본문 바로가기
Computer Science(컴퓨터 과학)/빅데이터

빅테이터의 실제사례와 미래

by BioLearner 2024. 10. 16.
반응형
 

빅데이터란?

요즘 "빅데이터"라는 용어가 자주 언급되고 있다. 많은 사람들이 예전에는 단순히 '데이터'라고 불렀던 것을 이제는 '빅데이터'라는 말로 대체하여 사용하곤 한다. 그렇다면 빅데이터란 정확히

insight0591.tistory.com

 

빅데이터의 절차와 사례1

빅데이터란?요즘 "빅데이터"라는 용어가 자주 언급되고 있다. 많은 사람들이 예전에는 단순히 '데이터'라고 불렀던 것을 이제는 '빅데이터'라는 말로 대체하여 사용하곤 한다. 그렇다면 빅데이

insight0591.tistory.com

 

앞선 포스터에서 빅데이터의 사례에 대해서 많이 이야기해보았다. 그렇다면 실제로 그것이 사용되는 방식은 어떤 것이 있을까?

 

이번 포스터에서는 이것에 대해서 이야기해보고 빅데이터가 어떠한 미래를 가지게 될 것인지 이야기해보도록 하겠다.

 

1. 빅데이터의 실제사례

서울시 심야버스 노선 최적화

출처: http://hbeetec.com/bbs/board.php?bo_table=b0301&wr_id=11

 

빅데이터 활용의 대표적인 사례로 서울시 심야버스 노선 최적화를 들 수 있다. 과거에는 버스 회사가 지역별 대략적인 수요를 바탕으로 노선을 결정했지만, 빅데이터가 도입되면서 훨씬 더 정교한 데이터 기반의 분석을 통해 심야버스 노선이 최적화되었다.

 

서울시는 통신 데이터(휴대폰 위치 정보)교통카드 사용 데이터를 분석해, 심야 시간대에 사람들이 자주 이동하는 경로를 파악했다. 이를 통해 혼잡한 시간대와 주요 경로를 정확하게 분석하고, 그에 맞춰 심야버스 노선을 재조정했다. 이 과정에서 빅데이터는 시민들이 자주 이용하는 경로와 시간을 파악하는 데 큰 도움을 주었으며, 결과적으로 대중교통의 효율성을 크게 향상시켰다.

 

서울시는 이러한 빅데이터 분석을 통해 더 많은 시민들에게 필요한 시간에 적절한 대중교통 서비스를 제공할 수 있게 되었고, 이는 운영 비용 절감과 자원의 최적화를 가능하게 했다.

 

매일 유업 제품 불량 판별

출처: https://www.donga.com/news/Economy/article/all/20170317/83366711/1

 

빅데이터가 실생활에서 활용된 또 다른 사례로, 매일유업의 "바리스타" 제품 불량률 감소 사례를 들 수 있다. 과거에는 사람이 직접 제품의 불량 여부를 판별했으나, 이는 매우 어려운 작업이었고 인력 고용 측면에서도 문제를 야기했다. 이러한 문제를 해결하기 위해 매일유업은 빅데이터를 활용한 기술을 도입했다.

 

매일유업은 방대한 데이터를 기반으로 딥러닝 모델을 학습시켜 제품의 불량률을 효율적으로 잡아냈다. 이 모델을 도입한 결과, 불량 제품을 더욱 정확하게 식별할 수 있었고, 그로 인해 전반적인 생산량도 증가했다. 이러한 사례는 빅데이터와 인공지능 기술이 실제 생산 과정에서 불량률 감소와 생산성 향상에 기여할 수 있음을 보여준다.

 

이처럼, 빅데이터를 딥러닝 모델에 적용해 얻어진 성과는 기업의 품질 관리와 운영 효율성을 크게 향상시키는 좋은 예시라

할 수 있다.

 

대우조선해양 선박 신수요, 유지보수 예측

출처: https://www.abckr.net/news/articleView.html?idxno=14050

 

빅데이터 활용의 또 다른 사례로 대우조선해양의 선박 신수요 및 유지보수 예측을 들 수 있다. 과거에는 선박 수요와 유지보수 계획을 세우는 데 있어 경험과 추정에 의존했지만, 최근에는 빅데이터 분석을 통해 보다 정밀하고 예측 가능한 방식으로 접근하고 있다.

 

대우조선해양은 방대한 데이터를 기반으로 선박의 수요를 예측하고, 선박 유지보수 시점을 미리 파악할 수 있게 되었다. 이를 통해 선박 관리 효율성을 극대화하고, 불필요한 유지보수 비용을 줄이는 동시에 운영 효율성을 크게 향상시킬 수 있었다. 이와 같은 빅데이터 활용은 대형 제조업체들이 경쟁력을 강화하고 시장의 변화에 빠르게 대응하는 데 중요한 역할을 하고 있다.

 

한화 S&C, COEX IoT 기반 빅데이터를 활용한 스마트 전시

빅데이터 활용의 또 다른 사례로 한화 S&C의 COEX IoT 기반 스마트 전시 시스템을 들 수 있다. 과거에는 전시회의 운영과 관람객 경험을 개선하기 위해 주로 경험과 직관에 의존했지만, 최근에는 IoT 센서를 통한 빅데이터 분석을 통해 보다 효율적이고 데이터 기반의 접근 방식을 채택하고 있다.

 

한화 S&C는 2016년에 IoT 센서를 통해 수집된 데이터를 활용하여 관람객의 움직임과 행동을 실시간으로 분석했다. 이를 통해 방문객들이 어떤 전시 구역에서 가장 많은 시간을 보내고, 어떤 전시물에 가장 큰 관심을 가지는지를 파악할 수 있다. 이러한 분석 결과는 전시 기획자들에게 귀중한 정보를 제공하여 전시를 더욱 효과적으로 운영할 수 있도록 도와주었다.

 

디지털국가예산, 회계시스템 / dBrain

출처: http://www.logobank.co.kr/view/6768

 

디지털국가예산과 회계 시스템에서 빅데이터는 중요한 역할을 하고 있다. 그 대표적인 예로 한국의 dBrain 사업을 들 수 있다.  dBrain은 디지털 기술을 활용하여 국가의 예산과 회계 시스템을 혁신하는 프로젝트로, 정부의 재정 운영 효율성을 극대화하고 투명성을 높이는 데 기여하고 있다.

 

이 시스템은 예산 편성, 집행, 결산 과정에서 발생하는 다양한 데이터를 실시간으로 수집하고 분석하여, 의사결정에 필요한 정확한 정보를 제공한다. 또한 클라우드 기반의 플랫폼을 통해 다양한 이해관계자들이 언제 어디서나 필요한 데이터에 쉽게 접근할 수 있도록 하며, 데이터 기반의 분석 기능을 통해 예산 관리의 정확성을 높인다.

 

dBrain 사업은 디지털 시대에 맞춘 선진적인 예산 관리 시스템의 모델로, 빅데이터와 이를 활용하는 기술 덕분에 가능하게 되었다. 이처럼 빅데이터는 다양한 분야에서 활용되고 있으며, 앞으로도 그 영향력은 계속해서 확대될 것으로 기대된다.

 

2. 빅데이터의 미래

앞서 살펴본 바와 같이, 빅데이터는 다양한 분야에서 활발히 활용되고 있다. 그러나 현재의 쓰임새가 미래에도 지속되지 않는다면, 빅데이터는 그 가치를 상실할 수 있다. 그렇다면 빅데이터의 미래는 어떻게 될까?

 

가장 먼저, 빅데이터는 파괴적인 혁신을 이끌어낼 것으로 예상된다. 이는 빅데이터가 매우 다양한 분야에서 사용되고 있기 때문이다. 둘째, 미래의 빅데이터 활용은 예측 불가능한 방향으로 나아갈 수 있다. 현재 빅데이터가 파괴적으로 혁신하고 있는 상황에서, 그 발전 방향은 여러 가지로 변화할 수 있다는 뜻이다. 셋째, 점점 더 많은 빅데이터 관련 소프트웨어가 등장할 것이며, 이는 새로운 변화를 가져올 것이다.

 

마지막으로, 빅데이터의 영향은 컴퓨터 과학이나 경영학에만 국한되지 않을 것이다. 생물학, 화학, 물리학은 물론 사회, 문화, 예술 등 다양한 분야와 결합하여 새로운 가능성을 열어줄 것이다. 이러한 발전은 수평적인 연계를 통해 이루어질 것이다 .

 

이러한 추세는 컴퓨터 프로그램이 지능화되는 결과를 낳을 것이며, 디지털 노동에 대한 수요가 증가함에 따라 관련 프로그램도 많아질 것이다. 이로 인해 빅데이터 관련 일자리도 증가할 것으로 기대된다.

 

또한, 현재 인공지능 분야는 분석이나 예측 과정에서 사람에 대한 이해가 부족한 점이 주목받고 있다. 이러한 문제를 해결하게 된다면, 인류는 더욱 똑똑해질 수 있는 기회를 얻게 될 것이다. 그러나 딥러닝이 한창 유행하던 시기에 비해 현재는 관심이 줄어든 상황이다. 하지만 향후 이 분야가 긍정적으로 발전한다면, 더 많은 연구가 진행될 것으로 보인다.

 

결론적으로, 빅데이터는 앞으로도 다양한 방식으로 우리의 삶과 산업에 큰 영향을 미치며, 새로운 기회와 도전을 창출할 것이다.

 

마지막으로 빅데이터에 대한 맹신에 대해서 언급하고 포스터를 마치도록 하겠다. 

 

빅데이터에 대한 일반적인 오해 (출처: Gartner Research)

  • 전체 데이터의 80%는 비정형 데이터: 잘못된 정보. 실제로는 80%가 정형 데이터이다.
  • 첨단 분석은 '일반' 분석의 발전된 분석일 뿐: 틀린 주장. 첨단 분석은 다른 영역에 속하며, 일반 분석과는 구분된다.
  • 임베디드 분석만 있으면 된다: 잘못된 생각. 임베디드 분석은 유용하지만, 데이터 분석 환경에서 단독으로 모든 문제를 해결할 수 없다.
  • 개선된 분석 도구가 데이터 과학자를 대체할 것: 오해. 개선된 분석 도구는 데이터 과학자의 역할을 줄이는 것이 아니라, 오히려 이들의 수요를 증가시킬 것.
  • 훌륭한 데이터 과학자는 통계학 혹은 박사학위 소지자: 사실이 아님. 데이터 과학자의 자격 요건은 다양하며, 학위가 반드시 필요한 것은 아니다.
  • 묘사적 분석은 과거 지향적, 예측 분석은 미래 지향적: 잘못된 인식. 이러한 구분은 단순화된 것이며, 두 가지 분석 모두 다양한 맥락에서 활용될 수 있다.
  • 빠른 분석이 곧 실시간 분석: 틀린 주장. 빠른 분석과 실시간 분석은 다르며, 실시간 분석은 보다 특정한 요구를 충족한다.
  • 빅데이터만 있으면 거의 모든 것이 예측 가능하다: 잘못된 생각. 빅데이터가 모든 예측을 가능하게 하지는 않는다.
  • 빅데이터는 편향성이 없을 것: 사실이 아님. 빅데이터에도 편향성이 존재하며, 이를 인식하고 관리해야 한다.

결론: 

빅데이터의 활용 결과는 결정 모델이 아닌 참조 모델에 기반해야 한다. 이러한 관점을 통해 보다 정확하고 현실적인 데이터 분석을 수행할 수 있다.


요약

 

1. 빅데이터의 실제 사례

  • 서울시 심야버스 노선 최적화: 통신 데이터와 교통카드 사용 데이터를 통해 심야 시간대 시민들의 주요 이동 경로를 분석하여 심야버스 노선을 최적화함.
  • 매일유업 제품 불량 판별: 딥러닝을 통해 불량 제품을 효율적으로 검출하여 불량률을 낮추고 생산성 향상.
  • 대우조선해양 선박 수요 및 유지보수 예측: 데이터를 통해 선박의 수요와 유지보수 시기를 예측하여 운영 효율성을 높임.
  • 한화 S&C COEX IoT 기반 스마트 전시: IoT 센서를 통한 관람객 행동 분석으로 전시의 효율성과 관람 경험을 개선.
  • 디지털 국가예산, 회계 시스템 (dBrain): 실시간 예산과 회계 데이터를 분석하여 정부 재정의 효율성과 투명성을 높임.

2. 빅데이터의 미래

  • 파괴적 혁신: 다양한 분야에서 빅데이터가 새로운 가능성을 열어줄 것으로 기대됨.
  • 예측 불가능성: 빠르게 발전하며 다양한 방향으로 확장될 가능성.
  • 관련 소프트웨어의 증가: 더 많은 데이터 관련 소프트웨어가 등장하고, 이에 따라 새로운 변화와 기회가 나타날 것으로 예상.
  • 다양한 분야와의 융합: 컴퓨터 과학, 생물학, 사회과학 등 여러 분야와 결합하여 혁신적인 발전을 이끌 것으로 기대.
반응형