산업별 빅데이터 활용 전망

산업별 빅데이터 활용 전망

산업별 빅데이터 활용 전망

빅데이터의 전망에 대해서 알아보도록 하겠습니다. 빅데이터 전망에서 2017년 데이터인데, 2017년에 대비해서 3년 후 2020년, 2021~2022년쯤에도 꾸준하게 해외시장에서 빅데이터는 계속 8~9% 정도 성장할 것으로 전망하고 있습니다. 국내 시장 같은 경우에는 전망이 더 밝아서 2020년에는 24. 9% 정도 더 성장할 것으로 예상하고 있고 4~5년 후에 해당하는 2021년~2022년쯤에는 26. 3% 정도 성장할 것으로 얘기하고 있습니다. 그렇다면 주로 공급기업과 수요기업 측면에서 볼 때 어떤 부분들이 유망종목이 되는지 볼 수 있습니다. 수요기업 측면, 빅데이터 기술을 통해서 서비스 수요측면에서 볼 때 IT나 물류 유통 쪽에 적용이 많을 것 같고 공급의 측면에서는 제조업이나 금융업 쪽에 수요가 유망하다고 볼 수 있고 그다음에 향후 유망 업무에는 과연 어떤 업무에 빅데이터가 적용되는 것이 좋은가, 유망하다고 보면, 수요기업에서 보면 고객관리, 모니터링 부분과 향후 브랜드나 트렌드를 예측하는 것도 수요기업에서는 많이 필요한 빅데이터의 활용 측면이라고 볼 수 있고, 공급업체에서 보면 향후 트렌드를 파악, 위험요소 예측, 실적 관리하는 측면에서 빅데이터를 많이 활용할 수 있다고 얘기하고 있습니다. 산업별 주요 기대 수요가 있습니다.

제조업에서 빅데이터 전망

제조업 같은 경우는 로그분석을 통해서 불량품을 예측, 생산량 증가 예측이 있고 리스크 감속을 위한 예측과 모니터링 센서·기기나 축적 정보를 통한 공정 최적화, 생산 스케줄을 수립하는 것이 있고, 금융 부분에 있어서는 데이터 기반 소비자 마케팅을 통해서 맞춤형 상품 추천 및 고객 이탈 방지 등에 쓸 수 있고 연체 고객이나 부도 여부에 대한 예측, 신용 리스크 관리, 보험사기를 예방하는 것이 있고 AI와 연계를 통해서 장세, 주식시장이 어떻게 될지, 어떻게 갈지 투자종목을 추천하는 부분도 쓰이게 될 수 있고 통신 부분은 콜센터나 챗봇 서비스 등에서 빅데이터 기반으로 추천하는 내용을 그것을 통해서 질문에 답을 해주는 것이 있겠습니다.

유통, 의료 분야에서 빅데이터 전망

유통이나 물류 쪽에서는 수출입 데이터를 통해서 화물의 운송량을 예측하고 어떤 사고가 있는지 사고 위험요인을 예측할 수 있고, 의료 부분에서는 질병 예측이나 의료비를 절감하고, 신약개발 및 시간 비용을 단축하는 데 쓰이고 119 취약 지역이 어느 곳인지를 통해서 구급차를 적재적소에 배치하고, 어느 부분에 있어서 어디에 배치하는 것이 가장 효율적이라는 것을 할 수 있고, 공공 부분에서는 고위험 가구를 예측 선별을 통해서 단수, 단전 등의 위기 예측이나 복지서비스를 제공하고 교통량을 측정, 교통사고의 원인을 파악하는 등 이런 것이 될 수 있고, 그다음에 기타, 데이터 분석 기반의 작물 생장, 계절상품 수확량 예측 등이 주로 기대수요가 되겠습니다. 빅데이터에서 키워드로 보고 있는 것이 뭐냐면 플랫폼이라는 용어입니다. 플랫폼이 뭐냐면 데이터를 쌓아 놓고 있어서, 데이터가 플랫폼 안에서 사람들이 데이터를 다운로드하거나 데이터를 통해서 분석하고, 분석을 통해서 유의미한, 의미 있는 결과를 도출하는 것이 되겠습니다. 그래서 특히나 우리나라는 바이오 부분, 소위 말하는 병원에서의 전자 의무 기록부들이 있는데 병원의 치료나 모든 것들에 대한 내용을 전자적, 디지털로 잘 관리하고 있습니다. 그런 부분들을 바이오 빅데이터 센터를 통해서 관리가 가능할 것 같고 보시면 국내 보건 의료 데이터 현황에서 볼 때 한국이 92% 정도 전자 의무 기록을 가지고 있습니다. 이것을 통해서 바이오 빅데이터 센서를 만들고 환자들이 어떤 약을 투여받았는지, 어떻게 나았는지, 며칠 만에 나았는지 이런 것들에 대한 전반적인 정보를 다 가지고 있을 수 있다고 볼 수 있어서 바이오 빅데이터 같은 경우는 우리나라가 향후 전체적으로 국가 경쟁력을 갖는 한 분야가 아닐까 하는 생각도 해봅니다. 그런 관점에서 보면 빅데이터 플랫폼으로 보는 것이 주로 사기업, 네이버의 DATA Lap, SKT의 BIG Data Hub, 공공에서 보시면 교통안전 연구원에서 교통에 관련한 데이터들을 공개한다든지, 그런 교통 관련한 데이터를 제공하고 있습니다.

빅데이터에서 플랫폼의 중요성

이런 빅데이터를 위해서는 플랫폼의 활용, 플랫폼의 구성, 플랫폼의 마련 등이 중요하다고 얘기하고 있습니다. 주요 키워드로 나오는 것이 뭐가 있냐면, MyData가 있습니다. MyData가 뭐냐면, 빅데이터라고 볼 때 가장 우려하는 것이 뭐냐면 데이터가 굉장히 많은 것 중에 내 데이터는 하나인데, 어떻게 보면 한명의 데이터인 것입니다. 빅데이터를 분석하는 것 자체가 의미 있게 가져오지만, 빅데이터 분석의 과실들이 빅데이터를 가지고 있는 기업, 포털의 형태가 되겠습니다. 그런 과실들을 기업에만 주지 말고 개인한테, 개인이 이로운 곳, 개인이 서비스받는 곳에 활용하자. 그런 것들이 MyData 관점입니다. 데이터양이 많긴 많지만 내 데이터, 내 의료에 관련한 데이터가 있다면 그 데이터를 다운로드하고 내가 이때까지 투자한 것에 대한 데이터가 있으면 그 데이터도 다운로드하여서 투자업체에 보내서 투자 포트폴리오가 괜찮은지 판별할 수 있는. 그래서 MyData 관점에서 개인의 정보보호를 해치지 않는 한에서 많은 서비스를 한다는 것 그것들이 MyData라는 관점에서 빅데이터 이후에 관심 있는 부분이 되겠습니다.

전쟁에서 되돌아온, 살아서 돌아온 비행기에 대한 오류

끝으로 Survivorship paradox라는, Survivorship에 대한 오류에 대한 얘기를 말씀드리고 빅데이터에 대한 내용을 마치도록 할 텐데 Survivorship은 전쟁에서 되돌아온, 살아서 돌아온 비행기에 대한 오류의 뜻입니다. 제2차 세계대전 때 돌아온 비행기를 분석을 시작했습니다. 무엇을 분석했냐면, 탄환을 맞아서 구멍이 뚫린 부분을 분석해서 '이 부분은 약한 부분이다. '라고 결론을 내린 것입니다. 그 부분을 보완하자, 이렇게 얘기했는데, 그것을 헝가리 수학자가 거기에 대해서 반박하기 시작했습니다. 무엇이냐면, 이미 총에 맞은 비행기가 critical 한 부분, 비행기가 더 이상 날 수 없는 부분에 총알을 맞았다면 그 비행기는 돌아오지 않았다는 것입니다. 총알을 맞아서 돌아왔다는 것은 그 부분은 오히려 보강할 필요가 없다는 것이다. 거기에 총알을 맞더라도 비행기는 괜찮다는 것이고, 돌아오지 못한 데이터, 돌아오지 못한 비행기를 분석해야 비로소 어느 부분이 약한지 알 수 있다는 얘기입니다. 왜 빅데이터에서 이런 얘기를 하냐면, 빅데이터 분석 자체가 기존에 있는 데이터, 내가 확보할 수 있는 데이터 관점에 머물러 있다 보면, 결국은 확보되지 못한 데이터의 귀중한 내용이 담겨있음에도 불구하고 그것을 분석하지 못하는 경우들이 있습니다. 그래서 데이터를 확보하는 것 실패한 사례를 가진 데이터라도 꼭 분석하는 데 있어서 굉장히 중요한 데이터가 될 수 있다는 것 그런 것을 염두에 두고 빅데이터에 대해서 접근하시면 좋을 것 같습니다.