파운드리(Foundary)란?
Foundary is a software platform across industries.
파운드리는 백엔드 엔지니어부터 실제 현장의 작업자, 데이터 분석가, 경영자 등에 이르기까지 모든 유형의 사용자가 데이터와 모델을 통핸 임팩트를 창출할 수 있도록 지원한다.
What does Digital Transformation Require?
-
A digital representation of your world, shared by data, analytics, and operations.
-
Cordination across actions, processes, and decisions that are happenning in real-time.
-
The continuous ability to simultate, iterate and learn, as conditions change.
진정한 디지털 전환은 모든 운영 기능과 기술 능력 전반에 걸쳐 모든 팀과 사용자를 하나로 모아야만 달성할 수 있다.
Data Investments Are Great!
...but not sufficient
- Data lakes, Data platforms, Data warehouse, Data Lakehouses
- Cleaning up and centralizing the estate, and stepping past the legacy mess
- Many organizations are perpetually on this journey, but is endless
그러나, 많은 조직은 데이터에 막대한 투자를 하는 동시에 기술 스택의 별도 요소를 연결하는 데 끝없는 어려움을 겪고 있다.
Analytics Investments Are Great!
...but not sufficient
- Business Intelligence, Machine Learning workbenches, AI Tools...
- Staffing up analytical teams, exploring insights, building models...
- Unclear how these investments move the needle, in daily operational settings
분석에 대한 투자도 마찬가지다. 분석 팀은 훌륭한 대시보드와 모델을 구축할 수 있으며, 나아가 모델을 엔드포인트 또는 컨테이너로 배포할 수도 있다.
Status Quo: The "Assembly Line"
- Data slowly gathers inside of the enterprise's data platforms, data lakes, etc.
- BI applications, passive dashboards, and other "descriptive' analytics.
- There is no lover for user action; no ability to learn; no ability to weave into daily work.
데이터는 이러한 플랫폼 내에서 천천히 수집되고, 추출된 다음 BI, 모델링 어플리케이션 또는 기타 묘사 분석 시각화의 형태로 출력되며, 데이터 소비자는 이러한 결과를 바탕으로 작업을 할 수 있다.
그렇지만 실제로 이러한 데이터를 바탕으로 창출된 결정사항은 실제로 데이터 자산에 다시 연결되어 자산을 더 스마트하게 발전시키는 대신 헛되이 낭비된다.
→ 팔란티어는 조직의 진정한 디지털 전환은 위와 같은 수동적인 '데이터 조립 라인'으로 달성할 수 없다고 생각한다.
그러나 파운드리는 조직 성과를 빠르고 지속 가능한 방식으로 제공하며, 조직의 팀과 운영 부서 전체를 연결하여 디지털 전환을 가능하게 한다.
어떻게 서로 다른 사용자 그룹을 실시간으로 연결하여 진정한 디지털 전환을 향해 나아갈 수 있는지 의문이 들 수 있다.
이에 대한 해답은 온톨로지, 더 구체적으로 온톨로지와 온톨로지를 지원하는 애플리케이션이다.
온톨로지(Ontology)란?
- 온톨로지 개념: Foundry 온톨로지는 그룹을 위한 운영 레이어입니다. 온톨로지는 Foundry에 통합된 디지털 자산(데이터셋 및 모델) 위에 위치하며, 이를 실제 세계의 대응물(식물, 장비 및 제품과 같은 물리적 자산부터 고객 주문이나 금융 거래와 같은 개념에 이르기까지)에 연결합니다. 많은 환경에서 온톨로지는 그룹의 디지털 트윈 역할을 하며, 모든 유형의 유즈케이스를 가능하게 하는 의미론적 요소(오브젝트, 속성, 링크)와 동력학적 요소(액션, Functions, 동적 보안)를 모두 포함합니다.
온톨로지를 이해하기 위해 개념적 프레임에서 시작하고, 이 개념적 프레임이 실제로 어떻게 적용되는지에 대한 예를 볼 수 있다.
온톨로지는 파운드리의 핵심 개념이며, 온톨로지는 여러 레이어로 구성되어 있다.
Semantic Layer
첫 번쩨 레이어는 온톨로지에 포함된 시맨틱 레이어이다. 시맨틱 레이어에는 조직 내 모든 유형의 데이터 소스를 공유된 디지털 표현으로 연결한다.
- Objects
- Multi-Modal Properties
- Links
예를 들어, 특정 조직에게 중요한 것들로 구성된 추상적인 세계를 표현한다고 가정해 보면, 이러한 세계는 수많은 사람, 장소, 사물로 이루어져 있다.
근본적으로 조직을 구성하는 여러 '명사'의 집합체로 볼 수 있다. 물체와 이벤트 사이에도 연관성이 있고, 서로 상호작용하는 방식도 있다. 또한, 물체와 링크에는 입력되는 데이터와 함께 시맨틱 레이어를 형성하는 모델에 의해 작동하는 동적 속성도 있다.
Kinetic Layer
두 번째 레이어는 키네틱 레이어이다. 키네틱 레이어는 바로 움직이는 조직이다. 조직의 모든 행동, 기능 및 과정, 즉 위에서 말씀드린 '명사'와 관련된 '동사'를 생각하면 된다.
- AI-Driven Actions & Founctions
- Process Mining & Automation
- Real-time Monitoring
키네틱 레이어는 온톨로지를 실제로 활성화한다. 예를 들어, 고객이 거래를 완료하고, 제품이 물류 센터에서 매장으로 배송되는 등의 작업을 수행합니다.
이러한 모든 물체, 이벤트 및 작업을 공유되는 방식으로 모델링하면 조직의 공통 언어에 기반하여 발전된 의사 결정, 협업 및 어플리케이션 구축의 초석이 된다.
Dynamic Layer
세 번째 레이어는 지금까지 본 레이어 중 가장 발전된 동작 레이어이다. 시뮬레이션, 최적화 및 프로세스를 자동화에 대해 생각해 볼 수 있다.
- Simulation
- Orchestration
- Autonomous Operations
이 레이어에서 팔란티어는 하나의 조직을 프로그래밍 코드와 비슷하게 접근한다.
온톨로지 구성을 시작하려면 정형 및 비정형 데이터에서 나오는 다양한 데이터 소스에 대해 생각할 필요가 있으며, 조직 중심적으로 구성된 추상적인 세상에 이러한 데이터를 연결하는 방법도 고민해야 한다.
많은 조직은 데이터 뿐만 아니라 데이터 위에서 작동하는 모델을 기반으로 운영된다.
이미 구축한 모델은 모델 빌딩 툴, 저장된 프로시저, 많은 툴, 모델 등 다양한 출처에서 개발된 모델일 수 있다. 그리고 데이터 사이언티스트는 이러한 기능을 사용하여 조직의 시급한 문제에 답변을 제공해야 한다.
그러나 공통적인 문제는 이러한 모든 모델은 데이터 중 과거의 작은 조각을 기반으로 구축되었으며, 실제로 이러한 모델이 필요한 광범위한 애플리케이션에 완전하게 통합되지는 않는다는 것이다.
분석이든 운영 애플리케이션이든 데이터 사이언스 부서는 보통 데이터를 기반으로 모델을 신속하게 개발하지만, 모델에서 임팩트를 창출하는 것은 조금 더 어렵다. 또한, 많은 부서들은 사일로화 되어 있어 모델이 제대로 활용되지 않는 경우도 많다.
따라서 모델을 온톨로지와 같은 공유 시스템에 통합해야만 해당 모델의 가치를 충분히 활용할 수 있다.
내용 정리
출처: 링크
온톨로지는 데이터를 구조화하고 의미를 정의하는 데 핵심적인 역할이다. 기존 데이터 소스를 온톨로지의 오브젝트, 속성, 링크로 매핑함으로써 단순한 데이터 카탈로그를 넘어서는 강력한 메타데이터 체계를 제공한다. 이를 통해 모든 필드에 대해 풍부한 메타데이터를 제공하고, 변경 사항에 대해 세분화된 보안과 거버넌스를 지원한다.
온톨로지의 의미론적 요소
온톨로지의 의미론적 요소는 크게 두 가지로 나뉜다: 오브젝트 유형과 링크 유형. 이러한 요소들은 데이터 간의 관계와 구조를 정의하며, 최종 사용자 워크플로를 위한 견고한 기반을 만든다.
- 오브젝트 유형: 데이터에서 특정 엔터티를 나타낸다. 예를 들어, 고객, 제품, 트랜잭션 등이 오브젝트 유형에 해당한다.
- 링크 유형: 오브젝트 간의 관계를 나타낸다. 예를 들어, "구매" 링크는 고객과 제품 간의 관계를 설명할 수 있다.
온톨로지는 데이터의 의미와 연결성을 체계적으로 정의하여 더 나은 데이터 관리와 분석을 가능하게 한다.
온톨로지의 동적 요소
온톨로지는 데이터의 정적 구조를 정의하는 것뿐만 아니라, 데이터를 기반으로 한 변화와 조정을 가능하게 한다. 이를 위해 두 가지 주요 구성 요소를 사용한다: 액션 유형과 Functions.
- 액션 유형: 데이터를 수집하거나 의사결정 프로세스를 조정할 수 있도록 지원한다. 예를 들어, 그룹의 운영자가 데이터를 입력하거나 기존 시스템과 연결할 수 있는 워크플로를 정의할 수 있다.
- Functions: 복잡한 비즈니스 로직을 작성하고 발전시키는 데 사용된다. 이를 통해 데이터 기반 의사결정을 더욱 정교하게 만들 수 있다.
의사결정 강화를 위한 온톨로지
온톨로지의 궁극적인 목표는 대규모 그룹에서 더 나은 의사결정을 촉진하는 것이다. 이를 위해 온톨로지는 Foundry의 사용자 중심 도구들과 통합되어 있다. 사용자는 다음과 같은 작업을 통해 데이터의 가치를 극대화할 수 있다:
- Object View: 재사용 가능한 오브젝트 뷰를 생성하여 데이터를 효율적으로 시각화 및 관리한다.
- Object Explorer: 관심 있는 오브젝트를 검색하고 탐색한다.
- Quiver: 복잡한 데이터 분석을 수행한다.
- Workshop: 고품질 애플리케이션을 빌드한다.
온톨로지는 데이터 관리와 의사결정을 위한 강력한 기반을 제공하며, 데이터의 구조적, 동적 요소를 통합적으로 활용하여 조직의 생산성과 효율성을 향상시킨다.
온톨로지 딥다이브
온톨로지 시각화 개념에서 네 가지 버킷에 대해 알아본다.
데이터
데이터 엔지니어는 온톨로지 파이프라인을 구축할 수 있는 로우코드 및 프로코드 애플리케이션을 사용한다.
데이터 엔지니어가 마주 할 수 있는 질문
- 데이터세트가 최신 상태인가?
- 데이터세트가 정상인가?
등이 있다. 강력한 데이터 파이프라인을 구축하려면 개발에 엄격한 기준을 적용할 수 있는 도구가 필요하다.
모델
다른 곳에서 개발했을 수도 있는 모델을 온톨로지에 연결할 수 있어야 한다. 즉, 온톨로지에 데이터를 공급하는 동시에 조직의 디지털 트윈을 정확하게 표현하여 프로덕션 환경에서 모델을 실행할 수 있어야 한다.
분석
데이터 분석을 지원하는 애플리케이션은 코딩 전문가 뿐만 아니라 모든 유형의 사용자가 조직의 디지털 트윈을 조사하고 탐색할 수 있는 공통 워크벤치가 될 수 있게 설계되었다.
온톨로지에 대한 액세스를 대중화화는 과정에서 본질적으로 중요한 것은 보안과 권한이 중앙 제어되고, 잘못된 데이터를 분석하거나 잘못된 모델을 사용하여 우회할 수 없다는 점이다.
애플리케이션
온톨로지는 Foundry의 도구를 활용하여 데이터 기반 고품질 애플리케이션을 개발하고, 효율적인 데이터 관리와 의사결정을 지원하는 강력한 기반을 제공한다.
통합
팔란티어는 온톨로지를 타 시스템에 직접 연결하기 위해 OPI(Ontology Programming Interface) 등 많은 API를 구축했다.
