생명과학, 농업테크 분야에서 쿼리를 지원하는 멀티 클라우드 분석 기능
Emily Rapp
Product Manager - BigQuery Omni
Anjali Warier
Customer Engineer - GTM Lead, BigQuery Omni
* 본 아티클의 원문은 2020년 12월 22일 Google Cloud 블로그(영문)에 게재되었습니다.
2020년 Gartner에서 실시한 클라우드 최종 사용자 구매 행동 설문조사에 따르면 퍼블릭, 하이브리드, 멀티 클라우드 중 하나를 사용한다고 답한 응답자의 80%에 가까운 수가 두 곳 이상의 클라우드 제공업체를 이용한 것으로 나타났습니다1.
현실적으로 멀티 클라우드가 채택된 경우가 일반적이며 조직에서 경쟁적 우위를 확보하기 위해서는 저장된 위치에 상관없이 사용자가 데이터를 쉽게 액세스하고 분석할 수 있는 기능을 마련해야 합니다. Google에서는 데이터 사일로를 허물고 사용자가 어떤 규모로든 수월하게 분석을 실행할 수 있는 최고의 멀티 클라우드 분석 솔루션을 제공하기 위해 최선을 다하고 있습니다. 이 같은 노력은 최근 2020년 Gartner Magic Quadrant에서 클라우드 데이터베이스 관리 시스템 부문의 선두업체로 Google을 선정하면서 인정받은 바 있습니다2.
사용자가 Google Cloud, AWS, Azure(곧 지원 예정)에 있는 모든 데이터를 분석할 수 있는 안전한 완전 관리형 플랫폼이 필요하다면 BigQuery Omni를 주목하세요.
BigQuery는 기본적으로 컴퓨팅과 스토리지를 분리하기 때문에 조직은 규모에 맞춰 분석을 실행하고 탄력적으로 확장할 수 있습니다. BigQuery Omni에서는 이 분리된 방식을 확장하여 컴퓨팅 리소스를 데이터로 옮기기 때문에 모든 사용자가 익숙한 BigQuery 인터페이스를 그대로 사용해서 필요로 했던 유용한 정보를 더욱 간편하게 얻을 수 있습니다.
올해 초에 발표한 BigQuery Omni에 대한 수요가 놀랍게 증가하고 있습니다. 많은 고객사에서 고유한 비즈니스 문제를 해결하기 위해 BigQuery Omni를 도입했으며 이 블로그에서는 그간 확인된 몇 가지 사용 사례를 간추려 소개하고자 합니다. 이 사용 사례 모음이 최신 멀티 클라우드 분석 솔루션을 도입하는 과정에 유익한 길잡이가 되어 줄 것입니다. 그중 3가지 사례를 살펴보겠습니다.
생물의학 데이터 분석 사용 사례: 많은 생명과학 기업에서 고객과 내부 이해관계자에게 일관된 분석 환경을 제공할 방법을 모색하고 있습니다. 일반적으로 생물의학 데이터는 대규모 데이터 세트가 여러 클라우드에 분산된 형식으로 상주하기 때문에 단일 창구를 통해 종합적인 유용한 정보를 확보하는 것이 어렵습니다. The Broad Institute of MIT and Harvard에서는 BigQuery Omni를 사용하여 여러 주요 퍼블릭 클라우드의 저장소에 저장된 생물의학 데이터를 익숙한 BigQuery 인터페이스 내에서 바로 분석하여 이 데이터를 게놈 변이를 검색하고 추출하는 데 사용할 수 있게 되었습니다. 그전에는 이와 동일한 종류의 분석 작업을 수행하는 데 지속적인 데이터 추출 및 로드 프로세스가 필요해 기술팀의 부담을 가중시켰습니다. The Broad Institute에서는 BigQuery Omni 덕분에 이그레스 비용은 절감하고 연구의 질은 향상되는 결과를 얻을 수 있었습니다.
농업테크 사용 사례: 데이터 랭글링은 데이터 기반 체제로 전환하려는 농업 기술 조직에 계속해서 큰 병목 현상을 일으키는 원인이 되고 있습니다. 이러한 조직 중 한 곳은 데이터 분석가, 과학자, 엔지니어가 데이터 랭글링 작업에 소요하는 시간과 비용의 양을 줄이는 것을 목표로 삼았습니다. 이 조직의 R&D 데이터 세트는 AWS에 저장되어 있으며 식물 육종 파이프라인과 식물 생명공학 테스트 작업의 중요한 특징을 설명하고 있습니다. 또한 모든 핵심 데이터 세트는 Google BigQuery에 상주하고 있습니다. 이 고객사는 BigQuery Omni를 도입하여 클라우드 2개에 상주하는 모든 데이터에 대해 안전한 SQL 기반 액세스를 지원하고 데이터 검색 가능성을 높여 더욱 다양하고 유용한 정보를 얻을 계획입니다. 이제 데이터 세트가 어떤 클라우드 플랫폼에 상주하든 데이터 소비자를 위한 BigQuery의 통합 단일 인터페이스에서 농업 및 시장 중심의 분석 모델을 개발할 수 있게 될 것입니다.
로그 분석 사용 사례: 많은 조직에서 로그 데이터를 활용하여 숨겨진 유용한 정보를 획득할 방법을 찾고 있습니다. 한 미디어 및 엔터테인먼트 기업에서는 사용자 활동 로그 데이터는 AWS에, 사용자 프로필 정보는 Google Cloud에 보관하고 있습니다. 이 기업의 목표는 사용자 여정과 콘텐츠 소비 패턴을 분석하여 미디어 콘텐츠 수요를 보다 정확하게 예측하는 것이었습니다. AWS와 Google Cloud 데이터 세트가 각각 지속적으로 업데이트되었기 때문에 데이터를 최신 상태로 유지하는 동시에 이 모든 정보를 집계해야 하는 어려움이 있었습니다. BigQuery Omni를 도입하자 고객은 전체 데이터 세트를 다른 클라우드로 옮기거나 복사할 필요 없이 AWS와 Google Cloud에 있는 로그 데이터를 동적으로 결합할 수 있었으며 그 결과, 다른 클라우드에 저장된 데이터를 쿼리하기 위해 커스텀 스크립트를 작성해야 하는 수고를 덜 수 있었습니다.
이 사용 사례와 잘 어울리는 유사 사례로 여러 클라우드에 걸쳐 결제 데이터를 취합해야 하는 과제를 들 수 있습니다. 한 공공 기업은 Google Cloud, AWS, Azure에 분산된 모든 결제 데이터를 실시간으로 확인할 수 있는 하나의 편리한 뷰를 생성하기 위해 다양한 방법을 테스트하고 있습니다. 이 기업은 BigQuery Omni를 통해 최소한의 노력과 비용으로 데이터 사일로를 허물고 단일 창구에서 분석을 실행하는 것을 목표로 하고 있습니다.
BigQuery Omni를 시작하여 멀티 클라우드 분석 기능을 간편하게 도입하려면 여기에서 등록하세요. BigQuery Omni는 현재 프리뷰 버전으로 AWS를 지원하며 Azure도 곧 지원할 예정입니다.
Gartner는 자사 연구 간행물에 설명된 어떤 공급업체, 제품 또는 서비스도 보증하지 않으며 기술 사용자에게 최고 등급의 공급업체 또는 기타 지정된 공급업체만 선택하도록 권장하지 않습니다. Gartner 연구 간행물은 Gartner 연구 및 자문 조직의 의견을 담고 있으며 사실의 진술로 해석되어서는 안 됩니다. Gartner는 이 연구와 관련하여 상품성 또는 특정 목적에 대한 적합성 보증을 비롯한 모든 명시적, 묵시적 보증을 부인합니다.
1. Gartner, '2021 Planning Guide for Data Management', 산지브 모한, 조우 매과이어, 2020년 10월 9일.
2. Gartner, 'Magic Quadrant for Cloud Database Management Systems', 도날드 페인버그, 머브 아드리안, 릭 그린왈드, 헨리 쿡, 아담 론탈, 2020년 11월 23일
