커넥티드 카 (Connected Car)데이터 혁명의 승자와 패자를 가르는 요소

Translated by HaUn Kim - Original Blog Post

스마트폰과 더 닮은 자동차를 만드는 것이 미래입니다. 우리는 애플과 모든 스마트폰 회사가 통화를 바꾼 것처럼 자동차를 바꾸려고 합니다." - Jim Farley, 포드 자동차 CEO

짐 팔리가 자동차를 스마트폰에 비유한 것은 모든 자동차 회사의 현실을 반영합니다. 현대 자동차는 다양한 센서 방식, 150개에 달하는 전자 제어 장치(ECU), 1억 줄이 넘는 코드를 통해 매일 1,000배 이상의 데이터를 생성합니다. 커넥티드 차량의 성장(2030년까지 전 세계 신차 판매량의 95%)에 따라 모든 자동차 회사는 커넥티드 차량 데이터를 수익화하고 더욱 개인화된 서비스, 부가가치가 높은 디지털 제품, 에코시스템 수익화를 통해 차별화를 추진하는 것이 전략적 필수 요소입니다.

커넥티드 차량의 데이터 수익화 잠재력은 엄청납니다. 2030년까지 평균적으로 새로운 구독 기반 서비스는 차량 한 대당 연간 310달러의 반복적인 수익을 창출할 수 있습니다. 또한 이러한 서비스는 평균 영업 마진이 신규 판매보다 150% 더 높을 정도로 수익성이 높으며, 더 중요한 것은 운전자에게 더 나은 안전, 편안함, 편의성 및 엔터테인먼트 경험을 제공함으로써 운전자들의 충성도를 높인다는 점입니다.

자율 주행, 커넥티드, 전기 모빌리티 혁명의 거대한 기회를 최대한 활용하려면 자동차 회사들은 커넥티드 차량에서 수집되는 귀중한 정보의 양, 복잡성, 상호 운용성, 대중화 및 수익화 문제를 해결할 수 있는 보다 포괄적인 데이터 전략이 필요합니다.

차량 텔레메트리: 다양한 가치 창출 방식 탐색하기

오늘날의 차량에서 생성되는 데이터는 넘쳐나며, 이는 전체 산업에서 모든 데이터가 집중되는 곳입니다. 이 분야에서 승자와 패자를 가르는 기준은 차량 텔레메트리 데이터의 복잡성을 효과적으로 제거하고 다양한 사용 사례를 구현할 수 있는 자동차 OEM 및 모빌리티 기업과 그렇지 못한 기업의 차이로 귀결됩니다.

차량 텔레메트리 데이터의 기원은 안전에 있지만, 이제는 차량 탑승자에게 더 편안하고 즐거운 경험을 제공하는 것이 중요한 요소로 자리 잡았습니다. 데이터가 폭발적으로 증가함에 따라 사용 사례의 폭은 기하급수적으로 늘어날 것이며, 인간의 상상력으로는 한계가 있을 것입니다. 이를 잘 이해하는 기업은 데이터 플랫폼을 설계하여 여러 부서에서 다양한 다운스트림 사용 사례를 지원함으로써 기업의 효율성을 높일 수 있습니다.

 

이는 차량 텔레메트리 데이터가 차량에서 생성되는 동안 다양한 부서, 기능, 심지어 외부 당사자에 이르기까지 여러 방식에 걸쳐 그 가치가 실현된다는 것을 의미합니다. 조직과 생태계 전반에서 차량 텔레메트리 데이터를 활용하는 몇 가지 중요한 사례를 소개합니다:

• 마케팅: 차량 사용에 대한 지속적인 정보를 활용하여 개인화된 서비스 패키지를 설계하고, 보험, 보증, 디지털 서비스 구독 등과 같은 보다 매력적인 제안과 보완 솔루션을 제공합니다.
• 디지털 경험: 차량 인사이트를 활용하여 고객에게 고도로 개인화되고 만족스러운 웹 및 모바일 경험을 제공합니다.
• 고객 지원: 차량 진단 및 센서 정보를 활용하여 현장 문제 및 보증 청구에 대한 인사이트를 빠르게 파악하고, 잠재적인 시정 조치를 파악하여 고객에게 더 빠르게 해결책을 제시합니다.
• 설계 및 엔지니어링: 안전, 자율성, 연결성, 배터리, 인포테인먼트 및 제어 시스템에 대한 무선 업데이트를 통해 소프트웨어 기능 사용 현황을 파악하고 주행 경험을 개선합니다.
• 딜러/서비스 네트워크: 유지보수 및 애프터마켓 요구 사항을 예측하고 원활한 이행을 유도하여 차량 성능과 소유 경험을 개선합니다.
• 제품 품질: 고객 불만과 현장 문제를 제조 프로세스 및 공급업체에 대한 추적성을 개선하고 향후 리콜을 방지합니다.
• 에코시스템 수익화: 인포테인먼트 서비스, 전기화, 보험, 공유 모빌리티 서비스로 구성된 에코시스템을 통해 가치 창출을 늘립니다.

모든 사용 사례의 공통된 주제는 원격 측정 데이터가 관련성과 실행 가능성을 높여 모든 인사이트를 풍부하게 만든다는 것입니다. 이는 예측 기능과 더 빠른 데이터 기반 의사 결정을 가능하게 할 뿐만 아니라, 적재적소에 적절한 솔루션을 조율할 수 있는 적절한 사람에게 인사이트를 쉽게 제공할 수 있습니다. 이를 위해서는 기술적 능력에 관계없이 누구나 데이터에 액세스하여 가장 효과적이고 가치를 창출하는 조치를 취할 수 있도록 정보 민주화에 대한 신중한 접근 방식이 필요합니다.

장애물

자동차 업계는 커넥티드 차량의 성능을 극대화하기 위해 노력하면서 복잡한 데이터 통합 및 표준화, 보안 및 거버넌스, 데이터 및 조직 사일로 등 여러 가지 과제에 직면하고 있습니다.

복잡한 데이터 통합 및 표준화

커넥티드 차량은 다양하고 복잡하며 종종 독점적인 형식의 방대한 양의 데이터를 생성합니다. 이 복잡한 정보 웹을 차량 구성 요소 전반에 걸쳐 조화시키는 것은 엄청난 과제이며, 이를 다양한 비즈니스 부서 및/또는 공급업체가 접근 가능한 방식으로 모델링하는 것은 어려울 수 있습니다. 현재 수억 대의 커넥티드 차량이 도로를 달리는 상황에서 표준화는 다양한 이해관계자 간의 원활한 협업을 가능하게 하고, 다양한 사용 사례 간의 상호 운용성을 보장하며, 다른 데이터 세트(예: 디지털 상호 작용, 딜러 네트워크, 제조 및 엔지니어링 데이터)와의 맥락화를 통해 이 데이터의 잠재력을 최대한 활용하는 데 핵심적인 역할을 합니다.

보안 및 거버넌스

큰 데이터에는 큰 책임이 따릅니다. 텔레메트리 데이터(차량 위치, 차량 식별, 개인 식별 정보 포함)의 민감한 특성으로 인해 개인정보 보호 및 규정 준수를 위한 강력한 보안 조치와 거버넌스 프레임워크가 필요합니다. 암호화, 마스킹, 행/열 수준 제어, 지리적 데이터 레지던시 등을 통해 이러한 풍부한 정보를 보호하는 것은 제조업체가 텔레메트리 데이터로 극복해야 할 과제입니다.

데이터 및 조직 사일로

데이터 기반 문화를 채택하는 것은 단순한 기술적인 변화가 아니라 비기술적인 사용자를 위한 데이터의 민주화를 요구하고, 내부 및 외부의 원활한 데이터 협업을 촉진하는 총체적인 변화입니다. 그러나 데이터 사일로와 조직의 문제는 이러한 혁신에 상당한 장애물이 되어 신속한 이동과 혁신, 적시에 적절한 장소와 사람에게 데이터와 인사이트를 제공하는 능력을 방해하고 있습니다. 많은 경우, 귀중한 데이터가 부서별 사일로 안에 갇혀 있어 전략적 의사 결정과 혁신에 활용할 수 있는 사람들이 접근할 수 없는 경우가 많습니다. 이러한 부서 간 협업의 부재는 혁신을 저해하고 오늘날의 급변하는 자동차 업계에서 요구되는 민첩성을 저해합니다. 데이터를 민주화하고 비기술적인 사용자에게 직관적인 도구와 접근 권한을 제공하며, 대내외적으로 데이터 공유를 장려하는 협업 문화를 조성함으로써 조직은 이러한 사일로를 허물고 데이터의 진정한 잠재력을 발휘하여 정보에 기반한 의사 결정, 혁신적인 솔루션, 궁극적으로 성공을 이끌어낼 수 있습니다.

종합적인 데이터 전략 수립

커넥티드 차량 데이터를 위한 데이터 및 AI 플랫폼에는 몇 가지 필수 요소가 필요합니다. 레이크하우스 아키텍처는 세 가지 주요 특성을 통해 차량 원격 측정을 위한 데이터 및 AI 대중화의 복잡성을 해결합니다.

일관된 수집 및 처리

최신 데이터 및 AI 플랫폼은 모든 형식, 속도, 크기의 데이터를 일관되게 수집하고 처리할 수 있는 기능을 제공합니다. 실시간 텔레메트리 스트림이든 과거 데이터이든, 이 플랫폼은 자동으로 증분 수집 및 처리 기능을 제공합니다.

이를 통해 구조화되지 않은 원시 데이터에서 점점 더 많은 큐레이션된 데이터 세트(예: 브론즈 > 실버 > 골드)로 쉽게 전환하여 다양한 팀과 데이터 제품에 제공할 수 있습니다. 차량 원격 측정 데이터의 경우, 이는 종종 브론즈 테이블의 다양한 구성 요소에 걸쳐 고도로 중첩된 센서 판독값에서 간결한 키-값(차량, 타임스탬프, 센서 이름, 센서 값) 실버 테이블로, 마지막으로 여러 데이터 팀, 비즈니스 프로세스 또는 데이터 제품에 맞게 조정된 골드 테이블로 전환하는 것을 의미합니다. 이러한 골드 테이블에는 종종 실버 키-값 테이블의 피벗 및/또는 집계된 값이 포함됩니다.

개방적이고 효율적인 스토리지
텔레메트리 데이터의 엄청난 양과 속도를 처리하기 위해, 이 플랫폼은 저렴하고 탄력적인 클라우드 오브젝트 스토리지에 효율적인 개방형 테이블 형식(Delta Lake) 스토리지를 제공합니다. Delta Lake는 효율적인 ACID 트랜잭션(삽입, 삭제, 업데이트, 병합 등)과 변경 데이터 캡처(CDC), 데이터 버전 관리, 시간 이동 기능을 결합하여 완벽한 감사 기능을 제공합니다. 오픈 소스이기 때문에 대부분의 최신 컴퓨팅 엔진에서 액세스할 수 있어 종속성을 줄이고 도구와 공급업체 선택의 폭을 넓힐 수 있습니다. 이를 통해 다운스트림 데이터 및 AI 제품에 사용되는 모든 데이터에 대한 단일 데이터 소스를 제공하여 데이터 엔지니어, 데이터 사이언티스트, 분석가의 생산성을 40~65% 향상시킬 수 있습니다.

생성형 AI가 적용된 데이터 인텔리전스 플랫폼

데이터브릭스 레이크하우스는 모든 데이터에 대한 일관된 수집 및 큐레이션의 이러한 기둥을 개방적이고 효율적이며 관리되는 레이크하우스로 통합합니다. 또한 분산된 팀이 관리되는 원격 측정 데이터를 기반으로 데이터와 AI 제품을 안전하고 규정을 준수하며 개발하고 공유할 수 있는 공간을 제공합니다.

레이크하우스에 생성형 AI를 도입하면 새로운 차원의 데이터 인텔리전스를 얻을 수 있습니다. 데이터브릭스 데이터 인텔리전스 플랫폼에는 생성형 AI를 사용해 데이터의 특성과 의미를 이해하는 인텔리전스 엔진이 포함되어 있습니다. 이는 플랫폼 전반의 성능, 비용, 경험을 최적화하는 데 기여합니다. 관리되는 데이터는 네이티브 자연어 인터페이스와 어시스턴트를 통해 직원부터 최고 경영진에 이르기까지 더욱 민주화됩니다. 마지막으로, 데이터 인텔리전스 플랫폼은 데이터에 직접 생성형 AI 애플리케이션을 구축할 수 있는 도구, 패턴, 모델을 제공합니다.

이 전략이 제대로 수행된다면 자동차 OEM과 모빌리티 기업은 더 많은 사용자, 특히 자연어 인터페이스로 데이터와 상호 작용하고 더 나은 의사 결정을 내릴 수 있는 비기술 사용자를 확보하는 데 도움이 될 것입니다. 예를 들어, 커넥티드 기능이 최종 사용자에게 어떻게 작용하는지 이해하려는 소프트웨어 엔지니어, 전기 기계 시스템의 신뢰성을 이해하려는 기계 엔지니어, 배터리 성능 및 전기차 충전 경험의 추세를 이해하려는 전기 엔지니어, 고객과의 커뮤니케이션을 개인화하려는 마케팅 전문가 등이 이에 해당할 수 있습니다.

거버넌스, 생성형 AI 및 데이터브릭스 DI 플랫폼에 대해 자세히 알아보려면 다음 리소스를 활용하시기 바랍니다: