Effective Data Lake : 고객 경험을 통한 사례 탐구 - 유다니엘 솔루션즈 아키텍트, AWS :: AWS Summit Seo...Amazon Web Services Korea
Effective Data Lake : 고객 경험을 통한 사례 탐구
유다니엘 솔루션즈 아키텍트, AWS
Data Lake는 오늘날 데이터 기반에 의사 결정을 하기 위한 가장 일반적인 데이터 분석 아키텍처로 떠오르고 있습니다. 잘 설계된 Data Lake는 기업이 데이터 자산으로부터 가장 많은 비지니스 가치를 창출하도록 보장합니다. 본 세션을 통해 AWS 기반의 Data Lake 아키텍처를 소개하고, 다양한 사례를 통해 AWS 고객들은 데이터 분석 플랫폼을 어떤 방식으로 설계해서 활용하고 있는지 살펴봅니다.
발표영상 다시보기: https://youtu.be/mOwTeZfEzsU
AWS 클라우드는 IT의 새로운 기준을 정립하며 클라우드 컴퓨팅 산업을 혁신하고 있습니다. 본 온라인 세미나에서는 클라우드 컴퓨팅의 개념과 AWS가 제공하는 서비스 소개 및 주요 활용 사례에 대해 소개합니다. 특히 국내에 설립된 서울 리전(Region, 데이터센터 클러스터)에 대한 소개와 더불어 다양한 IT 업무를 위한 AWS 대표 서비스들을 중점적으로 다룰 예정입니다.
Amazon SageMaker는 머신러닝 프로젝트를 위한 통합 플랫폼입니다. SageMaker의 기능 중 Amazon SageMaker Studio는 머신러닝 통합 개발환경을 제공하여, 데이터를 준비에서부터 모델을 빌드, 교육 및 배포하는 데 필요한 모든 단계를 수행할 수 있습니다. Amazon EMR은 Apache Spark, Apache Hive 및 Presto와 같은 오픈 소스 분석 프레임워크를 사용하여 대규모 분산 데이터 처리 작업, 대화형 SQL 쿼리 및 ML 애플리케이션을 실행하기 위한 빅 데이터 플랫폼입니다. 이 세션에서는 데이터 과학자와 ML 엔지니어가 ML 워크플로우에서 분산 빅 데이터 프레임워크를 쉽게 사용할 수 있도록 상호 서비스 간의 통합에 대하여 데모를 통해 알아봅니다.
커머스 스타트업의 효율적인 데이터 분석 플랫폼 구축기 - 하지양 데이터 엔지니어, 발란 / 강웅석 데이터 엔지니어, 크로키닷컴 :: AWS...Amazon Web Services Korea
스타트업에서 빠르게 분석 서비스를 구성하기 위한 AWS 분석 서비스를 활용하고 있습니다. 본 세션에서는 커머스 서비스의 대용량 데이터를 Amazon Kinesis Firehose를 이용하여 실시간으로 사내에 흐르는 중요 데이터를 캡쳐하여 다양한 용도로 사용하는 방법을 알아봅니다. 매달 수백억 건의 사용자 행동 로그를 안정적이고 견고하게 수집하여 인하우스 데이터 분석 방법을 소개합니다. 또한, Amazon Personalize를 통한 개인화 추천 및 Amazon SageMaker를 이용한 이미지분류 등 기계 학습 활용 사례도 공유합니다.
Effective Data Lake : 고객 경험을 통한 사례 탐구 - 유다니엘 솔루션즈 아키텍트, AWS :: AWS Summit Seo...Amazon Web Services Korea
Effective Data Lake : 고객 경험을 통한 사례 탐구
유다니엘 솔루션즈 아키텍트, AWS
Data Lake는 오늘날 데이터 기반에 의사 결정을 하기 위한 가장 일반적인 데이터 분석 아키텍처로 떠오르고 있습니다. 잘 설계된 Data Lake는 기업이 데이터 자산으로부터 가장 많은 비지니스 가치를 창출하도록 보장합니다. 본 세션을 통해 AWS 기반의 Data Lake 아키텍처를 소개하고, 다양한 사례를 통해 AWS 고객들은 데이터 분석 플랫폼을 어떤 방식으로 설계해서 활용하고 있는지 살펴봅니다.
발표영상 다시보기: https://youtu.be/mOwTeZfEzsU
AWS 클라우드는 IT의 새로운 기준을 정립하며 클라우드 컴퓨팅 산업을 혁신하고 있습니다. 본 온라인 세미나에서는 클라우드 컴퓨팅의 개념과 AWS가 제공하는 서비스 소개 및 주요 활용 사례에 대해 소개합니다. 특히 국내에 설립된 서울 리전(Region, 데이터센터 클러스터)에 대한 소개와 더불어 다양한 IT 업무를 위한 AWS 대표 서비스들을 중점적으로 다룰 예정입니다.
Amazon SageMaker는 머신러닝 프로젝트를 위한 통합 플랫폼입니다. SageMaker의 기능 중 Amazon SageMaker Studio는 머신러닝 통합 개발환경을 제공하여, 데이터를 준비에서부터 모델을 빌드, 교육 및 배포하는 데 필요한 모든 단계를 수행할 수 있습니다. Amazon EMR은 Apache Spark, Apache Hive 및 Presto와 같은 오픈 소스 분석 프레임워크를 사용하여 대규모 분산 데이터 처리 작업, 대화형 SQL 쿼리 및 ML 애플리케이션을 실행하기 위한 빅 데이터 플랫폼입니다. 이 세션에서는 데이터 과학자와 ML 엔지니어가 ML 워크플로우에서 분산 빅 데이터 프레임워크를 쉽게 사용할 수 있도록 상호 서비스 간의 통합에 대하여 데모를 통해 알아봅니다.
커머스 스타트업의 효율적인 데이터 분석 플랫폼 구축기 - 하지양 데이터 엔지니어, 발란 / 강웅석 데이터 엔지니어, 크로키닷컴 :: AWS...Amazon Web Services Korea
스타트업에서 빠르게 분석 서비스를 구성하기 위한 AWS 분석 서비스를 활용하고 있습니다. 본 세션에서는 커머스 서비스의 대용량 데이터를 Amazon Kinesis Firehose를 이용하여 실시간으로 사내에 흐르는 중요 데이터를 캡쳐하여 다양한 용도로 사용하는 방법을 알아봅니다. 매달 수백억 건의 사용자 행동 로그를 안정적이고 견고하게 수집하여 인하우스 데이터 분석 방법을 소개합니다. 또한, Amazon Personalize를 통한 개인화 추천 및 Amazon SageMaker를 이용한 이미지분류 등 기계 학습 활용 사례도 공유합니다.
AWS 솔루션을 활용한 마케팅 및 고객 관리 혁신 – 김선수, AWS 아마존 커넥트 사업 담당:: AWS Summit Online Kor...Amazon Web Services Korea
발표영상 다시보기: https://youtu.be/WoOA7wj8ijI
AWS는 개인화 추천 및 멀티 채널 기반 고객 커뮤니케이션을 위한 다양한 서비스와 클라우드 기반의 콜 센터 서비스를 제공하고 있습니다. 본 세션에서는 마케팅, CRM 영역 등에서의 고객 경험을 획기적으로 향상 시킬 수 있는 다양한 솔루션 소개 및 실제 고객 사례를 소개해 드립니다.
AWS 클라우드 핵심 서비스로 클라우드 기반 아키텍처 빠르게 구성하기 - 문종민 솔루션즈 아키텍트, AWS :: AWS Summit Seo...Amazon Web Services Korea
AWS 클라우드 핵심 서비스로 클라우드 기반 아키텍처 빠르게 구성하기
문종민 솔루션즈 아키텍트, AWS
본 세션은 AWS를 처음 접하는 분들을 대상으로 AWS의 150여개 이상의 서비스들 중 가장 중심이 되는 컴퓨팅, 스토리지, 네트워크 등의 핵심 서비스를 기술적 관점에서 소개합니다. 클라우드에서 신규 서비스 구축 및 기존 데이터센터 워크로드를 이전할 때, Amazon EC2, S3 및 RDS, VPC 등의 서비스를 통해 어떻게 빠르게 AWS 상에서 시스템 구축할 수 있는지 살펴봅니다.
데이터 분석가를 위한 신규 분석 서비스 - 김기영, AWS 분석 솔루션즈 아키텍트 / 변규현, 당근마켓 소프트웨어 엔지니어 :: AWS r...Amazon Web Services Korea
AWS re:Invent에서는 다양한 고객들의 요구에 맞추어 새로운 분석 및 서버리스 서비스가 대거 출시되었습니다. 본 강연에서는 새롭게 출시된 핵심 분석 기능들과 함께, 누구나 손쉽게 사용할 수 있는 AWS의 분석 서버리스와 On-demand 기능들에 대한 심층적인 정보를 확인하실 수 있습니다.
효율적인 빅데이터 분석 및 처리를 위한 Glue, EMR 활용 - 김태현 솔루션즈 아키텍트, AWS :: AWS Summit Seoul 2019Amazon Web Services Korea
효율적인 빅데이터 분석 및 처리를 위한 Glue, EMR 활용
김태현 솔루션즈 아키텍트, AWS
AWS에서는 Big Data 분석 및 처리를 위해 분석 목적에 맞는 다양한 Big Data Framework 서비스를 지원합니다. 이 세션에서는 시간이 지날수록 증가하는 데이터의 분석 및 처리를 위해 사용되는 AWS Glue와 Amazon EMR 같은 AWS Big Data Framework의 내부구조를 살펴보고 머신러닝을 포함한 다양한 분석 및 ETL을 위해 효율적으로 사용할 수 있는 방법들을 소개합니다.
E-Commerce 를 풍성하게 해주는 AWS 기술들 - 서호석 이사, YOUNGWOO DIGITAL :: AWS Summit Seoul ...Amazon Web Services Korea
스폰서 발표 세션 | E-Commerce 를 풍성하게 해주는 AWS 기술들
서호석 이사, YOUNGWOO DIGITAL
최근 소비자들의 오프라인에서 온라인으로 이동해가는 강도가 가파르게 상승해가는 추세가 나타나고 있고 이제 E-Commerce 의 중요도는 과거와는 비교되지 않을정도로 높아 비지니스의 승패를 좌우하는 수준에 이르렀습니다. 이번 세션에서는 E-Commerce 를 받쳐주는 AWS 기술들을 살펴보고 미래지향적인 E-Commerce 에 대해 알아보는 시간을 가져보도록 합니다.
AWS Batch는 다양한 컴퓨팅 일괄 처리 작업을 손쉽게 관리해 주는 서비스입니다. 작업 규모에 따라 자동으로 EC2 워크로드 배포를 최적화해 줍니다. 본 세션에서는 AWS Batch의 핵심 개념과 서비스 기능 및 배치 작업의 다양한 처리 패턴 및 다른 서비스와 연동한 처리 방법을 다룹니다. 지난 3월 서울 리전에 출시한 Batch 서비스에 대한 자세한 소개와 함께 다양한 활용 팁을 데모와 함께 소개해 드립니다.
In addition to running databases in Amazon EC2, AWS customers can choose among a variety of managed database services. These services save effort, save time, and unlock new capabilities and economies. In this session, we make it easy to understand how they differ, what they have in common, and how to choose one or more. We explain the fundamentals of Amazon DynamoDB, a fully managed NoSQL database service; Amazon RDS, a relational database service in the cloud; Amazon ElastiCache, a fast, in-memory caching service in the cloud; and Amazon Redshift, a fully managed, petabyte-scale data-warehouse solution that can be surprisingly economical. We’ll cover how each service might help support your application, how much each service costs, and how to get started.
천만 사용자를 위한 AWS 클라우드 아키텍처 진화하기 - 김준형 솔루션즈 아키텍트, AWS :: AWS Summit Seoul 2019Amazon Web Services Korea
천만 사용자를 위한 AWS 클라우드 아키텍처 진화하기
김준형 솔루션즈 아키텍트, AWS
AWS 클라우드는 초기에 적은 비용으로 웹 서비스를 시작하고, 향후 사업이 발전했을 때 천만 이상의 유저가 사용할 수 있는 고가용성, 확장성, 민첩성이 뛰어난 웹 서비스를 만들 수 있습니다. 본 세션에서는 작은 서비스로 시작하여 AWS의 다양한 서비스를 사용하여 천만 이상의 대규모 유저 트래픽을 수용할 수 있는 웹 서비스로 발전시키는 것을 단계별로 오토스케일링, 트래픽 경감, 모니터링과 자동화, 고가용성 확보를 위한 아키텍처 구성 방법을 소개합니다.
비즈니스 리더를 위한 디지털 트랜스포메이션 트렌드 - 김지현, 김영현 AWS 사업개발 매니저 :: AWS re:Invent re:Cap 2021Amazon Web Services Korea
AWS re:Invent에서 소개된 골드만삭스, 스타벅스, ARM 등 다양한 산업에서 이루어지고 있는 클라우드 트렌드와 엔드-투-엔드 경영 밸류 체인 상에서의 클라우드 기반 디지털 트랜스포메이션 사례를 소개합니다. CSO를 위한 신사업 전략, CMO를 위한 마케팅 및 고객 관리 전략, CPO를 위한 상품기획 및 차별화 전략, CTO를 위한 Time-to-Market 혁신, COO를 위한 제조 혁신, CFO를 위한 비용 최적화 방법 등 전략 수립을 위한 인사이트를 확인하실 수 있습니다.
농심 그룹 메가마트 : 온프레미스 Exadata의 AWS 클라우드 환경 전환 사례 공유-김동현, NDS Cloud Innovation Ce...Amazon Web Services Korea
메가마트는 데이터 분석 환경 기반 마련과 비용 및 성능 효율을 위해서 온프레미스 환경의 Exadata에서 AWS 환경으로 전환을 성공적으로 수행하였습니다. 대용량 데이터베이스 마이그레이션 프로젝트의 경험을 기반으로 클라우드 환경에서의 데이터 베이스 성능 확보 및 운영 효율을 위한 모범 사례를 소개합니다.
디지털, 모바일 First의 시대를 맞아 교보생명그룹은 ‘문화와 금융을 리드하는 선도기업’이라는 슬로건 아래, 그룹 각 계열사들은 전사적인 디지털 전환을 전제로 비즈니스 혁신을 진행 중입니다. 이러한 그룹사의 디지털 혁신을 리딩하고 있는 교보정보통신에서 수행한 클라우드 마이그레이션 사례들을 통해 AWS 서비스를 활용하여 금융.보험 분야에서 어떻게 서비스 혁신을 추진하고 있는 알아봅니다.
이커머스 기업 쿠팡은 폭발적인 성장에 대응하기 위하여 Amazon Aurora 기반의 선택과 집중을 통해 DBA가 보다 의미 있는 일에 투자할 수 있도록 하고 있습니다. 삼성전자의 채팅플러스는 높은 수준의 가용성을 요구하는 통신 서비스의 특성에 맞게 적절한 AWS 데이터베이스를 활용하고 있습니다. 이 세션에서는 쿠팡이 Amazon Aurora를 통하여 얻은 경험 기반의 혁신 사례를 소개하며, 삼성전자에서 수 천만 명의 트래픽을 다루기 위해 Amazon DynamoDB, Amazon ElastiCache for Redis를 활용했던 경험을 공유합니다.
Amazon SageMaker 모델 배포 방법 소개::김대근, AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나Amazon Web Services Korea
Amazon SageMaker 배포에 처음 입문 하고자 하는 분들을 위해 동작 방식을 설명하고 실행할 수 있는 가이드를 제공합니다. Amazon SageMaker 빌트인 4가지 서빙 패턴(리얼타임 추론, 배치 추론, 비동기 추론, 서버리스 추론)을 시작으로 프로덕션 적용을 위한 핵심 기능과 비용 절감을 위한 방법을 소개합니다.
AWS 솔루션을 활용한 마케팅 및 고객 관리 혁신 – 김선수, AWS 아마존 커넥트 사업 담당:: AWS Summit Online Kor...Amazon Web Services Korea
발표영상 다시보기: https://youtu.be/WoOA7wj8ijI
AWS는 개인화 추천 및 멀티 채널 기반 고객 커뮤니케이션을 위한 다양한 서비스와 클라우드 기반의 콜 센터 서비스를 제공하고 있습니다. 본 세션에서는 마케팅, CRM 영역 등에서의 고객 경험을 획기적으로 향상 시킬 수 있는 다양한 솔루션 소개 및 실제 고객 사례를 소개해 드립니다.
AWS 클라우드 핵심 서비스로 클라우드 기반 아키텍처 빠르게 구성하기 - 문종민 솔루션즈 아키텍트, AWS :: AWS Summit Seo...Amazon Web Services Korea
AWS 클라우드 핵심 서비스로 클라우드 기반 아키텍처 빠르게 구성하기
문종민 솔루션즈 아키텍트, AWS
본 세션은 AWS를 처음 접하는 분들을 대상으로 AWS의 150여개 이상의 서비스들 중 가장 중심이 되는 컴퓨팅, 스토리지, 네트워크 등의 핵심 서비스를 기술적 관점에서 소개합니다. 클라우드에서 신규 서비스 구축 및 기존 데이터센터 워크로드를 이전할 때, Amazon EC2, S3 및 RDS, VPC 등의 서비스를 통해 어떻게 빠르게 AWS 상에서 시스템 구축할 수 있는지 살펴봅니다.
데이터 분석가를 위한 신규 분석 서비스 - 김기영, AWS 분석 솔루션즈 아키텍트 / 변규현, 당근마켓 소프트웨어 엔지니어 :: AWS r...Amazon Web Services Korea
AWS re:Invent에서는 다양한 고객들의 요구에 맞추어 새로운 분석 및 서버리스 서비스가 대거 출시되었습니다. 본 강연에서는 새롭게 출시된 핵심 분석 기능들과 함께, 누구나 손쉽게 사용할 수 있는 AWS의 분석 서버리스와 On-demand 기능들에 대한 심층적인 정보를 확인하실 수 있습니다.
효율적인 빅데이터 분석 및 처리를 위한 Glue, EMR 활용 - 김태현 솔루션즈 아키텍트, AWS :: AWS Summit Seoul 2019Amazon Web Services Korea
효율적인 빅데이터 분석 및 처리를 위한 Glue, EMR 활용
김태현 솔루션즈 아키텍트, AWS
AWS에서는 Big Data 분석 및 처리를 위해 분석 목적에 맞는 다양한 Big Data Framework 서비스를 지원합니다. 이 세션에서는 시간이 지날수록 증가하는 데이터의 분석 및 처리를 위해 사용되는 AWS Glue와 Amazon EMR 같은 AWS Big Data Framework의 내부구조를 살펴보고 머신러닝을 포함한 다양한 분석 및 ETL을 위해 효율적으로 사용할 수 있는 방법들을 소개합니다.
E-Commerce 를 풍성하게 해주는 AWS 기술들 - 서호석 이사, YOUNGWOO DIGITAL :: AWS Summit Seoul ...Amazon Web Services Korea
스폰서 발표 세션 | E-Commerce 를 풍성하게 해주는 AWS 기술들
서호석 이사, YOUNGWOO DIGITAL
최근 소비자들의 오프라인에서 온라인으로 이동해가는 강도가 가파르게 상승해가는 추세가 나타나고 있고 이제 E-Commerce 의 중요도는 과거와는 비교되지 않을정도로 높아 비지니스의 승패를 좌우하는 수준에 이르렀습니다. 이번 세션에서는 E-Commerce 를 받쳐주는 AWS 기술들을 살펴보고 미래지향적인 E-Commerce 에 대해 알아보는 시간을 가져보도록 합니다.
AWS Batch는 다양한 컴퓨팅 일괄 처리 작업을 손쉽게 관리해 주는 서비스입니다. 작업 규모에 따라 자동으로 EC2 워크로드 배포를 최적화해 줍니다. 본 세션에서는 AWS Batch의 핵심 개념과 서비스 기능 및 배치 작업의 다양한 처리 패턴 및 다른 서비스와 연동한 처리 방법을 다룹니다. 지난 3월 서울 리전에 출시한 Batch 서비스에 대한 자세한 소개와 함께 다양한 활용 팁을 데모와 함께 소개해 드립니다.
In addition to running databases in Amazon EC2, AWS customers can choose among a variety of managed database services. These services save effort, save time, and unlock new capabilities and economies. In this session, we make it easy to understand how they differ, what they have in common, and how to choose one or more. We explain the fundamentals of Amazon DynamoDB, a fully managed NoSQL database service; Amazon RDS, a relational database service in the cloud; Amazon ElastiCache, a fast, in-memory caching service in the cloud; and Amazon Redshift, a fully managed, petabyte-scale data-warehouse solution that can be surprisingly economical. We’ll cover how each service might help support your application, how much each service costs, and how to get started.
천만 사용자를 위한 AWS 클라우드 아키텍처 진화하기 - 김준형 솔루션즈 아키텍트, AWS :: AWS Summit Seoul 2019Amazon Web Services Korea
천만 사용자를 위한 AWS 클라우드 아키텍처 진화하기
김준형 솔루션즈 아키텍트, AWS
AWS 클라우드는 초기에 적은 비용으로 웹 서비스를 시작하고, 향후 사업이 발전했을 때 천만 이상의 유저가 사용할 수 있는 고가용성, 확장성, 민첩성이 뛰어난 웹 서비스를 만들 수 있습니다. 본 세션에서는 작은 서비스로 시작하여 AWS의 다양한 서비스를 사용하여 천만 이상의 대규모 유저 트래픽을 수용할 수 있는 웹 서비스로 발전시키는 것을 단계별로 오토스케일링, 트래픽 경감, 모니터링과 자동화, 고가용성 확보를 위한 아키텍처 구성 방법을 소개합니다.
비즈니스 리더를 위한 디지털 트랜스포메이션 트렌드 - 김지현, 김영현 AWS 사업개발 매니저 :: AWS re:Invent re:Cap 2021Amazon Web Services Korea
AWS re:Invent에서 소개된 골드만삭스, 스타벅스, ARM 등 다양한 산업에서 이루어지고 있는 클라우드 트렌드와 엔드-투-엔드 경영 밸류 체인 상에서의 클라우드 기반 디지털 트랜스포메이션 사례를 소개합니다. CSO를 위한 신사업 전략, CMO를 위한 마케팅 및 고객 관리 전략, CPO를 위한 상품기획 및 차별화 전략, CTO를 위한 Time-to-Market 혁신, COO를 위한 제조 혁신, CFO를 위한 비용 최적화 방법 등 전략 수립을 위한 인사이트를 확인하실 수 있습니다.
농심 그룹 메가마트 : 온프레미스 Exadata의 AWS 클라우드 환경 전환 사례 공유-김동현, NDS Cloud Innovation Ce...Amazon Web Services Korea
메가마트는 데이터 분석 환경 기반 마련과 비용 및 성능 효율을 위해서 온프레미스 환경의 Exadata에서 AWS 환경으로 전환을 성공적으로 수행하였습니다. 대용량 데이터베이스 마이그레이션 프로젝트의 경험을 기반으로 클라우드 환경에서의 데이터 베이스 성능 확보 및 운영 효율을 위한 모범 사례를 소개합니다.
디지털, 모바일 First의 시대를 맞아 교보생명그룹은 ‘문화와 금융을 리드하는 선도기업’이라는 슬로건 아래, 그룹 각 계열사들은 전사적인 디지털 전환을 전제로 비즈니스 혁신을 진행 중입니다. 이러한 그룹사의 디지털 혁신을 리딩하고 있는 교보정보통신에서 수행한 클라우드 마이그레이션 사례들을 통해 AWS 서비스를 활용하여 금융.보험 분야에서 어떻게 서비스 혁신을 추진하고 있는 알아봅니다.
이커머스 기업 쿠팡은 폭발적인 성장에 대응하기 위하여 Amazon Aurora 기반의 선택과 집중을 통해 DBA가 보다 의미 있는 일에 투자할 수 있도록 하고 있습니다. 삼성전자의 채팅플러스는 높은 수준의 가용성을 요구하는 통신 서비스의 특성에 맞게 적절한 AWS 데이터베이스를 활용하고 있습니다. 이 세션에서는 쿠팡이 Amazon Aurora를 통하여 얻은 경험 기반의 혁신 사례를 소개하며, 삼성전자에서 수 천만 명의 트래픽을 다루기 위해 Amazon DynamoDB, Amazon ElastiCache for Redis를 활용했던 경험을 공유합니다.
Amazon SageMaker 모델 배포 방법 소개::김대근, AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나Amazon Web Services Korea
Amazon SageMaker 배포에 처음 입문 하고자 하는 분들을 위해 동작 방식을 설명하고 실행할 수 있는 가이드를 제공합니다. Amazon SageMaker 빌트인 4가지 서빙 패턴(리얼타임 추론, 배치 추론, 비동기 추론, 서버리스 추론)을 시작으로 프로덕션 적용을 위한 핵심 기능과 비용 절감을 위한 방법을 소개합니다.
본 강연에서는 AWS 파트너인 Treasure data의 솔루션을 이용하여 클라우드 환경에서 손쉽게 빅데이터 분석 및 적용하는 법에 대하여 살펴봅니다. 모범 사례에 따른 사용법을 소개하고 JP Morgan 등 해외 선도 고객 사례를 공유합니다.
연사: 고영혁 대표, Treasure Data
고객 중심 서비스 출시를 위한 준비 “온오프라인 고객 데이터 통합” – 김준형 AWS 솔루션즈 아키텍트, 김수진 아모레퍼시픽:: AWS C...Amazon Web Services Korea
AWS의 빅데이터 서비스들이 데이터 파이프라인 상에서 어떻게 활용 되는지와 데이터 모델링과 플랫폼 구축을 100% 내재화 하여 AWS와 함께 고객기반 서비스의 경쟁력을 강화 해나가는 고객 사례를 전해 드립니다. 국내 뷰티산업을 리딩 하고 있는 아모레퍼시픽에서 온/오프라인 고객 정보를 AWS 기반의 Data Lake로 통합 하고 고객 관점의 데이터 서비스를 출시 하는데 속도를 높이고 있는 성공 스토리를 직접 전해 드립니다.
핵심 미래 분석 기술! 시계열 분석을 활용한 수요예측과 재고관리 최적화 사례 – 김형일 AWS 솔루션즈 아키텍트, 이환기 신세계아이앤씨 A...Amazon Web Services Korea
리테일을 포함한 많은 기업들이 디지털 전환의 핵심 기술로 AI와 머신러닝 활용을 고려하고 있습니다. 본 세션에서는 리테일 비즈니스 최적화를 위한 수요 예측과 재고관리에 시계열 분석을 도입하기 위한 분석도구로 Amazon Forecast와 Amazon SageMaker를 활용하는 방안에 대해 알아보고, 국내 대형유통업체가 AWS 서비스를 활용하여 어떻게 재고를 최적화했는지 성공사례를 공유해 드립니다.
Verizon의 AWS 활용 사례: AI로 스마트한 고객 경험과 네트워크 관제 시스템 구현하기 – 최우형 AWS 솔루션즈 아키텍트:: AW...Amazon Web Services Korea
Verizon이 AI를 사용하여 고객의 니즈를 이해하고 적응하는 방법에 대해 알아보십시오. 고객을 단번에 올바른 에이전트로 배정하여 비용을 절감하면서 고객을 지원하고, 고객을 놀라게 하고 즐겁게 하면서 디지털 사용 시기 파악하려면 그들이 무엇을 생각하고 어디서 어려워하는지 잘 알아야 합니다. 네트워크 데이터에서 꺼낼 수 있는 하루에 수십억 개의 이벤트들의 의미를 잃지 않고 잘 활용할 수 있도록 하는 방법에 대해 알아보십시오. 물론 민감한 데이터이므로 규제와 개인정보침해가 발생하지 않도록 유의해야 합니다.
본 강연에서는 금융 감독원의 클라우드 이용 가이드라인에 맞추어 바로 도입 가능한 HPC, 빅데이터, 백업, VDI 등의 업무에 대하여 간단하게 소개하고 AWS 상에서 구축하기 위한 참조 아키텍쳐와 특장점 및 고객 사례에 대해 설명해 드릴 예정입니다.
연사: 정영준 솔루션 아키텍트, 아마존 웹서비스
Similar to [Retail & CPG Day 2019] 리테일/소비재 부문의 고객 경험 강화를 위한 기술변화 방향과 고객 사례 (ZIGZAG) - 김선수, AWS 사업개발 담당, 소성운, 크로키닷컴(주) ZIGZAG (20)
사례로 알아보는 Database Migration Service : 데이터베이스 및 데이터 이관, 통합, 분리, 분석의 도구 - 발표자: ...Amazon Web Services Korea
Database Migration Service(DMS)는 RDBMS 이외에도 다양한 데이터베이스 이관을 지원합니다. 실제 고객사 사례를 통해 DMS가 데이터베이스 이관, 통합, 분리를 수행하는 데 어떻게 활용되는지 알아보고, 동시에 데이터 분석을 위한 데이터 수집(Data Ingest)에도 어떤 역할을 하는지 살펴보겠습니다.
Amazon Elasticache - Fully managed, Redis & Memcached Compatible Service (Lev...Amazon Web Services Korea
Amazon ElastiCache는 Redis 및 MemCached와 호환되는 완전관리형 서비스로서 현대적 애플리케이션의 성능을 최적의 비용으로 실시간으로 개선해 줍니다. ElastiCache의 Best Practice를 통해 최적의 성능과 서비스 최적화 방법에 대해 알아봅니다.
Internal Architecture of Amazon Aurora (Level 400) - 발표자: 정달영, APAC RDS Speci...Amazon Web Services Korea
ccAmazon Aurora 데이터베이스는 클라우드용으로 구축된 관계형 데이터베이스입니다. Aurora는 상용 데이터베이스의 성능과 가용성, 그리고 오픈소스 데이터베이스의 단순성과 비용 효율성을 모두 제공합니다. 이 세션은 Aurora의 고급 사용자들을 위한 세션으로써 Aurora의 내부 구조와 성능 최적화에 대해 알아봅니다.
[Keynote] 슬기로운 AWS 데이터베이스 선택하기 - 발표자: 강민석, Korea Database SA Manager, WWSO, A...Amazon Web Services Korea
오랫동안 관계형 데이터베이스가 가장 많이 사용되었으며 거의 모든 애플리케이션에서 널리 사용되었습니다. 따라서 애플리케이션 아키텍처에서 데이터베이스를 선택하기가 더 쉬웠지만, 구축할 수 있는 애플리케이션의 유형이 제한적이었습니다. 관계형 데이터베이스는 스위스 군용 칼과 같아서 많은 일을 할 수 있지만 특정 업무에는 완벽하게 적합하지는 않습니다. 클라우드 컴퓨팅의 등장으로 경제적인 방식으로 더욱 탄력적이고 확장 가능한 애플리케이션을 구축할 수 있게 되면서 기술적으로 가능한 일이 달라졌습니다. 이러한 변화는 전용 데이터베이스의 부상으로 이어졌습니다. 개발자는 더 이상 기본 관계형 데이터베이스를 사용할 필요가 없습니다. 개발자는 애플리케이션의 요구 사항을 신중하게 고려하고 이러한 요구 사항에 맞는 데이터베이스를 선택할 수 있습니다.
Demystify Streaming on AWS - 발표자: 이종혁, Sr Analytics Specialist, WWSO, AWS :::...Amazon Web Services Korea
실시간 분석은 AWS 고객의 사용 사례가 점점 늘어나고 있습니다. 이 세션에 참여하여 스트리밍 데이터 기술이 어떻게 데이터를 즉시 분석하고, 시스템 간에 데이터를 실시간으로 이동하고, 실행 가능한 통찰력을 더 빠르게 얻을 수 있는지 알아보십시오. 일반적인 스트리밍 데이터 사용 사례, 비즈니스에서 실시간 분석을 쉽게 활성화하는 단계, AWS가 Amazon Kinesis와 같은 AWS 스트리밍 데이터 서비스를 사용하도록 지원하는 방법을 다룹니다.
Amazon EMR - Enhancements on Cost/Performance, Serverless - 발표자: 김기영, Sr Anal...Amazon Web Services Korea
Amazon EMR은 Apache Spark, Hive, Presto, Trino, HBase 및 Flink와 같은 오픈 소스 프레임워크를 사용하여 분석 애플리케이션을 쉽게 실행할 수 있는 관리형 서비스를 제공합니다. Spark 및 Presto용 Amazon EMR 런타임에는 오픈 소스 Apache Spark 및 Presto에 비해 두 배 이상의 성능 향상을 제공하는 최적화 기능이 포함되어 있습니다. Amazon EMR Serverless는 Amazon EMR의 새로운 배포 옵션이지만 데이터 엔지니어와 분석가는 클라우드에서 페타바이트 규모의 데이터 분석을 쉽고 비용 효율적으로 실행할 수 있습니다. 이 세션에 참여하여 개념, 설계 패턴, 라이브 데모를 사용하여 Amazon EMR/EMR 서버리스를 살펴보고 Spark 및 Hive 워크로드, Amazon EMR 스튜디오 및 Amazon SageMaker Studio와의 Amazon EMR 통합을 실행하는 것이 얼마나 쉬운지 알아보십시오.
Amazon OpenSearch - Use Cases, Security/Observability, Serverless and Enhance...Amazon Web Services Korea
로그 및 지표 데이터를 쉽게 가져오고, OpenSearch 검색 API를 사용하고, OpenSearch 대시보드를 사용하여 시각화를 구축하는 등 Amazon OpenSearch의 새로운 기능과 기능에 대해 자세히 알아보십시오. 애플리케이션 문제를 디버깅할 수 있는 OpenSearch의 Observability 기능에 대해 알아보세요. Amazon OpenSearch Service를 통해 인프라 관리에 대해 걱정하지 않고 검색 또는 모니터링 문제에 집중할 수 있는 방법을 알아보십시오.
Enabling Agility with Data Governance - 발표자: 김성연, Analytics Specialist, WWSO,...Amazon Web Services Korea
데이터 거버넌스는 전체 프로세스에서 데이터를 관리하여 데이터의 정확성과 완전성을 보장하고 필요한 사람들이 데이터에 액세스할 수 있도록 하는 프로세스입니다. 이 세션에 참여하여 AWS가 어떻게 분석 서비스 전반에서 데이터 준비 및 통합부터 데이터 액세스, 데이터 품질 및 메타데이터 관리에 이르기까지 포괄적인 데이터 거버넌스를 제공하는지 알아보십시오. AWS에서의 스트리밍에 대해 자세히 알아보십시오.
Amazon Redshift Deep Dive - Serverless, Streaming, ML, Auto Copy (New feature...Amazon Web Services Korea
이 세션에 참여하여 Amazon Redshift의 새로운 기능을 자세히 살펴보십시오. Amazon Data Sharing, Amazon Redshift Serverless, Redshift Streaming, Redshift ML 및 자동 복사 등에 대한 자세한 내용과 데모를 통해 Amazon Redshift의 새로운 기능을 알고 싶은 사용자에게 적합합니다.
From Insights to Action, How to build and maintain a Data Driven Organization...Amazon Web Services Korea
데이터는 혁신과 변혁의 토대입니다. 비즈니스 혁신을 이끄는 혁신은 특정 시점의 전략이나 솔루션이 아니라 성장을 위한 반복적이고 집단적인 계획입니다. 혁신에 이러한 접근 방식을 채택하는 기업은 전략과 비즈니스 문화에서 데이터를 기반으로 하는 경우가 많습니다. 이러한 접근 방식을 개발하려면 리더가 데이터를 조직의 자산처럼 취급하고 조직이 더 나은 비즈니스 성과를 위해 데이터를 활용할 수 있도록 권한을 부여해야 합니다. AWS와 Amazon이 어떻게 데이터와 분석을 활용하여 확장 가능한 비즈니스 효율성을 창출하고 고객의 가장 복잡한 문제를 해결하는 메커니즘을 개발했는지 알아보십시오.
[Keynote] Accelerating Business Outcomes with AWS Data - 발표자: Saeed Gharadagh...Amazon Web Services Korea
데이터는 최종 소비자의 성공에 초점을 맞춘 디지털 혁신에서 중추적인 역할을 하고 있습니다. 모든 기업들은 데이터를 자산으로 사용하여 사례 제공을 추진하고 까다로운 결과를 해결하고 있습니다. AWS 클라우드 기술과 분석 솔루션의 강력한 성능을 통해 고객은 혁신 여정을 가속화할 수 있습니다. 이 세션에서는 기업 고객들이 클라우드에서 데이터의 힘을 활용하여 혁신 목표를 달성하고 필요한 결과를 제공하는 방법에 대해 다룹니다.
LG전자 - Amazon Aurora 및 RDS 블루/그린 배포를 이용한 데이터베이스 업그레이드 안정성 확보 - 발표자: 이은경 책임, L...Amazon Web Services Korea
LG ThinQ는 LG전자의 가전제품과 서비스를 아우르는 플랫폼 브랜드로서 앱 하나로 간편한 컨트롤, 똑똑한 케어, 스마트한 쇼핑까지 한번에 가능한 플랫폼입니다. ThinQ 플랫폼은 글로벌 서비스로 제공되고 있어, 작업 시간을 최소화하고, 서비스의 영향을 최소화 할 필요가 있었습니다. 따라서 DB 버전 업그레이드 작업 시 애플리케이션 배포가 필요없는 Blue/Green Deployment 방식은 최선의 선택이 되었습니다.
KB국민카드 - 클라우드 기반 분석 플랫폼 혁신 여정 - 발표자: 박창용 과장, 데이터전략본부, AI혁신부, KB카드│강병억, Soluti...Amazon Web Services Korea
온프레미스 분석 플랫폼에는 자원 증설 비용, 자원 관리 비용, 신규 자원 도입 및 환경 설정의 리드타임 등 다양한 측면에서의 한계가 존재합니다. 이에 KB국민카드에서는 기존 분석 플랫폼의 한계를 극복함과 동시에 시너지를 낼 수 있는 클라우드 기반 분석 플랫폼을 설계 및 도입하였습니다. 본 사례 소개는 KB국민카드의 데이터 혁신 여정과 노하우를 소개합니다.
SK Telecom - 망관리 프로젝트 TANGO의 오픈소스 데이터베이스 전환 여정 - 발표자 : 박승전, Project Manager, ...Amazon Web Services Korea
SK Telecom의 망관리 프로젝트인 TANGO에서는 오라클을 기반으로 시스템을 구축하여 운영해 왔습니다. 하지만 늘어나는 사용자와 데이터로 인해 유연하고 비용 효율적인 인프라가 필요하게 되었고, 이에 클라우드 도입을 검토 및 실행에 옮기게 되었습니다. TANGO 프로젝트의 클라우드 도입을 위한 검토부터 준비, 실행 및 이를 통해 얻게 된 교훈과 향후 계획에 대해 소개합니다.
코리안리 - 데이터 분석 플랫폼 구축 여정, 그 시작과 과제 - 발표자: 김석기 그룹장, 데이터비즈니스센터, 메가존클라우드 ::: AWS ...Amazon Web Services Korea
2022년 코리안리는 핵심업무시스템(기간계/정보계 시스템)을 AWS 클라우드로 전환하는 사업과 AWS 클라우드 기반에서 손익분석을 위한 어플리케이션 구축 사업을 동시에 진행하고 있었습니다. 이에 따라 클라우드 전환 이후 시스템 간 상호운용성과 호환성을갖춘 데이터 분석 플랫폼 또한 필요하게 되었습니다. 코리안리 IT 환경에 적합한 플랫폼 선정을 위하여 AWS Native Analytics Platform, 3rd Party Analytics Platform (클라우데라, 데이터브릭스)과의 PoC를 진행하고, 최종적으로 AWS Native Analytics Platform 으로 확정하였습니다. 코리안리는 메가존클라우드와 함께 2022년 10월부터 4개월(구축 3개월, 안정화 및 교육 1개월) 동안 AWS 기반 데이터 분석 플랫폼을 구축하고 활용 범위를 지속적으로 확대하고 있습니다.
LG 이노텍 - Amazon Redshift Serverless를 활용한 데이터 분석 플랫폼 혁신 과정 - 발표자: 유재상 선임, LG이노...Amazon Web Services Korea
LG 이노텍은 세계 시장을 선도하는 글로벌 소재·부품기업으로, Amazon Redshift 을 데이터 분석 플랫폼의 핵심 서비스로 활용하고 있습니다.지속적인 데이터 증가와 업무 확대에 따른 유연한 아키텍처 개선의 필요성에 대처하기 위해, 2022년에 AWS 에서 발표된 Redshift Serverless 를 활용한, 비용 최적화된 아키텍처 개선 과정의 실사례를 엿볼수 있는 기회가 됩니다.
LG 이노텍 - Amazon Redshift Serverless를 활용한 데이터 분석 플랫폼 혁신 과정 - 발표자: 유재상 선임, LG이노...
[Retail & CPG Day 2019] 리테일/소비재 부문의 고객 경험 강화를 위한 기술변화 방향과 고객 사례 (ZIGZAG) - 김선수, AWS 사업개발 담당, 소성운, 크로키닷컴(주) ZIGZAG
1.
2. 리테일/소비재 부문의 고객 경험 강화를 위한
기술변화 방향과 고객사례
2
김선수
AWS 사업개발 담당
소성운
크로키닷컴(주) ZIGZAG
3. 향후 2021년까지 디지털 리더의 75%가
존재하지 않았던 Disruptive market
(파괴적인 시장)을 지배 하게 된다.
Gartner, Predicts 2018: Digital Disruption – Predicting the Fundamental Shifts, 21 December 2017
5. 고객 이해 필요
비효율적 프로세스
가격 차별화의 한계
디지털 트랜스포메이션
내부 효율성 증대
신사업 추진, 사업 차별화
새로운 기술의 활용
6. (1) 연결성 (Connectivity)
A Connected World 업무 환경에서 직원
공장 + 공급망
IoT 기기 연결
온라인 마케팅
지속적인 공급
트래킹
적시 생산온라인 판매
+ 배송
소셜 미디어
7. (2) 데이터 (Data)
BI BI AI AI
최신의 Data Lake를 구축
쏟아야하는노력의복잡성
얻어지는 비즈니스 가치
8. 디지털 트랜스포메이션
New services &
business models
Products that get
better with time
Better relationship
with customers
Increased
efficiency
Intelligent decision
making
Data driven
discipline
② 서비스 차별화, 신사업 추진
매출 향상
① 내부 효율성 강화
비용 절감
10. 리테일/소비재 부문 변화 방향 예시
[C] 지능형 콜센터 서비스 구현
[D] Data Lake를 통한 내부 프로세스 개선, 고객 서비스 차별화 구현
[B] 개인 최적화 추천 / 맞춤형 서비스
[A] 블록체인 기반 Supply Chain Management 강화
11. [A] 블록체인 기반 SCM 강화
“Transparency in supply chains is increasingly important to consumers, who want to know
what is in their food and where it comes from. While Nestléhas begun to release information on
its supply chains for its 15 key commodities, blockchain enables more precise tracking. AWS
Professional Services used Amazon Managed Blockchain to enable our customers to track their
products on the blockchain from the farm all the way through to consumption. We are now able
to easily invite our partners to collaborate in our supply chain transparency efforts. ”
- Armin Nehzat, Digital Technology Manager, NestléOceania -
커피는 어느 농장, 과정에서 왔는가?
Roast에서 고객에게 얼마나 걸렸는가?
어떻게 100% 유기농 인것을 보장하는가?
Farm Dry & Wash Ship Roast Grind
Package
(Label)
Retail Customer
12. [B] 개인 최적화 추천
높은 퀄리티의 개인화 추천 서비스 제공
고객 개인별 상황과 조건을 적용한 맞춤형 정보
- 메시지 발송 시점 (예: 저녁식사 시간 전)
- 고객 맞춤형 프로모션 (나홀로 족, 4인 가족 등)
높은 확장성
API 를 통해 사용자에게 개인화 기반의 추천 결과 생성
최신 Deep Learning 알고리즘 및 다양한 개인화 기술 적용
개인화 추천의 전체 과정을 자동화
추천 결과 실시간 분석
Amazon.com 에서 사용하는 ML기술 기반의
실시간 개인화 및 추천 서비스인 Personalize 활용
13. [C] 지능형 콜센터 서비스 구현
Amazon Connect
실시간 및 이력 분석직능 기반의 라우팅
[Automatic Call Distribution (ACD)]
통화 녹음 고품질 음성지원
사용하기 쉽고,
필요로 하는 기능을 갖춘,
모든 규모의 비지니스를 지원하기 위한
클라우드 기반 고객 센터
14. [C] Amazon Connect의 주요 특성
쉬운 자가 설치
동적, 개인화, 자연어
컨택트 플로우
오픈 플랫폼
AWS
에코시스템
100%
cloud-based
15. 컨택트 플로우 엔진 – 고객 경험 예시
Ok, you are now
booked for a
9:00AM departure
tomorrow out of
San Francisco,
arriving in Seattle
at 11:45AM.
Can you
please
rebook me
for the
same flight
tomorrow?
Great
Thank you!Data
Dip
CRM
컨텐츠
연계
Hi Nikki Wolf,
I see your flight
was cancelled
today. How can
I help you?
고객 전화
인입
16. 자연어
Amazon Lex Chatbots
use the same technology
that powers Alexa
동적 반응
Answer customer
questions before they
are even asked
개인화
Contact flows adapt on
a per customer basis
Ok, you are now
booked for a
9:00AM departure
tomorrow out of
San Francisco,
arriving in Seattle
at 11:45AM.
Can you
please
rebook me
for the
same flight
tomorrow?
Great
Thank you!Data
Dip
CRM
컨텐츠
연계
Hi Nikki Wolf,
I see your flight
was cancelled
today. How can
I help you?
고객 전화
인입
컨택트 플로우 엔진 – 고객 경험 예시
17. [C] 오픈 플랫폼 기반의 유연성/확장성
오픈 플랫폼
S3
저장소
데이터
웨어하우스
고객
데이터베이스
데이터분석,
의사결정
인력에 대한
관리상담원 데이터
AWS
Lambda
음성 녹음
지표
컨택트
플로우
CRM 연락처 관리
패널
19. ① 고객 전화 대응 개선
• Streaming Call Trace Records (CTR)
• Real-time voice stream through Amazon Kinesis Video Streams
• Agent status check with the event stream
• Virtual hold enables callback queueing
• Update Attribute API adds context to calls
20. ② 서비스 품질 개선
• Amazon Simple Storage Service (Amazon S3) call storage
• Trigger actions
• Transcribe
• CTR data stream
• Update Attribute API
21. ③ 오디오 스트리밍 상담원 지원
• Amazon Simple Storage Service (Amazon S3) call storage
• Trigger actions
• Transcribe
• CTR data stream
• Update Attribute API
25. 이야기 할 내용
지그재그의 데이터
- 지그재그가 다루는 데이터
- 데이터팀 업무
지속가능한 데이터 분석
- Amazon EMR: 관리형 클러스터 플랫폼
- Amazon Kinesis: 실시간 데이터 처리
- AWS Glue: 데이터 카탈로그화, 통합보기
- AWS S3: 클라우드 스토리지
- Amazon Personalize: 개인화 추천 서비스
26. 지그재그의 데이터
3400개가 넘는 여성쇼핑몰
매일 10,000+ 신상품 업데이트
1600만 앱 다운로드
월간 이용자(MAU) 250만
매일 수십GB단위의 유저활동로그 적제 & 정제
27. 지그재그의 데이터
개인화 상품 추천
성과분석
쇼핑몰 랭킹, 상품 인기도 관리
유저 모니터링, 이상감지 기능
사용성 분석
결제 퍼널 분석
그외 각종 데이터 관련 업무
28. 지그재그의 데이터
개인화 상품 추천
성과분석
쇼핑몰 랭킹, 상품 인기도 관리
유저 모니터링, 이상감지 기능
사용성 분석
결제 퍼널 분석
그외 각종 데이터 관련 업무
29. 지그재그의 데이터
개인화 상품 추천
성과분석
쇼핑몰 랭킹, 상품 인기도 관리
유저 모니터링, 이상감지 기능
사용성 분석
결제 퍼널 분석
그외 각종 데이터 관련 업무
30. 지그재그의 데이터
개인화 상품 추천
성과분석
쇼핑몰 랭킹, 상품 인기도 관리
유저 모니터링, 이상감지 기능
사용성 분석
결제 퍼널 분석
그외 각종 데이터 관련 업무
31. 지그재그의 데이터
개인화 상품 추천
성과분석
쇼핑몰 랭킹, 상품 인기도 관리
유저 모니터링, 이상감지 기능
사용성 분석
결제 퍼널 분석
그외 각종 데이터 관련 업무
32. 고민해 볼 것들
• 빅데이터 분석을 가능하게 하는 것
• 데이터 분석 인프라 구축
• Hadoop + Spark / Presto
• 데이터 통합
• 데이터 웨어하우스
• 데이터 레이크
• 지속가능한 데이터 분석을 가능하게 하는
것
• 통합된 데이터 관리
• Time/Event Driven 데이터 파이프라인
관리
• 필요한 정보를 적시적소에 전달하는 대
시보드 관리
33. 분석용 데이터 S3에 적재
데이터 분석 아키텍쳐
Amazon
S3
Amazon
S3
Amazon
S3
Amazon
RDS
Amazon
DynamoDB
스냅샷
Client
스냅샷
Amazon Kinesis
Data Firehose
AWS
Lambda
User
Activity
Digestion
실시간적재 데이터변환
34. S3에 적재되는 데이터를 카탈로그화, 통합관리
데이터 분석 아키텍쳐
Amazon
S3
Amazon
S3
Amazon
S3
AWS Glue
Crawler
크롤링
크롤링
크롤링
카탈로그화
AWS Glue
Catalog
Amazon
RDS
Amazon
DynamoDB
스냅샷
Client
스냅샷
Amazon Kinesis
Data Firehose
AWS
Lambda
User
Activity
Digestion
실시간적재 데이터변환
35. S3에 적재되는 데이터를 카탈로그화, 통합관리
데이터 분석 아키텍쳐
Amazon
S3
Amazon
S3
Amazon
S3
AWS Glue
Crawler
크롤링
크롤링
크롤링
카탈로그화
AWS Glue
Catalog
Amazon
RDS
Amazon
DynamoDB
스냅샷
Client
스냅샷
Amazon Kinesis
Data Firehose
AWS
Lambda
User
Activity
Digestion
실시간적재 데이터변환
36. S3에 적재되는 데이터를 카탈로그화, 통합관리
데이터 분석 아키텍쳐
Amazon
S3
Amazon
S3
Amazon
S3
AWS Glue
Crawler
크롤링
크롤링
크롤링
카탈로그화
AWS Glue
Catalog
Amazon
RDS
Amazon
DynamoDB
스냅샷
Client
스냅샷
Amazon Kinesis
Data Firehose
AWS
Lambda
User
Activity
Digestion
실시간적재 데이터변환
37. S3에 적재되는 데이터를 카탈로그화, 통합관리
데이터 분석 아키텍쳐
Amazon
S3
Amazon
S3
Amazon
S3
AWS Glue
Crawler
크롤링
크롤링
크롤링
카탈로그화
AWS Glue
Catalog
Amazon
RDS
Amazon
DynamoDB
스냅샷
Client
스냅샷
Amazon Kinesis
Data Firehose
AWS
Lambda
User
Activity
Digestion
실시간적재 데이터변환
Datalake on AWS
38. EMR을 통한 분석
데이터 분석 아키텍쳐
AWS Glue
Crawler
크롤링
크롤링
크롤링
Amazon
EMR
카탈로그화
AWS Glue
Catalog
Amazon
RDS
Amazon
DynamoDB
Amazon
S3
스냅샷
Client
스냅샷
Amazon Kinesis
Data Firehose
Amazon
S3
Amazon
S3
AWS
Lambda
User
Activity
Digestion
실시간적재 데이터변환
39. EMR을 통한 분석 + Amazon Athena, QuickSight 등 확장 가능
데이터 분석 아키텍쳐
Amazon
RDS
Amazon
DynamoDB
Amazon
S3
스냅샷
Client
스냅샷
Amazon Kinesis
Data Firehose
Amazon
S3
Amazon
S3
AWS
Lambda
AWS Glue
Crawler
크롤링
크롤링
크롤링
Amazon
EMR
카탈로그화
AWS Glue
Catalog
Amazon
Athena
Amazon
QuickSight
User
Activity
Digestion
실시간적재 데이터변환
40. 데이터를 이용한 개인화 및 추천 예시
Tableau
Rstudio
Zeppelin Jupyter
Amazon
EMR
AWS Glue
Catalog
Amazon
S3
키워드 추출
- 일간/주간 인기검색어
- 급상승 검색어
41. 데이터를 이용한 개인화 및 추천 예시
연령대별 키워드
- 연령대별 인기있는 키워드를 추출해도 각 연령대마다
상위 키워드는 큰 차이가 없음
- TF-IDF
(Term Frequency Inverse Document Frequency)
10대 20대 30대
크롭티
트레이닝바지
양털후리스
일자바지
하객룩
트위드
울코트
트렌치원피스
베이직자켓
가을원피스
점퍼
니트베스트
42. 데이터를 이용한 개인화 및 추천 예시
추천 키워드 상품카드 이미지 제작
- 키워드와 관련 된 상품 이미지
- 크롤링한 외부 이미지 퀄리티 체크
- 크롭핑, 리사이징 등 이미지 작업
키워드별 검수할 10개 상품
10,000개 인기키워드는 검수 이미지 100,000
장?
43. 데이터를 이용한 개인화 및 추천 예시
불가능한 작업을 가능한 작업으로
- Computer Vision + Machine Learning
Computer Vision
- 이미지 파일 포맷 변환
- 텍스트 감지
- 크롭 힌트
- 대표색상 추출
크롭&리사이즈된 이미지
선택된 그라데이션
Machine Learning
- Classification Model
input: RGB
output: Labelled Colour
최종 이미지
원본 이미지
Amazon
S3
키워드: 후드티
이미지 URL
44. 개인화 추천 시스템
• Rule-Based 시스템
• 구현하기 쉽다
• 데이터가 많아질수록 성능이 떨어지고 유지보수가 어려움
• Collaborative Filtering, Factorization Machine
• 개인화 추천을 위해 많이 사용 되는 알고리즘
• 구현을 위해 제공되는 리소스가 많아서 쉽게 적용 가능 (Amazon
Sagemaker)
• Deep Learning - Recurrent Neural Networks
• 사용자 이벤트의 연속성을 고려
• 대용량 데이터 사이즈에서도 좋은 성능을 유지
45. 개인화 추천 구현의 어려운점
• 유저 이벤트에 어떻게 실시간으로 반응 할 것인가?
• 인기상품 추천은 지루하다
• Cold Start 문제 - 신규유저, 신규상품에 대한 충분한 데이터수집까지 시
간이 걸림
• 기타 많은 이유들
• 시스템 구축의 난이도
• 빅데이터 스케일링
• 서버 리소스, 스토리지 문제
• ML 전문성
46. 🌟 Amazon Personalize 🌟
• Amazon.com 의 Machine Learning 기술을 기반으로 개인화 및 추천 기
능 제공
• 손쉽게 추천모델 생성하고 API 형태로 Endpoint를 제공함
• AutoML 기능이 제공되며 자동으로 모델 최적화가 이루어짐
• 사용자 이벤트, 클릭 등을 실시간으로 수집하고 반영함
47. 🌟 Amazon Personalize 🌟
• 목표 (~1m)
• 유저들이 한 상품 찜을 바탕으로 좋아할 만한 상품을 추천
• 데이터 준비 (~1h)
• AWS EMR + Zeppelin + S3
• 유저들의 지난 2개월간 찜한 사용자 로그 정제 => User-Item Interaction
• (가설1) 유저들의 나이를 추가하면? => Users
=> Campaign#1
• (가설2) 상품의 카테고리 정보나 가격대를 추가하면? => Item
=> Campaign#2
• 솔루션 제작 (~10h)
• 고민없이 AutoML
• 검증
• Offline Test: 추천된 상품들이 마음에 드는지 실제 유저에게 확인
• Online Test: 제공된 Solution Metric을 바탕으로 모델 비교 검증