와이즈넷 대표
남면 유구 출신
빅데이터의 특성은 크게 3가지를 들 수 있는데 첫째, 데이터의 양이 많다. 데이터의 양이 많다는 것은 현재의 IT 기반 시설로서도 감당하기 어려운 정도를 의미한다.
우리의 일상생활에서 생성되는 사소한 카드내역부터 시작하여 통신사 기록, 병원 데이터베이스 등 우리 생활의 전부를 기록하는 것을 빅데이터라고 한다.
구글, 페이스북, 인스타그램 등의 소셜미디어만 봐도 빅데이터가 넘쳐난다. 빅데이터는 사물인터넷과도 관계되는데 우리 주변에 수많은 센서가 부착되어 있고 이 모든 센서들이 인터넷으로 연결되어 있는데 이런 연결망을 사물인터넷이라고 부른다.
이와 같은 데이터는 굉장히 많은 양이 되기에 빅데이터 볼륨은 스케일이 점점 커지고 있다. 예전에는 표본추출이라고 일부 모집단을 이용한 분석을 진행하였다. 하지만 요즘은 모집단을 선정하는 것이 아닌 그 데이터를 쓰는 모든 사람을 다 분석할 수 있게 되었다.
이에 대한 장점은 트렌드 분석이 아닌 나만의 맞춤형 추천, 이해와 예측이 가능해졌다는 것이다. 전체의 특성이 아닌 개인화의 시대가 열리게 된 것이다.
두번째 특징으론 생성속도가 빠르다는 것이다. 데이터는 순식간에 발생하여 한꺼번에 밀려들어온다. 융복합 환경에서 디지털 데이터는 매우 빠른 속도로 생산되므로 이를 실시간으로 저장, 유통, 수집, 분석처리가 가능해졌다.
이를 설명하기 위해선 네비게이션을 예로 들 수 있다. 네비게이션은 길을 목적지까지 찾아주는 그 용도 외에도 실시간으로 분석하여 어떤 길이 막힐 경우 다른 길로 우회해서 갈 수 있도록 도와준다.
이를 가능하게 만들어주는 서비스 제공 업체는 차들의 위치를 실시간으로 받고 단위 시간당 위치변화와 속도를 계산하여 이용자에게 알려준다.
업체는 각자의 속도로 달리는 수많은 이용자들이 보내는 실시간 데이터를 빠르게 처리하여 계산해서 알려주어야만 한다. 이렇기에 속도가 중요하다는 것이고 데이터의 생성속도가 빠르다는 것이 가능하게 한다.
그렇다면 이와 같은 빅데이터를 유통시장에서는 인공지능을 통해 어떤 모습으로 빅테이터를 활용하고 있을까? 세계 최대의 온라인 쇼핑몰 `아마존닷컴`에서는 `A9`이라는 인공지능 추천 시스템을 활용하고 있는데 사용자의 구매 형태나 특성 등을 수집, 분석하여 상품을 추천해주는 시스템으로 총매출의 35%를 차지한다.
그 과정을 살펴보면 먼저 신규 고객의 빅데이터를 딥러닝을 통해 데이터를 분석한다. 분석한 데이터를 통해 고객이 물건을 주문하기 전에 사전에 준비를 하고 준비가 완료되면 고객에게 상품을 추천하고, 고객을 그 상품을 구매하게 되는 것이다.
