【Google Cloud Day'21】「BigQuery를 활용한 데이터 분석 플랫폼의 우위성과 과제란?」을 시청해

"개요: 당사는 2019년에 데이터 분석 플랫폼을 온프레미스에서 Google Cloud로 마이그레이션했습니다. 회사의 비즈니스 데이터를 BigQuery에 수집하기 위해 계속 노력하고 있습니다.
프로젝트 기획부터 시스템 가동 후까지의 구체적인 에피소드를 섞으면서 이니셔티브에서 배운 BigQuery의 우위성과 과제에 대해 설명하겠습니다.
htps : // c ぉ 우도없는 r.ぃth おお gぇ. 이 m / 에ょ ぇ ts / 굉장히 ぇ-c ぉ d-이다 y ぢぎた l-21 / 와 tch? lk = d1 - 01


질문
답변


이쪽, 제일 넥은 어떤 것이 있었습니까? (기술적 문제·금전적 문제·사내 상황의 조정 등)
기술적인 문제가 크다. BigQuery를 지원하는 SAS 어댑터를 처리한 사례가 없었기 때문에 위험 위험 회피를 검토하는 데 시간이 많이 걸렸습니다.


현재 BigQuery에서 해결할 수 없었던 유스 케이스가 있기 때문에 추가 개선이 요구되고 있다고 가정합니다. 어떠한 경우입니까?
어디까지나, 데이터를 BigQuery에 일원화해, 퍼포먼스 개선이나 데이터 신선도의 향상을 실현할 수 있을 뿐입니다. 예를 들어 데이터 마트의 추가 정비에 의해 누구나 데이터를 알기 쉽게 취급할 수 있게 된다든가, AI 등의 솔루션을 이용해 비즈니스에 데이터를 활용해 나갈까, 앞으로는 데이터 이익 활용을 위한 노력이 필요 라고 생각합니다.


PoC가 매우 힘든 상황에서도 포기하지 않고 BigQuery로의 전환을 진행할 수 있는 이유는 무엇인가?
PoC 자체가 힘들었던 것은 아닙니다. 프로젝트 자체는 여러가지 과제가 있었습니다만, 무사히 스케줄대로 진행하고, 프로젝트 과제를 해소할 수 있었던 것은, 같은 목적을 향해 벤더씨, 유저 부문, IT로 삼위일체로 진행되었기 때문이라고 생각합니다.



커팅
내용


기존 환경



도전
온프레미스는 엄격하다.


과제를 해결하려고했지만 ...



왜 BQ
이미 위의 분산된 클라우드 환경 속에서 BQ도 사용하고 있었다. 그 가운데 BQ를 사용하는 편이 좋다는 의견이 되었다.


BQ로 만든 결과
플랫폼 유지 비용도 낮아졌다. 사용자의 불만도 사라졌다.