(신기술 동향) 빅 데이터 분석 방법 : 분석->모델링->최적화

빅 데이터 분석 기술은 미래 경쟁력의 핵심이 될 것입니다.


1. 분석 : 과거에 어떤 일이 일어 났습니까?
분석의 가장 기본적인 활용은 회사의 과거 실적 데이터를 수집하고 분석하는 것입니다. 일반적으로 시간 경과에 따른 KPI를 설명하고 요약하게 됩니다. 그렇게함으로써 분석은 가치를 창출하는 요소에 관한 통찰력을 제공합니다. 가치를 높이기 위한 방안을 제안 할 수 있습니다. 가시성을 확보함으로써 회사는 향후 성과를 모델링하고, 가치 창출을 최적화하는 의사결정을 데이터 기반으로 진행할 수 있습니다.


데이터 기반은 비즈니스 인텔리전스 소프트웨어 (예 : Tableau, QlikView 또는 Tibco Spotfire)를 사용합니다. 소프트웨어에 의해 생성된 대시 보드는 복잡한 데이터 분석을 쉽게 할 수 있습니다. 몇 번의 클릭만으로 관리자 또는 경영진은 수 백만 개의 데이터 포인트에서 놀라운 통찰력을 얻을 수 있습니다. 불과 5 년 전만해도 컴퓨터 과학 기술 전문가들 조차 이러한 광범위한 통찰력을 도출하는 데 몇 시간이 걸렸을 것입니다.


가장 기본적인 수준에서 기업은 통찰력을 사용하여 비즈니스에서 "가치가 누수 될" 수 있는 곳을 파악 할 수 있습니다. 한 제조업체는 용접기의 생산성이 금요일에는 15 % 하락한 것을 발견했습니다. 또 다른 회사에서는 영업 사원이 가격 협상보다는 고객에게 최대 할인을 제공한다는 사실을 발견했습니다. 근로자에게 동기를 부여하거나 훈련 프로그램을 개선하기 위한 변화 프로그램이 필요함을 알 수 있게 됩니다.


2. 모델링 : 미래에는 무엇을 기다리고 있습니까?
모델이란 비즈니스를 추상적으로 표현한 것입니다. 회사는 모델을 사용하여 미래에 다른 시나리오에서 어떻게 될지 예측할 수 있습니다. 모델링을 통해 기업은 위험없이 업무를 수행 할 수 있습니다. 기업은 현실을 가상으로 표현하면서 다양한 전략을 테스트하고 실수를 방지할 수 있습니다.


회사는 모델을 효과적으로 사용하여 비즈니스 환경 변수를 변경할 때 실적에 어떻게 영향을 미치는지 테스트 할 수 있어야 합니다. 비즈니스 리더는 종종 결과의 정확성에 회의적이기 때문에 모델이 현실적임을 보여줄 준비가 되어 있어야 합니다. 모델이 현실적이기 위해서는 목적에 부합해야 합니다. 즉, 비즈니스 시스템을 충분히 정확하게 표현해야 합니다. 적절한 데이터의 가용성은 전제 조건입니다.


다양한 모델링 도구가 존재하며 특정 응용 프로그램에 대한 올바른 도구는 모델링하는 시스템의 특성에 따라 다릅니다. 예를 들어, 대량 원자재 공급 체인은 일반적으로 "이산 사건 시뮬레이션"을 사용하여 모델링합니다. 이 기법은 복잡한 역동성을 갖는 시스템을 모방하도록 설계되었습니다.


공급 체인 및 장비 성능에 대한 어플리케이션은 의사 결정을 위해 모델을 사용할 가능성을 보여줍니다.


공급 체인을 위한 시뮬레이션 모델. 공급망은 종종 고장이나 수요 또는 공급 패턴의 변화로 인해 발생하는 변동성과 같은 복잡하고 역동적인 특성을 가지고 있습니다. 일반적으로 이러한 변동성을 관리하기 위해 버퍼 또는 재고가 필요합니다. 공급망의 모델은 이러한 역동성을 모방해야합니다.


예를 들어, 우리는 공급망 모델을 사용하여 광업 회사가 자본을 어디에 투자할지 결정하도록 돕습니다. 이 모델을 통해 회사는 열차 수 또는 컨베이어 벨트 고장 횟수와 같은 변수를 변경하면 어떤 일이 발생하는지 테스트 할 수 있습니다. 선도적인 광산 회사는이 모델을 사용하여 프로젝트 엔지니어가 제안한 이중 트랙 라인이 아닌 단일 트랙 철도 라인을 통해 해당 작업을 수행 할 수 있음을 파악했습니다. 이 통찰력으로 회사는 계획된 5 억 달러의 자본 지출을 절감 할 수 있었습니다.


공급망 모델은 다양한 운영 전략이나 철학을 테스트하는데도 유용합니다. 예를 들어 항만국 당국은 모델링에서 얻은 통찰력을 적용하여 배가 조밀하게 채널을 통과하는 규칙을 변경했습니다. 새 규칙을 적용하면 포트가 용량을 5 % 늘릴 수 있었습니다.


장비 성능을위한 기계 학습 기술은 제트 엔진 및 구리 제련소와 같이 매우 복잡한 시스템을 모델링하는 데 사용됩니다. 이 기술은 과거 데이터를 사용하여 입력과 출력간의 복잡한 비선형 관계를 학습합니다. 기계 학습 알고리즘을 사용하여 금속 회사가 온도, 산소 및 공급 속도 간의 매우 복잡한 관계를 비롯하여 구리 제련소의 성능을 모델링하는 데 도움을주었습니다. 기계 학습 알고리즘에 의해 생성 된 예측 통찰력은 물리학 및 화학을 기반으로 개발 한 모델에서 얻은 예측 통찰력보다 뛰어났습니다. 이 회사는 수익률을 0.5 % ~ 1.0 % 향상시키기 위해 통찰력을 적용하여 수천만 달러의 추가 가치를 창출했습니다.

3. 최적화 : 어떤 결정이 가치를 극대화합니까?

분석을 적용하여 얻는 결과는 모델링 결과를 사용하여 가치 창출을 최적화하는 결정을 내리는 데서 발생합니다. 다양한 결정의 결과를 테스트하기 위해 모델을 실험함으로써 회사는 종종 최적의 결과를 달성하는 데 필요한 조치를 결정할 수 있습니다. 그러나 일부 비즈니스 문제에는 잠재적 솔루션이 글자 그대로 수조에 달하는 복잡한 변수 배열이 포함됩니다. 최적화 기술은 기업이 이러한 매우 복잡한 비즈니스 문제에 대한 솔루션을 결정하는 데 도움이됩니다.

최적화 기법은 목표와 적용 가능한 비즈니스 규칙 또는 제약 조건을 고려하여 주어진 결정 집합에서 가치를 극대화 할 의사 결정을 계산하는 수학적 알고리즘입니다. 회사가 무엇을해야하는지 알려줍니다. 모델링에서 입력은 결정 집합이며 출력은 이러한 결정을 구현할 때 얻는 가치입니다. 최적화는 이 관계를 역으로 한 것입니다. 입력은 값을 최대화하는 목표이고 출력은 목표를 달성할 의사 결정 집합입니다.

지난 10 년간 최적화 기법의 정교함이 기하 급수적으로 증가하여 훨씬 더 다양한 문제를 해결할 수 있게 되었습니다. 다음 예는 산업 전반의 기업에 대한 가치 창출의 범위와 가능성을 보여 줍니다.

- 파운드리 

  파운드리(Foundry)은 매우 복잡하여 운영자가 최적의 작업 일정을 결정하는 것이 거의 불가능합니다. 한 파운드리는 이러한 복잡성을 극복하기 위해 최적화 알고리즘을 적용했습니다. 투입물에는 일주일동안 제조된 구성 요소의 수와 노동 및 자재의 가용성과 관련된 제약 사항에 대한 파운드리의 목표가 포함되었습니다. 최적화 출력은 구성 요소를 제조해야하는 순서입니다. 이러한 결정을 내림으로써 파운드리는 생산 능력을 20 % 늘렸고 납기는 단축했습니다.

- 전국 광대역 네트워크

  전국 광대역 네트워크는 다년간의 프로젝트를 통해 전국 인터넷 서비스를 제공합니다. 네트워크는 비용과 속도가 크게 달라 지는 많은 기술을 개발하고 유지하는 데 필요한 엔지니어, 건설 노동자 및 관리자의 수와 마찬가지로 많은 요소로 이루어져 있습니다. 최적의 기술 조합과 이를 구현하기 위한 일정을 결정하기 위해 최적화 알고리즘을 적용했습니다. 목표는 순 현재 가치를 극대화하는 것입니다. 제약 조건에는 이용 가능한 엔지니어의 수와 부채에 대한 제한이 포함되었습니다. 생산은 어떤 기술을 어떤 위치에서 사용할 것인지와 롤-아웃을 어떻게 순서화할 것인지를 명시한 완전히 최적화된 롤아웃 계획이었다. 최적화 된 계획으로 인해 네트워크는 필요 자금을 20억 달러 절감하였습니다.

- 가금류 회사. 
 가금류 회사는 가장 수익성있게 고객의 요구를 충족시키기 위해 닭을 생산하고 처리하는 방법에 대한 복잡한 결정을 내리기 위해 주먹구구로 해 왔습니다.가금류 생산은 어려움을 겪고있는 복잡한 사업입니다. 예를 들어 영업팀이 운영팀에게 추가로 100톤의 가슴살을 생산하도록 요청했다고 가정합니다. 이 금액으로 가슴살 고기 생산을 늘리면 150톤의 다리 고기와 40톤의 날개가 추가로 생깁니다. 영업팀이 다리 고기와 날개를 추가적으로 판매 할 수 있는지 여부를 고려하지 않으면 상당한 낭비가 발생할 것입니다.

고객 요구를 충족시키면서 이러한 유형의 복잡성을 해결하는 방법을 결정하기 위해 최적화 알고리즘을 사용했습니다. 생산량은 각 공장에서 생산할 각 고기의 양, 처리 할 닭의 크기 및 제품을 고객에게 가장 효율적으로 운송하는 방법을 지정했습니다. 또한 어떤 고객이 수익성이 없는지를 명시했습니다. 최적화 된 접근 방식은 2 천만 달러 이상의 추가 EBIT를 생성 할 것으로 예상됩니다. 이 접근법은 이전에 제공 할 수있는 용량이 부족하다고 생각했던 대규모 신규 고객에게 비즈니스를 제공 할 수있게 했습니다. 추가 비즈니스는 수백만 달러의 마진을 올릴 가치가 있으며 추가 자본 투자 없이도 수요를 충족시킬 수 있습니다.

- 철강 생산자. 

  철강 생산자는 최소한의 비용으로 고객의 요구를 충족시키기 위해 공급망을 재 설계하려고했습니다. 생산 라인과 창고의 용량 제약을 고려할 때, 알고리즘은 가장 낮은 비용으로 생산자 네트워크를 통해 제품의 흐름을 가능하게하는 최적의 공급 체인을 2025 년에 지정했습니다. 생산자는 제품을 어디서 어떻게 배포 할 것인가에 대한보다 나은 결정을 통해 물류 비용을 10% 줄였습니다.