LG CNS 자세히보기

IT Solutions/Big Data 43

어려운 수요 파악, 머신러닝으로 예측할 수 있다?

기업 측면에서 수요의 예측은 생산, 자재 및 물류 등의 계획과 관리 측면에서 중요합니다. 수요를 잘 예측하면 창고에 제품별 재고 비축을 하는 것이 효율적인지 계획할 수 있고, 생산지에서 창고로 제품을 이동하는 물류에 대한 계획도 가능할 수 있습니다. 해당 제품을 생산 할 때 필요한 원재료의 구매부터 비축에 대한 계획도 가능합니다. 이렇게 생산된 제품에 대한 선적 계획도 가능하게 되므로 수요의 예측은 기업의 SCM(Supply Chain Management, 공급망 관리)에서 가장 중요한 부분을 차지할 것입니다. 수요 예측은 특히 과거의 수요 트렌드(Trend)를 학습해 미래 수요를 예측하는 시계열 모형이 많이 사용되었던 분야입니다. 전통적인 시계열 모형으로는 예측하고자 하는 값이 과거 시점에 영향을 받는..

AI는 어떻게 '사기 거래'를 잡아낼까?

지난 글에서는 인공지능이 이상 탐지 분야에 어떤 도움을 줄 수 있는지를 알아봤습니다. 그렇다면 구체적으로 인공지능을 이상 탐지에 적용하기 위한 절차와 방법은 어떻게 될까요? ● 도난 카드로 100만 원 플렉스? ‘수상한 결제’ AI가 잡는다! 이번에는 이상거래 탐지를 위한 인공지능의 학습 및 적발 과정을 알아보겠습니다. 아래 그림을 보면 인공지능이 과거 거래의 사기 패턴을 학습하는 ‘학습 단계’와 학습된 인공지능 모델로 새로 발생하는 거래의 사기 여부를 탐지하는 ‘탐지 단계’로 나눌 수 있습니다. 각각의 세부 단계를 알아볼까요? l 인공지능을 이용한 사기 거래 학습 및 탐지 과정 먼저, 학습 단계입니다. 학습 단계는 변수를 정의(생성)하고 준비한 학습 데이터로 인공지능 모델을 학습해 모델의 정확도를 평가..

IT Solutions/Big Data 2020.07.01 (2)

도난 카드로 100만 원 플렉스? ‘수상한 결제’ AI가 잡는다!

“주부 카드로 심야에 유흥업소에서 100만 원 이상 결제되면 도난 카드 이용 의심”“편의점에서 소액결제 후 30분 이내 고가 품목 구매 결제 시 분실 카드 이용 의심” 위의 사례들은 누구나 직관적으로 이해할 수 있는 사기 거래의 탐지 규칙입니다.그렇지만 실제 지능적인 사기 거래는 정상 거래보다 더 정상에 가까워 보이도록 위장하는 특성이 있습니다. 숙련된 조사자는 사기 거래에 숨은 패턴을 놓치지 않고 적발해내지만 아무리 경험 많은 조사자라 하더라도 한 사람이 모든 유형의 사기 패턴을 파악하기는 어렵습니다. 그렇다면 여러 명의 숙련된 조사자의 경험과 노하우를 모아서 반복해 사용할 수 있으면 좋지 않을까요? l 이상거래 탐지 시스템의 개념 짐작하듯이 과거에 조사자에게 적발된 사기 사례를 모아 인공지능에 학습시..

IT Solutions/Big Data 2020.06.22 (1)

"예지력 상승" 빅데이터로 공장 오작동 예측한다!

코로나19로 인해 비대면(언택트) 사업이 확장되고 있습니다. ‘언택트’가 활성화되면서 여러 분야에서 무인으로 운영하는 사업을 하려고 합니다. 제조 업계에서도 이러한 추세에 맞추어 스마트 팩토리 사업을 가속화한다는 소식을 찾을 수 있었습니다. 스마트 팩토리란, 사물인터넷(IoT) 등 관련 신기술을 이용해 공장에서의 제조 환경을 스스로 개선해 나갈 수 있게 하는 스마트 체계를 갖춘 공장입니다. 노동 현장에서는 숙련공이 부족하고, 시장에서는 소비자의 변칙적인 수요가 늘어나고 있습니다. 이러한 상황을 해결하기 위해 많은 기업이 스마트 팩토리에 많은 투자를 할 것으로 예상합니다. 스마트 팩토리를 구성하는 여러 요소가 있지만, 그중 제조 데이터 분석은 스마트 팩토리 영역에서 핵심적인 역할을 수행하고 있습니다. 제조..

IT Solutions/Big Data 2020.05.12 (2)

인공지능과 빅데이터를 위한 정보 분석 아키텍처 2편, LDW

지난 시간에는 인공지능과 빅데이터를 위한 정보 분석 아키텍처 로지컬 데이터 웨어하우스(Logical Data Warehouse)의 정의와 구성 요소에 대해 알아봤습니다. 이번 시간에는 로지컬 데이터 웨어하우스의 적용 사례와 동향에 대해 알아보겠습니다. ● 인공지능과 빅데이터를 위한 정보 분석 아키텍처: http://blog.lgcns.com/1775 LDW(Logical Data Warehouse)의 적용 사례 LDW라는 개념은 2~3년 전에 제시되었고, 다양한 활용 사례들이 있는데요. 그중에서 빅데이터 기술을 활용해 저렴한 저장 공간을 활용한 사례와 분산 병렬 처리를 이용한 배치 속도 개선 사례를 함께 알아보겠습니다. ● 데이터 아카이빙 영역으로 빅데이터 플랫폼 활용생산 공정 과정에서 발생하는 대부분 ..

인공지능과 빅데이터를 위한 정보 분석 아키텍처 1편, LDW

IDC는 2020년, 전 세계 데이터가 44 제타바이트에 이를 것으로 전망했습니다. 모바일, 소셜 미디어, IoT 등 디지털 기술의 발달로 데이터는 폭증하고 있는데요. 발생 데이터 80% 이상이 비정형 데이터로 그 종류도 다양합니다. 바야흐로 데이터의 빅뱅, 빅데이터 시대라 할 수 있습니다. 하지만 기존 정보 분석 환경은 정형 데이터를 기본으로 하고 있어, 다양하고 방대한 양의 데이터 처리가 어려운 실정입니다. 오픈소스의 발달로 빅데이터 처리가 가능해진 하둡(Hadoop)의 등장에 따라 저렴한 비용으로 대량의 데이터를 저장할 수 있게 되었고, 분산 병렬 처리를 지원하여 빅데이터 처리와 분석이 가능하게 되었습니다. 기업들은 이미 구축해 각종 분석에 활용하고 있는 정형 데이터 중심의 데이터 웨어하우스(Dat..

고객 시선 강탈의 중요 요소 ‘빅데이터 추천 시스템’ ②

지난 1편에서는 빅데이터 분석을 통한 고객 추천 시스템에 대해 크게 두 가지의 방식을 말씀 드렸는데요. 이 방식들은 2000년대 초반부터 사용되던 전통적인 추천 방식입니다. ● 고객 시선 강탈의 중요 요소 ‘빅데이터 추천 시스템 ①: http://blog.lgcns.com/1282 최근에는 구매를 위한 더 다양하고 복잡한 요인들이 많이 발생하기 때문에, 한가지 이상의 모델을 결합하는 앙상블 기법을 많이 사용하고 있습니다. 전통적인 추천 방식 넘어서기 앙상블 기법에는 단순 평균, 가중 합산, Voting, Bagging, Boosting 등 결과 수치를 결합하는 방법뿐만 아니라, 시점에 따라 서로 다른 방법론을 적용하는 hybrid modeling 등의 기법도 있습니다. 그 중 가장 기본이 되는 가중 합산..

IT Solutions/Big Data 2016.12.14 (1)

고객 시선 강탈의 중요 요소 ‘빅데이터 추천 시스템’ ①

상점에서 물건을 팔 때 가장 중요한 것은 고객의 시선 강탈(eye-catching) 요소입니다. 모든 사업자들은 고객의 시선을 끌기 위해 필사적으로 노력을 합니다. 그리고 어떤 제품을 전면에 걸어야 사용자의 눈을 현혹할 수 있을지를 고민합니다. 사용자의 시선을 뺏는 제품과 실제 매출과 수익을 올리는 제품은 항상 다르기 마련입니다. 사업자는 어떤 제품을 어떻게 보여줌으로써 사용자를 끌어들이고, 실제로 진열장에서는 어떤 경험을 하게 유도를 할 것이며, 그래서 어떤 제품을 구매하도록 할 것인지 전략을 세우고 그를 실행하게 됩니다. 추천 시스템의 개요 아래 그림을 보시면 위에서 설명 드린 전략을 가지고 진열을 한 사례와 아닌 사례를 쉽게 구분할 수 있습니다. 왼쪽 사진은 가지고 있는 제품을 아무런 전략 없이 진..

소셜 빅데이터 분석을 통해 신(新)소비 트렌드를 읽다

소셜 미디어는 이제 유행을 넘어 우리 생활의 일부가 되었으며, 그 중요성과 발전상은 더 이상 새로운 일이 아닙니다. 우리는 이미 소셜 미디어 세상 안에서 함께 즐기며 그 성장을 이끌어 나가고 있습니다. 우리나라의 경우 2000년대 들어 소셜 미디어의 인기가 본격화되었으며, 초기 형태인 ‘아이러브스쿨’, ‘다모임’을 거쳐 ‘프리챌’, ‘싸이월드’로 이어지는 국내 토종 서비스의 시대가 저물고, 이제는 페이스북, 인스타그램과 같은 해외 서비스가 꾸준히 상승세를 타고 있는데요. 최근 이러한 서비스에 위치기반서비스(LBS)가 결합되는 등 점차 다양한 형태로 발전해 나가고 있습니다. 이제 우리는 일상과 사진, 위치 정보 등을 언제든지 손쉽게 공유하고, 지구 반대편의 친구들뿐만 아니라 사회 유명인사들과 같은 쉽게 만..

IT Solutions/Big Data 2016.10.25 (1)

빅데이터 시각화 분석 ②

지난 1편에는 데이터를 시각화하는 ‘정보 시각화 방법 다섯 가지’를 알아봤는데요. 이번 시간에는 빅데이터 시각화의 범위 및 빅데이터 시각화 절차와 도구 등에 대해 자세히 소개해 드리도록 하겠습니다. ● 빅데이터 시각화 분석 ①: http://blog.lgcns.com/1208 빅데이터 시각화의 범위 l 정보 디자인에서 빅데이터 시각화 영역 (출처: 한국데이터베이스진흥원의 데이터 분석 전문가 가이드 도서, 재구성) 앞서 언급한 대로 빅데이터 시각화는 정보 시각화에 가깝습니다. 빅데이터 시각화는 데이터를 기반으로 객관적 표현에 더 초점을 맞추는 경우가 많으므로, 정보형 메시지를 전달하기 위한 데이터 시각화와 일맥상통합니다. 반면 데이터 자체보다는 데이터를 기초로 해석된 의미의 설득형 메시지를 전달하기 위한 ..