KR101732319B1 - 목표 지향적 빅데이터 비즈니스 분석 프레임워크 - Google Patents

목표 지향적 빅데이터 비즈니스 분석 프레임워크 Download PDF

Info

Publication number
KR101732319B1
KR101732319B1 KR1020160129558A KR20160129558A KR101732319B1 KR 101732319 B1 KR101732319 B1 KR 101732319B1 KR 1020160129558 A KR1020160129558 A KR 1020160129558A KR 20160129558 A KR20160129558 A KR 20160129558A KR 101732319 B1 KR101732319 B1 KR 101732319B1
Authority
KR
South Korea
Prior art keywords
business
goal
big data
solution
business process
Prior art date
Application number
KR1020160129558A
Other languages
English (en)
Inventor
박은정
정 로렌스
Original Assignee
박은정
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 박은정 filed Critical 박은정
Priority to KR1020160129558A priority Critical patent/KR101732319B1/ko
Application granted granted Critical
Publication of KR101732319B1 publication Critical patent/KR101732319B1/ko
Priority to US15/698,157 priority patent/US20180101805A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
    • G06F16/83—Querying
    • G06F16/835—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
    • G06F16/83—Querying
    • G06F16/838—Presentation of query results
    • G06F17/30318—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/041—Abduction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0633—Workflow analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling

Abstract

목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템, 빅데이터 분석 플랫폼을 포함하는 프레임워크, 프레임워크를 지원하기 위한 비즈니스 상황 통합 모델링 언어, 및 컴퓨팅 시스템에 의한 컴퓨터 실행방법이 제공된다. 일부 실시 예에 따른 컴퓨팅 시스템에 의한 컴퓨터 실행방법은, 비즈니스 목표, 상기 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무에 대한 목표인 비즈니스 프로세스 목표, 및 상기 비즈니스 목표 또는 상기 비즈니스 프로세스 목표에 대한 성과목표를 각각 설정하는 단계, 제 1 현상이 상기 비즈니스 목표, 상기 비즈니스 프로세스 목표 및 상기 성과 목표 중 적어도 어느 하나를 달성하는 데에 부정적인 기여를 하는 현상인 문제점에 해당된다고 가정하여 문제점을 모델링하는 단계, 빅데이터를 분석한 결과에 기초하여, 상기 가정된 문제점이 부정적인 기여를 하는 현상인 경우 상기 가정된 문제점을 검증된 문제점으로 결정하는 단계, 제 2 현상이 긍정적인 기여를 하거나 상기 검증된 문제점을 해결할 수 있는 현상인 해결책에 해당된다고 가정하여 가정된 해결책을 모델링하는 단계, 빅데이터를 분석한 결과에 기초하여, 상기 가정된 해결책이 긍정적인 기여를 하는 현상인 경우 상기 가정된 해결책을 검증된 해결책으로 결정하는 단계, 및 상기 검증된 해결책을 기초로 상기 활동 또는 업무를 수정하는 단계를 포함한다.

Description

목표 지향적 빅데이터 비즈니스 분석 프레임워크 {IRIS: Goal-oriented big data business analytics framework}
본 발명은 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템, 목표 지향적 빅데이터 비즈니스 분석 프레임워크, 및 컴퓨팅 시스템에 의한 컴퓨터 실행방법에 관한 것이다.
빅데이터 분석이란 소셜 네트워크 서비스 데이터, 실시간 사물지능통신(M2M) 센서 데이터, 기업 고객관계 데이터 등 도처에 존재하는 다양한 성격의 방대한 데이터를 분석함으로써, 숨겨진 패턴, 알려지지 않은 상관관계, 마켓 트렌드, 고객 선호도 등과 같은 비즈니스에 유용하게 활용될 수 있는 정보를 찾아내는 기술을 말한다.
빅데이터는 데이터의 사이즈가 방대하고 복잡해서 전통적인 데이터 프로세싱 기술로 처리하기 어려운 데이터 세트를 의미하며, 온라인 트랜잭션을 위한 테이블 스키마와 그들의 관계를 기반으로 데이터베이스에 저장된 정형 데이터뿐만 아니라 모바일, 인터넷, 클라우드 컴퓨팅, 소셜 네트워크 서비스, 위치 기반 서비스 등의 다양한 환경에서 폭발적으로 생성되는 비정형 데이터, 및 각종 컴퓨팅 프로세스를 통해 생성된 로그 데이터 등의 반 구조화된(semi-structured) 데이터를 포함한다.
빅데이터는 일반적으로 4V (Volume: big volume, Velocity: high speed to generate and process data, Variety: diverse data source, Veracity: uncertainty of data quality) 특징을 가지는데, 최근에는 가치(Value)까지 추가하여 빅데이터의 5V 특징이 언급되고 있다.
이러한 정형데이터, 비정형데이터 및 반정형데이터를 포함하는 빅데이터를 효과적으로 분석하는 것이 점차적으로 중요해지고 있고, IBM, SAP, MS 및 Google 등과 같은 대기업이 비즈니스 애널리틱스(BA) 및 비즈니스 인텔리전스(BI) 기술분야에 대한 지원을 아끼지 않고 있으며, 분석 방법으로서 머신 러닝 기법, 데이터 마이닝 기법, 데이터 시각화 기법 등에 대한 연구가 지속적으로 이루어지고 있다.
2011년 서적 <J. Han, M. Kamber and J. Pei, "Data mining: concepts and techniques", Elsevier.>, 2012년 논문 <H. Chen, R. H. L. Chiang, and V. C. Storey, "Business Intelligence and Analytics: From Big Data to Big Impact," MIS Quarterly, pp. 1165-1188.>, 2011년 서적 <P. C. Zikopoulos, C. Eaton, D. deRoos, T. Deutsch and G. Lapis, "Understanding big data: Analytics for enterprise class hadoop and streaming data", McGraw-Hill Osborne Media>, 2013년 논문 <A. Vera-Baquero, R. Colomo-Palacios and O. Molloy, "Business process analytics using a big data approach", IT Professional, pp. 29-35.> 등의 경우 비즈니스 애널리틱스와 관련한 다양한 빅데이터 분석 기법 및 그에 대한 기반 기술을 소개하고 있다.
다만, 이러한 연구는 데이터 지향적(data-oriented) 접근을 기반으로 하기 때문에 데이터에 대한 개별적이고 세부적인 현상에 대한 분석 결과를 제공할 수 있지만, 비즈니스 상황 즉 비즈니스 목표, 비즈니스 프로세스, 비즈니스 관련 문제점 및 해결책과 통합하여 시스템적으로 큰 그림을 보여주지는 못한다는 한계를 가진다.
또한, 2000년 논문 <A. van Lamsweerde, "Requirements Engineering in the Year 00: a Research Perspective", Proc., 22nd Int. Conf. on Soft. Eng. pp. 5-19 >, 2000년 논문 <L. Chung, B. A. Nixon, E. Yu and J. Mylopoulos, "Non-functional Requirements in Software Engineering", Kluwer Academic Publisher.> 등의 경우 목표 지향적(goal-oriented) 접근을 기반으로 한 요구공학(RE) 연구를 소개하고 있다. 요구공학(RE) 연구는 목표에 대한 잠재적인 다양한 대안을 찾은 후 최종 대안을 선택하는 방법에 관한 것이지만, 비즈니스 전략 수립이나 비즈니스 프로세스 설계의 관점에서 접근하는 방식이 아닌 오로지 소프트웨어 시스템의 요구사항만을 찾아내는 방식에 관한 것이어서, 빅데이터 분석을 전혀 고려하고 있지 않다.
2011년 서적 <E. Yu, P. Giorgini, N. Maiden and J. Mylopoulos, "Social Modeling for Requirements Engineering", The MIT Press.> 는 목표 지향 접근법을 비즈니스 전략 수립 및 프로세스 개선에 사용했으나, 일련의 순서(Sequence)를 가지는 비즈니스 프로세스 및 그에 대한 데이터를 분석하는 내용을 포함하고 있지 않다.
한편 2014년 논문 <J. Horkoff, D. Barone, L. Jiang, E. Yu, D. Amyot, A. Borgida and J. Mylopoulos, "Strategic business modeling: representation and reasoning", Software & Systems Modeling, pp. 1015-1041.>의 경우 모델 중심의 접근을 기반으로 한 비즈니스 인텔리전스 연구를 다루고 있으며, 비즈니스 목표 및 추론(reasoning)과 같은 비즈니스 상황 모델링에 대해 강조하고 있으나, 비즈니스 프로세스에서 발생하는 현상, 그에 따른 문제점 및 해결책에 대한 분석이 이루어지지 않았다.
2016년 논문 <S. Supakkul, L. Zhao and L. Chung, "GOMA: Supporting Big Data Analytics with a Goal-Oriented Approach", IEEE BigData Con.>의 경우 목표 지향적 접근 방법을 중심으로 기술되었지만, 개념적(conceptual) 데이터 모델링을 다루고 있을 뿐이다.
또한, 2011년 논문 <W. M. P. van der Aalst, "Process Mining: Discovery, Conformance and Enhancement of Business Processes", Springer Science & Business Media.>의 경우, 비즈니스 프로세스 개선을 위하여 오직 로그 데이터만을 활용하는 프로세스 마이닝 기법을 제안하고 있다.
이처럼 비즈니스 애널리틱스(BA) 및 비즈니스 인텔리전스(BI) 기술분야에서는 종래 연구들의 부족한 점을 보완하고 더 나은 결과물을 얻을 수 있는 방법에 대한 요구가 지속되고 있는 상황이다.
한편, 한국등록특허 제10-1607993호(발명의 명칭: 아이디어 육성 및 빅데이터에 의한 평가 시스템)에서는 발명자가 구상한 원시 아이디어를 실현 가능한 실체 아이디어로 구체화시키기 위한 자기 평가를 수행하도록 지원하고, 빅데이터 지수에 기초하여 실체 아이디어의 목표 달성 가능도를 산출하는 내용이 개시되어 있다.
다만, 위 발명의 경우 업종마다 제시되는 빅데이터 지수에 대한 신뢰성이 문제가 있고, 실제 비즈니스 전략 수립을 위해 적용시키기 어렵다는 한계가 있다.
본 발명의 일부 실시 예는 빅데이터를 이용한 목표 지향적(goal-oriented) 접근 방법에 따라 비즈니스 목표를 달성하기 위한 다양한 해결책을 도출하여 가장 적합한 방법을 선택함으로써 좀더 확신 있는 비즈니스 의사 결정을 지원할 수 있는 시스템 및 방법을 제공하는 데에 그 목적이 있다.
또한, 본 발명의 일부 실시 예는 비즈니스 상황에서 빅데이터에 기반한 개별적인 현상을 분석하는 것에 머무르지 않고 더 나아가 전체적인 비즈니스 목표 또는 비즈니스 프로세스를 고려함으로써, 정확한 비즈니스 의사결정에 도움이 될 수 있는 시스템 및 방법을 제공하는 데에 다른 목적이 있다.
또한, 본 발명의 일부 실시 예는 빅데이터 분석을 통해 비즈니스 관련 문제점 및 해결책을 검증하고, 다양한 대안을 검토하여 가장 적합한 문제점 및 해결책을 찾아낼 수 있는 시스템 및 방법을 제공하는 데에 또 다른 목적이 있다.
또한, 본 발명의 일부 실시 예는 목표 지향적 빅데이터 비즈니스 분석 프레임워크 또는 체계를 지원하고, 비즈니스 레벨뿐만 아니라 시스템 레벨, 소프트웨어 아키텍처 레벨 등과 같은 다양한 레벨에서 적용 가능한 통합 언어 및 도구를 제공하는 데에 또 다른 목적이 있다.
다만, 본 발명의 실시 예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 일부 실시 예에 따른 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템에 의한 컴퓨터 실행방법은, 비즈니스 목표, 상기 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무에 대한 목표인 비즈니스 프로세스 목표, 및 상기 비즈니스 목표 또는 상기 비즈니스 프로세스 목표에 대한 성과목표를 각각 설정하는 단계, 제 1 현상이 상기 비즈니스 목표, 상기 비즈니스 프로세스 목표 및 상기 성과 목표 중 적어도 어느 하나를 달성하는 데에 긍정적인 기여를 하는 현상인 해결책에 해당된다고 가정하여 가정된 해결책을 모델링하는 단계, 빅데이터를 분석한 결과에 기초하여, 상기 가정된 해결책이 긍정적인 기여를 하는 현상인 경우 상기 가정된 해결책을 검증된 해결책으로 결정하는 단계, 및 상기 검증된 해결책을 기초로 상기 활동 또는 업무를 수정하는 단계를 포함한다.
또한, 일부 실시 예에 따른 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템에 의한 컴퓨터 실행방법은, 제 2 현상이 상기 비즈니스 목표, 상기 비즈니스 프로세스 목표 및 상기 성과 목표 중 적어도 어느 하나를 달성하는 데에 부정적인 기여를 하는 현상인 문제점에 해당된다고 가정하여 가정된 문제점을 모델링하는 단계, 및 빅데이터를 분석한 결과에 기초하여, 상기 가정된 문제점이 부정적인 기여를 하는 현상인 경우 상기 가정된 문제점을 검증된 문제점으로 결정하는 단계를 더 포함하고, 상기 가정된 해결책을 모델링하는 단계는 상기 제 1 현상이 상기 검증된 문제점을 해결할 수 있는 현상인 해결책에 해당된다고 가정하여 가정된 해결책을 모델링할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 일부 실시 예에 따른 컴퓨터 가독형 기록매체는, 컴퓨팅 시스템에 의해 전술된 방법 중 어느 하나를 실행시키기 위한 프로그램을 기록한 것이다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 일부 실시 예에 따른 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템은, 다수의 명령어를 저장하는 메모리, 및 상기 메모리에 접속하도록 구성된 적어도 하나의 프로세서를 포함한다.
이때, 적어도 하나의 프로세서는 비즈니스 목표, 상기 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무에 대한 목표인 비즈니스 프로세스 목표, 및 상기 비즈니스 목표 또는 상기 비즈니스 프로세스 목표에 대한 성과 목표를 각각 설정하기 위한 명령어, 제 1 현상이 상기 비즈니스 목표, 상기 비즈니스 프로세스 목표 및 상기 성과 목표 중 적어도 어느 하나를 달성하는 데에 부정적인 기여를 하는 현상인 문제점에 해당된다고 가정하여 가정된 문제점을 모델링하기 위한 명령어, 빅데이터를 분석한 결과에 기초하여, 상기 가정된 문제점이 부정적인 기여를 하는 현상인 경우 상기 가정된 문제점을 검증된 문제점으로 결정하기 위한 명령어, 제 2 현상이 상기 비즈니스 목표 또는 비즈니스 프로세스 목표 및 상기 성과 목표 중 적어도 어느 하나를 달성하는 데에 긍정적인 기여를 하거나 상기 검증된 문제점을 해결할 수 있는 현상인 해결책에 해당된다고 가정하여 가정된 해결책을 모델링하기 위한 명령어, 빅데이터를 분석한 결과에 기초하여, 상기 가정된 해결책이 긍정적인 기여를 하는 현상인 경우 상기 가정된 해결책을 검증된 해결책으로 결정하기 위한 명령어, 및 상기 검증된 해결책을 기초로 상기 활동 또는 업무를 수정하기 위한 명령어를 포함하는 상기 다수의 명령어를 실행하도록 구성된다.
또한, 일부 실시 예에 따른 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템은, 상기 다수의 명령어 중 적어도 하나를 실행한 결과에 상응하는 데이터를 시각화하여 디스플레이 하도록 구성된 유저 인터페이스를 더 포함할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 일부 실시 예에 따른 목표 지향적 빅데이터 비즈니스 분석 프레임워크는, 비즈니스 목표, 상기 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무에 대한 목표인 비즈니스 프로세스 목표, 상기 비즈니스 목표 또는 상기 비즈니스 프로세스 목표에 대한 성과 목표, 상기 활동 또는 업무와 관련된 문제점 및 해결책을 포함하는 구성요소를 모델링 및 처리하며, 디스플레이 장치의 화면에 상기 구성요소를 표시하는 비즈니스 상황 모델링 구성, 다수의 데이터를 수집하여 저장하는 통합 빅데이터 플랫폼, 상기 통합 빅데이터 플랫폼의 데이터를 분석하고, 분석 결과를 기초로 상기 문제점 및 해결책에 대해 이루어진 가정을 검증하는 빅데이터 분석 플랫폼, 및 상기 분석 결과 및 검증 결과에 상응하는 데이터를 상기 화면에 표시하는 데이터 시각화 구성을 포함한다.
본 발명의 일부 실시 예에서는 데이터 지향적 접근 방식과 목표 지향적 접근 방식을 모두 사용하여 비즈니스 프로세스를 성취하고자 하는 방향으로 개선함으로써, 빅데이터를 통한 새로운 가치(Value) 창출과 함께 해당 비즈니스와 관련된 개별적인 업무와 활동 그리고 전체적인 업무와 활동이 나아가야 할 방향을 효율적으로 설계할 수 있다.
또한, 본 발명의 일부 실시 예에서는 비즈니스 상황과 직간접적으로 관련된 다수의 가정된 문제점 및 가정된 해결책을 검증하는 과정을 거침으로써, 해당 비즈니스 관련 목표 및 향후 방향을 설정하는 데에 도움이 될 수 있으며, 다양한 관점이 반영된 목표로 인해 해당 비즈니스의 이해관계자(서비스 제공자 및 서비스 소비자 포함) 모두에게 긍정적인 결과를 제공할 수 있다.
또한, 본 발명의 일부 실시 예에서는 다수의 문제점, 해결책, 빅쿼리, 수행 담당 중에서 최적의 문제점, 해결책, 빅쿼리, 수행 담당을 선택하여 적용시킴으로써, 비즈니스 의사결정의 신뢰성 및 정확성을 향상시킬 수 있고, 정성적 혹은 정량적 평가 또는 다양한 머신 러닝 알고리즘을 접목시켜 각 대안의 장점 및 단점을 비교할 수 있다.
또한, 본 발명의 일부 실시 예에서는 문제점 또는 해결책에 대한 검증 과정에서 질의어와 분석 대상 데이터를 다양하게 조합할 수 있어, 비즈니스 의사 결정의 신뢰성 및 정확성을 향상시킬 수 있다.
또한, 본 발명의 일부 실시 예에서는 비즈니스 상황 모델링을 위한 통합 언어를 이용하여 유저 인터페이스를 구성함으로써, 이해관계자간의 의사소통에 편의성과 이해도를 향상시킬 수 있다.
또한, 본 발명의 일부 실시 예에서는 비즈니스 프로세스를 개선하기 위한 소프트웨어 시스템의 요구사항을 추출할 수 있고, 개선된 업무 또는 활동이 의도에 맞게 수행되고 있는지 여부를 실시간으로 모니터링할 수 있어, 지속적인 체크 및 비즈니스 프로세스에 대한 피드백 반영이 가능하다.
또한, 본 발명의 일부 실시 예에서는 비즈니스 목표, 비즈니스 프로세스 목표, 성과 목표, 비즈니스 프로세스, 비즈니스 관련 문제점 및 해결책, 이해관계자, 개선된 비즈니스 프로세스, 수행 담당, 소프트웨어 시스템의 요구사항을 포함하는 주요 개념에 대한 추적 가능성(traceability)을 가지는 시스템을 제공할 수 있고, 종단에서 종단까지의 흐름 및 과정을 효율적으로 관리할 수 있다.
도 1은 목표 지향적 빅데이터 비즈니스 분석 프레임워크에서의 중요 개념 및 이들의 관계를 나타낸 온톨로지를 도시한 도면이다.
도 2는 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템 및 전체 시스템을 예시적으로 도시한 도면이다.
도 3은 일부 실시 예에 따른 목표 지향적 빅데이터 비즈니스 분석을 행하는 컴퓨팅 시스템에 의한 컴퓨터 실행 프로세스를 도시한 순서도이다.
도 4는 일부 실시 예에 따른 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템이 빅쿼리 또는 빅데이터 분석 결과를 토대로 문제점 및 해결책을 검증하는 프로세스를 도시한 도면이다.
도 5는 일부 실시 예에 따른 목표 지향적 빅데이터 비즈니스 분석 프레임워크 또는 시스템을 지원하는 도구에 대한 아키텍처를 도시한 것이다.
도 6은 의류 판매 비즈니스와 관련된 목표를 설정하고 그 목표에 대한 문제점을 검증하는 프로세스를 예시적으로 도시한 것이다.
도 7은 자동차 판매 비즈니스와 관련된 비즈니스 목표-비즈니스 프로세스 맵을 예시적으로 구성하여 도시한 것이다.
도 8은 의류 판매 비즈니스와 관련된 목표에 대한 해결책을 검증하는 프로세스를 예시적으로 도시한 것이다.
도 9는 의류 판매 비즈니스와 관련된 비즈니스 프로세스를 수정하는 2가지 대안 프로세스를 예시적으로 도시한 것이다.
도 10은 자동차 판매 비즈니스와 관련하여 수정된 비즈니스 프로세스로부터 소프트웨어 시스템의 요구사항을 추출하는 프로세스를 예시적으로 도시한 것이다.
도 11은 의류 판매 비즈니스와 관련하여 수정된 비즈니스 프로세스에 따른 수행 과정을 모니터링하는 화면을 예시적으로 도시한 것이다.
도 12a는 일부 실시 예에 따른 컴퓨터 실행방법을 수행하기 위한 도구에 의해 구현된 유저 인터페이스를 예시적으로 나타낸 도면이다.
도 12b는 일부 실시 예에 따른 컴퓨터 실행방법을 수행하기 위한 도구에 의해 구현된 유저 인터페이스를 예시적으로 나타낸 도면이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시 예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우 및 "통신 가능하도록 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
<목표 지향적 빅데이터 비즈니스 분석 프레임워크의 온톨로지>
도 1은 목표 지향적 빅데이터 비즈니스 분석 프레임워크에서의 중요 개념 및 이들의 관계를 나타낸 온톨로지를 도시한 도면이다. 도 1에 도시된 온톨로지는 명세서 전체에서 제안하는 비즈니스 관련 중요 개념, 이들의 관계 및 이들의 조합을 나타내며, 아래와 같이 정의된다.
"비즈니스 목표(business goal)"는 비즈니스가 성취하고자 하는 것 또는 스테이트먼트(statement)를 의미한다. 이때, 비즈니스 목표는 계층적 구조를 가짐으로써, 상위 비즈니스 목표 및 그에 상응하는 하위 비즈니스 목표를 포함할 수 있다.
"비즈니스 프로세스(business process)"는 비즈니스와 직접 또는 간접적으로 관련되거나, 비즈니스 목표를 달성하는 과정과 관련된 행위, 활동 또는 업무를 총칭한다. 이때, 행위, 활동 또는 업무는 계층적 구조를 가짐으로써, 복수의 서브 행위, 서브 활동 또는 서브 업무를 포함할 수 있다. 또한, 행위, 활동 또는 업무는 상하 구조를 가짐으로써, 상위 행위, 상위 활동 또는 상위 업무 및 그에 상응하는 하위 행위, 하위 활동 또는 하위 업무를 포함한 개념일 수 있다.
"비즈니스 프로세스 목표(business process goal)"는 비즈니스 목표를 달성하는 과정과 관련된 행위, 활동 또는 업무가 성취하고자 하는 것 또는 스테이트먼트(statement)를 의미한다.
"성과 목표(performance goal)"는 비즈니스 목표 또는 비즈니스 프로세스 목표를 달성하기 위한 측정 가능한 목표를 의미하며, 예를 들어 KPI(Key Performance Indicator) 또는 소정의 수치 값으로 표현될 수 있다.
"이해관계자(stakeholder)"는 비즈니스와 연관된 사람이나 그룹을 의미하고, 비즈니스 목표 또는 비즈니스 프로세스 목표를 소유하는 주체일 수 있다.
"긍정적인 기여(positive contribution)"는 소정의 목표를 만들거나(make) 소정의 목표를 향하여 도움(help)을 주거나 이점(plus)이 있다는 것을 의미하며, 기여의 정도에는 차이가 있을 수 있다.
"부정적인 기여(negative contribution)"는 소정의 목표를 부수거나(break) 소정의 목표를 향하여 해(hurt)를 끼치거나 감점(minus)이 있다는 것을 의미하며, 기여의 정도에는 차이가 있을 수 있다.
"현상(phenomenon)"은 관찰할 수 있는 적어도 하나의 임의의 이벤트를 의미한다. 현상은 비즈니스 프로세스와 관련된 것이거나 소정의 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무와 관련된 것일 수 있다. 제 1 현상과 제 2 현상은 임의의 현상을 의미하는 표현으로서, 실시 예에 따라 서로 동일한 현상이거나 서로 별개의 현상일 수 있다.
"문제점(problem)"은 비즈니스 목표 또는 비즈니스 프로세스 목표를 달성하는 데에 부정적인 기여를 하는 현상 또는 이벤트를 의미한다. 이때, 문제점은 계층적 구조를 가짐으로써, 복수의 서브 문제점을 포함할 수 있다. 또한, 문제점은 상하 구조를 가짐으로써, 상위 문제점 및 그에 상응하는 하위 문제점을 포함한 개념일 수 있다.
"해결책(solution)"은 비즈니스 목표 또는 비즈니스 프로세스 목표를 달성하는 데에 긍정적인 기여를 하는 현상 또는 이벤트를 의미한다. 이때, 해결책은 계층적 구조를 가짐으로써, 복수의 서브 해결책을 포함할 수 있다. 또한, 해결책은 상하 구조를 가짐으로써, 상위 해결책 및 그에 상응하는 하위 해결책을 포함한 개념일 수 있다.
"빅데이터(big data)"는 5V (high Volume, high Velocity, high Variety, and high Veracity, Value) 특징을 가지는 데이터일 수 있다. 통합 빅데이터 플랫폼은 다수 분야의 데이터로 구성된 다수의 데이터베이스를 포함하고, 5V 특징을 가지는 다수의 데이터를 수집하여 저장한다.
"빅쿼리(big query)"는 빅데이터 분석을 위해 구성된 질의어이다. 제 1 빅쿼리와 제 2 빅쿼리는 실시 예에 따라 서로 동일한 질의어이거나 서로 별개의 질의어일 수 있다.
"담당(agent)" 또는 수행 담당은 비즈니스 프로세스를 수행 또는 실행하는 주체를 의미한다. 예를 들어 사람(People agent), 개발하고자 하는 시스템(To-be system agent), 타 시스템(other system agent)이 담당 또는 수행 담당일 수 있다.
이와 같이 목표 지향적 빅데이터 비즈니스 분석 프레임워크에서의 중요 개념과 그들의 관계는 도 1에 도시된 온톨로지를 통해 제공된다.
<본 발명에서 제안하는 주요 기술적 사상>
본 발명에서는 해당 온톨로지를 지원하는 비즈니스 상황 통합 언어를 제안한다. 비즈니스 상황 통합 언어는 비즈니스 목표, 비즈니스 프로세스, 비즈니스 프로세스 목표, 비즈니스 관련 문제점 및 해결책, 성과 목표(KPI 포함), 빅데이터, 빅쿼리를 모델링할 수 있다. 비즈니스 상황 통합 언어는 기존의 목표 지향적 요구공학(Goal-Orientated Requirements Engineering: GORE)의 NFR framework, KAOS, i*와, GORE를 이용한 문제점 분석 언어인 PIG(Problem Interdependency Graph), 그리고 비즈니스 프로세스를 모델링 하기 위한 BPMN(Business Process Model and Notation)를 통합한 것일 수 있다.
명세서 전체에서, "비즈니스 상황(business context)"은 개별적인 단체 (individual organization) 또는 이해관계자가 소정의 사업을 수행함에 있어서 비즈니스와 관련된 일이나 사건에 대한 상황 혹은 정황을 의미한다. 비즈니스 상황은 도 1의 온톨로지에 나타낸 비즈니스 관련 중요 개념(비즈니스 목표, 비즈니스 프로세스 목표, 성과 목표, KPI, 비즈니스 프로세스, 비즈니스 관련 문제점 및 해결책, 이해관계자 포함)뿐만 아니라 이를 지원하기 위한 정보 시스템 및 그로부터 파생되는 데이터 등과 연관될 수 있는 개념이다.
또한, 본 발명에서는 이러한 비즈니스 상황 통합 언어를 이용하여 비즈니스 관련 문제점 및 해결책을 가정하고 검증하는 프로세스를 제안한다.
제안하는 프로세스에 대한 구체적인 설명은 도면을 참고하여 후술하기로 하고, 기본적인 과정은 다음과 같이 이루어진다.
우선 비즈니스 프로세스와 관련된 다양한 요소를 설정하는 과정이 이루어진다. 비즈니스 목표, 비즈니스 프로세스 목표, 성과 목표, 이해관계자 등이 설정됨에 따라 특정 시점의 비즈니스 프로세스가 모델링될 수 있다.
다음으로 비즈니스 관련 문제점을 진단하는 과정이 이루어진다. 특정 시점의 비즈니스 프로세스에 대하여 적어도 하나의 문제점이 가정되고, 가정된 문제점은 빅쿼리에 의한 결과 또는 빅데이터 분석 결과를 통해 검증된다.
문제점을 진단하는 과정은 가정된 문제점 및 검증된 문제점을 비즈니스 프로세스에서 명시적으로(explicitly) 모델링하는 과정과, 목표 지향적 접근 방법에 따라 다양한 대안을 검토하고 최적의 대안을 선택하는 과정을 포함할 수 있다. 또한, 문제점을 진단하는 과정은 일부 실시 예에서 선택적으로 이루어질 수 있다.
다음으로 비즈니스 관련 해결책을 도출하는 과정이 이루어진다. 특정 시점의 비즈니스 프로세스에 대하여 적어도 하나의 해결책이 가정되고, 가정된 해결책은 빅쿼리에 의한 결과 또는 빅데이터 분석 결과를 통해 검증된다.
해결책을 도출하는 과정은 문제점을 진단하는 과정과 유사하게, 가정된 해결책 및 검증된 해결책을 비즈니스 프로세스에서 명시적으로(explicitly) 모델링하는 과정과, 목표 지향적 접근 방법에 따라 다양한 대안을 검토하고 최적의 대안을 선택하는 과정을 포함할 수 있다.
다음으로 검증된 해결책을 이용하여 특정 시점의 비즈니스 프로세스를 향후(to-be) 비즈니스 프로세스로 개선하기 위한 과정이 이루어진다.
추가적으로, 검증된 해결책을 이용하여 수행 담당을 할당하는 과정과, 할당된 수행 담당에 의해 비즈니스 프로세스가 수행되는 과정을 모니터링하는 과정이 이루어진다. 또한, 비즈니스 프로세스와 관련하여 초기에 설정된 다양한 요소는 모니터링 정보를 이용하여 재설정된다.
아울러, 본 발명에서는 목표 지향적 빅데이터 비즈니스 분석 프레임워크를 지원하는 도구를 제안한다.
지원 도구는 비즈니스 상황 모델링 구성, 빅데이터 분석 플랫폼 통합 빅데이터 플랫폼으로 이루어지고, 각 데이터를 시각화하는 구성도 포함할 수 있다.
이하에서는 첨부된 도면을 참고하여 본 발명에서 제안하는 기술적 사상을 상세히 설명하기로 한다.
<목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템>
도 2는 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템 및 전체 시스템을 예시적으로 도시한 도면이다.
컴퓨팅 시스템(200)은 통신방식이나 통신 프로토콜에 대한 특별한 제약 없이 유무선 통신망 또는 네트워크(10)를 통해 별도의 단말(미도시), 서버(20), 통합 빅데이터 플랫폼(30), 빅데이터 분석 플랫폼(40) 등과 연결되어 각종 데이터 및 정보를 송수신할 수 있다.
여기서, 네트워크(10)는 서버 및 단말과 같은 각각의 노드 상호간에 데이터 및 정보 교환이 가능한 연결 구조를 의미하는 것이다. 이러한 네트워크의 일 예에는 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, LTE-A(Long Term Evolution-Advanced) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
또한, 서버(20)는 다양한 운영 체제에서 동작할 수 있고, HTTP 서버, FTP 서버, CGI 서버, 자바 서버, 데이터베이스 서버 등을 포함하는 다양한 추가 서버 어플리케이션 또는 미드 티어 어플리케이션을 동작시킬 수 있다. 서버(20)는 통합 빅데이터 플랫폼(30)과 빅데이터 분석 플랫폼(40)을 탑재하여 다른 서버(20')와 클러스터링 되어 병렬처리 및 분산처리를 지원할 수 있으며, 이들 서버는 동일 네트워크 내에 존재하거나 서로 다른 네트워크에 존재할 수 있다. 다른 서버(20') 역시 통합 빅데이터 플랫폼(30')과 빅데이터 분석 플랫폼(40')을 탑재하고 있을 수 있고, 이하에서는 설명의 편의를 위해 서버(20), 통합 빅데이터 플랫폼(30), 빅데이터 분석 플랫폼(40) 기재는 다른 서버, 통합 빅데이터 플랫폼, 빅데이터 분석 플랫폼을 대표하여 기재된 것으로 이해될 수 있다.
또한, 통합 빅데이터 플랫폼(30)은 다수의 데이터베이스 또는 다수의 데이터를 수집하여 저장하고, 빅데이터 분석 플랫폼(40)은 다양한 분석 기법을 통하여 통합 빅데이터 플랫폼(30)의 데이터를 분석할 수 있다.
이때, 다수의 데이터베이스는 다양한 위치에 상주할 수 있다. 예를 들어, 각종 데이터베이스는 비일시적(non-transitory) 저장 매체 상에 상주할 수 있고, 서버(20)로부터 멀리 떨어져 있을 수도 있다. 또한, 각종 데이터베이스는 SQL 또는 NoSQL로 구성된 명령어, 질의어에 응답하여 데이터를 저장, 업데이트 및 검색할 수 있도록 구축된 것일 수 있다.
또한, 컴퓨팅 시스템(200)은 컴퓨터나 휴대용 단말기로 구현될 수 있다. 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), 태블릿 PC, 슬레이트 PC 등을 포함하고, 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), WiBro(Wireless Broadband Internet) 단말, 스마트 폰(Smart Phone) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
한편, 도 2에 도시된 컴퓨팅 시스템(200)의 세부 구성은 서로 별개의 구성으로 도시되었지만, 일부 실시 예에 따른 목표 지향적 빅데이터 비즈니스 분석 프레임워크에서는 일부 혹은 모든 구성이 임베디드 형태로 내장되어 구현될 수 있다. 또한, 도 2에 도시된 각 구성은 설계 또는 용도에 따라 변경, 대체 혹은 모듈화될 수 있으며, 일 구성의 특정 기능이 타 구성에 의해 동작되거나 수행될 수도 있다.
일부 실시 예에 따른 컴퓨팅 시스템(200)은 프로세서(210), 메모리(220), 유저 입출력 서브시스템(230), 통신 서브시스템(240), 디스플레이 서브시스템(250), 저장 장치(260), 가속 장치(270), 미디어리더(280) 및 컴퓨터 가독형 저장 메모리(290)를 포함하고, 목표 지향적 빅데이터 비즈니스 분석을 수행한다.
컴퓨팅 시스템(200) 내 하드웨어 구성요소는 버스를 통해 전기적으로 또는 통신적으로 연결될 수 있다.
적어도 하나의 프로세서(210)는 메모리(220), 저장 장치(260) 또는 컴퓨터 가독형 저장 메모리(290)에 접속하도록 구성되고, 저장된 프로그램을 실행할 수 있다. 또한 프로세서(210)는 프로그램에 따라 컴퓨팅 시스템(200)을 이루는 각 구성요소에 신호나 명령을 전달함으로써 각 구성요소의 동작을 제어할 수 있고, 각 구성요소로부터 신호나 정보를 수신하여 그에 대응하는 동작을 수행할 수도 있다.
메모리(220)는 후술할 저장 장치(260)처럼 예를 들어 RAM 및 ROM 등으로 구현될 수 있다. 또한 메모리(220)는 메모리(220)에 위치해있는 소프트웨어 구성요소를 저장할 수 있는데, 소프트웨어 구성요소는 운영 체제(222) 및 코드(224)를 포함할 수 있다. 코드(224)는 예를 들어 클라이언트 어플리케이션, 웹브라우저, 미드 티어 어플리케이션, RDBMS 등과 같은 어플리케이션 프로그램, 다수의 실행 가능한 명령어 및 데이터구조를 포함할 수 있다.
유저 입출력 서브시스템(230)은 사용자의 입력에 상응하여 신호를 발생시킬 수 있고, 예를 들어 마우스, 키보드, 버튼, 터치패드 등을 포함할 수 있다.
통신 서브시스템(240)은 네트워크(10)를 통해 유무선으로 연결된 다른 컴퓨팅 장치와 통신을 수행할 수 있다. 이때, 통신 장치(210)는 유무선 통신 모듈, 네트워크 카드 또는 적외선 통신 장치로 구현될 수 있다. 예를 들어, 유선 통신 모듈은 전력선 통신 장치, 전화선 통신 장치, 케이블 홈(MoCA), 이더넷(Ethernet), IEEE1294, 통합 유선 홈 네트워크 및 RS-485 제어 장치로 구현될 수 있다. 또한, 무선 통신 모듈은 WLAN(wireless LAN), Bluetooth, HDR WPAN, UWB, ZigBee, Impulse Radio, 60GHz WPAN, Binary-CDMA, 무선 USB 기술 및 무선 HDMI 기술 등으로 구현될 수 있다.
디스플레이 서브시스템(250)은 컴퓨팅 시스템(200)의 동작에 따라 발생하거나 생성된 데이터를 출력할 수 있고, 예를 들어 디스플레이 장치, 프린터 등을 포함할 수 있다. 또한 디스플레이 서브시스템(250)은 유저 입출력 서브시스템(230)과 연동하여 숫자/문자/기호 입력이 가능한 다수의 버튼 및 정보를 표시하는 화면을 구비할 수 있고, 모델에 따라 해당 화면은 터치 기반의 입력을 수신할 수도 있다.
저장 장치(260)는 원하는 정보(코드 포함)를 저장하거나 전송하는 데에 사용될 수 있고, 프로세서(210)에 의해 접근될 수 있다. 저장 장치(260)는 예를 들어 콤팩트 플래시 카드, SD 카드, 메모리 스틱, 솔리드 스테이트 드라이브 및 마이크로 SD 카드 등과 같은 낸드 플래시 메모리, 하드 디스크 드라이브 등과 같은 마그네틱 컴퓨터 기억 장치 및 CD-ROM, DVD-ROM 등과 같은 광학 디스크 드라이브 등을 포함할 수 있다.
가속 장치(270)는 예를 들어 디지털 신호 처리기(DSP), 특수 목적 프로세서 등을 포함할 수 있다.
미디어리더(280)는 일시적으로 또는 영구적으로 컴퓨터 가독형 정보를 포함하기 위한 고정되거나 제거 가능한 저장 장치(매체)를 나타내는 컴퓨터 가독형 저장 메모리(290)와 연결될 수 있다. 컴퓨터 가독형 저장 메모리(290) 역시 원하는 정보(코드 포함)를 저장하거나 전송하는 데에 사용될 수 있고, 프로세서(210)에 의해 접근될 수 있다.
일부 실시 예에 따르면, 적어도 하나의 프로세서(210)는 다수의 명령어를 실행하거나 저장된 프로그램을 실행하도록 구성될 수 있다.
이때, 본 발명의 일 실시 예에 따르면, 다수의 명령어는 적어도 비즈니스 목표, 해당 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무에 대한 목표인 비즈니스 프로세스 목표, 및 해당 비즈니스 목표 또는 비즈니스 프로세스 목표에 대한 수치적 목표를 각각 설정하기 위한 명령어, 위 활동 또는 업무와 관련된 제 1 현상이 해당 비즈니스 목표, 비즈니스 프로세스 목표 및 성과 목표 중 적어도 어느 하나를 달성하는 데에 긍정적인 기여를 하는 현상인 해결책에 해당된다고 가정하여 가정된 해결책을 생성하기 위한 명령어, 빅데이터를 분석한 결과에 기초하여, 가정된 해결책이 긍정적인 기여를 하는 현상인 경우 가정된 해결책을 검증된 해결책으로 결정하기 위한 명령어, 및 검증된 해결책을 기초로 위 활동 또는 업무를 수정하기 위한 명령어를 포함할 수 있다. 또한, 다수의 명령어는 라벨 전파(label propagation) 알고리즘에 따라 복수의 대안의 장점 및 단점을 각각 비교하여 최종 대안을 선택하기 위한 명령어, 및 수행 담당에게 수정된 활동 또는 업무를 할당하기 위한 명령어를 더 포함할 수 있다.
이러한 명령어는 컴퓨팅 시스템(200) 또는 프로세서(210)에 의해, 비즈니스 상황(context)에서 설정되는 목표와 관련된 해결책을 가정하고 가정된 해결책을 검증하며 검증된 해결책을 통해 비즈니스 프로세스(목표 포함)를 개선 및 수정하는 데에 사용될 수 있다.
또한, 본 발명의 다른 실시 예에 따르면, 다수의 명령어는 비즈니스 목표, 해당 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무에 대한 목표인 비즈니스 프로세스 목표, 및 해당 비즈니스 목표 또는 비즈니스 프로세스 목표에 대한 수치적 목표를 각각 설정하기 위한 명령어, 위 활동 또는 업무와 관련된 제 1 현상이 해당 비즈니스 목표, 비즈니스 프로세스 목표 및 성과 목표 중 적어도 어느 하나를 달성하는 데에 부정적인 기여를 하는 현상인 문제점에 해당된다고 가정하여 가정된 문제점을 모델링하기 위한 명령어, 빅데이터를 분석한 결과에 기초하여, 가정된 문제점이 부정적인 기여를 하는 현상인 경우 가정된 문제점을 검증된 문제점으로 결정하기 위한 명령어, 위 활동 또는 업무와 관련된 제 2 현상이 해당 비즈니스 목표, 비즈니스 프로세스 목표 및 성과 목표 중 적어도 어느 하나를 달성하는 데에 긍정적인 기여를 하거나 검증된 문제점을 해결할 수 있는 현상인 해결책에 해당된다고 가정하여 가정된 해결책을 모델링하기 위한 명령어, 빅데이터를 분석한 결과에 기초하여, 가정된 해결책이 긍정적인 기여를 하는 현상인 경우 가정된 해결책을 검증된 해결책으로 결정하기 위한 명령어, 및 검증된 해결책을 기초로 위 활동 또는 업무를 수정하기 위한 명령어를 포함할 수 있다. 또한, 다수의 명령어는 라벨 전파(label propagation) 알고리즘에 따라 복수의 대안의 장점 및 단점을 각각 비교하여 최종 대안을 선택하기 위한 명령어, 및 수행 담당에게 수정된 활동 또는 업무를 할당하기 위한 명령어를 더 포함할 수 있다.
이러한 명령어는 컴퓨팅 시스템(200) 또는 프로세서(210)에 의해, 비즈니스 상황(context)에서 설정되는 목표와 관련된 문제점 및 해결책을 가정하고 가정된 문제점 및 가정된 해결책을 검증하며 검증된 문제점 및 검증된 해결책을 통해 목표를 비즈니스 프로세스(목표 포함)를 개선 및 수정하는 데에 사용될 수 있다. 이때, 해결책에 대한 가정 및 검증 과정은 검증된 문제점까지 고려할 수 있기 때문에, 해결책에 대한 가정 및 검증 과정의 신뢰성이 향상될 수 있다.
또한, 일부 실시 예에 따른 컴퓨팅 시스템(200)은 상술한 각각의 명령어에 대응하는 개별 동작 중 일부 또는 전부를 수행하는 모듈 또는 구성을 포함할 수 있다.
아울러, 일부 실시 예에 따른 컴퓨팅 시스템(200)은 다수의 명령어 중 적어도 하나를 실행한 결과에 상응하는 데이터를 시각화하여 디스플레이 하도록 구성된 유저 인터페이스를 더 포함할 수 있다. 유저 인터페이스는 상술한 유저 입출력 서브시스템(230) 및 디스플레이 서브시스템(250)과 연결되어 동작할 수 있다.
이때, 유저 인터페이스는 비기능적 요구사항 프레임워크(Non-Functional Requirement(NFR) Framework)에서의 소프트 목표 상호의존 그래프(SIG), 문제점 상호의존 그래프(PIG), 및 비즈니스 프로세스 모델 표기법(BPMN)을 기초로 구성된 비즈니스 상황 통합 언어를 이용할 수 있다.
참고로, 비즈니스 상황 통합 언어는 빅데이터를 분석하기 위해 구성된 빅쿼리 또는 빅데이터 분석 플랫폼(40), 및 빅데이터를 모델링하는 데에 사용될 수 있다. 이때, 비즈니스 상황 통합 언어의 구성요소와 모델링 대상 간의 관계는 도 1에 도시된 바와 같다.
또한, 문제점 상호의존 그래프(PIG)는 소프트 목표 상호의존 그래프(SIG)의 변형된 형태이고, 비기능적 요구사항 프레임워크에서 비기능적 소프트 목표는 "Type [Topic]"(예를 들어 "효율적인(effective) [할인가격 결정(clearance pricing decision)]")과 같은 형태로 표현되는바, 명세서 전체에서 가정된 문제점과 검증된 문제점 및 가정된 해결책과 검증된 해결책은 동일한 "Type [Topic]" 형태로 표현될 수 있다. 여기서, Type 항목은 비기능적(Non-Functional) 속성 값을 나타내고, Topic 항목은 Type 항목에 해당하는 기능적(Functional) 속성 값을 나타내며, Topic 항목은 비즈니스 프로세스 모델 표기법(BPMN)에 의해 표기된 비즈니스 프로세스를 구성하는 요소(element)에 대응한다.
유저 인터페이스에 대한 자세한 설명은 의류 판매 비즈니스의 할인가격 결정과 관련된 예시와 함께 후술하기로 한다.
지금까지 설명한 컴퓨팅 시스템은 비즈니스 상황(context)에서 성취하고자 하는 목표 달성과 관련된 다수의 대안 중에서 최적의 방안을 선정할 수 있고, 비즈니스 설계를 위하여 빅데이터 분석 결과를 접목시킴으로써 새로운 가치 창출과 함께 시스템의 신뢰성 및 정확성을 향상시킬 수 있다.
<목표 지향적 빅데이터 비즈니스 분석 프레임워크에 의한 컴퓨터 실행 프로세스>
이하에서는 도 3을 참고하여 설명하기로 한다. 도 3은 일부 실시 예에 따른 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템에 의한 컴퓨터 실행 프로세스를 도시한 순서도이다. 여기서, 컴퓨팅 시스템의 구성은 특별히 제한되지 않으나 설명의 편의를 위해 도 2에 도시된 상세 구성을 참고할 수 있다.
우선 컴퓨팅 시스템(200) 또는 적어도 하나의 프로세서(210)는 비즈니스 상황(context)에서 성취하고자 하는 목표를 설정한다(S310).
일부 실시 예에 따르면, S310 단계에서는 비즈니스 목표, 해당 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무에 대한 목표인 비즈니스 프로세스 목표, 및 해당 비즈니스 목표 또는 비즈니스 프로세스 목표에 대한 성과 목표를 각각 설정한다.
또한, 일부 실시 예에 따르면, S310 단계의 비즈니스 목표, 비즈니스 프로세스 목표, 및 성과 목표는 각각 비즈니스의 이해관계자에 종속되어 설정될 수 있다. 예를 들어, 설정 과정에서 이해관계자와의 인터뷰가 반영될 수 있다.
또한, 일부 실시 예에서는, 빅데이터를 사용하여 성과 목표와 비즈니스 프로세스(비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무) 간의 상호 연관관계(correlation)를 분석함으로써, 임의의 활동 또는 업무가 비즈니스 목표를 달성하는 데에 부정적인 기여 또는 긍정적인 기여를 하는지에 대하여 나타내는 비즈니스 목표-비즈니스 프로세스 맵(map)을 구성할 수 있다. 이렇게 구성된 맵을 통해 비즈니스 프로세스가 비즈니스 목표에 대하여 어떠한 영향을 미치는지를 전제적인 관점에서 파악할 수 있다.
다음으로, 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템(200) 또는 적어도 하나의 프로세서(210)는 빅데이터 분석을 수행하여 빅데이터 분석 결과를 통해 S310 단계에서 설정된 목표에 대한 문제점을 진단한다(S320). 이때, 빅데이터 분석은 빅쿼리 또는 빅데이터 분석 플랫폼(40)을 이용하여 이루어질 수 있고, 경우에 따라 비즈니스 목표-비즈니스 프로세스 맵에서 발견된 문제점을 고려하여 이루어질 수도 있다.
본 발명의 일부 실시 예에서는 S320 단계를 생략하고 바로 S330 단계를 수행할 수 있다.
본 발명의 다른 실시 예에 따르면, S320 단계에서는 제 1 현상이 S310 단계에서 설정된 비즈니스 목표, 비즈니스 프로세스 목표, 및 성과 목표 중 적어도 어느 하나를 달성하는 데에 부정적인 기여를 하는 현상인 문제점에 해당된다고 가정하여 가정된 문제점을 명시적으로(explicitly) 모델링한다. 이때, 제 1 현상은 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무와 관련된 현상일 수 있다.
또한 S320 단계에서는 제 1 빅쿼리 또는 빅데이터 분석 플랫폼(40)을 사용하여 빅데이터를 분석한 결과에 기초하여, 가정된 문제점이 부정적인 기여를 하는 현상인 경우 가정된 문제점을 검증된 문제점으로 결정한다. 이때, 제 1 빅쿼리는 개념적(conceptual) 모델링과 빅데이터를 연결하는 매개체로서, SQL과 NoSQL 중 적어도 어느 하나의 언어로 구성되어, 통합 빅데이터 플랫폼(30)에 저장된 다수의 데이터베이스에 대하여 질의를 하기 위해 사용될 수 있다.
즉, 빅데이터 분석 결과 또는 빅쿼리 결과는 가정된 문제점을 검증하기 위한 클레임으로서 사용되고, 목표 지향적 접근 과정에서 다양한 질의어 및 질의문이 사용될 수 있으며, 다양한 데이터베이스 내 데이터가 선택적으로 분석 대상으로 고려될 수 있다. 분석 방법은 종래에 알려진 다양한 방법 중 어느 하나 또는 복수의 방법의 조합일 수 있으며, 특별히 어느 것으로 제한되는 것은 아니다.
또한, 비즈니스 관련 문제점을 진단하는 과정에서 이해관계자와의 인터뷰가 반영될 수 있다.
다음으로, 컴퓨팅 시스템(200) 또는 적어도 하나의 프로세서(210)는 빅데이터 분석을 수행하여 빅데이터 분석 결과를 통해 S310 단계에서 설정된 목표에 대한 해결책을 도출한다(S330). 이때, 빅데이터 분석은 빅쿼리 또는 빅데이터 분석 플랫폼(40)을 이용하여 이루어질 수 있다.
본 발명의 일 실시 예에 따르면, S330 단계에서는 소정의 현상이 S310 단계에서 설정된 비즈니스 목표, 비즈니스 프로세스 목표, 및 성과 목표 중 적어도 어느 하나를 달성하는 데에 긍정적인 기여를 하는 현상인 해결책에 해당된다고 가정하여 가정된 해결책을 명시적으로(explicitly) 모델링한다. 이때, 소정의 현상은 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무와 관련된 현상일 수 있다.
또한 S330 단계에서는 소정의 빅쿼리 또는 빅데이터 분석 플랫폼(40)을 사용하여 빅데이터를 분석한 결과에 기초하여, 가정된 해결책이 긍정적인 기여를 하는 현상인 경우 가정된 해결책을 검증된 해결책으로 결정한다. 이때, 소정의 빅쿼리는 개념적(conceptual) 모델링과 빅데이터를 연결하는 매개체로서, SQL과 NoSQL 중 적어도 어느 하나의 언어로 구성되어, 통합 빅데이터 플랫폼(30)에 저장된 다수의 데이터베이스에 대하여 질의를 하기 위해 사용될 수 있다.
본 발명의 다른 실시 예에 따르면, S330 단계에서는 제 2 현상이 S310 단계에서 설정된 비즈니스 목표, 비즈니스 프로세스 목표, 및 성과 목표 중 적어도 어느 하나를 달성하는 데에 긍정적인 기여를 하는 현상이거나 S320 단계의 검증된 문제점을 해결할 수 있는 현상인 해결책에 해당된다고 가정하여 가정된 해결책을 명시적으로(explicitly) 모델링한다. 이때, 제 2 현상은 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무와 관련된 현상일 수 있다.
또한 S330 단계에서는 제 2 빅쿼리 또는 빅데이터 분석 플랫폼(40)을 사용하여 빅데이터를 분석한 결과에 기초하여, 가정된 해결책이 긍정적인 기여를 하는 현상인 경우 가정된 해결책을 검증된 해결책으로 결정한다. 이때, 제 2 빅쿼리는 개념적(conceptual) 모델링과 빅데이터를 연결하는 매개체로서, SQL과 NoSQL 중 적어도 어느 하나의 언어로 구성되어, 통합 빅데이터 플랫폼(30)에 저장된 다수의 데이터베이스에 대하여 질의를 하기 위해 사용될 수 있다.
즉, 빅데이터 분석 결과 또는 빅쿼리 결과는 가정된 해결책을 검증하기 위한 클레임으로서 사용되고, 목표 지향적 접근 과정에서 다양한 질의어 및 질의문이 사용될 수 있으며, 다양한 데이터베이스 내 데이터가 선택적으로 분석 대상으로 고려될 수 있다. 분석 방법은 종래에 알려진 다양한 방법 중 어느 하나 또는 복수의 방법의 조합일 수 있으며, 특별히 어느 것으로 제한되는 것은 아니다.
다음으로, 컴퓨팅 시스템(200) 또는 적어도 하나의 프로세서(210)는 S310 단계에서 설정된 목표를 성취하기 위해 비즈니스 프로세스를 개선 또는 수정하기 위한 처리를 수행한다(S340).
일부 실시 예에 따르면, S340 단계에서는 S330 단계의 검증된 해결책을 기초로 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무를 수정하거나 다시 생성한다.
즉, 본 발명의 일 실시 예에 따를 때 S310 단계, S330 단계 및 S340 단계를 거치는 3 스텝을 통해 목표 지향적 빅데이터 비즈니스 분석이 수행되고, 본 발명의 다른 실시 예에 따를 때 S310 단계 내지 S340 단계를 거치는 4 스텝을 통해 목표 지향적 빅데이터 비즈니스 분석이 수행된다.
또한, 일부 실시 예에 따르면, S340 단계에서는 복수의 검증된 해결책을 조합하여 적용함으로써 복수의 비즈니스 프로세스 대안을 모델링하고, 라벨 전파(label propagation) 알고리즘에 따라 복수의 비즈니스 프로세스 대안의 장점 및 단점을 각각 비교하여 최종 비즈니스 프로세스 대안을 선택할 수 있다.
여기서, 라벨 전파 알고리즘이란 비기능적 요구사항 프레임워크(NFR Framework)로부터 적용한 개념으로서, 하위의 목표가 상위의 목표에 어떠한 영향을 미치는지 평가하는 알고리즘을 의미한다.
구체적으로, 부정적 영향이 표현된 지식(knowledge)이 해당 도메인의 전체 지식이라는 가정을 하는 폐쇄적 세계관 가정(closed world assumption)을 하거나 부정적 영향이 표현된 지식이 해당 도메인의 전체 지식과 차이가 있다는 가정을 하는 개방적 세계관 가정(open world assumption)을 하는지에 따라 상위 목표에 대한 영향은 달라진다.
예를 들면, 폐쇄적 세계관 가정에서 하위 목표가 상위 목표에 "MAKE"의 관계를 가지고(긍정적인 기여) 하위 목표가 "Denied" 라면, 상위 목표는 "Denied"가 된다. 하지만 개방적 세계관 가정에서 동일한 상황이라면, 상위 목표는 "Undecided"가 된다. 또한 하위 목표가 상위 목표에 "HURT"의 관계를 가지고(부정적인 기여) 하위 목표가 "Denied" 되면, 상위 목표는 "Weakly Satisfied"가 된다. 하지만 개방적 세계관 가정에서 동일한 상황이라면, 상위 목표는 "Undecided"가 된다.
긍정적 영향이 표현된 지식의 경우 폐쇄적 세계관 가정과 개방적 세계관 가정 모두에서 하위 목표가 상위 목표에 "MAKE"의 관계를 가지고 하위 목표가 "Satisfied"라면, 상위 목표도 마찬가지로 "Satisfied"가 된다. 또한 하위 목표가 상위 목표에 "HURT"의 관계를 가지고 하위 목표가 "Satisfied"라면, 상위 목표는 "Denied" 된다.
이때, 영향 또는 기여의 정도에 따라 satisfied, weakly satisfied, weakly denied, denied, conflict가 될 수 있다.
본 발명에서의 라벨 전파 알고리즘은 비즈니스 목표와 성과 목표, 비즈니스 프로세스 목표 및 비즈니스 프로세스를 모두 목표로 인식할 수 있어, 비기능적 요구사항 프레임워크의 라벨 전파 알고리즘을 따를 뿐만 아니라 BPMN 요소 내에서의 전파 알고리즘을 추가할 수 있다. BPMN 요소는 전체(whole)와 부분(part)의 관계로 표현될 수 있으며, 비즈니스 프로세스 목표를 성취함에 있어서 각각의 부분(part) 요소는 서로 AND 혹은 OR의 관계를 갖게 된다.
본 발명에서의 라벨 전파 알고리즘은 종래 라벨 전파 알고리즘과 달리, 각각의 관계가 빅데이터 분석 결과를 기반으로 결정되기 때문에 좀더 신뢰성 있는 추론 결과를 이루어 낼 수 있을 뿐만 아니라, 비즈니스 프로세스 내에서 전체와 부분 관계로 표현되는 BPMN 요소 중 어느 부분(part)이 문제점인지를 용이하게 파악하여 수정할 수 있다.
이처럼 라벨 전파 알고리즘에 따르면 각각의 비즈니스 프로세스 대안이 비즈니스 목표 달성과 관련하여 미치는 영향 정도를 판단할 수 있고, 영향 정도는 fully denied, weakly denied, conflict, weakly satisfied 및 fully satisfied 중 어느 하나로 나타날 수 있다. 이하의 라벨 전파 알고리즘도 동일한 컨셉 하에 적용되므로, 중복되는 설명은 생략하기로 한다.
다음으로, 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템(200) 또는 적어도 하나의 프로세서(210)는 수행 담당(agent)에게 S340 단계에서 개선 또는 수정된 비즈니스 프로세스를 할당 또는 배정한다(S350).
일부 실시 예에 따르면, S350 단계에서는 수행 담당에게 수정되거나 다시 생성된 활동 또는 업무를 할당한다. 이때, 수행 담당은 사람(people agent), 개발 대상 시스템(to-be system agent), 혹은 타 시스템(other-system agent)일 수 있다.
만약 특정 활동 또는 업무가 사람이나 타 시스템에게 할당되면 그 특정 활동 또는 업무는 기대사항(expectation)이 되고, 만약 특정 활동 또는 업무가 개발 대상 시스템에게 할당되면, 그 특정 활동 또는 업무는 소프트웨어 시스템의 추상 수준이 높은 (high abstraction level) 요구사항이 된다.
또한, 일부 실시 예에 따르면, S350 단계에서는 라벨 전파(label propagation) 알고리즘에 따라 복수의 수행 담당의 장점 및 단점을 각각 비교하여 최종 수행 담당을 선택하고, 선택된 최종 수행 담당에게 수정되거나 다시 생성된 활동 또는 업무를 할당할 수 있다.
라벨 전파 알고리즘에 따르면 각각의 수행 담당이 비즈니스 목표 달성과 관련하여 미치는 영향 정도를 판단할 수 있고, 영향 정도는 fully denied, weakly denied, conflict, weakly satisfied 및 fully satisfied 중 어느 하나로 나타날 수 있다.
다음으로, 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템(200) 또는 적어도 하나의 프로세서(210)는 S350 단계의 개선 또는 수정된 비즈니스 프로세스에 따른 수행 과정 및 상황을 모니터링하여 모니터링 정보를 수집 및 분석한다(S360).
일부 실시 예에 따르면, S360 단계에서는 수행 담당에 의한 수정된 활동 또는 업무에 따른 수행 과정을 모니터링하여 모니터링 정보를 수집 및 분석한다. 이때, 데이터 시각화(Visualization) 수단 및 리포팅 도구를 이용하여 S360 단계에서는 개선 또는 수정된 비즈니스 프로세스에 따른 수행 과정 및 상황을 실시간으로 모니터링 할 수 있다.
또한, 컴퓨팅 시스템(200) 또는 적어도 하나의 프로세서(210)는 수집 및 분석된 모니터링 정보를 기초로 S310 단계의 비즈니스 목표, 비즈니스 프로세스 목표, 및 성과목표 중 적어도 어느 하나를 재설정한다.
또한, 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템(200)은 S310 단계 내지 S360 단계 중 적어도 하나의 단계를 수행한 결과에 상응하는 데이터를 시각화하여 디스플레이 하도록 구성된 유저 인터페이스를 제공한다.
구체적으로, 유저 인터페이스에서는 비기능적 요구사항(Non-Functional Requirement) 프레임워크에서의 소프트 목표 상호의존 그래프(SIG), 문제점 상호의존 그래프(PIG), 및 비즈니스 프로세스 모델 표기법(BPMN)을 기초로 구성된 비즈니스 상황 통합 언어를 이용할 수 있다.
보다 구체적으로, 비즈니스 상황 통합 언어는 빅데이터 분석을 위해 구성된 빅쿼리 또는 빅데이터 분석 플랫폼(40), 및 빅데이터를 모델링할 수 있다. 또한, 해당 언어는 비즈니스 목표, 비즈니스 프로세스 목표, 성과 목표(KPI 포함), 비즈니스 프로세스, 비즈니스 관련 문제점 및 해결책, 수행 담당, 이해관계자 등과 같이 명세서 전체에서 중요하게 다루는 주요 개념을 모델링할 수 있으며, S310 단계에서 설명한 비즈니스 목표-비즈니스 프로세스 맵(map)을 모델링할 수도 있다.
또한, 상술한 바와 같이, 가정된 문제점과 검증된 문제점 및 가정된 해결책과 검증된 해결책은 "Type [Topic]" 형태로 표현되는데, Type 항목은 비기능적(Non-Functional) 속성 값을 나타낸다. Topic 항목은 Type 항목에 해당하는 기능적(Functional) 속성 값을 나타내고, 비즈니스 프로세스 모델 표기법(BPMN)에 의해 표기된 비즈니스 프로세스를 구성하는 요소(element)에 대응한다.
예를 들어, 비기능적 요구사항 프레임워크에서의 패턴 카탈로그를 이용하여 Type 항목이 좀더 상세하게 정제(refine)될 수 있고, Topic 항목은 비즈니스 프로세스를 구성하는 요소로 좀더 상세하게 정제(refine)될 수 있다.
나아가, 도 4를 참고하여 위 컴퓨터 실행 프로세스에 대하여 좀더 상세히 설명한다. 도 4는 일부 실시 예에 따른 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템이 빅쿼리 또는 빅데이터 분석 결과를 토대로 문제점 및 해결책을 검증하는 프로세스를 도시한 도면이다.
이하 설명할 S410 단계 내지 S430 단계는 도 3의 S320 단계 및 S330 단계를 보다 상세하게 설명하기 위한 것이다.
S410 단계에는 목표 지향적 빅데이터 비즈니스 분석 프레임워크의 일부가 도시되어 있다.
S410 단계의 빅데이터 분석 플랫폼 또는 빅데이터 분석을 위한 전용 프로세서는 자체적으로 또는 빅쿼리(질의문)를 이용하여 통합 빅데이터 플랫폼에 수집 및 저장된 다수의 데이터를 분석한다. 빅데이터 분석을 위한 전용 프로세서는 일부 실시 예에 따른 컴퓨팅 시스템(200) 내에 위치하거나, 빅데이터 분석 플랫폼 내에 위치하여 컴퓨팅 시스템(200)과 연결될 수 있다.
이때, 분석 대상은 비즈니스 목표, 비즈니스 프로세스 목표, 성과 목표(KPI 포함), 비즈니스 관련 문제점 및 해결책과의 관련성 등을 고려하여 선택적으로 결정될 수 있다.
이러한 분석 대상 또는 빅데이터는 다양한 머신 러닝 알고리즘에 의해 분석될 수 있고, 분석 결과는 데이터 간의 상호 연관관계에 대한 분석 및 예측을 포함할 수 있다. 예를 들어, 빅데이터 분석 플랫폼은 클러스터된 컴퓨팅 플랫폼인 Spark에 의해 구현될 수 있는데, 분석 결과 내 예측은 Spark에서 제공하는 예측 알고리즘을 통해 분석 대상에 대한 예측 분석을 한 결과물일 수 있다. 또한, 다양한 머신 러닝 알고리즘 및 예측 알고리즘이 존재할 수 있고, 정확도 및 성능 등의 고려사항과 사용 목적 등에 따라 각 알고리즘의 장점 및 단점을 비교하여 사용할 알고리즘을 선택할 수 있다.
또한, S410 단계에서 복수의 빅쿼리가 존재할 수 있다. 즉 일부 실시 예에 따른 컴퓨팅 시스템(200)은 라벨 전파(label propagation) 알고리즘에 따라 복수의 빅쿼리의 장점 및 단점을 각각 비교하여 최종 빅쿼리를 선택할 수 있다.
라벨 전파 알고리즘에 따르면 각각의 빅쿼리가 비즈니스 목표 달성과 관련하여 미치는 영향 정도를 판단할 수 있고, 영향 정도는 fully denied, weakly denied, conflict, weakly satisfied 및 fully satisfied 중 어느 하나로 나타날 수 있다.
여기서, 빅쿼리는 SQL과 NoSQL 중 적어도 어느 하나의 언어로 구성될 수 있고, 통합 빅데이터 플랫폼에 저장된 다수의 데이터베이스에 대하여 질의를 하는 데에 사용될 수 있다.
예를 들어, 빅데이터 분석 플랫폼은 클러스터된 컴퓨팅 플랫폼인 Spark에 의해 구현될 수 있는데, 분석대상인 데이터베이스가 SQL과 NoSQL 중 어느 언어로 구축되었는지 여부와 상관없이 Spark SQL을 통해 SQL 형태로 질의가 이루어질 수 있다.
다음으로 S420 단계에는 가정된 문제점을 검증하여 검증된 문제점으로 결정하는 과정이 도시되어 있고, 일부 실시 예에 따른 컴퓨팅 시스템(200)에 의해 이러한 과정이 이루어질 수 있다.
상술한 것처럼 본 발명의 일 실시 예에서는 S420 단계를 생략하고 S430 단계를 수행하는 반면, 본 발명의 다른 실시 예에서는 S420 단계 및 S430 단계를 수행한다.
S420 단계에서 복수의 가정된 문제점이 존재할 수 있는데, 복수의 가정된 문제점은 아래와 같은 방식에 의해 모델링되고 그 중 일부가 선택될 수 있다.
일부 실시 예에서는 비즈니스 목표 또는 비즈니스 프로세스 목표에 대한 성과 목표를 부정(negation)하여 소정의 현상에 대하여 다수의 가정된 문제점을 모델링할 수 있다.
또한, 일부 실시 예를 따를 때 비즈니스 목표를 달성하는 과정과 관련된 업무 또는 활동은 계층적으로 구성된 복수의 서브 업무 또는 서브 활동을 포함할 수 있고, 이들 관계는 마치 양파 형상과 같은 구조를 가질 수 있다.
이에 컴퓨팅 시스템(200)은 가장 바깥쪽(the most outer) 서브 업무 또는 서브 활동으로부터 가장 안쪽(the most inner) 서브 업무 또는 서브 활동까지 검토하는 탑-다운(top-down) 방식, 가장 안쪽 서브 업무 또는 서브 활동으로부터 가장 바깥쪽 서브 업무 또는 서브 활동까지 검토하는 바텀-업(bottom-up) 방식, 및 탑-다운 방식과 바텀-업 방식을 조합한 하이브리드(hybrid) 방식 중 적어도 하나를 이용하여 소정의 현상에 대한 다수의 가정된 문제점 중 핵심 가정된 문제점 또는 근본 원인(root cause)을 모델링할 수 있다.
또한, S420 단계에서 검증 과정 이후에 복수의 검증된 문제점이 존재할 수 있다. 즉 일부 실시 예에 따른 컴퓨팅 시스템(200)은 라벨 전파(label propagation) 알고리즘에 따라 복수의 검증된 문제점의 장점 및 단점을 각각 비교하여 최종 검증된 문제점을 선택할 수 있다.
라벨 전파 알고리즘에 따르면 각각의 검증된 문제점이 비즈니스 목표 달성과 관련하여 미치는 영향 정도를 판단할 수 있고, 영향 정도는 fully denied, weakly denied, conflict, weakly satisfied 및 fully satisfied 중 어느 하나로 나타날 수 있다.
예를 들어, S420 단계에서는 도 4에 도시된 것처럼 A 현상이 비즈니스 목표, 비즈니스 프로세스 목표 및 성과 목표 중 적어도 어느 하나를 달성하는 데에 부정적인 기여를 하는 현상인 문제점에 해당된다고 가정하여 가정된 문제점 a1 내지 a3을 모델링할 수 있다. 가정된 문제점 a1 내지 a3 중 핵심 가정된 문제점 a2가 모델링될 수 있다.
또한, S420 단계에서는 도 4에 도시된 것처럼 S410 단계의 빅데이터를 이용한 목표 지향적 비즈니스 분석 결과를 이용하여 가정된 문제점 a2를 검증된 문제점 a2로 결정할 수 있다. 나머지 가정된 문제점 a1 및 a3은 이후 단계에서 고려되지 않도록 배제될 수 있다.
다음으로 S430 단계에는 가정된 해결책을 검증하여 검증된 해결책으로 결정하는 과정이 도시되어 있고, 일부 실시 예에 따른 컴퓨팅 시스템(200)에 의해 이러한 과정이 이루어질 수 있다.
S430 단계에서 복수의 가정된 해결책이 존재할 수 있는데, 복수의 가정된 해결책은 아래와 같은 방식에 의해 모델링되고 그 중 일부가 선택될 수 있다.
일부 실시 예에서는 비즈니스 목표 또는 비즈니스 프로세스 목표에 대한 성과 목표 또는 S420 단계의 검증된 문제점을 부정(negation)하여 소정의 현상에 대하여 다수의 가정된 해결책을 모델링할 수 있다.
일반적으로 문제점과 해결책은 서로 부정적인 관계를 가지지만, 다수의 문제점과 다수의 해결책에 대한 상호 연관관계를 분석하면 긍정적인 관계를 가지는 문제점과 해결책이 존재할 수 있다. 따라서, 이러한 상호 연관관계가 사전에 이루어질 필요성이 있다.
또한, 일부 실시 예를 따를 때 비즈니스 목표를 달성하는 과정과 관련된 업무 또는 활동은 계층적으로 구성된 복수의 서브 업무 또는 서브 활동을 포함할 수 있고, 이들 관계는 마치 양파 형상과 같은 구조를 가질 수 있다.
이에 컴퓨팅 시스템(200)은 탑-다운(top-down) 방식, 바텀-업(bottom-up) 방식, 및 하이브리드(hybrid) 방식 중 적어도 하나를 이용하여 소정의 현상에 대한 다수의 가정된 해결책 중 핵심 가정된 해결책을 모델링할 수 있다.
여기서, 탑-다운 방식, 바텀-업 방식, 및 하이브리드 방식에 대한 설명은 중복되므로 생략한다.
또한, S430 단계에서 검증 과정 이후에 복수의 검증된 해결책이 존재할 수 있다. 즉 일부 실시 예에 따른 컴퓨팅 시스템(200)은 라벨 전파(label propagation) 알고리즘에 따라 복수의 검증된 해결책의 장점 및 단점을 각각 비교하여 최종 검증된 해결책을 선택할 수 있다.
라벨 전파 알고리즘에 따르면 각각의 검증된 해결책이 비즈니스 목표 달성과 관련하여 미치는 영향 정도를 판단할 수 있고, 영향 정도는 fully denied, weakly denied, conflict, weakly satisfied 및 fully satisfied 중 어느 하나로 나타날 수 있다.
예를 들어, S430 단계에서는 도 4에 도시된 것처럼 B 현상이 비즈니스 목표, 비즈니스 프로세스 목표 및 성과 목표 중 적어도 어느 하나를 달성하는 데에 긍정적인 기여를 하는 현상이거나 S420 단계의 검증된 문제점을 해결할 수 있는 현상인 해결책에 해당된다고 가정하여 가정된 해결책 b1 및 b2를 모델링할 수 있다. 가정된 해결책 b1 및 b2 중 핵심 가정된 해결책 b1이 모델링될 수 있다.
또한, S430 단계에서는 도 4에 도시된 것처럼 S410 단계의 목표 지향적 빅데이터 비즈니스 분석 결과를 이용하여 가정된 해결책 b1 및 b2 모두를 검증된 해결책 b1 및 b2로 결정할 수 있다. 검증된 해결책 b1 및 b2 중 어느 하나가 최종 검증된 해결책으로 선택될 수 있다.
이후에는 도 3을 참고로 설명한 것처럼, 적어도 하나의 검증된 해결책을 기초로 초기에 S410 단계 이전에 설정된 비즈니스 프로세스를 개선 및 수정할 수 있다. 여기서, 검증된 해결책은 Type [Topic] 형태로 표현되고 Topic 항목은 비즈니스 프로세스 모델 표기법(BPMN)에 의해 표기된 비즈니스 프로세스를 구성하는 요소(element)에 대응하므로, Topic 항목을 참고하여 비즈니스 프로세스의 요소를 수정할 수 있다.
이처럼 데이터 지향적(data-oriented) 접근과 목표 지향적(goal-oriented) 접근에 기반한 빅데이터 분석 결과를 이용함으로써, 비즈니스 상황(context)에서 성취하고자 하는 목표를 위해 비즈니스 프로세스는 합리적이고 적절하게 조정 및 수정될 수 있다.
<목표 지향적 빅데이터 비즈니스 분석 프레임워크 >
지금까지 설명한 본 발명에서 제안하는 컴퓨팅 시스템 및 컴퓨터 실행방법은 "아이리스(IRIS)"라고 명명한 목표 지향적 빅데이터 비즈니스 분석 프레임워크 또는 체계로 구현될 수 있고, 이하에서는 해당 프레임워크에 대하여 설명하기로 한다.
목표 지향적 빅데이터 비즈니스 분석 프레임워크는 기술적이고(descriptive) 예측적이면서(predictive) 지시적인(prescriptive) 분석을 지원할 수 있고, 빅데이터의 5V(Value, Volume, Velocity, Variety, Veracity) 특징을 다룰 수 있다.
예를 들어, Value 특징은 빅데이터를 비즈니스 목표, 비즈니스 프로세스 목표, 성과 목표, 비즈니스 프로세스 등과 연결하여 문제점을 진단하고 해결책을 제시하는 데에 클레임 자료로서 사용되는 것에 의해 다루어질 수 있다.
또한, Volume 특징은 Cassandra 혹은 Mongo 데이터베이스와 같은 NoSQL 데이터베이스 및 전통적인 형태의 관계형 데이터베이스 관리 시스템(RDBMS)을 구분하지 않고 분석하는 것에 의해 다루어질 수 있다.
또한, Velocity 특징은 분산 클러스터링 컴퓨팅 환경에서 다양한 인메모리(in-memory) 처리 기술을 사용하여 빅데이터를 빠르게 분석하는 것에 의해 다루어질 수 있으며, Variety 특징은 Spark를 채택하여 SQL과 NoSQL을 지원하는 데이터베이스의 구분 없이 연결 가능한 것에 의해 다루어질 수 있다.
또한, Veracity 특징도 시스템을 반복 구동시켜 비즈니스 상황 별로 데이터를 누적시키는 것에 의해 다루어질 수 있다.
도 5는 일부 실시 예에 따른 목표 지향적 빅데이터 비즈니스 분석 프레임워크 또는 시스템을 지원하는 도구에 대한 아키텍처를 도시한 것이다. 도 5에 도시된 것처럼 아키텍처는 비즈니스 상황 모델링 수단(비즈니스 상황 모델링 구성; 510), 빅데이터 분석 플랫폼(520), 통합 빅데이터 플랫폼(530) 및 데이터 시각화 수단(데이터 시각화 구성; 540)을 포함할 수 있다.
비즈니스 상황 모델링 구성(510)은 비즈니스 상황 모델링(Business Context Modeling)을 지원하는 구성으로서, 비즈니스 목표, 비즈니스 프로세스, 비즈니스 프로세스 목표, 비즈니스 관련 문제점 및 해결책, 이해관계자, 수행 담당 등과 같은 비즈니스 상황에서의 개념을 모델링 및 처리하고, 빅쿼리, 빅데이터 등과 같은 빅데이터 관련 개념도 모델링 및 처리할 수 있는 구성이다.
이러한 비즈니스 상황 모델링 구성(510)은 비즈니스 상황 통합 언어 및 이클립스 모델링 프레임워크(EMF)를 이용하여 비즈니스 상황 모델링의 구성요소를 생성, 수정, 삭제할 수 있고, 시리우스(Sirus)를 이용하여 모델링 구성요소를 디스플레이 장치의 화면에 시각화 및 표시할 수 있다.
비즈니스 상황 모델링 구성(510)은 빅쿼리를 통해 빅데이터 분석 플랫폼(520)과 연결되고, 빅데이터 분석 플랫폼(520)은 커넥터를 통해 통합 빅데이터 플랫폼(530)과 연결될 수 있다. 이때, 빅쿼리는 하위의 통합 빅데이터 플랫폼(530)의 타입과 상관없이 SQL 형식으로 데이터에 대한 질의를 지원할 수 있다. 예를 들어, Spark의 경우 Spark SQL을 통해 SQL 형식으로 데이터에 대한 질의가 이루어질 수 있다.
빅데이터 분석 플랫폼(520)과 통합 빅데이터 플랫폼(530)은 빅데이터를 핸들링하기 위한 구성이다.
빅데이터 분석 플랫폼(520)은 통합 빅데이터 플랫폼(530)의 데이터를 분석하고, 분석 결과를 기초로 문제점 및 해결책에 대해 이루어진 가정을 검증한다. 빅데이터 분석을 위해 질의어 또는 빅쿼리가 구성될 수 있다.
빅데이터 분석 플랫폼(520)은 Spark를 기반으로 구현될 수 있다. Spark는 탄력적 분산형 데이터셋(RDD)을 인메모리(in-memory)에서 사용함으로써, Map과　Reduce　두 함수를 이용하여 데이터를 처리하는 맵리듀스보다 신속하게 데이터를 처리할 수 있다. 즉 빅데이터 분석 플랫폼(520)은 분산 클러스터링 컴퓨팅 환경을 이용하여 빠르게 분석 결과를 획득할 수 있고, Spark에서 지원하는 머신 러닝 라이브러리를 통해 예측 결과를 획득할 수도 있다.
통합 빅데이터 플랫폼(530)은 다수의 데이터를 수집하여 저장한다.
통합 빅데이터 플랫폼(530)은 Cassandra 혹은 Mongo 데이터베이스와 같은 NoSQL 데이터베이스, 전통적인 형태의 SQL 기반 관계형 데이터베이스 관리 시스템(RDBMS), 및 Hadoop과 같은 HDFS 지원의 파일 시스템을 포함할 수 있다.
데이터 시각화 구성 (540)은 빅데이터를 위한 리포팅 도구인 BIRT(Business Intelligence and Reporting Tools)로 통합시킬 수 있고, BIRT에서 각각의 데이터베이스 플랫폼을 위한 빅쿼리를 사용하여 빅데이터에 대한 기술적인 분석 및 시각화 처리가 가능하다.
이러한 아키텍처 구성 및 지원 도구는 비즈니스 상황을 설계함에 있어서 신뢰성을 향상시키는 데에 도움이 될 수 있다.
<의류 판매 비즈니스 및 자동차 판매 비즈니스에 대하여 적용시킨 예시>
도 6 내지 도 12b는 의류 판매 비즈니스 또는 자동차 판매 비즈니스에 대하여 이러한 아키텍처 구성 및 지원 도구를 적용시킨 상태를 도시하고 있다.
우선 의류 판매 비즈니스를 위한 비즈니스 목표, 비즈니스 프로세스 목표, 및 성과 목표가 각각 설정된다. 추가적으로 의류 판매 비즈니스를 위한 이해관계자가 설정될 수 있다.
도 6은 의류 판매 비즈니스와 관련된 목표를 설정하고 그 목표에 대한 문제점을 검증하는 프로세스를 예시적으로 도시한 것이다.
비즈니스 목표는 "Revenue Lift [Zara Inc.]"로 설정되고, 비즈니스 프로세스 목표는 "Effective [Clearance Pricing Decision]"과 같이 설정되며, 보다 구체적인 하위 비즈니스 프로세스 목표는 "Reliable [Clearance Pricing Decision]" 및 "Timeliness [Clearance Pricing Decision]"과 같이 설정된다. 성과 목표는 "Achieve (Forecast Hit Rate > 25%)" 및 "Achieve (Processing Time < 15 days)"와 같이 설정된다. 이해관계자는 "Zara Inc." 및 "Planning Department"와 같이 설정된다.
도 7은 자동차 판매 비즈니스와 관련된 비즈니스 목표-비즈니스 프로세스 맵을 예시적으로 구성하여 도시한 것이다.
의류 판매 비즈니스를 위한 목표 등이 설정되면 도 7에 도시된 것과 같은 비즈니스 목표-비즈니스 프로세스 맵이 구성될 수 있다. 이렇게 구성된 맵은 비즈니스 목표에 대한 성과 목표와 비즈니스 프로세스 목표에 대한 성과 목표 간의 상호 연관관계(correlation) 분석을 이용하여 소정의 비즈니스 프로세스가 비즈니스 목표 또는 비즈니스 프로세스 목표를 달성하는 데에 부정적인 기여 또는 긍정적인 기여를 하는지에 대하여 전체적인 뷰를 나타낸다. 이때, 상호 연관관계는 Spark에서 제공하는 머신 러닝 라이브러리를 이용하여 분석될 수 있다. 이러한 맵을 통해 비즈니스 프로세스가 비즈니스 목표에 대하여 어떠한 영향을 미치는지를 파악할 수 있다.
다음으로 가정된 문제점 모델링 및 검증된 문제점 결정 과정이 진행된다.
의류 판매 비즈니스에서 관찰되는 현상에 대하여 가정된 문제점은 수치적 목표를 통해 생성될 수 있다. 예를 들어 "Not Achieved (Achieve (Forecast Hit Rate > 25%))"는 부정적인 기여를 하는 현상인 문제점에 해당된다고 가정하여 가정된 문제점을 생성한다.
가정된 문제점은 "Low Hit Rate [Clearance Sale]" 및 이에 대한 근본 원인인 "Low Hit Rate [Predict Demand Manually]"와 "Low Hit Rate [Predict Markdown Manually]"로 생성된다. 또한 가정된 문제점은 "Long Processing Time [Clearance Sale]" 및 이에 대한 근본 원인인 "Long Processing Time [Adjust Decision]"으로 생성된다.
빅쿼리(
Figure 112016097140888-pat00001
)를 사용하여 빅데이터를 분석한 결과에 기초하여, 가정된 문제점이 부정적인 기여를 하는 현상인 경우 가정된 문제점을 검증된 문제점으로 결정한다. 빅데이터 분석은 빅데이터 분석 플랫폼에서 이루어질 수도 있다.
ISO 5725에 따르면 "trueness"는 예측 값이 실제 값에 얼마나 근접했는지를 나타내고, "precision"은 예측 값들의 편차가 얼마나 있는지를 나타낸다. 즉 "trueness"는 실제적인 수요에 대한 현재 예측 수요를 나타낼 수 있는 반면에, "precision"은 축적된 trueness 데이터의 평균에 대한 현재 예측 수요를 나타낼 수 있다.
Figure 112016097140888-pat00002
위와 같은 제 1 빅쿼리와 제 2 빅쿼리는 "Low Hit Rate [Predict Demand Manually]"를 검증하기 위해 사용된다. 제 1 빅쿼리는 "trueness"와 "precision"을 동시에 고려하는 질의문이고 제 2 빅쿼리는 "trueness"만 고려하는 질의문이다. 빅쿼리는 SQL 포맷으로 만들어진다. 수치적 목표 등과의 관계를 고려하여 제 1 빅쿼리와 제 2 빅쿼리 중 가정된 문제점을 검증하는 데에 더 적합한 것이 선정될 수 있다. 이 예에서는 제1 빅쿼리가 선택되었다.
Figure 112016097140888-pat00003
위와 같은 제 3 빅쿼리와 제 4 빅쿼리는 "Low Hit Rate [Predict Markdown Manually]"를 검증하기 위해 사용되고, 제 5 빅쿼리와 제 6 빅쿼리는 "Long Processing Time [Adjust Decision]"을 검증하기 위해 사용된다. 마찬가지로 제3 빅쿼리와 제5 빅쿼리가 선택되었다.
다음으로 가정된 해결책 모델링 및 검증된 해결책 결정 과정이 진행된다. 앞서 설명한 가정된 문제점 모델링 및 검증된 문제점 결정 과정과 유사하게 진행될 수 있다.
도 8은 의류 판매 비즈니스와 관련된 목표에 대한 해결책을 검증하는 프로세스를 예시적으로 도시한 것이다.
의류 판매 비즈니스에서 관찰되는 현상에 대하여 가정된 해결책은 "Human Expertise [Clearance Pricing Prediction]", "Analytical Model [Clearance Pricing Prediction]" 및 "Big Data [Clearance Pricing Prediction]"으로 생성된다.
빅쿼리(
Figure 112016097140888-pat00004
)를 사용하여 빅데이터를 분석한 결과에 기초하여, 가정된 해결책이 긍정적인 기여를 하는 현상인 경우 가정된 해결책을 검증된 해결책으로 결정한다. 빅데이터 분석은 빅데이터 분석 플랫폼에서 이루어질 수도 있다.
Figure 112016097140888-pat00005
위와 같은 제 7 빅쿼리와 제 8 빅쿼리는 "Big Data [Clearance Pricing Prediction]"를 검증하기 위해 사용된다. 제 7 빅쿼리는 "social media fashion trend" 데이터와 "online & offline sales" 데이터를 모두 고려하는 질의문이고 제 8 빅쿼리는 "offline sales" 데이터만 고려하는 질의문이다. 제 7 빅쿼리와 제 8 빅쿼리 중 가정된 해결책을 검증하는 데에 더 적합한 것이 선정될 수 있는데, 예를 들어 더 다양한 관점의 데이터를 고려할 수 있는 제 7 빅쿼리가 선정될 수 있다.
다음으로, 의류 판매 비즈니스와 관련된 비즈니스 프로세스에 대한 개선 및 수정 과정이 진행된다.
도 9는 의류 판매 비즈니스와 관련된 비즈니스 프로세스를 수정하는 2가지 대안 프로세스를 예시적으로 도시한 것이다.
좌측 도면은 검증된 해결책인 "Analytical Model [Clearance Pricing Prediction]"만을 적용하여 수정한 결과를 나타내고, 우측 도면은 검증된 해결책인 "Big Data [Clearance Pricing Prediction]" 및 "Moderate Dis-intermediation [Adjust Decision]"을 모두 적용하여 수정한 결과를 나타낸다.
하나의 검증된 해결책을 적용하는 경우보다 두 가지 검증된 해결책을 적용하는 경우, 비즈니스 목표 및 비즈니스 프로세스 목표 등의 성취 가능성을 더 향상시킬 수 있다.
한편, 도 10은 자동차 판매 비즈니스와 관련하여 수정된 비즈니스 프로세스로부터 소프트웨어 시스템의 요구사항을 추출하는 프로세스를 예시적으로 도시한 것이다.
수행 담당은 To-be system agent로 할당된 상태이고, "Change Forecast Model Including BTO Rate[Forecast Demand]" 또는 "Visualize the Sales Change by BTO [Incorporate Sales Changes]"과 같은 검증된 해결책이 소프트웨어 시스템의 요구사항에 해당한다.
도 11은 의류 판매 비즈니스와 관련하여 수정된 비즈니스 프로세스에 따른 수행 과정을 모니터링하는 화면을 예시적으로 도시한 것이다.
비즈니스 프로세스 설계자, 이해관계자, 사용자, 운영자 등은 도 11에 도시된 리포팅 도구인 BIRT(Business Intelligence and Reporting Tools)를 이용하여 수행 과정을 시각화할 수 있고, 모니터링 정보를 실시간으로 확인할 수 있으며, 그에 대한 피드백을 시스템에 대하여 가할 수 있다.
도 12a 및 도 12b는 일부 실시 예에 따른 컴퓨터 실행방법을 수행하기 위한 도구에 의해 구현된 유저 인터페이스를 예시적으로 나타낸 도면이다.
도시된 것처럼 유저 인터페이스에는 비기능적 요구사항(Non-Functional Requirement) 프레임워크에서의 소프트 목표 상호의존 그래프(SIG), 문제점 상호의존 그래프(PIG), 및 비즈니스 프로세스 모델 표기법(BPMN)을 기초로 구성된 비즈니스 상황 통합 언어가 이용된다.
한편, 본 발명의 일부 실시 예는 컴퓨터에 의해 실행 가능한 명령어를 실행하도록 하는 프로그램 또는 상술한 컴퓨팅 시스템의 컴퓨터 실행방법 중 적어도 어느 하나의 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 가독형 기록매체의 형태로도 구현될 수 있다. 컴퓨터 가독형 기록매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 가독형 기록매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
본 발명의 방법 및 시스템은 특정 실시 예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍처를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (20)

  1. 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템에 의한 컴퓨터 실행방법에 있어서,
    비즈니스 목표, 상기 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무에 대한 목표인 비즈니스 프로세스 목표, 및 상기 비즈니스 목표 또는 상기 비즈니스 프로세스 목표에 대한 성과목표를 각각 설정하는 단계;
    제 1 현상이 상기 비즈니스 목표, 상기 비즈니스 프로세스 목표 및 상기 성과 목표 중 적어도 어느 하나를 달성하는 데에 긍정적인 기여를 하는 현상인 해결책에 해당된다고 가정하여 가정된 해결책을 모델링하는 단계;
    상기 가정된 해결책에 대하여 상기 컴퓨팅 시스템과 연결된 빅데이터 분석 플랫폼에 의한 제 1 빅데이터 분석결과를 기초로 판단해볼 때 상기 가정된 해결책이 긍정적인 기여를 하는 현상인 경우 상기 가정된 해결책을 검증된 해결책으로 결정하는 단계;
    상기 결정하는 단계에서 결정된 복수의 검증된 해결책을 기초로 상기 활동 또는 업무를 수정함으로써 복수의 비즈니스 프로세스 대안을 모델링하는 단계;
    각각의 비즈니스 프로세스 대안이 상기 비즈니스 목표, 상기 비즈니스 프로세스 목표 및 상기 성과 목표 중 적어도 어느 하나를 달성하는 데에 대해 미치는 영향의 정도를 평가하는 단계; 및
    상기 평가하는 단계의 평가 결과를 기초로 상기 복수의 검증된 해결책 중 핵심 검증된 해결책을 결정하는 단계를 포함하고,
    상기 영향의 정도는 긍정적인 정도 혹은 부정적인 정도를 나타내는 복수의 라벨로 미리 분류되는 것을 특징으로 하는 컴퓨터 실행방법.
  2. 제 1 항에 있어서,
    제 2 현상이 상기 비즈니스 목표, 상기 비즈니스 프로세스 목표 및 상기 성과 목표 중 적어도 어느 하나를 달성하는 데에 부정적인 기여를 하는 현상인 문제점에 해당된다고 가정하여 가정된 문제점을 모델링하는 단계; 및
    상기 가정된 문제점에 대하여 상기 빅데이터 분석 플랫폼에 의한 제 2 빅데이터 분석결과를 기초로 판단해볼 때 상기 가정된 문제점이 부정적인 기여를 하는 현상인 경우 상기 가정된 문제점을 검증된 문제점으로 결정하는 단계를 더 포함하고,
    상기 가정된 해결책을 모델링하는 단계는 상기 제 1 현상이 상기 검증된 문제점을 해결할 수 있는 현상인 해결책에 해당된다고 가정하여 가정된 해결책을 모델링하는 컴퓨터 실행방법.
  3. 제 2 항에 있어서,
    적어도 하나의 단계를 수행한 결과에 상응하는 데이터를 시각화하여 디스플레이 하도록 구성된 유저 인터페이스를 제공하는 단계를 더 포함하는 컴퓨터 실행방법.
  4. 제 3 항에 있어서,
    상기 유저 인터페이스를 제공하는 단계는 비기능적 요구사항(Non-Functional Requirement) 프레임워크에서의 소프트 목표 상호의존 그래프, 문제점 상호의존 그래프, 및 비즈니스 프로세스 모델 표기법을 기초로 구성된 비즈니스 상황 통합 언어를 이용하는 컴퓨터 실행방법.
  5. 제 4 항에 있어서,
    상기 비즈니스 상황 통합 언어는 상기 빅데이터를 분석하기 위해 구성된 빅쿼리 또는 빅데이터 분석 플랫폼, 및 상기 빅데이터를 모델링할 수 있는 것인, 컴퓨터 실행방법.
  6. 제 4 항에 있어서,
    상기 가정된 문제점과 검증된 문제점 및 상기 가정된 해결책과 검증된 해결책은 Type 항목과 Topic 항목이 결합된 형태로 표현되고,
    상기 Type 항목은 비기능적(Non-Functional) 속성 값을 나타내고, 상기 Topic 항목은 상기 Type 항목에 해당하는 기능적(Functional) 속성 값을 나타내며,
    상기 Topic 항목은 상기 비즈니스 프로세스 모델 표기법에 의해 표기된 비즈니스 프로세스를 구성하는 요소(element)에 대응하는 컴퓨터 실행방법.
  7. 제 2 항에 있어서,
    상기 가정된 문제점을 모델링하는 단계는 상기 성과 목표를 부정(negation)하여 상기 제 1 현상에 대하여 다수의 가정된 문제점을 모델링하고,
    상기 가정된 해결책을 모델링하는 단계는 상기 성과 목표 또는 상기 검증된 문제점을 부정(negation)하여 상기 제 2 현상에 대하여 다수의 가정된 해결책을 모델링하는 컴퓨터 실행방법.
  8. 제 2 항에 있어서,
    상기 업무 또는 활동은 계층적으로 구성된 복수의 서브 업무 또는 서브 활동을 포함하고,
    상기 가정된 문제점을 모델링하는 단계는 상기 제 1 현상에 대한 다수의 가정된 문제점 중 근본 원인(root cause)을 모델링하기 위하여, 가장 바깥쪽 서브 업무 또는 서브 활동으로부터 가장 안쪽 서브 업무 또는 서브 활동까지 검토하는 탑-다운 방식, 상기 가장 안쪽 서브 업무 또는 서브 활동으로부터 상기 가장 바깥쪽 서브 업무 또는 서브 활동까지 검토하는 바텀-업 방식, 및 상기 탑-다운 방식과 바텀-업 방식을 조합한 하이브리드 방식 중 적어도 하나를 이용하며,
    상기 가정된 해결책을 모델링하는 단계는 상기 제 2 현상에 대한 다수의 가정된 해결책 중 핵심 가정된 해결책을 모델링하기 위하여, 상기 탑-다운 방식, 상기 바텀-업 방식, 및 상기 하이브리드 방식 중 적어도 하나를 이용하는 컴퓨터 실행방법.
  9. 제 2 항에 있어서,
    상기 결정하는 단계에서 결정된 복수의 검증된 해결책이 상기 비즈니스 목표, 상기 비즈니스 프로세스 목표 및 상기 성과 목표 중 적어도 어느 하나를 달성하는 데에 대해 미치는 긍정적인 영향의 정도를 평가한 결과를 기초로 상기 복수의 검증된 해결책 중 핵심 검증된 해결책을 선택하는 단계;
    상기 결정하는 단계에서 결정된 복수의 검증된 문제점이 상기 비즈니스 목표, 상기 비즈니스 프로세스 목표 및 상기 성과 목표 중 적어도 어느 하나를 달성하는 데에 대해 미치는 부정적인 영향의 정도를 평가한 결과를 기초로 상기 복수의 검증된 문제점 중 핵심 검증된 문제점을 선택하는 단계; 및
    상기 핵심 검증된 해결책, 상기 핵심 검증된 문제점 및 상기 평가하는 단계의 평가 결과 중 적어도 하나를 기초로 복수의 비즈니스 프로세스 대안 중 최종 비즈니스 프로세스 대안을 선택하는 단계를 더 포함하는 컴퓨터 실행방법.
  10. 제 2 항에 있어서,
    라벨 전파(label propagation) 알고리즘에 따라 복수의 수행 담당의 장점 및 단점을 각각 비교하여 최종 수행 담당을 선택하는 단계; 및
    상기 최종 수행 담당에게 상기 복수의 비즈니스 프로세스 대안 중 하나의 활동 또는 업무를 할당하는 단계를 더 포함하는 컴퓨터 실행방법.
  11. 제 10 항에 있어서,
    상기 최종 수행 담당이 상기 할당된 활동 또는 업무를 수행하는 과정에 대한 모니터링 정보를 수집 및 분석하는 단계; 및
    상기 모니터링 정보를 기초로 상기 비즈니스 목표, 상기 비즈니스 프로세스 목표, 및 상기 성과목표 중 적어도 어느 하나를 재설정하는 단계를 더 포함하는 컴퓨터 실행방법.
  12. 제 1 항에 있어서,
    상기 비즈니스 목표, 상기 비즈니스 프로세스 목표, 및 상기 성과 목표는 각각 비즈니스의 이해관계자에 종속되어 설정되는 것인, 컴퓨터 실행방법.
  13. 제 1 항에 있어서,
    상기 빅데이터를 분석하기 위해 구성된 빅쿼리는 SQL, NoSQL 및 머신 러닝 알고리즘 기반 분석을 위한 언어 중 적어도 어느 하나의 언어로 구성되고,
    통합 빅데이터 플랫폼에 저장된 다수의 데이터베이스에 대하여 질의를 하는 데에 사용되는 것인, 컴퓨터 실행방법.
  14. 제 1 항에 있어서,
    상기 빅데이터를 분석하기 위해 구성된 복수의 빅쿼리의 장점 및 단점을 각각 비교하여 최종 빅쿼리를 선택하는 단계;
    복수의 검증된 문제점의 장점 및 단점을 각각 비교하여 최종 검증된 문제점을 선택하는 단계;
    복수의 검증된 해결책의 장점 및 단점을 각각 비교하여 최종 검증된 해결책을 선택하는 단계; 및
    복수의 비즈니스 프로세스 대안의 장점 및 단점을 각각 비교하여 최종 비즈니스 프로세스 대안을 선택하는 단계 중 적어도 어느 하나의 단계를 라벨 전파(label propagation) 알고리즘에 따라 수행하는 단계를 더 포함하는 컴퓨터 실행방법.
  15. 제 1 항에 있어서,
    상기 성과 목표와 상기 활동 또는 업무 간의 상호 연관관계 분석을 이용하여 상위 비즈니스 프로세스가 상기 비즈니스 목표를 달성하는 데에 부정적인 기여 또는 긍정적인 기여를 하는지에 대하여 나타내는 비즈니스 목표-비즈니스 프로세스 맵(map)을 구성하는 단계를 더 포함하는 컴퓨터 실행방법.
  16. 제 1 항에 있어서,
    상기 빅데이터는 머신 러닝 알고리즘에 의해 분석되고,
    데이터 간의 상호 연관관계에 대한 분석데이터, 최적화 데이터 및 예측데이터를 포함하는 컴퓨터 실행방법.
  17. 제 1 항 내지 제 16 항의 방법 중 어느 한 항의 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 가독형 기록매체.
  18. 목표 지향적 빅데이터 비즈니스 분석을 수행하는 컴퓨팅 시스템에 있어서,
    다수의 명령어를 저장하는 메모리; 및
    상기 메모리에 접속하도록 구성된 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는
    비즈니스 목표, 상기 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무에 대한 목표인 비즈니스 프로세스 목표, 및 상기 비즈니스 목표 또는 상기 비즈니스 프로세스 목표에 대한 성과 목표를 각각 설정하는 단계;
    제 1 현상이 상기 비즈니스 목표, 상기 비즈니스 프로세스 목표 및 상기 성과 목표 중 적어도 어느 하나를 달성하는 데에 부정적인 기여를 하는 현상인 문제점에 해당된다고 가정하여 가정된 문제점을 모델링하는 단계;
    상기 가정된 문제점에 대하여 상기 컴퓨팅 시스템과 연결된 빅데이터 분석 플랫폼에 의한 제 1 빅데이터 분석결과를 기초로 판단해볼 때 상기 가정된 문제점이 부정적인 기여를 하는 현상인 경우 상기 가정된 문제점을 검증된 문제점으로 결정하는 단계;
    제 2 현상이 상기 비즈니스 목표 또는 비즈니스 프로세스 목표 및 상기 성과 목표 중 적어도 어느 하나를 달성하는 데에 긍정적인 기여를 하거나 상기 검증된 문제점을 해결할 수 있는 현상인 해결책에 해당된다고 가정하여 가정된 해결책을 모델링하는 단계;
    상기 가정된 해결책에 대하여 상기 빅데이터 분석 플랫폼에 의한 제 2 빅데이터 분석결과를 기초로 판단해볼 때 상기 가정된 해결책이 긍정적인 기여를 하는 현상인 경우 상기 가정된 해결책을 검증된 해결책으로 결정하는 단계;
    상기 결정하는 단계에서 결정된 복수의 검증된 해결책을 기초로 상기 활동 또는 업무를 수정함으로써 복수의 비즈니스 프로세스 대안을 모델링하는 단계;
    각각의 비즈니스 프로세스 대안이 상기 비즈니스 목표, 상기 비즈니스 프로세스 목표 및 상기 성과 목표 중 적어도 어느 하나를 달성하는 데에 대해 미치는 영향의 정도를 평가하는 단계; 및
    상기 평가하는 단계의 평가 결과에 기초하여, 상기 복수의 검증된 문제점 중 최종 검증된 문제점을 결정하거나 상기 복수의 검증된 해결책 중 최종 검증된 해결책을 결정하는 단계를 포함하여 실행하고,
    상기 영향의 정도는 긍정적인 정도 혹은 부정적인 정도를 나타내는 복수의 라벨로 미리 분류되는 것을 특징으로 하는 컴퓨팅 시스템.
  19. 제 18 항에 있어서,
    상기 다수의 명령어 중 적어도 하나를 실행한 결과에 상응하는 데이터를 시각화하여 디스플레이 하도록 구성된 유저 인터페이스를 더 포함하는 컴퓨팅 시스템.
  20. 목표 지향적 빅데이터 비즈니스 분석 프레임워크를 제공하는 시스템에 있어서,
    비즈니스 목표, 상기 비즈니스 목표를 달성하는 과정과 관련된 활동 또는 업무에 대한 목표인 비즈니스 프로세스 목표, 상기 비즈니스 목표 또는 상기 비즈니스 프로세스 목표에 대한 성과 목표, 상기 활동 또는 업무와 관련된 문제점 및 해결책을 포함하는 구성요소를 모델링 및 처리하며, 디스플레이 장치의 화면에 상기 구성요소를 표시하는 비즈니스 상황 모델링 수단;
    다수의 데이터를 수집하여 저장하는 통합 빅데이터 플랫폼;
    상기 통합 빅데이터 플랫폼의 데이터를 분석하고, 분석 결과를 기초로 상기 문제점 및 해결책에 대해 이루어진 가정을 검증하는 빅데이터 분석 플랫폼; 및
    상기 분석 결과 및 검증 결과에 상응하는 데이터를 상기 화면에 표시하는 데이터 시각화 수단을 포함하는 프레임워크를 제공하고,
    복수의 검증된 해결책을 기초로 상기 활동 또는 업무를 수정함으로써 복수의 비즈니스 프로세스 대안을 모델링하고,
    각각의 비즈니스 프로세스 대안이 상기 비즈니스 목표, 상기 비즈니스 프로세스 목표 및 상기 성과 목표 중 적어도 어느 하나를 달성하는 데에 대해 미치는 영향의 정도를 평가하고,
    상기 각각의 비즈니스 프로세스 대안에 대한 평가 결과에 기초하여, 복수의 검증된 문제점 중 최종 검증된 문제점을 결정하거나 상기 복수의 검증된 해결책 중 최종 검증된 해결책을 결정하며,
    상기 영향의 정도는 긍정적인 정도 혹은 부정적인 정도를 나타내는 복수의 라벨로 미리 분류되는 것을 특징으로 하는 시스템.
KR1020160129558A 2016-10-07 2016-10-07 목표 지향적 빅데이터 비즈니스 분석 프레임워크 KR101732319B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020160129558A KR101732319B1 (ko) 2016-10-07 2016-10-07 목표 지향적 빅데이터 비즈니스 분석 프레임워크
US15/698,157 US20180101805A1 (en) 2016-10-07 2017-09-07 System and method for goal-oriented big data business analatics framework

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160129558A KR101732319B1 (ko) 2016-10-07 2016-10-07 목표 지향적 빅데이터 비즈니스 분석 프레임워크

Publications (1)

Publication Number Publication Date
KR101732319B1 true KR101732319B1 (ko) 2017-05-02

Family

ID=58742615

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160129558A KR101732319B1 (ko) 2016-10-07 2016-10-07 목표 지향적 빅데이터 비즈니스 분석 프레임워크

Country Status (2)

Country Link
US (1) US20180101805A1 (ko)
KR (1) KR101732319B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112330519A (zh) * 2020-11-17 2021-02-05 珠海大横琴科技发展有限公司 一种数据处理的方法和装置

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11295375B1 (en) * 2018-04-26 2022-04-05 Cuspera Inc. Machine learning based computer platform, computer-implemented method, and computer program product for finding right-fit technology solutions for business needs
CN109492903A (zh) * 2018-11-07 2019-03-19 四川长虹电器股份有限公司 一种基于网页前端的报工应用系统
US11347803B2 (en) * 2019-03-01 2022-05-31 Cuddle Artificial Intelligence Private Limited Systems and methods for adaptive question answering
US11449796B2 (en) * 2019-09-20 2022-09-20 Amazon Technologies, Inc. Machine learning inference calls for database query processing
CN111125061A (zh) * 2019-12-18 2020-05-08 甘肃省卫生健康统计信息中心(西北人口信息中心) 一种规范和促进健康医疗大数据的方法
US11763223B1 (en) 2022-05-18 2023-09-19 Realization Technologies, Inc System for generating and maintaining a resource deployment map over a communications network
US11960774B2 (en) * 2022-07-20 2024-04-16 The Toronto-Dominion Bank System, method, and device for uploading data from premises to remote computing environments

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050021348A1 (en) * 2002-07-19 2005-01-27 Claribel Chan Business solution management (BSM)
GB0228447D0 (en) * 2002-12-06 2003-01-08 Nicholls Charles M System for detecting and interpreting transactions events or changes in computer systems
US7467145B1 (en) * 2005-04-15 2008-12-16 Hewlett-Packard Development Company, L.P. System and method for analyzing processes
US20130332241A1 (en) * 2011-09-29 2013-12-12 James Taylor System and Method for Decision-Driven Business Performance Measurement
US20130173353A1 (en) * 2011-12-29 2013-07-04 Tata Consultancy Services Limited Assessing maturity of business processes

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112330519A (zh) * 2020-11-17 2021-02-05 珠海大横琴科技发展有限公司 一种数据处理的方法和装置

Also Published As

Publication number Publication date
US20180101805A1 (en) 2018-04-12

Similar Documents

Publication Publication Date Title
KR101732319B1 (ko) 목표 지향적 빅데이터 비즈니스 분석 프레임워크
Ivanov et al. A digital supply chain twin for managing the disruption risks and resilience in the era of Industry 4.0
Kumar et al. A big data MapReduce framework for fault diagnosis in cloud-based manufacturing
Ngo et al. Factor-based big data and predictive analytics capability assessment tool for the construction industry
CN107025509B (zh) 基于业务模型的决策系统和方法
US20170316324A1 (en) Computerized Event-Forecasting System and User Interface
US20170193392A1 (en) Automated machine learning tool
US20170109667A1 (en) Automaton-Based Identification of Executions of a Business Process
Borrajo et al. Multi-agent neural business control system
Xiao et al. Simulation optimization using genetic algorithms with optimal computing budget allocation
KR20220139419A (ko) 어플리케이션들의 다목적 최적화
US20170109638A1 (en) Ensemble-Based Identification of Executions of a Business Process
Park et al. A modeling framework for business process reengineering using big data analytics and a goal-orientation
US20220147934A1 (en) Utilizing machine learning models for identifying a subject of a query, a context for the subject, and a workflow
Thiess et al. Towards Design Principles for Data-Driven Decision Making: An Action Design Research Project in the Maritime Industry
Park et al. A goal-oriented big data analytics framework for aligning with business
Lu et al. A modified whale optimization algorithm for parameter estimation of software reliability growth models
Tao et al. Research on marketing management system based on independent ERP and business BI using fuzzy TOPSIS
Park et al. IRIS: A goal-oriented big data analytics framework on Spark for better Business decisions
Zoll et al. Evaluation of predictive-maintenance-as-a-service business models in the internet of things
Education Data science
Tiruneh et al. Hybrid GA-MANFIS model for organizational competencies and performance in construction
Bibri et al. Data science for urban sustainability: Data mining and data-analytic thinking in the next wave of city analytics
US9684698B1 (en) Methods and systems for social awareness
Li et al. A rough programming model based on the greatest compatible classes and synthesis effect

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant