애널리틱스 | 뉴스, 하우투, 기획, 리뷰 및 동영상
기업들이 과거의 퍼포먼스를 이해하는 것뿐만 아니라 미래의 트렌드 및 사건을 예측해 민첩성을 향상시키고자 애널리틱스 역량 개발에 힘을 쏟고 있다. 그리고 점점 더 많은 기업에서 ‘예측 애널리틱스(Predictive Analytics)’를 구축해 서비스 효율성 증대와 제품 개발은 물론 잠재적인 위협을 찾아내고 유지보수를 최적화하며 심지어는 생명까지 구하고 있다.
실시간으로 데이터 인사이트를 얻기 위해서는 각종 프로세서를 매끄럽게 만들어야 했다. 디스커버FS는 클라우드 네이티브 데이터 패브릭을 구축해 데이
데이터는 강력한 도구다. 비즈니스에 있어 특히 그렇다. 그럼에도 정작 데이터의 대응물인 메타데이터와 그것의 유용성에 대해 제대로 아는 비즈니스 리더는 그리 많지 않다. 기업이 메타데이터를 이해하고 관리 정책을 도입하면, 더 많은 인사이트를 바탕으로 보다 나은 성과를 도출할 수 있다.
오늘날 ‘데이터 과학(Data Science)’만큼 IT 및 비즈니스 리더의 관심을 끄는 분야가 있을까. 하지만 그렇다고 해서 데이터 과학에 실패가 없는 건 아니다.
리눅스재단이 음성 데이터 생태계에 필요한 공개 표준을 정립하기 위해 ‘오픈 보이스 네트워크’를 출범한다고 22일(현지시간) 발표했다. 사용자 음성 데이터 보안에 필요한 개인정보 보호 지침을 마련해 생태계를 지원한다는 목표다.
AI에 대한 관심이 고조되면서 AI 활용을 위한 소프트웨어와 인프라에 대한 갈증도 나타나고 있다. 이로 인해 ML옵스(MLops)라는 새로운 세계를 안내해 줄 스타트업들이 많이 등장했다. 데이터 준비와 훈련에서부터 배치와 그 이후 단계에 이르기까지 이들이 기업이 공략하는 지점도 다양하다. 특히 흥미로운 업체들을 소개한다.
아주 흔한 스프레드시트 프로그램이 데이터 과학의 관문이라면 파이썬은 그다음 단계를 목표로 한다.
이번 글은 지난 글에 이어 2017년 1월부터 지금까지 필자가 소개했던 빅데이터 활용 교훈의 핵심들을 다시 정리해보려고 한다. 지난 쉰 두 번째
온갖 종류의 데이터가 기업에 전례 없는 속도로 유입되면서 의사결정자들이 즉각적인 인사이트(통찰)에 접근할 필요성이 대두됐다. 실시간 분석을 통해 조직은 미가공 데이터에 논리와 수학을 적용하고 숫자를 실행 가능한 지식으로 전환하며 신속하고 정확한 의사결정을 가능하게 하여 이 문제를 해결할 수 있다.
정보 시대에 사람들의 관심을 끌 수 있는 최선책은 관련성이 매우 높고 초개인화된 콘텐츠(Hyper-Personalization Contents)