2022년 데이터 관리 리더가 이 부문에서 보는 것

AI와 머신 러닝은 수많은 새로운 사용 사례에서 데이터 관리 공간에서 초과 근무를 하게 될 것입니다.

데이터 관리 부문의 사고 리더에 따르면 2022년에는 엔터프라이즈 데이터에 대해 이야기할 때 몇 가지 새로운 용어를 사용할 것입니다.

모든 수준의 CTO와 IT 관리자는 자체 프로덕션 사용 사례에 대해 "코드형 데이터" 및 "적시" 데이터 분석과 같은 용어를 정의하고 테스트하게 됩니다.

AI는 데이터 관리 공간에서 초과 근무를 통해 콜 센터가 고객으로부터 보다 설득력 있는 정보를 마이닝하고, 공급망의 격차를 메우고, 로컬 및 클라우드 모두에서 의료 서비스를 강화할 수 있도록 할 것입니다.  

다음은 2022년 IT의 데이터 관리 측면에서 기대할 수 있는 것에 대한 몇 가지 설득력 있는 예측입니다.

우리는 '코드로서의 데이터'라는 말을 자주 듣기 시작할 것입니다

인프라가 자동으로 배포되는 코드형 인프라(Infrastructure as Code) 운동이 주목을 받고 있습니다. 그러나 인프라와 애플리케이션은 데이터 없이는 가치가 거의 없습니다. 조직은 AI/ML 모델을 개발, 테스트, 분석, 구축하고 규제 요구 사항을 충족할 수 있도록 온디맨드 방식으로 데이터 복사본을 동적으로 복제, 배포 및 삭제할 수 있어야 합니다. 머신이 더 많은 데이터를 생성함에 따라 IT 조직은 데이터를 직접 관리할 수 없게 됩니다. 그들은 데이터를 인프라와 애플리케이션처럼 동적이고 자동화적으로 만들어야 합니다.  

- Stephen Manley, CTO, Druva

AI는 고객과 함께 행간을 읽을 것입니다.

2022년 고객 서비스 데이터 관리의 주요 트렌드는 AI를 사용하여 고객이 컨택 센터 상담원과 나누는 모든 대화에 보관된 데이터를 잠금 해제하는 것입니다. 이러한 모든 대화를 검토하는 데 사용되는 기술은 한동안 사용되어 왔지만, 이 분야의 공급업체(Genesys, NICE, Twilio, Cisco)는 모두 이를 사용 사례로 적극적으로 홍보하고 있으며 영업 및 마케팅을 위한 솔루션을 제공하기 시작하는 발판으로 사용하기도 합니다. 그들에게는 큰 플레이입니다. 이 부문에서 여러 건의 인수가 이루어졌으며, 특히 Twilio가 Segment를 30억 달러에 인수했습니다. 

- Max Ball, Forrester Research 수석 애널리스트

공급망 장애는 '적시(just-in-time)' 데이터 분석의 급격한 증가를 부채질할 것입니다.

전면적인 공급망 위기에 직면한 기업은 데이터 파이프라인의 오랜 문제(병목 현상 및 기타 취약성)를 해결해야 하며, 이로 인해 팀은 10년 동안 생존하는 데 필요한 공급망에 대한 가시성을 확보할 수 없습니다. 기업은 더 이상 레거시 모델, 시스템 및 접근 방식의 심각성에 얽매이지 않고 "적시" 데이터 분석을 비즈니스의 현실로 만들기 위해 혁신적인 새로운 솔루션을 수용할 것입니다. 

- Matthew Halliday, Incorta 제품 EVP

AI 서비스는 수익 창출에 중요한 역할을 할 것입니다.

의료 위기, 노동력 부족, 공급망 문제를 포함한 지속적인 문제가 계속해서 비즈니스에 상당한 위험을 초래함에 따라 인공 지능 서비스에서 발생하는 채택률과 수익이 급증할 것으로 예상됩니다. 한 가지 예를 들어, AI 기반 챗봇과 가상 에이전트는 노동력 부족으로 인한 기업의 압박을 줄이고 있습니다. 의료 분야에서 AI 기반 솔루션을 통해 의료 팀은 더 많은 환자 집단을 관리하고 환자 수준에서 개인화된 접근 방식을 통해 이를 수행할 수 있습니다. 보건 복지 서비스 기관은 개인 수준에서 맞춤형 치료 프로그램을 개발하기 위해 고품질의 정확한 임상적, 사회적 결정 요인 및 공중 보건 데이터에 대한 액세스가 필요한 전인 건강 이니셔티브를 구현하는 데 열심입니다. 

향후 몇 년 동안 추적성이 높은 기술을 가능하게 하고 연구원이 민감한 데이터에 대한 예측 모델을 투명하게 학습할 수 있도록 하는 연합 머신 러닝의 출현을 기대할 수 있습니다. 이 접근 방식에는 질병 예측의 진화에 대한 지원부터 자율 주행 차량에 대한 더 빠른 대응에 이르기까지 모든 것이 포함됩니다. 

- 자키르 후세인(Zakir Hussain), EY 미주 IoT 리더

개인 정보 보호에 중점을 둔 새로운 법안은 데이터 주권 구름에 대한 관심을 전환할 것입니다. 

EU의 데이터 보호 및 개인 정보 보호를 규제하는 GDPR(General Data Protection Regulation)과 캘리포니아 주민의 개인 정보 보호 권리 및 소비자 보호를 강화하는 CCPA(California Consumer Privacy Act)에 대한 관심이 높아짐에 따라 다른 주 및 국가에서는 포괄적인 데이터 개인 정보 보호 법률을 제정해야 한다는 압력에 직면해 있습니다. 2022년에도 이러한 추세가 계속됨에 따라 데이터를 국가 내 또는 특정 물리적 위치 내에 유지하기 위해 데이터 주권 클라우드에 훨씬 더 집중하게 될 것으로 예상됩니다. 이것은 EMEA에서 Gaia-X를 통해 보기 시작한 훨씬 더 구체적인 클라우드 모델입니다. 어떤 사람들은 이것을 장애물로 볼 것이지만 일단 구현되면 소비자 개인 정보를 비즈니스 전략의 핵심에 두기 때문에 좋은 일이 될 것입니다.  

- 대니 앨런(Danny Allen), Veeam CTO

엣지에서의 새로운 데이터 관리 접근 방식이 주목을 받게 될 것입니다.

엣지에서 데이터 분석이 확장되어 데이터를 줄이거나 데이터 씬닝을 수행하여 분석 소프트웨어가 조직의 관리 팀에 더 나은 통찰력과 가치를 제공하여 현재 데이터 센터와 클라우드 외부에서 생성되는 데이터의 양을 처리할 수 있게 될 것입니다(Garter는 2025년까지 모든 데이터의 75%가 될 것이라고 밝혔습니다). 오늘날의 엣지 컴퓨팅 플랫폼은 이를 처리하도록 설계되지 않았으며, 데이터를 비용 효율적으로 저장하고, 유용한 부분만 찾아 데이터를 "씬"화하고, 그 결과 분석, 머신 러닝 및 AI가 조직의 가치를 쉽게 추출할 수 있도록 하는 새로운 접근 방식이 필요합니다. 

- 브루스 콘펠드(Bruce Kornfeld), StorMagic CPMO

데이터 사이언스 산업은 깨끗한 데이터보다 모델을 우선시하는 실수를 저지르고 있습니다

데이터를 정리하지 않으면 개발 및 제안된 각 모델은 더럽고 중요하지 않은 데이터를 제공하게 되며, 이로 인해 데이터를 표준화하도록 설계된 AI가 제대로 작동하는지 알 수 없게 됩니다. 이러한 관행은 데이터 과학자의 위치에 영향을 미치고 데이터 관리에서 AI를 사용하는 것과 관련된 신뢰 문제를 야기합니다. 데이터를 최대한 활용하기 위해 기업은 산업을 진정으로 혁신하기 위해 데이터 세트를 표준화하는 첫 번째 단계를 밟아야 합니다. 

--Ron Bekkerman 박사, CTO, Cherre

우리는 데이터 패브릭을 받아들일 것입니다

데이터 관리 과제는 2022년에도 사라지지 않을 것이므로 기업은 민첩성과 역동적인 의사 결정을 위해 데이터 패브릭 아키텍처를 구축하고 수용해야 합니다. 데이터 패브릭은 단순히 데이터를 저장, 확장 또는 분석하기 위해 데이터를 전송하는 대신 데이터를 보관 영역으로 보내 가장 관련성이 높을 때 사용할 수 있습니다. 빅 데이터가 조직의 72%의 비즈니스 목표를 지원함에 따라 데이터 패브릭의 적절한 구현은 기업이 더 많은 정보를 더 빨리 얻을 수 있도록 돕는 자연스러운 진화입니다.

- Stefan Sigg, Software AG 최고 제품 책임자

그래프 데이터베이스: 2022년 데이터 환경의 필수 구성 요소

가트너 리서치(Gartner Research)에 따르면, 그래프 기술은 데이터 및 분석 혁신의 80%에 사용될 것이며, 이는 2021년의 10%에서 증가한 수치로, 기업 전반에서 신속한 의사 결정을 촉진할 것입니다. 기업 전체에서 생성되고 복제되는 데이터의 양이 계속 증가함에 따라 확장 가능한 그래프 기술은 방대한 양의 데이터와 주요 비즈니스 통찰력 간의 중요한 연결 고리가 되었습니다. 이 그래프는 금융 서비스 및 의료에서 소매 및 제조에 이르기까지 여러 산업 분야의 기업들 사이에서 주요 경쟁 차별화 요소가 될 것입니다. 그래프는 데이터 내의 복잡한 관계를 빠르게 강조, 발견 및 예측할 수 있으며, 이는 금융 사기를 발견하거나 공급망 내의 물류 문제를 해결하는 데 도움이 되는 통찰력을 제공합니다.

2022년 한 해 동안 더 많은 기업이 그래프 분석의 힘을 적용하여 사기 탐지, 자금 세탁 방지(AML), 엔터티 확인, 고객 360, 권장 사항, 지식 그래프, 사이버 보안, 공급망, IoT 및 네트워크 분석을 포함한 고급 분석 및 머신 러닝 애플리케이션을 지원할 것입니다. 그래프는 ML 및 AI와 더욱 긴밀하게 연결될 것입니다. 가트너(Gartner)는 "AI 주제에 대한 가트너 고객 문의의 50%가 그래프 기술 사용에 대한 논의와 관련이 있다"고 보고하기도 합니다. 

- Richard Henderson, TigerGraph 기술 이사

데이터, AI에서 가치를 얻거나 경쟁업체에 빼앗기고 투자자에게 공매도를 당합니다.

"데이터의 민주화", 특히 데이터 엔지니어링에 대한 더 나은 정의를 찾을 수 있습니다. 조직 및 직무 전반에 걸쳐 더 많은 사람들이 데이터를 수용하고 참여함에 따라 데이터 엔지니어링은 이러한 개인이 동일한 공간에서 협업할 수 있도록 계속 발전할 것입니다. 효과적인 데이터 엔지니어링은 머신 러닝 및 분석을 포함한 의미 있는 다운스트림 사용을 위해 필요합니다. 따라서 협업 데이터 엔지니어링은 SQL과 Python을 선호하는 개발자가 AI 지원 시각적 도구로 전환하는 개발자와 함께 작업을 수행할 수 있도록 하는 데 매우 중요합니다. 클라우드 기반 도구를 사용하면 이를 점점 더 많이 사용할 수 있습니다.

따라서 로우코드 및 노코드 솔루션은 특히 코더가 비즈니스 사용자와 동일한 공간에서 작업을 수행할 수 있도록 할 때 점점 더 널리 보급될 것입니다. 이러한 보다 정교한 차세대 도구에는 자동 프로그래머 보조 기능이 있으며 코더가 아닌 사용자가 기본적으로 깨닫지 못한 채 사용자 지정 프로그램을 만들 수 있는 최신 기술을 수용할 것입니다.

마지막으로, AI 엔지니어링이 변화하고 있습니다: "머신 러닝 운영"을 생각해 보십시오. 이 분야는 많은 신생 기업이 이 구성 요소를 보다 접근하기 쉽고 실용적으로 만들면서 폭발적으로 성장할 것입니다.  

- Adam Wilson, Trifacta CEO