온톨로지를 구축하고 사용하여 데이터를 구성하고 활용함으로써 조직은 아래에서 설명하는 여러 가지 핵심 이점을 얻을 수 있습니다:
실제로 이러한 이점은 Foundry의 온톨로지를 인식하는 애플리케이션을 사용하여 빠른 분석, 워크플로 개발, 의사결정 캡처가 가능합니다. 온톨로지를 인식하는 애플리케이션에 대해 자세히 알아보세요.
온톨로지는 대규모 조직에서 의사결정과 의사결정 캡처를 위한 공유된 진실의 원천입니다.
단일 진실의 원천을 제공함으로써 온톨로지는 사용자가 조직 전체의 데이터를 쉽게 발견하고 이해할 수 있도록 하며, 지역적인 결정을 더 글로벌한 맥락에서 볼 수 있도록 하여 대규모 연결성을 제공합니다. 온톨로지는 데이터를 읽는 데 사용되는 것뿐만 아니라 사용자가 내린 결정을 캡처하고 데이터를 다시 작성하는 데 사용됩니다.
표준 데이터 레이크에서 운영하면 데이터셋, 대시보드 및 애플리케이션의 수가 늘어나면서 관리하기 어려운 복잡성이 발생할 수 있습니다. 시간이 지남에 따라 기존 데이터 자산이 존재하거나 사용해야 하는지를 이해하는 데 더 많은 노력이 필요하며, 새로운 프로젝트는 기존 데이터 자산을 재사용하거나 활용하는 대신 "바퀴를 다시 발명"합니다.
반면에 온톨로지는 조직을 위한 공통 언어로 새로운 정보가 모델링되어 들어가는 명확한 시스템을 제공합니다. 온톨로지를 사용하면 조직은 데이터 자산이 성장함에 따라 데이터를 최대한 활용할 수 있으며, 대규모 디지털 변환을 가능하게 하면서 복잡성을 제어하고 데이터 관리의 어려움을 줄일 수 있습니다.
에너지 회사는 온톨로지를 사용하여 석유 엔지니어, 웰 인티그리티 엔지니어 및 웰 관리 스태프 간에 웰의 건강과 성능에 대한 공유된 뷰를 생성합니다. 웰 성능에 대한 몇 가지 고립된 뷰를 작성하는 대신, 온톨로지 웰 오브젝트 유형에 입력을 공유하여 웰 관리에 대한 단기적인 결정과 자산 투자 전략에 대한 장기적인 결정이 동일한 정보와 통찰력을 기반으로 생성될 수 있습니다.
데이터 중심 조직으로 운영하는 가장 어려운 요소 중 하나는 조직 전반의 다양한 의사결정자에게 데이터를 배포하는 것입니다. 특히, 많은 의사결정자들은 코드나 데이터셋이나 조인과 같은 IT 개념에 익숙한 기술 사용자가 아닙니다.
온톨로지는 이러한 디지털 개념을 추상화하여 사용자가 매일 사용하는 표준 용어로 데이터를 다룰 수 있게 합니다. 더 중요한 것은, 온톨로지는 다른 사용자와 기능 간에 공유된 언어를 제공하여, 길고 복잡한 화합 과정 없이도 모든 사람이 동일한 정보를 보고 있는지 확인할 수 있습니다.
제조업 고객에서는 항공기 센서의 모니터링 데이터가 규모, 복잡성, 고유한 형식 때문에 운영 사용자와 데이터 사이언티스트 모두에게 접근이 불가능했습니다. 오늘날, 모니터링 데이터 위에 모델링된 온톨로지로 인해, 설계자는 부품을 검색하고 예기치 않거나 이상한 동작을 나타낼 수 있는 관련 센서 판독값을 확인하고, 복잡한 데이터 준비 과정을 거치지 않고도 테이블이나 조인을 고려할 필요 없이 미래의 설계를 개선할 수 있습니다. 이 데이터는 조직에서 가장 가치 있는 데이터 중 일부였지만, 이전 시스템에서 데이터를 준비하는 과정은 수일 또는 수주가 걸려 특별한 프로젝트에만 데이터를 사용하는 데 제한되었습니다. 이제 이 데이터는 데이터 사이언티스트뿐만 아니라 엔지니어, 품질 관리 전문가, 설계자에게도 즉시 접근할 수 있습니다.
온톨로지는 모든 분석 작업 및 애플리케이션 개발을 지원하는 단일 재사용 가능한 데이터 자산에 노력을 모으게 함으로써 운영 플랫폼 구축에서 상당한 규모의 경제를 가능하게 합니다.
새로운 유즈케이스나 프로젝트에 대해 전용 데이터 통합 및 데이터 레이어 작업이 필요하지 않고, 플랫폼에 새로 들어오는 데이터에 대해서만 데이터 통합이 필요합니다. 전체 애플리케이션 및 유즈케이스는 기존 온톨로지를 기반으로 구축할 수 있으며, 공유 데이터 자산은 애플리케이션 빌더가 데이터 랭글링이 아닌 조직 문제와 사용자 워크플로에 중점을 두게 합니다.
조직의 "디지털 트윈"으로서 온톨로지는 데이터를 작성하는 사용자의 결정을 캡처하여 데이터의 반대 작성과 지속적인 개선을 지원합니다. 온톨로지는 데이터를 저장하는 온톨로지를 지원하고 편집할 수 있는 방법을 정의하는 액션 유형 및 writeback 구성을 허용합니다.
온톨로지에서 의사결정 결과를 캡처함으로써 조직은 의사결정을 학습하고 개선할 수 있습니다. 데이터 writeback은 시간이 지남에 따라 데이터 자산의 가치가 복리로 증가하게 하여, 한 사용자가 캡처한 통찰력이 다른 사용자의 의사결정에 기여할 수 있습니다.
데이터 과학 및 AI/ML 팀의 경우, 온톨로지는 공유 플랫폼에서 운영 팀 및 기타 팀과 협업할 수 있게 합니다. 모델(및 기능)은 조직을 구동하는 빌딩 블록 및 프로세스에 직접 바인딩될 수 있습니다. 이를 통해 모델을 관리, 출시 및 코어 애플리케이션 및 시스템에 직접 구현할 수 있으며, 추가 어댑터나 glue 코드 없이 플랫폼 내에서 제공되기 전에(배치, 스트리밍, 또는 쿼리 기반) 또는 외부에서 제공됩니다. 의사결정이 내려지고 액션이 수행되면 운영 및 프로세스 데이터가 온톨로지로 되돌아가면서 모델 모니터링, 평가, 재교육 및 MLOps를 가능하게 하는 피드백 루프가 생성됩니다.
Foundry는 결과에 대한 빠른 반복을 가능하게 합니다. 온톨로지와 다른 최고 수준의 도구를 사용하면 AI/ML이 활성화된 운영 결과를 쉽게 시작하고 제공할 수 있으며, 새로운 애플리케이션을 통해 또는 기존 시스템을 보강하여 이를 수행할 수 있습니다. 이후 사용 사례는 전체 기업에서 상호 연결된 데이터셋 및 모델 자산을 활용할 수 있어 새로운 프로젝트에 대한 시간-가치 감소를 가능하게 합니다.