위키백과

증강 분석

증강 분석(Augmented Analytics)은 기계 학습과 자연어 처리를 사용하여 전문가나 데이터 과학자가 일반적으로 수행하는 분석 프로세스를 자동화하는 데이터 분석 접근 방식이다.[1] 이 용어는 2017년 리타 살람, 신디 하우슨, 칼리 이도인이 가트너 연구 논문에서 소개했다.[1][2]

증강 분석은 비즈니스 인텔리전스와 분석을 기반으로 한다.[3] 그래프 추출 단계에서는 다양한 소스의 데이터를 조사한다.[4]

증강 분석 정의

편집
  • 기계 학습: 알고리즘을 사용하여 데이터를 선별하여 관계, 추세 및 패턴을 식별하는 체계적인 컴퓨팅 방법이다. 이는 프로그래밍된 규칙의 기반을 설정하는 대신 알고리즘이 데이터로부터 동적으로 학습할 수 있도록 하는 프로세스이다.[5][6]
  • NLG(자연어 생성): 구조화되지 않은 데이터를 가져와 읽기 쉬운 일반 영어 언어로 변환하는 소프트웨어 기능이다.[7][8]
  • 통찰력 자동화: 기계 학습 알고리즘을 사용하여 데이터 분석 프로세스를 자동화한다.[1]
  • 자연어 쿼리: 사용자가 검색창에 입력하거나 말한 비즈니스 용어를 사용하여 데이터를 쿼리할 수 있다.[9]

데이터 민주화

편집

데이터 민주화는 데이터 혼잡을 완화하고 데이터 "게이트키퍼"라는 인식을 없애기 위해 데이터 액세스를 민주화하는 것이다. 이 프로세스는 사용자가 데이터를 이해할 수 있는 방법과 함께 구현되어야 한다. 이 프로세스는 회사 의사 결정 속도를 높이고 데이터에 숨겨진 기회를 발견하기 위해 사용된다.[10]

데이터 민주화에는 세 가지 측면이 있다.

  1. 데이터 매개변수화 및 특성화.
  2. 블록체인 및 DLT 기술의 OS를 사용한 데이터 분산화와 독립적으로 관리되는 안전한 데이터 교환을 통해 신뢰를 가능하게 함.
  3. 동의 시장 중심의 데이터 수익화.

자산 연결과 관련하여 데이터 민주화의 채택과 사용을 가속화하는 두 가지 기능이 있다. 바로 분산형 ID 관리와 데이터 소유권에 대한 비즈니스 데이터 개체 수익화이다. 이를 통해 여러 개인과 조직이 참가자와 조직을 식별, 인증 및 권한 부여하여 여러 네트워크, 조직, 환경 및 사용 사례에서 서비스, 데이터 또는 시스템에 액세스할 수 있다. 이는 사용자에게 권한을 부여하고 개인화된 셀프 서비스 디지털 온보딩 시스템을 활성화하므로 사용자는 정보를 처리하기 위해 중앙 관리 기능에 의존하지 않고도 자체 인증할 수 있다. 동시에, 분산형 ID 관리는 사용자가 속성(역할, 부서, 조직 등) 및 물리적 위치를 기반으로 시스템 정책에 따라 작업을 수행할 수 있는 권한을 부여받도록 보장한다.[11]

각주

편집
  1. ↑ 가 나 다 Sallam, Rita; Howson, Cindi; Idoine, Carlie (2017년 7월 27일). “Augmented Analytics Is the Future of Data and Analytics” (PDF). 《Gartner》. 2021년 1월 22일에 원본 문서 (PDF)에서 보존된 문서. 2024년 4월 11일에 확인함. 
  2. ↑ “Definition of Augmented Analytics - Gartner Information Technology Glossary”. 《Gartner》. 
  3. ↑ Pribisalić, Marko; Jugo, Igor; Martinčić-Ipšić, Sanda (2019). 〈Selecting a Business Intelligence Solution that is Fit for Business Requirements〉. 《Humanizing Technology for a Sustainable Society》. 443–465쪽. doi:10.18690/978-961-286-280-0.24. ISBN 9789612862800. S2CID 202767869. 
  4. ↑ Ghrab, Amine; Romero, Oscar; Jouili, Salim; Skhiri, Sabri (2018). 〈Graph BI & Analytics: Current State and Future Challenges〉. 《Big Data Analytics and Knowledge Discovery》. Lecture Notes in Computer Science. 11031. Cham: Springer International Publishing. 3–18쪽. doi:10.1007/978-3-319-98539-8_1. hdl:2117/127964. ISBN 978-3-319-98538-1. ISSN 0302-9743. 
  5. ↑ Pyle, Dorian; San Jose, Cristina (June 2015). “An executive's guide to machine learning”. 
  6. ↑ “What is Augmented Analytics (And How Can it Help?) | AnswerRocket” (미국 영어). 2019년 2월 8일. 2019년 7월 22일에 확인함. 
  7. ↑ “What is natural language generation? | Narrative Science” (미국 영어). 2019년 7월 22일에 확인함. 
  8. ↑ “Natural-language generation”, 《Wikipedia》 (영어), 2019년 7월 3일, 2019년 7월 22일에 확인함 
  9. ↑ “Definition of natural language query”. 
  10. ↑ Marr, Bernard (2017년 7월 24일). “What is Data Democratization? A Super Simple Explanation and The Key Pros And Cons”. 《Forbes》. 
  11. ↑ “Democratisation of Object Data within the Telecoms Sector”. 
원본 주소 "https://ko.wikipedia.org/w/index.php?title=증강_분석&oldid=37437592"