비트나인 Graph it

사람들의 군집 현상, 교통 체증, 인터넷 사용량 증가, 전력의 과부하 같은 어떤 매체가 한곳에 집중되어 제 기능을 수행하지 못하게 되는 현상은 우리 사회의 큰 문제점으로 자리 잡고 있다. 그래서 비트나인은 그래프 데이터를 기반으로 현상에 대한 분석뿐 아니라 모델링을 통해 향후 발생 가능성이 있는 집단 현상에 대하여 매체 분산을 목적으로 하는 해결책을 제시해본다. 포스팅 Part 1에 이어서 도로에서 정체가 발생했을 때, 상황 해결을 위한 판단 조건을 부여했다면, 이번 글에서는 조금 더 큰 차원인 도로·교차로로 이루어진 그래프 모델로 알아보고자 한다. 도로 그래프 모델링 대중에게 인기 있는 지역은 더 집중되고 자주 거쳐야 하는 곳의 통행을 선호한다는 가정을 기반으로 그래프 데이터에 대한 조건은 다음과 같다..

우리는 운전을 시작하기 전, 내비게이션을 켜고 보통 최단거리의 경로를 찾는다. 이때 내비게이션은 최단거리의 경로를 향하는 차가 많거나 그 도로가 복잡할 경우, 다소 돌아가더라도 밀집도가 적은 경로를 추천하기도 한다. 이번 글에서는 위와 같이 최단거리의 경로를 찾거나 밀집도가 높은 지역을 피해 돌아갈 수 있는 방법을 찾기 위한 그래프 분석 사례를 준비했다. 이를 이해하면 단순히 내비게이션의 작동 원리를 이해하는 것뿐만 아니라, 나아가 보행자가 많은 지역의 보행 흐름을 모니터링할 수 있게 되거나 그를 해소시킬 수 있는 방안을 찾을 수도 있을 것이다. 실제로 수 년 전에도 그래프 이론으로 서울 내 지역들의 골목길을 네트워크 구조로 표현하여 분석한 연구 사례가 있었다. 이 연구에 활용한 그래프 분석 지표와 사례..

일반적인 데이터베이스와 지식베이스의 차이 지식그래프(Knowledge Graph)는 사람이 기억으로 생성하고 활용하는 지식 정보를 좀 더 정확하게 관리하고, 많은 양의 지식 탐색을 위한 기법으로, 정보를 저장하는 지식베이스(Knowledge Base)와 네트워크 구조로 분석할 수 있도록 표현하는 그래프(Graph)를 합친 단어입니다. 지식베이스란 도메인 정보와 특정 분야의 전문가들이 축적한 전문 지식과 문제 해결을 위한 자료 등을 축적해 놓은 지식창고, 즉 데이터베이스입니다. 지식베이스란 용어는 일반적인 데이터베이스라는 용어와 구별하기 위해서 만들어졌습니다. 1970년대에 거의 모든 정보 관리 시스템은 데이터를 관계형 데이터베이스 시스템(RDBMS)에 저장했기 때문입니다. 지식베이스와 일반적인 데이터베이..

그래프 DB 특징 소개 그래프 데이터베이스는 데이터 수집, 모델링, 분석, 신규 데이터 입력, 연결 관계 처리 영역에서 많은 장점이 있다. 일반적으로 Excel과 같은 집합 데이터를 처리하는 정형화된 업무 시스템과 달리 그래프 DB는 다양한 데이터, 정보 및 지식의 관계를 기반으로 현상(what)에 대한 원인(why)을 추론하고, 미래에 어떠한(how) 의사결정을 할 것인지 예측하기 위한 새로운 업무 영역에서 효과적으로 사용된다. 이를테면, 데이터 기반의 펀드 관리에서 일반적인 표로 펀드를 관리하면 수익률로 나타나는 현상과 수익률에 영향을 미치는 원인의 관계가 명확하게 표현되지 않아 수익률 증대를 위한 데이터 분석 및 의사결정 과정이 복잡해진다. 반면, 그래프 데이터로 관리하는 경우 관계(relation..

그래프 DB 솔루션 구현 사례를 고객의 목소리로 직접 들어보세요! 첫 번째 고객 인터뷰는 DSME 정보시스템 (DINC) 설계 정보관리부 소속인 김도형 차장님과 함께 했습니다. DSME 정보시스템은 세계 최고 조선소인 대우조선해양에서 2017년 ICT 부문으로 분사된 자회사로서, 국내외 조선소를 대상으로 컨설팅, 개발, 솔루션, 비즈니스 등으로 사업 영역을 확장해 왔습니다. 조선해양 시스템 개발 및 운영을 전담하며, 뛰어난 조선해양 기술력의 커다란 역할을 해왔습니다. DSME 정보시스템은 글로벌 조선해양 산업의 변화에 능동적으로 대응하며, 지금도 조선 산업 발전에 기여하고 있습니다. 김도형 차장님과의 인터뷰를 통해 그래프 DB를 선택한 배경, 아젠스그래프를 결정한 이유, 그래프 DB 기술을 어떻게 업무 ..