금융기관이 기후 리스크를 관리해야 하는 이유

기후 리스크는 크게 물리적 리스크와 전이 리스크로 구분됩니다. 물리적 리스크는 농업에 피해를 주는 가뭄, 재산 피해를 일으키는 홍수, 강설량 감소 등으로 인한 레저 산업의 지형 변화 등을 예로 들 수 있습니다. 전이 리스크는 기후변화 대응에 따른 높은 규제 준수 비용, 친환경 기업으로의 소비자 이동 등 저탄소 경제로 전환하는 과정에서 발생하는 리스크를 뜻합니다.

이를 금융기관 관점에서 좀더 살펴 보면 물리적인 리스크는 기업이 금융기관에 제공하는 담보가치의 하락으로 인해, PD와 LGD에 영향을 받게 됩니다. 전이 리스크는 규제 준수 비용과 이로 인한 기업 수익성 악화로 인해 결국 금융기관은 신용 리스크가 증가하게 됩니다.

결론적으로 기후 변화는 물리적 리스크, 전이 리스크, 거시경제 변화 등으로 기업의 재무에 영향을 주며, 이는 2차적으로 금융기관의 건전성에 좋지 않은 영향을 미칩니다.

따라서 국제결제은행(BIS)은 2021년 4월, 기후 리스크 측정 방법론을 제시하고, ‘장기 예측에 따른 다양한 고려사항뿐만 아니라 세부적 측정 방법’의 적용을 요구하고 있습니다. 국내 금융위원회 또한 모든 금융기관에게 ‘기후 리스크 관리 감독 계획 수립’을 요구하고 있습니다.

SAS의 기후 리스크 관리 해법

SAS의 기후 리스크 관리를 위한 스트레스 테스트 솔루션은 기후 데이터 관리 및 리스크 모델링 단계에서부터 기후리스크를 계량화하고, 대내외 리포트 작성, 시나리오에 기반한 스트레스 테스트 등을 실시합니다. 이를 통해 포트폴리오 전략과 더불어 재무 및 심사 프로세스까지 연계할 수 있는 종합적인 솔루션입니다.

또한, SAS Climate Risk Model은 SAS Risk Stratum을 기반으로 리스크 관리를 위한 모든 업무가 프로세스화 되어 있습니다. 따라서 데이터의 적재 및 검증에서부터 시나리오 구성, 리스크 계량화, 시각화된 리포트 작성에 이르기까지 현업 관점에서 쉽고 편리하게 수정하고 관리할 수 있습니다.

요약하면, SAS의 스트레스 테스트 기반의 기후 리스크 관리 솔루션은 기후 변화에 대한 산업별 자산가치 하락에 대한 영향도를 분석하고, 더 나아가 기후 변화에 영향도가 높은 산업, 또는 하위 세그먼트를 식별하여 선제적인 대응 계획 수립은 물론, 정책적 의사결정까지 지원합니다.

일본 금융사 ESG 적용 사례

SAS Japan은 딜로이트와 함께 일본의 한 금융사에 SAS 솔루션을 기반으로 ESG를 구축했습니다. 은행의 물리적 리스크 측정은 기존의 리스크 측정과는 완전히 다릅니다. 거래 상대방의 지정학 데이터 처리에 익숙하지 않으며, 리스크를 평가하기 위한 적절한 모델과 변수를 찾을 수 있는 충분한 경험적 데이터 또한 없습니다. 따라서 딜로이트에서는 거래 상대방에 대한 물리적 리스크의 재무적 영향을 측정하는 방법론을 제공하고, SAS는 복잡한 시나리오를 시뮬레이션할 수 있는 기술 프레임워크를 제공했습니다. 이 프레임워크는 은행의 스트레스 테스트와 같이 시나리오 기반의 스트레스 테스트에 널리 사용됩니다.

• 요구 사항

구축을 위한 주요 요구 사항은 다음과 같습니다. 먼저, 시나리오는 해저드 맵(재해 예측도) 형태로 제공됩니다. 또한 다양한 형태의 파일 포맷을 처리할 수 있어야 합니다. 파이낸셜 모델링은 두 부분 즉, 거래 상대방의 BS/PL에 대한 재무적 영향, 담보 가치에 미치는 영향으로 구성됩니다. 이들 영향은 물리적 리스크 평가에서 산업별, 지역별로 다르기 때문에 복잡하고 어렵습니다.

신용평가의 경우 시뮬레이션된 거래 상대방의 BS/PL을 기반으로 전통적인 신용등급 방법론을 적용하지만, 장기 예측을 위해서는 기존의 방법론을 고도화 해야 합니다. 마지막 포트폴리오 평가는 거래 상대방의 레벨뿐만 아니라 계좌 단위로도 수행 가능해야 하며, 물리적 리스크는 거래 상대방의 지정학적 위치와 연결되어 있기 때문에 지도 형태로 보는 것이 핵심입니다.

• 솔루션 아키텍처

전체 솔루션은 SAS 클라우드 환경에서 제공됩니다. 사용자는 웹 브라우저를 통해 이 서비스에 접속합니다. 사용자는 거래 상대방 정보 및 익스포저 정보를 솔루션에 업로드하며, 초기 데이터는 엑셀 또는 수기 파일로 업로드를 하지만 시스템 구축 이후에는 자동화로 진행됩니다. 거래 상대방의 정보는 재무제표 및 지정학 정보를 포함한 담보 정보를 의미합니다. 포트폴리오 및 거래 데이터를 제외한 부분을 솔루션에서 제공하고 있습니다. 따라서 사용자가 이와 같은 정보만 제공하면 모든 결과를 얻을 수 있습니다. 지정학적 데이터는 GIS 즉, 지정학 데이터 제공 업체와 인터페이스를 통해 자동으로 솔루션에 업로드됩니다.

또한 솔루션은 거래 상대방의 BS/PL 프로젝션, 신용 평가, 포트폴리오 평가를 제공합니다. 거래 상대방의 BS/PL 프로젝션의 경우 거래 상대방의 정보, 시나리오 및 프로젝션 모델 시뮬레이션을 입력하면 미래의 기후리스크량이 측정됩니다. 이 시나리오에서는 거래 상대방의 재무제표와 담보와의 민감도를 설명하며, API를 통해 GIS(Geography Information System), 부가정보, 리스크 데이터를 통합합니다. 부동산 데이터, 재해 예측 데이터, 거래 상대방의 재무 데이터를 모델링하여 재무적 영향도, 담보가치의 영향도를 파악하여 프로젝션합니다. 이번 프로젝트에서는 일본 정부에서 제공한 시나리오 데이터를 사용했습니다. 향후에는 NGFS에서 제공하는 시나리오 사용을 고려하고 있습니다. 사용자는 대시보드를 통해 결과를 확인하거나 엑셀 또는 텍스트 파일로 다운로드 할 수 있습니다.

쉽고 유연하고 신속한 구현

SAS의 솔루션은 유연하고 화이트 박스를 기반으로 합니다. 사전에 구성된 데이터 포맷, 모델, 기능 등을 고객의 특정 요구사항에 따라 구성하므로 맞춤형 솔루션을 신속하게 구축할 수 있습니다. 또한 산업별 포트폴리오별 분석뿐만 아니라 지정학적 데이터 처리 기술을 통해 지역별 손실을 예측할 수 있습니다. 태풍, 홍수와 같은 자연 재해, 코로나19 바이러스처럼 기후는 물론, 다양한 리스크가 재무에 미치는 영향도를 측정하는 방법을 제공하여 경영진의 의사결정을 도와 드립니다.

The post ESG와 스트레스 테스트 기반의 기후 리스크 관리 appeared first on SAS Korea Blog.

기존의 #데이터 사이언티스트가 분석 기술과 프로그래밍 스킬을 보유하고, 현업 지식을 겸비해야 하는 고도의 전문직이었다면 #시티즌 데이터 사이언티스트는 프로그래밍 기술이나 전문적인 분석 기술에는 능숙하지 않더라도 자동화된 분석 솔루션을 이용하여 분석 결과에서 인사이트를 도출하고, 자신이 원하는 문제 해결 및 새로운 서비스 개발, 업무 혁신을 이끌어 내는 현업 사용자를 의미합니다. 역동적인 비즈니스 환경 속에서 진정한 데이터 사이언티스트로 성장하고 싶은 여러분들을 위해 SAS가 데이터 사이언티스트로 거듭나기 위한 스킬 업 비법을 소개합니다!

데이터 전처리, 분석 모델링, 데이터 시각화.... 듣기만 해도 머리가 복잡해지는 여러 분석 기술들과 친해져야 하는 데이터 사이언티스트!

SAS가 ‘일잘러’ 데이터 사이언티스트가 될 수 있도록 두 가지 비법을 알려드릴게요!

SAS^® OnDemand for Academics

SAS^® Academic Hub

비법 #1: 무료 소프트웨어로 다양한 분석 기능 체험하기

SAS의 교육 & 학습용 무료 소프트웨어 SAS^® OnDemand for Academics 부터 함께 알아볼까요?

SAS^® OnDemand for Academics는 강력한 통계 분석, 데이터 마이닝, 예측 모델링 소프트웨어를 별도의 코딩 작업 없이 간단한 포인트 앤 클릭 방식으로 체험할 수 있는 교육 및 학습용 무료 소프트웨어입니다. 클라우드 기반의 소프트웨어로, SAS 서버 네트워크를 통해 전 세계 어디에서나 활용할 수 있어 최신 통계 및 정량적 방법론을 학습하려는 분들에게는 최적의 소프트웨어입니다!

SAS^® OnDemand for Academics 사용자는 SAS Cloud 내에 최대 5GB의 데이터를 업로드 할 수 있습니다. 특히 선생님들께는 학생과 공유할 수 있는 추가 3GB 코스 데이터가 제공됩니다!

SAS^® OnDemand for Academics 내의 SAS Studio를 통해 아래와 같이 다양한 SAS 제품을 활용해 볼 수 있습니다.

• SAS^® OnDemand for Academics: Studio: 웹 브라우저 인터페이스를 통해 데이터에 쉽게 액세스하고 SAS 프로그램을 만들 수 있습니다. (자세히 보기)
• SAS^® OnDemand for Academics: Enterprise Guide: 포인트 앤 클릭 방식의 메뉴 및 마법사 기반 인터페이스를 통해 데이터를 분석하고 결과를 게시할 수 있습니다.
• SAS^® OnDemand for Academics: Enterprise Miner: 고성능 데이터마이닝 노드로 데이터마이닝의 전 과정을 쉽게 수행할 수 있습니다.
• SAS^® OnDemand for Academics: Forecast Server: 대량의 예측 결과를 빠르게 자동으로 얻을 수 있습니다.

SAS^® OnDemand for Academics의 보다 자세한 이용 방법은 아래의 링크를 확인해보세요!

• SAS^® OnDemand for Academics 시작하기 & SAS 프로파일 생성 안내 (Link)
• 동영상으로 알아보는 SAS^® OnDemand for Academics 시작하기(Link)

SAS^® OnDemand for Academics의 또 다른 장점은 SAS Analytics U 커뮤니티를 통해 SAS 교육 및 학습용 튜토리얼과 기타 유용한 자료에 액세스할 수 있다는 점입니다. 만약 학습에 어려움을 느낀다면 다른 SAS 사용자들과 온라인으로 소통하면서 질문을 하거나, 아이디어와 베스트 프랙티스를 공유하고, 프로젝트를 함께 진행하거나 도움을 받을 수 있습니다. 뿐만 아니라, 소셜 미디어를 통해 다른 사용자들과 소통하면서 항상 최신 정보를 획득할 수 있습니다.

SAS Analytics U 커뮤니티 페이지

SAS 프로필 등록 후 SAS^® OnDemand for Academics Registration 페이지에서 별도의 설치 없이 액세스할 수 있습니다. SAS^® OnDemand for Academics 내의 SAS Studio를 통해 다양한 SAS 제품군을 무료로 직접 체험해보세요!

SAS^® OnDemand for Academics 무료 체험 시작하기

비법 #2: SAS의 무료 공인 교육 프로그램으로 스킬 업! 하기

SAS의 무료 공인 교육 프로그램을 이용할 수 있는 SAS^® Academic Hub 를 소개합니다!

SAS^® Academic Hub는 교수님, 선생님, 학생을 위해 만든 무료 온라인 교육 리소스 센터입니다. 다양한 교육 자료 및 과정과 소프트웨어까지 무료로 제공하고 있는데요.

• 학습 자료: 교육용 교재 가이드, 프리젠테이션, 데이터 세트 및 기타 리소스가 무료로 제공됩니다. (자세히 보기)
• 교육용 소프트웨어: SAS의 무료 교육용 소프트웨어를 이용하면, 핸즈온 세션을 보다 쉽게 진행할 수 있습니다. SAS^®OnDemand for Academics, SAS^® Viya® for Learners 등의 무료 소프트웨어를 통해 여러분의 분석 역량을 한층 더 확장해보세요! (자세히 보기)
• e러닝 코스: SAS 무료 온라인 강의를 통해 SAS 소프트웨어를 누구나 손쉽게 학습할 수 있습니다. (자세히 보기)

SAS 프로필 등록 후 SAS^® Academic Hub 페이지에서 Log in to view courses 버튼을 클릭하면 나만의 강의 페이지가 생성됩니다. 화면에 보이는 Find a Course에서 SAS 제품 및 학습 주제별로 준비된 다양한 e러닝 코스들을 살펴볼 수 있습니다. e러닝 코스의 최신 업데이트와 생생한 실시간 웹 클래스가 준비되어 있으니 여러분에게 딱 맞는 강의를 지금 바로 찾아보세요!

SAS^® Academic Hub 무료 수강 시작하기

SAS® Academic Hub 강의 페이지

SAS^® Academic Hub는 여러분에게 e러닝 코스를 통한 분석 스킬 강화와 더불어 SAS 글로벌 자격증 취득할 수 있는 기회를 제공합니다. ‘일잘러’ 데이터 사이언티스트로 성장하고 싶은 여러분, SAS 글로벌 자격증 취득 기회를 놓치지마세요!

SAS는 전 세계 AI 소프트웨어 플랫폼 부문 리더이자 8년 연속 데이터 사이언스 및 머신러닝 플랫폼 부문 리더로 선정된 글로벌 No.1 분석 기업입니다. 뿐만 아니라 SAS는 최신 AI와 머신러닝 분석 툴을 학습할 수 있는 ‘학습자용 SAS 바이야’를 무료로 지원하는 등 데이터 사이언티스트 육성과 데이터 분석 저변 확대에 적극 힘쓰고 있습니다. SAS와 함께 데이터 사이언티스트로서 한뼘 더 스킬 업! 해보는건 어떨까요?

The post 데이터 사이언티스트를 위한 스킬 업 비법 대공개! appeared first on SAS Korea Blog.

마이크로소프트, 아마존, 구글, 레드햇 지원

변화는 리스크가 아닙니다. 오랜 시간이나 엄청난 비용이 드는 것도 아닙니다. SAS 투자를 지원하는 파트너와 함께하면 변화는 어렵지 않습니다. SAS Viya의 확대된 클라우드 네이티브 지원으로 퍼블릭, 프라이빗, 하이브리드 클라우드 솔루션에 관계 없이 어디서나 분석을 수행할 수 있습니다.

이제 SAS Viya는 Microsoft Azure에 이어 Amazon Web Services와 Google Cloud도 지원합니다. 프라이빗, 하이브리드 또는 멀티클라우드 솔루션을 구현 중이라면 Red Hat OpenShift의 도움을 받아보십시오.

Microsoft Azure에서 SAS 클라우드는 통합적인 전용 서비스와 각종 지원을 제공합니다. 고객은 SAS 소프트웨어에 대한 투자 수익을 극대화할 수 있습니다. SAS 파트너인 Accenture, Capgemini, Deloitte, EY, KPMG는 이미 클라우드 공급업체와 매일, 모든 지역, 모든 산업에서 협력하고 있습니다.

배포가 필요할 때는 Intel 기술로 구동되는 클라우드가 엔터프라이즈 애플리케이션 전반에서 안정적이고 확장 가능한 성능을 제공합니다. SAS Viya는 Intel에 최적화되어 있으므로, 더 짧은 시간에 더 많은 분석 작업을 수행하며, 결과를 개선합니다.

이처럼 강력한 파트너십으로 클라우드의 잠재력을 활용하여 분석가의 창의성을 끌어올리고, 새로운 AI의 가능성을 열고, 업계 검증을 거친 솔루션을 빠르게 배포하고, 신뢰할 수 있는 결과를 신속하게 제공하고 기하급수적으로 확장할 수 있습니다. 이제 망설임과 복잡성, 리스크를 벗어나 SAS Analytics를 클라우드로 옮겨보십시오.

AEG Sports사가 미래를 준비하는 방법

스포츠와 라이브 엔터테인먼트 분야에서 세계를 선도하는 AEG Sports(이하, AEG)는 Microsoft Azure에서 SAS Viya Advanced Analytics를 사용하여 스포츠 엔터테인먼트의 미래를 설계했습니다. AEG는 SAS, Microsoft와의 협업으로 1 더하기 1이 3이 되는 효과를 얻었습니다. AEG 스포츠의 비즈니스 운영 및 전략 담당 수석 부사장인 Aaron LeValley는 “파트너십 덕분에 두 회사 모두로부터 최상의 요소를 취할 수 있었고, 실용적인 비즈니스 결정을 내리고, 소프트웨어를 활용한 비즈니스 개선을 이룰 수 있었다”고 말합니다.

그는 SAS를 실행함으로써 다음과 같은 세 가지 이점을 얻었다고 강조합니다. 첫째, 비용 효율성이 개선됐습니다. SAS를 Microsoft Azure에서 실행함으로써 이전 파트너에 비해 비용을 절감했으며, 절약한 예산은 분석팀과 데이터 역량에 재투자할 수 있었습니다. 아울러 추가적인 데이터 포인트 활용, 다양한 모델 검토가 가능해졌고, 이를 민첩하게 조정함으로써 코로나 영향에서 회복해 나가고 있습니다.

AEG의 SAS Viya Advanced Analytics 실행 화면

둘째, 프로세스가 이전보다 더 빠르고 효율적으로 실행되고 있습니다. 셋째, 연결성입니다. SAS Viya로 결과를 더 쉽게 공유하는 한편, Microsoft Active Directory를 사용한 싱글 사인온과 같은 간단한 기능으로 조직 전체에 인사이트를 편리하게 전달합니다. Aaron LeValley 수석 부사장은 “SAS와 Microsoft의 최대 강점들을 결합하여 최적의 분석 플랫폼을 구축하는 방법을 알았으며, 앞으로 나아가며 미래를 준비할 수 있었다”고 말합니다.

많은 기업이 파괴적 혁신의 기회마다 데이터와 분석을 도입 및 활용하여 새로운 고객 경험을 창출하고 있습니다. 앞으로도 SAS와 Microsoft는 공통 고객을 대상으로 더 나은 가치를 계속 제안할 것입니다. 그리고 이 모두는 SAS Viya 최신 릴리스를 기반으로 합니다. SAS Viya 는 Microsoft Azure의 네이티브 지원과 Azure 서비스와의 통합에 최적화되어 있습니다. 그 결과, 클라우드에서 분석 및 데이터 처리 워크로드를 보다 쉽게 설계, 실행, 관리할 수 있는 단일 플랫폼이 탄생했습니다.

IoT 에코시스템

SAS IoT 에코시스템 파트너 현황

분석 에코시스템에서 IoT가 갈수록 중요해지고 있습니다. 프로덕션급 IoT 시스템을 공급하려면 다방면에서 통합이 요구됩니다. SAS가 50여 IoT기술 기업과 협력하는 이유도 이 때문입니다. 이들 조직과 팀을 이뤄 업계가 인정하는 SAS 분석의 라이프사이클은 에지에 이르기까지 고객이 필요로 하는 모든 곳으로 확장되고 있습니다.

이는 무엇을 의미할까요? 예를 들어보면, SAS는 반도체 산업에서 세계 최대의 조립 및 패키징 장비 공급업체인 ASM Pacific Technology와 제휴하고 있습니다. 양사는 에지와 클라우드 모두에서 분석과 머신 러닝을 운영화하는 솔루션을 개발하기 위해 협력하고 있습니다. 이는 수율과 생산 품질을 극대화하는 동시에, 품질 결함을 줄여줄 수 있습니다.

노스 캐롤라이나의 캐리 타운과 진행했던 협업 사례도 있습니다. SAS는 Microsoft와 공동으로 홍수 예측 및 대비 솔루션을 개발했습니다. 센서가 보내오는 실시간 데이터와 클라우드 기반의 일기예보를 결합하여 홍수 발생 가능성이 있는 지역과 시기를 예측하는 데 사용됩니다. 이와 같은 비상상황 대응 프로세스를 자동화하여 홍수 사고의 피해를 줄이고 시민의 안전을 궁극적으로 개선할 수 있습니다. 여기에서 알 수 있듯, SAS가 항상 강조하는 ‘어디서나’는 정말 모든 곳을 의미합니다.

풀 영상은 ‘SAS Global Forum 2021 하이라이트’ 웹사이트에서 무료로 보실 수 있습니다.

The post [SGF시리즈 #5] SAS Viya 클라우드 지원과 주요 파트너십 appeared first on SAS Korea Blog.

2021년의 화두는 ‘한 발 앞선 행동과 뉴노멀 시대에서의 번영’입니다. 이미 많은 기업이 시장의 기대에 부응하기 위해 적응하며 비즈니스 우선순위를 변경하고 있습니다. 그 목표가 무엇이든, 데이터에 기반한 의사결정과 경쟁 우위를 확보하기 위해 분석과 기술에 주목하는 것만은 다르지 않습니다. SAS는 뉴노멀 시대를 위한 다음과 같은 기술과 비전으로 고객 비즈니스의 미래를 지원합니다.

어디서나 분석하기

분석은 장소에 제약 없이 어디서나 가능해야 하며, 의사결정을 향상시켜야 합니다. SAS는 수익 증대, 비용 절감, 효율성 향상을 추구하는 리더들을 위해, 기업 전반으로 확장된 분석을 통합함으로써 목표 달성을 돕습니다. SAS와 함께하면 온프레미스, 선호하는 클라우드, 내장형 센서, 또는 이들이 섞여있는 그 어떤 환경에서도 분석이 가능합니다.

SAS 플랫폼은 데이터 사이언티스트에게 분석의 선택권과 통제권을 제공합니다. SAS 기반의 분석은 이미 세계 최고 수준이지만, R, Python 등의 언어를 사용하는 오픈 소스 에코시스템에도 활용할 수 있습니다. SAS는 데이터 사이언티스트의 잠재력을 실현할 수 있는 가장 생산적인 분석 플랫폼을 제공하기 위해 최선을 다하고 있습니다.

IT 관점에서 SAS는 충분한 컨테이너 환경과 클라우드 네이티브 환경을 지원하며, CI/CD 지원이 가능합니다. 즉, 고객의 클라우드 에코시스템 내 다른 기술들과 원활하게 실행 및 운영될 수 있습니다.

모두가 분석하고, 결과 활용하기

분석은 모든 구성원이 함께 만들고, 함께 소비해야 합니다. 기업은 디지털 혁신을 가속화하는 과정에서 고급 분석과 자동화된 의사결정을 비즈니스 프로세스에 통합하고 있습니다. 분석은 이제, 조직 전반 여러 직무에서 진행되는 일종의 팀 스포츠로 다루는 것이 바람직합니다.

예를 들어, 비즈니스 분석가는 데이터를 시각화하려는 의도로 여러 질문을 던집니다. 데이터 사이언티스트는 이러한 질문의 해답을 찾기 위해 모델을 구축합니다. 경영진은 새로운 해답과 결정이 손익에 미치는 영향을 확인하고자 이를 주시합니다. SAS는 이러한 모든 역할 간 협업이 동일한 환경에서 원활히 이루어지도록 돕습니다.

조직 전체의 의사결정 최적화

SAS 분석은 조직 전체의 의사결정을 최적화합니다. 비즈니스 리더는 항상 역동적인 시장에서 경쟁 우위를 제공할 새로운 아이템을 찾고 있습니다. SAS는 의사결정의 최적화와 자동화를 도와 회사가 경쟁 우위를 꾸준히 유지할 수 있게 합니다.

SAS는 생산성을 높이고자 하는 데이터 사이언티스트를 위해 데이터 변환, 파이프라인 구축, 모델 선택 등의 작업을 자동화합니다. IT 관점에서 SAS는 모델의 전체 라이프사이클에 걸쳐 분석 성능을 모니터링합니다. 이를 통해 모델이 예상대로 작동하도록 할 수 있습니다.

투명성과 신뢰성 향상

분석을 올바른 방식으로 수행하면 투명성과 신뢰성이 높아집니다. SAS는 데이터, 모델, 의사결정에 대한 N2N 거버넌스를 제공합니다. 비즈니스 리더는 일관성과 정확성이 보장되면 궁극적으로 머신 러닝과 AI의 가치에 자신감과 신뢰를 쌓을 수 있습니다. SAS는 데이터 사이언티스트를 위해 모델 생성 시, 모델 설명 기능을 제공합니다. 이로써 생성한 모델의 적절성, 설명 가능성과 관련한 인사이트를 얻을 수 있습니다.

복합 AI (Composite AI)

SAS는 최근 업계 전반에서 일어나고 있는 대규모 ‘복합 AI’ 흐름을 적극 주도하고 있습니다. 조직은 디지털 혁신을 가속화하는 과정에서 보다 정교한 의사결정을 필요로 합니다. 이를 위해서는 통계, 자연어 처리, 딥 러닝, 오디오 처리, 컴퓨터 비전 등 다층적인 여러 분석 기술의 도움을 받아야 합니다. 이러한 분석 기술을 빠르게 활용하는 기업은 디지털 혁신 여정에서 궁극적인 경쟁 우위를 차지할 수 있습니다.

또한 데이터 사이언티스트는 반복 가능한 워크플로에 다양한 분석 기능을 통합함으로써 세상의 많은 어려운 문제들을 해결해나갈 수 있습니다. IT 부서는 SAS 구현을 통해 조직에 ‘디지털 민첩성’을 제공하고, 데이터와 애플리케이션에 대한 기존 투자에 상당한 가치를 더할 수 있습니다.

이처럼 SAS는 비즈니스 리더, 데이터 사이언티스트, IT 전문가 모두에게 뉴노멀 시대를 헤쳐나가고 시장 경쟁력을 확보할 수 있도록 지원합니다.

풀 영상은 ‘SAS Global Forum 2021 하이라이트’ 웹사이트에서 무료로 보실 수 있습니다.

The post [SGF시리즈 #4] 5가지 핵심 기술 비전 appeared first on SAS Korea Blog.

아예사 칸나 (ADDO AI 공동 설립자 겸 대표이사)

기계는 우리를 어떻게 도울 수 있을까?

우선, 일상적으로 반복되는 작업을 수행할 수 있습니다. 뮌헨 BMW 공장에서는 거대한 주황색 로봇 팔이 차체를 조립합니다. 이 로봇은 같은 작업을 끝없이 되풀이하죠. 사람이 하는 반복적인 작업이라면 기계도 할 수 있습니다.

기계는 무지막지한 양의 데이터를 분석할 수 있습니다. 우리는 지금, 지난 10년 동안보다 많은 데이터를 1년 안에 생성하고 있습니다. 팀원이 아무리 많아도 이만한 데이터를 분석할 수 없습니다. 이러한 데이터에 액세스하고 분석하여 비즈니스와 시장에 대한 인사이트를 얻으려면 플랫폼과 툴, 머신 러닝이 필요합니다.

AI는 여기서 한 발 더 나아가 학습을 합니다. 우리가 AI를 ‘지능’이라고 부르는 이유입니다. 학습에서 더 나아가 조언을 하거나 어떤 것을 추천하고, 갈수록 더 자율적으로 일하게 될 것입니다. 기업에서도 이를 활용할 수 있습니다. AI의 능력이 기업의 니즈에 부합할 때 마법 같은 일들이 가능해집니다.

AI로 비즈니스 규칙을 바꾸는 기업들

기업은 보다 고객 중심적이어야 합니다. 급변하는 세상 속에서 기술은 곳곳에 파괴적 혁신을 일으키고 있지만, 고객은 여전히 퍼스널 터치를 원합니다. 가치를 원하고 효율성을 추구합니다. 아마존(Amazon)과 넷플릭스(Netflix)는 이를 잘 이해하고 있습니다.

아마존의 추천 화면

아마존은 철저히 고객 여정에 집중합니다. 고객의 편의를 위해 같은 유형의 고객들이 구매했던 책이나 영화, 물건을 추천합니다. 아마존닷컴 매출 가운데 1/3 가까이가 여기에서 나올 정도입니다. 넷플릭스는 볼만한 영화를 추천하며, 여기에서 10억 달러 이상의 수익이 창출됩니다.

이스라엘의 검색엔진 기업 트위글(Twiggle)은 설명을 곁들인 사진 한 장만 업로드하면 원하는 상품을 판매하는 온라인몰을 정확히 찾아준다고 광고합니다. 이는 실제로 고객의 만족도를 높였고, 해당 온라인 판매자는 결제 완료까지 이어지는 고객 비율을 높일 수 있었습니다.

사진을 업로드하면 원하는 상품을 판매하는 온라인몰을 찾아주는 트위글

리테일 분야에서 AI 활용은 상상 이상입니다. 아마존은 말의 내용, 음성, 목소리 높낮이, 어조까지도 반영하여 활용하겠다고 선언합니다. 구체적으로 17가지의 음성 변수를 참조하여 사용자가 화가 났는지, 행복한지, 낙관적인지, 슬픈지 파악하여 고객 추천을 하겠다고 합니다. 가트너(Gartner)에서는 실제로 2022년 무렵에는 개인용 기기가 사용자의 감정 상태를 가족보다 더 많이 알고 있을 것으로 예측합니다.

말의 내용, 음성, 목소리 높낮이, 어조를 분석하여 고객 추천을 할 계획인 아마존

기기들은 청각에 그치지 않고 시각까지 활용하기 시작했습니다. 감정감지 소프트웨어 어팩티바(Affectiva)는 사용자가 광고를 볼 때의 표정을 분석할 수 있도록 마케팅 회사에 인공 지능 서비스를 제공합니다. 이를 통해 기업은 사용자에게 가장 적합한 정보를 적시에 실시간으로 제공할 수 있습니다.

AI의 핵심은 데이터

여기서 잊지 말아야할 점은 이런 데이터를 다루려면 사용자의 허가가 필요하며, 동의 없이 개인 데이터를 공유해서는 안 된다는 사실입니다. 기업이 AI와 데이터를 책임감 있게 사용할 수만 있다면, 보다 고객 중심적인 서비스가 가능해집니다.

모든 회사는 업무 처리를 최적화해야 합니다. 현상 유지가 아닙니다. 동일한 투자, 동일한 자금, 동일한 직원으로 아무런 추가 투입 없이 즉시 성과를 향상시키는 것은 불가능합니다. 달성 가능한 정점에 올라와 있다고 느끼는 기업도 많지만, 인공 지능을 활용하면 현재의 투자와 시설로도 추가적인 성장이 가능해집니다.

스페인의 세스파(Cespa) 화학 공장은 최종 생산라인에 머신 러닝을 도입하여 중간 제품 생산량을 2.5%, 최종 생산량을 연간 5,500톤 이상 늘리고 있습니다. 그 어떤 추가 요소도 투입되지 않았습니다. 비결은 무엇이었을까요? 세스파는 생산 과정 데이터를 충분히 확보한 점을 강조합니다.

이 공장에는 약 3,000개에 달하는 프로세스가 있고, 특정 기계가 설치된 높이, 화학 공장 내 습도, 실외 기후 조건과 같은 3,000개의 프로세스 변수도 존재합니다. 이들 데이터를 머신 러닝 알고리즘에 투입하면 어떤 일이 생길지 궁금했다고 합니다. 프로세스, 온도, 습도와 관련한 각각의 다이얼을 어떻게 조절하면 좋을지 알려줄 수 있을까? 만약 그렇다면, 이 새로운 조합으로 어떻게 생산 결과를 최적화할 수 있는지도 보여줄까?

이 궁금증을 해결하기 위해 매 15분마다 AI가 설비 운전자에게 운전 조건을 알려주도록 했습니다. 그리고 최적의 운전값을 찾아내기 위해 AI의 권장 사항을 듣고 툴을 사용할 수 있도록 직원을 교육했으며, 그 결과 실제로 최적화를 이뤘습니다. 일종의 디지털 혁신프로젝트인 셈이죠.

핵심은 데이터입니다. 입력할 데이터가 있어야 합니다. 데이터를 투입할 플랫폼도 필요합니다. 여기에는 분석과 머신 러닝 모델을 실행할 수 있는 툴이 있어야 합니다. 이를 검토하고 테스트한 다음, 결과를 최적화하기 위해 플랫폼을 조정할 수 있는 전문 인력도 필요합니다.

정말 혁신할 수 있을까?

채식주의자를 위한 식물성 대체 식품을 개발 및 생산하는 칠레의 스타트업 ‘더 낫 컴퍼니(The Not Company)’는 AI를 활용하여 식물성 기반의 레시피를 고안하고 있습니다. AI가 40만 종의 식물을 분석한 다음 실험실에서 특정한 맛을 어떻게 복제해낼 수 있는지 알려줄 거라는 기대 속에 2015년에 창업했습니다.

더 낫 컴퍼니(The Not Company) 창업자들

실제로 AI 셰프 주세폐(Giuseppe)는 특정제품 정보를 입력하면 분자구조상 가장 유사한 식물성 재료를 활용한 50~60가지 대체 레시피를 뽑아냅니다. 주세폐는 우유를 대신한 재료로 양배추와 파인애플을 제안했습니다. 실제로 그렇게 해보니 맛이 훌륭했고 카푸치노에 사용하니까 근사한 거품까지 났습니다. 이런 식으로 우유, 요거트, 치즈, 마요네즈를 개발했고, 첫 제품인 식물성 마요네즈 ‘Not Mayo’는 칠레 마요네즈 시장의 베스트셀러가 되었습니다.

AI 셰프 주세폐를 이용하여 대체 레시피를 자동으로 뽑아내는 더 낫 컴퍼니

낫 마요(Not Mayo)는 미국과 전 세계에서도 큰 주목을 받았습니다. 아마존에서는 입점을 위해 수백만 달러를 투자하기도 했습니다. AI를 이용하여 남들이 생각하지 못한 완전히 다른 것을 시도하면 이처럼 멋진 일이 일어납니다. 이러한 시도는 스타트업뿐만 아니라 사내에서 기업가가 할 수도 있습니다.

AI 세프를 활용하여 식물성 마요네즈 개발에 성공

21세기 시장에서는 고객 중심으로의 전환, 프로세스 자동화, 프로세스 최적화, 나아가 이를 토대로 이루어지는 전면적인 혁신 없이는 어떤 비즈니스도 번창할 수 없습니다. 이것이 바로, 시크릿 소스입니다. 데이터와 AI 없이 어떻게 성공이 가능한지 저는 상상할 수 없습니다. 고객을 더 잘 이해하고 싶은가요? 더 나은 최적화와 혁신을 이루고 싶은가요? 여기 그 비법이 있습니다.

풀 영상은 ‘SAS Global Forum 2021 하이라이트’ 웹사이트에서 무료로 보실 수 있습니다.

The post [SGF시리즈 #3] 성공의 열쇠 AI, 혁신적인 리더가 성장을 주도하는 방식 appeared first on SAS Korea Blog.

다시 생각하기의 힘

너무 많은 회사가 생각(thinking)은 잘하지만 다시 생각하기(rethinking)를 못하는 리더로 인해 문을 닫고 말았습니다. 110년 이상 필름과 인화지 시장 세계 1위를 지켰던 ‘코닥(Kodak)’, 90년대 미국 최대 비디오 대여점 ‘블록버스터(Blockbuster)’, 쿼티 키보드가 달린 독특한 디자인으로 인기를 끈 ‘블랙베리(Blackberry)’, 125년 역사를 가진 미국 소매점 시어스(Sears), 장난감 체인점 토이저러스(Toys-R-Us)를 떠올려보십시오. 모두 리더가 본인의 비전과 전략을 절대적으로 확신한 나머지, 변화에 지나치게 소극적이었습니다.

스스로가 설교자나 검사의 마음가짐에 갇히는 순간 곤경에 빠집니다. 우리는 본인이 옳다고 설교하면서 다른 이들에게 진리를 전도하려고 하고, 때로는 의문을 제기하는 다른 사람을 기소합니다. 자신의 주장을 증명하고 논쟁에서 이기고 싶어하기 때문이죠. 그런 사람들이야말로 싱크 어게인을 해야 하지만 그렇게 하지 못합니다.

우리 각자가 조금만 더 과학자처럼 생각한다면 굉장한 변화가 따라옵니다. 과학자처럼 생각한다고 해서 반드시 망원경이나 현미경을 사러 가야 한다는 뜻은 아닙니다. 생각이 정체성이 되어서는 안 된다는 의미입니다. 자부심보다는 겸손을, 신념보다는 호기심을 중시하십시오. 그리고 내가 옳아야 하는 이유뿐만 아니라, 내가 틀렸을 이유도 찾아보십시오. 기분을 좋게 만드는 아이디어뿐만 아니라, 열심히 생각하게 하는 아이디어에도 귀 기울여 보십시오. 그리고 본인의 결론에 동의하는 사람들만이 아니라, 나와 상반되는 사고방식을 가진 사람들도 곁에 두십시오.

최고의 예측이란?

채용 결정은 일종의 일기예보입니다. 훌륭한 실적을 내거나 회사 문화에 도움이 될 거라는 예측을 수행하기 때문입니다. 다만 결과를 평가하지는 않는다는 것이 문제입니다. 고용한 사람이 탈락한 지원자들보다 실제로 높은 성과를 냈거나 회사 문화에 큰 기여를 했는지를 추적하지 않습니다. 일기예보는 정확성을 전제로 출발합니다. 따라서 확신의 정도를 가늠하는 기준이 필요합니다. 이렇게 말해야 합니다. ‘방금 채용한 이 사람이 슈퍼스타가 될 거라고 63% 확신해’. 이는 우리가 하는 모든 종류의 결정에도 마찬가지입니다.

월드컵에서 누가 우승할지, 특정 국가에서 치러질 다음 선거에 누가 당선될지 등 주요 이벤트를 예측하기 위해 전 세계에서 많은 예측 게임을 벌입니다. 이 예측 행위들을 연구해보면 대부분의 사람들은 미래 모습을 나름대로 떠올린 다음, 이를 기반으로 예측과 전략을 구체화하는 실수를 저지릅니다.

최고의 예측가는 그와 다르게 가능한 미래를 7~8가지로 상상합니다. 그런 다음, 대부분의 경우에서 성공할 가능성이 보이는 전략에 베팅합니다. 당연히 예측은 더 강력해지고 신뢰성도 높아집니다. 생각을 바꿔야 할 상황에 대한 목록을 미리 작성하고 진솔하게 대응하는 것이 핵심입니다. 이미 내놓은 예측에 집착하지 않는 일이 쉽지는 않습니다. 그러나 마음을 바꾸는 데 필요한 전제 조건을 마련해 둠으로써 수정하고 다시 생각할 수 있는 유연성과 자유를 얻게 됩니다.

틀렸음을 기꺼이 인정하는 겸손한 자신감

저는 겸손한 자신감을 ‘자신의 약점을 인정할 수 있을 만큼 강점을 충분히 갖고 있고, 자신이 틀렸음을 기꺼이 인정할 만큼 결과의 정확성을 추구하는 태도’로 정의합니다. 잘 모르겠다는 이 한 마디를 두려워하는 리더들을 그동안 아주 많이 접해왔습니다. 그들은 모든 답을 알고 있는 척이라도 해야 한다고 생각합니다. 그렇지 않으면 자신을 무능하다고 여길 거라는 생각 때문에, 자신이 틀렸다는 것을 인정하는 상황을 두려워합니다. 실제로 그런 고백에는 많은 자신감이 필요하기도 합니다.

‘가만히 생각해 봤더니 내가 모르고 있는 것 같다, 고민을 거듭하거나 함께 머리를 맞대면 해결할 수 있을 거라고 믿는다, 그건 내가 틀렸던 것 같다’라고 말하는 것은 불안감과는 거리가 멉니다. 본인이 틀렸음을 더 빨리 깨달을수록 더 빨리 옳은 방향으로 나아갈 수 있습니다. 최대한 빨리 깨닫는 것이 중요합니다. 이를 위해 요구되는 것이 ‘겸손한 자신감’입니다.

진솔하게 의견을 말해주는 사람

우리 모두는 나를 응원하고 용기를 북돋아주는 지지 네트워크를 선호합니다. 하지만 나의 문제점과 약점을 지적해주면서 스스로 다시 생각해 보도록 도울 Challenge 네트워크도 필요합니다. 대부분의 사람들은 이 사려 깊은 비평가들을 접했을 때 이를 묵살하거나, 아예 자신의 네트워크에서 지워버립니다. 당연히, 다시 생각하기나 배움의 기회도 멀어집니다.

저는 책을 쓰거나, TED 토크를 준비하거나, 팟캐스트 에피소드를 구성할 때마다 제 Challenge 네트워크를 찾아가서 자문을 구하는 과정을 반드시 거치고 있습니다. 각자 독립적인 비평을 청하여 들어본 다음, 이들 사이에 일정한 패턴이 있는지 살펴봅니다. 만약 제가 신뢰하는 사람 네 명이 동일한 의견을 각각 내놓았다면, 이는 경청하고 재점검할 가치가 있습니다.

Challenge 네트워크 구성원을 구하는 과정에서 가장 먼저 살펴볼 점은 내가 세상에 이바지하고자 하는 분야에 대한 이해도입니다. 또 다른 요소는 그들의 결론에 내가 동의하는지 여부에 관계없이 그 사고 방식의 완결성을 존중할 수 있는지 여부입니다. 단순히 나에 대한 동의 여부보다 생각 전개 방식이 얼마나 탄탄한지를 따져봅니다.

거대한 글로벌 문제 해결을 위한 데이터 활용

SAS가 도울 수 있는 가장 크고, 멋지고, 스릴 있고, 대담한 문제는 무엇일까요? 만약 제가 전권을 쥐고 결정할 수 있는 상황이 주어진다면, 그것은 아마도 과학, 팩트, 데이터와 관련한 일반적인 신뢰의 문제가 될 것입니다.

우리 눈앞에는 수집할 수 있는 엄청난 데이터가 있습니다. 백신 공포증과 가짜 뉴스를 떠올려 본다면, 백신 접종의 위험성과 이점을 데이터로 시각화할 수 있는 수많은 방법이 존재합니다. 이로써 최선의 해결책을 찾아낼 수 있지 않을까요? 이 같은 문제 해결을 도울 방법이 SAS에는 아주 많을 것입니다.

이러한 문제를 세상 모든 분야로 확대해볼 수도 있겠죠. 기후 변화에도 적용해볼 수 있고요. 관련 데이터를 활용할 수 있는 방법만 있다면 우리는 엄청나게 많은 것을 배우며 세상을 변화시킬 수 있습니다. 그래서 제가 SAS에 제시하고 싶은 질문은 이것입니다. “세상의 모든 데이터를 동원함으로써 사람들이 과학을 비웃는 대신, 신뢰하도록 만들 수 있습니까?”.

풀 영상은 ‘SAS Global Forum 2021 하이라이트’ 웹사이트에서 무료로 보실 수 있습니다.

The post [SGF시리즈 #2] 다시 생각하기 : 모르는 것을 아는 힘 appeared first on SAS Korea Blog.

모두의 가능성을 확장하는 SAS

짐 굿나잇 SAS 공동창립자 및 CEO는 글로벌 팬데믹으로 세상은 수많은 방식으로 변화했다고 설명합니다. 이 과정에서 데이터와 분석은 우리 삶에 더욱 깊숙이 자리했습니다. 분석은 우리에게 중요한 공공 서비스를 제공하고, 엔터테인먼트와 스포츠 이벤트로 관객을 다시 불러들이고, 더 나은 의사 결정 프로세스에 도움을 줍니다. 전 세계 기업들은 팬데믹에서 회복하고 미래의 업무 방식을 혁신하기 위해 분석을 우선순위에 두고 있습니다.

지난 1년간 SAS는 언제나처럼 고객을 먼저 생각했습니다. 세상이 하루 아침에 뒤바뀌며 우리 모두가 겪어보지 못한 시간 속에서 가능성의 영역을 확장하기 위해 혁신을 거듭했습니다. 더 우수하고 민첩하며 회복탄력성이 향상된 분석을 바라는 시장의 요구를 계속 충족하기 위해 노력해왔습니다.

그 결과물로서 지난해 11월, SAS는 소프트웨어를 빠르게 배포하고 SAS 솔루션에 대한 투자 혜택을 즉시 누릴 수 있는 클라우드 네이티브 기술인 SAS Viya 4.0을 발표했습니다. 이는 더 크고 복잡한 분석 데이터 세트의 더 나은 관리 방법을 찾는 SAS의 오랜 여정이자 혁신입니다.

최신 SAS Viya는 눈부신 성능을 발휘합니다. SAS Viya는 처음부터 성능과 속도, 대용량 데이터 처리에 중점을 두었습니다. 데이터를 분석하여 모델을 생성하면 곧바로 프로덕션에 투입할 수 있습니다. 추가적인 코딩이나 프로그램 수정이 필요하지 않습니다.

 Citi 사례: SAS Viya로 강력한 분석 에코시스템 구축

글로벌 금융그룹인 Citi는 SAS와 협력하여 분석 허브(Analytics Hub)를 공동으로 개발했습니다. Citi의 데이터 및 분석 솔루션 수석부사장인 JASON GRAY는 SAS Viya 기반의 분석 허브를 통해 과거에는 상상할 수 없었던 규모로 분석팀의 비즈니스 역량을 강화하고 있다고 전합니다. 그 예로 계정 단위 모델에 대한 응답 시간을 27시간에서 3시간으로 크게 단축했습니다. SAS Viya가 제공하는 Python과 같은 오픈소스 제품과의 통합으로, 일관된 API 기반 환경에서 모든 공급업체의 분석 툴을 비교 분석하는 일도 가능해졌습니다.

Citi는 반복적이고 추적 가능한 프로세스를 추구했습니다. 반복성은 모델이 오랫동안 일관성을 유지하게 하는 핵심입니다. SAS가 제공하는 솔루션과 서비스 덕분에 알고리즘과 크로스 플랫폼 실행이 향후 수년 간 릴리스 전반에서 일관성과 반복 가능성을 확보하게 되었습니다. 이를 통해 Citi는 타사 제품에 요구되는 릴리스 회귀 테스트와 리소스 낭비를 막고 있습니다.

SAS는 다양한 스크립팅 언어를 지원하는 개방형 아키텍처와 결합된 엔드 투 엔드 모델의 실행과 배포도 가능하게 합니다. 고도로 전문화된 리소스가 필요하지 않으며, 분석가에게는 유연성을 제공합니다. 한편, JASON GRAY 부사장은 SAS 솔루션으로 분석 허브를 구축한 결정적인 이유를 다음과 같이 설명합니다.

Citi 데이터 및 분석 솔루션 수석부사장 JASON GRAY

“모든 알고리즘을 100% SAS로만 구동하려는 것은 아닙니다. 분석가들이 각자 익숙하고 선호하는 언어가 있는데, 이는 분석 관점에서 우리가 하는 일에 통합되어야 합니다. 저희는 배포 시 API 기반의 Viya 소프트웨어와 함께 OpenShift와 Kubernetes를 활용합니다. 이 기능을 통해 모든 운영 환경에서 제약 없이 툴을 사용할 수 있게 되었습니다. 또 다른 이점은 전체 프로세스를 변경하지 않고도 주요 클라우드 제공업체로 쉽게 이동할 수 있는 호환성입니다”.

Citi는 분석 허브를 통해 신속한 확장성, 더 적은 접점으로 향상된 분석 처리 시간, 개방형 아키텍처의 장점을 누리고 있습니다. 개방형 아키텍처는 미래 환경에서도 원활한 배포를 보장합니다. Citi는 Viya 상에 클러스터 GPU를 배포할 수 있는 획기적인 기능에 큰 기대를 걸고 있습니다

사회 문제 해결과 미래 인재에 대한 투자

SAS 글로벌 해커톤 대회에 제출된 영상

지난 해 말, SAS는 분석과 AI 기술을 사용하여 산업별 혁신 과제와 사회 문제를 해결하기 위해 글로벌 해커톤 대회를 진행했습니다. 전 세계에서 지원한 1,400여 명의 등록자 가운데 31개국 100여 개 팀이 선발되었으며, 이들은 교육의 질 개선, 코로나19 피해 완화, 지속 가능한 비즈니스, 기후 변화 대책, 아동 비만 예방 등의 과제에 도전했습니다. 그리고 지난 한 달 동안 저명한 심사위원단이 창의성과 실제 응용 가능성을 기준으로 각 트랙에서 가장 인상적인 사용 사례를 선보였던 팀을 선정하여 우승자를 발표했습니다.

SAS 글로벌 해커톤 대회 주요 수상자

이 시대의 젊은이들은 데이터에 둘러싸여 있습니다. 쇼핑, 홈 헬스 모니터링, 스마트워치, 소셜 미디어에 이르기까지, 이제 일상에서 데이터는 빼놓을 수 없는 존재가 되었습니다. 우리 앞에는 언제든 인텔리전스로 전환 가능한 전례없는 규모의 데이터가 놓여 있으며, 데이터로 무장한 전문가의 수요도 늘어나고 있습니다.

모든 사람이 데이터 사이언티스트일 필요는 없습니다. 하지만 데이터 리터러시는 필수 스킬이 되었습니다. 데이터 리터러시는 데이터를 사용하여 소비, 해석, 이해, 의사소통하는 능력입니다. 팬데믹은 데이터 리터러시에 대한 중요하고 시급한 필요성을 이전에는 없었던 방식으로 보여주었습니다. 진실 혹은 거짓, 편향 혹은 오해의 소지가 있을 수 있는 정보의 물결에 직면한 수많은 사람들은 눈앞의 데이터에 압도된 채 그 의미를 파악할 준비가 되어 있지 않음을 깨닫게 되었습니다.

어린 학생들의 STEM 기술 지원에서 새로운 데이터 사이언티스트 양성에 이르기까지, 수십 년 동안 교육 활동을 해온 SAS가 내일의 데이터 네이티브를 위해 ‘SAS 데이터 리터러시 교육’을 시작합니다. 이 과정은 매일 접하는 데이터를 호기심을 가지고 비판적으로 바라볼 수 있는 자신감과 스킬을 제공해줄 것입니다. 이 시대를 사는 데이터 네이티브는 세상을 바꾸고 싶어합니다. 그렇게 하려면 먼저, 데이터를 능숙하게 다뤄야 합니다. SAS가 그 여정을 지원할 수 있게 되어 매우 기쁩니다.

풀 영상은 ‘SAS Global Forum 2021 하이라이트’ 웹사이트에서 무료로 보실 수 있습니다.

The post [SGF시리즈 #1] 포스트 팬데믹 시대, 분석이 비즈니스를 성공적으로 이끄는 방법 appeared first on SAS Korea Blog.

SAS AI 기반의 시각화 솔루션은 완전 초보자도 자동 추천과 자동 예측 기능을 사용하여 마음껏 분석할 수 있는 셀프 서비스 환경을 제공합니다. 또한 언제 어디서나 필요한 분석과 인사이트를 편리하게 활용할 수 있도록 웹 기반과 모바일 환경의 분석 시각화를 제공합니다.

AI 기반의 시각화 솔루션 활용 사례

한 기업은 임원과 실무자가 대시보드를 활용하여 필요한 인사이트를 얻고, 수요 예측을 관리하기 위해 매주 작성하는 단순하고 반복적인 리포트 작업 시간을 줄이고자 했습니다. 또한 영업 사원별 분석 기술의 차이로 발생하는 수요 예측의 어려움을 극복하고, 통계 분석을 통한 역량 강화 및 내재화를 위해 SAS 분석 시각화를 도입했습니다.

그 결과 보고서 수작업을 자동화하는 프로세스를 수립할 수 있었습니다. 다양한 운영 시스템과 엑셀 작업의 수많은 인터페이스 절차를 간소화하여 리포트 생성 시간을 줄이고, 분석 결과의 정합성까지 확보했습니다. 직급별 분석 방법과 분석 스킬도 표준화했습니다. 분석 방법과 스킬의 차이는 리포트 정합성을 위협하는 요소입니다. 표준화를 통해 동일한 데이터를 활용하면서 다른 결과를 도출했던 오류를 해소할 수 있었습니다. 이러한 개선 효과로 최대 1주일까지 걸렸던 분석 리포트 생성 시간을 단 몇 분 이내로 단축하고 있습니다.

사용자 계층별 AI 기반의 SAS 분석 시각화 활용

AI 기반의 SAS 분석 시각화 솔루션을 사용하면 초보자, 중급자, 고급 사용자, 전문가 등 모든 사용자 계층에서 자신이 원하는 다양한 인사이트를 확보할 수 있습니다.

데이터 생성_ 분석 마스트 생성을 위한 Data Preparation

분석 시각화의 초보자 단계를 시작하기 전에, 우선 시스템에 접근하여 데이터를 프로파일링하고 데이터 선행 작업으로 분석에 필요한 파생데이터 생성 작업을 수행합니다. 활용할 데이터를 프로파일링하여 데이터의 기술적 측도, 패턴 및 분포 등을 확인하고, null 값 등 불필요한 데이터를 제거, 변환하여 데이터 파생 및 퀄러티를 향상시킵니다.

초급 사용자_ 기본 리포트 생성(AI추천 시각화 차트, 페이지 템플릿, 자동 그래프)

초급 사용자는 데이터 탐색 기능을 활용하여 기본 리포트를 작성할 수 있습니다. 데이터에 적합한 차트는 AI가 추천하여 자동으로 분석 리포트를 구성해 주므로 사용자는 분석하고자 하는 데이터에만 집중하면 됩니다. 데이터를 선택하여 그림창에 옮기면 AI는 데이터 속성에 적합한 자동 그래프를 활용하여 시각화해 줍니다.

AI가 추천하는 시각화 차트도 활용할 수 있습니다. ‘추천 시각화’에서 원하는

데이터 탐색 기능을 활용한 기본 리포트 작성

결과를 선택하면 보다 구체적이고 이해하기 쉽게 표현할 수 있습니다. 추천 시각화는 데이터를 자동으로 분석하여 약 80여 개 이상의 의미 있는 분석 차트를 제공합니다. 이 같은 자동화 차트를 활용하여 리포트를 완성하고, 분석 내용을 설명하는 제목을 살짝 조정하면 시각화를 처음 접하는 사용자도 쉽게 활용할 수 있습니다.

중급 사용자_원인 분석 세분화(AI 자동 탐색 및 분석, 파생 데이터 활용)

중급 사용자는 AI 기반의 자동화된 예측 및 최적화를 비롯하여 다양한 시각적 분석을 수행할 수 있으며, 파생 데이터를 직접 생성하여 한발 더 나아간 다양한 관점에서 분석 리포트를 작성할 수 있습니다.

특히 AI가 자동으로 분석, 예측해주는 다양한 알고리즘을 활용할 수 있습니다. 분석 변수를 이해하기 쉽게 설명하는 ‘자동 설명’과 주요 분석 변수로 스코어 카드를 자동으로 생성해주는 예측 모델인 ‘자동 예측’이 그 예입니다.

자동 설명 화면

자동 예측 화면

고급 사용자_인포그래픽 생성(인포그래픽 리포트, 사용자 생성 차트)

고급 사용자는 다양한 시각적 이미지와 텍스트 문구를 활용하여 데이터를 보다 쉽게 이해할 수 있게 리포트를 디자인할 수 있습니다. 인포그래픽의 배경을 설정하고, 타이틀, 주석, 설명, 이미지, 데이터 영역을 디자인합니다. 이때 데이터 리터러시 및 스토리텔링을 고려하여 구성하는 것이 좋습니다.

전문가_분석 리포트 생성(고급 통계 분석, 통계 분석 리포트)

전문가는 케이민즈(K-means) 알고리즘을 사용하는 군집분석, 로지스틱 회귀 분석, 의사결정트리 등 다양한 분석 모델을 사용하여 보다 심층적인 인사이트를 확보하고 의사결정을 할 수 있습니다.

군집분석

로지스틱 회귀 분석

의사결정트리

SAS를 선택해야 하는 이유

SAS의 분석 시각화는 데이터를 빠르게 탐색, 분석할 수 있는 AI 기반의 편리한 자동 분석과 시각화 기능을 제공합니다. 따라서 누구나 데이터로부터 인사이트를 도출하여 복잡한 비즈니스 문제를 신속히 해결할 수 있습니다. 강력한 인메모리 기반의 분산형 프로세싱 기술을 활용하여 대용량 데이터도 가볍게 분석합니다. 또한 SAS 시각화 기반은 다양한 비즈니스 솔루션으로의 연계하여 확장할 수 있으며, R, 파이썬, 자바, 루아 등 SAS 외 다른 언어로 작업하고 싶은 사용자도 활용할 수 있는 통합 플랫폼을 제공합니다.

The post 누구나 손쉽게 사용 가능한 AI 기반의 시각화 분석 appeared first on SAS Korea Blog.

텍스트 분석은 자연어 처리 과정이 필요합니다. 과정 또한 복잡하기 때문에 별도의 지식과 기술도 있어야 합니다. 하지만 SAS VDMML이 갖고 있는 다양한 머신러닝 알고리즘(랜덤 포레스팅, 그래디언 부스트 등)에 텍스트 마이닝 작업 노드를 추가하면 전처리 등의 과정을 자동으로 수행하고, 텍스트를 모델 개발에 쉽게 적용하여 상당한 수준으로 모델 성능을 개선할 수 있습니다.

활용 영역과 주요 사례

• 고객 관리 효율화

고객 게시글, 상담원과 대화 등 개인의 의도나 성향이 반영된 고객 텍스트 데이터는 연령, 성별, 직업, 자산 규모 등 정형 데이터와 함께, 고객의 성향을 파악하는 모형 개발에 활용할 수 있습니다. 고객의 관심 상품을 파악하여 이를 추천하는 추천 모형을 개발하거나, 고객의 불만 정보를 파악하고 이탈 가망 모델을 개발하여 고객 관리에 사용할 수 있습니다.

• 보험 사고 처리 효율화

사고 조사자의 메모 내용(텍스트 데이터)을 해당 청구 건의 정형 데이터와 통합하여 사고 청구에 대한 사기 감지 모델, 대위 청구 가망 모델 등을 개발하면, 보다 효율적으로 보험 사고 처리를 할 수 있으며 보험사의 수익성도 제고할 수 있습니다.

텍스트 데이터로 예측 모델 개발하기

SAS VDMML을 기반으로 보험 청구 데이터에 대한 예측 모델을 개발해보겠습니다. 해당 데이터에는 청구인의 연령, 직업 등의 정보와 사고 원인, 부상 위치 등 정형 데이터가 포함되어 있으며, 사고 조사자의 조사 메모가 텍스트 데이터로 포함되어 있습니다.

1. 기본 알고리즘으로 예측 모델 개발

먼저, 텍스트 마이닝 예측 모델을 개발하기 위해 프로젝트를 생성합니다. 프로젝트에 사용되는 데이터는 보험 청구 건에 대한 사고 데이터입니다. 프로젝트가 생성되면 인포트된 데이터를 확인합니다.

프로젝트 생성

‘파이프라인’ 탭을 누르면 총 3개(2개의 회귀분석, 1개의 의사결정트리)의 기본 알고리즘이 학습되는 파이프라인을 확인할 수 있습니다. 이 3개 모델의 학습이 완료되면 ‘모델 비교’를 클릭하여 챔피언으로 선택된 모델을 확인합니다.

파이프라인_3개의 모델

모델 학습 결과 비교

2. 머신 러닝 알고리즘으로 예측 모델 개발

추가적으로 머신 러닝을 사용할 수 있는 파이프라인을 생성합니다. ‘고급 템플릿’을 선택하여 ‘확인’ 버튼을 누르면, 파이프라인이 생성되고, 3개의 머신 러닝 알고리즘(신경망, 포레스트, 그래디언부스팅)이 추가됩니다. 그리고 이 6개의 알고리즘 외에 알고리즘을 통합한 앙상블 모델까지 포함하여 총 7개의 모델이 학습됩니다.

머신 러닝 파이프라인 생성

총 7개의 모델 생성 및 학습

순서대로 학습이 완료되면 모델 비교 작업이 진행되고, ‘모델 비교’를 클릭하여 결과를 확인합니다. 그래디언 부스팅이 챔피언 모델로 선정됐으며, 전체적으로 기본 알고리즘에서는 23%대의 정확도 지표, 새로운 알고리즘에서는 26%의 정확도 지표를 보이고 있습니다.

모델 학습 결과

3. AutoML로 예측 모델 개발

SAS의 AutoML 기능 중 하나인 자동 파이프라인 생성은 인포트된 데이터들의 기본 프로파일링 작업을 통해 변수들의 분포, 타깃과의 관계 등을 파악하고, 후보 알고리즘을 적용하여 각각의 평가를 기초로 최선의 알고리즘을 추천합니다.

앞선 분석에서 그래디언 부스팅이 성능이 좋게 나왔으므로 자동 파이프라인에서도 그래디언 부스팅 위주로 파이프라인이 구성되었으며, 변수의 특성을 프로파일링하면서 변환 로직이 추가된 것을 확인할 수 있습니다. 회귀분석까지 포함하여 5개의 알고리즘과, 이들을 통합한 앙상블까지 총 6개의 모델이 학습됩니다. 모델 학습이 완료되고 모델을 비교하면 앙상블 모델이 29%의 정확도 지표로 챔피언 모델이 된 것을 알 수 있습니다.

AutoML 자동 파이프라인_ 6개의 모델 학습

모델 학습 결과

‘파이프라인 비교’ 탭을 눌러 지금까지 생성한 3가지 파이프라인을 비교해 보면 각 파이프라인의 챔피언 모델들끼리 비교할 수 있습니다.

파이프라인 비교

4. 텍스트 마이닝 알고리즘 반영

이제 자동 파이프라인의 잠금을 해제하고 텍스트를 사용한 모델을 추가해봅니다. 성능이 좋게 나왔던 그래디언 부스팅을 선택하여 추가하고, 그래디언 부스팅의 사전 작업으로 텍스트를 활용할 수 있는 텍스트 마이닝 노드를 추가하고 연결합니다. 테스트 마이닝의 언어를 한국어로 설정하고 ‘파이프라인 실행’을 클릭하면 기존 파이프라인에서 추가된 것만 작업이 이뤄집니다.

그래디언 부스팅 추가

텍스트 마이닝 노드 추가

이 텍스트 마이닝 결과를 그래디언 부스팅이 받아서 학습을 수행합니다. 학습이 완료되면, 모델 비교 작업을 통해 기존 6개의 모델과 새로 작업한 텍스트 모델과의 성능을 비교합니다. 그 결과, 텍스트를 사용한 그래디언 부스팅이 챔피언 모델로 선정되었습니다. 기존 29%의 정확도 지표 대비 15%포인트 정도 증가한 높은 성능을 보이는 모델로 평가되었습니다.

텍스트 마이닝 결과를 그래디언 부스팅이 학습

모델 성능 비교 결과

한편 ‘텍스트 마이닝의 결과’에서는 분석에 사용한 텍스트 단어, 분석에서 제외된 단어, 단어 토픽 등을 확인할 수 있습니다.

텍스트 마이닝 결과

다시 파이프라인으로 돌아가서 텍스트를 사용한 그래디언 부스팅 결과를 보면, 그래디언 부스팅에 영향을 미친 중요 변수를 확인할 수 있습니다. 직업, 부상 위치, 사고 원인 등 정형 데이터보다는 자동차 사고와 관련된 단어, 손가락 부상과 관련된 단어가 학습 성능에 높은 영향을 주었으며, 이로 인해 모델의 성능이 개선되었음을 확인할 수 있습니다.

그래디언 부스팅에 영향을 준 중요 변수 확인

이처럼 SAS VDMML에는 비교적 손쉽게 모델의 성능을 개선할 수 있는 여러가지 기능이 있습니다. 복잡한 자연어 처리 기술과 지식 없이도 기본으로 탑재된 텍스트 분석 툴을 사용하여 텍스트 데이터를 모형 개발에 쉽게 사용할 수 있습니다.

The post 텍스트 데이터로 모델 성능 높이는 꿀팁 appeared first on SAS Korea Blog.

고객 여정 최적화를 위한 SAS의 비전과 로드맵

SAS의 비즈니스 솔루션인 SAS Customer Intelligence 360는 전사적인 마케팅 플랫폼입니다. 2004년 SAS Marketing Automation(MA)과 Marketing Optimization(MO) 제품군을 소개한 이래, 지난 20여 년간 지속적으로 제품군을 확장 및 고도화하고 있습니다. 솔루션 로드맵을 간단히 소개하면 다음과 같습니다.

Marketing Automation. SAS MA에는 엔터프라이즈 마이너와 통계 분석 도구가 포함되어 있습니다. 고객을 세분화하고, 차별화된 마케팅 시나리오를 기획하여 타깃팅하며, 멀티 채널에서 캠페인을 수행하고 결과를 분석하는 Closed Loop 프로세스를 자동화합니다. 한편 Marketing Optimization은 최적화 알고리즘을 활용하여 마케팅의 목표를 정하고, 고객과 상품, 채널 결정을 최적화합니다.

Event Based Marketing. 마케팅 기획, 실행, 분석과 같은 타깃 마케팅뿐만 아니라, 실행 시점을 적시화하는 이벤트 기반 마케팅에서도 이벤트를 찾아내고 타깃팅하는 데 데이터 분석을 활용하고 있습니다.

Real-time Context Marketing. 디지털 채널이 활성화되면서 실시간이라는 실행의 적시성이 트렌드가 되었습니다. SAS CI(Customer Intelligence)는 실시간 콘텍스트 분석 관점에서 실시간 마케팅 솔루션을 확장합니다.  실시간 분석 및 모델의 학습 기능을 포함하는 SAS의 혁신적인 솔루션은 각종 리서치에서 최고의 솔루션으로 평가를 받고 있습니다.

Hybrid(Digital) Marketing. 디지털 트랜스포메이션 시대에는 애드테크와 마테크를 통합하는 디지털 마케팅이 트렌드가 되었으며, 분석에서는 AI와 머신러닝 알고리즘이 중심이 되었습니다. SAS CI는 옴니채널 전략 하에 디지털과 기존 DBM을 통합할 수 있는 하이브리드 마케팅 전략을 포함하고 있습니다. 그리고 AI 머신러닝 기반의 알고리즘을 디지털 마케팅 솔루션인 Customer Intelligence 360에 임베딩하여 추천, 고객 여정 분석, 지능적 테스팅 등 개인화 마케팅을 위한 다양한 기능을 서비스로 제공합니다. 또한 CDP(Customer Data Platform) 구축과 DMP(Customer Data Platform), DSP(Demand Side Platform) 연계를 위한 Rest API를 제공하여 멀티채널 마케팅 허브에 최적화된 솔루션으로 확장해왔습니다.

Customer Journey Optimization. SAS CI 제품의 확장과 고도화 전략의 최종 목표는 고객 여정의 최적화입니다. 이를 위해 강화학습과 같은 AI 알고리즘을 기반으로 기업이 모든 고객 접점에서 고객 여정을 최적화할 수 있도록 하고, 자동학습 기능을 통해 지속적인 지능화와 최적화를 제공합니다.

SAS 하이브리드 마케팅 아키텍처와 CI360

SAS CI는 기반이 되는 마케팅 자동화, 최적화, 실시간 마케팅 영역, 온프레미스 DBMS를 위한 최적화된 아키텍처를 제공합니다. SAS Customer Intelligence 360은 클라우드 SAS 기반으로, 디지털 채널에서의 개인화와 고객 여정의 최적화를 지원합니다. 두 영역은 RestAPI를 통해 실시간으로 연계됩니다.

이를 통해 온프레미스 CDP를 구축하거나 실시간 이벤트를 연계하고, 옴니채널의 실시간 분석 결과를 CI360에서 개인화 마케팅을 수행하는 데 활용하는 형태로 긴밀하게 통합하여, 옴니채널 마케팅을 실행할 수 있습니다. 이것이 바로, 하이브리드 마케팅 아키텍처입니다.

하이브리드 마케팅의 핵심 영역인 AI 머신러닝 기반의 고객 인사이트, 실시간 마케팅, 그리고 멀티채널 마케팅 허브에서의 SAS CI는 최고의 솔루션으로 평가받고 있으며, 1000여 개 이상의 고객사에서 SAS 솔루션을 사용하고 있습니다.

한편 SAS 하이브리드 마케팅 솔루션인 SAS Customer Intelligence 360은 클라우드 SAS 제품입니다. 이 제품은 디지털 채널에서의 고객 행동 데이터를 수집하고 분석하는 SAS 360 Discover, 디지털 채널에서의 개인화 마케팅 솔루션인 SAS 360 Engage:Digital, 온프레미스 CDP 또는 고객 마트를 연계하여 타깃팅하는 SAS 360 Engage : Direct,  마케팅 최적화 솔루션인 SAS 360 Engage : Optimize, 마케팅 기회 및 예산 관리와 워크플로우를 제공하는 SAS 360 Plan, 디지털 광고 솔루션인 SAS 360 Match, 그리고 AI와 머신러닝, 모델 관리, 의사결정을 수행하는 SAS Viya(VDMML, VA, VS)와의 (실시간)연계를 지원합니다..

SAS Customer Intelligence 360은 고객 여정 관리, 개인화 마케팅, 최적화가 핵심 기능입니다. 개인화를 위한 추천, 기여도, 테스팅 등의 AI 머신러닝 알고리즘이 적용되어 있습니다. 따라서 사용자가 몇 가지 조건을 선택하는 것만으로 기업의 디지털 채널 환경에 맞는 추천, 기여도, 테스팅의 서비스를 만들 수 있습니다. 또한 온프레미스 환경에서 CDP를 구축할 수 있으며, 실시간 디지털 행동 데이터를 통합하여 온오프라인 하이브리드 CDP를 구축할 수 있습니다.

고객 여정 최적화 구현 방법과 절차

최근, 기업의 고객 접점은 옴니채널 성격을 띠고 있습니다. 따라서 고객 여정을 제대로 분석하고최적화하기 위해서는 크게 다음 4가지를 고려해야 합니다.

첫째, CDP(Customer Data Platform) 구축: CDP를 구축하여 다양한 고객 접점의 고객을 식별하고 통합 접촉 정보를 관리해야 비로소, 고객의 전체 여정을 분석할 수 있습니다. 또한 디지털 채널에서의 행동 이력을 실시간으로 수집 및 통합하고, 이를 통해 실시간 이벤트를 처리할 수 있습니다. SAS CI는 하이브리드 마케팅 관점에서 CDP를 만들고, 분석을 통해 고객에 대한 인사이트를 확장합니다.

둘째, Customer Journey Analytics: Marketing Attribution. 고객 접점에서의 마케팅 기여도를 분석합니다. 기여도는 전환율, 구매 등 목표에 따라 달라질 것이며, 기업 내 고객 접점 외에도 디지털 광고, SNS, 검색 엔진 등 외부 채널을 포함하여 고객의 구매 및 전환에 얼마나 기여했는지 측정합니다.

셋째, Customer Interaction Optimization: Testing & Targeting Assistant. 고객 접점과 소통의 최적화입니다. 디지털 행동 데이터를 분석하면 메시지, 콘텐츠를 통해 다양한 고객의 니즈와 선호를 알 수 있습니다. A/B Test가 대표적이며, MAB, MVT와 같이 알고리즘을 기반으로 테스트를 최적화할 수 있습니다. 또한 이런 분석을 통해 분석 기반의 타깃팅을 지원합니다.

넷째, Customer Journey Optimization: Reinforcement Learning. 강화학습 기반의 모델 학습 자동화까지 이루어졌을 때 고객 여정은 그야말로 최적화됩니다.

실제로 SAS Customer Intelligence 360에서의 고객 여정 최적화는 실시간 데이터와 온프레미스 고객 정보의 통합을 통한 CDP 구축 고객 접점별 고객 동선 및 여정의 분석 AB테스트 및 분석 기반 타깃팅 강화학습을 통한 고객 여정 최적화 순으로 구축됩니다. 이러한 최적화 과정은 임베드된 분석 알고리즘 또는, 고객사 자체 분석 플랫폼을 통해 고객사에 특화된 모델을 만들어 Customer Intelligence 360과 연계하여 사용할 수 있습니다.

The post 최신 AI 기술로 구현하는 고객 여정의 최적화 방법 appeared first on SAS Korea Blog.