빅데이터는 잊어라! 올바른 데이터를 수집하라

오늘날 빅데이터라는 용어는 어디에나 존재하지만, 실제로 그것은 무엇을 의미할까요? 구글이 제공한 정의에 따르면, 빅데이터는 ‘패턴, 트렌드, 연관성을 파악하기 위해 컴퓨터로 분석할 수 있는 극도로 방대한 데이터 세트'입니다.’

그럴싸하게 들리지 않나요? 이론적으로는 그렇습니다. 빅데이터를 통해 기업은 그 어느 때보다 자사 운영을 더 넓은 조망에서 파악할 수 있게 되며, 이를 통해 효율성과 서비스를 향상시킬 수 있습니다. 하지만 실제로는 이를 달성하는 경우가 드뭅니다.

문제는 빅데이터 처리가 믿을 수 없을 정도로 복잡하고, 시간이 많이 걸리며, 대개 비용이 많이 든다는 점입니다. 그리고 많은 경우 데이터 분석이 변화로 이어지지 않습니다. 우리는 방대한 양의 데이터를 수집하고 있으면서도 실제로는 제대로 활용하지 못하고 있는 기업들과 정기적으로 이야기를 나눕니다. 그리고 데이터가 효과적으로 또는 목적에 맞게 사용되지 않는다면, 애초에 그토록 많은 데이터를 — 그것도 그토록 높은 비용을 들여 — 수집하는 이유가 무엇이겠습니까?

그것이 바로 수집에서 초점을 옮겨야 하는 이유입니다 빅데이터 수집하기 위해 올바른 데이터, 특히 유지보수의 세계에서는.

현재 구글에는 ‘올바른 데이터(right data)’라는 용어에 대한 정의가 (아직은) 없지만, 우리는 이를 ‘경쟁력을 좌우하는 핵심 데이터'로 정의합니다. 기계 상태를 최적화하고 가동 시간을 극대화하는 것이 생산성과 수익성, 나아가 경쟁력의 핵심이라는 점에 여러분도 동의하실 것입니다.

그렇다면 올바른 데이터는 어떤 모습일까요? 글쎄요, 그것은 단일한 형태를 갖지 않으며, 대신 다양한 자산과 선택된 유지보수 프로그램에 따라 애플리케이션마다, 사이트마다 다를 가능성이 높습니다.

가속도계를 사용한 진동 모니터링을 예로 들어 보겠습니다. 비교적 적은 양의 데이터만으로도 유지보수 팀은 회전 부품에서 발생하는 비정상적인 진동을 가속도계가 감지하여 자산에 문제가 발생하는 것을 쉽게 파악할 수 있습니다. 이 경우, 비정상적인 진동을 강조하는 수집된 데이터가 바로 우리가 원하는 것이며, 그 이상도 그 이하도 아닙니다. 복잡하고 (비용이 많이 드는) 소프트웨어와 알고리즘은 필요하지 않으며, 대신 유지보수 엔지니어가 작업에 착수하여 더 심각한 문제가 발생하기 전에 자산을 수리하거나 문제가 있는 부품을 교체할 수 있습니다.

빅데이터를 수집하기 위한 시스템과 프로세스를 구축하려는 충동과 싸우는 것은 제조업 및 공정 산업의 많은 기업들이 2017년에 직면할 가능성이 높은 과제입니다. 그러나 경계를 유지하는 것이 중요합니다. 올바른 데이터를 신뢰하고, 필요할 때 적절한 조치를 취하며, 목적은 가능한 한 많은 데이터를 수집하는 것이 아니라 경쟁력을 향상시키는 것임을 항상 기억하십시오.