본문 바로가기

데이터관리

데이터 가치 실현을 원한다면! 전 세계적으로 데이터가 폭증하면서 기업들의 고민이 깊어지고 있다. 복잡한 데이터로 인한 문제가 가장 시급하게 해결해야 할 과제이며 비즈니스 지속가능성, 데이터 보호, 거버넌스 관련 윤리 요건과 규제도 늘고 있다. 현대적인 데이터 인프라를 구축하면 이런 문제를 쉽게 해결할 수 있지만, 모든 기업이 이를 적용하기는 쉽지 않다. 데이터가 주도하는 세상에서 기업 지속가능성의 토대가 되어줄 데이터 인프라를 어떻게 준비해야 하는지 알아본다. ‘관리해야 할 데이터, 한계치를 넘었다!’ 히타치 밴타라가 12개국의 대기업 의사결정권자 1,288명을 대상으로 인터뷰를 진행한 바에 따르면, 2023년 현재 전 세계 기업들이 보유한 데이터는 평균 35PB로 추정된다. 2025년에는 이 수치가 65PB에 달할 것으로 보이며, .. 더보기
생성형 AI 열풍, 고성능 스토리지 시대를 열다 최근 AI의 급발전으로 데이터가 폭증하면서, 분석해야 할 데이터의 양 역시 폭발적으로 늘고 있다. 다양한 종류의 데이터를 비용 효율적으로 저장하고 활용하는 데이터 운영의 혁신이 필요한 때다. AI/ML, 고성능 데이터 분석 등 최신 엔터프라이즈 워크로드를 위해서는 그에 걸맞은 최고의 스토리지가 필요하다. 데이터 레이크, 고성능을 요구하다 데이터 유형에 상관없이 모든 데이터를 한 저장소에 모아 놓은 ‘데이터 레이크’. 그동안 데이터 레이크는 인프라 성능에 큰 부담을 미치지 않는 요소였다. 문제는 생성형 AI 열풍이 불면서부터다. 기업들이 수많은 콘텐츠에서 생성하는 대규모 언어 모델(LLM)에 대한 관심이 높아지면서, AI 모델 학습을 위한 고성능의 데이터 레이크 인프라에 대한 관심이 부상하고 있다. 전통적.. 더보기
고성능 AI 분석, 기대를 현실로! ‘Dall-E’와 ‘챗GPT(ChatGPT)’는 아마도 올해 가장 핫한 키워드일 것이다. 두 가지 서비스 영역은 그림과 텍스트로 각각 다르지만, 공통점이 하나 있다. 고성능 분석 환경에 기반한 AI 모델이라는 점이다. 멀게만 느껴지던 AI 분석은 어느새 우리 일상 깊숙이 들어와 버렸다. 데이터가 기하급수적으로 증가하는 요즘, 이러한 고성능 분석 환경은 기업에 더욱 필요해졌다. 그리고 고성능 분석 환경의 핵심에는 AI 분석을 위한 필수 요건인 고성능 데이터 레이크가 자리하고 있다. 데이터 웨어하우스부터 고성능 데이터 레이크까지 데이터 분석에 기반한 인사이트를 도출하는 일은 기업들이 이미 오래전부터 해오던 일이다. 초창기 IT 시장에 등장한 RDBMS 기반 데이터 웨어하우스가 그 시작이다. 당시에는 형태가 .. 더보기
복잡한 데이터 관리를 쉽고 빠르게! 기업들이 당면한 데이터 관련 프로젝트는 점차 복잡해지고 있다. 이제는 온프레미스와 클라우드의 다양한 데이터 소스에서 데이터를 연계하거나 로딩하는 정도로 끝나지 않는다. 다양한 포맷으로 변화하는 데이터 소스를 관리하고, 반복할 수 있는 프로세스를 규모에 맞게 설정해야 한다. 이 모든 엔터프라이즈 데이터를 제어하면서 거버넌스도 유지해야 한다. 이 과정에서 기업들은 수많은 IT 리소스, 타이트한 프로젝트 마감 시한, 반복적인 수작업 설계, 시간 소모가 큰 개발 과정, 수작업으로 인한 오류 발생 가능성 등 어려움이 많다. 빅데이터 통합 분석 솔루션 펜타호는 방대한 데이터 관리를 단순화하는 솔루션이다. 데이터 파이프라인을 자동화함으로써 비즈니스 사용자가 신속하게 데이터를 취합해 분석에 활용할 수 있도록 지원한다... 더보기
HCP CS, 클라우드 워크로드에 최적화된 '오브젝트 스토리지'의 간판 주자 2021년 IDC가 진행한 오브젝트 스토리지 시장 활용 설문 결과를 보면, 응답자의 80%는 오브젝트 스토리지가 IoT, 보고, 분석을 포함한 가장 중요한 IT 이니셔티브를 지원할 수 있다고 답했다. 스토리지가 단순한 인프라가 아닌 기업의 전략을 지원하는 기반이 될 수 있다는 뜻이다. 그런 면에서 오브젝트 스토리지는 혁신의 지렛대이자 IT 관리자의 고민을 해결해 주는 중요한 열쇠가 될 것이다. IT 전문 인력이 적거나 오브젝트 스토리지를 신속하게 도입하고자 하는 기업이라면 효성인포메이션시스템의 HCP CS 같은 상용 오브젝트 스토리지는 좋은 선택지가 될 수 있다. 오브젝트 스토리지 대세, 이유가 있다 IT 미디어 네트워크월드에 따르면, ‘오브젝트 스토리지’는 최근 몇 년간 스토리지 트렌드를 이끄는 핵심으.. 더보기
데이터 수집부터 통찰력 확보까지, 완벽한 데이터 통합 분석 로드맵 정형·비정형·반정형 데이터 등으로 데이터의 종류와 형태가 다양해지고 데이터 양이 급증했지만, 기업에는 빅데이터를 처리할 이렇다 할 플랫폼이 없어 문제가 된 시기가 있었다. ‘빅데이터’라는 용어가 회자된 2010년대 초반의 얘기다. 몇 년이 지나서야 기업들 사이에서 데이터 수집을 목적으로 하는 빅데이터 인프라 플랫폼 구축이 시작되었다. 데이터는 넘쳐나는데 정작 분석에 활용할 수 있는 데이터는 많지 않았기 때문이다. 그런데 빅데이터 플랫폼을 구축하고 보니 또 다른 문제가 발생했다. 분석에 활용되지 못한 채 방치되는 ‘다크 데이터(Dark data)’가 많아진 것이다. 이는 빅데이터 인프라 구축의 목적을 ‘데이터의 품질’이 아닌 ‘데이터의 수집’에만 두었기 때문에 발생한 문제다. 다크 데이터는 현재도 심각한 .. 더보기
데이터 자산 가치를 극대화하는 세계적인 오브젝트 스토리지 데이터는 현대 경제를 움직이는 동력이다. 제조업, 금융 서비스, 에너지, 운송부터 헬스케어, 미디어, 엔터테인먼트에 이르기까지 거의 모든 산업의 중심에 데이터가 존재한다. ‘데이터 중심’ 세상이 도래하면서 IT에 대한 기업의 기대치도 한층 높아졌다. 기업은 이제 IT 인프라의 효율성 제고, 비용 절감, 성능 향상 등 기술 중심의 성과에 만족하지 않는다. 더 간소하고 신속한 비즈니스 운영, 영업과 생산성 향상 등 지능형 데이터에 기반한 비즈니스 성과를 절실히 원하고 있다. 기하급수적으로 증가하는 비정형 데이터 관리의 핵심 지금 이 순간에도 데이터는 끊임없이 생성된다. 문제가 하나 있다면 기하급수적으로 증가하는 데이터의 80~90%가 비정형 데이터라는 점이다. 기업들도 이미 빅데이터와 지능형 비즈니스에 비정.. 더보기
멀티 클라우드, 클라우드의 한계를 뛰어넘다 비즈니스 요구사항이 급변하면서 기업의 IT 인프라도 온프레미스 데이터센터와 퍼블릭 클라우드를 넘어 이제는 하이브리드, 멀티 클라우드로 빠르게 변화하고 있다. 멀티 클라우드의 장점을 최대한 누리기 위해서는 유연하게 이를 활용하는 것과 효율적인 관리가 필요하다. 클라우드 기반의 인프라 구축을 고민 중인 기업을 위한 최적의 멀티 클라우드 전략을 만나본다. 요즘 대세 멀티 클라우드 전략의 핵심 일관된 관리 전략을 수립하라 디지털 트랜스포메이션을 통해 비즈니스 운영 환경을 개선하고자 하는 기업들이 늘면서, 멀티 클라우드 관리가 대세로 자리 잡았다. 그러나 기업들은 여전히 효과적인 클라우드 관리의 어려움을 호소하고 있으며, 관련 인력과 기술을 확보하는 것도 쉽지 않다. 클라우드 운영 원칙의 중요성 글로벌 283개의.. 더보기
빅데이터? 이제는 굿데이터! 글로벌 시장조사기관 ‘스태티스타(Statista)’에 따르면, 불과 2년 사이 기업의 데이터가 평균 42.2% 증가할 것으로 예상된다. 이는 기업들이 산업 분야나 규모에 상관없이 데이터 중심 조직으로 변신해야 함을 방증하는 지표라 할 수 있다. 데이터 중심 환경에 필요한 역량 기업들은 증가하는 데이터를 효과적으로 관리하고, 사일로를 최소화하며, 실행 가능한 통찰력을 확보하기 위해 노력하고 있다. 조직이 데이터에서 가치를 끌어내고, 현명한 의사결정을 하기 위해서는 아래와 같은 역량이 필요하다. 기업들이 이와 같은 역량을 확보하고, 현재 직면한 문제를 해결할 방안으로 떠오른 것이 바로 ‘데이터 패브릭’이다. 데이터 패브릭(Data Fabric)은 분산 네트워크 환경에서 원활한 데이터 액세스와 공유를 위해 등.. 더보기
DX 시대, 성공적인 AI 프로젝트를 완성하는 핵심 포인트 DX 시대에 많은 기업은 ‘비즈니스 성과 달성’이라는 목표를 위해 클라우드를 선택한다. 그러나 클라우드를 통해 소기의 목적을 이루기 위해서는 적정 비용, 프라이빗과 퍼블릭 클라우드 간 유연한 상호 전환, 안정성·확장성·성능 관리 등이 뒷받침돼야 한다. AI 프로젝트의 목표도 클라우드와 마찬가지로 ‘비즈니스 성과 달성’이지만, 프로젝트 성공을 위한 요건에는 다소 차이가 있다. AI 프로젝트를 추진하려는 기업들은 다음의 세 가지 사항을 특징적으로 요구한다. ▲클라우드, 컨테이너, VM(가상머신), GPU 연산, 빅데이터 구축 등 복잡한 인프라와 높은 솔루션 비용 문제 해결 ▲AI 모델에 대한 높은 기대치 충족 ▲실제 사용자를 위한 개발과 운영 관리 프로세스 가이드 등이다. AI 프로젝트를 성공적으로 실행하기.. 더보기