상명대학교 / 서광규 교수
현대 기업이 직면한 데이터 관련 문제의 심각성과 확산으로 인해 비즈니스 인텔리전스 및 분석(Business Intelligence & Analytics; BI&A) 분야가 학계 및 전문가 담론의 최전선에 서게 되었다. 기업의 의사 결정 및 미래 대비 방식에 패러다임 변화가 일어나고 있으며, 본 고에서는 AI와 데이터 분석이 BI의 모습을 변화시키고 있음을 살펴보기로 한다. 본 연구의 목적은 BI를 다각도로 살펴보는 것이다. 특히 AI와 정교한 데이터 분석의 도입으로 BI가 어떻게 변화했는지, 그리고 이러한 기술이 기업 환경에서 어떤 방향으로 나아가고 있는지를 기술하기로 한다. 여기서 다루는 주제는 SaaS 제품에서 BI, AI, 빅데이터 분석(Big Data Analytics; BDA)을 함께 활용하는 것이다. 빅데이터 분석을 설명하고, 필수 요소를 나열하며, 비즈니스 인텔리전스와의 관련성을 살펴본다. 또한 BI 분야의 AI 동향을 살펴보고, 성공적인 산업별 애플리케이션을 분석하며, 빅데이터 분석 서비스 지향 아키텍처(Big Data Analytics Service-Oriented Architecture; BASOA)를 살펴보고 BI 분야에서 SaaS 도입을 분석한다.
SaaS 솔루션에서 AI, 빅데이터 분석, 그리고 BI의 새로운 융합이 이루어지고 있다. 여기서 핵심은 이러한 복잡한 상호작용과 현재의 의사 결정 프로세스에 미치는 영향을 설명하는 것이다. SaaS 활용에 대한 기본 프레임워크, 부문별 예시, 아키텍처 아이디어, 그리고 통찰력에 대한 심층적인 검토와 더불어 다양한 비즈니스 시나리오에서 AI 기반 빅데이터 분석을 효율적으로 활용하기 위한 유용한 제안을 제공하여 이해를 증진한다. 이러한 종합적인 전략은 조직이 BI에서 AI와 빅데이터의 혁신적인 효과를 활용하여 점점 더 디지털화되는 환경에서 데이터 기반 통찰력과 정보에 기반한 의사 결정을 촉진할 수 있도록 지원한다. SaaS 산업에서 AI, 빅데이터 분석(BDA), BI를 통합할 경우 시너지 효과를 기술한다.
- 예측 분석 강화: 고급 ML 알고리즘이 수요 예측 및 고객 행동 예측의 정확도를 어떻게 향상시켜 SaaS 기업이 시장 동향을 더욱 정확하게 예측하고 리소스 할당을 최적화할 수 있다.
- 데이터 처리 자동화: 추출, 변환 및 로딩(ETL) 프로세스를 간소화하는 AI 기반 데이터 전처리 기술 개발을 검토하여 분석을 위해 대용량 데이터 세트를 준비하는 데 필요한 시간과 노력을 줄인다.
- 사용자 경험 개인화: AI와 BDA를 통합하여 실시간 사용자 데이터를 활용한 서비스 맞춤화를 강화하고 SaaS 애플리케이션의 고객 경험을 개선할 수 있다.
- 의사 결정 최적화: BI 도구와 AI를 통합하여 실행 가능한 인사이트와 권장 사항을 제공하는 지능형 의사 결정 지원 시스템을 구축하고, 비즈니스 리더가 더욱 정보에 기반하고 전략적인 의사 결정을 내릴 수 있도록 지원한다.
1. 빅데이터
산업, 서비스, 일상생활에서 흔히 볼 수 있는 디지털 기술의 보편화에 힘입어, 인간과 기업 활동의 여러 분야에서 데이터 중심 경제가 부상하고 있다. 도시 연구, 지리학, 경제학, 공중 보건, 물리학, 유전학, 사회과학 등은 풍부하고 질 높은 데이터 덕분에 가능해진 새로운 연구 분야 중 일부에 불과하다.
"빅데이터"를 구성하는 이러한 다양하고 정교한 데이터 세트는 기존의 데이터 관리 및 처리 방식으로는 관리하기에는 너무 방대하다. 합리적인 판단이나 평가를 위해 "빅데이터"는 체계적이거나 비정형적일 수 있는 방대한 양의 데이터를 의미한다.
데이터는 과거 구매 내역, 소셜 미디어 계정, 위치 정보, 심지어 의료 정보와 같이 매우 다양한 출처에서 수집될 수 있다. 기존의 단순한 데이터베이스 관리 방식으로는 이해하기 어려울 정도로 복잡한 데이터 세트를 "빅데이터"라고 한다. 빅데이터는 를 포함한 다섯 가지 주요 특징을 가지고 있다.
- 규모: 방대한 데이터 집합의 척도이다.
- 다양성: 기업에 데이터를 제공하는 다양한 내부 및 외부 소스가 있다. 이러한 레코드는 서로 다른 소스에서 생성되므로 데이터 일관성이 부족히다. 외부 데이터는 구조화되는 경우가 드물다.
- 속도: 빅데이터 생성 속도이다.
- 진실성: 방대한 데이터에 대한 신뢰도 수준이다.
- 가치: 모든 단계가 완료된 후에는 제품이 만들어져야 하며, 이 제품은 프로세스를 개선한다.
빅데이터와 예측 분석은 특히 의사 결정과 관련하여 BI를 개선할 수 있는 큰 잠재력을 가지고 있다. 기업의 마케팅 및 운영 성장과 개선에 대한 전략적 의사 결정을 내릴 때 BI는 기업 및 마케팅 데이터에서 도출된 통찰력을 의미한다.
전 세계 기업의 정보 기술(IT) 투자는 비즈니스 인텔리전스(BI) 관련 분야에 불균형적으로 집중되어 있다. 예측 분석은 BI 운영의 핵심 구성 요소이다. 수학적 계산, 통계 모델링, 결과 시뮬레이션 및 결과 시각화를 포괄하는 분석 기술과 도구는 비즈니스 전략 시뮬레이션 및 기대 예측을 위해 광범위하게 개발되었다.
그림 1. 빅데이터 분석의 온톨로지
그림 1은 데이터 분석을 데이터, 정보 및 전문 지식을 활용하여 무엇이든 발견하고, 설명하고, 예측하는 프로세스 또는 전략으로 정의한다. 간단히 말해, 데이터 분석은 데이터를 기반으로 하는 정보, 커뮤니케이션, 그리고 지식의 발견이다. 더 넓은 의미에서 데이터 분석은 학습, 설명, 그리고 예측을 위해 데이터를 활용하는 연구와 실천이다.
대규모 데이터 분석은 비즈니스 인텔리전스 통찰력을 추출하는 가장 유망한 접근 방식으로 부상했다. 조직이 내부 및 외부 플랫폼을 통해 점점 더 많은 데이터를 축적하고 있기 때문이다. 특히 AI 혁명 덕분에 BI 예측 분석의 심도가 크게 향상되었으며, 이러한 혁신은 효율성, 정확성, 시간 절약 및 리소스 절약 측면에서 큰 이점을 보여주었다.
딥 러닝(DL) 및 머신러닝(ML)을 사용하는 수많은 오픈소스 분석 도구가 상업적 의사 결정 프로세스에 활용되어 왔다. 여기에는 Microsoft Power BI, Google Analytics, SETLBI 및 GitHub Repositories의 접근 가능한 모델이 포함된다.
AI와 BDA는 역동적인 SaaS 제공 시장에서 정보에 기반한 의사 결정과 사용자 경험 개선을 위한 강력한 도구를 제공한다. 특히 AI 기반 BDA와 SaaS-BI의 통합을 통해 새로운 제품을 맞춤 설정하고, 프로세스를 더욱 효과적으로 개선하며, 경쟁이 치열한 시장에서 선두 주자로 남을 수 있다.
2. 비즈니스 인텔리전스 및 빅데이터 분석
"비즈니스 인텔리전스(BI)”라는 용어는 기업이 방대한 양의 데이터를 수집, 분석 및 해석하여 전략적 의사 결정에 유용한 통찰력과 정보를 얻을 수 있는 방법을 설명한다. 이 프로세스는 다양한 기법, 도구 및 기술을 사용하여 내부 및 외부 소스에서 정보를 수집하고, 이를 유용한 통찰력으로 변환하고, 의사 결정을 용이하게 하는 방식으로 표시하는 것을 포함한다. 이 용어는 1958년 IBM 연구원이 언급했지만, BI는 지난 20년 동안 학계와 산업 모두에서 더욱 실질적으로 적용되고 있다.
BI에 대한 정의는 다양하다. 예를 들어,
- 다양한 데이터 소스(정형 및 비정형)를 의사 결정권자를 위한 실행 가능한 통찰력으로 변환하는 프로세스를 BI라고 한다.
- 운영 통제 영역에서 BI는 데이터 추출을 통해 관리자에게 귀중한 통찰력을 제공하는 도구와 소프트웨어의 집합체이며, 내부 및 외부 운영을 모두 포함한다.
- BI는 기업의 데이터 기반 의사 결정 시스템 개선을 목표로 하는 여러 원칙의 집합체이다.
첫 번째 BI 정의의 주요 초점은 의사 결정권자에게 지식과 정보를 제공하는 것이다.
두 번째 정의는 "IS와 기술의 집합체"에 더 중점을 두고, "운영 통제의 경영 의사 결정권자"를 명명하고 "내부 및 외부 운영에 대한 정보"를 의사 결정권자와 정보 출처로 각각 설명한다.
마지막으로 "기업 의사 결정을 향상시키기 위한 아이디어, 이론 및 방법론의 조합"이 강조된다.
위의 내용을 고려할 때, 비즈니스 인텔리전스(BI)는 기업의 의사 결정에 도움이 되는 유용한 데이터, 정보 및 지식을 제공하는 이론, 방법론, 아키텍처 및 도구의 집합체로 설명될 수 있다.
이 설명은 DSS를 시작으로 BI 및 관련 기술이 시간이 지남에 따라 어떻게 발전해 왔는지, 그리고 데이터 웨어하우스 및 임원 정보 시스템과 어떻게 연결되는지 보여준다.
그림 2. BDA와 웹 서비스의 상호 관계
현재 BI는 패러다임을 전환하는 네 가지 기술 기둥, 즉 소셜 기술, 클라우드, 모바일, 빅데이터를 기반으로 구축된다. 이러한 각 기둥은 소셜 네트워킹, 모바일, 클라우드, 빅데이터 서비스라는 고유한 웹 서비스 범주를 나타내며, 이를 종합적으로 결합하여 현대적인 웹 서비스를 구성한다. 분석 기술과 서비스는 이러한 각 서비스를 지원해 왔다. 또한, 그림 2에서 볼 수 있듯이, 빅데이터 분석 기술과 서비스의 도움을 받아 효율적으로 활용할 수 있다.
3. 데이터 분석을 통한 비즈니스 인텔리전스에서 인공지능(AI)
AI는 인간의 지능과 유사한 지능을 시뮬레이션할 수 있는 지능형 시스템을 개발하는 더 광범위한 개념을 포괄한다. BI와 관련된 두 가지 AI 방법인 자연어 처리(NLP)와 컴퓨터 비전을 사용하여 문서, 사진, 비디오와 같은 비정형 데이터 소스에서 정보를 검색한다. 이를 통해 기업은 더 많은 곳에서 수집되는 더 많은 유형의 데이터에서 통찰력을 얻을 수 있다.
ML과 AI를 활용하는 BI에는 여러 가지 이점이 있다. 기업은 이러한 기술을 사용하여 통합, 데이터 정리, 보고서 생성 등을 자동화함으로써 상당한 시간과 노력을 절약할 수 있다.
결과적으로, 중요한 리소스를 활용할 수 있게 되어 직원들이 조직적으로 더 중요하고 전략적인 업무에 집중할 수 있다.
3-1. 비즈니스 인텔리전스 분야의 AI 동향
1) 예측 분석 및 예측
ML(머신러닝) 기술은 예측 분석에서 방대한 과거 데이터를 분석하여 추세와 가치 있는 통찰력을 찾는 데 사용된다. 이러한 알고리즘을 사용하면 복잡한 연결 고리를 기존의 분석 방식으로는 감지하지 못할 수 있다. 기업은 예측 분석을 사용하여 미래에 대한 정확한 예측을 생성할 수 있다. 운영을 최적화하고, 수요 변화를 예측하고, 자원 배분을 개선할 수 있다. 또한, 다가오는 위험을 예측하고 완화를 위한 선제적 조치를 취하는 데 유용하다.
2) AI 기반 챗봇 및 가상 비서
AI 기반 챗봇 및 가상 비서는 NLP(자연어 처리)를 사용하여 고객 질문을 이해하고 응답한다. 고객 상호 작용을 통해 학습하고 ML의 도움을 받아 답변을 점진적으로 향상시킬 수 있다. 자동화된 챗봇과 가상 비서는 FAQ 답변, 제품 제안, 기본적인 문제 해결 등 일상적인 소비자 상호작용을 간소화한다. 이를 통해 고객 지원의 효율성이 향상되고 인적 자원의 부담이 줄어든다.
3) 설명 가능한 AI와 윤리적 고려 사항
AI 모델의 의사 결정 프로세스에 대한 이해와 해석은 복잡성이 증가함에 따라 점점 더 중요해지고 있다. 설명 가능한 AI의 목표는 AI 모델을 더욱 투명하고 해석 가능하게 만들어 사람들이 특정 예측이나 판단의 논리를 이해할 수 있도록 하는 것이다. 투명하고 윤리적인 AI 모델을 통해 신뢰를 구축하고 위험을 완화한다.
윤리적 문제에 더욱 주의를 기울여 AI를 개발하고 배포한다. 조직이 해결해야 할 문제의 주요 특징은 공정성, 책임성, 개방성이며, 동시에 부정적인 영향은 완전히 예방된다. 비즈니스 인텔리전스 분야에서 AI와 ML이 발전하면서 기업의 소비자, 데이터 분석, 그리고 윤리적이고 투명한 AI 정책에 대한 접근 방식이 새롭게 정의되고 있다.
참 고 문 헌
- G. ?igien?, E. Rybakovas, R. Vaitkien?, and V. Gaidelys, “Setting the Grounds for the Transition from Business Analytics to Artificial Intelligence in Solving Supply Chain Risk,” Sustain., 2022.
- A. A.A. Gad-Elrab, “Modern Business Intelligence: Big Data Analytics and Artificial Intelligence for Creating the Data-Driven Value,” in EBusiness - Higher Education and Intelligence Applications, 2021.
- D. Edge, J. Larson, and C. White, “Bringing ai to bi: Enabling visual analytics of unstructured data in a modern business intelligence platform,”in Conference on Human Factors in Computing Systems - Proceedings, 2018.
- C. Hahn, T. Traunecker, M. Niever, and G. N. Basedow, “Exploring AIdriven business models: Conceptualization and expectations in the machinery industry,” in IEEE International Conference on Industrial Engineering and Engineering Management, 2020.
- N. A. Alghamdi and H. H. Al-Baity, “Augmented Analytics Driven by AI: A Digital Transformation beyond Business Intelligence,” Sensors (Basel)., 2022, doi: 10.3390/s22208071.
- M. John, H. Olsson, and J. Bosch, “Towards an AI?driven business development framework: A multi?case study,” J. Softw. Evol. Process, vol. 35, 2022.
- P. Helo and Y. Hao, “Artificial intelligence in operations management and supply chain management: an exploratory case study,” Prod. Plan. Control, 2022.
- C. Han, C. Wu, and W. Gong, “Research on SaaS oriented business process customization method,” in Proceedings - 2016 9th International Symposium on Computational Intelligence and Design, ISCID 2016, 2016.
- Chen et al.. “AI-Driven BI for SaaS Companies: Architecture and Challenges,” IEEE Access, 2021.
- Zhang et al.. “Multi-Tenant Data Analytics for Cloud-based SaaS,”Journal of Cloud Computing, 2020.
- Singh & Thakur, “Predictive Analytics in SaaS: A Review of ML Approaches,” Expert Systems with Applications, 2022.
- Fekade et al., “Stream Processing for Real-time BI in Multi-Tenant Systems,” ACM SIGMOD Record, 2019.
저작권 정책
SaaS 전환지원센터의 저작물인 『SaaS 제품의 비즈니스 인텔리전스를 위한 인공지능 기반 빅데이터 분석』은 SaaS 전환지원센터에서 상명대학교 서광규 교수에게 집필 자문을 받아 발행한 전문정보 브리프로, SaaS 전환지원센터의 저작권정책에 따라 이용할 수 있습니다.
다만 사진, 이미지, 인용자료 등 제3자에게 저작권이 있는 경우 원저작권자가 정한 바에 따릅니다.