- Google Cloud는 AI를 통해 데이터 분석을 강화하고, 자연어 인터페이스를 통해 비전문가도 비즈니스 데이터를 쉽게 활용할 수 있도록 지원합니다.
- 통합 로드맵에는 BigQuery와 Vertex AI의 결합, Looker 기능 고도화, 그리고 생성형 AI를 활용해 구조화되지 않은 데이터에서 인사이트를 도출하는 작업이 포함됩니다.
- '와이드(Wide) 데이터'에 대한 집중과 대규모 언어 모델(LLM) 도입은 진화하는 기업용 데이터 분석 환경에서 Google이 선두주자로서의 입지를 굳히겠다는 의지를 보여줍니다.
구글은 구조화되고 비구조화된 데이터 간의 격차를 해소하려는 계획의 최전선에 인공지능(AI)을 배치함으로써 데이터 분석 역량을 전략적으로 강화합니다. 구글 클라우드의 데이터베이스, 데이터 분석 및 Looker 부사장 겸 총괄 매니저인 게릿 카즈마이어(Gerrit Kazmaier)는 AI가 기업 데이터에서 가치를 추출하는 데 중추적인 역할을 할 것이라고 주장합니다.
카즈마이어는 AI와 전통적인 비즈니스 인텔리전스(BI) 도구 간의 협력을 강조합니다. AI의 강점은 구조화되고 비구조화된 데이터를 인간의 분석 속도보다 빠르게 통합할 수 있는 능력에 있습니다. 검색 기술의 뿌리와 트랜스포머 모델 개발 전문 지식을 활용하여 구글은 기업 데이터 검색을 재정의할 것입니다.
이 기술 거인은 유명한 공개 도메인 검색과 유사한 기업 데이터 검색을 비전으로 제시합니다. 카즈마이어는 목표가 월드 와이드 웹(WWW)에 존재 여부와 상관없이 모든 기업 데이터 포인트에 사용자 친화적인 인터페이스를 부여하는 것이라고 강조합니다. 공개 도메인에서 구글 검색의 친숙함과 유사점을 끌어내며, 그는 생성형 AI(GenAI) 도구를 도메인별 기업 정보와 원활하게 통합하는 것을 비전으로 제시합니다.
구글의 데이터 변환은 비즈니스 인텔리전스에서 접근성과 정확성을 연결합니다
생성형 AI에 대한 초점은 정보가 보편적으로 접근 가능하도록 만들려는 구글의 약속과 일치합니다. 코딩이나 분석 기술을 요구하는 전통적인 BI 도구와 달리, GenAI는 비즈니스 사용자가 자연어를 사용하여 데이터베이스, 데이터 웨어하우스 또는 데이터 레이크와 상호작용할 수 있게 합니다. 이 접근 방식은 사용 편의성을 향상시키고 대시보드 형식에 맞게 데이터를 필터링할 필요성을 제거합니다.
구글은 분석 도구에 AI를 주입하기 위한 포괄적인 로드맵을 제시합니다. 여기에는 BigQuery와 Vertex AI 통합, BigQuery Studio에서 데이터에서 AI로의 워크플로우 촉진, BigQuery ML에서 사용자의 머신러닝 모델 생성 권한 부여가 포함됩니다. 이러한 향상은 Looker 및 Looker Studio로 확장되며, 이는 비즈니스 인텔리전스의 진화에 대한 구글의 약속을 보여줍니다.
생성형 AI, 특히 GenAI는 기업 내 비전문가가 비즈니스 데이터에 효과적으로 참여할 수 있도록 하는 데 잠재력을 가지고 있습니다. 코딩이나 대시보드 디자인과 씨름하는 대신, 비즈니스 사용자는 이제 자연어를 사용하여 데이터베이스와 상호작용하고 유사한 응답을 받을 수 있습니다. 이러한 변화는 접근성을 개선할 뿐만 아니라 더 큰 데이터 볼륨과 더 넓은 범위의 데이터 소스를 수용함으로써 정확성도 향상시킵니다.
비즈니스 인텔리전스에서 비구조화된 데이터 통찰력을 위한 생성형 AI 활용
카즈마이어는 데이터 활용의 끊임없이 진화하는 지형에서 비구조화된 데이터에 대한 심오한 변화에 대해 밝힙니다. 전통적으로 세계 데이터의 상당 부분을 차지해 온 비구조화된 데이터는 패러다임 전환을 겪고 있습니다. 생성형 AI는 이 방대한 비구조화된 정보에서 가치 있는 통찰력을 얻을 수 있게 해주는 역동적인 도구로 부상합니다.
이 변혁적 역량은 단순히 데이터를 처리하는 것을 넘어선 것으로, '무엇, 언제, 어디'에 대한 전통적인 쿼리에서 '왜'라는 미묘한 탐구로 더 깊은 탐색으로의 전환을 표시합니다. 기업들이 AI를 지능 프레임워크에 통합함에 따라 강조점은 단순히 데이터를 표시하는 것에서 정보를 공동으로 해석하는 것으로 이동합니다.
GenAI는 AI 에이전트와의 협력을 촉진하는 촉매제 역할을 합니다. 이러한 협력적 접근 방식은 전통적인 BI 도구에서 정보 압축과 관련되어 종종 제한되는 한계를 극복하면서 정교한 모델의 지원을 받아 데이터 트렌드를 깊이 파고들 수 있도록 사용자를 권한 부여합니다.
구글의 데이터 분석 전략은 빅데이터를 넘어선 포괄적인 접근 방식을 취합니다. 이는 분석에 수많은 데이터 포인트를 통합하는 것을 포함합니다. 카즈마이어는 AI 시스템 내 의사 결정의 비효율성, 특히 추가 요소를 고려해야 하는지 여부를 결정하는 데 있어 주목을 끕니다.
의사 결정 과정을 간소화하고 장애물을 피하는 데 AI 시스템의 처리 능력을 활용하는 것이 중요합니다. 특히 이 전략은 이전에 덜 활용되었던 비구조화된 데이터의 통합을 강조하며, 이는 진화하는 데이터 분석 접근 방식의 중요한 측면을 표시합니다.
가장 똑똑한 암호화폐 전문가들이 이미 우리 뉴스레터를 구독하고 있습니다. 참여하고 싶으신가요? 함께하세요.
면책 조항. 제공된 정보는 투자 조언이 아닙니다. Cryptopolitan.com 본 페이지에 제공된 정보를 바탕으로 이루어진 투자에 대해 어떠한 책임도 지지 않습니다. 투자 결정을 내리기 전에 반드시 독립적인 조사나 자격을 갖춘 전문가의 상담을 강력히 권장합니다.
Joseph Katala
Joseph 은 암호화폐 및 블록체인 업계에서 3 년 이상의 경력을 쌓은 숙련된 전문가입니다. 그의 전문 분야는 암호화폐 작성 및 분석부터 블록체인 개발에 이르기까지 다양한 역할을 포괄합니다. 이러한 기술의 변혁적 잠재력에 대한 깊은 열정을 바탕으로, 그는 미디어를 통해 암호화폐 및 블록체인 분야에서 이해를 증진하는 데 헌신하고 있습니다.
