AI 기반 데이터 구축: 뱅가드의 가상 분석가 여정

AI 기반 데이터 구축: 뱅가드의 가상 분석가 여정

오늘날 많은 기업은 복잡한 데이터 세트에 대한 분석을 필요로 합니다. 하지만, 이러한 데이터 분석의 필요성은 전문적인 SQL 지식이나 데이터 팀의 장시간 서포트를 필요로 하여 처리 시간이 길어질 수 있습니다. 이러한 문제를 해결하기 위해 뱅가드는 가상 분석가 솔루션을 개발했습니다. 이 포스트를 통해 뱅가드가 AI 준비 데이터를 구축하게 된 여정과 그들이 달성한 결과를 알아봅니다.

도전 과제: AI와 기업 데이터 복잡성의 만남
뱅가드의 분석가와 사업 이해관계자들은 효율적인 데이터 접근을 희망했습니다. 기존의 워크플로우는 SQL 전문 지식과 데이터 팀의 지원을 요구하며, 요청 처리에 며칠이 소요되기도 했습니다. 따라서, AI 도입은 고급 알고리즘에 기반하지 않고, 데이터 아키텍처에 바탕을 두고 있는 것이 필요했습니다. 데이터 인프라 구축은 분석가들이 신뢰할 수 있는 데이터를 얻기 위해 필요한 작업으로 떠올랐습니다.

협업의 필요성: 부서 간 협업 촉진
가상 분석가 구축은 여러 조직이 간과하고 있는 점이지만, 전통적으로 분리된 팀들이 협력하는 것이 필요합니다. 뱅가드는 데이터 엔지니어, 비즈니스 분석가, 컴플라이언스 팀, 보안 팀, 사업 이해관계자들을 하나로 모았습니다. 이를 통해 AI의 기반을 마련할 수 있었으며, 명확한 소유 모델 및 품질 기준을 설정하였습니다.

AI 준비 데이터의 구현

AWS를 기반으로 뱅가드의 가상 분석가는 다양한 AWS 서비스를 활용하여 AI 준비 데이터를 구현하였습니다. Amazon Redshift의 고급 분석 기능부터 AWS Glue의 자동화된 데이터 카탈로깅, Amazon Bedrock을 통한 AI 기반 모델 접근 등 다양한 솔루션을 도입했습니다. 이를 통해 금융 서비스 산업의 엄격한 보안 및 컴플라이언스 요구 사항을 충족시켰습니다.

성공적인 결과
뱅가드는 AI 준비 데이터에 집중함으로써 다음과 같은 성과를 얻었습니다:

• 복잡한 금융 질의의 처리 시간이 일에서 몇 분으로 감소
• SQL 지식 없는 사용자도 데이터에 독립적으로 접근 가능
• 메타데이터 및 의미적 계층 구현을 통한 높은 정확도
• 데이터 팀의 업무 부담 감소

결론: 데이터 혁신을 통한 AI 프로젝트의 성공
이번 포스트에서는 어떻게 뱅가드가 데이터 분석 역량의 변화를 시작했는지를 보여주었습니다. 성공적인 AI는 단순히 알고리즘의 발전을 넘어, 기업 규모에서 AI를 지원할 수 있는 데이터 기반을 구축하는 것의 중요성을 강조합니다. AWS의 통합 데이터 및 AI 서비스를 기반으로 한 견고한 데이터 제품 관리 관행을 통해, 기업은 신뢰할 수 있는 비즈니스 결과를 얻을 수 있도록 할 수 있습니다.

[1] 원문: https://aws.amazon.com/blogs/machine-learning/building-ai-ready-data-vanguards-virtual-analyst-journey/