Data/AI

출처: 원문 링크 ML 모델 90% 더 빠르게 배포실시간 데이터 가용성 75% 증가잘못 취급된 수하물 44% 감소  업종: 여행 및 숙박업솔루션: 광고 효과,고객 리텐션,성향 점수화,추천 엔진플랫폼 사용 사례: 델타 레이크, 생성형 AI, 유니티 카탈로그클라우드: AWS "Databricks는 개방적이고 유연하며 강력한 데이터 기능을 제공하여 이륙부터 착륙까지 비즈니스에 데이터와 인사이트를 제공하는 솔루션을 구축하는 데 활용하고 있습니다."- Emma Taylor, 기술 책임자, Virgin Australia호주에서 가장 사랑받는 항공사가 되겠다는 목표를 가진 Virgin Australia는 1,900만 명 이상의 고객과 1,200만 명 이상의 Velocity 상용 고객 회원에게 특별한 여행 경험을 제공..

자동차 판매 10% 증가 손실 판매 기회 및 재고 보유 비용 30% 감소 인사이트 도출 시간 4배 단축 산업: 리테일 및 소비재 솔루션: 추천 엔진, 고객 생애 가치, 수요 예측, 광고 효과 플랫폼 사용 사례: 레이크하우스, 델타 레이크, 데이터 사이언스, 데이터브릭스 SQL, ETL CLOUD: Azure "Al-Futtaim은 자동차부터 소매업까지 조직의 모든 부서가 데이터브릭스 레이크하우스를 활용하여 비즈니스 전반에 걸쳐 고객에 대한 통합된 뷰를 확보할 수 있습니다. 이를 통해 예측, 공급망 관리, 개인화된 마케팅 캠페인, 교차 판매 전략, 로열티 프로그램 강화 등 모든 영역을 최적화할 수 있습니다." - Dmitriy Dovgan, Al-Futtaim 그룹 데이터 사이언스 책임자 중동 경제 성장의..

(원문: 링크) 99.8% 더 빠른 화물 추천 270만 달러의 IT 인프라 비용 절감, 수익성 증대 산업: 제조, 물류 솔루션: 고객 세분화, 수요 예측, 위협 탐지 플랫폼 사용 사례: 레이크하우스, 델타 레이크, 데이터 사이언스, 머신러닝, ETL 클라우드: Google 클라우드 "데이터브릭스 레이크하우스는 데이터와 AI를 활용하여 운송업체와 화주에게 최상의 경험을 제공하는 가장 혁신적인 디지털 화물 마켓플레이스의 토대를 마련했습니다." - Joe Spinelle, 엔지니어링 및 기술 이사, J.B. Hunt 북미에서 가장 효율적인 운송 네트워크를 구축하는 J.B. Hunt는 레거시 아키텍처, 급증하는 데이터 양, 제한된 AI 기능 등으로 인해 어려움을 겪었습니다. 그러나 구글 클라우드에서 데이터브릭스..

(원문: 링크) 2배 더 빠른 고객 의사 결정 27배 빨라진 데이터 파이프라인 산업: 기술 및 소프트웨어, 물류 솔루션: 공급망 관리 플랫폼 사용 사례: 델타 레이크, 데이터브릭스 SQL, ETL 클라우드: Azure "데이터브릭스의 도움으로 운송 관리 시스템 간에 실행 가능한 데이터 인사이트를 적시에 공유하여 해상 화물 물류의 복잡성을 제거하는 데 큰 진전을 이루고 있습니다." - Matthew Wright, General Manager of Digital Technology, Kotahi 전 세계적인 화물 운송은 수출업체, 수입업체, 물류 파트너 등 다양한 주체들이 복잡하게 얽혀 있어 쉽지 않은 작업입니다. 코타히는 미래를 위한 지속 가능하고 효율적인 공급망을 구축하는 비전을 가지고 있으며, 이를 위..

(원문: 링크) 1. 도전 과제 규모와 복잡성: 맥도날드는 전 세계 119개 시장에서 4,000명 이상의 사용자와 39,000개 이상의 레스토랑을 운영하기 때문에 머신러닝 운영 환경이 방대하고 복잡합니다. 하이브리드 클라우드 환경: 다양한 클라우드 옵션을 염두에 두면서 데이터 사이언스 솔루션을 관리하기 위해 유연성을 위한 오픈 소스 기술을 채택해야 했습니다. 가치 실현 시간 (time-to-value) 압박: 매장 예측 (store forecasting), 자동화, 추천 시스템을 포함한 데이터 분석 기능을 신속하게 개발하는 동시에 신속한 실험, 가치 증명, 프로덕션 배포를 보장해야 했습니다. 2. 솔루션 최고의 선택, 데이터브릭스: 맥도날드는 간편한 배포 모델, 언어 유연성(Python, Spark, S..

(원문: 링크) 1. 도전 과제 레거시한 데이터 시스템: 스타벅스는 분산된 시스템에서 페타바이트 규모의 데이터를 처리하는 데 어려움을 겪었습니다. 실시간에 가까운 데이터 처리, 업데이트 및 병합의 효율적인 구현, 대규모 데이터를 위한 최적의 엔지니어링 방법을 구현하기 위해 데이터 시스템을 현대화해야 했습니다. 통합되지 않은 사용자 경험: 소비 측면에서 스타벅스는 신뢰할 수 있는 단일 데이터 원본의 부재, 통합된 사용자 경험의 부족, 데이터와 모델 개발 및 운영 간의 부조화로 인해 어려움을 겪었습니다. 이는 지속적인 실험과 재현성을 방해했습니다. 데이터 수집의 복잡성: 스타벅스는 구조화된 스트리밍, 내결함성 (fault tolerance), 과거 데이터 통합, 그리고 스토어 파트너에게 실시간 인사이트 제공..

(원문: 링크) 분석 프로세스 안정성 2.5배 증가 데이터 지연 시간 75% 감소 - 6시간마다 새로 고침에서 1.5시간마다 새로 고침으로 단축 주간 사이트 구축 프로젝트 시작 시간 10배 증가 산업: Telco 솔루션: 위협 탐지, 수요 예측, 예측적 유지 관리 플랫폼 사용 사례: 레이크하우스, 델타레이크, 데이터브릭스 SQL 클라우드: Azure "데이터브릭스 레이크하우스는 지역사회에 최상의 무선 서비스를 지원하는 간결한 공급망을 제공하는 데 도움을 주었습니다." — Ellen Sulcs, Director, Data Engineering & Development at T-Mobile 미국에서 가장 잘 알려진 무선 통신사 중 하나인 T-Mobile은 가장 크고 빠른 5G 네트워크를 제공하기 위해 노력해..

개요데이터브릭스는 2013년 버클리 대학교의 엔지니어들이 설립한 회사로, Apache Spark, Delta Lake, 그리고 ML Flow와 같이 시장에서 널리 사용되고 있는 오픈 소스 제품을 만든 엔지니어들이 창업을 한 회사입니다. 현재 9000개 이상의 고객사를 보유하고 있으며, 포츈500대 기업의 절반 이상이 이에 포함된다고 합니다. 또한 가트너에서 선정한 데이터베이스 관리 시스템 및 데이터 사이언스 및 머신 러닝 플랫폼 선정 리더이기도 합니다. 최근 데이터브릭는 6,600억원 규모의 시리즈 I 투자를 유치하여 약 57조 원의 기업 가치를 인정받았는데요. 이를 통해 데이터브릭스는 전세계 8번째로 큰 스타트업이 되었다고 합니다. 어떤 문제를 해결하려고 하나요? 아시다시피 이 시대 많은 기업의 경쟁력..