거대한 도시가 새로 거듭난다. 도시 재개발을 의미하는 게 아니다. 차원이 다른 도시, ‘디지털트윈(digital twin)[1]’을 말하려 한다. 도시를 디지털로 복제하면 역동적 도시 상황 일체를 눈앞에 펼쳐 놓고 유지, 관리할 수 있다. 더 나아가 살아있는 생명체를 디지털로 복제하는 상황도 가능해진다. 이를테면 엑스레이(X-ray)나 자기공명영상(MRI, magnetic Resonance Imaging), 3D 스캐너처럼 (과거에 찍힌) 내 신체를 보는 게 아니라 지금 숨쉬고 있는 ‘디지털 아바타’로 날 보는 것이다.

▲디지털 트윈은 도시에도, 인체에도 적용할 수 있다

핵심은 ‘물리적∙디지털 세계 간 동기화’

오늘날 디지털트윈은 △자동차 설계 △생산 현장 로봇 점검 △항공기 엔진 성능 확인 △공장 설비 준비 등에 가장 뛰어난 도구로 활용되고 있다. 이를 통해 생산 품질이 향상되고 운영비는 물론, 개발 기간까지 줄어들며 실시간 통제가 가능해진다. 이처럼 물리적 세계와 디지털 세계 간 공조 또는 융합으로 만들어진 디지털트윈은 제조 분야에 혁명을 일으켰다. 특히 엄청난 양의 데이터를 생산, 활용하는 분야에서 순위를 매긴다면 의심할 여지 없이 1등이다.

하지만 엄밀히 말하면 디지털트윈은 틀린 용어다. 트윈의 사전적 의미는 복제 또는 쌍둥이다. 실제 디지털트윈 기술의 특성은 양방향성에 있다. 실제 세계(real world)와 가상 세계(cyber world)가 상호작용 해야 한다. 이 때문에 실제 세계가 복제된 가상 세계에 영향을 끼치고, 반대로 가상 세계 변화가 실제 세계에도 영향을 준다. 한마디로 두 세계가 동기화(sync)돼 있단 게 중요하다. 따라서 단순 과거 데이터를 기반으로 복제 이후에도 독립적으로 움직이는 쌍둥이와는 차원이 다르다. 그런 의미에서 미국 제너럴일렉트릭(GE)사가 제안한 디지털트윈보단 ‘디지털페어(digital pair)’가 더 명확한 의미를 내포하고 있다고 할 수 있다.

 ‘3D 도시’ 구현한 싱가포르가 좋은 예

디지털트윈은 가트너[2]가 발표한 2018년 10대 전략기술 트렌드 중 하나다. 2018년 5월 현재 ‘실재하는 세계 속 대상의 성질·상태·동작 등이 동일하게 구현돼가는’ 단계에 와있으며, 향후 5년에서 10년 이내에 기술적 완성이 기대된다.

디지털트윈이 이처럼 주목 받게 된 건 △(센서를 기반으로 하는) 사물인터넷 △(데이터를 먹고 자라는) 인공지능 △(데이터를 받아들이고 배분하는) 클라우드 △(제조 분야의 혁명을 이끄는) 3D 프린터 등과 밀접한 관계를 맺고 융합했기 때문이다. 특히 이 기술의 핵심엔 데이터가 있다. 다시 말해 실제 세계에서 센서 데이터를 통해 생산된 데이터는 가상 공간을 형성, 정보가 전달되도록 한다. 데이터를 주고받으며 만든 복제품을 통해 감지·분석·예측 등의 활동을 실시간으로 할 수 있게 되는 것, 이게 바로 디지털트윈의 골격이다.

▲디지털트윈의 사례와 역할

이렇게 제공된 정보는 △에너지 △도∙소매 △운송 △도시 △제조업 외에 살아있는 생체 정보까지 포함한다. 그 사례로 싱가포르를 들 수 있다. 싱가포르는 디지털 트윈 구축 프로젝트를 통해 도시 전체를 3D로 구현했다. 단순히 도시 외형만 3D로 만든 게 아니라 교통∙생활∙에너지 등 사회 필수 인프라를 데이터로 수치화해 예측할 수 있게 했다.

영화 ‘마이너리티 리포트’가 현실에서?

싱가포르 사례에서 보듯 디지털트윈엔 다양한 장점이 있다. 첫째, 소비자의 다양하고 변덕스러운 욕구를 충족시키는 다품종 소량생산에 적합한 기술이다. 둘째, △온∙오프라인 △가상과 현실 △지역 간 차이가 없는 원격통신 기반 킬러(killer) 서비스다. 쉽게 말해 오지에 설치된 풍력발전소의 디지털트윈은 오지에 없다. 셋째, 현실성과 즉시성을 지닌다. 이 같은 특성은 제기된 문제에 적절히 조치하면서도 상호 동시성을 유지해야 하는 디지털트윈의 필수 사항이다. 넷째, 실시간으로 동적이다(real time dynamic). 목업(mock-up)[3]이나 실물은 멈춰진 상태의 과거이기 때문에 스스로 동작하지 않는다. 반면, 디지털트윈은 생물처럼 살아있고 성장하며 쌍을 이뤄 변화한다. 마지막으로 디지털트윈은 이르면 2025년엔 디지털 혁명의 종결자로 군림할 수 있다. 3차 산업혁명의 최종 산출물인 동시에 4차 산업혁명을 이끌 마중물이 되는 것이다. 이런 분석은 2025년이 1조 개 이상의 센서를 기반으로 하는 ‘센서라이제이션(senserization) 사회’가 되리란 가정에서 출발한다.

디지털트윈엔 앞서 소개한 장점과 이득만큼이나 다양한 위협적 요인이 존재한다. 가장 심각한 문제는 개인정보 보호와 관련된다. 개인정보가 일부라도 복제된다는 건 노출 위험도 그만큼 커진단 뜻이다. 여기에 복제된 개체가 사용자 자신을 대신한단 사실도 잊어선 안 된다. 단순히 ‘나’를 대신하는 아바타 수준까진 아니더라도 가상 개체의 변이는 개개인에게 치명적 문제를 불러일으킬 수 있다. 해킹 가능성도 무시할 수 없다. 앞서 장점으로 말한 ‘1조 개 이상의 센서’가 고스란히 단점으로 작용할 수 있단 얘기다. 더욱이 센서가 많아질수록 오작동할 확률도 높아진다.

높은 비용도 문제다. 디지털트윈은 기본적으로 제품의 시행착오 비용을 낮추고 품질은 높인다. 전체적으로 20% 이상의 경비 절감과 개발 기간 단축이 가능해진다. 예측도 가능하다. 그러나 그만큼 비용 과다 지출이 발생하기도 한다. 디지털트윈을 구축했지만 사용성이 없는 경우, 혹은 구축 후 불필요한 데이터와 트래픽이 양산되는 경우가 여기에 해당한다. 모든 사물이 복제될 이유도, 복제된 개체 모두가 데이터를 생성할 이유도 없다. (구축의) 정확한 정의나 분석이 안돼 있으면 구축과 운영에 필요 이상의 투자를 동반하게 돼 기업의 수익이 악화될 수 있다.

그런데 사실 지금껏 언급한 문제보다 더 중요한 게 있다. 생명체 복제(modeling)와 생체 데이터 사용에 따른 윤리 문제가 그것. 생체 데이터 사용은 인류의 획기적 의료 발전을 도모할 수 있는 만큼 악의적 사용에 대한 위험성도 크다. 물리적 자산과 생체 데이터의 디지털 자산화는 의도와 다르게 사용될 소지가 있기 때문에 강력한 경고가 필요하며 안전장치도 있어야 한다.

마지막으로 현재 논의 중인 알고리즘 사회의 최대 이슈는 모든 자원과 현상에 대한 디지털화(化)다. 사람들은 2002년 개봉했던 영화 ‘마이너리티 리포트(Minority Report)’에서처럼 “디지털트윈이 머잖아 사회 각 분야를 통제할지도 모른다”며 두려워한다. 막연한 공포는 아니다. 생성된 데이터를 바탕으로 모든 일이 통제, 예견되는 사회는 인류 역사상 가장 안전하고 행복하지만 동시에 가장 불행한 사회일 수도 있다.

4차 산업혁명의 완성품… 개인정보 보호 등 숙제 남아

디지털트윈은 비교적 최근에 등장한 개념이지만 GE사의 추진력을 기반으로 산업∙인터넷 분야에서 막강한 영향력을 행사하고 있다. 가트너의 하이프그래프[4]에서도 향후 10년을 내다보는 초기 단계 수준으로 진단된다. 물론 이 기술이 알고리즘 사회의 부작용을 더 부각시킬지, 인류에게 말 그대로 ‘천국(paradise)’을 제공할진 어느 누구도 예견할 수 없다. 다만 충분한 논의와 준비를 통해 대비해야 할 사안이란 사실은 분명하다.

앞서 거푸 설명했듯 디지털트윈의 기본적이고도 공통적인 속성은 데이터다. 디지털트윈의 연계 사업으로 첫손에 꼽히는 사물인터넷(IoT, Internet of Things)과 인공지능도 데이터를 기반으로 움직인다. 중국 전자상거래기업 알리바바그룹을 이끄는 마윈 회장은 몇 년 전부터 “앞으로 30년은 DT(Data Technology) 시대”라고 강조해왔다.

오늘날 인류는 셀 수 없이 많은 센서와 인공지능, 자율주행 자동차, 가상∙증강현실, 그리고 디지털트윈으로 인한 데이터 폭증 앞에 서있다. 데이터는 안전하고 풍요로운 사회의 기본이며 혁신적 성장의 동력이 될 것이다. 인류는 데이터 덕에 지금껏 접하지 못했던 방향과 힘을 갖게 될 것이다. 말하자면 디지털트윈은 ‘4차 산업혁명의 완성품’일 수 있다. 디지털트윈이 인류에 지대하게 공헌한 건 분명한 사실이다. 하지만 그걸 온전히 누리려면 데이터 오·남용이나 개인정보 보호, 과다 통제 사회에 대한 안전장치 마련 등 산적한 숙제부터 조속히 해결해야 한다.

[1] 가상현실(VR) 기술 등을 활용해 생산 설비∙공정 등을 디지털로 구현, 시행착오를 줄이고 이를 그대로 현실에 적용하는 전략. 미국 제너럴일렉트릭(GE)사가 처음 만든 개념이다
[2] 미국 코네티컷주(州)에 본사를 둔 IT 전문 리서치 기업
[3] 실제 크기나 이에 가까운 크기로 만든 모형
[4] 일반적인 제품 수명 주기 그래프를 대체하는 개념. ICT 기술과 인프라 채택, 발전 정도가 곡선 상에 나타난다

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다
※원고에 쓰인 자료 중 일부는 필자의 페이스북에서 발췌, 인용됐습니다

데이터와 인공지능이 시대적 화두로 떠올랐지만 모든 사람이 데이터 전문가가 될 순 없다. 아니, 될 필요도 없다. 그보다 데이터 관련 소양을 지닌 도메인 전문가로서 데이터 전문가와 협업하는 방식을 익히는 게 훨씬 현명하다. 이에 따라 지난 두 차례의 칼럼에선 ‘기술’이 아니라 ‘소양’과 ‘마인드’로서의 데이터 지능 개념, 그리고 데이터 전문가와 도메인 전문가가 협업하는 업무 절차를 각각 제시했다.

데이터 공부, 출발점은 ‘일상 속 문제 데이터로 접근하기’

그렇다면 데이터 소양은 어떻게 기를 수 있을까? 흔히 ‘데이터를 공부하려면 복잡한 수식이나 알고리즘 이해가 필수’라고 생각한다. 하지만 방대한 데이터 관련 기술을 전부 공부할 순 없는 일. 해당 분야 전문가가 아닌 다음에야 급변하는 기술을 따라 잡기란 사실상 불가능하다. 데이터의 본질이 문제 해결 수단이란 사실을 이해한다면 데이터 공부의 시작은 ‘주변에서 문제 찾기’이며, 실제로 문제 해결 경험을 쌓는 것만 한 공부는 없다.

이런 의미에서 강조하고 싶은 개념은 주변 문제를 끊임없이 데이터로 푸는 ‘데이터의 생활화’, 혹은 ‘생활 데이터’다. 데이터의 생활화가 중요한 건 그 과정에서 데이터 적용 가능 문제를 찾아 해결하는 경험을 쌓을 수 있기 때문이다. 그러다 보면 자연스레 데이터 기반 문제 해결 과정을 경험하고, 어떤 부분에서 추가 학습이 필요한지 감(感)도 잡을 수 있다. 나 역시 데이터 공부를 시작하려는 사람들에게 늘 “주변 문제를 데이터로 풀어보라”고 얘기해준다.

그렇다면 ‘데이터로 풀 수 있는 문제’란 뭘까? 내가 제시하고자 하는 접근법은 두 가지다. 자신의 삶이나 업무에 관련된 문제를 데이터로 해결해보는 방법이 하나, 분야별로 공개된 데이터나 문제를 활용하는 방법이 다른 하나다. 오늘은 그중에서도 전자, 즉 자신의 문제를 스스로 수집한 데이터로 풀어보는 방법에 대해 좀 더 자세히 알아보려 한다.

데이터 분석 결과 공유 커뮤니티 QS, 10년 만에 급성장

전통적으로 데이터를 활용, 자신에게 의미 있는 뭔가를 달성하려는 시도는 몇몇 개인이나 직업군(群)에 국한돼 이뤄져왔다. 데이터 수집과 활용 자체가 특별한 장비나 노력을 필요로 하는 작업이었기 때문이다. 하지만 정보기술이 발전하며 최근 자신의 삶에서 데이터를 수집, 활용하려는 움직임이 전 세계적으로 확산되고 있다. 그리고 이 트렌드의 중심엔 QS(Quantified Self)란 커뮤니티가 자리 잡고 있다.

QS는 자신의 일상에서 여러 가지 데이터를 수집, 분석하고 그 결과를 공유하는 개인들의 커뮤니티다. 2007년 출범한 이래 2018년 1월 현재 약 34개국에 걸쳐 100개 이상의 지역별 그룹을 거느린 단체로 성장해왔다. 2011년부턴 매년 미국과 유럽에서 국제적 규모의 컨퍼런스를 개최해오고 있기도 하다. 최근 개인 데이터 활용에 대한 관심이 얼마나 폭발적으로 성장했는지 짐작할 수 있는 지표다.

개인 데이터 수집·활용에 대한 관심이 늘어난 건 스마트폰처럼 ‘언제 어디서나’ 자신의 정보를 기록, 조회할 수 있는 수단이 널리 보급됐기 때문이다. 실제로 QS가 처음 활동을 시작했던 2007년은 아이폰이 출시된 해이기도 하다. 요즘 등장하는 개인 데이터 관련 솔루션 대부분이 스마트폰 애플리케이션(이하 ‘앱’)이거나 스마트폰에 연동할 수 있는 기기 형태를 띠는 점에도 주목할 만하다.

이처럼 개인 데이터 활용은 시작된 지 10년도 채 안 돼 글로벌 트렌드로 자리매김했지만 개인 데이터의 가능성은 아직 제대로 발견되지 않았단 게 업계의 중론이다. 차세대 스마트 기기로 각광 받는 스마트 워치 등 다양한 웨어러블 기기 사용자가 늘며 시간과 장소에 구애 받지 않고 손수 데이터를 수집, 활용할 수 있는 방법은 점점 늘어갈 전망이기 때문이다. 말하자면 개인 데이터 혁명의 여파가 일반 대중에게로 확산되는 시기가 다가오는 것이다.

‘주행 기록 측정 앱’ 손수 만든 마라토너 사례 참고할 만

QS에 소개된 최근 사례가 그 좋은 예일 수 있다. 프로그래머이면서 아마추어 마라토너이기도 한 토머스 블롬셋(Thomas Blomseth)은 지난해 9월 네덜란드 암스테르담에서 열린 ‘QS17 컨퍼런스’ 당시 자신의 주행 기록 측정법을 발표했다. 그는 마라톤을 연습하며 자신이 초반 페이스를 지나치게 올리기 때문에 완주에 종종 실패한단 사실을 발견한 후 ‘어떻게 하면 달리기 속도를 서서히 낮출 수 있을까?’를 고민하기 시작했다. 처음엔 단순히 종이에 구간별 주행 속도를 기록했지만 이내 불편을 깨닫고 주행 속도 관리 앱을 만들어 쓰기 시작했다.

▲토머스 블롬셋이 밝힌 구간별 주행 속도 기록법. 2015년엔 종이에 메모하는 게 고작이었지만 이듬해엔 자체적으로 앱을 개발, 활용했다

토머스 블롬셋의 사례에서 얻을 수 있는 교훈은 ‘처음부터 고급 기술에 집착할 필요가 없다’는 것이다. 만약 그가 처음부터 앱 개발을 목표로 설정했다면 지레 포기했을 수도 있다. 하지만 블롬셋은 △자신이 떠올릴 수 있는, 가장 간단한 방법에서부터 출발해 △그 방법의 타당성을 확인한 후 △보다 편리한 대안을 찾았다. 또한 스마트워치 등 시중에서 쉽게 구할 수 있는 장비를 동원, 자신의 주행 기록을 정확히 측정하려 애썼다. 그 결과, 데이터 과학자가 아니면서도 데이터를 통한 문제 해결 측면에서 상당한 경지에 오를 수 있었다. (다음 회차에선 분야별로 다양하게 공개된 데이터를 어떻게 하면 보다 효과적으로 활용할 수 있을지 알아보겠다.)

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

옷을 사려고 백화점에 갈 때 ‘어떤 옷을 사야 할지’ 고민이라면 인공지능의 도움을 받아보는 건 어떨까? 인공지능이 소비 패턴을 분석해서 A사의 운동화를 산 고객에게 다음 쇼핑 정보로 이 고객이 평소 가장 많이 구입한 B사의 재킷을 추천해준다면? 이는 영화 속에 나오는 가상의 이야기가 아니다. 실제 국내 백화점에 올해 초부터 도입된 기술이다. 이처럼 음성 인식 비서 서비스, 동시통역 서비스 등 인공지능을 활용한 다양한 서비스가 등장하는가 하면, 예술·창작 등 인간의 고유 영역이라 생각되는 부분으로 발을 넓히고 있다. 눈부신 속도로 발전하고 있는 인공지능 시대를 살아가기 위해 갖춰야 할 ‘데이터 지능’이란 무엇인지, 이를 향상하기 위한 방법은 무엇인지 알아보려 한다.

빅데이터, 인공지능을 만나다

데이터는 ‘21세기의 석유’라 불릴 만큼 업계에서 그 중요성이 부각되었는데, 이제는 아예 ‘데이터를 가진 사람이 세상을 지배한다’고 할 정도다. 구글, 페이스북, 아마존 등 미국의 주요 IT 기업들은 각각 웹, 소셜 네트워크, 쇼핑 등의 데이터를 무기로 전 세계 사람들에게 정보를 전달하고, 소통을 매개하고, 물건을 판매한다. 다른 기업들은 이들의 기술은 따라 할 수 있어도, 데이터는 얻을 수 없기 때문에 이 기업들의 시장 지배력은 점점 강화되고 있다. 최근에는 이들 기업에 도전할 수 있는 스타트업은 절대 나올 수 없을 것이라는 이야기까지 나오고 있다.

최근 업계의 화두로 떠오른 인공지능 분야에서도 ‘데이터’의 중요성은 여전하다. 인공지능이 멀리서도 내 말을 알아듣고, 차를 자동으로 운전하고, 내 취향에 맞는 음악이나 영화를 골라줄 수 있는 것은 해당 분야에서 엄청난 데이터를 축적했기 때문이다. 이런 데이터 축적은 대용량 데이터를 효과적으로 활용하여 지능적인 결론을 유도하는 기술의 필요성을 낳았다. 결국 클라우드 컴퓨팅과 딥러닝 기술의 발전으로 이어져 기계가 인간 수준으로 말을 이해하고, 이미지를 분류하며, 바둑과 같이 인간의 영역으로 여겨지는 분야에서도 인간을 능가하는 시대가 되었다.

인공지능 시대, 모두가 데이터 과학자가 되어야 할까?

이러한 기술 진보를 바라보는 보통 사람들은 마음이 편하지 않을지도 모른다. 기계가 인간의 영역을 조금씩 대체한다는 예측이 나오는 상황에서, 이 흐름에 함께하지 못하면 뒤처진다는 불안감을 느낄 수 있다. 사람들이 ‘데이터 과학’ ‘인공지능’ 관련 커뮤니티의 교육 프로그램에 관심을 두거나, 우리나라에서 어린 학생들에게 ‘코딩 교육’이 유행한 것도 그 불안감에서 기인한 바가 크다.

하지만 데이터 과학자로서, 현업에서 데이터 기반 제품과 서비스가 만들어지는 과정을 오랫동안 지켜본 입장에서 말한다면, 모든 사람이 데이터 과학자, 인공지능 전문가가 될 필요는 없다고 생각한다. 모든 선수가 공격수인 축구팀이 성공할 수 없듯이, 데이터에 대한 기본적인 소양을 갖춘 상태에서 각자의 분야에 최선을 다하는 개인으로 구성된 팀만이 데이터와 인공지능 시대에 성공할 수 있다. 

그 이유는 데이터의 본질에서 찾을 수 있다. 데이터는 현실의 불완전한 반영이다. 현실의 모든 요소를 데이터화하는 것은 불가능하다. 설령 가능하다고 해도 무의미한 데이터를 축적하는 것은 비효율적인 일이다. 그래서 대부분의 연구 조사는 ‘대표 집단’을 표본 추출하여 이루어진다. 이는 방대한 데이터를 보유한 구글이나 페이스북도 마찬가지다. 이들은 온라인 서비스를 개발할 때 철저히 데이터에 기반을 둔 의사결정을 내리고자 한다. 하지만 사용자가 어떤 링크를 클릭했는지는 알 수 있어도 사용자가 실제로 만족했는지는 ‘데이터’만으로 파악하기가 어렵다. 따라서 실제 검색이나 추천 시스템의 품질을 평가하기 위해서는 따로 품질 평가단이라는 대표 집단을 구성할 수밖에 없다.

즉, 데이터 기반의 문제 해결 방식은 ‘표본’을 통해 ‘전체’를 파악해야 하므로, 해당 도메인에 대해 잘 알고 있는 전문가(예를 들어 식품회사 마케팅 직원, 게임업계 종사자 등 해당 데이터에 대해 잘 알고 있는 사람들)의 존재가 필수적이다. 어떤 데이터를 모아야 할지, 주어진 데이터에는 어떤 특성이 있는지, 해결책은 현실성이 있는지 등을 판단하기 위해서는 해당 분야에 대한 이해가 필요하기 때문이다. 사람들은 데이터 기반의 문제 해결 과정을 흔히 ‘눈 가리고 코끼리 더듬기’에 비유한다. 코끼리의 생태에 대해 좀 더 자세히 알고 있는 사람(도메인 전문가)이 있다면, 문제의 전체 내용을 더욱 쉽게 파악할 수 있을 것이다.

‘데이터로 생각하기’, 왜 데이터 지능이 필요한가?

지금까지 데이터 기반 문제 해결 과정에서 도메인 지식 및 전문가의 중요성에 대해 이야기하였다. 즉, 굳이 데이터 과학자가 되지 않아도 자신의 분야에서 전문성을 가지고 있다면 데이터 기반의 문제 해결 과정에서 결과를 끌어낼 수 있다는 것이다. 하지만 모든 과정이 데이터를 기반으로 진행되는 만큼 데이터의 본질과 데이터 기반 문제 해결의 속성에 대한 최소한의 소양은 가지고 있어야 한다. 이는 시대의 흐름에 따라 변하는 프로그래밍·데이터를 다루는 도구에 관한 지식이나 기술과는 구분되는 개념이다.

이런 소양을 사회성이나 공감 능력을 나타내는 ‘감성 지능’, ‘대인 지능’처럼 표현하자면, ‘데이터 지능’이라 부를 수 있다. 숨 쉬고 말하듯 자연스럽게 데이터를 각종 문제 해결에 활용할 수 있는 능력을 ‘데이터 지능’이라 부른다면, 이 데이터 지능이 높을수록 데이터 기반 문제를 잘 해결할 가능성이 커진다고 할 수 있다. 단, 데이터 기반 문제 해결 과정은 크게 현실을 데이터로 표현하는 단계, 데이터에서 결론을 도출하는 단계, 마지막으로 이 결론을 해석하여 현실에 반영하는 단계로 나눌 수 있는데, 각 단계에 따라 조금씩 다른 ‘데이터 지능’이 필요하다고 할 수 있다.

첫 번째, 현실을 데이터로 표현하는 단계에서 필요한 데이터 지능은 해결해야 할 문제를 명확히 정의하고, 필요한 데이터를 수집할 수 있는 ‘기획력’이다. 여기에는 보이지 않는 현상을 구체적인 수치로 바꿀 수 있는 기준(지표)을 정하는 것, 오류나 쏠림 없이 데이터를 수집할 수 있는 방법을 찾는 것, 기존에 존재하는 유사 데이터를 찾아내는 능력이 모두 포함된다. 구체적인 수집 계획은 데이터 과학자와 협의할 수 있겠지만, 데이터 수집에 대해서는 해당 분야의 전문가가 가장 좋은 아이디어를 갖고 있을 것이다.

두 번째, 결론을 도출하는 단계에서 필요한 것은 데이터를 정제하고, 각종 분석 기법을 적용하는 ‘분석력’이다. 현업에서는 이 부분을 주로 데이터 과학자가 담당한다. 하지만 해당 분야의 업무를 꿰뚫는 지식과 실전 경험을 가진 도메인 전문가 또한 분석에 대한 여러 아이디어를 제공할 수 있다. 실제 데이터 과학자는 데이터에 대한 다양한 가설을 세우고 이를 검증하는 일을 한다. 이런 가설에는 풍부한 경험이 필요하기 때문이다. 필자 역시 새로운 분야의 데이터를 다룰 때는 해당 분야의 전문가를 찾아 이야기를 나누고, 자주 피드백을 받기 위해 노력하는 편이다.

마지막으로, 도출한 결론을 해석하고 이를 현실에 반영하는 단계에서는 결론 및 근거에 대해 날카로운 검증을 할 수 있는 ‘비판력’이 중요하다. 그저 흠을 잡기 위한 비판이 아닌, 실제로 현실 반영 단계에서 발생할 수 있는 문제나 오류를 찾아낼 수 있어야 한다. 데이터는 현실을 모두 반영할 수 없으므로, 이를 바탕으로 내린 결론에는 항상 오류가 있을 수 있기 때문이다. 이때 풍부한 경험을 가진 도메인 전문가의 직관과 상식에 따른 검증 과정이 문제 해결 과정 및 결과의 질을 높이는 데 큰 도움이 된다.

나만의 분야에서 ‘데이터 지능’을 활용하라

지금까지 데이터 과학자나 머신러닝 엔지니어가 아닌 사람이 IT 기반의 ‘데이터’를 활용하는 과정에서 어떻게 제 몫을 할 수 있을지에 생각해보았다. 요즘 빅데이터나 이를 활용한 인공지능이 시대의 화두가 되면서, 데이터를 기반으로 내린 의사 결정을 절대시하는 경우가 종종 있다. 하지만 복잡한 현상에서 데이터를 추출하고, 이를 다양한 방식으로 가공하고 분석하여 결론을 도출하는 과정에는 다양한 오류의 가능성이 존재한다. 또한, 같은 데이터라 해도 이를 분석한 사람의 주관이 필연적으로 반영되기 마련이다. 이처럼 데이터는 그 가능성만큼이나 한계가 뚜렷하다. 이를 명확히 이해하는 것이 데이터 지능을 기르는 첫걸음이다.

알파고가 바둑에서 인간을 이겼을지는 몰라도, 아직 대부분 분야에서 해당 분야의 전문가에 필적하는 인공지능은 만들어지지 않았다. 해당 분야 전문가의 ‘통찰력’은 단순히 지식이나 정보를 많이 모은다고 생기는 것은 아니기 때문이다. 그래서 더욱 통계나 프로그래밍을 전문적으로 공부하지 않았더라도 기획, 분석, 비판력을 갖춘 도메인 전문가들이 데이터 시대에는 필요하다. 데이터 과학자 역시 이들과 일을 하는 것을 통해 큰 힘을 얻을 수 있다. 둘의 협업 과정에서 필요한 것이 바로 ‘데이터 지능’이다. 다음 글에서는 이러한 데이터 지능을 기르는 구체적인 방법에 대해서 알아보겠다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다.

어느 큰 성(城)을 지키는 문지기가 있다고 치자. 문을 통과해 성 안으로 들어갈 사람과 그러지 못할 사람을 구분해내는 게 그의 역할이다. 그런데 이 문지기, 성격이 꽤 변덕스러워 어떤 날은 성문 앞에 모인 사람 전부를 들여보내고 어떤 날은 그중 절반만 통과시킨다.

사실 그는 컴퓨터과학 애호가다. 그래서 카드에 숫자 ‘0’ 혹은 ‘1’을 써놓은 후 성으로 들어가고 싶어하는 사람 수만큼 탁자 위에 엎어놓는다. 문지기의 신호가 떨어지면 사람들은 각자 한 장씩의 카드를 뒤집어본다. ‘0’이 쓰인 카드를 쥔 사람은 성 안으로 들어갈 수 없고 ‘1’이 쓰인 카드를 집어 든 사람에겐 성문이 열린다.

어느 날, 성문 앞에 들어가고 싶어하는 사람 여덟 명이 모였다. 여덟 장의 카드가 뒷면을 위로 향한 채 나란히 놓였다. 사람들은 각자 한 장씩의 카드에 손을 댄 채 문지기의 신호만 기다린다. 문지기가 모든 사람을 들여보내려고 마음 먹었는지, 절반만 들여보내기로 했는지 알려면 얼마의 시간이 필요할까?

양자컴퓨터의 특성, ‘문지기 확률’에 그 힌트가?!

이 질문은 양자컴퓨터(quantum computer)와 일반 컴퓨터 간 차이를 이해하기 쉽게 설명하기 위해 고안된 것이다. 오늘날 양자컴퓨팅의 최고 권위자로 꼽히는 리처드 조사(Richard Jozsa)와 데이빗 도이치(David Deutsch) 영국 케임브리지대학 이론물리학과 교수가 제시한 설명을 살짝 변형했다.

일단 답부터 생각해보자. 카드를 어떻게 뒤집느냐에 따라 결론은 달라질 것이다. 한 장씩 뒤집어 보면 많게는 다섯 장을 뒤집어야 문지기의 그날 계획을 알 수 있다. 처음 네 장의 카드에 모두 1이 쓰여있다 해도 한 장을 더 열어봐야 답을 알 수 있기 때문이다. 반면, 동시에 뒤집으면 어떤 경우든 즉시 답을 알 수 있다.

이 경우 카드를 한 장씩 뒤집어 보는 건 일반 컴퓨터의 데이터 처리 방식에 비유할 수 있다. 반면, 모든 카드를 동시에 뒤집어 보는 게 바로 양자컴퓨터 방식이다. 이 차이는 데이터 값이 늘어날수록 커진다. 그리고 데이터 양이 천문학적으로 많아져도 양자컴퓨터는 한순간에 그 구조를 파악하기 때문에 답을 ‘언제나 즉시’ 얻을 수 있다.

양자컴퓨터 실용화되면 현행 암호 체계 ‘무용지물’

양자컴퓨터는 올 들어 전 세계 IT 업계에서 부쩍 존재감을 키워온 기술이다. 세계 최고 권위의 과학잡지 ‘네이처(Nature)’를 비롯한 유수 연구기관, 그리고 글로벌 미디어가 발표한 ‘2017 IT 개발 동향’ 보고서는 하나같이 양자컴퓨터를 ‘2017년을 이끌어갈 주요 기술’ 중 하나로 꼽았다. 미국 환경청(EPA)의 연구 프로그램 ‘홈랜드 시큐리티 리서치(Homeland Security Research)’가 지난 5월 발표한 보고서에 따르면 2024년 양자컴퓨터(와 관련 서비스) 시장 규모는 84억5000만 달러(약 9조6500억 원)에 이른다. 이중 정부 주도의 관련 기술 연구∙개발(R&D) 기금 규모는 22억5000만 달러(약 2조5700억 원) 수준이다.

양자컴퓨터는 현재 널리 보급돼 있는 컴퓨터와는 그 성격이 근본적으로 달라서 특정 형태의 계산에만 엄청난 힘을 발휘할 수 있다. 다시 말해 양자컴퓨터가 일반 컴퓨터를 완전히 대체할 수 있는 건 아니다. 하지만 그 제한적 차별성만으로도 세상을 뒤집어놓기에 충분하다.

한 가지 예를 들어보자. 양자컴퓨터가 실용화 단계에 이르면 일단 지금까지 컴퓨터를 이용, 온라인을 통해 해왔던 모든 활동에 걸린 암호 체계를 전부 바꿔야 한다. 오늘날 온라인 쇼핑과 은행 거래 등 금전(이나 기타 이해)관계나 프라이버시가 걸려 있는 활동엔 반드시 암호가 필요하다.

암호를 만드는 법은 복잡하고 다양하다. 하지만 그 아래엔 공통적으로 인수분해 원리가 숨어있다. 예를 들어 “1357×2468은?”이란 질문에 대해 즉시 답할 수 있는 사람은 많지 않겠지만 일반 컴퓨터는 순식간에 “3,349,076”이란 답을 내놓는다. 하지만 이 숫자를 제시한 후 이게 어떤 네 자리 수와 어떤 네 자리 수를 곱한 값이냐고 묻는다면 얘긴 전혀 달라진다.

일반 컴퓨터는 1000에서 9999까지 모든 숫자 중 두 개의 조합을 꼼꼼히 곱해보며 ‘3,349,076’이란 답을 도출해낸다. 앞선 예에서 문지기가 나눠준 카드를 하나하나 뒤집어보는 것과 동일한 방식이다. 컴퓨터 성능에 따라 달라지겠지만 짧게는 몇 시간, 길게는 며칠까지 걸리는 작업이다.

이 시간은 숫자의 자릿수가 높아질수록 기하급수적으로 늘어난다. 이제까지 해본 실험 중 가장 자릿수가 많았던 129자리 숫자를 인수분해하는 데엔 1600명의 인터넷 사용자가 달려들어도 꼬박 8개월이 걸렸다. 인수분해가 암호에 쓰이는 건 이런 성격을 갖고 있기 때문이다. 암호를 만든 사람은 쉽게 만들고 답도 알고 있지만, 만들지 않은 사람이 그걸 풀려면 엄청난 시간과 에너지를 들여도 쉽게 답을 구할 수 없도록 할 수 있는 것이다.

만약 양자컴퓨터라면 이렇게 복잡한 숫자의 인수분해 값을 구하는 데 얼마나 걸릴까? 그야말로 ‘찰나’, 즉 몇 십 분의 1초 안에 답이 나온다. 앞의 예시 문제에서 본 것처럼 양자컴퓨터는 모든 자료를 한눈에 파악할 수 있기 때문이다.

양자컴퓨터는 이런 특성 덕분에 다양한 업무에 투입될 수 있다. 하나같이 ‘무수한 데이터 값이 연관된 과정에서 아주 단순한 정답을 얻어내는’ 일이다. 수많은 요인이 상호 작용하는 생화학 반응 과정을 예측할 수 있을 뿐 아니라, 그 결과를 이용해 부작용 없고 효능이 확실한 신약 개발을 앞당길 수도 있다. 지금 수준과는 비교도 안 되게 정확한 날씨 예측 역시 가능하다. 장거리를 날아가는 무기의 탄도 계산이나 다수가 참석하는 회의에서 최적의 자리 배치법을 찾는 일 등 크고 작은 최적화(optimization) 계산도 간편해진다. 안면 인식 등 인공지능이 하는 일의 경우, 빅데이터를 동원하지 않아도 쉽게 처리된다.

양자컴퓨터 속성 알려면 양자역학부터 이해해야

양자컴퓨터의 능력을 온전히 이해하려면 양자컴퓨터의 기본 패러다임인 양자역학 원리부터 이해해야 한다. ‘양자(quantum)’의 사전적 정의는 ‘에너지나 물질 등 물리적 속성을 갖고 있는, 가능한 한 가장 작은 단위’다. 원자를 구성하는 부분 중 하나인 전자 따위도 포함된다.

양자의 세계는 나노미터의 세계다. 예를 들어 전자의 크기는 0.1 나노미터, 즉 1미터의 100억 분의 1에 해당된다. 이런 극미립자 세계에선 현대인이 일상에서 접하는 물리적 현상들과 전혀 다른 운동 원칙이 적용된다. 다시 말해 에너지가 ‘물질’로서의 성격을 갖는다기보다 ‘파동’으로서의 성격을 갖는다. 그 결과, 양자의 운동방식은 몇 가지 특별한 성질을 지닌다.

일반 컴퓨터라면 모든 데이터와 그걸 처리하는 데 관련한 지시는 ‘0’ 아니면 ‘1’의 두 숫자 중 하나인 포지션으로 표시되며 이를 ‘비트(bit)’라고 한다. 이 두 포지션이 무수히 다른 조합으로 이어지면서 내용이 주어지고 작동 방식이 선택된다.

이와 달리 양자컴퓨터는 특정 시점에서의 상태가 0일 수도, 1일 수도, 0과 1 모두일 수도 있다. 이 경우 작용 단위는 ‘퀀텀 비트’, 줄여서 ‘큐비트(qubit)’라고 하는데 큐비트는 0이기도 하고 1이기도 한 상태를 모두 포괄하는 일명 ‘슈퍼포지션(superposition)’으로 존재한다. 이 때문에 양자 세계에선 모든 데이터가 공존하는 구조를 한눈에 볼 수 있다.

문제는 이 값이 그야말로 찰나에 주어지고 사라져버린단 것이다. 미시적 물리세계의 운동 주체인 양자는 주변의 다른 힘과 끊임없이 상호작용하며 변해간다. 또한 양자와 양자 사이에 경계가 있어도 그대로 통과해 넘어가버린다. 모두 양자의 에너지량이 너무 적어 생기는 현상이다.

지금 당신 앞에 놓인 컴퓨터나 컵 같은 물체는 양자 수준의 에너지 주체에 비하면 엄청나게 많은 양의 에너지가 응축, 발현된 존재다. 웬만큼 센 힘이 아니면 움직이지 않기 때문에 일정 모습과 상태를 유지할 수 있는 것이다. 반면, 양자는 현존하는 세계 속에 작용하는 힘에 비해 지극히 적은 양의 에너지이므로 그 힘들이 움직일 때마다 끊임없이 반응하며 변화할 수밖에 없다.

이처럼 양자에 작용하는 외부 에너지 중 하나가 인간의 의식이고 시선이다. 앞서 말한 것처럼 모든 운동의 가능성을 내포한 슈퍼포지션이었던 양자는 인간이 그걸 관측하려고 시선을 보내거나, 아니면 단순히 그런 의도를 품는 순간 고정돼 한 가지 포지션만 보여준다. 보는 입장에 따라 그 포지션은 달리 보인다. 요컨대 양자역학에선 어떤 값이든 확실하게 고정돼 주어지지 않는다.

“뜬구름 잡는 얘기? 머잖아 세상 뒤집어놓을 혁신”

이런 성질의 양자를 활용, 인류의 필요를 충족하는 양자컴퓨터를 개발할 수 있을까? 이미 짐작했겠지만 그 작업은 결코 쉽지 않다. 설사 가능하다 해도 만만찮은 난관이 기다리고 있다. 결국 양자컴퓨터 개발 과정은 불확실성을 극복하려는 시행착오의 연속이라고 해도 과언이 아니다. 그런데도 앞서 본 것처럼 양자컴퓨터 개발 열기는 점점 더해가고 있다. 개발에 성공하기만 하면 그야말로 세상을 뒤집을 수 있기 때문에 그럴 것이다. 오늘날 컴퓨터공학 발달 과정 자체가 점점 더 그 방향으로 나아가고 있단 사실도 무시하기 어렵다.

정보통신기술(ICT)의 발달로 데이터의 양은 점점 더 많아지는 반면, 관련 기기 크기는 줄어드는 추세다. 이 같은 변화가 가능한 건 (나노 수준의) 미세한 트랜지스터 활용 기술의 발달 덕분이다. 그런데 이처럼 소재들이 계속 소형화되면 어느 지점에서 이들은 양자역학의 법칙에 따라 움직일 것이다. 그 변화무쌍한 움직임을 통제하려는 노력 자체가 양자컴퓨터를 개발하는 노력과 맞물리는 것이다.

“그래서 양자컴퓨터가 개발됐단 거야, 안 됐단 거야?” 혹자는 이렇게 물을 것이다. 그에 대한 전문가의 답변은 “아직은 아니다”다. 이론적 가능성으로만 따지면 충분히 입증되고 있다. 실제로 2의 4제곱, 즉 16개 인수가 관련된 계산에서 확실한 능력을 보여주는 양자컴퓨터도 나왔다. 하지만 모두가 원하는, 지금의 컴퓨터론 시간이 너무 걸려 못하는 계산도 해내는 수준의 양자컴퓨터에 이르려면 아직 갈 길이 멀다.

분명한 건 양자컴퓨터의 실현 가능성이 희박하다고 단정 지을 수 없단 사실이다. 19세기 후반 처음 등장했을 때에만 해도 뜬구름 잡는 얘기로 간주됐던 양자역학은 21세기 들어 그 중요성이 점차 강조되는 추세다. 진공관 컴퓨터의 큰 덩치를 믿을 수 없을 정도로 소형화시킨 반도체 기술 역시 양자역학 원리를 응용한 것이다. 양자컴퓨터 개발 과정 역시 지금은 비약적 문제 해결 방식이 눈에 띄지 않지만 언젠가, 그리고 누군가 주요 해결책을 터득하고 나면 이후 컴퓨터 기술 혁명의 불길이 전 세계를 휩쓰는 건 시간 문제다.

어쩌면 양자컴퓨터 개발 속도에 대한 진단은 데이빗 머민(N. David Mermin) 미국 코넬대학교 응집물질물리학부 교수의 그것이 가장 정확한지도 모르겠다. “2050년이 돼도 쓸 만한 양자컴퓨터가 개발되기 어렵다고 말하는 건 경솔한 일이다. 하지만 그때쯤이면 쓸 만한 양자컴퓨터가 개발돼 있을 거라고 말하는 것 역시 경솔한 일이다.”

“그건 기본을 지키지 않아 그래.” 살다보면 종종 이런 말을 하고 또 듣는다. 무슨 일이든 기본 철칙을 도외시하면 아무리 많은 시간과 노력을 들였다 해도 해당 분야 전문가에게서 좋은 평가를 받기 어렵다. 제대로 된 전문가는 매사 ‘결과’보다 ‘과정’을 중시한다. 설령 결과물이 훌륭해 보여도 절차상 하자가 있다면 쓸모없는 가치에 불과하다. 소비자 호평도 기대하기 어렵다. 소비자는 비록 비전문가이지만 어떤 게 좋고 나쁜지 직관적으로 안다. ‘내 돈 내고 받는 재화(서비스)’인 만큼 대충, 어설프게 넘어가는 경우는 드물기 때문이다.

좋은 설계도 VS. 나쁜 설계도

기업 데이터를 설계할 때도 마찬가지다. 설계 담당자(이하 ‘설계자’)가 아무리 열심히 노력했다 해도 전문가 평가는 호의적이지 않은 경우가 허다하다. 예를 들어보자. 대부분의 기업은 인사 업무 관련 데이터를 설계할 때 “인사 부서가 직원에게 급여를 지급한다”는 매뉴얼 내용을 기준으로 <그림1> 혹은 <그림2>와 같은 데이터 설계도를 만든다. 하지만 둘 다 명백한 ‘수준 미달 설계’다. 하지만 도표를 접한 설계자 대다수는 고개를 갸웃거릴 것이다. ‘아니, 뭐가 잘못됐다는 거지? 다들 그렇게 하고 있잖아. 누군가 내게 같은 설계를 부탁해도 다르지 않을 것 같은데….’

위 두 그림은 모양만 보면 설계도가 맞지만 수준은 ‘유치원생급’이란 평가를 피하기 어렵다. 가장 큰 문제는 결과 표현에 급급해 과정이 생략된 것이다. 설계도의 완성도를 높이려면 급여가 그렇게 지급돼야만 하는 연유와 내막이 설계도 내에 드러나 있어야 한다. ‘급여 지급’의 주제가 인사 부서인 건 누구나 알고 있지만 그에 앞서 지급 행위를 구성하는 세부 원인 행위가 구체적으로 하나씩 규명돼야 한다는 얘기다. 이 과정이 설계도상에 가시적으로 표현되지 않으면 설계자와 관찰자 간 소통은 사실상 불가능하다.

관찰자가 설계도에 깔려 있는 배경과 사상을 이해할 길이 없다면 그 설계도는 실패작일 수밖에 없다. 따라서 위 그림 속 설계도가 설계도답게 구성되려면 급여 지급에 선행되는 행위, 이를테면 ‘출장’ ‘교육’ ‘강의’ ‘휴가’ 등이 설계도에 구현돼야 한다. 그런 다음, (최종 행위로서의) ‘지급’을 설계도 내에 나타내야 비로소 앞뒤가 들어맞는다.

데이터 설계에도 ‘소통’이 필요해

제대로 된 데이터란 관찰자가 객관적 시각으로 들여다봤을 때 설계 도중 설계자의 머릿속이 읽히는 데이터다. 이때 ‘제대로’는 ‘수준 미달을 겨우 면한 정도’를 뜻한다. 과정과 절차가 무시된 ‘결과 중심 설계’는 참담한 실패를 불러올 뿐이다. 설계 사상과 철학의 핵심인 ‘원인-결과 상호 대응관계’가 관찰자에 의해 정확하게 읽히지 못한다면 그건 설계도가 아니라 무의미한 추상화에 불과하다. 그런 설계도라면 나중에도 쓸모를 찾기 어려워지므로 처음부터 공 들여 제작할 가치도, 추후 정보 시스템 개발 결과물로 유지하거나 보수할 가치도 없다.

좋은 설계도엔 ‘소통’이 존재한다. 단, 여기서의 소통은 언제나 ‘쌍방향’적이어야 한다. 관찰자도, 설계자도 상대가 어떤 배경과 의도로 논리를 펼치고 있는지 소상히 알 수 있어야 한다는 뜻이다. 소통 가능한 데이터 설계도의 제작 여부는 순전히 설계자의 마음가짐에 달려 있다. “학교에서 배운 적이 없어서” “직장에 들어온 후 내게 설계 방법을 가르쳐준 선배가 없어서”란 말은 한낱 변명일 뿐이다. 요행히 과정과 절차를 중시하는 전문가를 만나 제대로 된 설계법을 배울 수도 있을 것이다. 하지만 본인의 노력만으로도 결과를 중시하는 현행 기업 관행을 충분히 개선할 수 있다. 설계자 스스로 몇 차례 시행착오만 거치면 누구나 완수할 수 있는 임무란 얘기다.

기업 정보 시스템이 생명력을 발휘하려면 데이터 설계 분야에서 “혼자서도 완성도 높은 설계도 제작에 도전해보겠다”는 작은 영웅들이 기업마다 넘쳐나야 한다. 자체적 데이터 설계 능력은 빅데이터 시대에 기업이 살아남기 위한 핵심 역량이다. 이제껏 그래왔듯 위탁 업체에 맡겨버리면 되는 것 아니냐고? 그런 생각은 본인 소유 기업의 빅데이터를 거대한 쓰레기 더미로 만드는 ‘자포자기 선언’이나 다름없다.

※ 이 칼럼은 전문가 필진의 의견으로 삼성전자의 입장이나 전략을 담고 있지 않습니다.

5년 전 스페인을 여행하며 거리에 비만인 사람들이 적잖은 걸 보고 깜짝 놀란 기억이 있다. 장소가 스페인이 아니라 미국이었다면 그다지 놀라지 않았겠지만 불과 20년 전만 해도 스페인 사람들은 어디서나 날씬한 모습이었기 때문에 충격이 더욱 컸다. 미국은 20년 전이나 지금이나 비만이 심각한 사회 문제 중 하나다. 우리나라도 미국이나 스페인보다 사정이 낫긴 하지만 비만 문제가 조금씩 대두되기 시작했다.

중복 데이터 많아야 검색 속도 빨라진다?

데이터도 신체와 마찬가지로 ‘비만’ 증세를 겪는다. 특히 기업 데이터 비만 문제는 신체적 비만 못지않게 심각한 문제를 야기할 수 있어 주의가 요구된다. 기업 데이터 비만이란 기업 데이터베이스 내 저장 데이터에 중복이 존재하는 현상을 일컫는다. 국내 기업을 기준으로 했을 때 평균 중복률은 65%, 그중 50% 이상이 ‘쓸데없는 중복’이다(나머지 15%가량의 중복은 현행 데이터베이스 기술이 지니는 불가피한 한계로 인한 중복이다). 전체 데이터베이스의 절반 이상이 ‘악성 중복’인 셈이니 보통 심각한 문제가 아니다.

국내 기업의 데이터 비만 문제가 이렇게 심각한 건 ‘중복에 대한 무조건적 맹신과 환상’ 때문이다. 흔히 ‘데이터를 중복시켜놓아야 관련 데이터를 보다 빨리 검색할 수 있다’고 여긴다. 부주의한 이들의 그릇된 통념이다. 그러다 보니 동일한 데이터, 예를 들면 ‘고객 성명’이 많게는 수백 군데에 나타나도록 허용된다. 만약 동일 데이터가 300개 지점에서 발견됐다면 그중 299개는 중복이란 얘기고, 이 경우 중복률(299/300*100)은 약 99.7%다.

데이터베이스 내에 ‘고객 성명’ 같은 속성급 데이터의 가짓수가 5000개 존재한다고 가정해보자. 5000개의 속성별 중복 빈도를 계산해 이들을 합산한 다음, 그 결과를 다시 속성 전체 수 5000으로 나누면 해당 데이터베이스의 전체 평균 데이터 중복률이 나온다. 이 수치가 바로 데이터 비만도다.

체중이 늘어나면 몸은 무거워지지만 순간적 폭발력은 증가한다. 데이터 세계에서도 마찬가지다. 데이터 중복을 일부 허용하면 일시적으로 검색 속도가 상당히 빨라진 것처럼 보인다. 실제로 기업 데이터베이스 내 데이터 중복률이 15% 이하를 유지한다면 전혀 문제 될 게 없다. 42.195㎞를 뛰어야 하는 마라토너도 체지방율이 15%는 된다는 점을 떠올려보면 이해가 빠를 것이다.

‘느린 속도’보다 무서운 건 ‘잘못된 결과’

기업 데이터 중복률이 30% 이하로 유지될 땐 그런대로 적정 속도와 품질을 유지하며 제 몫을 해낼 수 있다. 하지만 30%를 훌쩍 넘겨 60% 이상까지 높아진다면 그 결과가 얼마나 끔찍할지 짐작조차 할 수 없다. 이때 30%는 데이터 테이블 구조가 (가장 저급한 수준인) ‘제1표준형’으로 설계됐을 때 허용되는 최대 중복률 수치다. 제1표준형은 데이터베이스 내 각각의 데이터 테이블이 갖춰야 할 최소한의 요건을 말한다. 따라서 만약 어떤 데이터 테이블이 제1표준형 기준에도 못 미칠 경우, 해당 데이터 테이블을 보유한 데이터베이스는 데이터베이스로서의 자격이 없다. ‘데이터 중복률 30%’를 마지노선이라고 부르는 건 바로 그 때문이다.

데이터 중복률이 30%를 넘어서면 정보 검색 시 두 가지 오류가 발생할 수 있다. 해답 도출에 너무 오랜 시간이 걸리는 경우가 하나, 시간은 얼마 안 걸리지만 틀린 답이 나오는 경우가 다른 하나다. 어느 기업의 차장 A씨가 승진, 부장이 됐다고 가정해보자. 만약 이 기업 정보 시스템의 데이터 중복률이 30% 이상이라면 “오전에 검색했더니 부장, 오후에 검색하면 과장, 이튿날 검색하면 대리”처럼 어처구니없는 결과가 나올 수도 있다. 그런 일이 어떻게 가능하냐고 반문할 사람도 있겠지만 실제 기업에선 이와 비슷한 사태가 종종 발생한다. 3초 이내에 답을 내놓긴 해야겠고, 그러다 보니 ‘정확하지 않은 값이라도 일단 출력하고 보자’는 관행이 이 같은 불상사를 초래하는 것이다. 데이터 중복이 불러일으키는 ‘무서운 역습’인 셈이다.

데이터 비만이 야기하는 폐단은 생각보다 심각하다. 우선 정확한 답이 나오기까지 시간이 너무 많이 걸린다. 미국 뱅크오브아메리카(BoA)가 규정하고 있는 ‘3초의 법칙’을 떠올려보면 재앙에 가까운 수준이다. ‘빠르지만 엉터리인’ 답을 내놓는 경우도 속도 실패 못지않게 참담하다. 그런데도 “그냥 있는 대로 쓰지”라고 체념한다면, 그리고 그렇게 결정하는 주체가 내로라하는 기업이라면 어떤 일이 벌어질까?

기업 데이터 ‘군살’ 제거, 3개월이면 충분

지난 20여 년간 기업 현장을 돌며 데이터베이스 현황을 관찰했다. 대부분의 국내 기업이 65% 이상의 데이터 비만도를 기록 중이란 사실만큼이나 놀랐던 건 언젠가부터 기업들이 ‘데이터 설계상의 하자에 따른 정보 처리 속도 저하’를 ‘하드웨어 성능 한계’로 둔갑시키는 지혜(?)를 발휘하고 있다는 사실이었다. IT를 잘 모르는 경영진은 IT 담당 부서의 엉터리 설명을 수용할 수밖에 없다.

더 심각한 문제는 IT 업무 담당 인력들조차 ‘데이터 설계’에 관해선 학교에서도, 직장에서도 제대로 배워본 적이 없다는 사실이다. ‘현장(기업) 중심’으로 돌아가지 않는 학교 커리큘럼이 낳은 비극이다. 실제로 전산학과는 데이터베이스 프로그래밍 교육에 집중할 뿐, 기업 데이터 설계에 관해선 거의 다루지 않는다. 경영학과 역시 데이터 설계를 남의 일로만 취급한다. 경영정보학과에서도 데이터 설계 대신 엉뚱하게 ERP(Enterprise Resource Planning, 전사적 자원 관리) 같은 설계 ‘도구’ 사용법 교육에만 열중한다.

데이터 비만이 불러온 비극은 ‘최초 데이터 설계 오류’가 그 원인인 만큼 과감히 원점으로 돌아가 ‘이제부터라도 제대로 설계해보자’는 허심탄회한 자세로 대처하는 게 최선이다. 하지만 지레 실망할 필요는 없다. 수십 년간 축적돼온 데이터 비만 문제도 불과 수 개월이면 명쾌하게 풀 수 있는 기술적 해법이 반드시 존재하기 때문이다. 다만 궤변과 변명, 경영진을 향한 ‘거짓 설득’의 관행이 계속되는 기업은 외환 위기와 같은 부정적 외부 요인의 공격을 받는 순간, 오랜 세월 풍화된 고목마냥 단번에 쓰러져버릴 것이다.

조금이라도 앞을 내다볼 줄 아는 사람이라면 지금이라도 우리 기업의 데이터 비만도에 관심을 기울일 필요가 있다. 만약 측정 결과, 데이터 비만도가 30% 이상이라면 하루빨리 ‘군살’ 제거에 나서야 한다. 테이블 설계상 최상급인 동시에 가장 모범적인 수준으로 꼽히는 ‘제3표준형’이 허용하는 중복률은 15% 전후다. 어느 기업이든 이삼 개월이면 충분히 조직 데이터베이스의 데이터 비만도를 15% 선으로 낮출 수 있다. 그러니 ‘데이터 다이어트’에 관심 있는 기업이라면 두려워 말고 한 번쯤 용기 있게 도전해볼 일이다.

※ 이 칼럼은 전문가 필진의 의견으로 삼성전자의 입장이나 전략을 담고 있지 않습니다.

정보화(情報化)의 최종 산출물은 결국 ‘프로그램 덩어리’와 ‘데이터 덩어리’ 두 가지다. 기업 정보시스템엔 수많은 데이터, 그리고 이를 통제하는 프로그램들이 기업 활동에 유용한 결과를 산출하기 위해 공존한다.

우리나라 기업들이 정보시스템을 갖출 때 프로그램 부문은 ‘짜다(set up)’란 표현을 쓸 정도로 공들여 작업하지만 데이터 부문으로 눈을 돌리면 상황은 정반대다. 데이터 제작·설계 업무를 등한시해 빚어지는 업무 효율의 저하와 비용 문제 등 불상사는 한둘이 아니다.

데이터는 사람으로 따지면 성명이나 나이, 주소 같은 것이다. 은행을 예로 들자면 계좌번호를 비롯한 각종 고객정보가 대표적 데이터다. 데이터의 세계는 단순하고 쉬운 것 같지만 이를 제대로 이해하고 정보시스템을 구축하기란 결코 간단하지 않다. IT 분야에서 데이터베이스처럼 이론이 정교하게 깔려 있는 분야는 찾아보기 힘들 정도다.

‘엉터리’ ‘쓰레기’ 넘쳐나는 기업 데이터베이스

아쉽게도 기업 현장에 나가보면 데이터베이스 설계의 가장 기초적인 이론조차 제대로 이해하지 못하는 담당자가 수두룩하다. 겉으론 거창하게 얘기하지만 자기 회사의 정보시스템이 얼마나 수준 이하인지 모르는 경우도 허다하다.

한국 기업의 데이터베이스는 한마디로 엉망진창이라고 할 수 있다. 표면적으론 이론에 따라 데이터를 설계했다지만 속을 들여다보면 엉터리 데이터 천지다.

단언컨대 2014년 12월 현재 우리나라 기업이 보유하고 있는 데이터 가운데 쓸 만한 건 많아야 40%가량이다. 나머지 60%는 기업 활동과 고객 서비스에 별 도움이 안 되는, 당장 버려야 하는 ‘디지털 쓰레기’라고 할 수 있다.

도대체 왜 이렇게 됐을까. 정보화시대의 화두는 ‘속도’와 ‘품질’이다. 일반적으로 속도를 중시하면 품질은 다소 떨어지게 마련이다. 그렇다고 품질만 강조하면 속도는 느려진다. 반면, 컴퓨터는 속도와 품질 두 마리 토끼를 잡을 수 있을 만큼 고도의 연산능력을 자랑한다.

문제는 기업들이 “데이터 처리 속도 부문에서 일정 성과를 거두려면 데이터 품질이 다소 훼손되는 건 감수해야 한다”며 ‘변명 아닌 변명’을 늘어놓고 있다는 사실이다. 전문가 입장에서 볼 때 이는 완벽한 난센스다.

설계 과정 생략하고 ‘묻지마 시공’ 하는 격

데이터 품질 저하 문제는 ‘덮어놓고 아무거나 데이터로 취급하는’ 업계 관행에서 비롯된다. 데이터는 등급별로 나눠 체계적으로 관리하는 게 기본이다. 그 과정에서 불필요한 데이터는 철저하게 걸러낼 수 있어야 한다. 안타깝게도 기업 현장을 돌아본 결과, 제대로 된 데이터 감별사는 없다 해도 과언이 아닐 정도였다.

데이터를 올바르게 감별하지 못한다면 지도도 없이 망망대해 같은 데이터 세계를 항해할 수밖에 없다. 거꾸로 말해 ‘전사적 데이터 지도’의 확보 여부는 기업 정보시스템 전체의 성패를 가르는 핵심 요소라 할 수 있다.

전사적 데이터 지도는 전국교통지도처럼 한눈에 도로 상황을 들여다볼 수 있도록 제작돼야 한다. 단 하나의 길도 뚝 끊어져선 안 된다. 데이터가 오가는 길 역시 잘 닦인 도심 도로처럼 빠른 시간 안에 왕복할 수 있도록 정교하게 설계해야 한다.

오늘날 우리 기업은 데이터 지도가 없고, 그러다 보니 정보시스템 설계 역시 주먹구구로 진행할 수밖에 없는 현실에 직면해 있다. 건물을 지을 땐 설계 작업을 마친 후 시공에 들어가는 게 정석이다. 기업 정보시스템도 이와 다르지 않다. 하지만 실제 대부분의 기업은 정보시스템 설계 작업을 등한시한 채 곧바로 시공에 착수한다. 설계가 대충대충이니 정보시스템은 허술하고, 그런 시스템에서 산출된 데이터 품질이 좋을 리 없다. 악순환이다.

일부 기업은 ‘데이터 응답 속도 개선’을 거창하게 표방한다. 하지만 실상은 온갖 땜질식 처방만 화려하게 동원하는 데 그치는 경우가 태반이다. ‘차세대 정보시스템 개발’이란 미명 아래 그럴싸하게 포장하고 각종 정보화 개선 프로젝트를 가동시키지만, 속을 들여다보면 데이터의 속도와 품질 개선은 뒷전이고 하드웨어와 소프트웨어 업그레이드에만 혈안이 돼 있는 게 현실이다.

갈 길 먼 ‘3초룰’… 데이터 중심 사고 전환 시급

미국 금융업계에서 통용되는 법칙 중 일명 ‘3초룰(three-second rule)’이란 게 있다. ‘정보시스템에 어떤 질문이 들어가든 3초 이내에 답이 나와야 한다’는 게 이 법칙의 핵심이다. 실제로 뱅크오브아메리카(BoA)는 이 법칙을 엄격하게 적용하고 있다. 3초 이내에 정확한 답을 도출하지 못하면 해당 정보시스템은 ‘총체적 실패작’으로 규정된다. 이 경우, 시스템 개발을 맡은 용역 업체는 계약 내용에 따라 개발비 전액을 BoA 본사에 환불해야 한다.

자, 이제 시선을 우리 기업 정보시스템 쪽으로 돌려보자. 정답을 이끌어낼 때까지 30초는 고사하고 300초, 심지어 3000초를 넘기는 일도 드물지 않게 벌어진다. (3초룰 같은) 제한시간 규칙 적용 기업이 있다는 얘긴 들어본 적조차 없다.
금융 기업의 차세대 정보시스템 구축에 소요되는 예산은 어림잡아 5000억 원 선이다. 천문학적 금액이 투입되는 정보시스템 개발에 응답 시간 제한 규정이 없고 문제 발생 시 책임조차 물을 수 없는 현실은 현행 기업 정보시스템 구축 작업이 얼마나 무책임하게 진행되는지에 대한 방증이다.

기업 정보시스템에서 프로그램 문제로 정답 도출이 늦어지는 경우는 거의 없다. 대부분은 ‘데이터 설계 시 발생한 치명적 하자’가 그 원인이다. 요컨대 ‘프로그램 중심’의 현행 사고를 ‘데이터 중심’으로 하루빨리 바꾸지 않으면 기업 정보시스템은 영원히 애물단지 신세를 벗지 못할 것이다.

※ 이 칼럼은 전문가 필진의 의견으로 삼성전자의 입장이나 전략을 담고 있지 않습니다.

삼성전자가 업계 최초로 차세대 초고속 메모리 ‘DDR4‘ 시대를 열었습니다.

최저 소비전력 초고속 ’20나노급 DDR4 D램’ 본격 양산

삼성전자는 30일 차세대 데이터센터의 엔터프라이즈 서버에 탑재되는 최고 속도의 ’20나노급 DDR4 모듈’ 양산에 돌입했습니다.

삼성전자가 세계 최고 성능의 ’20나노급 16GB(기가바이트) DDR4 모듈’ 양산과 ’20나노급 32GB DDR4 모듈’ 출시를 통해 빠르게 성장하고 있는 대규모 엔터프라이즈 서버 시장 공략에 나선 것입니다.

2008년 50나노급 DDR3 D램 이후 5년만! 

이번에 양산되는 ’20나노급 DDR4 D램’ 제품은 2008년 ’50나노급 DDR3 D램’ 이후 5년만에 메인 메모리 시장을 전환하는 제품으로 세계 최소 칩 사이즈에 초당 데이터 처리속도가 2,667Mb/s 까지 구현됩니다.

이는 ’20나노급 DDR3 D램’보다 소비전력을 30% 이상 감소시키면서도 1.25배 빠른 속도를 구현한 것인데요.

삼성전자가 ’20나노급 DDR4 D램’을 탑재한 ’20나노급 32GB DDR4 모듈’을 본격 공급하면 현재 ’30나노급 8GB DDR3 모듈’이 주를 이루는 서버시장은 고성능 저전력 대용량의 ‘DDR4’ 시장으로 빠르게 전환될 전망입니다.

엔터프라이즈 서버에 탑재되는 D램의 처리 속도를 높이면 시스템 처리 성능을 높이면서도 전체 소비 전력을 대폭 낮출 수 있으며, 대용량 메모리를 통해 최소 비용으로 시스템 전체 성능을 극대화해 투자 효율도 높일 수 있습니다.

차세대 데이터센터에 최적화된 초절전 그린메모리 솔루션 제공

삼성전자는 업계 최소 칩 사이즈의 ’20나노급 DDR4 D램’ 양산을 통해 서버에서 모바일까지 전 제품군을 확보해 글로벌 IT 고객에게 최고의 저전력 고성능 그린 메모리 솔루션을 제공할 수 있게 됐습니다.

향후 삼성전자는 한 발 앞선 차세대 그린 메모리 제품과 솔루션 개발을 통해 독보적인 제품 경쟁력을 지속 유지하고 고객 가치 창출을 극대화 하는 차세대 그린 메모리 전략을 통해 IT 시장 성장을 지속 주도할 예정입니다.

“초고속 DDR4 모듈은 하반기 차세대 서버 탑재를 시작으로 프리미엄 메모리 시장에서 본격적인 수요를 창출해 나갈 것이며, 내년에는 두 배 용량의 32GB DDR4 모듈을 중점 공급해 글로벌 고객들이 그린 IT 시장을 확대시키는데 기여할 것입니다.”

– 전영현 부사장

삼성전자는 젊고 트렌디한 소비자를 겨냥한 감각적인 색상의 스마트폰 ‘갤럭시 팝(SHV-E220S)’을 SKT를 통해 출시합니다. 

흰색 모델 시작으로 회색, 오렌지색 등 차례로 선보여 ‘갤럭시 팝’은 흰색 모델을 시작으로, 회색, 오렌지색 등 젊고 트렌디한 소비자들이 선호하는 다채로운 색상의 모델을 잇따라 선보일 예정입니다.
 
화려한 색상은 물론 9.05mm의 슬림 디자인을 채용해 자기만의 개성을 드러내는 패션 소품처럼 취향에 따라 다양한 연출이 가능합니다.
 
구글 최신 OS인 젤리빈, 1.4GHz 쿼드코어 AP, 음성, 영상, 데이터를 동시에 즐길 수 있는 ‘리얼 LTE’를 지원합니다.   
또, ‘스마트 스테이’, ‘S빔’, ‘팝업 비디오’ 등 갤럭시 노트 Ⅱ•갤럭시S Ⅲ의 주요 기능과 ‘리더스 허브’,

‘비디오 허브’, ‘러닝 허브’ 등 삼성 만의 차별화된 콘텐츠 서비스도 즐길 수 있습니다.  
화면 크기 118.2mm, 두께 9.05mm의 슬림한 디자인 채용

화면 크기 118.2mm(4.65인치) HD 슈퍼아몰레드 디스플레이, 800만 화소 카메라, 2100mAh 대용량

배터리, 첨단 근거리 통신 NFC, GPS, 블루투스 3.0 등의 사양을 갖추고 있습니다.
 
‘갤럭시 팝’은 젊고 트렌디한 소비자들이 자신의 개성을 표현할 수 있는 제품입니다. 삼성전자는 앞으로도 소비자들의 다양한 취향을 반영한 스마트폰을 계속 출시할 계획입니다.
 
출고가는 70만원 후반대이며, 구매자에게는 전용 플립 커버를 한정 수량 제공한다. 제품에 대한 보다 자세한 정보는 삼성전자 홈페이지에서 확인할 수 있습니다.

안녕하세요. C&M PETEST 남욱현 선임입니다. 이번 포스팅은 ‘갤럭시S와 함께 나가사키 가는 길’ 입니다. 일본으로 여행을 가자가자 하면서도 막상 가기 전까지 구체적인 여행계획을 잡지 못했던 터였습니다.
한국을 떠나기 전 후쿠오카, 구마모토, 유후인 세 곳을 가기로 만 정하고 출발했습니다. 세부적인 것은 정하지도 않았는데, 이렇게 준비되지 않은 여행이었지만 그로 인해서 더 재미가 있었던 것도 같네요. 그래서 여행 둘째 날 결국 나가사키를 갔다가 구마모토로 가기로 정했습니다. 나가사키 가서 짬뽕을 먹고, 카스테라를 먹고 저녁에 구마모토로 들어가는 코스로 정했습니다!

  하카타역의 유명한 도시락 일단 아침을 호텔에서 부실하게 먹은 터라 하카타역에 그 유명하다는 도시락 판매점에서 도시락을 하나 구입했습니다. 정말 다양한 도시락을 만들어서 팔더군요. 사진으로 남기고 싶었지만, 아침이라 워낙 많은 사람들이 도시락을 사려고 줄 서 있어서 그냥 나왔습니다.


  기차 타고 드디어 출발

빵과 도시락을 들고 플랫폼으로 올라와보니 기차가 와서 대기 중이네요. 일본에는 정말 많은 기차가 있는데 디자인이나 외관이 모두 다양하고 예뻐서 보는 것만으로도 즐거움을 줍니다. 우리가 타고 가야 하는 기차는 바로 이 미야자키라고 쓰여 있는 이 소닉! 예정보다 일찍 숙소에서 나오게 되어 20분 정도 일찍 출발하게 되었습니다.

드디어 기차 출발! 기차가 출발하고 나니 승무원께서 표를 검사하고 계십니다. 우리는 레일패스를 보여주면 됩니다. 매 정거장마다 새로 타는 사람들이 있으면 와서 검사하고 가십니다. 꼼꼼히 검사하시는 승무원!


제가 구입한 북규슈레일패스 7000엔짜리입니다. 영어, 일어, 중국어, 한국어로 번역이 되어있습니다.


자리에 앉아서 안내문을 보니 기념품이나 먹을거리를 판다는 내용이 있네요. 도시락도 팔기도 하는데, 역에서 사온거 보다 좀 비싼 게 사실입니다. 그래서 기차여행을 가는 사람들은 대부분 도시락은 지하철역에서 사서 타곤 합니다. 간단히 짐 정리를 한 후에 고픈 배를 채우고자 역에서 사온 도시락을 개봉 하였습니다. 둘이서 하나를 먹으려고 그래도 좀 비싼 도시락을 사왔습니다.


깔끔히 정리되어 있는 도시락, 보기에는 정말 예뻐 보이고 맛나 보이네요! 하지만 막상 먹어보니 기대했던 것 보다는 굉장히 맛이 있지는 않았습니다. 몇몇 분은 여기서 사서 먹는 도시락의 맛이 정말 최고라고 하셨는데 개인적으로는 크게 맛있지는 않았습니다. 


  재미있는 갤럭시S 놀이

그리고 드디어 시작된 갤럭시S 놀이! ^^ 일행 분은 옆에서 트위터를 시작으로 맛 집 검색, 관광지검색등을 하기 시작했습니다. 정말 세상 좋아진 것을 느낄 수 있는 스마트폰! 여행기간 동안 정액제 무한 데이터요금제를 신청하고 오면 일본에서도 인터넷을 무제한으로 사용할 수 있습니다.


S모 홈페이지에 가서 바로 위와 같은 일본 데이터무제한 요금제를 신청하면 됩니다. 1일 무제한 사용권에서 7일 무제한 사용권이 있는데 7일짜리로 신청하고 왔습니다. 물론 공항에서 신청해도 되고요.^^ 그래서 이젠 더 이상 여행할 때 책이 소용없는 듯 합니다.


보시다시피 기차 안에서 심심하고 하니 인터넷에서 나가사키 맛 집 검색 중 입니다. 이렇게 기차 안에서 자기가 가 보고 싶은 곳을 인터넷으로 찾으며 가는 것도 좋은 것 같습니다. 여행에 대한 설렘을 만끽하게 해주니까요.


기차 안에서 일행 분은 계속 맛 집 검색 중.

얼마나 맛난 집을 가시려고 이렇게 열심히 검색하시는지 모르겠네요. 그런데 결국엔 맛 집 평이 다 비슷비슷해서 특별히 가보고픈 곳을 찾지 못했지요.

나가사키 가서 짬뽕을 먹을 수 있다고 굉장히 들떠있던 일행분이다 보니 나가사키에 대한 기대감이 무척 큰듯합니다. 하카타에서 나가사키를 향해 달려가는 기치 안에서도 다행히도 잘 접속되는 인터넷!


나가사키를 가면서 갤럭시S만 만지다 보니 바깥 구경을 하지 못 한다는 생각에 창 밖 풍경도 내다보았습니다. ^^ 여행의 묘미는 그래도 구경이죠. 나가사키를 가본 풍경은 참으로 여유로워 보이는 시골의 풍경이었습니다. 넓게 펼쳐진 들과 산, 그리고 중간 중간 보이는 예쁜 꽃들과 파란하늘, 그리고 가지런히 정리된 집들까지! 나가사키도 최근 10년 동안 규슈 지역 중에서 가장 발달된 도시 중에 하나라고 하던데, 이렇게 세계화를 향해 발전해가는 도시의 모습과 정겨운 시골의 모습이 한데 어우러져 멋진 관광도시로 태어나고 있는 것 같습니다.


잠시 바깥구경 후 다시 스마트폰 놀이.


어느덧 2시간여를 달려 나가사키에 도착하였습니다. 이곳은 후쿠오카와는 달리 아주 쨍한 날씨, 날씨도 덥고요.  후쿠오카에서 흐리던 하늘이 이리 파랗게 변해있네요.(당시 10월 말! ^^)


  반가운 나가사키

드디어 나가사키 도착, 안녕 나가사키! 창 밖으로 펼쳐진 풍경을 구경하고, 도시락도 먹고, 일행분과 갤럭시S로 맛 집, 가 볼만한 여행지도 찾고 하니 시간이 금방 가는군요. 정말 좋아진 세상입니다. 가까운 일본으로 여행가실 경우  스마트폰이 있으시다면 꼭 데이터 무제한 신청하시고 가시면 유용합니다. 스마트하고 신속한 정보로 즐겁고 유익한 여행이 된 것 같습니다!


  TIP_데이터 무제한 요금안내

▲ 출처 : S모 사이트/출처가 명기된 이미지는 무단 게재, 재배포할 수 없습니다

          
 ※ 본 블로그에 게시한 글은 개인적인 것으로 삼성전자의 입장, 전략 또는 의견을 나타내지 않습니다.

안녕하세요. 삼성 스토리텔러 2기 박주원입니다. 여러분, 프로요 업데이트는 완료하셨나요? 프로요 업데이트와 관련하여 백업에 어려움을 겪는 분들이 주변에 많더라고요. 꼭 업데이트가 아니더라도 리셋 또는 교품 후 업데이트 작업이 필요할때 필요한 스마트한 어플을 소개 해 드리고자 합니다. 이름하여 '마이백업프로' 자신의 휴대폰 프로그램을 백업 및 관리까지 도맡아 진행해 주는 어플입니다. ^^

  마이백업프로도 안드로이드 마켓에서 

우선 안드로이드 마켓으로 가셔서 검색창에 '마이백업프로'를 입력하고 다운을 받아 설치를 완료합니다. 사진에서 보는 것과 같은 어플이 메인 화면에 생성됩니다.

어플을 실행 해 볼까요? '마이백업프로' 어플을 클릭하면 백업ㅣ복원ㅣ관리ㅣ조회ㅣ스케줄 5가지 카테고리가 분류되어 화면에 노출됩니다. 하나하나 살펴 보시죠.
* 백업 어플리케이션 또는 데이터를 SD카드나 온라인으로 백업 하는 메뉴입니다.
* 복원 SD카드나 온라인으로 백업시킨 어플리케이션 또는 데이터를 복원 하는 메뉴입니다.
* 관리ㅣ조회 백업시킨 자료들을 관리, 조회 하는 메뉴입니다.
* 스케줄 일정 어플이나, 캘린더 등 스케줄을 입력한 어플들의 내용을 백업 하는 메뉴입니다.

  어플리케이션 백업하기

 1    '백업'메뉴를 선택 해 본격적인 백업 작업을 시작해 봅니다. 저는 '어플리케이션'만 백업 작업을 하기로 결정하고, 어플리케이션 백업 작업을 클릭합니다. (지난 프로요 sk05버전 때, 전화번호, 사진, 음악 등의 데이터는 Kies에서 자동으로 업데이트가 되어 어플리케이션만 백업 작업을 진행해 보기로 했습니다.) 
 2  '모두체크 > 확인' 버튼을 클릭해 제가 가지고 있는 모든 어플리케이션을 백업합니다.

 3    SD카드 저장 시, 폴더 이름 설정이 가능합니다. (저는 기존에 적혀 있었던 LastBackupApp으로 지정했습니다.)

 4  어플 백업 작업이 슬슬 시작되죠? 백업은 생각보다 아주 빨리 진행됩니다. 드디어 완료!

 5  휴대폰이 다시 새로운 시작을 할 경우, 복원을 해야겠죠? 복원 버튼을 누르면 곧장 복원이 가능합니다. 복원하고자 하는 자료와 위치를 선택한 후 실행하면 됩니다.

  One More Tip
* 갤럭시S 유저 팁 sk22버전 프로요는 어플, 위젯, 스케줄 모두 없어지지 않으니 걱정하지 않으셔도 됩니다.
* 백업한 파일은 컴퓨터로도 옮길 수 있습니다. rerwareㅣ MyBackupㅣAllAppsBackups l AllBackups 파일로 구성되어있고, 조금 더 안전하게 어플리케이션 및 데이터들을 컴퓨터로 옮기는 작업이 가능하며 또한 압축파일로 저장이 가능하기 때문에 용량도 크게 차지하지 않습니다.

마이백업프로를 사용하면 이렇게 원하는 부분의 백업을 설정해 백업 작업이 가능합니다. 위에서 말한 바와 같이 프로요 업데이트 시는 물론 필요에 따라 초기화 또는 백업 및 복구 작업이 필요하다면 '마이백업프로'를 활용해 보시기 바랍니다. 정말 실용적인 어플로 제 마음에 쏙 들었답니다. ^^

 ※ 본 블로그에 게시한 글은 개인적인 것으로 삼성전자의 입장, 전략 또는 의견을 나타내지 않습니다.

업그레이드 시 주의사항   (Eclair(2.1) → Froyo(2.2) 업그레이드 시)

(1) 일부 사용자 데이터 초기화

   – 금번 업그레이드 시행 시 전화번호부, 메시지, 사진 등 주요 사용자 데이터는 유지되나
자체 기능개선에 의해 일부 사용자 데이터는 초기화 됩니다. 

   – 데이터 초기화 부분
      · 홈스크린 및 메인메뉴 배치 순서, 배경화면 이미지
      · 기능 개선에 따라 항목이 변경되는 일부 설정 값
      · 기타 어플리케이션 및 데이터의 경우도 초기화 될 수 있습니다. 

   – 예상치 못한 데이터 유실에 대비해 업그레이드 시행 전 KIES를 통해 데이터를 백업해 주시기 바랍니다.

(2) 내장 메모리 여유공간 확보

   – 업그레이드를 위해서는 주 메모리 5MB, 내장 메모리 5MB, 어플리케이션 설치 메모리 20MB 이상의 
     여유 공간이 필요합니다.

   – 다운받은 어플리케이션, SMS/MMS, 이메일, 사진 및 동영상 중 일부를 삭제해 용량을 확보해 주십시요. 
    · 잔여 용량 확인방법 : 메인메뉴 → 환경설정 → SD 카드 및 휴대폰메모리 → 
                                     주 메모리 / 내장 메모리 / 프로그램 설치 메모리 별 사용 가능한 저장공간

(3) 어플리케이션 호환성

    – 업그레이드 후 T store나 마켓에서 다운로드 받은 일부 어플리케이션이 Froyo(2.2) 버전에
      최적화 되지 않아 정상적으로 동작하지 않을 수 있습니다. 

    – T store의 경우 Froyo(2.2) 지원 여부는 해당 상품의 상세 설명을 참고하시기 바라며, 
      Froyo(2.2)에서 동작하지 않는 어플리케이션은 SK텔레콤 및 T store 고객센터
      (http://www.tstore.co.kr)를 통해서 접수해 주십시요. 

    – 안드로이드 마켓에서 다운로드 받은 어플리케이션은 해당 어플리케이션의 개발사(자)로
      문의해주시기 바랍니다
    · 갤럭시S에 설치파일 형태로 기본제공된 어플리케이션의 경우 Froyo(2.2)에 최적화되지 않아 
      정상적으로 동작하지 않을 수 있으니 업그레이드 후 삼성모바일닷컴 및 삼성Apps에서 최신버젼으로 
      재설치 해주시기 바랍니다.

 
(4) SKT 서비스 안내

    – T map 안내
     · 기존 Eclair(2.1) 버전 사용 중 T map 업그레이드 버전(T map 2.0)을 설치하신 고객은 
       Froyo(2.2) 업그레이드 후 T map 재설치가 필요합니다. 

     · T map을 재설치하기 위해서는 T map 고객센터(1522)로 연락하시거나
       www.tmap.co.kr 에서 Froyo(2.2)용 T map 2.0을 재설치하시기 바랍니다. 바로가기
       (고객센터에서 T map 2.0을 다운로드 받으실 수 있도록 SMS 발송해 드립니다) 

(5) 사용자 데이터 재구성

    – 업그레이드 후 최초 1회에 한해 전화번호부, 사진, 동영상 등 사용자 데이터 재구성 작업이 
     이루어지며 재구성 작업 중에는 단말기의 반응이 느려질 수 있습니다. 
    – 이 작업은 보유한 데이터양과 종류에 따라 최대 수십분이 소요됩니다.

(6) SW 임의 조작에 대한 처리

    – 휴대전화 SW를 임의 조작한 경우 업그레이드가 불가능 할 수 있으며 예상치 못한 문제점이 
      발생될 수 있습니다.

   – 당사는 이로 인한 고객지원을 하지 않습니다.