SlideShare a Scribd company logo

UNUS BEANs 소개서 20141015

UNUS의 BigData Solution인 BEANs에 대한 소개서 입니다.

1 of 16
Download to read offline
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

Recommended

빅데이터의 이해
빅데이터의 이해빅데이터의 이해
빅데이터의 이해수보 김
 
빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)동학 노
 
빅데이터 시대 새로운 신기술과 활용방향
빅데이터 시대 새로운 신기술과 활용방향빅데이터 시대 새로운 신기술과 활용방향
빅데이터 시대 새로운 신기술과 활용방향Webometrics Class
 
시나리오로 알아보는 빅데이터 대응전략(배포용) Dh kim-2013-3-21
시나리오로 알아보는 빅데이터 대응전략(배포용) Dh kim-2013-3-21시나리오로 알아보는 빅데이터 대응전략(배포용) Dh kim-2013-3-21
시나리오로 알아보는 빅데이터 대응전략(배포용) Dh kim-2013-3-21Donghan Kim
 
빅데이터 기술 및 시장동향
빅데이터 기술 및 시장동향빅데이터 기술 및 시장동향
빅데이터 기술 및 시장동향atelier t*h
 
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410Peter Woo
 
빅데이터_ISP수업
빅데이터_ISP수업빅데이터_ISP수업
빅데이터_ISP수업jrim Choi
 

More Related Content

What's hot

Big Data 대충 알아보기
Big Data 대충 알아보기Big Data 대충 알아보기
Big Data 대충 알아보기iron han
 
빅데이터 기본개념
빅데이터 기본개념빅데이터 기본개념
빅데이터 기본개념현주 유
 
[코세나, kosena] 빅데이터 구축 및 제안 가이드
[코세나, kosena] 빅데이터 구축 및 제안 가이드[코세나, kosena] 빅데이터 구축 및 제안 가이드
[코세나, kosena] 빅데이터 구축 및 제안 가이드kosena
 
빅데이터 이용 사례 분석
빅데이터 이용 사례 분석빅데이터 이용 사례 분석
빅데이터 이용 사례 분석ko donghwi
 
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)Channy Yun
 
Process for Big Data Analysis
Process for Big Data AnalysisProcess for Big Data Analysis
Process for Big Data AnalysisMyunggoon Choi
 
Pag 빅데이터-한국에도필요한가
Pag 빅데이터-한국에도필요한가Pag 빅데이터-한국에도필요한가
Pag 빅데이터-한국에도필요한가Wooseung Kim
 
빅데이터 이용 사례 분석 2
빅데이터 이용 사례 분석 2빅데이터 이용 사례 분석 2
빅데이터 이용 사례 분석 2ko donghwi
 
빅데이터란?
빅데이터란?빅데이터란?
빅데이터란?Yoseop Shin
 
집단지성 프로그래밍 01-데이터마이닝 개요
집단지성 프로그래밍 01-데이터마이닝 개요집단지성 프로그래밍 01-데이터마이닝 개요
집단지성 프로그래밍 01-데이터마이닝 개요Kwang Woo NAM
 
2015 경영과 정보기술 - 빅데이터(Big Data)
2015 경영과 정보기술 - 빅데이터(Big Data)2015 경영과 정보기술 - 빅데이터(Big Data)
2015 경영과 정보기술 - 빅데이터(Big Data)kyunguk_Kim
 
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)Saltlux zinyus
 
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.kosena
 
빅데이터 활용사례 by GoldenWired INC.
빅데이터 활용사례 by GoldenWired INC.빅데이터 활용사례 by GoldenWired INC.
빅데이터 활용사례 by GoldenWired INC.Byounghee Kim
 
빅데이터 처리기술의 이해
빅데이터 처리기술의 이해빅데이터 처리기술의 이해
빅데이터 처리기술의 이해paul lee
 
MelOn 빅데이터 플랫폼과 Tajo 이야기
MelOn 빅데이터 플랫폼과 Tajo 이야기MelOn 빅데이터 플랫폼과 Tajo 이야기
MelOn 빅데이터 플랫폼과 Tajo 이야기Gruter
 
데이터마이닝의 개요
데이터마이닝의 개요데이터마이닝의 개요
데이터마이닝의 개요Chris Kim
 

What's hot (20)

Bigdata
BigdataBigdata
Bigdata
 
빅데이터 개요
빅데이터 개요빅데이터 개요
빅데이터 개요
 
Big Data 대충 알아보기
Big Data 대충 알아보기Big Data 대충 알아보기
Big Data 대충 알아보기
 
빅데이터 기본개념
빅데이터 기본개념빅데이터 기본개념
빅데이터 기본개념
 
[코세나, kosena] 빅데이터 구축 및 제안 가이드
[코세나, kosena] 빅데이터 구축 및 제안 가이드[코세나, kosena] 빅데이터 구축 및 제안 가이드
[코세나, kosena] 빅데이터 구축 및 제안 가이드
 
빅데이터 이용 사례 분석
빅데이터 이용 사례 분석빅데이터 이용 사례 분석
빅데이터 이용 사례 분석
 
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
 
Process for Big Data Analysis
Process for Big Data AnalysisProcess for Big Data Analysis
Process for Big Data Analysis
 
Pag 빅데이터-한국에도필요한가
Pag 빅데이터-한국에도필요한가Pag 빅데이터-한국에도필요한가
Pag 빅데이터-한국에도필요한가
 
빅데이터 이용 사례 분석 2
빅데이터 이용 사례 분석 2빅데이터 이용 사례 분석 2
빅데이터 이용 사례 분석 2
 
빅데이터란?
빅데이터란?빅데이터란?
빅데이터란?
 
집단지성 프로그래밍 01-데이터마이닝 개요
집단지성 프로그래밍 01-데이터마이닝 개요집단지성 프로그래밍 01-데이터마이닝 개요
집단지성 프로그래밍 01-데이터마이닝 개요
 
2015 경영과 정보기술 - 빅데이터(Big Data)
2015 경영과 정보기술 - 빅데이터(Big Data)2015 경영과 정보기술 - 빅데이터(Big Data)
2015 경영과 정보기술 - 빅데이터(Big Data)
 
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
 
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
 
빅데이터 활용사례 by GoldenWired INC.
빅데이터 활용사례 by GoldenWired INC.빅데이터 활용사례 by GoldenWired INC.
빅데이터 활용사례 by GoldenWired INC.
 
빅데이터 처리기술의 이해
빅데이터 처리기술의 이해빅데이터 처리기술의 이해
빅데이터 처리기술의 이해
 
Hadoop 기반 빅데이터 이해
Hadoop 기반 빅데이터 이해Hadoop 기반 빅데이터 이해
Hadoop 기반 빅데이터 이해
 
MelOn 빅데이터 플랫폼과 Tajo 이야기
MelOn 빅데이터 플랫폼과 Tajo 이야기MelOn 빅데이터 플랫폼과 Tajo 이야기
MelOn 빅데이터 플랫폼과 Tajo 이야기
 
데이터마이닝의 개요
데이터마이닝의 개요데이터마이닝의 개요
데이터마이닝의 개요
 

Viewers also liked

[메조미디어] Man 네트워크 소개서 2015 version6_2
[메조미디어] Man 네트워크 소개서 2015 version6_2[메조미디어] Man 네트워크 소개서 2015 version6_2
[메조미디어] Man 네트워크 소개서 2015 version6_2Jiwon Yoon
 
[4]iv.경험디자인을 통한 생산성 향상 coex 110822
[4]iv.경험디자인을 통한 생산성 향상 coex 110822[4]iv.경험디자인을 통한 생산성 향상 coex 110822
[4]iv.경험디자인을 통한 생산성 향상 coex 110822uEngine Solutions
 
JVM과 톰캣 튜닝
JVM과 톰캣 튜닝JVM과 톰캣 튜닝
JVM과 톰캣 튜닝Mungyu Choi
 
홍익경영혁신2015 b131378
홍익경영혁신2015 b131378홍익경영혁신2015 b131378
홍익경영혁신2015 b131378Jisubi
 
Ssl 하드웨어 가속기를 이용한 성능 향상
Ssl 하드웨어 가속기를 이용한 성능 향상Ssl 하드웨어 가속기를 이용한 성능 향상
Ssl 하드웨어 가속기를 이용한 성능 향상knight1128
 
Ch6 대용량서비스레퍼런스아키텍처 part.1
Ch6 대용량서비스레퍼런스아키텍처 part.1Ch6 대용량서비스레퍼런스아키텍처 part.1
Ch6 대용량서비스레퍼런스아키텍처 part.1Minchul Jung
 
조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝
조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝
조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝Mungyu Choi
 
생산성 측정을 통한 인력관리의 혁신
생산성 측정을 통한 인력관리의 혁신생산성 측정을 통한 인력관리의 혁신
생산성 측정을 통한 인력관리의 혁신Minsu Kim
 
TTA H/W 규모산정 지침 Ttak.ko 10.0292
TTA H/W 규모산정 지침 Ttak.ko 10.0292TTA H/W 규모산정 지침 Ttak.ko 10.0292
TTA H/W 규모산정 지침 Ttak.ko 10.0292sam Cyberspace
 
H/W 규모산정기준
H/W 규모산정기준H/W 규모산정기준
H/W 규모산정기준sam Cyberspace
 
경영 혁신 15.10.25
경영 혁신 15.10.25경영 혁신 15.10.25
경영 혁신 15.10.25Jisubi
 
Ch10.애플리케이션 서버의 병목_발견_방법
Ch10.애플리케이션 서버의 병목_발견_방법Ch10.애플리케이션 서버의 병목_발견_방법
Ch10.애플리케이션 서버의 병목_발견_방법Minchul Jung
 
안드로이드 리스트뷰 최적화 사례 연구
안드로이드 리스트뷰 최적화 사례 연구안드로이드 리스트뷰 최적화 사례 연구
안드로이드 리스트뷰 최적화 사례 연구Hyun Cheol
 
어플리케이션 성능 최적화 기법
어플리케이션 성능 최적화 기법어플리케이션 성능 최적화 기법
어플리케이션 성능 최적화 기법Daniel Kim
 
서버성능개선 류우림
서버성능개선 류우림서버성능개선 류우림
서버성능개선 류우림우림 류
 
람다아키텍처
람다아키텍처람다아키텍처
람다아키텍처HyeonSeok Choi
 

Viewers also liked (16)

[메조미디어] Man 네트워크 소개서 2015 version6_2
[메조미디어] Man 네트워크 소개서 2015 version6_2[메조미디어] Man 네트워크 소개서 2015 version6_2
[메조미디어] Man 네트워크 소개서 2015 version6_2
 
[4]iv.경험디자인을 통한 생산성 향상 coex 110822
[4]iv.경험디자인을 통한 생산성 향상 coex 110822[4]iv.경험디자인을 통한 생산성 향상 coex 110822
[4]iv.경험디자인을 통한 생산성 향상 coex 110822
 
JVM과 톰캣 튜닝
JVM과 톰캣 튜닝JVM과 톰캣 튜닝
JVM과 톰캣 튜닝
 
홍익경영혁신2015 b131378
홍익경영혁신2015 b131378홍익경영혁신2015 b131378
홍익경영혁신2015 b131378
 
Ssl 하드웨어 가속기를 이용한 성능 향상
Ssl 하드웨어 가속기를 이용한 성능 향상Ssl 하드웨어 가속기를 이용한 성능 향상
Ssl 하드웨어 가속기를 이용한 성능 향상
 
Ch6 대용량서비스레퍼런스아키텍처 part.1
Ch6 대용량서비스레퍼런스아키텍처 part.1Ch6 대용량서비스레퍼런스아키텍처 part.1
Ch6 대용량서비스레퍼런스아키텍처 part.1
 
조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝
조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝
조대협의 서버 사이드 - 대용량 아키텍처와 성능튜닝
 
생산성 측정을 통한 인력관리의 혁신
생산성 측정을 통한 인력관리의 혁신생산성 측정을 통한 인력관리의 혁신
생산성 측정을 통한 인력관리의 혁신
 
TTA H/W 규모산정 지침 Ttak.ko 10.0292
TTA H/W 규모산정 지침 Ttak.ko 10.0292TTA H/W 규모산정 지침 Ttak.ko 10.0292
TTA H/W 규모산정 지침 Ttak.ko 10.0292
 
H/W 규모산정기준
H/W 규모산정기준H/W 규모산정기준
H/W 규모산정기준
 
경영 혁신 15.10.25
경영 혁신 15.10.25경영 혁신 15.10.25
경영 혁신 15.10.25
 
Ch10.애플리케이션 서버의 병목_발견_방법
Ch10.애플리케이션 서버의 병목_발견_방법Ch10.애플리케이션 서버의 병목_발견_방법
Ch10.애플리케이션 서버의 병목_발견_방법
 
안드로이드 리스트뷰 최적화 사례 연구
안드로이드 리스트뷰 최적화 사례 연구안드로이드 리스트뷰 최적화 사례 연구
안드로이드 리스트뷰 최적화 사례 연구
 
어플리케이션 성능 최적화 기법
어플리케이션 성능 최적화 기법어플리케이션 성능 최적화 기법
어플리케이션 성능 최적화 기법
 
서버성능개선 류우림
서버성능개선 류우림서버성능개선 류우림
서버성능개선 류우림
 
람다아키텍처
람다아키텍처람다아키텍처
람다아키텍처
 

Similar to UNUS BEANs 소개서 20141015

UNUS Big Data BEANs 소개서
UNUS Big Data BEANs 소개서 UNUS Big Data BEANs 소개서
UNUS Big Data BEANs 소개서 영민 최
 
[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...
[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...
[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...Amazon Web Services Korea
 
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기Amazon Web Services Korea
 
비즈니스 인텔리전스 솔루션 사이센스 퀵스타트 프로그램
비즈니스 인텔리전스 솔루션 사이센스 퀵스타트 프로그램비즈니스 인텔리전스 솔루션 사이센스 퀵스타트 프로그램
비즈니스 인텔리전스 솔루션 사이센스 퀵스타트 프로그램Stefano_Shin
 
Nexpom - SPC for based on Big Data
Nexpom - SPC for based on Big DataNexpom - SPC for based on Big Data
Nexpom - SPC for based on Big DataHwan Lee
 
Tableau : Leader of Agile BI
Tableau : Leader of Agile BITableau : Leader of Agile BI
Tableau : Leader of Agile BIPlanit-partners
 
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)Treasure Data, Inc.
 
Google analytics in business
Google analytics in businessGoogle analytics in business
Google analytics in businessTae Young Lee
 
[한국IBM] 비정형데이터분석 WEX 솔루션 소개
[한국IBM] 비정형데이터분석 WEX 솔루션 소개[한국IBM] 비정형데이터분석 WEX 솔루션 소개
[한국IBM] 비정형데이터분석 WEX 솔루션 소개Sejeong Kim 김세정
 
Predictive analytics를 위한 alteryx
Predictive analytics를 위한 alteryxPredictive analytics를 위한 alteryx
Predictive analytics를 위한 alteryxPikdata Inc.
 
Tableau Quick start introduction
Tableau Quick start introductionTableau Quick start introduction
Tableau Quick start introductionPlanit-partners
 
[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서
[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서
[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서엔에이치엔디엔티(NHN D&T)
 
[BizSpring] Data Consulting_사례집.pdf
[BizSpring] Data Consulting_사례집.pdf[BizSpring] Data Consulting_사례집.pdf
[BizSpring] Data Consulting_사례집.pdfBizSpring Inc.
 
SiSense 사이센스 True Agile BI 솔루션
SiSense 사이센스 True Agile BI 솔루션SiSense 사이센스 True Agile BI 솔루션
SiSense 사이센스 True Agile BI 솔루션Planit-partners
 
인터넷전문은행 Fi-ntechkorea.com
인터넷전문은행  Fi-ntechkorea.com인터넷전문은행  Fi-ntechkorea.com
인터넷전문은행 Fi-ntechkorea.comYong Joon Moon
 
Web develop UI/UX Tool 'SBUx'
Web develop UI/UX Tool 'SBUx'Web develop UI/UX Tool 'SBUx'
Web develop UI/UX Tool 'SBUx'ssuser4e0be8
 
서비스 기획자의 데이터 분석
서비스 기획자의 데이터 분석서비스 기획자의 데이터 분석
서비스 기획자의 데이터 분석YOO SE KYUN
 
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobilityData Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobilityJongho Woo
 
[AWS Summit Seoul 2018 - 베스핀글로벌 미니세션 발표 자료] OpsNow_Cloud Management Platform
[AWS Summit Seoul 2018 - 베스핀글로벌 미니세션 발표 자료] OpsNow_Cloud Management Platform[AWS Summit Seoul 2018 - 베스핀글로벌 미니세션 발표 자료] OpsNow_Cloud Management Platform
[AWS Summit Seoul 2018 - 베스핀글로벌 미니세션 발표 자료] OpsNow_Cloud Management PlatformBESPIN GLOBAL
 

Similar to UNUS BEANs 소개서 20141015 (20)

UNUS Big Data BEANs 소개서
UNUS Big Data BEANs 소개서 UNUS Big Data BEANs 소개서
UNUS Big Data BEANs 소개서
 
[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...
[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...
[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...
 
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
 
비즈니스 인텔리전스 솔루션 사이센스 퀵스타트 프로그램
비즈니스 인텔리전스 솔루션 사이센스 퀵스타트 프로그램비즈니스 인텔리전스 솔루션 사이센스 퀵스타트 프로그램
비즈니스 인텔리전스 솔루션 사이센스 퀵스타트 프로그램
 
Nexpom - SPC for based on Big Data
Nexpom - SPC for based on Big DataNexpom - SPC for based on Big Data
Nexpom - SPC for based on Big Data
 
Tableau : Leader of Agile BI
Tableau : Leader of Agile BITableau : Leader of Agile BI
Tableau : Leader of Agile BI
 
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
 
Google analytics in business
Google analytics in businessGoogle analytics in business
Google analytics in business
 
[한국IBM] 비정형데이터분석 WEX 솔루션 소개
[한국IBM] 비정형데이터분석 WEX 솔루션 소개[한국IBM] 비정형데이터분석 WEX 솔루션 소개
[한국IBM] 비정형데이터분석 WEX 솔루션 소개
 
Predictive analytics를 위한 alteryx
Predictive analytics를 위한 alteryxPredictive analytics를 위한 alteryx
Predictive analytics를 위한 alteryx
 
Tableau Quick start introduction
Tableau Quick start introductionTableau Quick start introduction
Tableau Quick start introduction
 
[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서
[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서
[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서
 
[BizSpring] Data Consulting_사례집.pdf
[BizSpring] Data Consulting_사례집.pdf[BizSpring] Data Consulting_사례집.pdf
[BizSpring] Data Consulting_사례집.pdf
 
SiSense 사이센스 True Agile BI 솔루션
SiSense 사이센스 True Agile BI 솔루션SiSense 사이센스 True Agile BI 솔루션
SiSense 사이센스 True Agile BI 솔루션
 
인터넷전문은행 Fi-ntechkorea.com
인터넷전문은행  Fi-ntechkorea.com인터넷전문은행  Fi-ntechkorea.com
인터넷전문은행 Fi-ntechkorea.com
 
Web develop UI/UX Tool 'SBUx'
Web develop UI/UX Tool 'SBUx'Web develop UI/UX Tool 'SBUx'
Web develop UI/UX Tool 'SBUx'
 
서비스 기획자의 데이터 분석
서비스 기획자의 데이터 분석서비스 기획자의 데이터 분석
서비스 기획자의 데이터 분석
 
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobilityData Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
 
[AWS Summit Seoul 2018 - 베스핀글로벌 미니세션 발표 자료] OpsNow_Cloud Management Platform
[AWS Summit Seoul 2018 - 베스핀글로벌 미니세션 발표 자료] OpsNow_Cloud Management Platform[AWS Summit Seoul 2018 - 베스핀글로벌 미니세션 발표 자료] OpsNow_Cloud Management Platform
[AWS Summit Seoul 2018 - 베스핀글로벌 미니세션 발표 자료] OpsNow_Cloud Management Platform
 
포트윈소개서
포트윈소개서 포트윈소개서
포트윈소개서
 

UNUS BEANs 소개서 20141015

  • 1. 빅 데이터 통합 솔루션 소개서 Big data Analysis Network System 빅 데이터 수집/저장/분석/시각화
  • 2. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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
  • 16. 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