빅데이터 분석은 첨단기술 분야에서는 아직 익숙하지 않은 것처럼 느껴지지만 점차 활용되기 시작했다. 여기서는 빅데이터 분석의 활용 사례와 그 장점을 소개하고, 특히 IoT 및 산업 분야의 예를 소개한다.
빅 데이터 활용의 눈
빅 데이터를 분석하는 목적은 겉으로보기에는 무질서하고 무법한 데이터에서 일부 법칙과 상관 관계를 찾는 것입니다. 거기에서 우리는 새로운 지식을 도출하여 판매를 늘리고 운영 효율성을 향상시키기 위해 노력하고 있습니다.
인간의 경험과 직감에 기초한 의사 결정은 매우 불확실하고 히트 할 때 히트하지만 종종 벗어납니다. 또한 결정을 내리기 위해 직감을 습득하는 데 오랜 시간이 걸립니다. 또한 고객의 요구가 다양 화되고 시장 변화의 속도가 점점 빨라짐에 따라 수년 동안 배양 된 경험과 직감이 단기간에 전달되지 않을 가능성이 큽니다. 이러한 상황에서는 사람의 손없이 많은 양의 데이터를 분석하여 새로운 지식을 신속하게 제공 할 필요가 있습니다.
또한 빅 데이터 분석은 이전에 정량화하기 어려웠던 인간의 선호도와 감성을 기반으로 한 법칙과 일부 추세를 파악하는 데 유용한 것으로 간주됩니다. 즉, 이전에 응답의 어려움에서 제외 된 데이터에서 새로운 지식을 발견 할 수 있습니다.
친숙한 빅 데이터 분석을 사용하는 방법의 예
실제 빅 데이터 사용 사례를 살펴보겠습니다.
자동 판매기의 제품 전시
제품 디스플레이는 종종 빅 데이터 분석에서 법칙을 만드는 좋은 예로 사용됩니다. 음료 제조업체에서 우리는 그때까지 평범했던 베스트셀러 제품을 위에서 배열 한 "Z 자형"자동 판매기의 제품 디스플레이를 변경하여 우리가 집중하고있는 제품이 아래에 배치되도록했습니다. 이것은 자동 판매기에서 시선을 읽는 시선 추적 카메라 (시선 추적 카메라)를 설치하고 "구매자의 시선"이라는 큰 데이터를 분석 할 때 파생 된 통찰력입니다. 그 결과, 회사는 몇 %의 매출 증가를 달성했습니다.
많은 자동 판매기는 구매자보다 높은 제품 샘플을 표시합니다. 지진 발생시 낙하를 방지하기 위해 콘크리트 받침대에 고정되는 경우가 많기 때문입니다. 물론, 눈의 높이보다 약간 낮은 위치에서 그 자세를 보는 것이 더 쉽다고 말하는 것은 자연스러운 것처럼 보입니다. 그러나 "Z 자형"의 표시와 같이 이미 상식적으로 간주되는 관습을 뒤집는 아이디어는 인간만으로는 생각하기 어렵습니다.
수요 변동을 이해하고 구매 및 제품 개발에 사용
빅 데이터 분석의 대표적인 응용 프로그램 중 하나는 수요 예측입니다. 하나의 컨베이어 벨트 초밥 체인에서 IC 태그가 접시에 부착되어 어떤 요리가 판매되고 얼마나되는지 파악합니다. 점원이 회계 당시 독자를 판 위에 올려 놓으면 데이터를 즉시 수집 할 수 있습니다. 이 데이터는 매년 수억 개이며, 이러한 빅 데이터를 분석하여 판매 및 계절적 수요 변동을 파악하고 구매량 조정 및 제품 개발에 사용합니다.
경영 결정을 위한 고객 동향 분석
경우에 따라 편의점의 판매 분석 및 재고 관리에 사용됩니다. 한 편의점은 특정 제품 판매의 60 %가 무거운 사용자의 10 %만이 지원한다는 것을 발견했습니다. 전자화폐 정산에 관한 빅데이터 정보를 분석하여 얻은 지식이다. 이 편의점은 열렬한 팬이 있다고 판단하기 때문에 특정 제품을 계속 판매합니다.
편의점의 중요한 수익원은 원하는 제품과 함께 구입 한 "구매 옆"입니다. 언뜻보기에 매출 성장으로 인해 매출이 끝나야 할 것 같은 제품이라 할지라도 열정적 인 팬이 있다는 것을 알면 고객을 유치 할 수있는 중요한 제품으로 새로운 가치를 찾을 수 있습니다.
인간의 감각은 또한 큰 데이터로 해독됩니다.
속옷 판매 사이트에서는 반품된 속옷과 고객 정보를 빅데이터로 분석하여 속옷 제조업체의 약간 다른 크기 변화를 정량화하는 데 성공했습니다. 이로 인해 구매자가 자신의 크기를 입력하면 해당 크기에 맞는 제조업체의 제품 만 표시되는 시스템이 생겨났습니다.
이것은 서로 다른 사람들의 속옷의 착용감과 편안함에 대한 빅 데이터를 분석하고 각 고객에게 최고의 제품을 제시 할 수 있었다고 말할 수 있습니다. 속옷의 핏과 편안함은 인간의 감각과 감성에 속하기 때문에 일반적으로 정량화하기가 어려운 것으로 간주되어 왔지만이 정보는 독창성에 따라 빅 데이터로 분석 될 수도 있습니다.
산업 및 IoT 분야에서 빅데이터 분석의 활용 사례
산업 및 IoT 분야에서 사용되는 예를 살펴 보겠습니다.
실시간으로 도로 상황을 파악하고 예측합니다.
차량에 통신 기능을 부여하여 교통정보를 분석하는 경우가 있다. 통신 기능을 갖춘 자동차, 소위 커넥티드 카를 이용하여 주행 정보를 수집하고 이를 빅데이터로 분석함으로써 교통 체증 정보 및 사고 정보를 얻을 수 있다. 이 데이터는 교통 체증을 피하고 사고를 예방하는 데 사용할 수 있습니다.
메커니즘으로서, 회전 속도가 증가하거나 타이어가 초당 얼마나 많은 회전을 회전하는지 감지하여 일정하다면 교통 체증이 없다고 판단됩니다. 즉, 도로 상황은 차량 속도의 변화로부터 판단된다. 또한, 차량에 GPS 수신기를 설치하고, 위치 정보를 감지하고, 개별 차량 속도의 변화와 연계하여 빅데이터 분석을 수행함으로써, 어느 지역에서 얼마나 많은 교통 체증이 발생하고 있는지 또는 발생할 가능성이 있는지를 판단할 수 있다. 이 경우 자동차의 정보가 실시간으로 순간적으로 변하기 때문에 빅데이터 분석을 위해서는 실시간 처리가 필요하다.
효율적인 선박 운영
같은 방식으로, 감지에서 얻은 빅데이터를 분석하여 선박의 운항을 간소화한 사례가 있다. 한 상선 운송 회사는 선박에 센서를 부착하여 엔진 속도, 주행 속도 및 해류 속도를 수집합니다. 우리는 이것을 빅 데이터로 분석하고 최적의 비행 계획을 수립하는 데 성공했습니다. 이 계획을 사용하여 실제로 운영했을 때 연료 소비를 10 % 줄였습니다. 일반 대중의 관점에서 볼 때 10 %로 큰 문제는 아니지만 상선 회사는 많은 수의 선박을 운영하며 한 번에 항해가 긴 경우가 많습니다. 이러한 결과의 10 %는 주요 비용 절감의 효과라고 할 수 있습니다.
광업 최적화에 대한 찬사
어떤 경우에는 삽차 및 불도저와 같은 건설 기계의 효율적인 작동에 기여합니다. 건설 장비 제조업체의 건설 기계에는 IoT와 호환되는 센서가 있습니다. 이 센서를 사용하여 위치 정보 및 작동 상태를 모니터링하고 실시간으로 빅 데이터 분석을 수행함으로써 운영 효율성을 높이고 고장을 예측하는 데 사용할 수 있습니다. 이것은 주로 해외 광산에서 채굴 할 때 유용합니다. 해외 광산은 종종 매우 넓은 광산 범위를 가지고 있으며, 가능한 한 가장 짧은 거리를 선택하고 빈 하중을 덜 자주 운반해야합니다. 따라서 엔진의 시동 시간, 이동 거리, 이동 방향 등을 감지하고 이러한 빅 데이터를 분석함으로써 광업의 최적화가 실현됩니다.
빅 데이터 분석은보다 실시간 지향적 일 것입니다.
위에서 우리는 빅 데이터 분석이 어떻게 사용될 수 있는지에 대한 예를 보았습니다. 이러한 예에서 볼 수 있듯이 실시간으로 빅 데이터 분석을 수행해야 할 필요성이 점점 더 커질 것입니다. 엣지 컴퓨팅 은 특히 생산 분야에서 속도가 필요한 응용 프로그램의 경우 속도 측면에서 매우 호환 될 수 있습니다. 이 생산 분야에서 빅 데이터 분석에 대해 생각하고 있다면, 엣지 컴퓨팅도 옵션입니다.
