Entrench Consulting

구글 빅데이터 쇼케이스 세미나 후기

구글 빅데이터 쇼케이스 세미나 후기

구글 클라우드의 기술력과 정교함에 다시 한번 놀라다

어제 구글 캠퍼스에서는 ‘구글 빅데이터 쇼케이스 시즌3’ 세미나가 열렸습니다. 저는 구글 애널리틱스(GA) 데이터를 활용한 분석을 하다 보니 구글 빅쿼리 활용 섹션이 궁금해서 참석했는데요. 세미나에서는 빅쿼리 뿐만 아니라 머신러닝과 챗봇에 대한 지식도 습득할 수 있었습니다. 어렴풋이 알던 개념이 어느 정도 감이 잡혔다고 할까요. 제가 정리한 내용이 여러분께 도움이 되었으면 하는 마음에 세미나 내용을 여러분께 공유드리려 합니다.

세미나는 구글 클라우드 제품을 실무에 어떻게 활용할 수 있는지에 대한 내용이 주를 이뤘습니다. 아무래도 마케터에게는 구글 클라우드 제품이 생소하실텐데요. 역시나 마케터보다는 개발자가 주로 참석을 하셨더라구요. 하지만 요즘처럼 기술이 빠르게 변하는 시대에서는 직업의 경계가 점점 허물어지고 있습니다. 마케터가 개발자와 커뮤니케이션 하기 위해서는 개발 관련 용어나 지식을 습득해야 합니다. 그래야 서로 협업 할 수 있고, 업무 진행이 수월하니까요.

머신러닝은 총 6단계로 진행 된다고 합니다. 데이터를 정제하는 과정이 상당히 중요합니다.

구글 클라우드 제품을 왜 써야 하나요..??

첫 번째 세션은 락플레이스 권수용 SA 님께서 마이크를 잡으셨습니다. 빅데이터와 머신러닝의 정확한 개념과 실제로 머신러닝이 어떻게 구동되는지 알기 쉽게 설명해주셨습니다. 국내에서 머신러닝 활용은 아직 시작 단계에 있으며, 주요 대기업 중심으로 진행을 하고 있지만 전문 인력이 많이 부족하다고 합니다. 머신러닝을 제대로 구현하는 것은 절대 쉽지 않으며, 이를 위해 빅데이터가 절대적으로 필요하다고 언급하셨는데요.

머신러닝에서 가장 중요한 건 알고리즘이 스스로 학습을 통해 정확도를 높이는 단계라고 합니다. 다시 말해 정제되고 정확한 데이터가 없다면 불가능한 일이죠. 빅데이터와 머신러닝은 항상 짝궁이라고 생각해도 된다고 하셨어요. 데이터를 수집하고 정제하는 과정에서 구글 클라우드 제품과 API가 많은 역할을 할 수 있다고 합니다.  머신러닝 관련 API는 구글 뿐만 아니라 A사나 M사도 오픈하고 있는데요. API 종류가 많다고 좋은 게 아니라, API로 무엇을 뽑을 수 있으며, 그것이 매출이 어떻게 도움이 되는지가 중요하다고 강조하셨어요.

내부 인력 리소스가 부족한 상황에서 기술을 직접 구현하는 것보다는, 정확하고 안정적인 구글 클라우드 제품을 쓰는 게 현명할 것이라는 말씀도 하셨습니다. 듣고 보니 많은 공감이 갔습니다. 처음부터 모든 것을 구현하는 것보다는 오픈된 API 기술을 활용해서 시장에 빠르게 출시하고, 고객의 피드백을 받아서 테스트 및 액션을 하는 게 중요한 듯 합니다. 서비스를 성공으로 이끄는 지름길이 아닐까 싶어요.

특히 목적을 이루기 위해 수단에 얽매이지 말라는 말씀이 인상 깊었습니다. 인간은 절대 컴퓨터의 연산 능력을 이길 수 없습니다. 그럼 어떻게 해야 할까요? 기술을 잘 활용해야겠죠. SA 님도 모르는 것이 많으시다면서 절대 모르는 것을 부끄러워 말라는 당부의 말씀도 덧붙였습니다. 모르는 것을 물어보지 않는 게 부끄러운 것이라는 생각을 해봅니다.

두번째 섹션은 ‘구글 빅쿼리를 활용한 데이터 웨어하우스’ 라는 주제로 락플레이스 왕승남 SA님께서 발표해주셨습니다. 제가 오늘 세미나에서 가장 관심이 많은 섹션이었는데요. 빅쿼리가 어떤 점이 좋고 실제로 어떻게 DB에 저장되는지를 직접 구현해주셨어요. 비 개발자 입장에서 내용이 다소 어려웠지만 빅쿼리의 장점과 활용 측면에서는 많은 도움이 되었습니다.

우선 빅쿼리의 가장 큰 장점은 빠른 처리 속도와 저렴한 비용이었습니다. 구글의 인프라를 활용하면 대용량의 데이터를 조회해도 몇 초안에 결과를 받아볼 수 있다고 합니다. 한번 쿼리된 데이터는 추가 금액이 발생하지 않으며, 장기 보관된 데이터는 저장 비용이 50%로 감소한다고 하니, 분석가 입장에서는 빅쿼리를 적극 활용해야 겠다는 생각이 들었습니다. 이런 섹션은 개발자에게도 유용하지만 분석에 관심이 많은 마케터 분들도 도움이 될 것같아요. DB에 쿼리를 날리는 부분에 대해서 개발자의 가이드가 반드시 필요하니까요.

구글 애널리틱스 데이터가 빅쿼리에 의해 조회되는 프로세스

이를테면, 월 30만 MAU가 발생하는 서비스는 빅쿼리를 사용해도 비용이 높지 않을 듯 합니다. 하지만 DB에 부하가 되는 쿼리를 날리는 경우가 누적된다면 비용이 많이 부과될 수도 있을 듯 싶어요. 때문에 DB 설계가 중요한 것이고, 쿼리를 조회할 때 비 전문가는 교육을 필수로 받아야 기업에서 빅쿼리를 제대로 활용할 수 있겠다 싶더라구요. 내년에는 빅쿼리를 활용해서 분석을 하고 인사이트를 도출하는 기업이 많아지리라 예상해봅니다.

마지막으로 구글의 정명훈 님께서 구글 클라우드를 활용해서 ‘1시간 만에 음성인식 인공지능 챗봇 만들기’라는 주제로 발표를 하셨습니다. 쇼핑몰이나 금융사에서는 챗봇 도입을 통해 고객의 불만을 해결하는 사례가 많이 보이고 있는데요. 챗봇은 잘못 만들어지면 오히려 고객의 불만을 증가시키는 요인이 됩니다. 서비스 맥략을 읽을 수 있어야 하고, 다양한 질문에 대응이 가능한지가 챗봇의 성공 요소라고 생각되네요.

챗봇은 말그대로 채팅을 하는 로봇입니다. 다시 말해, 인간이 어떻게 설계하느냐에 따라 똑똑한 챗봇이 될 수도 있고, 멍청한 챗봇이 될 수도 있습니다. 똑똑한 챗봇으로 만들기 위해 구글 클라우드 제품과 관련된 API를 필수로 써야겠다는 생각이 들었습니다. 발표를 맡은 정명훈 님께서는 모든 상황에 대답할 수 있는 챗봇은 존재하기 힘들다고 하셨는데요. 특정 주제에 맞는 챗봇을 설계해야 하며, 이를 위해서는 해당 산업에 대한 지식을 갖춰야 챗봇을 제대로 설계할 수 있다는 말씀도 덧붙이셨습니다. 예를 들어, 여행을 모르는 사람이 챗봇을 설계하게 되면 아는 것은 많을지라도 고객의 질문에는 답을 못하는 챗봇이 나올 수 있다는 얘기죠.

* 일본 유니클로에서 서비스하는 챗봇 예시

https://youtu.be/Y4hSFs-D2VY

 

챗봇을 만들기 위해서 협업이 무엇보다 중요하겠구나 라는 생각을 했습니다. 특히 여행 또는 금융 산업에는 챗봇이 인간을 대신하여 굉장히 많은 역할을 할 수 있을 듯 싶어요. 정해진 답만 하는 챗봇이 아니라 스스로 학습할 수 있는 챗봇이 탄생한다면 말이죠. 조만간 챗봇 디자이너라는 직업이 각광 받겠구나 싶었습니다.

과연 챗봇이 우리의 일자리를 빼앗을까요?  아마도 단순 반복적인 업무를 하는 분들은 분명 대체될 가능성이 높습니다. 금융권과 콜센터의 대규모 감원 소식이 하루 이틀 사이로 뉴스로 나오는 것을 보면 그 속도가 점점 빨라지는 것 같구요. 하지만 앞서 말씀드렸듯이 챗봇도 결국 인간이 만드는 것입니다. 챗봇을 디자인 할 것인가 아니면 챗봇에 대체당할 것인지는 본인의 선택에 달린 문제라고 생각해요. 변화를 수용하고 끊임없이 배우고 협업하는 자세가 필요하지 않을까 싶네요.


지금까지 구글 빅데이터 쇼케이스 시즌3 에서 언급된 내용과 저의 생각을 정리하는 시간을 가졌는데요. 여러모로 유용한 세미나였고, 마지막에 네트워킹 시간이 있었는데 많은 만남을 가지지 못해 다소 아쉬웠습니다. 이번 세미나를 요약하자면 ‘머신러닝과 챗봇 등의 서비스를 통해 매출을 비롯한 UX를 개선하기 위해서는 구글 클라우드 제품의 적극적인 활용이 권장되며, 중요한 것은 기술 자체가 아니라 기술을 활용해서 어떻게 돈을 벌 수 있느냐다’ 로 요약할 수 있겠습니다. 긴 글 읽어주셔서 감사드립니다.

Exit mobile version