데이터베이스 활용 전략 및 미래 권기식 Tech Sales

데이터베이스 활용 전략 및 미래 권기식 Tech Sales Consulting Oracle Korea

목 차 데이터베이스 정의 데이터베이스 활용 사례 : In-House 데이터베이스 활용 사례 : 사회 Infra 데이터베이스 활용 사례 : Mobile 데이터베이스 활용 사례 : 자가 진단 DBMS 그리드 2

데이터베이스 정의 문자, 소리, 영상 등의 모든 정보들을 다양한 형태로 활용할 수 있도록 정보통신 및 정보처리 기기 등을 사용, 체계적으로 데이터화 시켜서 수집, 축적한 데이터의 집합체 3

데이터베이스 정의 데이터베이스 활용 사례 : In-House 데이터베이스 활용 사례 : 사회 Infra 데이터베이스 활용 사례 : Mobile 데이터베이스 활용 사례 : 자가 진단 DBMS 그리드 4

데이터베이스 활용 • In-House 데이터베이스 § § § 빌링시스템 데이터웨어하우스(DW), 데이터마트 전사적 자원관리(ERP), 고객관계관리(CRM), 공급망관리 (SCM) 기타 자체 개발 애플리케이션 통합 • 사회 기반구조 데이터베이스 § § § 물류정보시스템 지리정보시스템 교통정보시스템 의료정보시스템 교육정보시스템 5

데이터베이스 활용 (계속) • 모바일 데이터베이스 § § § 원격진료 E-Book 무선 인터넷 서비스 필드 포스 오토메이션(FFA) 세일즈 포스 오토메이션(SFA) • 디지털 홈 • E-Business § § 전자상거래(B 2 C) B 2 B 마켓플레이스 B 2 G P 2 P 6

데이터베이스 정의 데이터베이스 활용 사례 : In-House 데이터베이스 활용 사례 : 사회 Infra 데이터베이스 활용 사례 : Mobile 데이터베이스 활용 사례 : 자가 진단 DBMS 그리드 7

In-House 데이터베이스 활용 KT (한국통신) R&D 기획 시설 기존 시스템의 문제점 마케팅 공사 회계 인사 물류 자금 • 데이터의 품질 저하 • 낮은 생산성 • 고비용 • 일관성 있는 관리 정책의 부재 • 시스템 통합 및 확장에 대한 어려움 • 부가적 정보 산출의 어려움 산재된 기존 시스템 8

In-House 데이터베이스 활용 KT (한국통신) 계속 • • • 데이터의 품질 저하 낮은 생산성 고비용 일관성 있는 관리 정책의 부재 시스템 통합 및 확장에 대한 어려움 부가적 정보 산출의 어려움 R&D 시설 회계 인사 물류 ERP솔루션 도입 기획 마케팅 공사 EDW솔루션 도입 예정 통합 솔루션 도입 AP 계층 R&D 물류 시설 자산관리 DB 계층 E-HRM솔루션 자체 개발 공사 회계 마케팅 자금 인사 DB 기반 데이터 통합 자금 산재된 기존 시스템 통합 데이타베이스 시스템 구축 9

In-House 데이터베이스 활용 KT (한국통신) 계속 데이터 FLOW와 적용 솔루션 User Area 운영계 Area ERP솔루션 전략과 연계한 성과평가 재무DB 인력 DB 물류 DB 원가요소별 원가분석 물품 Item ICIS 마케팅 ODS/ DW Area 공급사 기관 다양한 분석정보 고객관리 DB Billing DB 마케팅 DB 기타 및 외부정보 10

In-House 데이터베이스 활용 KT (한국통신) 계속 TAX R 11 인프라포탈1, 2 EAI HA 통합 ERP용 DB DB 1 DB 2 OBSC/VA T AP 1 AP 2 고객용 DB HA DB 1 DB 2 L 4스위치 방화벽 Internet 마케팅 DW용 DB GIGA 스위치 방화벽 외자관리 공급사포탈 사내기간망 외부 기관망 외부기관 단말기[PC] H/W & N/W 시스템 구성도 11

In-House 데이터베이스 활용 KT (한국통신) 계속 • 데이터베이스 측면의 효과 § § § • 일관성 있는 데이터 관리 및 품질 향상 생산성 향상 및 데이터 처리 비용 절감 데이터 집중화로 인한 부가적 정보 산출 용이 통합솔루션 도입 측면의 효과 § § § 구매 lead time 단축 결산 정보 제공 time 단축 투자재고자산 회전율 향상 전자구매 원가절감 실물/장부 일치율 재무인력 절감 재배치 45일 15일 6회/년 10% 이상 99% 25% 17일 5일 10회/년

데이터베이스 정의 데이터베이스 활용 사례 : In-House 데이터베이스 활용 사례 : 사회 Infra 데이터베이스 활용 사례 : Mobile 데이터베이스 활용 사례 : 자가 진단 DBMS 그리드 13

사회 기반구조 데이터베이스 활용 국가종합물류정보시스템 • 1996년 1단계 사업을 시작으로 현재 3단계 사업 진행 중 • 육상, 해상, 항공 등의 개별 화물정보망의 상호 연계 § 물류정보 공동 활용 체계 § 물류 시설정보 연계로 운영 효율 극대화 § 화물 수송, 보관, 하역 등의 물류 업무 자동화 • 무역망, 통관망, 금융망, 교통망 등 국가기간전산망과 연계 § 관련 정보의 공동 이용 § 국가 차원의 정보화 촉진 • 인터넷 기반의 물류정보망 구축 • 물류 정보 통합데이터베이스 구축 14

사회 기반구조 데이터베이스 활용 국가종합물류정보시스템 서비스 구성도 GPS위성 무궁화 위성 교통정보센터 운송 및 알선회사 실시간 교통정보 일반기업 l화물/차량위치 l교통수단운행자료 l운영자 메시지 (작업지시 등) l교통, 지리 정보 l전자문서교환 종합물류정보센터 l실시간 화물/차량정보 l교통수단 운행자료 l운영자 메시지 l알선, 물류, 교통, 지리정보 l전자문서교환(EDI) l물류정보(DB) 물류거점시설 l전자문서교환 화물터미널, ICD, 항만, 공항 등 l통관자료 일반 이용자 l화물위치정보 l알선, 시설정보 유관망 해외망 공공기관 및 물류관련단체 무역망 통관망 금융망 타국가기관망 15

사회 기반구조 데이터베이스 활용 국가종합물류정보시스템 (계속) • 복합화물터미널(KIFT) 정보화로 화물운송 시간 감소 § 연간 3, 055억원의 물류비 절감 효과 • 화물 및 차량 추적정보 서비스 § 연간 1, 080억원의 절감 효과 • 1998년의 국가 물류비 현황 GDP 의 16. 5% (74조 2천억원) • 2010년의 국가 물류비 목표 GDP 의 12. 5% • 2020년의 국가 물류비 목표 GDP 의 10% § 대외 경쟁력 향상 § 동북아 물류중심기지로 육성 16

데이터베이스 정의 데이터베이스 활용 사례 : In-House 데이터베이스 활용 사례 : 사회 Infra 데이터베이스 활용 사례 : Mobile 데이터베이스 활용 사례 : 자가 진단 DBMS 그리드 17

모바일 데이터베이스 활용 한국 알리안츠 생명 • 개요 § 1999년 한국 보험 시장에 진출 § 현재 4개의 지역 영업본부, 32개 지점, 38개 영업소, 11개 PA(Professional Advisor) 지점을 구축 • 모바일 데이터베이스 도입 배경 § 시간, 장소, 네트웍 환경에 관계 없이 영업 활동이 가능한 시스템 구축 필요 § 판매 절차 시간을 단축 함으로써 활동량 및 생산성, 계약 유지율 증대 § 재정, 연금 설계 등의 요구 분석을 통한 종신, 연금보험의 상품 판매 도구 필요 § 주 5일제 도입에 따른 설계사의 주말 활동 도구 필요

모바일 데이터베이스 활용 한국 알리안츠 생명 SFA 시스템 구성도 PDA Mobile(Sync) Svrs PDA SUN V 480(x 2) -900 Mhz/8 MB x 2 -Memory : 4 GB -HDD : 36. 4 GBx 2 Telco Net (이통사) Notebook PC Note OFC Book Notebook Book RAC L 4 Switch 1 in-8 out Router External Firewall PC Internal Firewall 공유 스토리지 -35. 8 GB x 8 (120 GB) 운영 Svrs Intranet (영업점) PC PC PDA HP ML 570(x 2) -Xeon 2. 8 GB/2 M x 2 -Memory : 2 GB -HDD : 36. 4 GBx 2 Mobile DB Svrs IBM p 650 -6 M 2(x 2) -4 -Way(1. 2 GHz) -Memory : 8 GB -HDD : 36. 4 GBx 2 RAC(Real Application Clusters) OFC(Optic Fiber Cable)

모바일 데이터베이스 활용 한국 알리안츠 생명 (계속) • 모바일 어플리케이션의 기능 § 프리젠테이션 : 회사 소개, 안내 자료, 영상 자료 시연 기능 § 가입 설계 : 판매 상품에 대한 설계 § 고객 관리 : 고객 검색, 고객의 기본. 상세. 세대 정보 등록 § 보유 계약 관리 : 보유 계약 정보 조회 § 활동 관리 : 주. 월간 일정, 활동계획 및 결과, 판매 단계 분석 서비스 기능 • 모바일 데이터베이스 도입 효과 § 보험 판매시간 단축으로 개인 생산성 및 고객 서비스 향상 § 고객 만족도 및 신뢰도 향상에 따른 신규 계약 체결율 상승 § 매년 10% 이상의 신규 계약 체결 증가로 2007년에는 2004년 대비 약 15% 이상 의 매출 성장 기대

모바일 데이터베이스 활용 이집트 코카콜라 보틀링 • 개요 § 1942년에 설립 § 11개의 생산공장, 29개의 판매/배송센터, 7, 400명의 직원 보유 § 물류 SFA 부분에 모바일 데이터베이스를 적용, 업무 효율 향상 • 모바일 데이터베이스 도입배경 § 수작업에 의한 주문, 배송, 판매 주문 정확도 감소 § 주문 작성 오류 과다 발생 관리비용 증가 § 주문에서 배송까지 소요기간 총 3일 소요 § 배송차량의 비효율적 운용

모바일 데이터베이스 활용 이집트 코카콜라 보틀링 (계속) • 프로젝트 목표 § § § 생산성 향상과 정확한 주문을 위해 Paper 기반의 영업 탈피 배송차량의 가용성 극대화 관리비용(업무)의 축소 수익성 향상 시장지식의 신속한 획득 • 모바일 데이터베이스 도입 효과 § § § HP사의 i. Paq 을 사용 현장에서 신속, 정확한 업무 수행 주문내역의 정확도 75% 에서 95% 로 개선 주문에서 배송까지 소요시간 1일 ~ 1. 5일 본사의 주문관리 시스템과 연동 50% 관리비용 경감 20%의 매출 신장기록 및 투자 회수를 단 12개월 만에 달성

목 차 데이터베이스 정의 데이터베이스 활용 사례 : In-House 데이터베이스 활용 사례 : 사회 Infra 데이터베이스 활용 사례 : Mobile 데이터베이스 활용 사례 : 자가 진단 DBMS 그리드 23

자가 진단 DBMS 내의 데이터베이스 • 자동 Workload Repository 관리 § DBMS 속에 관리되는 DW § SQL 사용 빈도, Buffer cache Hit-ratio, 각종 리소스의 wait event 등 DBMS 에서 수행되는 모든 종류의 통계 정보 수집, 저장 관리 § 자체 진단 및 자동 치유를 위해 DBMS 가 사용하는 데이터베이스 • 자가 진단 DBMS § Workload Repository 를 활용 § 성능 저하를 야기하는 SQL 문장과 애플리케이션 자동 check § 사용 Space, Storage 활용 상태 예측 진단 § OS 차원, CPU 등 H/W 자원의 이용 상태, 가동율 등의 진단 24

자가 진단 DBMS 내의 데이터베이스 (계속) • 자가 관리 DBMS § 진단에 의한 자동적인 SQL 문장 tuning 및 최적의 애플리케이션 추천 § Space, Storage 자동 확보 처리 § 자동 성능 진단에 따른 시스템 리소스들에 대한 Warning 및 최적의 추천안 제시 § 백업 및 복구의 자동화 25

목 차 데이터베이스 정의 데이터베이스 활용 사례 : In-House 데이터베이스 활용 사례 : 사회 Infra 데이터베이스 활용 사례 : Mobile 데이터베이스 활용 사례 : 자가 진단 DBMS 그리드 26

그리드 • 사전적 의미 § 격자, 망상 조직, 지도의 모눈, 방송망, 네트워크 • Network 의 발전 단계 Net Web Grid • Grid § 확장성, 균형감이 더 크고 더욱 촘촘한 차세대 네트워크 § Web 기술을 대체할 차세대 인터넷 서비스 기술 27

그리드 기원 • 1990년대 중반, 시카코대 Ian Forster, USC 의 Carl Kesselman 교수 등이 Grid 개념 정립 § 첨단 과학과 엔지니어링을 위한 분산 컴퓨팅 인프라 • Ian Forster 는 아르곤 국립연구소에서 Globus 프로젝트에 참여 • 아르곤 국립연구소는 나사연구소와 함께 초창기 Grid 프로젝트 진행 : “Information Power Grid” § 전력 망을 지칭하는 “Electric Power Grid” 에서 따옴 § 전력 망처럼 컴퓨팅 파워와 IT 서비스를 인터넷 기반의 Grid 인프라를 통해 제공 28

그리드 정의 • 지리적으로 분산된 서버, 대용량 Storage, DB, 첨단 실험장비, 인 력 등 모든 자원들을 고속 Network 에 연결, 상호 공유 이용할 수 있도록 하는 차세대 분산 컴퓨팅 • 프로세싱, Network, Storage 등 분산 컴퓨팅 자원을 가상화 시켜 하나의 시스템 이미지를 만들어서 사용자 및 응용프로그램이 다양 한 IT 기능을 원활히 활용할 수 있도록 지원 • 다수의 컴퓨터 연산 능력을 합쳐 단일 시스템 풀을 구성함으로써 풀 내의 컴퓨팅 자원을 서로 다른 사용자와 애플리케이션에 동시 에 공급, 장애나 과부하에 영향 받지 않는 정보 기술 인프라 • 인터넷이나 사설 네트워크 상에서 개방형 표준을 통해 이종의 시스 템을 통합하고 분산컴퓨팅을 연결하는 서비스 지향적인 새로운 Architecture 29

그리드 종류 • Computational Grid 지역적으로 분산된 소규모 컴퓨팅 파워를 공유, 고성능 컴퓨터처럼 사용 • Desktop Grid 동일 목적의 일을 처리하기 위해 많은 수의 PC 를 연결 : SETI@home • Data Grid 대용량의 데이터를 네트워크를 통해 공유 옥스포드 대학의 Data Store Grid (페르미연구소 에너지 물리학 데이터 저장), CERN 의 Data Grid (32개국 150기관 연구원에게 900 Tb/일 제공) • Service Grid 서비스 지향적인 아키텍쳐 구현을 위한 웹서비스 개념과 그리드 기술 통합 • Knowledge Grid • Access Grid … 30

데이터 그리드 활용 CERN • 전 유럽기반 조직의 원자력 연구소 • 입자 물리학 기초 연구 • 유럽 20개국이 멤버 • 다른 여러 부문에도 연구 기여 • 초대형 입자 가속기 디자인 구축 및 운용 • 2000명의 직원과 8000명의 사용자 • LHC (Large Hadron Collider : 하드론 입자가속기) 실험 § 전세계 150개 대학의 2000 명의 물리학자 참여 § 3억 유로 이상의 장비 비용 투자 § 년간 6천만 유로 이상의 운용비 31

데이터 그리드 활용 CERN (계속) Computer Centre 32

데이터 그리드 활용 CERN (계속) 33

데이터 그리드 활용 CERN : 발생되는 데이터 양 • 매년 10 Petabyte 분량의 데이터 발생 (CD 2, 000만장 이상) • 전세계에서 인쇄되는 연간 책 정보량의 1000배 이상 • 매년 전인류가 생성해내는 정보의 약 10% 분량 • 10년 분량의 정보량을 처리하기 위해 Data Grid 적용 결정 • LHC (Large Hadron Collider) 를 2007년에 go-live 목표로 그 리드 기술을 적용 34

데이터 그리드 활용 CERN : Data & Computational Grid Ÿ매년 10 PB 정도의 데이터 • LHC 실험에 Shared Database 운용 Ÿ분석을 위해 현존 최고속 PC 십만대이상 필 • 10억개 이상의 파일들에 대한 파일 카탈로그 요 및 파일-레벨 메타데이타를 Grid-aware 카탈 Ÿ물리학자들은 분산된 데이터 및 리소스를 로컬 인 것처럼 활용 로그 형태로 저장 및 관리 • Ÿ요구된 리소스 및 리소스의 가용성에 따라 Job이 어디에서 실행될 것인지를 시스템이 판단 이벤트-레벨의 메타데이터는 단일 RAC 기반 데이터베이스에 저장 예정 • Linux / Intel 기반으로 운용예정 35

엔터프라이즈 그리드 요구 조건 • 기존 (향후 예상) Application, Data 보장 • High-volume Transaction 의 응답 속도 • Mission Critical 업무에 대한 요구 § • High Availability, Scalability, Reliability 시스템 Downtime 제거 § Planned Downtime, Faults, Disasters • Security • 관리 용이성 § 개별 시스템의 Self-Managing § Grid 내의 모든 시스템 전체 Managing 36

엔터프라이즈 그리드 제공 기능 1. 저비용 및 산업 표준 Resource 활용, Mission Critical 한 기업 업무에서 Quality of Service 제공 2. 필요한 시기에 On-Demand 로 컴퓨팅 자원 할당 3. Grid 내에서 Clustering 환경 제공 및 자동 Load Balancing 4. 재개발 없이 기존 Application 수행 5. Fault tolerant 기능 6. Grid 환경 관리를 위한 통합 관리기능 7. Self managing Database 8. 오라클, HP, 썬 마이크로시스템, EMC, 후지쯔, 지멘스, NEC, 네트워크 어플라이언스 등이 글로벌 컨소시엄인 EGA(Enterprise Grid Alliance) 를 결성

엔터프라이즈 그리드 Reporting Spare Order Entry 평상시 업무별 서버 할당 38

엔터프라이즈 그리드 Reporting Order Entry 특별 수요에 의한 업무 폭주 39

엔터프라이즈 그리드 Reporting Order Entry 특수 이후의 업무 40

엔터프라이즈 그리드 Reporting Spare Order Entry 업무별 서버할당의 정상화 41

엔터프라이즈 그리드 Reporting Spare Order Entry 서버 장애 발생 42

엔터프라이즈 그리드 Reporting Order Entry 업무 우선 순위에 의한 복구 43

엔터프라이즈 그리드 Reporting Order Entry 2차 장애 발생 44

엔터프라이즈 그리드 Reporting Order Entry 업무 우선 순위에 의한 2차 복구 45

결론 • 데이터베이스의 대용량화 처리속도, DW • 조직 내에 데이터베이스 수 폭증 통합화 • 조직 내, 외부 데이터베이스 연계 보안, 연결성 • DBMS 기능의 고도화 자가 진단, 관리 DBMS • Access Channel 의 다양화 모바일, 정보가전 • Enterprise Architecture 필요성 대두 • XML, HTML, Web Services 등 신기술이 DBMS에 포함 • Enterprise GRID 데이터베이스 활성화 46

감사합니다