일반적인 데이터 분석 사용 사례 이해하기

[Raf] 이제 데이터 분석의 다양한 유형에 따른 차이점을 알았으니, 실제로 데이터 분석을 어디에 활용할 수 있는지 몇 가지 예시를 소비자로서, 그리고 가능하다면 전문적인 방식으로도 보여 드리겠습니다 데이터 분석은 오늘날 게임, 소셜 미디어 피드, 이커머스, 온라인 쇼핑, 웹 사이트, 클릭 스트리밍이라고도 하는 통계, 추천 엔진, IoT(사물 인터넷), 로그 처리 등의 광범위한 분야에서 널리 사용되고 있습니다

이러한 분야에서 데이터 분석의 정확한 목적이 무엇인지 이해할 수 있도록, 일부 시나리오에서 데이터 분석이 중요한 역할을 차지하는 몇 가지 예시를 들어 보겠습니다 여러분이 저처럼 컴퓨터 게임을 좋아한다고 가정해 볼게요 게임을 싫어하는 사람은 없겠죠?

휴대폰이나 컴퓨터, 게임 콘솔에서 게임을 플레이하는 걸 좋아한다면, 플레이를 시작하기 위해 눌러야 하는 체크 박스에 대해서는 이미 익숙하실 겁니다 일반적으로 게임 경험을 개선하기 위해 게임 개발자에게 익명 데이터 통계 정보를 보낸다는 등의 내용이 담긴 메시지가 표시되죠 이렇게 하면 기본적으로 잠재적인 충돌, 설계 문제를 감지하고 기타 데이터를 수집하기 위해 여러분이 게임을 플레이하는 방식에 관한 정보를 수집하도록 허용하게 됩니다 이 경우 게임 플레이와 같은 실제 데이터는 개발자가 잠재적인 문제를 방지하고 게임 경험을 향상시키는 데 도움이 되는 정보로 활용할 수 있습니다 그렇기 때문에 데이터 분석이 존재하며, 오늘날 더욱 중요하게 여겨지는 것입니다

데이터 분석이 요즘 왜 중요한지 궁금하실 수 있는데요 저는 어릴 때부터 게임을 플레이했는데, 그 때는 지금과 상황이 많이 달랐습니다 게임을 카트리지 형식으로 판매했었죠 그걸 사서 플레이했던 거고요 그렇죠? 하지만 생각해 보면 그 때의 게임들은 오늘날만큼 복잡하지 않았습니다 이 부분이 결정적이라고 생각해요

분석은 인사이트 개발에 도움이 되며 이러한 인사이트는 복잡한 문제 해결에 도움이 됩니다 게임, 주식 시장, 부동산 데이터, 교통 정보, 패션, 컴퓨터 시스템, 웹 서버 또는 보안 로그까지, 데이터 분석은 복잡한 시나리오를 해결하는 데 도움이 됩니다

저장소 가격이 나날이 하락하면서 회사는 현재 사용할 일이 없는 데이터를 수집하는 경우가 많습니다 그러나 지금 당장 문제가 생길 경우, 이전에 수집한 데이터에서 답을 찾을 수도 있죠

오늘날의 세상은 10년 전보다 훨씬 복잡해지고 있습니다 그리고 컴퓨터 시스템의 도움을 받는 것이 중요한 이유는 크게 두 가지가 있습니다 확장성 및 데이터 기반 의사 결정이죠 데이터 분석에서는 로그 분석 또한 매우 중요합니다 특히 보안 로그에 관해서는 이 과정에서 중요하게 다룰 것이기 때문에 좀 더 자세하게 이야기해 볼게요

로그 분석을 다루는 경우 일반적으로 이벤트를 기반으로 컴퓨터 시스템에서 생성된 정보에 대해 다루게 됩니다 해당 이벤트는 웹 페이지에 대한 HTTP 요청, 사용자 로깅 정보, API 호출 또는 기타 유형의 요청일 수 있습니다 API는 애플리케이션 프로그래밍 인터페이스의 약어로, 기본적으로 여러 소프트웨어 중개자 간의 상호 작용을 정의하는 컴퓨팅 인터페이스입니다

수행할 수 있는 호출 또는 요청의 종류, 호출 또는 요청 방법, 사용해야 하는 데이터 형식, 따라야 할 규칙 등을 정의하며, 데이터 분석 관점에서는 이러한 모든 활동을 어딘가에 기록하는 것이 매우 일반적입니다

데이터 분석의 전형적인 예시로는 웹 서버 로그를 사용하여 웹 사이트 방문자에 대한 인사이트를 추출하는 것이 있습니다 HTTP 서버에 대한 모든 요청이 파일 시스템에 파일로 기록된다고 가정해 보겠습니다 대부분 이걸 액세스 로그라고 부르죠 누군가가 웹 사이트를 방문할 때마다 액세스 로그에 라인이 하나씩 추가되는 경우, 이 로그의 라인 수는 웹 서버에서 전송한 요청 수와 동일하다고 할 수 있습니다

서버 하나와 분당 방문 수가 적은 소규모 웹 사이트만 있는 경우, 텍스트 에디터와 같은 몇 가지 기본 도구를 사용하여 해당 파일을 구문 분석하고 원하는 데이터를 추출할 수 있습니다 그러나 로그 파일의 라인을 요약하는 것보다 더 유의미한 결과를 얻으려면 데이터 분석 도구를 사용하는 것이 중요합니다

어디에서나 데이터 분석 도구를 사용하는 것이 좋지만, 로그 집계 및 시각화를 수행하려는 경우 대규모를 처리하는 전문적인 도구가 필요하죠 매 초마다 수천 명이 유입되는 웹 서버가 수십 개나 있다고 생각해 보세요 각 서버의 로그 파일이 순식간에 채워질 것입니다 따라서 모든 데이터를 다른 어딘가에 모아 놓아야 하죠

또한 선 차트에서 해당 데이터를 시각화하여 편차 또는 이상값이라고도 하는 스파이크를 쉽게 식별하는 방법이 필요할 수도 있습니다 데이터 분석을 많이 사용하는 또 다른 분야는 데이터 보안입니다 분석 결과를 추출하기 위해 신속하게 활용하여 보안 로그를 생성할 수 있는 시스템이 있다면, 요청의 주체와 시점, 위치 및 해당 요청에 대한 시스템의 응답을 정확히 파악해야 하는 경우 확실하게 이점을 얻을 수 있습니다

이 데이터를 기반으로 예측 분석을 수행하는 수준에 이르면 컴퓨터 시스템에 대한 잘못된 요청이 발생하기 전에 이를 자동으로 차단할 수 있으며, 현재 환경의 성능이 저하되는 경우 페일오버 환경을 구축하는 자가 치유 아키텍처를 생성할 수도 있습니다

클라우드의 인프라 자동화 도구를 활용하면 이러한 조치를 취할 수 있습니다 AWS 계정에 대한 API 활동을 로깅하는 AWS 서비스인 AWS CloudTrail이 있는데요, 스토리지 서비스인 Amazon S3라는 AWS 서비스도 있습니다 간략하게 설명해 드릴게요

표시된 내용은 여러분 또는 누군가가 AWS Management Console을 사용하여 여러분의 AWS 계정에 로그인할 때마다 CloudTrail이 저장하는 정보입니다 이러한 정보는 Amazon S3에 저장되며 요청을 보낸 사람, IP 주소, 요청 대상, 해당 요청에 대한 응답 및 필요한 경우 신속하게 증명 자료로 전환할 수 있는 기타 유용한 규정 준수 정보와 같은 정보를 포함합니다 이러한 특성을 기반으로 CloudTrail은 AWS 계정에 대한 인프라 거버넌스, 운영 감사 및 위험 감사를 지원합니다

하지만 CloudTrail의 텍스트 데이터를 매번 자세하게 살펴보기는 어려울 수 있습니다 따라서 데이터 분석 학습은 이 모든 규정 준수 데이터로 가능한 것을 실현하는 데 많은 도움이 됩니다 CloudTrail에서 생성된 정보를 다루는 데이터 시각화 도구가 있는 경우 비정상적인 활동에 대한 그래픽 및 경고가 포함된 보안 대시보드를 확보할 수 있습니다 갑자기 로그인 실패 활동의 로그가 표시되는 경우 누군가가 여러분의 AWS 계정에 로그인을 시도했거나, 여러분이 암호를 변경하고 잊어버렸기 때문일 수 있습니다

보통 데이터 보안 분석은 규정 준수 보고서뿐만 아니라 문제 해결에도 매우 유용합니다 이 개념을 방화벽 패킷, 네트워킹 활동, 로드 밸런서, 서버 로그 및 기타 인프라 항목에 적용하면 이상값을 쉽게 식별하고 문제를 신속하게 해결할 수 있습니다 하지만 추가적으로 어떤 부분에 데이터 분석을 사용할 수 있을지, 그리고 보안, 제품 및 고객 경험 개선뿐만 아니라 다양한 데이터 분석 스펙트럼에 걸쳐 어떤 일이 일어나고 있는지에 대해 더 강력한 인사이트를 얻는 데 데이터 분석이 어떤 도움을 줄 수 있는지 항상 고민해 보세요

데이터 분석의 가능성은 무한하므로, 다음 동영상에서는 클라우드에서 이러한 작업을 수행하는 것이 왜 중요한 이점을 제공하는지, 언제 어디서나 모두를 위해 데이터 분석을 활용하는 데 어떤 도움이 되는지 이야기해 보겠습니다