2015 DATA GRAND CONFERENCE 참관후기

2015 DATA GRAND CONFERENCE

• 일시 : 2015년 10월 23일 금요일 09:00 ~ 17:30
• 장소 : COEX Grand Ballroom

참가 후기 초간단 요약

• 대부분 세션이 Big Data 쪽 이야기 였습니다.
  • RDBMS에 대한 얘기는 대놓고 자기회사 제품 홍보하는 것 뿐이었습니다.
• 왠만하면 능력좀 되면 무조건 외국으로 나가세요. 그게 정답이랍니다.
  • 한국 기업은 기술자들에게 적절한 보상을 해줘야 합니다. 이대로는 안된답니다.

등록

• 2015년 10월 23일 코엑스 그랜드볼룸에서 열린 데이터 그랜드 컨퍼런스에 참가하였습니다.
  • 저는 8시 40분경에 도착했는데 벌써 많은 분들이 줄 서 있었습니다.
    
  • 선착순 150명에게는 Early Bird 기념품으로 샤오미 보조 배터리를 증정하였는데, 전 택도 없었습니다.
  • 참가자 명찰과 발표자료 안내책자를 받고 바로 행사장 안으로 들어갔습니다.
  • 좋은 자리를 맡으려 했으나 중간 자리는 잴 앞에서 잴 끝까지 모두 다 이미 다른분들이 계셔서 옆쪽으로 갔습니다.

오전 세션

개회사

• 이영덕 한국한국DB진흥원장
  • 별 내용없었습니다.
    

환영사

• 최재유 미래창조과학부 차관
• IT에서 DT시대로 흘러가고 있다. 라는 알리바바 마윈 회장의 말을 인용하시면서,
• 빅데이터를 9대 전략산업중 하나로 육성 하고 있다고 말씀하셨습니다.

축사

• 구원모 전자신문 대표
  • 그냥 축하한다는 내용이었습니다.

기조연설

• 글로벌 빅데이터 시장 추세와 성공적 창업 사례
• 차상균 서울대학교 빅데이터 연구원장

• Big Data 시대의 스타트업 기업들의 성공사례 위주로 진행되었습니다.
  • 미국의 경우 해당 연구실에서 쓴 논문을 토대로 지도교수와 그 아래의 제자들이 스타트업 기업을 창립하는 경우가 많습니다.
    • 이미 학교와 기업의 경계는 없어진지 오래되었습니다.
    • 지금 미국뿐만 아니라 유럽과 싱가폴 쪽에서도 그런식으로 스타트업의 창업이 진행중입니다.
• 기존 기업들도 지금 시장에서 살아남기 위해서 변화하고 있습니다.
  • Dell이 EMC를 인수하였습니다.
    • EMC의 자회사인 VMWare가 아마 인수이유 중에 크게 작용하지 않았나라고 다들 판단하고 있습니다.
• 현재 Data쪽 시장의 Player들을 다음과 같이 나눌 수 있습니다.
  1. Big 4 : Oracle, Microfost, IBM, SAP
  2. Cloud Application Service : Google, Facebook, salesforce.com 등 ...
  3. Open Source : 대학 및 Startup 기업들
  4. Reborn : GE 의 기업변화 등...
• Big Data에서의 산업분야
  • Data Management
  • Analysis, Machine Learning
  • Cloud Service
• 기존의 Big 4 시장에는 들어가기 힘들뿐더러 시장의 규모도 더 이상 커지지 않고 있습니다.
• 규모가 큰 회사는 Innovation dilemma (큰 규모때문에 혁신을 하기에는 많은 노력과 시간이 들어서 혁신자체가 힘들다는 이론) 때문에 변화하기 힘듭니다.
  • 그래도 몰락하지 않으려면 변화해야 합니다.
    • Yahoo의 경우 변화하지 못해서 몰락한 대표적인 케이스 입니다.
    • Yahoo 출신 엔지니어들이 창립한 회사 중 큰 성공을 한 회사들이 많습니다.
      • Cloudera : Hadoop의 선구자적인 회사입니다.
      • VMWare : 모두가 다 아는 그 회사죠.
      • Hortonworks, Rocketfuel 등...
• 아직까지 스타트업 들에겐 큰 기회가 있고, 기존 기업들은 빨리 변화하지 않으면 살아남기 힘들다는 결론을 내셨습니다.

Tutorial 1. 파레토법칙을 뛰어넘는 빅데이터 추천 분석

• 위세아이텍 안동혁 연구소장

• Pareto principle
  • 전체 결과의 80%의 원인은 20% 라는 이론 입니다.
    • 예를 들면, 20%의 고객이 80%의 매출을 내는 것과,
    • 20%의 직원이 그 회사 매출의 80% 성과를 내는 것 등이 있습니다.
• 그래서, 많은 회사들이 쿠폰 등의 해택을 우수고객에게 몰아주는 경우가 많습니다.
  • 많이 팔리는 제품일 수록 재고 비용도 적게 듭니다.
    • 잘팔릴수록 추천도 많이 받고, 추천을 많이 받으니 더더욱 잘 팔리게 됩니다.
    • 결국 집중화의 문제로 결부됩니다.
• The Long Tail
  • Pareto principle 의 긴 꼬리부분을 나타냅니다.
  • Amazon의 경우 전체 매출의 절반이상이 순위로 13만등 이하 책들입니다.
  • Google 매출의 50% 이상은 개개인 작은 Site에 삽입되는 AdSense 입니다.
  • 때로는 집중하지 말고 폭넓게 가져가야 할 때도 있습니다.
• 추천 시스템을 잘 활용하면 하위 상품도 우수 상품이 될 기회를 가질 수 있습니다.
  • 2000년 초반에 추천시스템 관련 기업들이 많았습니다.
    • 지금은 거의 다 망했습니다.
      • 왜냐면 그 당시에는
        1. Data를 폭넓게 확보하지 못했습니다.
        2. 너무 추천에만 집중해서, 다른 Service와의 조화를 이루지 못했습니다.
        3. 그때는 추천 알고리즘이 하나 뿐이었습니다.
        4. 계산량이 너무 많아서 그 당시 기술로는 한계가 있었습니다.
• 그래서... 이하는 위세아이텍의 추천시스템에 대한 홍보였습니다. (생략하겠습니다.)

Tutorial 2. 플랫폼의 중요성과 SW 산업의 발전 방향

• 티맥스 남봉진 상무

• 현재는 초연결 사회 (Hyper connected society) 입니다.
  • 사람과 사물을 연결뿐 아니라, 사물과 사물을 연결까지도 엄청나게 많은 연결 속에서 살고 있습니다.
• 경제적으로도 과거에는 소유경제 였지만 지금은 공유경제(Sharing economy) 시대입니다.
  • 이제는 필요할때 빌려서 사용하는 것을 사람들이 선호합니다.
  • 과거에는 CD를 사서 CD Player에서 들었지만, 지금은 스마트기기에서 스트리밍 서비스를 이용해서 음악을 듣습니다.
• Platform 이란 ?
  • 무언가가 서로 만나는 시점입니다. (기차를 기다리는 곳을 플랫폼이라고 부릅니다.)
  • Economy 플랫폼
    • 서로 다른 욕구를 가진 고객을 연결해 줍니다.
    • Duo, KakaoTalk, Facebook 등이 대표적이 예입니다.
    • 대부분 처음에는 무료로 서비스를 제공합니다.
    • 일단 사람들을 많이 모아놓고 슬슬 속셈을 드러내기 시작합니다. 즉, 수익을 창출한다는 거죠.
  1. Technical 플랫폼
     • IBM Mainframe, Microsoft Windows, Google Cloud 등이 있습니다.
• Software Platform
  1. OS
     • Desktop : Windows가 독식하고 있습니다.
     • 하지만 이제 Mobile의 비중이 커지면서, Apple, Google이 강자가 되었습니다.
     • 앞으로 IoT (사물인터넷)이 커지고 있습니다. 시장에서 살아남기 위해서 많은 기업들이 노력하고 있습니다.
     • 대표적으로 현재 샤오미가 공격적으로 제품들을 공급하고 있습니다.
  2. Big Data 플랫폼
     • 데이터 량이 늘어나면서 저장을 하는 기술이 발달됩니다.
     • 저장만 하면 뭐합니까. 분석을 해야 겠죠 ?
     • 분석을 사람이 하나하나 다 했습니다. 하지만, 이젠 사람이 분석하기에는 Data가 너무 많습니다.
     • Deep Learning : 이젠 사람이 규칙을 만드는게 아니라 규칙도 기계가 만들고 스스로 분석합니다.
  3. Opne 플랫폼
     • Web 2.0 부터 참여와 개방의 시대가 시작되었습니다.
     • 이젠 Data를 개방하는 시대가 왔습니다.
     • 국내의 경우에는 정부 3.0을 통하여 데이터를 개방하려고 노력중입니다.
     • 앞으로는 Open API의 발전으로 데이터 뿐만 아니라 자산(Source Code)까지도 개방하는 시대가 오고 있습니다.
  4. Cloud 플랫폼
     • 최초의 Cloud 도입 목적은 ICT의 비용절감이었습니다.
     • 2014년 이후에는 비용절감이 목적이 아니라 기업의 경쟁력을 높이는게 그 목적이 되었습니다.
       • 빠른 개발 및 서비스
       • 기존에는 IaaS, SaaS 였지만, 지금은 PaaS가 중요합니다.
       • Amazon, Microsoft, Oracle등이 해당 분야에 많은 투자를 하고 있습니다.
• Platform에 대한 접근방법
• Open하고 협력하라.
  • Lego는 1998년 MIT와 공동개발한 MindStorm을 판매합니다.
  • Lego의 팬들이 MindStorm을 해킹하는 사건이 발생합니다.
  • Lego측은 MindStorm의 Source Code를 공개하고, 관련 경진대회를 개최합니다.
  • 결국 이용자층이 확대되어서 시장이 크게 성장하였습니다.
• 기본을 지키되 판을 확장하라.
  • Adobe의 경우 제품을 판매하는 솔루셔 회사였지만, 지금은 각 개인별로 서비스를 제공하는 마케팅을 하고 있습니다.
• 연결하고 매개하라.
  • Amazon의 경우에는 구매자와 판매자를 단절시킵니다. 그래야 중간에서 수수료를 받을 수 있으니깐요.
  • Alibaba는 중국의 중소기업 제품을 해외기업들에게 판매 할 수 있도록 연결해주는 역할을 합니다.
    • Alibaba는 판매자와 구매자를 직접적으로 연결해서 흥정할 수 있는 아리왕왕 이라는 채팅 서비스를 제공합니다.
    • 이로 인해 단골관계가 형성되어서 더 많은 매출을 발생시키고 있습니다.
• 이후에는 티맥스의 플랫폼 시장 관련한 서비스에 홍보였습니다.

Tutorial 3. 미래기업을 위한 실시간 의사결정의 필수요소

• 알티베이스 최한열 이사

• Big Data
  • Data라는 큰 강에서 가치있는 아주 작은 사금을 채취하는 거에 비유하였습니다.
• Big Data의 오해
  1. Data가 크면 큰 Insight를 얻을 수 있다 ?
     • 모든 Insight는 정보이지만, 모든 정보가 Insight는 아닙니다.
  2. Insight를 얻을려면 Hadoop을 써야한다 ?
     • Hadoop은 비정형, 반정형 데이터를 저장하기 위한 도우일 뿐입니다.
     • 정형 데이터 분석에는 RDBMS가 훨씬 더 효율적입니다.
• Big Data 1.0
  • 3V : Volumn, Variety, Velocy
• Big Data 2.0
  1. Speed
     • Hadoop도 결국 In-Memory 처리를 도입하여 고성능을 위해 노력하고 있습니다.
     • Spark 발표하였으며, Hadoop보다 100배이상 성능 발휘한다고 홍보하고 있습니다.
  2. Data Quality
     • 데이터 분석 결과의 정확성이 요구됩니다.
     • 쓰레기 같은 데이터로 쓰레기 결과를 얻으면 결국 경제적 손실만 발생하게 됩니다.
  3. Application
     • Big Data 1.0 시대에는 각분야 전문가들이 직접 처리했습니다.
     • Big Data 2.0 시대에는 자동화된 어플리케이션이 처리하고 있습니다.
       • 사람관여 없이 실시간으로 처리되는 것이 요구됩니다.
• 이후에는 알티베이스의 인메모리 디비에 대한 홍보였습니다.

Tutorial 4. 빅데이터 시대, 기업의 비즈니스 경쟁력을 위한 정보관리

• 델소프트웨어코리아 이곡지 이사

• 그냥 첨부터 끝까지 대놓고 홍보였습니다.
  • 그래도 Tutorial에서 이러는건 좀 아니지 않나요 ?
• 그래도 첫부분 몇분동안 좀 얘기한걸 정리해 보자면...
• 현재 Data의 92%는 최근 2년 이내 생성된 Data입니다.
  • 2020년이 되면 IoT가 확산되면서 지금보다 50배이상 늘어날 것으로 예상하고 있습니다.
• 아직도 Big Data, Hadoop이 화두에 오르고는 있지만, 정작 도입한 곳은 많지 않고, 앞으로 도입할 계획도 없는 곳이 많습니다.
  • 여전히 75% 이상이 정형데이터입니다.
  • 그럼 정형 데이터를 어떻게 관리해야 하나 ? 하고는 홍보가 쭉~~ 입니다.

Tutorial 5. 저성장 시대, 데이터 경제만이 살길이다.

• 엔코어 김옥기 센터장

• 이분 좀짱이십니다. 완전 멋지십니다.
  • 거리가 멀어서 얼굴은 잘 안보였는데, 목소리가 좀 익숙했습니다.
  • 알고보니 며칠전에 KBS 차정인의 T타임에 출연하여 데이터사이언티스트에 대해서 말씀해주시는 방송을 봤던 기억이 납니다.
  • 그 때 나오신 바로 그분이었습니다.
  • 911 테러 때에 용의자들 중 일부를 잡았는데, 그때 미국정부에서 이 분이 일하고 있던 회사에 데이터를 분석하는 일을 의뢰했었답니다.
• 이미 시장이 많이 바뀌고 있습니다.
  • 예전에는 품질경쟁 시대였습니다. 품질만 좋으면 잘팔렸습니다.
  • 그러다가 가격경쟁 시대가 되었습니다. 하지만 이제는 가격이 싸다고 잘 팔리는 시대도 지났습니다.
  • 이제는 개개인의 소비성향을 분석해야만 합니다.
• 미국의 경우 1990년대 후반부터 회사들이 너무너무 힘들어지기 시작했습니다.
  • 그래서 기존과는 다른 틀에서 분석을 하기 시작했습니다.
  • 비용이 어디서 새어 나가고, 수입이 어디서 들어오는지를 데이터들을 모아서 분석하기 시작했습니다.
  • 2002년 부터 상황이 좀 나아지기 시작했습니다.
  • 그 당시에는 데이터분석이 완전 열풍이었습니다.
  • 통계학 관련 사람들을 어마어마한 돈을 주면서 기업들이 끌어모았습니다.
  • 현재 한국의 경우 GDP 대비 매출 순이익이 5%넘는 곳이 잘 없습니다.
  • 미국의 경우 Google, Amazon 등은 GDP 대비 40% 이상의 수익을 내고 있습니다.
  • 데이터를 통합해야지만 그 성과가 나옵니다.
  • 하지만 한국의 경우는 BI에 대하여 부정적인 시각이 너무 커서 앞으로도 상황이 좋아지기 힘들것 같습니다.
• Silo Effect
  • 모두가 자기가 맡은 일만 열심히 하고 데이터를 통합하기 위해 뭔가를 하려하면 아무도 하려하지 않습니다.
  • 2000년초 BI 관련 Project가 많았지만, 이것 때문에 드랍된게 많습니다.
  • 한국의 경우 각각의 분야에서는 최고의 효율을 발휘하고 있으나, 전사적으로 뭔가를 하려하면 엄청나게 비효율적이 됩니다.
  • 현재 대기업의 데이터통합은 데이터 활용을 위한게 아니라 ERP 사용을 위한 수준 정도 입니다.
  • 각 부서끼리 협력을 해서 시너지를 발휘못하고 있습니다.
  • 거기에 대해서 전문가가 없어서 그렇다고 말을 하고 있지만, 실제로는 Software 문제가 아니라, Data 품질의 문제가 더 큽니다.
• CRM 도입
  • 한국은 2000년대 초에 CRM을 많이 도입했습니다.
  • 하지만 대부분 실패해서, 경영진에서는 CRM에 대해서는 말도 꺼내지 말라고 합니다.
  • 이 문제를 해결하지 못하면 앞으로도 한국의 데이터 과학 분야는 가능성이 없습니다.
  • CRM을 IT 부서에서 도입합니다.
  • 그러고는 Sales, Marketing 부서에서는 이 정보를 활용하지 않습니다.
• Social CRM
  • 미국의 경우 검색창에 ERP라는 말보다 CRM이 훨씬 더 자주 등장합니다.
  • 미국은 2008년부터 Social CRM이라는 말이 등장했습니다.
  • 이미 CRM에 Socail Data까지 통합하였습니다.
  • 국내에도 Social CRM이라는 말을 여기저기 붙이고는 있지만, 아직 전통적인 CRM도 자리잡지 못했기 때문에 성과를 기대라기는 힘듭니다.
• 데이터 통합 분야가 성장하면 데이터 분석도 역시 30%이상 성장한다는 가트너 분석 결과가 있습니다.
  • 데이터 사이언스를 양성해도 분석할 데이터가 없다면 헛수고가 됩니다.
    • 아무리 훌륭한 요리사라도 재료 없이는 맛있는 요리를 만들 수가 없습니다.
• Data Broker
  • 미국에는 합법적인 데이터 브로커들이 있습니다.
    • 한국에는 신용정보 회사 정도밖에는 활발하게 활동하는 곳이 없습니다.
      • 각 은행 별 거래 기록등을 모아서 개인의 신용정보를 여기저기에서 조회 가능하게 통합하여 데이터를 제공합니다.
  • 각 개인의 데이터 및 여러 곳의 데이터들을 모아서 필요한 곳에 판매를 합니다.
    • 가장 큰 고객은 미정부이며, 은행, 검찰, 기타 마케팅이 필요한 곳에서 데이터를 구입해 갑니다.
  • 1969년부터 시작했으며, on/off-line의 데이터를 모두 수집합니다.
  • 웹브라우저에서 클릭하는 순간 on/off-line 데이터들을 분석 가공하여 해당 고객에 맞는 광고를 실시간을 띄워주는 것이 가능합니다.
• Data 표준화
  • 아무리 많은 데이터라도 표준화 되지 않으면 아무 곳에서도 활용못하는 쓰레기가 될 뿐입니다.
  • Data 표준화 작업, Data 가공산업이 활성화 되어야 합니다.
  • 한국에서는 공공 Data에 대한 작업이 핵심이 될 것입니다.
  • 한국에는 개인정보 보호법이란것 때문에 민감/비민감 데이터의 구분이 중요할 것입니다.
    • 예를 들어서 내가 골프를 좋아한다는 것은 별로 그렇게 민감하게 반응하지 않습니다.
      • 해당 정보를 골프 업체라던지 그런곳에서 알아도 괜찮습니다.
    • 하지만, 병원 치료 이력 같은 것을 다른 누군가가 알게 된다는 건 민감한 문제 입니다.
  • 이런 민감/비민감 구분을 여러 사람들과 함께 공감화하여 정비하는 작업이 필요합니다.
• 그리고, 마지막으로 왠만하면 능력되면 무조건 외국으로 가세요.
  • 한국 기업들은 기술자들에게 적절한 보상을 해줘야합니다.
    • 이대로는 결과가 뻔합니다.

점심시간

• COEX 아래에서 간단하게 점심을 먹고 여러 기업들의 부스를 살펴보았습니다.
  • 작년에 비해 별로 볼거리나 기념품이 많이 없었습니다.
  • 제가 지금 다니는 회사인 WareValley의 부스입니다. Column-based Database인 PetaSQL을 뒤에 가장 크게 걸어서 밀고 있나 보군요.
    
  • 부스 앞쪽에는 Orange와 Chakra에 대한 안내도 있었습니다.
    
    • 솔직히 저 외눈박이 괴물같은 이미지는... 이해가 안갑니다. ;;;
  • 다른 곳도 저런식으로 부스가 전시되어 있습니다. 총 16개 정도의 부스가 마련되어 있었습니다.
    

오후세션 1. Track 1의 건강데이터와 스마트 헬스케어

• 김승환 바이오의료IT융합연구소, 융합기술연구소, ERTI

• 점심먹고 부스 좀 구경하다 들어가니 앉을 자리가 없었습니다.
• 기술적인 내용도 없고, 데이터적인 내용도 없고...
• 그냥 그랬습니다. 덕분에 Deep Sleep을 취할 수 있었습니다.
• 그냥 끝까지 안듣고 나와서 옆의 Track 2로 이동했습니다.
• Track 2에 들어가니 Tibero에 대해서 열심히 홍보 중이었습니다.
  • 내가 DBMS를 개발하는 사람도 아니고 별로 알 필요도 없고 알고 싶지도 않은 내용들이었습니다.

오후셔센 2. Track 2의 DB 전문가로 가는 지름 길, Toad

• 최용회 차장, 델소프트웨어코리아

• 제목부터 이미 느껴지시죠. 제품 홍보하러 나온거죠.
  • 그걸 알지만, 경쟁사 제품이니 만큼 일단 들으러 왔습니다.
• Toad 홍보 동영상을 보여주는데, 잘만들었습니다.
  • Microsoft의 홍보 동영상과 좀 비슷한 컨샙 같더둔요.
    • 부담없고 약간 신나는 배경 음악과 함께
    • 심플한 애니메이션으로 데이터 관리 업무에 대해서 재밌게 표현했습니다.
  • 제가 속한 회사의 제품 Orange도 홍보 동영상이 있긴한데... 부끄럽습니다. ㅎ
• DBA의 Top Challenge
  1. 관리업무 증가 : Database에서 관리하는 Data들이 점점 증가하고 있습니다.
  2. 새로운 DB 및 관련 Tool 학습 : 새로운 Database들이 자꾸 등장합니다. RDBMS, No-SQL 모두 새로 도입하게되면 그 관리 업무는 DBA가 도맡아 해야 합니다.
  3. 다양한 Data Source 통합 : Data를 활용하기 위해서는 여러 곳에서의 Data들을 통합하여야 합니다.
• 그래서 Toad가 이런 것들을 편하게 해준다는 홍보가 시작되었습니다.
• 현재 한국에서는 Toad Data Point를 전략적으로 밀고 있다고 얘기해 주었습니다.
  • 하나의 Tool에서 여러 가지 Database를 통합적으로 사용할 수 있다고 홍보하더군요.
  • 저도 밴치마킹 차원에서 설치해서 써봤는데,
    • 솔직히, 느리고, 오류많고, 잘안되고, Tool마다 뭔가 좀 따로따로 놀아서 어떻게 써야 할지도 모르겠고,
    • 경쟁사 제품이라서 까는게 아니고요. 실제로 그랬습니다.
    • MongoDB의 경우 아에 그냥 지원에서 빼버리지, 정형으로만 쓸꺼 같으면 MongoDB를 쓸 이유가 없는데, 딱 그렇게만 관리 가능하게 되어 있더군요.
• 3번째 시간은 솔직히 정말 들을 만한게 없었습니다.
  • 그런데 마지막 세션인 카카오택시에 사람이 엄청 몰릴것으로 예상이 되더군요.
  • 그래서 그냥 3,4,5번째는 Track 1에서 자리잡고 죽치고 앉아 있자는 생각이 들더군요.
• Track 1을 문열고 들어가니 아직 Fintech에 대한 설명이 안끝났더군요.
  • 근데 얼핏 드는 느낌이 아~ 이 시간 왠지 완전 재밌었을 것같은 느낌적인 느낌이 든다. 였습니다.

오후셔센 3. Track 1의 Context Aware 환경을 통한 Data Innovation 구현

• 김재범 팀장, KTDS, 미래기술팀 SW기술연구소

• 요즘 IT 밴더들이 스포츠 마케팅을 많이 하고 있습니다.
  • Oracle의 경우 요트에 여기저기 센서를 달아서 그 정보를 실시간으로 수집하면서 분석하여, 선수들에게 이렇게 하라고 조언을 해주는 것을 선보였습니다.
  • SAP의 경우는 브라질월드컵 때 독일축구대표팀이 연습할때 발목, 어깨 등 여러곳에 센스를 장착하여 그 데이터를 분석했다고 합니다.
  • 이젠 데이터의 실시간 분석이 중요한 기술이 되었습니다.
• 호주의 ANZ은행 앱은 비번 4자리로만 검증을 합니다.
  • 그럼 해킹당하거나 폰이 도난됬을 경우에는 위험하지 않냐고 우려들을 많이 하는데,
  • 스마트폰의 기본적인 정보들이 서버로 전송이 됩니다.
  • 평소 다니는 곳, 뱅킹 서비스를 사용하는 시간, 사용 금액 등에 대한 데이터를 평소 수집하고 있습니다.
  • 이렇게 평소 사용하던 패턴과 다른 패턴의 행동을 보이면 더 높은 보안 인증을 요구합니다.
    • 예를 들어서 30분전에 서울에 있던 사람이 바로 부산에서 뭔가 행동을 한다던지...
    • 평소에는 10만원씩 송금했는데, 갑자기 100만원을 송금하려 한다던지 등...
  • 개인화된 행위패턴 정보를 수집하고 분석, 보관하는 것이 이 서비스의 핵심입니다.
• 요즘은 p2p 대출서비스도 많이 생기고 있습니다.
  • 기존의 은행권에서 하는 신용평가랑은 다른 기준으로 평가를 합니다.
  • SNS 친구수, 올린 글에 대한 다른 사람들의 호응도 등...
  • 이러한 데이터를 실시간으로 빠르게 분석하여 나름 대로의 신용도를 계산한 뒤 이자율 등을 알려줍니다.
• Hadoop 기반 위에서 동작하는 Context-aware 환경에 대한 소개(홍보)가 이어졌습니다.
  • 현재로는 Big Data를 이용하여 보안, 장애대응 솔루션에서 활용중이라고 합니다.

오후셔센 4. Track 1의 데이터 기반 O2O 커머스 전략과 트랜드

• 박태영 이사, 아이팝콘
• 이 시간에 Track 4에서 우리회사의 세션이 있었습니다.
  • 발표자료를 보니깐... 별로 제가 들어서 도움될만한 내용은 아니어서... ㅎ
• 이 발표를 듣고 깜짝 놀랐는게...
  • YAB 이라는 서비스를 만든 회사랍니다.
  • 요즘 버스에서 계속 광고하고 있는 그 YAB서비스 랍니다.

• O2O : Online to Offline
  • offline 매장의 쿠폰을 online으로 확인 및 발급하는 서비스 입니다.
  • 고객의 활동 정보를 토대로 다양한 마케팅 활동을 해야합니다.
    • 안그러면 고객과 상관없는 스팸으로 인식되어 버립니다.
    • 한번 스팸으로 인식되면 다음에 아무리 좋은 정보를 제공해도 고객은 보지 않습니다.
• Beacon
  • YAB은 Beacon을 활용하여 사용자의 위치 정보를 수집합니다.
  • BLE비콘의 경우 아직 완벽하지 않습니다.
    • 아직 기술적으로 실내/외 구분이 안되고 부정확합니다.
    • 직접 강남에서 신사까지 1차로로 차를 운전하면서 가봤는데, 쿠폰이 우루루 날라왔습니다.
      • 지금 차를 운전하고 가다가 잠시 멈추고 내려서 뭔가를 사고 올수는 없는게 현실입니다.
      • 이렇게 쿠폰이 발급되면 결국 스팸으로 전락할 수 밖에 없습니다.
  • Hybrid Beacon
    • CU의 경우 매장 내에 들어왔을 때에만 쿠폰이 발급됩니다.
      • CU 매장은 너무 많습니다. 그걸 지나갈때마다 쿠폰이 발급되면 사용자도 불편할 것입니다.
    • 실내/외 구분은 BLE비콘으로는 안되어서, 사람귀에 들리지 않는 HyperSound를 매장내에서 발생시킨 뒤, 그 소리 판단으로 실내/외를 구분하였습니다.
• 기존 마케팅은 쿠폰, SMS, QR코드 등으로 제공되었습니다.
  • 그러다가 스마트폰의 푸시광고가 등작했습니다.
    • 대부분의 사람들이 여기에는 짜증을 낼것입니다.
    • 고객이 원하는 해택을 원하는 시점에 자동으로 제공하는게 중요한 핵심입니다.
• Yap 이라는 섬이 있습니다. 정글의 법칙에서 갔었죠.
  • Yap을 거꾸로 하면 Pay가 됩니다.
  • Yap의 광고를 보여줬는데, 재미있었습니다.
  • Yap의 쿠폰 사용률은 25%정도 됩니다.
    • 다른 마케팅의 쿠폰 사용률이 1% 미만이라는 것을 본다면 엄청난 사용률입니다.
    • 스마트폰 주인의 연령대, 성별 등의 생활패턴을 확인하여서 적절한 쿠폰을 발급합니다.
    • 특정 매장에서는 5분이상 채류시에만 쿠폰이 지급되는 곳도 있습니다.

• 다른 솔루션들
  • Starbucks의 Siren Order
    • 스타벅스의 사이렌오더 도 이 회사에서 개발하였답니다.
    • 국내에서의 반응이 너무 좋아서, 홍콩 스타벅스에도 런칭 예정입니다.
  • Yap의 배트남 서비스가 예정중이며 현지법인화를 추진중입니다.
  • Yap에서 사용중인 Mobile Stamp 기능 소개
  • IBK의 은행순번대기 App.
  • 아파트 모델하우스의 Mobile Docent
  • 내자녀지키미 SendWich
    • 현재 서울시내 버스에는 관련 비콘이 모두 다 설치되어 있습니다. (마을버스 제외)
    • 아파트 단지, 학교에도 일부 설치되어 있으며, 점차 확대하고 있습니다.

오후셔센 5. Track 1의 데이터로 본 카카오 택시

• 황윤익 파트장, 다음카카오

• 카카오 택시의 출발은 불안해소가 그 핵심이었습니다.
  • 금,토 밤에만 콜택시 번호가 검색어순위 상위로 올라갑니다.
    • 지금 여기 지역 번호가 뭐지?
    • 여기가 어느 지역이지? 서울인지 고양시인지
  • 이 위치를 어떻게 설명해야하나 ? 출장와서 여기가 어딘지도 모르는데
  • 안심메세지도 큰 호흥을 불러왔습니다.
• 이런 불안해소는 사용자뿐만 아니라 택시기사분들도 마찬가지입니다.
  • 개인택시 기사분들은 요즘 젊은사람에게 봉변당하는게 두려워서 심야에 가장 벌이가 잘 된다는걸 알아도 잘 안나옵니다.
  • 개인택시는 돈이 덜 급하다보니 장거리도 잘 갑니다. 그래서 왠만하면 콜을 다 받아 줍니다.
  • 법인택시 분들은 실적이 중요합니다. 그래서 승차거부도 자주 일어나고, 운정도 터프하게 하십니다.
• 카카오 택시 사용 이후 택시 기사님들의 평가
  • 기존 데이터로 택시기사님들의 월평균 수익은 165만원 정도였습니다.
  • 카카오택시를 사용하는 기사님에게 물어보니 수입이 늘었다고 합니다.
    • 그 분은 IT 출신이신 분이며 수입을 Google-Docs로 관리하십니다.
  • 다른 분에게 여쭤보니 수입은 큰 변화없는데 일이 많이 편해졌다고 하십니다.
• 카카오 택시를 사용하는 택시가 17만대입니다. (전체 택시는 25만대 입니다.)
  • 당연히 30,40대 남성이 많이 쓸줄 알았는데 20대 여성이 더 많이 씁니다.
  • 회원 가입은 30대 남성이 많은데, 사용은 20대 여성이 더 많습니다.
  • 의도치않게 인스타그램에서 카카오택시로 해쉬태그를 붙인 사진이 많이 올라와서 홍보에 큰 도움이 되었습니다.
• 배차로직
  1. 거리반경
     • 거리 반경을 얼마로 해야할지 몰랐습니다.
     • 그래서 그냥 시행 착오를 거치면서 적정한 것을 찾아내기 위해 노력했습니다.
  2. 지역별 거리반경 조정
     • 각 지역별로 거리를 다르게 하는 식으로 적용했습니다.
  3. 예상 도착시간 계산
     • 실시간 교통정보 및 현재 택시의 진행방향 등을 고려해서 예상 도착시간을 계산하였습니다.
     • 출근 시간과 심야의 도로 사정이 다르므로 예상 도착시간도 다르게 계산됩니다.
• 이제부터 데이터와 함께 재밌는 얘기를 해줬습니다.
  • 그렇게 최근 데이터는 아니었습니다. 아무래도 데이터가 자산이다보니 좀 그렇겠죠 ? ㅎ

• 시간대별 호출현황
  • 가장 눈여겨 봐야할 부분이 심야시간에 서울이랑 지방이랑 차이가 어마어마 합니다.
    • 서울, 경기는 그래도 저녁에 다들 술 한잔하러 가시는데, 지방은 그냥 다들 집으로 들어 가시나 봅니다.
  • 또 눈여겨 봐야할 부분이 출근시간입니다.
    • 사실 할증이 필요한건 심야가 아니라 출근시간이 아닐까 생각을 합니다.

• 시간대별 승차거부
  • 출근시간이 가장 심합니다.
    • 출근시간은 도로가 너무 막혀서도 가고 싶어도 못가고,
    • 그리고 설령 간다한들 다른 먼저오는 차 타고 갈수도 있습니다.

• 퇴근시간 가장 택시잡기 어려운 곳
  • 종로, 이태원에 집중되어 있습니다.
  • 제가 다니고 있는 상암쪽도 좀 색이 진하군요.

• 출근시간 택시타기 가장 어려운 곳
  • 아파트가 많은 잠원, 사당 쪽에 집중되어 있습니다.
  • 이건 정책적으로 뭔가 필요하지 않을까요 ?
    • 출근 시간에 해당 지역에 특별히 택시를 많이 배치한다던지...
    • 거기에 기사님들이 많이 갈수 있게끔 뭔가 인센티브가 있다던지

• 모범택시의 콜 위치와 도착지 정보입니다.
  • 모범택시의 콜은 대사관이 있는 쪽과 여의도 증권가에서 많았습니다.

• 기간 별로 카카오택시 콜 횟수 및 콜수가 많은 지역입니다.
  • 추석 때 보니깐 부산보다 제주도의 트래픽의 훨씬 많았습니다.
  • 트래픽이 많은 곳을 보니 대부분 관광지인듯 합니다.
  • 그 쯤해서 인스타그램을 살펴보면 여성분들이 제주도에서 이용했다는 사진이 많이 올라와 있습니다.
• 위의 통계자료는 전체 택시가 아니라 콜택시, 그것도 카카오택시를 이용한 자료뿐이라서 해석하기에 좀 답답한 점도 있습니다.
• 앞으로도 혁신할 과제가 많이 남아있습니다.
  • 현재 계획 중인 것만해도 2년치 정도가 밀려있습니다.
  • 출근 시간에 자주 택시를 이용하는 고객에게 푸시로 바로 잡아줄까?라고 보낸다던지...
• 아직 카카오택시를 이용한 돈벌이 아이템은 계획된게 없다고 합니다.
  • 카카오톡도 5년전에는 돈벌이 아이템이 없어서, 여기저기서 욕을 많이 먹었습니다.
  • 카카오게임이 나오면서 수익을 창출하기 시작했습니다.
  • 단순히 택시 기사님들이 고객들에게 수수료를 걷어서 수익을 창출한다는 계획은 아직 없습니다.
  • 중국 관광객의 택시 로밍이라던지... 다른 방향에서 수익을 창출하고자 노력하고 있습니다.

마무리

• 이상 모든 세션이 마친뒤 폐회식 및 경품추첨이 있었습니다.
• 전 역시 당첨되지 않았습니다. ㅠㅠ
• 작년까지는 Grand Database Conference 였던 것으로 기억합니다.
• 올해는 Data Grand Conference로 명칭부터 바뀌었습니다.
• 이젠 Database 기술보다는 Data에 더 중점을 두고 있고, 앞으로도 Data 중심적으로 기술이 발전되어야 할 것 같습니다.
• RDBMS, No-SQL 중 뭐가 정답이다. 이런건 없는 듯합니다.
• 어떻게 Data를 저장하고 통합할 것인지, 그 Data를 어떻게 활용할 것인지가 핵심인듯 합니다.