갇힌 데이터 잠금 해제: 에지에서 클라우드로 통찰력 확보

데이터 사일로에 대해 잠시 이야기해 보겠습니다. 물론 실제 사일로는 나중에 사용하거나 판매하기 위해 곡물을 저장하는 데 사용되는 농장의 타워입니다. 일반적으로 한 가지 유형의 원자재만 포함하는 우뚝 솟은 건물입니다. 사일로 개념은 일반적으로 다른 원시 데이터와 별도로 저장되는 원시 데이터의 대규모 컬렉션을 설명하기 위한 은유로 작동합니다.

서버와 장치는 종종 데이터를 사일로화합니다. 다른 기계는 데이터를 저장하지만 다른 장치와 반드시 모든 것을 공유하지는 않습니다. 애플리케이션은 데이터를 생성하고 저장하지만 일부만…수도... 잘 작성된 API(응용 프로그래밍 인터페이스)를 사용하는 경우 공유됩니다. 시간이 지남에 따라 조직은 많은 데이터를 갖게 되지만 대부분은 고립되어 별도의 은유적 사일로에 저장되며 결코 더 큰 전체의 일부가 되지 않습니다.

에지 컴퓨팅이 데이터 사일로에 완벽한 폭풍을 만드는 방법

엔터프라이즈 네트워킹, 특히 에지-클라우드의 경우 데이터 사일로가 자연스럽게 발생합니다. 에지의 모든 장치는 데이터를 생성하지만 해당 데이터의 대부분은 장치에 남아 있거나 최소한 해당 에지 위치에 있는 장치 클러스터에 남아 있을 수 있습니다. 클라우드 운영도 마찬가지입니다. 데이터는 다양한 클라우드 제공업체에서 생성 및 저장되며 때때로 데이터를 교환하지만 대부분은 기업의 나머지 부분과 격리되어 있습니다.

또한 : Edge-to-Cloud가 디지털 혁신의 다음 단계를 주도하는 방법

그러나 통찰력과 실행 가능한 전략은 적절한 사용자와 시스템이 기업 전체의 모든 데이터에 액세스할 수 있을 때 나옵니다. 이전에 논의한 가상의 가정용품 소매업체인 Home-by-Home에서 발생할 수 있는 한 가지 예를 살펴보겠습니다.

Home-by-Home은 플라스틱 브래킷을 사용하여 벽에 부착하는 벽걸이형 조명 기구를 판매합니다. 일반적으로 훌륭한 판매자입니다. 그러나 매년 XNUMX월과 XNUMX월에는 괄호가 깨지기 때문에 회사는 엄청난 수익을 얻습니다. 반환은 마이애미에서 시애틀까지 전국에서 이루어집니다. 이것이 우리의 첫 번째 데이터 세트이며 매장 자체에 알려져 있습니다.

브라켓은 협력업체에서 공장에서 제작합니다. 보통 공장은 화씨 62도 이상의 온도에서 작동하지만 57월과 XNUMX월에는 공장 주변 온도가 평균 XNUMX도까지 떨어집니다. 이것이 두 번째 데이터 클러스터인 공장의 온도입니다.

어느 데이터 세트도 서로 연결되어 있지 않습니다. 그러나 우리가 얼마 전에 깊이 탐구한 것처럼 일부 플라스틱 생산 공정은 59도 정도 이하에서 실패하기 시작합니다. 공장의 데이터 세트를 매장의 반품 통계와 연관시킬 수 없다면 회사는 약간 더 차가운 공장에서 표준 이하의 브래킷을 생산하고 있으며 전국적으로 실패하고 있다는 사실을 알 수 없습니다.

그러나 모든 데이터를 캡처하고 분석(및 AI 기반 상관 관계 및 빅 데이터 처리)에 사용할 수 있는 데이터 세트를 만들면 통찰력이 가능해집니다. 이 경우 Home-by-Home은 디지털 혁신을 DNA의 일부로 만들었기 때문에 회사는 공장 온도와 반환 사이의 연결을 만들 수 있었고 이제 해당 조명 기구를 구매하는 고객은 훨씬 적은 고장을 경험합니다. 

귀하의 데이터는 어디에나 있지만 실행 가능합니까?

이는 에지에서 클라우드로 데이터를 수집할 수 있는 잠재력의 한 예일 뿐입니다. 여기에는 모두 상호 관련된 몇 가지 핵심 아이디어가 있습니다. 

귀하의 데이터는 어디에나 있습니다: 거의 모든 컴퓨터, 서버, 사물 인터넷 장치, 전화, 공장 시스템, 지사 시스템, 금전 등록기, 차량, SaaS(software-as-a-service) 앱, 네트워크 관리 시스템은 지속적으로 데이터를 생성합니다. 일부는 새 데이터가 생성될 때 제거됩니다. 일부는 과도한 사용으로 인해 저장 장치가 막힐 때까지 축적됩니다. 그 중 일부는 보유한 각 로그인 계정의 클라우드 서비스에 있습니다.

귀하의 데이터는 다음과 같이 격리됩니다. 이러한 시스템의 대부분은 서로 대화하지 않습니다. 실제로 데이터 관리는 더 많은 데이터를 수집할 수 있는 공간을 만들기 위해 삭제할 수 있는 데이터를 파악하는 형태를 취하는 경우가 많습니다. 일부 시스템에는 데이터 교환을 위한 API가 있지만 대부분은 사용되지 않습니다(일부는 과도하게 사용됨). 일부 지역 사업에 대해 불평할 때 아버지는 "오른손이 하는 일을 왼손이 모르게 한다"는 말을 즐겨 사용하셨습니다. 데이터가 격리되면 조직도 마찬가지입니다.

통찰력은 여러 입력을 연관시킬 때 나옵니다. 단일 데이터 세트를 포괄적인 분석에 적용하고 통찰력을 얻을 수 있지만 한 소스의 데이터를 다른 소스의 데이터와 연결할 수 있을 때 추세를 볼 가능성이 훨씬 더 높습니다. 우리는 이전에 공장 바닥의 온도가 전국 매장의 반품량과 얼마나 멀리 떨어져 있지만 측정 가능한 연관성이 있는지 보여주었습니다. 

이를 위해서는 기업 전체에서 모든 데이터에 액세스할 수 있어야 합니다. 그러나 이러한 상관관계와 관찰은 분석가(인간과 AI 모두)가 많은 데이터 소스에 액세스하여 데이터가 말하는 내용을 배울 수 있을 때만 가능합니다.

데이터를 유용하게 만들고 인텔리전스로 전환

그런 다음 문제는 모든 데이터를 사용 가능하게 만들고 수집한 다음 실행 가능한 인텔리전스로 처리하는 것입니다. 이를 위해서는 XNUMX가지 사항을 고려해야 합니다.

첫 번째는 여행. 데이터는 이러한 모든 에지 장치, 클라우드 서비스, 서버 등에서 조치를 취할 수 있는 곳으로 이동할 수 있는 메커니즘이 있어야 합니다. 집합. "데이터 레이크" 및 "데이터 웨어하우스"와 같은 용어는 데이터의 실제 스토리지가 상당히 분산되어 있을 수 있지만 이러한 데이터 집계 개념을 설명합니다. 

또한 : Edge-to-Cloud로 구동되는 디지털 트랜스포메이션은 대형 소매업체의 시나리오에서 실현됩니다.

이 두 가지 문제인 데이터 저장과 데이터 이동은 모두 다음 사항을 고려해야 합니다. 보안 과 통치. 이동 중인 데이터와 정지된 데이터는 무단 액세스로부터 보호되어야 하는 동시에 기회를 찾기 위해 데이터를 마이닝할 수 있는 도구와 분석가가 모든 데이터를 사용할 수 있도록 해야 합니다. 마찬가지로 데이터 거버넌스가 문제가 될 수 있습니다. 한 지리적 위치에서 생성된 데이터가 새 로케일로 이동할 경우 정부 또는 세금 문제가 있을 수 있기 때문입니다.

마지막으로 고려해야 할 네 번째 요소는 분석. 분석을 위해 액세스할 수 있는 방식으로 저장하고, 충분히 자주 업데이트하고, 적절하게 카탈로그화하고, 신중하게 선별해야 합니다.

데이터 현대화에 대한 부드러운 소개

인간은 호기심 많은 생물입니다. 우리가 실생활에서 만드는 것을 종종 디지털 세계에서 재생산합니다. 우리 중 많은 사람들이 모든 물건에 대한 완벽한 보관 위치를 찾지 못했기 때문에 집과 직장이 어수선합니다. 슬프게도 우리가 데이터를 관리하는 방식도 마찬가지입니다. 

이전에 논의한 것처럼 우리는 너무 많은 것을 격리했습니다. 그러나 그 모든 데이터를 중앙 데이터 레이크로 가져오더라도 모든 데이터를 검색, 정렬 및 걸러낼 수 있는 최상의 방법이 없습니다. 데이터 현대화는 빅 데이터, 머신 러닝, AI, 메모리 내 데이터베이스와 같은 최신 기술을 활용하기 위해 데이터를 저장하고 검색하는 방법을 업데이트하는 것입니다.

데이터 현대화와 디지털 변환이라는 IT 전문 용어는 밀접한 관련이 있습니다. 데이터를 저장하고 검색하는 방법론이 최고(종종 전에, top) 조직의 IT 우선 순위. 이를 데이터 우선 전략이라고 하며 비즈니스에 상당한 보상을 거둘 수 있습니다.

보세요, 여기 있습니다. 데이터가 묶이고 갇혀 있으면 효과적으로 사용할 수 없습니다. 귀하와 귀하의 팀이 항상 필요한 데이터를 찾으려고 노력하거나 애초에 데이터를 전혀 보지 못한다면 혁신이 억제될 것입니다. 하지만 해당 데이터를 확보하면 새로운 기회가 열립니다.

뿐만 아니라 제대로 관리되지 않는 데이터는 전문 IT 직원에게 시간 낭비가 될 수 있습니다. 그들은 혁신을 통해 조직을 추진하기 위해 노력하는 대신 이러한 모든 다양한 시스템, 데이터베이스 및 인터페이스를 관리하고 손상될 수 있는 모든 다양한 문제를 해결하는 데 시간을 보내고 있습니다.

데이터를 현대화하면 혁신할 수 있을 뿐만 아니라 반응하는 대신 생각할 시간을 확보할 수 있습니다. 또한 비즈니스의 새로운 지평을 열 수 있는 더 많은 애플리케이션과 기능을 배포할 시간을 제공합니다.

데이터에 숨겨진 가치와 실행 가능한 인사이트 찾기

데이터 현대화 프로세스와 데이터 우선 전략 채택은 어려울 수 있습니다. 클라우드 서비스 및 AI와 같은 기술이 도움이 될 수 있습니다. 클라우드 서비스는 점점 더 많은 데이터가 수집됨에 따라 성장할 수 있는 필요에 따라 확장 가능한 인프라를 제공하여 도움을 줄 수 있습니다. AI는 모든 데이터를 선별하고 일관되게 구성할 수 있는 도구를 제공하여 전문가와 사업부 관리자가 조치를 취할 수 있도록 도움을 줄 수 있습니다.

그러나 대부분의 IT 팀에게는 여전히 큰 요구 사항입니다. 일반적으로 IT는 모든 데이터를 저장하지 않습니다. 점점 더 많은 시스템이 설치되고 점점 더 많은 할 일 항목이 사람들의 목록에 추가됨에 따라 유기적으로 발생합니다.

HPE GreenLake 및 그 경쟁업체와 같은 관리 및 인프라 서비스가 도움이 될 수 있는 곳입니다. GreenLake는 종량제 모델을 제공하므로 사전에 용량 사용량을 "예상"할 필요가 없습니다. 애플리케이션 간 및 서비스 간 대시보드와 광범위한 전문 지원을 통해 HPE GreenLake는 어디서나 데이터를 데이터 우선 전략으로 만드는 데 도움을 줄 수 있습니다.