비트나인 Graph it

안녕하세요, 국내 유일 그래프 데이터베이스(Graph Database) 연구 개발 전문기업 비트나인입니다. 기존 아젠스그래프(AgensGraph)의 새로운 버전 업그레이드 소식을 전해드립니다. AgensGraph 2.12, 관계형 데이터의 처리 성능이 대폭 향상되다 관계형 데이터베이스란 데이터를 열(column)과 행(row)으로 구성된 테이블에 저장합니다. 주로 은행의 거래내역 또는 엑셀 형태의 자료와 같은 로그(log) 정보를 저장할 때나, 트랜잭션(DB의 상태를 변경할 때 수행하는 작업) 중심으로 데이터를 관리할 때 적합합니다. 아젠스그래프는 전 세계적으로 가장 신뢰를 받고 있는 오픈소스 관계형 DB인 PostgreSQL(포스트그레스큐엘)을 기반으로 구축한 멀티모델 그래프 DB입니다. 이번에 새롭게..

지난해는 그래프 기술이 NoSQL 데이터베이스 중 주류가 된 해였습니다. 그래프 DB는 일반적인 사례(예: 사기 탐지, 자금 세탁 방지 및 CRM 등) 외에도 새로운 사례(예: 암 치료 개선, 암호화폐 의심 거래 탐지, 조세 회피 조사)에도 활발하게 적용되고 있습니다. 올해 그래프 DB는 기업들이 꼭 활용해야 할 ‘필수’ 데이터베이스가 될 것입니다. 이미 많은 기업과, 고객들이 그래프 기술로부터 이익을 보게 되면서 기술력은 입증된 바 있습니다. 앞으로 그래프는 계속해서 데이터 환경의 질을 높여나갈 예정입니다. 요즘 글로벌 시장에서는 그래프 기술을 빠르게 발전하는 ‘그래프 데이터 사이언스’라고 부르는데요, 이 화제거리인 키워드에 그래프 기반 ‘디지털 트윈’이 핵심이라고 합니다. 그래프 DB: 데이터 환경의..

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..

추천 시스템이란? 추천 시스템은 사용자가 콘텐츠 이용 시에 개인화된 추천을 지원하는 시스템으로 콘텐츠 및 사용자의 정보, 콘텐츠에 대한 평가를 기반으로 사용자에게 적합한 콘텐츠를 추천합니다. 그렇다면 추천 시스템은 어떠한 원리로 사용자에게 콘텐츠를 추천하는 걸까요? 전통적으로 잘 알려진 추천 알고리즘은 크게 협업 필터링과 콘텐츠 기반 필터링 기법이 있으며, 이들을 조합한 하이브리드 시스템으로 사용자에게 콘텐츠를 추천합니다. 협업 필터링(Collaborative Filtering)은 사용자의 데이터를 활용해 추천해주는 만큼 상품이나 서비스 이용 또는 구매로 이어질 확률도 높습니다. 게다가 사용자가 많아질수록 데이터가 쌓여 추천 정확도와 신뢰도 또한 증가합니다. 반면에 사용자의 데이터가 없다면 추천이 어렵습..

본 글에서는 예측분석에 사용할 수 있는 알고리즘을 설명합니다. 수많은 예측분석 알고리즘을 소개하기엔 현실적으로 무리가 있다고 판단하여, Regression과 Classification에 대해 간략한 소개를 하고 이후에 Brazilian E-Commerce 사례에서 사용하였던 알고리즘을 기술했습니다. 회귀(Regression)와 분류(Classification)로 범주화하는 지도 학습 머신러닝 알고리즘은 작동방법에 따라 몇 가지 기준으로 분류할 수 있는데, 가장 큰 기준은 바로 비지도 학습(Unsupervised Learning)과 지도 학습(Supervised Learning)이 있습니다. 비지도 학습은 출력 변수(Y)가 존재하지 않고, 입력 변수(X) 간의 관계에 대해 모델링하는 것입니다. 주로 Clu..