SlideShare a Scribd company logo
Sisense
비지니스 인텔리전스(BI) 솔루션
2016년 1월 19일
인포트릭㈜
Sisense 회사 소개
Sisense는 복잡한 데이터의 준비, 분석 및 시각화 작업을 단순화하여 비즈니스 분석에 끊임없이 변화를 일으키고,
번거롭고 값 비싼 IT 투자 없이도 기업에 막대한 역량을 부여한다.
모든 사람을 위한 빅데이터 분석
HQ: NEW York, San Francisco (미국), Tel Aviv (이스라엘)
2000년 초
Sisense 시작
2010년 7월
Sisense 제품 출시
Sisense IN-CHIP 엔진 개발
2011년 350% 성장
2012년 520% 성장
Sisense 평가
“Sisense Is Taking Big Data
Analytics By Storm.”
“Makes analytics dead simple!”
“Sisense tools show a small
laptop can crunch big data.”
“Sisense: For Big Data,
small is beautiful.”
“Delivers real-time big data query
capabilities…”
“Sisense는 빅데이터 분석에서
대성공을 이루고 있다.”
“Sisense 툴은 작은 노트북에서도 빅
데이터를 갖고 놀 수 있다는 것을 보여준다.”
“Sisense: 빅 데이터를 위해,
작지만 훌륭하다.”
“실시간 빅 데이터 쿼리
기능을 제공하고…”
“분석을 매우 단순하게 만들다!”
Sisense BI 소개
비즈니스 인텔리전스(BI) 플랫폼
비즈니스 인텔리전스(BI) 소프트웨어
빅데이터 솔루션
연계성 비즈니스 인텔리전스(BI) 솔루션
단일 통합 환경
데이터 분석
데이터 가시화
쉬운 사용자 인터페이스
모든 정보를 수집하고 단일한 레포지토리로 통합
강력한 보고서 기능으로 풍부하고 지능적인 분석
팀, 파트너 및 고객과 통찰력 공유
전문기술 없이 빠르게 적용과 활용
Sisense: 애자일 비즈니스 인텔리전스(BI)
빠른 적용, 뛰어난 연계성 특수 쿼리의 신속한 실행과 응답
최단 시간 통찰력 확보 컴퓨팅 자원 활용 최적화
TCO 최소화 탁월한 성능
기존 BI의 굴레에서 해방 개발자를 위한 API
Sisense 아키텍처
데이터 소스 BI 서버 전방 앱 실행 장비
Sisense 비법: IN-CHIP 엔진
최종 결론: 더 빠르고 크기 제한 없고
• 인 메모리 기술보다 10배 이상의 속도
• 메모리 최적화한 컬럼 DB로 TB 데이터 처리
메모리의 계층 구조 전체(칩)를 활용
• 기존 컴퓨팅 자원 활용 극대화
• CPU 내의 가용 메모리 활용
진정한 컬럼 데이터 저장과 쿼리 커널
• 유연한 볼륨 확장과 효율적인 분석
• 관계형 DB 대비 50-100 빠른 성능
• 압축을 위해 최적화된 구조
가장 빠른 CPU 캐시 활용
• RAM 복제 없이 CPU 에서 연산 처리
• CPU 압축 해제 – 메모리 대역폭 확보
단일 명령 다중 데이터 처리(SIMD)
• SIMD 기술로 쿼리 성능 가속
• 복수의 작업을 동시적으로 처리
Crowd Accelerated BI
• 쿼리 블록의 생성과 재활용 기술
• 더 많은 쿼리를 더 빠르게 처리
작은 성능의 컴퓨터로 대용량 데이터 처리
• 모든 CPU 기술 활용 극대화
• 작은 노트북에서도 TB 데이터 처리능력
• 스트라타 컨퍼런스 경연에서 우승
Sisense: Crowd Accelerated BI 기술
기존 BI의 문제점 Crowd Accelerated BI 기술
 캐시 쿼리가 동일한 쿼리 요청을 위해 대기
 동일한 쿼리 요청 빈도 낮음
 재활용도 낮은 쿼리로 캐시가 채워 짐
 CPU는 자체 쿼리 처리로 부하 증가
 하드웨어 소진
 쿼리를 쿼리 블록으로 분할 후 캐시에 저장
 쿼리 요청을 쿼리 블록 단위로 재활용
 쿼리 블록 증가로 쿼리 요청 처리 성능 향상
 캐시 효율 극대화 및 CPU 처리 부하 감소
 더 많은 사용자와 쿼리 처리 능력 확보
Sisense DB: ElastiCube 분석 DB
ElastiCube = Sisense 고유의 고성능 분석 DB
획기적인 IN-CHIP 분석 기술
• 실시간 성능을 보유한 TB 규모의 비즈니스 분석
 64비트 하드웨어와 최신 CPU 아키텍처 상에 구축
 ElastiCube의 IN-CHIP 분석 기술로 디스크, RAM 및 CPU를 효율적으로 활용
 하나의 상용 서버로 TB 데이터와 다수의 동시 사용자를 지원
적은 컴퓨팅 자원으로 더 많은 데이터를 더 빠르게
• 디스크 기반이나 인 메모리 DB 기술보다 빠름
 ElastiCube는 디스크에 저당하나 인 메모리 DB와 유사한 기술로 처리
 Elastic IQ(ElastiCube의 쿼리 처리 엔진)는 필요한 데이터 만 RAM에 로드/언드로
• ElastiCube DB는 컬럼 DB로 고성능 스토리지 구현
 분할된 컬럼 단위로 디스크에 저장
 테이블 단위 검색으로 인한 병목현상 제거
 데이터 압축 효율 극대화
사용자와 쿼리의 증가에도 더 빠르게
• 하드웨어 업그레이드 불필요, 더 많은 사용자를 위한 용량 설계 단순
 Crowd Accelerated BI로 더 많은 사용자와 쿼리 처리 능력 제공
Sisense: 다양한 소스의 데이터 조인
1. 조인
2. 분석
3. 공유
이질적인 데이터를 하나의 중앙집중 DB로 통합
 데이터 수집과 준비 단계 제거
 간단하게 여러 소스에서 대규모 데이터 조인
 모든 데이터를 정돈된 중앙집중 레포지토리에 저장
드래그앤드롭으로 복수의 데이터 소스를 조인
 내장 커넥터로 다양한 소스와 형식의 데이터와 조인
 프로그래밍, 스크립트 등 데이터 준비 단계 제거
완벽한 데이터의 진정한 단일 버전 생성
 오류 없는 최신 데이터 작업으로 진정한 통찰력 획득
 기업의 모든 사람이 진정한 단일 소스를 공유 분석
Sisense: 내장 커넥터
1. 조인
2. 분석
3. 공유
지능적인 조인
 데이터 누락 없이 모든 소스와 유형의 데이터 조인
드래그 앤 드롭
 코딩이나 스크립트 없이
시시각각 통찰력 획득을 위한 신속한 구축
 오랜 시간이나 큰 자원 소모 없이 새로운 데이터 추가
파일 형식
• MS Excel
• CSV
• MS Access
애플리케이션
• Salesforce
• Zendesk
• QuickBase
• Google Adwords
• Google Analytics
• Google Spreadsheets
• Amazon Redshift
• Heroku Postgres
데이터베이스 서버
• MS SQL Server
• Oracle Database
• MySQL Database
• PostgreSQL
• DB2
• Generic ODBC Driver
• Generic OleDB Driver
• ERP
• MongoDB
머신 데이터
• Splunk
빅데이터 소스
• Hadoop Hive
• Teradata
맞춤형
• Custom SQL expression
• Social networks via
RSSBus
• Common CRMs via
RSSBus
Sisense: 전문적인 데이터 가시화와 분석
1. 조인
2. 분석
3. 공유
기술적인 숙련 없이도 대화형 대시보드 구축
 대시보드 위젯 제공
 드래그앤드롭으로 위젯을 위치시켜 대시보드 외관 교정
풍부한 데이터 가시화로 통찰력 획득
 다양한 데이터 가시화 도구 (Data Visualization Tool) 제공
 동적인 외양과 대화식 BI 보고서 (BI Reporting)
빅 데이터 쿼리 속도에서 신기록
 인 메모리 대비 데이터에서 100배 속도에서 10배 향상
 TB 데이터 쿼리를 수초 내에 응답
 더 많은 질의와 보다 의미 있는 결과로 업무 능률 향상
변화하고 증가하는 모든 데이터를 실시간으로 경험
 대시보드의 수정 새로 고침 또는 시간 설정에 의한 자동 새로 고침
 대시보드는 원하는 시점에 가장 최신의 정보를 제공
Sisense: 데이터 가시화 도구와 대시보드 위젯
1. 조인
2. 분석
3. 공유
가시적인 대시보드 구축
특정 데이터를 위한 보고서
저변의 추이 발견
데이터 기반의 의사 결정
대시보드 위젯
데이터 가시화 도구: 조인 -> 분석 -> 공유
게이지, 차트 및 그래프 등의 광범위한 위젯
Sisense: 대화식 대시보드의 공유
1. 조인
2. 분석
3. 공유
중요한 통찰력으로 모두의 역량을 강화
 동일한 보고서로 협업하고 동일한 통찰력을 공유
 Crowd Accelerated BI 기술로 많은 사용자와 쿼리 처리
시시각각 통찰력을 획득
 온라인 커넥션으로 모니터링하거나 자동 업데이트 수신을 위한 경보 설정
 관리자는 사용자의 접근 허용 및 거절 권한과 데이터 보안관리 권한을 보유
모바일에서 대시보드 실행
 모든 데스크톱, 태블릿 및 스마트폰에서 대시보드 실행
 모바일 BI
Sisense: 샘플 대시보드
1. 조인
2. 분석
3. 공유
소매업 분석 대시보드
마케팅 캠페인 대시보드
영업 전략 대시보드
전자상거래 대시보드
의료 검진 대시보드
인사 관리 대시보드
Sisense 주요 특징 요약
데이터 준비를 위한 번거로움 제거
• IN-CHIP 엔진은 혁신적인 기술
 어떤 질의에 대해서도 매 쿼리 마다 준비작업 없이 즉각적인 응답을 제공
즉시 적용
• SINGLE-STACK 아키텍처
 단일 BI 솔루션으로 추가적인 툴 없이 데이터 통합에서 가시화까지 가능
최단 시간 통찰력 확보
• 단일 BI 소프트웨어로 업무 분석 전체 영역 지원
 분석을 위한 복잡하고 다양한 데이터의 준비작업 단순화
 다양한 정보의 가시화를 위한 대시보드의 생성
최소한의 TCO
• SINGLE-STACK 소프트웨어
 다양한 유형과 크기의 데이터에 대한 준비, 분석 및 가시화를 하나의 툴로 해결
 데이터 웨어하우스, 가시화 툴 및 전문적인 서비스를 위한 추가 투자 비용 절감
탁월한 성능
• IN-CHIP 기술로 CPU 캐시 메모리의 효과적인 활용
 새로운 쿼리에 대해서만 데이터를 처리하고 준비
 수 초 내에 동시적인 특별한 쿼리에 대해 응답
Sisense 고객 (글로벌)
Sisense 경쟁 비교
Sisense Enterprise BI
In-Memory
Data Discovery
Data
Visualization
Tools
Open Source BI
Platforms
Hadoop &
Other
Distributed
Solutions
스탠드 얼론 솔
루션
예 예 경우에 따라 아니오 예 아니오
확장성 (1 서버) 테라바이트 테라바이트 기가바이트 기가바이트 테라바이트 페타바이트
가동 소요 시간 수 일/수 주 수 개월/수 년 수 개월/수 년 수 일/수 주 수 개월/수 년 수 개월/수 년
사용자 고급 분
석
예 예 아니오 아니오 예 아니오
소프트웨어 비용 낮음 높음 중간 높음 무상 무상
하드웨어 비용 낮음 높음 높음 낮음 높음 높음
프로페셔널 서비
스 비용
낮음 높음 높음 중간 높음 높음
전문 기술 필요 낮음 높음 높음 낮음 높음 높음
참고
• IN-CHIP 기술
• SINGLE-STACK 아키텍처
• Oracle, SAP, IBM,
MS 등
• 여러 SW의 결합
솔루션
• 많은 시간, 노력
및 비용 투자 초
래
• GB 이상의 데이
터 처리시 메모
리 초과
• 사용자당 메모리
할당 필요
• 데이터 관리 기
능 부재
• 데이터 확장성
부재
• 데이터통합기능
부재
• 낡은 기술
• RDB 엔진
• OLAP 규브
• 복잡
• 노동 집약적
• IT 위주 전문성
감사합니다!
질문?

More Related Content

Viewers also liked

Presentation Netvibes
Presentation NetvibesPresentation Netvibes
Presentation Netvibes
jnuk
 
Klipfolio stratigent webinar
Klipfolio stratigent webinarKlipfolio stratigent webinar
Klipfolio stratigent webinar
Stratigent
 
Dataweek Presentation from Chris Neumann
Dataweek Presentation from Chris NeumannDataweek Presentation from Chris Neumann
Dataweek Presentation from Chris Neumann
DataHero
 
Jeff Sauer @ All Things DATA 2016 - Automating Google Analytics
Jeff Sauer @ All Things DATA 2016 - Automating Google AnalyticsJeff Sauer @ All Things DATA 2016 - Automating Google Analytics
Jeff Sauer @ All Things DATA 2016 - Automating Google Analytics
Shuki Mann
 
Service Cloud Mobile Dashboard
Service Cloud Mobile DashboardService Cloud Mobile Dashboard
Service Cloud Mobile Dashboard
Sales Support Systematics Sp. z o.o.
 
Case study on survey data analysis with Klipfolio
Case study on survey data analysis with KlipfolioCase study on survey data analysis with Klipfolio
Case study on survey data analysis with Klipfolio
anugupta15
 
DataHero / Eventbrite - API Best Practices
DataHero / Eventbrite - API Best PracticesDataHero / Eventbrite - API Best Practices
DataHero / Eventbrite - API Best Practices
Jeff Zabel
 
GAUCbe 2015 - Dashboard Building - Involving clients to find the right metric...
GAUCbe 2015 - Dashboard Building - Involving clients to find the right metric...GAUCbe 2015 - Dashboard Building - Involving clients to find the right metric...
GAUCbe 2015 - Dashboard Building - Involving clients to find the right metric...
Devid Dekegel
 
Richslide for enterprise
Richslide for enterpriseRichslide for enterprise
Richslide for enterprise
Jun Gyun Bae
 
Grafana Review
Grafana ReviewGrafana Review
Grafana Review
Sangmo Goo
 
Klipfolio The 8 must have metrics for your marketing dashboard
Klipfolio   The 8 must have metrics for your marketing dashboardKlipfolio   The 8 must have metrics for your marketing dashboard
Klipfolio The 8 must have metrics for your marketing dashboard
Klipfolio
 
관제, IoT/Wearable에서 주목할 정보행동
관제, IoT/Wearable에서 주목할 정보행동관제, IoT/Wearable에서 주목할 정보행동
관제, IoT/Wearable에서 주목할 정보행동
Seoul National University
 
Difference between business intelligence, business analytics, and business an...
Difference between business intelligence, business analytics, and business an...Difference between business intelligence, business analytics, and business an...
Difference between business intelligence, business analytics, and business an...
Santosh Mishra
 
Pbi iot data viz
Pbi iot data vizPbi iot data viz
Pbi iot data viz
David Moss
 
Groupby -Power bi dashboard in hour by vishal pawar-Presentation
Groupby -Power bi dashboard in hour by vishal pawar-Presentation Groupby -Power bi dashboard in hour by vishal pawar-Presentation
Groupby -Power bi dashboard in hour by vishal pawar-Presentation
Vishal Pawar
 
BI Dashboard Formula Methodology: How to make your first big data visualizati...
BI Dashboard Formula Methodology: How to make your first big data visualizati...BI Dashboard Formula Methodology: How to make your first big data visualizati...
BI Dashboard Formula Methodology: How to make your first big data visualizati...
BI Brainz
 
TWP Meetup
TWP MeetupTWP Meetup
TWP Meetup
selwynjacob90
 
Building a Real Time Dashboard with Amazon Kinesis, Amazon Lambda and Amazon ...
Building a Real Time Dashboard with Amazon Kinesis, Amazon Lambda and Amazon ...Building a Real Time Dashboard with Amazon Kinesis, Amazon Lambda and Amazon ...
Building a Real Time Dashboard with Amazon Kinesis, Amazon Lambda and Amazon ...
Amazon Web Services
 
BI Dashboard Best Practices Webinar 2016 (Slides)
BI Dashboard Best Practices Webinar 2016 (Slides) BI Dashboard Best Practices Webinar 2016 (Slides)
BI Dashboard Best Practices Webinar 2016 (Slides)
Yellowfin
 

Viewers also liked (19)

Presentation Netvibes
Presentation NetvibesPresentation Netvibes
Presentation Netvibes
 
Klipfolio stratigent webinar
Klipfolio stratigent webinarKlipfolio stratigent webinar
Klipfolio stratigent webinar
 
Dataweek Presentation from Chris Neumann
Dataweek Presentation from Chris NeumannDataweek Presentation from Chris Neumann
Dataweek Presentation from Chris Neumann
 
Jeff Sauer @ All Things DATA 2016 - Automating Google Analytics
Jeff Sauer @ All Things DATA 2016 - Automating Google AnalyticsJeff Sauer @ All Things DATA 2016 - Automating Google Analytics
Jeff Sauer @ All Things DATA 2016 - Automating Google Analytics
 
Service Cloud Mobile Dashboard
Service Cloud Mobile DashboardService Cloud Mobile Dashboard
Service Cloud Mobile Dashboard
 
Case study on survey data analysis with Klipfolio
Case study on survey data analysis with KlipfolioCase study on survey data analysis with Klipfolio
Case study on survey data analysis with Klipfolio
 
DataHero / Eventbrite - API Best Practices
DataHero / Eventbrite - API Best PracticesDataHero / Eventbrite - API Best Practices
DataHero / Eventbrite - API Best Practices
 
GAUCbe 2015 - Dashboard Building - Involving clients to find the right metric...
GAUCbe 2015 - Dashboard Building - Involving clients to find the right metric...GAUCbe 2015 - Dashboard Building - Involving clients to find the right metric...
GAUCbe 2015 - Dashboard Building - Involving clients to find the right metric...
 
Richslide for enterprise
Richslide for enterpriseRichslide for enterprise
Richslide for enterprise
 
Grafana Review
Grafana ReviewGrafana Review
Grafana Review
 
Klipfolio The 8 must have metrics for your marketing dashboard
Klipfolio   The 8 must have metrics for your marketing dashboardKlipfolio   The 8 must have metrics for your marketing dashboard
Klipfolio The 8 must have metrics for your marketing dashboard
 
관제, IoT/Wearable에서 주목할 정보행동
관제, IoT/Wearable에서 주목할 정보행동관제, IoT/Wearable에서 주목할 정보행동
관제, IoT/Wearable에서 주목할 정보행동
 
Difference between business intelligence, business analytics, and business an...
Difference between business intelligence, business analytics, and business an...Difference between business intelligence, business analytics, and business an...
Difference between business intelligence, business analytics, and business an...
 
Pbi iot data viz
Pbi iot data vizPbi iot data viz
Pbi iot data viz
 
Groupby -Power bi dashboard in hour by vishal pawar-Presentation
Groupby -Power bi dashboard in hour by vishal pawar-Presentation Groupby -Power bi dashboard in hour by vishal pawar-Presentation
Groupby -Power bi dashboard in hour by vishal pawar-Presentation
 
BI Dashboard Formula Methodology: How to make your first big data visualizati...
BI Dashboard Formula Methodology: How to make your first big data visualizati...BI Dashboard Formula Methodology: How to make your first big data visualizati...
BI Dashboard Formula Methodology: How to make your first big data visualizati...
 
TWP Meetup
TWP MeetupTWP Meetup
TWP Meetup
 
Building a Real Time Dashboard with Amazon Kinesis, Amazon Lambda and Amazon ...
Building a Real Time Dashboard with Amazon Kinesis, Amazon Lambda and Amazon ...Building a Real Time Dashboard with Amazon Kinesis, Amazon Lambda and Amazon ...
Building a Real Time Dashboard with Amazon Kinesis, Amazon Lambda and Amazon ...
 
BI Dashboard Best Practices Webinar 2016 (Slides)
BI Dashboard Best Practices Webinar 2016 (Slides) BI Dashboard Best Practices Webinar 2016 (Slides)
BI Dashboard Best Practices Webinar 2016 (Slides)
 

Similar to Sisense Business Intelligence v6.0.0 r2 kor

빅데이터 인공지능 전략 및 로드맵
빅데이터 인공지능 전략 및 로드맵빅데이터 인공지능 전략 및 로드맵
빅데이터 인공지능 전략 및 로드맵
r-kor
 
AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나
AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나
AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나
Amazon Web Services Korea
 
[E-commerce & Retail Day] Data Freedom을 위한 Database 최적화 전략
[E-commerce & Retail Day] Data Freedom을 위한 Database 최적화 전략[E-commerce & Retail Day] Data Freedom을 위한 Database 최적화 전략
[E-commerce & Retail Day] Data Freedom을 위한 Database 최적화 전략
Amazon Web Services Korea
 
DB관점에서 본 빅데이터 (2019년 8월)
DB관점에서 본 빅데이터 (2019년 8월)DB관점에서 본 빅데이터 (2019년 8월)
DB관점에서 본 빅데이터 (2019년 8월)
Kee Hoon Lee
 
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
Amazon Web Services Korea
 
고성능 빅데이터 수집 및 분석 솔루션 - 티맥스소프트 허승재 팀장
고성능 빅데이터 수집 및 분석 솔루션 - 티맥스소프트 허승재 팀장고성능 빅데이터 수집 및 분석 솔루션 - 티맥스소프트 허승재 팀장
고성능 빅데이터 수집 및 분석 솔루션 - 티맥스소프트 허승재 팀장
eungjin cho
 
20160511 azure를 기반으로한 인공지능 io t 생태계 구축 전략
20160511 azure를 기반으로한 인공지능 io t 생태계 구축 전략20160511 azure를 기반으로한 인공지능 io t 생태계 구축 전략
20160511 azure를 기반으로한 인공지능 io t 생태계 구축 전략
영욱 김
 
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020 AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWSKRUG - AWS한국사용자모임
 
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
Jinwoong Kim
 
태블로 소프트웨어(Tableau Software) 소개
태블로 소프트웨어(Tableau Software) 소개태블로 소프트웨어(Tableau Software) 소개
태블로 소프트웨어(Tableau Software) 소개
HT Kim
 
2. microsoft azure 클라우드 및 쉐어포인트 포탈 소개
2. microsoft azure 클라우드 및 쉐어포인트 포탈 소개2. microsoft azure 클라우드 및 쉐어포인트 포탈 소개
2. microsoft azure 클라우드 및 쉐어포인트 포탈 소개
Steve Kim
 
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
Amazon Web Services Korea
 
SiSense 사이센스 True Agile BI 솔루션
SiSense 사이센스 True Agile BI 솔루션SiSense 사이센스 True Agile BI 솔루션
SiSense 사이센스 True Agile BI 솔루션
Planit-partners
 
빅데이터 기술전문가
빅데이터 기술전문가 빅데이터 기술전문가
빅데이터 기술전문가
YeLim Yu
 
GE디지털 제품 브로슈어 (2022년)
GE디지털 제품 브로슈어 (2022년)GE디지털 제품 브로슈어 (2022년)
GE디지털 제품 브로슈어 (2022년)
GE코리아
 
MS 빅데이터 서비스 및 게임사 PoC 사례 소개
MS 빅데이터 서비스 및 게임사 PoC 사례 소개MS 빅데이터 서비스 및 게임사 PoC 사례 소개
MS 빅데이터 서비스 및 게임사 PoC 사례 소개
I Goo Lee
 
나에게 맞는 AWS 데이터베이스 서비스 선택하기 :: 양승도 :: AWS Summit Seoul 2016
나에게 맞는 AWS 데이터베이스 서비스 선택하기 :: 양승도 :: AWS Summit Seoul 2016나에게 맞는 AWS 데이터베이스 서비스 선택하기 :: 양승도 :: AWS Summit Seoul 2016
나에게 맞는 AWS 데이터베이스 서비스 선택하기 :: 양승도 :: AWS Summit Seoul 2016
Amazon Web Services Korea
 
빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro
빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro
빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro
Amazon Web Services Korea
 
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
Gruter
 
The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)
The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)
The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)
SANG WON PARK
 

Similar to Sisense Business Intelligence v6.0.0 r2 kor (20)

빅데이터 인공지능 전략 및 로드맵
빅데이터 인공지능 전략 및 로드맵빅데이터 인공지능 전략 및 로드맵
빅데이터 인공지능 전략 및 로드맵
 
AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나
AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나
AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나
 
[E-commerce & Retail Day] Data Freedom을 위한 Database 최적화 전략
[E-commerce & Retail Day] Data Freedom을 위한 Database 최적화 전략[E-commerce & Retail Day] Data Freedom을 위한 Database 최적화 전략
[E-commerce & Retail Day] Data Freedom을 위한 Database 최적화 전략
 
DB관점에서 본 빅데이터 (2019년 8월)
DB관점에서 본 빅데이터 (2019년 8월)DB관점에서 본 빅데이터 (2019년 8월)
DB관점에서 본 빅데이터 (2019년 8월)
 
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
 
고성능 빅데이터 수집 및 분석 솔루션 - 티맥스소프트 허승재 팀장
고성능 빅데이터 수집 및 분석 솔루션 - 티맥스소프트 허승재 팀장고성능 빅데이터 수집 및 분석 솔루션 - 티맥스소프트 허승재 팀장
고성능 빅데이터 수집 및 분석 솔루션 - 티맥스소프트 허승재 팀장
 
20160511 azure를 기반으로한 인공지능 io t 생태계 구축 전략
20160511 azure를 기반으로한 인공지능 io t 생태계 구축 전략20160511 azure를 기반으로한 인공지능 io t 생태계 구축 전략
20160511 azure를 기반으로한 인공지능 io t 생태계 구축 전략
 
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020 AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
 
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
 
태블로 소프트웨어(Tableau Software) 소개
태블로 소프트웨어(Tableau Software) 소개태블로 소프트웨어(Tableau Software) 소개
태블로 소프트웨어(Tableau Software) 소개
 
2. microsoft azure 클라우드 및 쉐어포인트 포탈 소개
2. microsoft azure 클라우드 및 쉐어포인트 포탈 소개2. microsoft azure 클라우드 및 쉐어포인트 포탈 소개
2. microsoft azure 클라우드 및 쉐어포인트 포탈 소개
 
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
 
SiSense 사이센스 True Agile BI 솔루션
SiSense 사이센스 True Agile BI 솔루션SiSense 사이센스 True Agile BI 솔루션
SiSense 사이센스 True Agile BI 솔루션
 
빅데이터 기술전문가
빅데이터 기술전문가 빅데이터 기술전문가
빅데이터 기술전문가
 
GE디지털 제품 브로슈어 (2022년)
GE디지털 제품 브로슈어 (2022년)GE디지털 제품 브로슈어 (2022년)
GE디지털 제품 브로슈어 (2022년)
 
MS 빅데이터 서비스 및 게임사 PoC 사례 소개
MS 빅데이터 서비스 및 게임사 PoC 사례 소개MS 빅데이터 서비스 및 게임사 PoC 사례 소개
MS 빅데이터 서비스 및 게임사 PoC 사례 소개
 
나에게 맞는 AWS 데이터베이스 서비스 선택하기 :: 양승도 :: AWS Summit Seoul 2016
나에게 맞는 AWS 데이터베이스 서비스 선택하기 :: 양승도 :: AWS Summit Seoul 2016나에게 맞는 AWS 데이터베이스 서비스 선택하기 :: 양승도 :: AWS Summit Seoul 2016
나에게 맞는 AWS 데이터베이스 서비스 선택하기 :: 양승도 :: AWS Summit Seoul 2016
 
빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro
빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro
빅 데이터 분석을 위한 AWS 활용 사례 - 최정욱 솔루션즈 아키텍트:: AWS Cloud Track 1 Intro
 
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
 
The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)
The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)
The Data tech for AI based innovation(기업의 AI기반 혁신을 지원하는 데이터 기술)
 

Sisense Business Intelligence v6.0.0 r2 kor

  • 2. Sisense 회사 소개 Sisense는 복잡한 데이터의 준비, 분석 및 시각화 작업을 단순화하여 비즈니스 분석에 끊임없이 변화를 일으키고, 번거롭고 값 비싼 IT 투자 없이도 기업에 막대한 역량을 부여한다. 모든 사람을 위한 빅데이터 분석 HQ: NEW York, San Francisco (미국), Tel Aviv (이스라엘) 2000년 초 Sisense 시작 2010년 7월 Sisense 제품 출시 Sisense IN-CHIP 엔진 개발 2011년 350% 성장 2012년 520% 성장
  • 3. Sisense 평가 “Sisense Is Taking Big Data Analytics By Storm.” “Makes analytics dead simple!” “Sisense tools show a small laptop can crunch big data.” “Sisense: For Big Data, small is beautiful.” “Delivers real-time big data query capabilities…” “Sisense는 빅데이터 분석에서 대성공을 이루고 있다.” “Sisense 툴은 작은 노트북에서도 빅 데이터를 갖고 놀 수 있다는 것을 보여준다.” “Sisense: 빅 데이터를 위해, 작지만 훌륭하다.” “실시간 빅 데이터 쿼리 기능을 제공하고…” “분석을 매우 단순하게 만들다!”
  • 4. Sisense BI 소개 비즈니스 인텔리전스(BI) 플랫폼 비즈니스 인텔리전스(BI) 소프트웨어 빅데이터 솔루션 연계성 비즈니스 인텔리전스(BI) 솔루션 단일 통합 환경 데이터 분석 데이터 가시화 쉬운 사용자 인터페이스 모든 정보를 수집하고 단일한 레포지토리로 통합 강력한 보고서 기능으로 풍부하고 지능적인 분석 팀, 파트너 및 고객과 통찰력 공유 전문기술 없이 빠르게 적용과 활용
  • 5. Sisense: 애자일 비즈니스 인텔리전스(BI) 빠른 적용, 뛰어난 연계성 특수 쿼리의 신속한 실행과 응답 최단 시간 통찰력 확보 컴퓨팅 자원 활용 최적화 TCO 최소화 탁월한 성능 기존 BI의 굴레에서 해방 개발자를 위한 API
  • 6. Sisense 아키텍처 데이터 소스 BI 서버 전방 앱 실행 장비
  • 7. Sisense 비법: IN-CHIP 엔진 최종 결론: 더 빠르고 크기 제한 없고 • 인 메모리 기술보다 10배 이상의 속도 • 메모리 최적화한 컬럼 DB로 TB 데이터 처리 메모리의 계층 구조 전체(칩)를 활용 • 기존 컴퓨팅 자원 활용 극대화 • CPU 내의 가용 메모리 활용 진정한 컬럼 데이터 저장과 쿼리 커널 • 유연한 볼륨 확장과 효율적인 분석 • 관계형 DB 대비 50-100 빠른 성능 • 압축을 위해 최적화된 구조 가장 빠른 CPU 캐시 활용 • RAM 복제 없이 CPU 에서 연산 처리 • CPU 압축 해제 – 메모리 대역폭 확보 단일 명령 다중 데이터 처리(SIMD) • SIMD 기술로 쿼리 성능 가속 • 복수의 작업을 동시적으로 처리 Crowd Accelerated BI • 쿼리 블록의 생성과 재활용 기술 • 더 많은 쿼리를 더 빠르게 처리 작은 성능의 컴퓨터로 대용량 데이터 처리 • 모든 CPU 기술 활용 극대화 • 작은 노트북에서도 TB 데이터 처리능력 • 스트라타 컨퍼런스 경연에서 우승
  • 8. Sisense: Crowd Accelerated BI 기술 기존 BI의 문제점 Crowd Accelerated BI 기술  캐시 쿼리가 동일한 쿼리 요청을 위해 대기  동일한 쿼리 요청 빈도 낮음  재활용도 낮은 쿼리로 캐시가 채워 짐  CPU는 자체 쿼리 처리로 부하 증가  하드웨어 소진  쿼리를 쿼리 블록으로 분할 후 캐시에 저장  쿼리 요청을 쿼리 블록 단위로 재활용  쿼리 블록 증가로 쿼리 요청 처리 성능 향상  캐시 효율 극대화 및 CPU 처리 부하 감소  더 많은 사용자와 쿼리 처리 능력 확보
  • 9. Sisense DB: ElastiCube 분석 DB ElastiCube = Sisense 고유의 고성능 분석 DB 획기적인 IN-CHIP 분석 기술 • 실시간 성능을 보유한 TB 규모의 비즈니스 분석  64비트 하드웨어와 최신 CPU 아키텍처 상에 구축  ElastiCube의 IN-CHIP 분석 기술로 디스크, RAM 및 CPU를 효율적으로 활용  하나의 상용 서버로 TB 데이터와 다수의 동시 사용자를 지원 적은 컴퓨팅 자원으로 더 많은 데이터를 더 빠르게 • 디스크 기반이나 인 메모리 DB 기술보다 빠름  ElastiCube는 디스크에 저당하나 인 메모리 DB와 유사한 기술로 처리  Elastic IQ(ElastiCube의 쿼리 처리 엔진)는 필요한 데이터 만 RAM에 로드/언드로 • ElastiCube DB는 컬럼 DB로 고성능 스토리지 구현  분할된 컬럼 단위로 디스크에 저장  테이블 단위 검색으로 인한 병목현상 제거  데이터 압축 효율 극대화 사용자와 쿼리의 증가에도 더 빠르게 • 하드웨어 업그레이드 불필요, 더 많은 사용자를 위한 용량 설계 단순  Crowd Accelerated BI로 더 많은 사용자와 쿼리 처리 능력 제공
  • 10. Sisense: 다양한 소스의 데이터 조인 1. 조인 2. 분석 3. 공유 이질적인 데이터를 하나의 중앙집중 DB로 통합  데이터 수집과 준비 단계 제거  간단하게 여러 소스에서 대규모 데이터 조인  모든 데이터를 정돈된 중앙집중 레포지토리에 저장 드래그앤드롭으로 복수의 데이터 소스를 조인  내장 커넥터로 다양한 소스와 형식의 데이터와 조인  프로그래밍, 스크립트 등 데이터 준비 단계 제거 완벽한 데이터의 진정한 단일 버전 생성  오류 없는 최신 데이터 작업으로 진정한 통찰력 획득  기업의 모든 사람이 진정한 단일 소스를 공유 분석
  • 11. Sisense: 내장 커넥터 1. 조인 2. 분석 3. 공유 지능적인 조인  데이터 누락 없이 모든 소스와 유형의 데이터 조인 드래그 앤 드롭  코딩이나 스크립트 없이 시시각각 통찰력 획득을 위한 신속한 구축  오랜 시간이나 큰 자원 소모 없이 새로운 데이터 추가 파일 형식 • MS Excel • CSV • MS Access 애플리케이션 • Salesforce • Zendesk • QuickBase • Google Adwords • Google Analytics • Google Spreadsheets • Amazon Redshift • Heroku Postgres 데이터베이스 서버 • MS SQL Server • Oracle Database • MySQL Database • PostgreSQL • DB2 • Generic ODBC Driver • Generic OleDB Driver • ERP • MongoDB 머신 데이터 • Splunk 빅데이터 소스 • Hadoop Hive • Teradata 맞춤형 • Custom SQL expression • Social networks via RSSBus • Common CRMs via RSSBus
  • 12. Sisense: 전문적인 데이터 가시화와 분석 1. 조인 2. 분석 3. 공유 기술적인 숙련 없이도 대화형 대시보드 구축  대시보드 위젯 제공  드래그앤드롭으로 위젯을 위치시켜 대시보드 외관 교정 풍부한 데이터 가시화로 통찰력 획득  다양한 데이터 가시화 도구 (Data Visualization Tool) 제공  동적인 외양과 대화식 BI 보고서 (BI Reporting) 빅 데이터 쿼리 속도에서 신기록  인 메모리 대비 데이터에서 100배 속도에서 10배 향상  TB 데이터 쿼리를 수초 내에 응답  더 많은 질의와 보다 의미 있는 결과로 업무 능률 향상 변화하고 증가하는 모든 데이터를 실시간으로 경험  대시보드의 수정 새로 고침 또는 시간 설정에 의한 자동 새로 고침  대시보드는 원하는 시점에 가장 최신의 정보를 제공
  • 13. Sisense: 데이터 가시화 도구와 대시보드 위젯 1. 조인 2. 분석 3. 공유 가시적인 대시보드 구축 특정 데이터를 위한 보고서 저변의 추이 발견 데이터 기반의 의사 결정 대시보드 위젯 데이터 가시화 도구: 조인 -> 분석 -> 공유 게이지, 차트 및 그래프 등의 광범위한 위젯
  • 14. Sisense: 대화식 대시보드의 공유 1. 조인 2. 분석 3. 공유 중요한 통찰력으로 모두의 역량을 강화  동일한 보고서로 협업하고 동일한 통찰력을 공유  Crowd Accelerated BI 기술로 많은 사용자와 쿼리 처리 시시각각 통찰력을 획득  온라인 커넥션으로 모니터링하거나 자동 업데이트 수신을 위한 경보 설정  관리자는 사용자의 접근 허용 및 거절 권한과 데이터 보안관리 권한을 보유 모바일에서 대시보드 실행  모든 데스크톱, 태블릿 및 스마트폰에서 대시보드 실행  모바일 BI
  • 15. Sisense: 샘플 대시보드 1. 조인 2. 분석 3. 공유 소매업 분석 대시보드 마케팅 캠페인 대시보드 영업 전략 대시보드 전자상거래 대시보드 의료 검진 대시보드 인사 관리 대시보드
  • 16. Sisense 주요 특징 요약 데이터 준비를 위한 번거로움 제거 • IN-CHIP 엔진은 혁신적인 기술  어떤 질의에 대해서도 매 쿼리 마다 준비작업 없이 즉각적인 응답을 제공 즉시 적용 • SINGLE-STACK 아키텍처  단일 BI 솔루션으로 추가적인 툴 없이 데이터 통합에서 가시화까지 가능 최단 시간 통찰력 확보 • 단일 BI 소프트웨어로 업무 분석 전체 영역 지원  분석을 위한 복잡하고 다양한 데이터의 준비작업 단순화  다양한 정보의 가시화를 위한 대시보드의 생성 최소한의 TCO • SINGLE-STACK 소프트웨어  다양한 유형과 크기의 데이터에 대한 준비, 분석 및 가시화를 하나의 툴로 해결  데이터 웨어하우스, 가시화 툴 및 전문적인 서비스를 위한 추가 투자 비용 절감 탁월한 성능 • IN-CHIP 기술로 CPU 캐시 메모리의 효과적인 활용  새로운 쿼리에 대해서만 데이터를 처리하고 준비  수 초 내에 동시적인 특별한 쿼리에 대해 응답
  • 18. Sisense 경쟁 비교 Sisense Enterprise BI In-Memory Data Discovery Data Visualization Tools Open Source BI Platforms Hadoop & Other Distributed Solutions 스탠드 얼론 솔 루션 예 예 경우에 따라 아니오 예 아니오 확장성 (1 서버) 테라바이트 테라바이트 기가바이트 기가바이트 테라바이트 페타바이트 가동 소요 시간 수 일/수 주 수 개월/수 년 수 개월/수 년 수 일/수 주 수 개월/수 년 수 개월/수 년 사용자 고급 분 석 예 예 아니오 아니오 예 아니오 소프트웨어 비용 낮음 높음 중간 높음 무상 무상 하드웨어 비용 낮음 높음 높음 낮음 높음 높음 프로페셔널 서비 스 비용 낮음 높음 높음 중간 높음 높음 전문 기술 필요 낮음 높음 높음 낮음 높음 높음 참고 • IN-CHIP 기술 • SINGLE-STACK 아키텍처 • Oracle, SAP, IBM, MS 등 • 여러 SW의 결합 솔루션 • 많은 시간, 노력 및 비용 투자 초 래 • GB 이상의 데이 터 처리시 메모 리 초과 • 사용자당 메모리 할당 필요 • 데이터 관리 기 능 부재 • 데이터 확장성 부재 • 데이터통합기능 부재 • 낡은 기술 • RDB 엔진 • OLAP 규브 • 복잡 • 노동 집약적 • IT 위주 전문성