UNUS BEANs 소개서 20141015

빅 데이터 통합 솔루션 소개서
Big data Analysis Network System
빅 데이터 수집/저장/분석/시각화

2
BEANs 솔루션은 기존 시스템으로 분석이 불가능했던 정형, 비정형의 Big Data를
수집/저장/분석/시각화하는 전 과정을 지원함으로써, 고객이 보유한 데이터에 대한 Insight와 Solution을 얻을 수 있도록 지원하는 통합 관리 시스템
데이터 분석/예측의 최적화
Data
Report
uBEANs
솔루션 개요
 CRM주1)에서 지원하는 통계 제공
 개별 고객 단위의 패턴 분석
 성향 그룹화 및 패턴 분석
 매출 증대/비용 절감 방안 도출
 BI 주2) 분석 및 예측 지원
데이터 활용의 시의성 보장
 데이터 수집/분석 시 일괄 배치 처리
 대용량 데이터의 준 실시간 배치 수집/처리
 시의성 데이터에 대한 실시간 수집/처리
경제적 가치 창출
 빅 데이터를 활용한 다면적 판단 기능
 반복적 시뮬레이션을 통한 예측 데이터 산출
 저렴한 비용으로 데이터 경영 실현
※ 주1) CRM(Customer Relationship Management) : 고객과 관련된 내외부 자료를 분석/통합해 고객 중심 자원을 극대화하고, 이를 고객특성에 맞게 마케팅 활동을 계획/지원/평가하는 과정
※ 주2) BI(Business Intelligence) : 신속하고 정확한 비즈니스 의사 결정을 위해 사용하는 데이터 처리 기술(통계 분석, 예측, 데이터마이닝 등)

3
솔루션 형상
BEANs 솔루션은 통합된 이용 환경 하에서 하둡(Hadoop)주1) 및 오픈 소스 기반으로 최적화되어 패키징된 서비스 맞춤형 하이브리드 DW주2) 를 지원하는 대용량 데이터 분석 시스템
※ 주1) Hadoop(High-Availability Distributed Object-Oriented Platform) : 대량의 자료를 처리할 수 있는 큰 컴퓨터 클러스터에서 동작하는 분산 응용 프로그램을 지원하는 프리웨어 자바 소프트웨어 프레임워크.
※ 주2) 하이브리드DW(Data Warehouse) : 투자 비용 절감을 위해 기존 DW와 하둡기술 기반의 빅데이터 플랫폼을 연계한 빅데이터 수용 방안
Open & Collaboration Legacy Business Infra Interface
고객 기업 Legacy System
정부/공공기관 Open Data
과거와 현재의 현상 파악
다양한 패턴 발견
장래 고객/수요/소비 예측
고객/가격/정책 최적화
Public
value
Individual data
정형 데이터
비정형 데이터
SNS 데이터
센싱 데이터
외부 VIP 고객
기업임원/ 최상위관리자
마케팅 담당자
시스템모니터 고객VOC담당
데이터 수집/저장
데이터 시각화
데이터 예측
데이터 분석
통합관리시스템

4
80여종의 데이터 소스 연동 지원, 신규 연동 인프라 확장 용이
EIPs(주1) 기반 실시간/준실시간 /배치 분석 기능 제공
대용량 분산 처리 및 고성능
병렬 배치 분석 제공
다양한 시각화 그래프 및 고급분석을 통한 예측 분석 제공
관리/배포/사용의 편의성, 안정성을 지원하는 웹 기반 통합 ONM 제공
핵심 가치
BEANs 솔루션은 통합된 이용 환경 하에서 시스템 품질에 대한 기본적인 요건과
빅 데이터 처리를 위한 단계별 기능들을 제공하여, 기술을 모르는 일반 사용자와
데이터 전문가 모두 손쉽게 사용할 수 있도록 지원하는 통합형 솔루션
수집
Aggregator
저장
Storage
분석
Analysis
시각화
Visualization
활용성
Application
※ 주1) EIPs(Enterprise Integration Patten) : 복잡한 기업환경에서 시스템, 메시지, 데이터와 같은 기업 시스템을 통합 관리하는 패턴
커스터마이징 (SI) 기간의 획기적 감소 효과 (2주 교육)
POSTECH 산업경영공학과의 산학 협동을 통한 컨설팅 제공

5
시스템 품질
 트래픽 증가에 따른 대용량 Disk 증설을 위한 분산 코디네이터 서비스 기능을 이용한 대용량 트래픽 분산 처리 지원
 트래픽 증가에 따른 각 서버의 수평적 Scale Out 기능 제공
 서버간 독립적 구조로 확장 증설 편의성 제공
 장애 발생 시 무중단 실시간 자동 Fail Over 기능
 장애 발생시 고 가용성 보장
 처리 성능 보장을 위한 실시간 병렬 처리 구조 지원
 대용량 데이터 트래픽 부하 분산을 위한 로드 밸런싱 지원
분산형 데이터 처리
Scale Out 기능
자동 Fail Over
Load
Balancing
빅 데이터 시스템 품질 기본 요건
대용량 트래픽 분산 처리 지원, 서버의 수평적 Scale Out주1) 기능 제공, 장애 발생 시 무중단 자동 Fail Over 기능 등을 지원하여 저비용, 효율성을 보장
※ 주1) Scale Out : 용량과 성능 요구조건에 맞추기 위해 Node 단위(스토리지)로 증가되고 하나의 시스템처럼 운영되는 방식

6
기능적 특징
데이터 처리 4단계 상의 기능적 특징
BEANs 통합 개발 환경을 이용하여 4단계의 간단한 설정으로 빅데이터 수집/분석/시각화 적용이 가능하며, 이용자 관리, 데이터 수집/분석, Dashboard 생성/관리 기능 제공
수집
Aggregator
저장 Storage
분석 Analysis
시각화 Visualization
통합 UI 및 관리도구 제공
 대량 데이터의 실시간 / 일괄 배치 수집
 정형 / 비정형 데이터 수집
 80여종의 다양한 데이터 수집 형식 지원
 대용량 데이터의 안정적 저장
 대용량 데이터의 준 실시간, 배치 처리
 Hybrid Data Warehouse 구조 지원
 기본통계/확장통계 등 통계 분석 도구
 Data Clustering, Classification, 패턴 추출 등 다양한 데이터 마이닝 기술
 고급 분석 R 제공
 다양한 Chart형, Grid형 보고서 및 Data Export 기능
 관리도구 내 사용자 정의 Dashboard 생성, 관리
 Open API를 통해 외부 웹사이트에서 활용

7
주요 기능 1
다양한 데이터를 손쉽게 수집하고 저장
데이터 수집을 위한 이벤트 주기를 기본 1분 및 분 단위, 직접 입력으로 설정할 수 있으며, 수집 타입과 저장 타입을 설정하여 원하는 형태의 데이터 수집/저장이 가능
데이터 수집 설정/관리
수집 데이터 간편 등록
저장 데이터 설정/관리
저장 데이터 간편 등록

8
주요 기능 2
데이터 가공 및 분석
가공된 데이터에 대하여 분석 리포트(차트형-40여가지, 테이블형)를 Click 만으로 등록하거나, SQL 형태의 사용자 쿼리문을 통해 복잡한 형태의 분석 리포트를 작성하는 단계
분석 리포트 미리보기
분석 내용 등록

9
주요 기능 3
시각화
Template 형태로 제공되는 분석 차트와 테이블을 Dashboard형 웹페이지로 제공하고, Open API를 통해서 별도의 웹사이트에서 간편하게 호출하여 시각화하는 단계
관리자 사이트에서 설정하여 등록한 리포트
외부 웹사이트에서 호출하면 동일하게 출력

10
주요 기능 4
고급 분석
통계 계산과 그래픽을 위한 고급 분석 환경인 ‘R’을 통해 다양한 통계 기법과 수치 해석 기법을 지원함. 별도의 ‘R’ 패키지 실행 없이 BEANs 통합 환경에서 곧바로 이용 가능
R 시뮬레이터
R 예측 분석 그래프

11
주요 기능 5
다양한 형태의 시각화 그래프 제공
비즈니스의 변화를 폭넓게 분석하고, 직관적으로 분석 결과를 인지할 수 있도록 각 지표를 시각화하여 보여주는 종합적인 비주얼 포트폴리오 제공
Geo Mapping

12
적용 예시 1
마케팅 분야 활용 예시
가입자/VOC/만족도/마케팅/매출 항목 등에 대해 관련성 높은 데이터를 선별하고,
연관성 분석을 통해 현황파악 및 예측 시뮬레이션을 제공
구분
서비스
설명
통계 고도화
고객 현황
총가입자/신규가입/결합상품/지역/해지고객 등의 월별/일별 고객 현황 파악
가입자 현황
신규가입자/결합상품/지역 등의 신규 가입자의 월별/일별 현황 파악
VOC 현황
VOC 유형별 구분/지역/처리비용 등의 VOC의 월별/일별 현황 파악
마케팅 현황
마케팅 유형별 구분/비용에 대한 월별/일별 현황 파악
매출 현황
총매출/항목별 지출비용/항목별 순이익 등의 월별/일별 현황 파악
연관분석 강화
이용량 분석
외부 요인(날씨, 주가, 환율 등)에 의한 제품 이용량 변화 요인 파악 및 증대 전략 도출
가입자 분석
신규가입자/광고선전비용/외적 요인 등의 월별/일별 연관성 분석을 통한 가입자수 하락원인 파악 및 가입자수 증대 전략 도출
VOC 분석
VOC 유형별 구분/처리비용/강수량/외적요인 등의 연관성 분석을 통한 VOC 증가원인 파악 및 VOC 감소 전략 제시
부정 사용 발견
기존 범죄 분석 결과로 알려진 부정 사용 유형을 이용하여 실시간으로 부정 사용 패턴을 발견하여 사전 예방함
해지고객 분석
해지고객/VOC 유형별 구분/이탈방지 마케팅 비용/외적 요인 등의 연관성 분석을 통한 해지고객 증가 원인 파악 및 고객 유출 방지 전략 제시
매출 분석
총매출/항목별 순이익/지역별 가입자수/VOC 건수/가입비/설치비/가입상품 유형구분/마케팅비용 등의 연관성 분석을 통한 매출 감소 원인 파악 및 매출증대 전략 제시
만족도 분석
VOC/홈페이지 웹로그/소셜 키워드 등의 연관성 분석을 통한 만족도 상승 전략 제시
예측 시뮬레이션
가입자 예측
광고 선전비와 같은 마케팅 비용 입력으로 가입자/VOC/해지고객/외적요인 등의 연관성 분석을 통한 가입자 예측으로 가입자수 하락 방지 대책 수립
해지고객 예측
이탈방지 마케팅과 같은 마케팅 비용 입력으로 해지고객/VOC/외적 요인 등의 연관성 분석을 통한 해지고객 예측으로 해지고객 감소 방지 대책 수립

13
적용 예시 2
데이터 현황 분석, 연관 분석 및 예측
가입자/해지자/VOC 데이터에 대한 현황/추이 분석과 연관성이 높은 외부 데이터(강수량, SNS 등)와의 상관 관계를 분석하여 해지 고객을 예측하여 대응 전략 수립 가능

14
적용 예시 3
세그멘테이션에 따른 마케팅 현황, 이상 징후 분석
고객의 세그멘테이션에 따른 만족도와 이용 현황 분석을 통해 고객의 Needs를 파악하고 개인별 컨텐츠 추천 서비스를 제공, 예측 알고리즘을 통한 서비스 이상 알림 제공

15
제품 구성
패키지 구성
수집(Collector), 응용(Core), 저장(Master/Data/Mart) 등 3개의 주요 기능을 가진 서버로 구성되며, 수집할 데이터의 용량과 요구 성능에 따라 5가지의 패키지 모델로 구성
BEANs All-in-One
Tiny
Lite
Standard
Enterprise
Enterprise+
Collector / Core
Collector / Core
Collector
Master Node
Data Node
Data Node
Data Mart
Master Node
Data Mart
Data Node
Core Application
Collector
Core Application
Data Node
Monitoring
:
Collector
Master Node
Data Node
Data Node
Data Mart
Master Node
Data Mart
Data Node
Core Application
Collector
Core Application
Data Node
Monitoring
:
Package
Server
Core
Memory
Storage
Tiny
1
8
32 GB
4 TB
Lite
5
8
32 GB
38 TB
Standard
9
10
32 GB
44 TB
Enterprise
13~
10
32 GB
70 TB~
Enterprise+
13~
20
64 GB
70 TB~
Master Node
Data Node
Data Node
Data Mart
Master Node
Data Mart
Data Node
Collector / Core
Data Node
Data Node
Data Mart
Master Node

빅데이터의 경제적 가치에 주목하라! 세계 빅데이터 시장 규모는 매년 40~60% 성장하여 2015년에는 169~321억 달러 규모로 증가하고, 2017년에는 534억 달러에 달할 것으로 전망
www.u-beans.com
beans@theunus.com

UNUS BEANs 소개서 20141015

Related slideshows

More Related Content

UNUS BEANs 소개서 20141015