Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

SiSense 사이센스 True Agile BI 솔루션

4,009 views

Published on

차세대 Agile BI 솔루션을 소개합니다.
IT를 모르는 실무자들도 직접 데이터를 조정하고,
BI report를 작성할 수 있습니다.
기존 그 어떤 OLAP tool보다도 쉽고 빠릅니다.

Published in: Technology
  • Be the first to comment

SiSense 사이센스 True Agile BI 솔루션

  1. 1. Copyright © 2014 by Plan-iT Partners. ALL RIGHTS RESERVED. No part of this publication may be reproduced, stored in a retrieval system, or transmitted in any form or by any means — electronic, mechanical, photocopying, recording, or otherwise — without the permission of Plan-iT Partners. SiSense : True Agile BI Introduction material AUG, 2014
  2. 2. 목 차 I.기존 BI Platform의 한계 II.차세대 BI Practice으로의 진화 : Agile BI III.최적의 Agile BI 솔루션 ‘SiSense’ IV.Agile BI 전문 Partner ‘PLAN-iT Partners’
  3. 3. BI는 Raw data를 업무에 활용 가능한 Insight로 변환하는 것이 목적임 Business Intelligence 정의 “단순 보고서” > “Query” “Dashboard” > “Queries” “Raw data를 업무 목적에 맞는 의미 있고 사용 가능한 Insight로 변환하기 위한 방법론, 프로세스, 아키텍처 및 기술의 집합” BI의 정의
  4. 4. 데이터 통합부터 빅데이터를 활용한 통계 분석/예측으로 발전해 왔으나… BI 발전 trend Data Analysis 데이터 분석의 기준을 무엇이 발생했는지 보다, 왜 발생했는지에 보다 더 집중 OLAP 환경에서의 drill-down Data Management 기본적 프로세싱 및 주요 기준 데이터 통합 Reporting 비즈니스 프로세스 표준화 사업요소 평가 Complex Event Processing 데이터흐름 및 특정 이벤트 분석 타 시스템 경보 Modeling & Predicting 예측을 위해 정보 활용 선진 데이터마이닝 기법 활용 알고리즘을 통한 예측 빅데이터 고급 데이터마이닝 기법을 활용한 다중구조의 대용량 데이터 분석 Fast data 실시간 정보 활용 (예-Hard core 실시간 정보활용 추구) 실시간 의사결정 지원을 위한 수 초내 응답가능한 쿼리 적용 데이터웨어하우징과 CEP (Complex Event Processing)의 구분이 모호해 짐
  5. 5. 대체적으로 안정적이고 견고한 Data control 및 시스템 운영에 중점을 두었음 기존 BI 솔루션 Architecture 데이터소스로 부터 추출, 변환 적재 프로세스 조회에 최적화된 형태로 데이터를 재구성, 중복 허용 개별 데이터소스에서 추출한 데이터를 적재 데이터 조회, 공유 기능 제공, 협의의 BI 툴 1 2 3 4 ERP CRM SCM e-Commerce 기타 기간 계 그 외 외부 데이터 ETL Metadata repository / MDM Operational Data store Data Warehouse Data Mart Data Mart BI Tools Info Delivery Reports Dashboards Info. Portal Internal/ External Enterprise Data Warehouse 1 2 3 4 Data source BI Analytics User Access
  6. 6. 길고 느린 구축 단계로 인해 필연적으로 Unmet needs가 발생함 기존 BI의 한계 : 제공 가치와 요구 사항 간 불일치 Q2 Q3 Q1 Q4 Q5 기능 및 제공 가치 Requirements Second Phase Deployed First Phase Goes live Traditional BI 기존 BI 개발 Cycle : 전통적인 Waterfall 방식 최초 Scope BI 요구 수준과 제공 가치 간의 관계 Unmet Needs DW 논리 데이터 모델 설계 물리적 DW 데이터 모델 구축 ETL 개발 및 DW 로드 DW 로드 및 테스트 수행 초기 보고서 작성 보고서 데이터 확인 ETL/DW 논리모델 수정 보고서 수정 현업 주도 새 보고서 확인 개발 소요 시간
  7. 7. 복잡한 작업 단계로 인해 개발 중 요구 사항 변화에 대해 대처하기 힘듦 기존 BI의 한계 : 개발 요구 사항 변경에 대한 낮은 대응력 Data를 Information으로 변환하기 위한 전통적인 과정 사용자가 Output를 보면, 추가적인 질문/ 요구사항을 가질 가능성이 높음 ERP, MES, 3rd Party Database Custom Adapters ETL 논리/물리 Schema Database DW/DM BI & Analysis Report 의사 결정자 새로운 분석 요구사항 요구 사항 변경 시, 전체 작업과정을 순차적으로 다시 진행해야 함
  8. 8. IT와 사업 부서 간 성향의 괴리 사용자-작업자 불일치로 인해 분석 결과물의 품질이 저하될 수 있음 기존 BI의 한계 : 산출물 만족도 저하 Risk 1) Achieving greater agility with business intelligence, 2013, TDWI BI 사용자와 작업자의 불일치 BI 시스템 구성/변경 담당자 1) 26% 26% 27% 28% 37% 57% Other BI user Biz executives Power user BI director IT app managers IT mgmt. 사업 부서 IT 부서 융통성 & 민첩함 운영 Risk 관리 업무 요구 사항 시스템 표준 (수시) Interactive 요구 사항 일괄 취합 분석 & Discovery 기 정의된 분석 중심 일반 인력들의 BI 솔루션 이용이 쉽지 않아, 전문 IT 인력이 BI 보고서 작성 및 기능 구현을 전담하는 경향 요구 사항을 어떻게 구현하는지 모르는 사용자 & 개발, 관리 용이성 우선하는 개발자 품질 저하 Risk
  9. 9. 복잡한 데이터 준비 작업을 위해 높은 구축 비용이 발생함 기존 BI의 한계 : 높은 비용 발생 Risk 복잡한 데이터 준비, 전처리 작업 Infra 복잡도 증가 전문 개발 인력 투입 * Enterprise BI Platform, 2010 Oct, Forrester report 단위 작업 및 개별 환경에 맞는 별도 Infra 도입 필요 전체 Infra 복잡도 증가 및 관련 작업을 위한 소요 시간 증가 준비 작업의 복잡도 및 특수성이 높은 만큼, 해당 작업 수행을 위한 전문 인력 투입 필요 실제 Insight를 만들기 이전, 데이터/Report 준비 작업이 전체 구축 작업의 약 80%에 달함 과도한 준비 작업은 실제 Value를 만드는 작업에 대한 수행 역량 저하 초래 높은 구축 비용 발생
  10. 10. 이로 인해 기존 BI Platform은 저조한 이용률과 만족도를 보이고 있음 기존 BI Platform에 대한 저조한 평가 1) Forrester research & TDWI research, 2009-2012 “새로운 분석 보고서를 보려면 최소 3일을 기다려야 함“ “88%의 사용자가 엑셀을 통해 광범위하게 데이터 가공“ “기 정의된 분석 레벨을 벗어나는 분석 작업을 할 수 없음“ “66%의 사용자가 기존 BI tool이 사용하기 어렵다고 느낌“ 기존 BI 환경에 대한 사용자 반응 1) “74%의 기업이 새 데이터 소스를 추가하는데 3주 이상 소요“ “55%의 사용자가 단순히 숫자를 추출하기 위한 정보 채널로서 사용 “ 45% 19% 13% 23% <6% 7-10% 11-19% >20% 당신의 기업 내 얼마나 많은 직원들이 BI를 이용합니까?2)  64% 기업들이 10% 미만의 직원만이 BI를 사용하고 있다고 응답 낮은 이용률
  11. 11. 목 차 I.기존 BI Platform의 한계 II.차세대 BI Practice으로의 진화 : Agile BI III.최적의 Agile BI 솔루션 ‘SiSense’ IV.Agile BI 전문 Partner ‘PLAN-iT Partners’
  12. 12. Agile BI는 기존 BI의 한계를 극복할 수 있는 차세대 BI 수행/운영 체계임 대안으로서의 Agile BI 기존 BI의 문제점/근인 Agile BI BI 서비스 사용자와 제작 부서의 불일치 소통 단절이 발생하는 협업 구조 조직 & 프로세스 : 개발 Role의 분리 & 실무 부서의 개발 참여 의사 결정자가 업무 환경의 변화에 대해 유연하게 대응할 수 있는 BI 체계1) (프로세스, 업무/협업 방식, 개발 방법론, 툴/기술) Agile BI Enablers 기반 기술/Infra : 이종 Data 접근 및 Analytics 구성이 용이한 BI 플랫폼 전문 기술이 필요한 개발 과정 (데이터 전처리 과정 포함) 복잡한 기술 구성으로 인한 높은 TCO 발생 1) Trends 2011 And Beyond: Business Intelligence, Forrester report, 2011 개발 방법론 : Prototype 우선 & 순환적/점진적 확장 복잡하고 긴 개발 단계 분석 요구 사항이 변경될 개연성이 높으나, 수용도는 낮음
  13. 13. 진화된 BI Tool을 활용해 분석 리포트 사용자가 직접 BI를 구성하는 체계임 Agile BI의 핵심 Concept 기존 BI Work practice Agile BI Work practice Biz analyst DW modeler ETL developer BI developer Quality Assurance End User BI 작업자 (Power user) DW modeler ETL developer BI developer End User (Info consumer) Quality Assurance Feedback & 개선 작업 Data control에서 Report 구성까지 독자적으로 작업이 가능한 Tool 제공 업무 이해도가 높은 실무 부서 내 BI 작업자가 직접 Analytics 구성 및 제공 (단, 상세 R&R은 유동적임) End user의 Feedback을 쉽고 편하게 반영 그 외 Data, IT 관리자들은 BI 작업자가 Analytics를 구현할 수 있도록 보조
  14. 14. [Back-up] Agile BI 기반 기술, 조직/프로세스, 개발 방법론 상세 설명 Agile BI 체계 상세 기반 기술/Infra 조직 및 프로세스 개발 방법론 Self service BI tool의 도입 –BI 서비스 사용자가 직접 Analytics 서비스 구성이 가능한 솔루션 –Non-IT 작업자가 직접 Data processing에서 Report 구현까지 작업 진행 가능 전체 BI 개발 프로세스를 빠르게 통합적으로 구현할 수 있는 플랫폼 적용 –단일 솔루션을 통해 ETL에서 BI report 구성까지 적용 실제 통합 없이 Data 조회가 가능한 Data 가상화 추가 데이터 처리/관리와 데이터 사용의 분리 : 담당 인력, 작업 프로세스를 분리 운영 –IT 부서가 데이터 처리/관리 전담 –실무 부서가 데이터 사용을 위한 작업에 직접 참여 IT-Biz 간 상호 협업을 위한 명시적 프로세스 수립 BI usage 증진을 위해 성과 관리 및 문화 측면에서 변화 관리 추진 Agile 개발 방법론의 활용 –2-4주 분량의 개발 작업 단위로 Sprint를 구성 –Sprint 별로 산출물을 작성하고 테스트, 검토하여 완성 –순환적으로 개발 범위 확대 데이터 처리/관리 구현은 Bottom-up 방식 & 데이터 사용은 Top-down 방식 적용 통합 관리되는 Data와 개별 관리되는 Data를 분리 운영 –실무 부서가 일정 수준 Data controllability를 갖도록 함
  15. 15. Automated (자동화/효율화) Unified (통합적인) Pervasive (어디서나 누구에게나) 많은 수의 BI Vendor들이 Agility를 표방하며 솔루션을 제공하고 있으나… Agile BI 솔루션 현황 솔루션마다 나름의 방식으로 Agility 구현 시도 Agility를 표방하는 솔루션 Agility 구현 방식 In-memory approach 예시 그 외 GUI 방식 Data 모델링, Widget 기반 BI report 구성 등 다양한 방식의 도입 시도 Approach 대표 Vendors In-memory OLAP IBM, Actuate Columnar DB Tableau Associative DB QlikView In-memory ROLAP MicroStrategy In-memory spreadsheet Microsoft PowerPivot Agile BI 솔루션 요구 역량1) 1) Trends 2011 And Beyond: Business Intelligence, Forrester report, 2011 Limitless (제약 없는)
  16. 16. 요구 사항을 성공적으로 충족시키는 솔루션은 거의 없는 상황임 Agile BI 솔루션의 한계 과도한 Infra/라이선스 비용 대용량 데이터 처리의 한계 여전히 사용하기 어려운 Tool 통합적인 기능 제공 부족 시중 솔루션에 대한 반응 다수 In-memory 솔루션의 경우, 요구 성능 구현을 위해 추가적인 메모리 용량 확보 필요, 이에 따른 추가 비용 발생 Enterprise 급 전통 BI 대비 비용 경쟁력이 떨어지는 솔루션 1) BI leadership forum, 2012 Visualization 중심의 솔루션 경우, Data 처리 역량 부족 & 추가적인 ETL/DW 확보 필요 역으로 Data processing 기능이 있으나, 풍부한 Visualization 역량이 부족한 솔루션 In-memory MOLAP/ROLAP 솔루션의 경우, 물리적인 메모리 크기에 따라 Data size 제한 대용량 데이터에 대해 기대 수준에 맞는 연산 성능을 충족시키는 솔루션 부재 Challenges of Self-service BI 1) 42% 73% Tool 관련 사용자 혼란 발생 생각보다 많은 훈련이 필요함 많은 수의 사용자들이 Tool을 활용해 Data 및 Report 작업하는데 어려움을 호소함
  17. 17. 목 차 I.기존 BI Platform의 한계 II.차세대 BI Practice으로의 진화 : Agile BI III.최적의 Agile BI 솔루션 ‘SiSense’ IV.Agile BI 전문 Partner ‘PLAN-iT Partners’
  18. 18. 견고함과 성능, Agile BI tool로서의 민첩성을 모두 갖춘 차세대 BI 솔루션임 SiSense 소개 Columnar In-memory & In-chip 기술 기반 ETL에서 Analytics 구성까지 사용자 주도로 진행 가능한 All-in-one Agile 솔루션 Agility BI 솔루션의 요구 기능 Automated (자동화/효율화) 전체 BI 개발 단계를 구현할 수 있고, 개발 작업이 효율화된 기능 Set Unified (통합적인) 이종 Data source의 자유롭고 편리한 통합 & 복잡한 데이터 처리 역량 Limitless (제약 없는) 쉽고 풍부한 Report 시각화 및 제약 없는 Report layout 구성 Pervasive (쉽고 보편적인) 비 전문가도 쉽게 데이터/리포트 구성 가능 다양한 개발/이용 환경에 적용 가능
  19. 19. 전세계 49개국 500여 개 Site 대상으로 성공적으로 서비스 제공 중임 SiSense reference site Transportation Medical products Media & Entertainment Travel & Tourism Retail & logistics IT service Food Governmental & public sector Education High tech IT software Financial Services Industrial Goods Consumer Goods Partial list * 2014.01 현재 기준
  20. 20. 작업 용이성, 빠른 조회 속도, 우수한 비용 효율성을 보유함 SiSense의 차별화 Point 및 Benefit Biz user가 직접 Modeling 및 보고서 구성 가능 SiSense의 Benefit •업무 요구사항의 변화에 민첩하게 대응함으로써 시스템 제공 가치를 극대화 •빠른 조회 속도를 통해 BI service의 활용도를 높임 BI 제공 가치 극대화 Q1 Q2 Q3 Q4 Q5 Biz 요구사항 Second Phase First Phase Traditional BI First Phase Second Phase Discovery Tools 요구 기능, 정보 –간단한 Data processing 학습을 통해 직접 Modeling 및 Report 구성 가능 –타 Data discovery tool 대비 훨씬 쉽고 안정적인 기능 제공 SiSense의 차별화 Point 보통의 Infra를 활용해 빠른 조회 속도 확보 –BI user가 요구하는 가장 중요한 사항 중 하나가 빠른 조회 속도임 –SiSense 만의 특수한 기술을 활용하여 Commodity infra를 통해서도 우수한 Performance 확보 우수한 개발 생산성 및 저렴한 가격 –Traditional BI 대비 훨씬 짧은 개발 기간 소요 –경쟁력 있는 License fee 기반으로 여타 Solution 대비 매우 저렴한 TCO 수준 보유
  21. 21. 직관적인 GUI를 통해 Data processing 및 Modeling을 구현할 수 있슴 SiSense의 강점 – Data modeling 용이성 Drag & drop을 통해 모델링 외부 소스에 대한 자유로운 통합 –3,600만 건 로딩에 2분 30초 소요 빠른 로딩 속도 Column 추가, 조정 용이 –Excel 함수와 유사한 방식의 Data control –사용자 Query 문 적용 가능
  22. 22. 풍부한 Component 표현, 자유로운 배치 등 제약 없는 Report 구성이 가능함 SiSense의 강점 – 제약 없는 화면 구성 풍부한 Visualization –Option 및 Filtering control을 통해 풍부한 Visualization 표현 –필요한 산식을 적용한 새로운 Index 생성 가능 자유롭게 원하는 format 구성 –구성 요소를 Drag & drop 통해 배치 및 크기 조정 가능 –Filtering option control 용이 제한 없는 Drill-down –Drill down 분석 축을 자유롭게 선택
  23. 23. * 2013년 San Jose에서 열린 Strata Conference 내 10x10x10 Challenge 행사에서 가장 빠른 조회 속도를 지닌 Tool로 선정 •Memory 상에 Data를 올려 놓고 Disk I/O 없이 Query 수행 •Column 방식을 통해 메모리 운영 효율 및 유연성 증진 –기존 In-memory tool의 한계 극복 Column 기반 Memory DB In-chip technology Query block 재활용 •Chip 내부 Cache Memory를 Data 저장 및 연산에 활용 -Chip 메모리는 기존 IMDB tool 대비 50-100배 빠른 Data 처리 -Data 병렬 처리(SIMD) •기 수행된 Query를 block 단위로 나누어 Cache 저장 및 재활용 -더 많은 Query가 실행될수록 더 빠른 결과 값 출력 가능 -동시에 수천 개의 Query 처리 가능 Memory Chip Memory 활용 방식 SiSense의 강점 – High performance 일반 서버 ($10,000 수준)에서 10 Terabyte data를 10초에 분석 수행* Column 기반 memory DB 등 SiSense 만의 기술력으로 탁월한 성능을 발휘함
  24. 24. 경쟁 솔루션 대비 우수한 가격 경쟁력 및 개발 생산성을 보유하고 있음 개발 기간 S/W 비용 H/W 비용 BI & 산업 전문가 이용 비용 기술 전문가 이용 비용 SiSense Weeks Low Low Low Low Enterprise BI Months High High High High In-Memory Weeks-Months Medium High High High Visualization tool Days-Weeks High Low Medium Low Hadoop Months No High High High SiSense의 강점 -Agile 방법론 기반 작업 진행 가능 -Power user가 IT 인력과 협력, 참여 -Query, script 작성 최소화 -저렴한 인당 Subscription fee -서버 Platform 단위 비용 없음 -사용자 규모 증가에 따라 할인 적용 -일반 Spec의 서버 기반 기동 -추천 사양 > 64-bit Win, 32GB RAM, 8 logical cores (수백만 Data row & 수십 명 User) -기본적인 사용법 학습을 통해 자체적 분석, 구현 가능 -Dashboard file template을 통해 참고 가능 -일반 서버에 간단한 Install을 통해 Infra 구현 가능 -이용하기 쉬운 Configuration option 제공 타 솔루션의 특징 -거의 모든 요구 사항에 대해 별도의 Query/script 작성 필요 -In-Memory 솔루션 또한 일정 수준 Script 필요 -일반적으로 Site 당 억 대 수준의 비용 발생 예상 -Subscription 이라도 구축 Platform에 대해 상당 수준의 비용 발생 -In-Memory & 전통 BI 솔루션의 경우 高 사양 Spec 필요 -Hadoop의 경우 일정 규모 이상의 서버 팜 Infra 필요 -요구 사항 분석 및 Infra 환경에 맞는 report 디자인을 위해 전문가 필요 -일부 Tool 경우, 훈련을 통해 사용자 자체 수행 가능 -요구 사항에 맞는 Infra 환경 구현을 위해 전문가 필요 -일부 Tool 및 기능의 경우 내부 인력 활용 가능 SiSense의 강점 – 가격 경쟁력 및 개발 생산성
  25. 25. WeFi는 성공적으로 고객들의 Usage와 Infra 관련 Insight를 도출하고 있음 Case study - WeFi •쉽게 최적의 WiFi N/W를 검색하고 사용하게 해주는 서비스 제공 –전세계 7,500만 개 WiFI A/P가 검색되어 있음 –사용자 Community를 통해 수집된 WiFi 정보들을 취합, 정제하여 관리하고 있음 Overview Challenge Solution •기존에 SQL query를 통해 분석 report 작성했으나, •매우 저조한 Performance로 인해 제대로 수행 못 함 –수백만의 사용자들에 대해 한 모델 당 평균 500만 Row의 table이 13개 존재 –WiFi N/W point 관리 Table : 7,000만 Row –Activity record table : 5억 Row •As-is Data를 SiSense DB로 이전 후 신규 발생 Log는 DB 서버에 직접 적재하는 방식으로 구현 •현재 IT 담당자는 더 이상 개별 Query 작성을 하지 않고, 사용자가 직접 Report를 작성하는 방식으로 이용 중 •3개 영역 관련 BI report 이용 중 –Retention activity and data acquisition behavior of millions of WeFi users –Performance and activity of wireless networks users connect with –The activity records of active clients
  26. 26. WIX는 이질적인 Data source를 성공적으로 통합하여 BI service를 운영 중임 Case study – WIX •Web site 개발 플랫폼을 통해 고객이 web site를 구축 및 운영할 수 있게 서비스 제공 –Platform 내 Template을 활용하여 사용자가 쉽고 간단하게 Home page 및 web site를 제작할 수 있음 –13년 말 현재 4,200만 등록 사용자 보유 Overview Challenge Solution •기존 보고서 작성 환경은 매우 느리고 작업 시간도 많이 소요됨에 따라 불만 증가 •새로운 분석 Needs를 전혀 충족시키지 못함 –다양한 소스를 활용, 고객 행동 data 분석 및 Insight 도출 필요 –유료/무료 이용 고객 간 사용 pattern 분석 필요 –업무 변화 Needs에 빠른 대응 –마케팅 캠페인 및 사용자 behavior를 tracking하기 위한 분석 리포트 –Non-IT employees 또한 쉽게 바꾸어 쓸 수 있는 OLAP 기능 •다수 솔루션에 대한 검토를 통해 최종적으로 SiSense 선택 –대용량 처리 능력 및 Flexible한 리포트 구성 역량을 높게 평가 •외부 전문가의 도움 없이 내부 BI 분석 담당자가 직접 설치 및 운영 중 –MS-SQL, Oracle, MySQL databases, Excel, 및 CSV files, 그리고 Google Analytics data까지 포괄하여 BI system 구현 –빠른 data processing 속도를 통해 사용자의 needs에 맞게 Flexible한 서비스 제공 중
  27. 27. SiSense Architecture Web based BI studio SiSense는 BI server layer 및 Front end app layer로 구성된 Full stack BI tool임
  28. 28. 목 차 I.기존 BI Platform의 한계 II.차세대 BI Practice으로의 진화 : Agile BI III.최적의 Agile BI 솔루션 ‘SiSense’ IV.Agile BI 전문 Partner ‘PLAN-iT Partners’
  29. 29. 플랜잇은 BI system 구축과 Consulting 서비스를 모두 보유한 업체임 플랜잇의 주력 사업 분야 다양한 BI Tool을 활용한 시스템 구축 경험 10년 이상 축적 SiSense는 물론 SAP, QlikView, Tableau, BIRST 등 최신 솔루션 경험 다수 BI System 서비스 IT Solution 서비스 Consulting 서비스 실질적인 고객 가치를 창출하는 Total BI Service 기업 강력한 자체 솔루션 개발 역량과 경험 보유 Big Data 분석 엔진, Cloud 기반 연말정산 등 상용 서비스 구현 기업 IT 부서의 성과 극대화를 위한 전략적 접근 제안 국내외 전략 컨설팅사 인력을 보유하여 고객사 문제해결 지원
  30. 30. 플랜잇은 풍부한 업무 경험을 갖춘 우수한 인력을 보유하고 있음 플랜잇의 주요 인력 약력 Name Education Career 대표 정성일 •포항공대 기계공학 •삼성SDS, 삼정PwC, 디포커스, Microsoft •IT 컨설팅 및 BI 구축 프로젝트 Leading (SKT, 한화생명, 신한은행, 석유공사, MS, 교보생명, KT, 볼보 Global 등) 컨설팅 임동우 •서울대 정치학 •LG CNS, 네모파트너스 •성장 전략, PI, IT 컨설팅, BI 기획 프로젝트 Leading (삼성전자, SKT, MS, SONY, 대우증권, 현대중공업, 삼성생명, HYNIX 등) 전상현 •서울대 불문학 •네모파트너스, NHN, A.T. Kearney •성장 전략, 경영진단, PI, BI 기획 프로젝트 성공적으로 Leading (삼성전자, 삼성화재, 삼성증권, 위니아만도, 대우증권, KTIS, 철도청, NHN 등) BI 홍정일 •포항공대 산업공학 •디포커스, 삼정KPMG •다수 BI 프로젝트 Leading (S-OIL, SKT, 한화생명, 남부발전, SK이노베이션, 호텔신라, 대교 등) 안신홍 •포항공대 기계공학 •서울대 MBA •삼정PwC, 디포커스, 한국신용평가정보, 삼성SDS •IT 컨설팅 및 BI 프로젝트 Leading (중부발전, KBS, 롯데면세점, CJ, KT, 현대모비스, 한신평 등) 솔루션 문일수 •숭실대 컴퓨터공학 •비 정형/대량 Log 분석 솔루션, 문서 보안 로그 분석 솔루션, 연말정산 솔루션, 작업자 안전 정보 솔루션, 유량계측 솔루션 등 신정환 •연세대학교 본대학원 세라믹공학과 •동부CNI •그룹웨어, 포털, 전자결재 및 성과관리 솔루션 개발, 서비스 (동부CNI, 동부그룹, 동부화재, 대한석유공사 등), 구글 앱스 및 서비스 사업 추진
  31. 31. 다양한 플랫폼 기반 및 대형 Site 중심의 관련 Reference를 보유하고 있음 플랜잇의 주요 Reference 사업 명 사업내용 참여기간 발주 처 주관 부서 비고 경영 BI 경영지표 관리시스템 구축 2013.10 ~ 2014.01 국내 선도 통신사 BI System Birst 기반 자산운용 BI 자산 운용 현황 및 수익성 분석을 위한 통합적 BI 시스템 2013.05 ~ 2014.02 국내 선도 보험사 BI System SAP 기반 SCM BI 시스템 설계/구축 거래처 업무, 시장 현황, 수요 예측, 수익성 등 전사 통합적 BI 시스템 2013.08 ~ 2013.12 Global 전자 제조사 BI System / Consulting QlikView 기반 연말 정산 솔루션 Cloud & SAP base 연말 정산 솔루션 2013.09 ~ 2013.12 보험사 외 15개 사 솔루션 작업자 안전 정보 Tracking 시스템 작업자 위치 파악 및 안전 현황 실시간 모니터링 2013.07 ~ 2013.10 Global 전자 제조사 솔루션 Big Data Analytics 기획 Mobile 단말 로그 분석을 위한 Analytics platform & service 기획 2013.05 ~ 2013.06 정부 Consulting Splunk 기반 유량 계측 시스템 기지 내 잔여 유량 자동 계측 및 Alert 시스템 2013.03 ~ 2013.06 Global 전자 제조사 솔루션 Cloud Transition Cloud 관리 운영 체계 수립 2013.03 ~ 2013.04 전자 외 5개사 Consulting MS system center 영업 BI (모바일) 영업 현황 분석을 위한 BI 시스템 2012.08 ~ 2012.11 Global 전자 제조사 BI System QlikView 기반 Big data 솔루션 비 정형/대량 Log 검색/분석을 위한 솔루션 2012.01 ~ 2012.09 정부 솔루션 Adv. CPFR Sell-thru 고도화를 위한 BI System 구축 2012.06 ~ 2012.08 Global 전자 제조사 Consulting SAP 기반 생산 성과 분석 시스템 구축 생산 현황 및 성과 분석 목적의 BI System 구축 2011.04 ~ 2011.11 Global 선도 중공업 Consulting SAP 기반
  32. 32. 플랜잇은 BI 관련 모든 주제 영역에 대해 서비스 구현이 가능함 플랜잇의 BI 서비스 제공 영역 BI System 서비스의 고객 제공 가치 “사업 운영에 유의미한 Data를 수집 - 관리하여, Top mgmt.부터 기업 내 분석가, 현장 직원에게 가치 있는 정보 분석 서비스를 제공해야 함 가치기반 중장기 사업계획 VBM 시스템 기준 전달 전략 전달 계획/ 실적 집계 Risk 산출 ERM 시스템 정보의 추출/변환/저장 경영계 Data Warehouse 모니터링 & 피드백 임원정보시스템 Dashboard KPI 성과 및 Risk 연간 경영계획 수립 BPS 시스템 성과 관리 BSC 시스템 (사업, 조직별 KPI 관리) 목표 전달 경영계 Data Mart BI 포탈 Do Plan See
  33. 33. Scrum 기반의 Agile 방법론을 기반으로 개발 작업을 진행함 플랜잇의 Agile BI 개발 방법론 기본적인 Scrum 수행 방식의 고객 전달을 통해 Agile 개발 방법론을 정착시킴 Release Planning/ Sprint 0 Sprint 1 Sprint 2 Sprint 3 Plan Plan Plan Launch Launch Launch Project Governance & Process Control Start of Sprint Report and Checklist Review and Retrospective Release Gate Meeting & checklist Scrum Adoption Guidelines Weekly reviews & reports Planning activity Periodic activity Service engineering tasks * Scrum and EDP4EU를 참조한 PLAN-iT의 Scrum 방법론
  34. 34. Agile BI 운영/관리 체계 구축을 위한 가이드를 제공함 플랜잇의 Agile BI 관리 체계 구현 Agile BI 적용 영역 및 방식 정의 1 Governance 체계 수립 활성화 방안 수립 3 성공적인 Agile BI 도입 2 누가 어떤 방식으로 Agile BI 기반으로 개발하고 이용하는지에 대한 정의 정의된 개발 절차가 어떤 영역에서 적용되는지에 대한 정의 Agile BI Risk를 해소하기 위해 주요 관리 Point 정의 관리 Point 별로 관리 주체, 대상, 프로세스에 대한 개괄 정의 Agile BI 체계의 성공적 확산을 위한 활성화 방안 Ideation 도출된 방안 별로 추진 방안 수립
  35. 35. Agile BI Track 내 단계 별 상세 내용 및 적용 영역을 정의함 플랜잇의 Agile BI 관리 체계 구현 상세 Agile BI track의 상세 작동 방식 정의 기존 BI Track ODS Data Preparation Data modeling Data mart, Repository Analysis, Report Governance, ETL EDW Data mart 기간계 Agile BI Track Data Source Data Preparation Agile BI Data mart Analysis, Report 검색 추가 ETL Cleansing 자체 개발 확장 변용 Data modeling 기능/절차 DB 관리 기능/절차 Static report Interactive report Ad Hoc Query Data discovery 등 보고서 유형 전사 Master DB 독자 Mapping DB 외부 Data source Data source 부서 개별 Power user 사용자 Modeling 가능 영역/수준 Processing 가능 영역/수준 Data processing 적용 영역
  36. 36. Agile BI 적용 방식 내 관리 Node 별로 Task와 기준을 설정함 플랜잇의 Agile BI 관리 체계 구현 상세 IT Admin Cubes Enterprise Data source DW/DM ODS 신규 Data 공유된 Data set External Data source 1 Data source 관리 Tasks 2 3 Power user 4 Deploy 승인 Workflow 5 BI App 혹은 Portal Info Consumer BI report 관리 Tasks 6 7 신규 Data source 편입 Data source 검증/관리 -보안, 버전 관리, Glossary 관리, 사용 모니터링, 오류 검사 등 검증된 Data source 배포 BI report 개발 배포를 위한 승인 절차 Application 검증/관리 -보안, 오류 검증, Glossary 관리 등 BI report 공유, 확산 관리 1 2 3 4 5 6 7 주요 관리 Node

×