)데이터그랜드컨퍼런스 4차산업혁명의 핵심-데이터경제-엔코아
[2016 데이터 그랜드 컨퍼런스] 1 3. bk3(엔코아)데이터그랜드컨퍼런스 4차산업혁명의 핵심-데이터경제-엔코아[2016 데이터 그랜드 컨퍼런스] 1 3. bk3(엔코아)데이터그랜드컨퍼런스 4차산업혁명의 핵심-데이터경제-엔코아
[2016 데이터 그랜드 컨퍼런스] 1 3. bk3(엔코아)데이터그랜드컨퍼런스 4차산업혁명의 핵심-데이터경제-엔코아
 
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
 
How to Make Money from Data - Global Cases
How to Make Money from Data - Global CasesHow to Make Money from Data - Global Cases
How to Make Money from Data - Global Cases
 
[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례
[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례
[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례
 
[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료
[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료
[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료
 
[한국IBM] 비정형데이터분석 WEX 솔루션 소개
[한국IBM] 비정형데이터분석 WEX 솔루션 소개[한국IBM] 비정형데이터분석 WEX 솔루션 소개
[한국IBM] 비정형데이터분석 WEX 솔루션 소개
 
빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)
 
2015 스마트의료기술 세미나 질의응답기반의 개방형 클라우드 서비스 이제관
2015 스마트의료기술 세미나 질의응답기반의 개방형 클라우드 서비스 이제관2015 스마트의료기술 세미나 질의응답기반의 개방형 클라우드 서비스 이제관
2015 스마트의료기술 세미나 질의응답기반의 개방형 클라우드 서비스 이제관
 
2015-4 혁신기술로서의 빅데이터 국내 기술수용 초기 특성연구- 김정선
2015-4 혁신기술로서의 빅데이터 국내 기술수용 초기 특성연구- 김정선2015-4 혁신기술로서의 빅데이터 국내 기술수용 초기 특성연구- 김정선
2015-4 혁신기술로서의 빅데이터 국내 기술수용 초기 특성연구- 김정선
 
UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015
 
데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdf데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdf
 
Beyond Big Data MEGA MART_V0.9
Beyond Big Data MEGA MART_V0.9Beyond Big Data MEGA MART_V0.9
Beyond Big Data MEGA MART_V0.9
 
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)
 
마인즈랩 사업소개 20151031_v1.0
마인즈랩 사업소개 20151031_v1.0마인즈랩 사업소개 20151031_v1.0
마인즈랩 사업소개 20151031_v1.0
 

Mais de kosena

빅재미(BigZAMi), 빅데이터 분석 플랫폼(AutoML포함) 소개해 드립니다.
빅재미(BigZAMi), 빅데이터 분석 플랫폼(AutoML포함) 소개해 드립니다.빅재미(BigZAMi), 빅데이터 분석 플랫폼(AutoML포함) 소개해 드립니다.
빅재미(BigZAMi), 빅데이터 분석 플랫폼(AutoML포함) 소개해 드립니다.kosena
 
[코세나, kosena] 생성AI 프로젝트와 사례
[코세나, kosena] 생성AI 프로젝트와 사례[코세나, kosena] 생성AI 프로젝트와 사례
[코세나, kosena] 생성AI 프로젝트와 사례kosena
 
[코세나, kosena] Auto ML, H2O.ai의 헬스케어분야 AI 활용 사례
[코세나, kosena] Auto ML, H2O.ai의 헬스케어분야 AI 활용 사례[코세나, kosena] Auto ML, H2O.ai의 헬스케어분야 AI 활용 사례
[코세나, kosena] Auto ML, H2O.ai의 헬스케어분야 AI 활용 사례kosena
 
[코세나, kosena] Auto ML, H2O.ai의 보험분야 활용사례
[코세나, kosena] Auto ML, H2O.ai의 보험분야 활용사례[코세나, kosena] Auto ML, H2O.ai의 보험분야 활용사례
[코세나, kosena] Auto ML, H2O.ai의 보험분야 활용사례kosena
 
[코세나, kosena] Auto ML, H2O.ai의 제조분야 AI 활용 사례
[코세나, kosena] Auto ML, H2O.ai의 제조분야 AI 활용 사례[코세나, kosena] Auto ML, H2O.ai의 제조분야 AI 활용 사례
[코세나, kosena] Auto ML, H2O.ai의 제조분야 AI 활용 사례kosena
 
[코세나, kosena] Auto ML 플랫폼 : H2O.ai DAI
[코세나, kosena] Auto ML 플랫폼 : H2O.ai DAI[코세나, kosena] Auto ML 플랫폼 : H2O.ai DAI
[코세나, kosena] Auto ML 플랫폼 : H2O.ai DAIkosena
 
[코세나, kosena] NFT Minting제언서
[코세나, kosena] NFT Minting제언서[코세나, kosena] NFT Minting제언서
[코세나, kosena] NFT Minting제언서kosena
 
[코세나, kosena] 산업부문별 인공지능 활용제안 가이드
[코세나, kosena] 산업부문별 인공지능 활용제안 가이드[코세나, kosena] 산업부문별 인공지능 활용제안 가이드
[코세나, kosena] 산업부문별 인공지능 활용제안 가이드kosena
 
[코세나, kosena] 금융권의 머신러닝 활용사례
[코세나, kosena] 금융권의 머신러닝 활용사례[코세나, kosena] 금융권의 머신러닝 활용사례
[코세나, kosena] 금융권의 머신러닝 활용사례kosena
 
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.kosena
 
[코세나, kosena] FDS(Fraud Detection System) Securities
[코세나, kosena] FDS(Fraud Detection System) Securities[코세나, kosena] FDS(Fraud Detection System) Securities
[코세나, kosena] FDS(Fraud Detection System) Securitieskosena
 

Mais de kosena (11)

빅재미(BigZAMi), 빅데이터 분석 플랫폼(AutoML포함) 소개해 드립니다.
빅재미(BigZAMi), 빅데이터 분석 플랫폼(AutoML포함) 소개해 드립니다.빅재미(BigZAMi), 빅데이터 분석 플랫폼(AutoML포함) 소개해 드립니다.
빅재미(BigZAMi), 빅데이터 분석 플랫폼(AutoML포함) 소개해 드립니다.
 
[코세나, kosena] 생성AI 프로젝트와 사례
[코세나, kosena] 생성AI 프로젝트와 사례[코세나, kosena] 생성AI 프로젝트와 사례
[코세나, kosena] 생성AI 프로젝트와 사례
 
[코세나, kosena] Auto ML, H2O.ai의 헬스케어분야 AI 활용 사례
[코세나, kosena] Auto ML, H2O.ai의 헬스케어분야 AI 활용 사례[코세나, kosena] Auto ML, H2O.ai의 헬스케어분야 AI 활용 사례
[코세나, kosena] Auto ML, H2O.ai의 헬스케어분야 AI 활용 사례
 
[코세나, kosena] Auto ML, H2O.ai의 보험분야 활용사례
[코세나, kosena] Auto ML, H2O.ai의 보험분야 활용사례[코세나, kosena] Auto ML, H2O.ai의 보험분야 활용사례
[코세나, kosena] Auto ML, H2O.ai의 보험분야 활용사례
 
[코세나, kosena] Auto ML, H2O.ai의 제조분야 AI 활용 사례
[코세나, kosena] Auto ML, H2O.ai의 제조분야 AI 활용 사례[코세나, kosena] Auto ML, H2O.ai의 제조분야 AI 활용 사례
[코세나, kosena] Auto ML, H2O.ai의 제조분야 AI 활용 사례
 
[코세나, kosena] Auto ML 플랫폼 : H2O.ai DAI
[코세나, kosena] Auto ML 플랫폼 : H2O.ai DAI[코세나, kosena] Auto ML 플랫폼 : H2O.ai DAI
[코세나, kosena] Auto ML 플랫폼 : H2O.ai DAI
 
[코세나, kosena] NFT Minting제언서
[코세나, kosena] NFT Minting제언서[코세나, kosena] NFT Minting제언서
[코세나, kosena] NFT Minting제언서
 
[코세나, kosena] 산업부문별 인공지능 활용제안 가이드
[코세나, kosena] 산업부문별 인공지능 활용제안 가이드[코세나, kosena] 산업부문별 인공지능 활용제안 가이드
[코세나, kosena] 산업부문별 인공지능 활용제안 가이드
 
[코세나, kosena] 금융권의 머신러닝 활용사례
[코세나, kosena] 금융권의 머신러닝 활용사례[코세나, kosena] 금융권의 머신러닝 활용사례
[코세나, kosena] 금융권의 머신러닝 활용사례
 
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
 
[코세나, kosena] FDS(Fraud Detection System) Securities
[코세나, kosena] FDS(Fraud Detection System) Securities[코세나, kosena] FDS(Fraud Detection System) Securities
[코세나, kosena] FDS(Fraud Detection System) Securities
 

[코세나, kosena] 빅데이터 구축 및 제안 가이드

  • 1. Direct by 이 승훈 빅데이터 구축 및 솔루션 제안 가이드 1.제조 분야 2.금융 분야 3.통신 분야 4.의료 분야 5.유통/인터넷분야 6.공공 분야 7.교육 분야 8.기타 분야 9.산업 공통
  • 2. 고객사 - 데이터 분석 전문 팀 구성(현업+IT로 구성, 불가능 시엔 외주업체 활용) 데이터 파악 및 이해 •데이터 파악 : 기관 내외 부 데이터 파악 •데이터 이해: 데이터 종류 및 데이터값의 의미 분석 • 데이터 표준화 : 내부에 없는 데이터는 남겨지게 조치 시나리오 구성 • 분석 결과 예측 -현업의 니드 -IT의 니드 • 내부 의견 수렴 • 의미 있는 분석을 위해 추가되어야 할 데이터 파 악 시나리오 개발 • 매년 시나리오 개발 확장 • 전 부서 리포트 제공 및 피드백 • 의미 있는 분석을 위 해 추가되어야 할 데 이터 계속 파악 외부 기관 가이드 •내재된 분석 노하우 제공 • 관련된 유사 외부 사 업 수행 • 관련기관 분석 결과 공유 및 재조인 분석 플랫폼 구축 • 오픈 소스 및 상용 하둡 플랫폼 • 상용 제품 • 플랫폼구축 : 상용 +오픈소스가 바람직 함 • 비교 및 사례 수집 •IT업체 : 데이터값 분 석 작업 제공 빅데이터 구축 가이드 •IT업체 : 시나리오 사 례 및 국내외 사례 제공 •IT업체 : 플랫폼 POC 및 실제 구축사례 제공 •IT업체 : 데이터 분석 직원 상주 •IT업체 : 사례 소개 및 외부 강의
  • 3. 개요 -해당산업의 특정 솔루션과 데이터 처리 역할을 하는 빅데이터 플랫폼을 같이 공급 제안사례 -예 : 통합경영판단지원시스템/장애예측/보안포렌 식/FDS/차세대 MES……. 비고 -해당 솔루션 벤더 + 빅데이터 플랫폼 솔루션 + 빅데이터 플랫폼 조합 빅데이터 구축 타입 개요 -빅데이터 플랫폼 기반으로 빅데이터 프로젝트 또는 데이터 분석 업무에만 포커스되는 프로젝트에 공급 제안사례 -공공 빅데이터/대기업 빅데이터 팀 비고 -빅데이터 플랫폼만 운영, 지원 직원 상주 빅데이터 분석 플랫폼 ONLY
  • 5. 빅데이터 구축방안 : 3 가지 Option HA Indexes a nd Storage Explore Analyze Dashboards Option 1안 상용(IBM/Splunk), 전체 Real-time처리 +비주 얼 Explore Analyze Dashboards Hadoop (Ma pReduce & H DFS) Option 3안 HUNK(하둡), 전체 Batch 처리+비주얼 Explore Analyze Dashboards HA Indexes an d Storage Option 2안 상용(IBM/Splunk) + HUNK(하둡) , Real-time 과 Batch 처리+ 비주얼
  • 6. 구축방안 1 : IBM/Splunk 6 Splunk 저장 기술 Explore Analyze Dashboards Option 1안 IBM/Splunk, 전체 Real-time처리+ 비주얼Database s Servers Storage Online S ervices Messaging • 모든 데이터의 실시간 수집,분석 처리 • 단일 플랫폼으로 빠르고 안정적 시스템 구축 • 안정된 Enterprise 지원 및 S/W 업그래이드 • Open Source 대비, 관리 운용비용 절감 • 과거 장기간 무한대의 데이터 유지 및 고속 성능을 위한 분산 확장시 추가 비용 없음. 장점 • 초기 투자비용 발생 (단 이후 운용비 절감) 단점 IBM/Splunk 엔터프라이즈 라이센싱으로 무한한 데이 터 저장과 함께 안정된 엔터프라이즈 서비스와 지원
  • 7. 구축방안 2 : IBM/Splunk + HUNK (Hadoop) 7 Database s Servers Storage Online S ervices Messaging •하이브리드 플랫폼으로 데이터 레이크 구축 •안정된 Enterprise 지원 및 S/W 업그래이드 •Only Open Source 대비, 관리 운용비용 절감 •기존 Hadoop저장 데이의 즉시 ROI창출 장점 •2개의 데이터 플랫폼 인프라 관리로 인한 운용비용 증가 •Hadoop의 경우 실시간 데이터 Trigger 설정 불가 •과거 데이터의 증가시 라이선스 비용 동반 증가 단점 기존에 이미 많은 데이터가 Hadoop에 수집은 되어 있 으나 그 데이터에 대해 가치를 아직 못 보고 있다면 IBM/Splunk 와 Hadoop의 Hybrid한 형태의 구조를 권장 합니다. Explore Analyze Dashboards HA Indexes an d Storage Option 2안 IBM/Splunk + HUNK(하둡), Real-time 과 Batch 처리+비 주얼
  • 8. 구축방안 3 : HUNK (Hadoop) 8 Database s Servers Storage Online S ervices Messaging • 오픈소스 플렛폼으로 초리 비용 절감 • Hadoop저장 데이의 즉시 ROI창출 장점 • 전체적으로 실시간 데이터 수집, 분석 및 비즈니 스Trigger 설정 불가 • Open Source 운용으로 인한 운용비용 증가 • Hadoop의 경우 실시간 데이터 Trigger 설정 불가 단점 기존에 이미 많은 데이터가 Hadoop에 수집은 되어있고 단순 과거 BATCH리포팅에 만족하시면 HUNK의 옵션이 있습니다. Explore Analyze Dashboards Hadoop (Map Reduce & HDF S) Option 3안 HUNK (Hadoop), 전체 Batch 처리+비주 얼
  • 10. · AI와 빅데이터가 만나면 서로의 약점을 보완하면서 win-win효과를 창출 가능 <AI와 빅데이터의 상호보완효과> · AI와 빅데이터는 상호보완적인 역할을 수행, 서로에게 시너지효과를 만들어 낼 수 있음 AI [빅데이터와 AI의 관계] 분석력,예측력 빅데이터 신뢰성, 현실성 인공지능과 빅데이터
  • 12. 1.Google의독감예보서비스 간단한 AI기술을 통해 독감 증세 환자가 늘면 감기와 관련된 단어를 검색하는 빈도가 함께 증가한다는 패턴을 발견해 내는 것. 독감 증세 환자△ 감기 관련 단어 검색 빈도△ 인공지능를 활용한빅데이터 사례
  • 15. 3.밀라노의지능형교통정보시스템 기상청의 날씨 정보 도로 교통 상황 시위, 행사 경찰청의 사건 정보 밀라노시는교통흐름에영향을주는다양한정보를종합적으로 분석하여최적의교통안내서비스를제공 5분에서 15분 간격으로 수집된 데이터를 분석 2~24시간을 예측 가능 밀라노 도시 전체 정보를 분석하기 위한 소요시간은 0.1초에 불과
  • 17. Global Communication 2team [미래 사회의 특성과 빅 데이터의 역할]
  • 20. 하둡플랫폼 트렌드 – 튜닝에서 상용으로
  • 21. 분석도구 트렌드 – SI에서 Easy tool로
  • 22. 디테일한 시나리오 개발 어떤 분석을? 현업과의 협업이 답!!!
  • 23. 경영 관리 앱 보안 관리 앱 IT 관리 앱 Data Lake (상용+오픈소스) 업무분석 전문가 플랫폼 분석 전문가 패턴 분석 - 공통패턴 - 특이패턴 - 특화패턴 - 즉석분석 - 패턴 DB 구축 분석 및 시뮬레이션, Test 베드 구축 Custom Applicatio ns Online Service s Web S ervices Servers Securit y GPS Lo cation Storag e Desktops Networks Packaged Applicatio ns Messagin g Telecoms Online Sh opping C art Web Click streams Database s Energy Me ters Call Detail R ecords Smartphon es and Devi ces RFID 특화 부문 앱 데이터 레이크/하이브리드- 현업의 직접 분석
  • 25. 개요 -제조장비로부터 데이터를 수집하여 전체구간에 대한 분석을 통해 품질을 분석함. 스마트 팩토리라 불림 소요기술 -IBM/스플렁크 엔터프라이즈 기술 협력사 -ACS 제조 품질관리 시스템 1.제조 분야(1/3) 개요 -제조장비의 크리티컬 에러 전에 사소한 에러를 분석해 내어 사전에 큰 사고를 예방하고자 함 (딥러닝 솔루션 포함) 소요기술 -IBM/스플렁크 엔터프라이즈/팔콘리 기술 협력사 -ACS 제조 설비 장애 예측 시스템
  • 26. 개요 -기존 샘플링하던 전력데이터를 실시간 수집하여 실시간 패턴 분석을 통해 잘못된 전력 사용패턴을 수정하여 전체 전력비용 절감을 꾀함 소요기술 -IBM/스플렁크 엔터프라이즈 기술 협력사 -피에스텍 전력 관리 시스템 개요 - 각종 IOT장비및 센서데이터를 수집하여 사용패턴 / 장애분석을 제공 소요기술 - IBM/스플렁크 엔터프라이즈 기술 협력사 -통신사 및 대기업SI IoT 1.제조 분야(2/3)
  • 27. 개요 -여러 회사를 경영하는 그룹사의 경우 경영진이 실시간으로 각 회사의 경영/제조/연결분석 등을 통해 판단을 즉각 하도록 도와주고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/하둡+헝크 기술 협력사 -ERP업체 경영 판단 지원시스템 개요 -산재가 잦은 사업장/플랜트/건설에서 위치기반 센서와 장비센서의 데이터를 분석하여 안전사고를 예방하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/자바 기술 협력사 -데이텍 안전관리 시스템 1.제조 분야(3/3)
  • 28. 개요 -콜센터 내의 모든 장비의 데이터를 통합하여 통계를 내어 콜센터 서비스 업무를 정확히 분석하여 마케팅에 활용하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈 기술 협력사 -CSI/루키스/솔루게이트 콜 센터 통합 분석 개요 -마케팅 관련 데이터와 외부 데이터를 모두 통합하여 개인 하나하나에 맞는 상품을 추천하여 매출을 올리고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/SAS/BI 기술 협력사 - 동양네트웍스/뱅크웨어글로벌/네오비앤에스 /서버사이드/ 개인화된 고객 분석 2.금융 분야(1/5)
  • 29. 개요 -금융지주 차워에서 각 계열별 금융상품 상담을 하나의 창구에서 제공하는데 있어 상담원이 금융데이터와 외부 데이터를 연계하여 효율적인 고객 상담을 수행하여 가입상품을 늘리고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/자바 기술 협력사 -KDS/코어뱅크 통합 창구 상담 개요 -실시간 부정거래 모니터링 -자금세탁방지 소요기술 -IBM/스플렁크 엔터프라이즈/자바 기술 협력사 - 코어뱅크/천명소프트/동양네트웍스/오렌지 테크/KPT/인터리젠/잉카인터넷 FDS / ALM 2.금융 분야(2/5)
  • 30. 개요 -대출을 수행한 중소기업들의 외부 평가를 관리하여 조기 위험을 파악하고 조기 상환을 통해 대출 리스크를 최소화 하려함 소요기술 -IBM/스플렁크 엔터프라이즈/한글검색엔진/ 기술 협력사 -iRS/컨설팅업체 대출기업 평가관리 시스템 개요 -복잡한 금융상품의 내용과 상관관계를 분석하여 상품수나 카테고리를 조정하고 영업에 임팩트를 주기 위함 소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지 기술 협력사 -컨설팅업체 상품 분석 시스템 2.금융 분야(3/5)
  • 31. 개요 -기존 보험/카드사의 정해진 패턴기반의 FDS가 아니라 경험하지 못한 패턴을 사전에 분석하여 대형사고를 예방하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지 or 팰런티어 기술 협력사 -칸테크 보험/카드 사기 방지 시스템 개요 -위치기반 앱과 상품 정보를 엮어서 실시간으로 고객에게 상품정보와 이벤트를 푸쉬서버로 제공 소요기술 -IBM/스플렁크 엔터프라이즈/LBS 기술 협력사 -코디스페이스 위치기반 상품정보 전달 2.금융 분야(4/5)
  • 32. 개요 -최근에 가입한 고객 중 거래의 허브가 되는 고객 발굴하여 VIP마케팅을 수행하여 상품매출을 올리고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지 기술 협력사 -칸테크 거래 우수고객 분석 개요 - 딥러닝 기반의 채팅 로봇을 활용하여 70- 80%의 상담을 해결하고자 함 소요기술 - 음성인식, 문자인식, 메신처, IBM/스플렁크, 하둡 기술 협력사 - 루키스/디오텍/SI - 챗봇 2.금융 분야(5/5)
  • 33. 개요 -통신사와 연동되는 IOT 분석 서비스를 제공하여 사용패턴과 마케팅 활용포인트를 찾으려 함 소요기술 -IBM/스플렁크 엔터프라이즈 기술 협력사 -플랜잇/3A IoT연동 분석 시스템 개요 -통신업체의 기존 통신레가시 장비의 데이터를 통합적으로 분석하여 업무 효율과 통합 통계를 제공하려 함 소요기술 -IBM/스플렁크 엔터프라이즈/하둡+헝크 기술 협력사 -통신 자회사 OSS/BSS 분석 3.통신 분야(1/4)
  • 34. 개요 -통신사의 클라우드 서비스에 대한 모니터링을 제공하여 효율적인 서비스가 이루어지는 분석하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈 기술 협력사 -락플레이스 클라우드 모니터링 개요 -통신사와 손잡고 일반 기업과 고객을 대상으로 데이터 분석 도구를 임대하는 서비스임 소요기술 -IBM/스플렁크 엔터프라이즈/하둡+헝크 기술 협력사 -락플레이스 데이터 분석 시스템 3.통신 분야(2/4)
  • 35. 개요 -통신사 및 케이블업체의 스마트TV/셋탑박스/샤이니지 데이터를 분석하여 광고매출을 올리고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/하둡+헝크 기술 협력사 -인텔리안 시청률/광고 분석 시스템 개요 -방송사의 데이터와 송수신업체의 단말기 데이터를 통합하여 방송장비와 단말기 서비스 상태와 고객 사용패턴을 통합하여 분석하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/하둡+헝크 기술 협력사 -네오니즈 방송/단말기 분석 시스템 3.통신 분야(3/4)
  • 36. 개요 -산재된 미디어 서비스의 통합된 통계 분석을 통해 효율적인 프로그램 서비스와 일정등을 조율하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/하둡+헝크 기술 협력사 -유라클/쌍용정보통신 미디어 통합 통계분석 시스템 개요 -모바일 단말기와 앱의 사용패턴과 장애 사항 등을 분석하여 고객 컴플레인 전에 사전대응하고 고객 사용 패턴을 분석해 마케팅에 활용하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/하둡+헝크 기술 협력사 -보이드소프트/에프엔 정보 모바일 앱/단말기의 사용패턴/장애 분석 3.통신 분야(4/4)
  • 37. 개요 -의료보험과 연계된 의료 장비들의 데이터를 분석하여 장애 및 고객별 사용량, 패턴 등을 분석하여 병원내 비용을 절감하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈 기술 협력사 -아이라이즈/성심네트웍스 의료장비 분석 시스템 개요 -병원에서 처방된 데이터와 의료보험데이터, 질병 데이터를 통합 분석하여 각 의약품이 질병에 끼치는 영향과 결과들을 분석하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지 또는 팰런티어 기술 협력사 -칸테크 의약품/질병 연관분석 시스템 4.의료 분야(1/2)
  • 38. 개요 -국가 의료보험과 민간 의료보험사들을 대상으로 한 신종사기를 즉각 분석하여 보험료 지출을 최소화하고 대형 하고를 예방하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지 또는 팰런티어 기술 협력사 -칸테크 의료보험 사기 분석 시스템 개요 -병원용 CDW를 구축하여, 즉 텍스트+뉴메릭 데이터 통합분석을 통해 통합 의료 데이터 분석을 구축하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/한글검색엔진/센트리퓨지 또는 팰런티어 기술 협력사 -한진정보통신/iRS 처방전/진료/의료 데이터 분석 4.의료 분야(2/2)
  • 39. 개요 -기업 내 모든 데이터를 통합분석하여 개개인의 패턴을 분석하여 상품을 추천하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지 또는 팰런티어 기술 협력사 -락플레이스 개인화된 고객 분석(상품추천시스템) 개요 -고객 패턴을 분석하여 고객이 이탈하는 조짐과 징후를 파악하여 사전에 조치를 취하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지 또는 팰런티어 기술 협력사 -락플레이스 고객 이탈 방지 모니터링 시스템 5.유통/인터넷 분야(1/2)
  • 40. 개요 -비대면 채널의 거래를 실시간 분석하여 개개인간의 거래 또는 부정업체의 사기를 방지하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지 또는 팰런티어 기술 협력사 -동양네트웍스 FDS/아이템 사기 방지 개요 - 소요기술 - 기술 협력사 - 5.유통/인터넷 분야(2/2)
  • 41. 개요 -기관 내부 통계 , 정책 자료, 웹 게시 자료, 민원 자료, 소셜 자료 등을 통합 분석하여 정책수립에 필요한 기반 통계를 제공하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/한글검색엔진 또는 마크로직 기술 협력사 -iRS 정책 판단 지원 시스템 개요 -LBS 기반 위치서비스와 기술 제휴하여 지자체 관광 소요 및 수요를 적정하게 배분하도록 유도하여 관광 매출을 올리고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/LBS 기술 협력사 -코디스페이스/네오니즈 관광객 분석 시스템 6.공공 분야(1/5)
  • 42. 개요 -소셜데이터와 게시판 등의 데이터를 통합분석하여 기관이나 정책에 대한 평판을 즉각적으로 분석하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/한글검색엔진 또는 마크로직 기술 협력사 -iRS 민원 및 평판 분석 시스템 개요 -국가차원에서 장기 미제 사건, 사회적 이슈가 되는 범죄, 테러 등에 대한 즉각적인 분석을 통해 범죄를 타진하고 예방에 대한 대응책을 세우고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지 또는 팰런티어 기술 협력사 -락플레이스/칸테크 범죄/테러 분석 시스템 6.공공 분야(2/5)
  • 43. 개요 -고속도로 및 지자체 도로의 교통을 위치기반 기술과 빅데이터 기술을 조인하여 트래픽을 예측하고 분산하고자 하며 운전 습관 등을 분석하여 효과적인 운전방식과 에너지 절감을 꾀하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지 기술 협력사 -락플레이스 교통 분석 시스템 개요 -공공기관의 복지 수급, 연금 수급, 공기업의 부정, 내부직원들의 부정을 사전에 방지하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지 또는 팰런티어 기술 협력사 - 부정거래 적발 시스템 6.공공 분야(3/5)
  • 44. 개요 -세무자료,경찰자료, 지자체 자료 등의 통합분석을 통해 세금포탈/불법 재산 은닉을 빨리 찾아내고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/센트리퓨지 또는 팰런티어 기술 협력사 -칸테크/락플레이스 세금포탈/불법 재산 추적 시스템 개요 -갑작스런 재해나 천재지변에 대한 컨트롤 타워 역할을 IT기반 통제센터를 구축하고자 함 소요기술 -팰런티어 기술 협력사 -락플레이스 자연재해 분석 시스템 6.공공 분야(4/5)
  • 45. 개요 -전쟁상황이나 시뮬레이션 시에 실시간으로 전황을 분석하여 중앙 콘트롤 시에 의사결정을 빨리 하고자 함 소요기술 -팰런티어 기술 협력사 -락플레이스 전시상황 분석 시스템 개요 -수출입, 국내 도로, 항만 등을 통한 물류 데이터를 분석하여 통합 통계, 실시간 이상 현황, 서비스 단위의 통합적인 연계를 구축하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈 기술 협력사 -락플레이스 물류상황 분석 시스템 6.공공 분야(5/5)
  • 46. 개요 -공공기관 및 공기업의 시설/장비/선박/건설에서 위치기반 센서와 장비센서의 데이터를 분석하여 안전사고를 예방하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/팰런티어 기술 협력사 -락플레이스 안전관리 시스템 개요 -딥러닝 기반의 채팅 로봇을 활용하여 70- 80%의 상담을 해결하고자 함 소요기술 -음성인식, 문자인식, 메신처, IBM/스플렁크, 하둡 기술 협력사 -루키스/디오텍/SI 6.공공 분야(5/5) 챗봇을 활용한 사이버 민원 상담
  • 47. 개요 -매년 교육부 보고에 각 대학들이 많은 예산을 지출하고 있으나 효율이 매우 적어 즉각적이고 변동적인 교육 관련 리포트를 만들어 내고자 함 소요기술 -IBM/스플렁크 엔터프라이즈 기술 협력사 -칸테크 대학 학사 분석 시스템 개요 -각종 미디어, 자료 등의 모든 컨텐츠 검색, 분석과 수강생들의 패턴 및 관심사항 등을 분석하여 교육 효과를 높이고자 함 소요기술 -마크로직 기술 협력사 -락플레이스 이러닝 학습 분석 시스템 7.교육 분야(1/2)
  • 48. 개요 -기관및 기업의 게시판/콜센터/소셜/앱데이터수집 및 통합 분석하여 고객의 반응에 따른 매출/서비스의 효과를 분석하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/한글검색엔진/센트리퓨지 또는 팰런티어 기술 협력사 -SRPost/iRS 고객반응 분석 시스템(VOC) 개요 -건물 내외부의 장비 및 센서 데이터를 수집하여 실시간 통제하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/자바 기술 협력사 - 빌딩설비 관리시스템(IBS) 8.기타 분야(1/2)
  • 49. 개요 -전세계 뉴스 및 날씨, 환경 정보, 나라별 정세 분석을 통해 전세계 원자재 값을 사전에 예측하고자 함 소요기술 -마크로직 기술 협력사 -락플레이스 원자재 단가 흐름 분석 시스템 개요 - 소요기술 - 기술 협력사 - - 8.기타 분야(2/2)
  • 50. 개요 -전체 IT서비스 구간의 품질 분석과 사소한 에러를 사전에 인지하여 큰 에러를 방지하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈 기술 협력사 -아이엔소프트/투데이게이트/타임게이트 IT장애 예측 시스템 개요 -기존 보안 관제와 더불어 구축하여 모든 장비데이터들의 상관관계 분석과 트레이싱을 통해 알려지지 않은 침입패턴을 분석하고자 함 (딥러닝 포함) 소요기술 -IBM/스플렁크 엔터프라이즈/SPARC 기술 협력사 -안랩/사이버원/데이터와이드 보안 포렌식 시스템 8.산업 공통(1/3)
  • 51. 개요 -IT 전 구간의 데이터를 수집 분석하여 에러시 정확한 구간과 원인을 즉각 분석하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈 기술 협력사 -아이엔소프트/투데이게이트/타임게이트 End-to-End (APM) 개요 -고객 내 모든 데이터(WAS단 포함)를 수집 분석하여 내부 이상징후를 사전에 파악하고 사고를 방지하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/자바 기술 협력사 -데이터와이드/투씨에스지/안랩/우산씨앤씨 내부 통제 시스템(개인정보유출 포함) 8.산업 공통(2/3)
  • 52. 개요 -고객내 모든 데이터를 수집, 저장하고 검색하여 IT관제 및 보안 분석 시에 즉각적인 분석을 수행하고자 함 소요기술 -IBM/스플렁크 엔터프라이즈/SPARC 기술 협력사 -다수 통합로그 관리 시스템 개요 -기존 포털의 검색 품질이 너무 낮고 검색이 정확하지 않고 너무 느려서 고도화가 심각하게 필요함 소요기술 -마크로직 기술 협력사 -락플레이스 컨텐츠 관리 시스텀 (포털포함) 8.산업 공통(3/3)
  • 53. 개요 - IDC내 전산장비 외 전력/설비/화재/기타 설비가 산재되어 있고 통합적인 관리가 안되어 사고예방이나 비용절감이 어려워 이에 대한 통합적인 대응책이 필요함 소요기술 -IBM/스플렁크 엔터프라이즈 기술 협력사 -바인스킨 개요 . 소요기술 - 기술 협력사 - 8.산업 공통(3/4) IDC 통합 설비 관리 시스템
  • 54. + Successful Ingredient of Data Analysis 54 Machine Data + Cognitive Platform Analysis Logic (Deep Learning) Data Science Very Satisfied Customer Written By 이승훈 실장, kosena21@naver.com, 010-9338-6400