시맨틱 데이터 모형화를 고객도 이해하게 하려면

시맨틱 데이터 모형화 - 데이터의 유용성과 가치를 높이는 방법
파노스 알렉소풀로스 지음, 박해선 옮김 / 한빛미디어 / 2022년 3월

이 책은 "그걸 하려면 시스템을 새로 구축해야 합니다." 라는 최악의 상황을 막기 위해 현실에 최대한 가깝게 모형(model)을 설계하려는 이에게 유용합니다. 이때 모형은 각종 데이터베이스, 객체지향개발의 클래스, 통계와 머신러닝 기반 예측/최적화 모형을 말합니다.

단, 초심자는 나중에 읽는 게 좋겠습니다. 세상을 MECE(Mutually Exclusive Collectively Exhaustive, 상호배제와 전체포괄)적인 관점을 준수하여 IT로 구현하지 못한다는 깨달음을 머리가 아니라 손발과 가슴으로 절감한 후에야 이 책을 읽을 만합니다. ERD(Entity Relationship Diagram)를 그리며 테이블을 그렸다 지웠다 해보고, 클래스 상속을 고민해본 경험이 없으면 이 책을 끝까지 읽을 의욕을 유지하지 못하지 않을까 합니다.

시맨틱 데이터 모델 semantic data model: 1980년대 중반 이후 관계 데이터 모형의 한계를 극복하여 현실 세계의 정보를 풍부하게 컴퓨터에 표현할 수 있도록 제안된 여러 가지 데이터 모형을 통틀어 이르는 말. 1980년대 후반 이후 객체 지향 데이터 모형으로 흡수ㆍ통합되었다.
(출처: https://wordrow.kr/의미/시맨틱%20데이터%20모델/)

책 두께는 얇은 편인데 읽기는 쉽지 않았습니다. '시맨틱 데이터 모형'과 자신이 겪었던 어려움 간 관계를 잊지 않아야만 시종일관 시맨틱 데이터 모형을 설계하기 어려운 이유와 대안을 이야기하는 와중에 길을 잃지 않을 수 있습니다. 

• [PART I 기초]
  • CHAPTER 1 시맨틱 격차에 유념하기
  • CHAPTER 2 시맨틱 모형화 요소
  • CHAPTER 3 시맨틱 현상과 언어적 현상
  • CHAPTER 4 시맨틱 모형 품질
  • CHAPTER 5 시맨틱 모형 개발
• [PART II 함정]
  • CHAPTER 6 나쁜 설명
  • CHAPTER 7 잘못된 의미
  • CHAPTER 8 잘못된 모형 규격 및 지식 습득
  • CHAPTER 9 나쁜 품질 관리
  • CHAPTER 10 잘못된 애플리케이션
  • CHAPTER 11 나쁜 전략과 나쁜 조직
• [PART III 딜레마]
  • CHAPTER 12 표현성 딜레마
  • CHAPTER 13 표현성과 내용 간의 딜레마
  • CHAPTER 14 진화와 거버넌스 딜레마
  • CHAPTER 15 미래 전망

저자가 절절하게 겪은 경험을 기반으로 한 조언이 1장부터 15장까지 빼곡합니다. 비슷한 분량의 다른 책에 비해 읽다 지친다 싶을 정도로 조언이 많습니다. 주제가 주제이다 보니 어쩔 수 없겠습니다. 퍼지 같은 부분은 맥락만 이해해도 좋겠습니다. 시맨틱 데이터 모형 운영을 자동화하기에는 현실적으로 부족한 점이 있지만, 자동화를 배제하지 말고 수작업을 병행하라는 충고는 몇 차례 나옵니다. 어플리케이션 개발자 입장에서는 생소하게 느껴질 수도 있겠습니다. 그래야만 시맨틱 데이터 모형 관리가 지속가능 하겠기에 그런가 보다 했습니다.

시맨틱 데이터 모형을 관리해야 하는 취지를 내외부 고객에게 이해하게 하는 일은 보통 어려운 일이 아닐 겁니다. 업무실적으로 인정받기 위해서 기술적인 이해보다는 신뢰관계를 바탕으로 할 수밖에 없을지도 모릅니다. 더구나 위 표를 보면 각종 편향에 휩쓸리지 않을 정도로 성숙해야 할 주제인가 싶기도 합니다. IT 업계에서 시니어로 성장하면서 필연적으로 극복해야 할 사안을 나열한 셈입니다. 저자는 이 끝이 없어 보이는 여행에 나서라고 독자를 격려하며 책을 끝맺습니다. IT 일을 하며 꺼림칙한 기분이 들 때에 이 책을 다시 펼쳐 보아도 좋겠습니다.

[100자평] 데이터 천재들은 어떻게 기획하고 분석할까?

데이터 천재들은 어떻게 기획하고 분석할까? - 직관을 넘어 핵심을 꿰뚫는 데이터 분석의 절대 법칙
조성준 외 지음 / 21세기북스 / 2022년 3월

특히 중견기업, 대기업의 관리자에게 이 책을 권합니다. 간간이 원리를 설명하는 기술적인 내용이 나옵니다만, 내용을 이해하는 데에는 무관하며 빅데이터와 인공지능 기술을 어떻게 활용해 나갈지에 대해 집중하기 때문입니다. 실무자에게는 잘 정리한 자료로서 가치가 있겠습니다.

디지털 마케팅까지 다루는 ‘고객을 끌어오는 구글 애널리틱스4‘

고객을 끌어오는 구글 애널리틱스 4 - 입문부터 최신 고급 기법까지 실무에 필요한 웹 로그 분석 완벽 설명&실습 가이드
문준영 지음 / 한빛미디어 / 2022년 3월

구글 애널리틱스(GA)와 애드센스를 초창기부터 써왔는데, 어느 순간 보니 기능들이 어마어마하게 많아졌습니다. 내 블로그에 누가 들어오나 궁금해서 시작했던 구글 애널리틱스가 어느새 디지털 마케팅의 주류 솔루션으로 쓰이고 있는 게 대단하다 생각하던 차에, 이 책이 나와 얼른 보았습니다.

512쪽이나 되어 GA가 이 정도로 복잡한 도구가 되었구나 언제 다 읽나 했으나, 스크린샷이 풍부하여 잘 따라 할 수 있게 한 구성일 뿐이지 글만 빼곡하지는 않아 다행이었습니다. GA를 대충 알던 저를, 이 책은 여러모로 경탄하게 했습니다.

1. 가장 큰 미덕은 실습 홈페이지 제공입니다. 제가 GA를 10년은 썼어도 그다지 잘 알지 못하는 수준에 머무른 건 제 블로그 방문자 데이터로 할 수 있는 게 많지 않아서입니다. 이 책은 개인으로서는 학습 데이터 부족이라는 뻔한 상황을 맞을 수밖에 없음을 잘 알고 실습을 할 수 있는 홈페이지를 마련했습니다. 독자는 계정 생성부터 잘 따라 하기만 하면 됩니다.
2. 통계 등 선수학습에 부담을 가지지 않아도 됩니다. 이 책 안에서 필요한 것만 언급이 되어 있습니다.
3. GA의 디지털 마케팅 요소(캠페인, 통계, 잠재고객, 전자상거래 이벤트 처리, 푸시/인앱 메시지)를 빠짐없이 다뤘습니다. 후반쯤 가면 GA로만 하지 못하는 요소들이 나옵니다만, 그건 회사에서도 개발자와 협업할 업무입니다. 취업준비생이라면 이 책이 나온 정도만 익혀도 충분합니다.
4. GA와 실습 홈페이지를 오가며 실습해야 하기에 계정도 이거 쓰다 저거 쓰다 혼동이 될 만하지만, 아래 그림과 같이 최대한 안내해 줍니다. 저자가 참 세심합니다.

실습용 계정, 조건 안내

실습하지 않으면 오래 기억하기 힘든 내용들입니다. 다소 번잡하더라도 책 초반에 나온 대로 준비해서 시간이 들여서 할 수 있는 한은 다 해 보면, GA가 아니라 다른 digital marketing platform을 만나도 잘 적응하여 활용할 수 있겠습니다. 

[100자평] 샤틀레 행복론

샤틀레 행복론 - 모순되는 마음들이 정리되는 놀라운 경험
에밀리 뒤 샤틀레 지음, 변희정 옮김 / 인간희극 / 2017년 9월

18세기에 나온 자기계발서이건만, 화성을 가니 마니 하는 시대를 맞으며 소셜미디어에 스마트폰으로 늘 접속하는 21세기 사람이 읽어도 곱씹을 거리가 빼곡합니다. 신기할 정도로 ‘나 때는 말이야‘ 류의 거슬림이 없기도 합니다.

진도 빠른 안내자, ‘쿠브플로 운영 가이드‘

쿠브플로 운영 가이드 - 온프레미스 배포와 클라우드 운영
조시 패터슨.마이클 카체넬렌보겐.오스틴 해리스 지음, 김소형 옮김 / 한빛미디어 / 2022년 1월

AI기술팀의 일원으로서 MLOps는 지상과제입니다. MLOps를 구현하는 방법에는 정답이 없어도 정도 중 하나는 구글이 제안하는 길을 따르는 것입니다. 구글이 내놓은 Kubernetes는 리눅스재단에서 적극적으로 받아 들이는 등 컨테이너화된 워크로드와 서비스를 관리하기 위한 이식할 수 있고 확장 가능한 오픈소스 플랫폼으로는 대세가 되었습니다. 그러한 기조를 바탕으로 DevOps에서 쿠버네티스는 필수요소가 되다시피 했고, 자연스럽게 쿠버네티스를 기반으로 한 MLOps 플랫폼인 Kubeflow가 등장했습니다.

이 책은 Kubeflow를 다루는 한국어 자료로는 참 귀중하다 할 정도로 기술배경부터 구축을 거쳐 운영과 모델 서빙까지 전부 언급하면서도 얇습니다. 얇다는 얘기는 꽤 많은 사전지식을 요한다는 의미이기도 합니다. 그렇다고 해서 불친절하지는 않습니다. 각 장마다 도움말을 남겨 보겠습니다.

- CHAPTER 1 쿠브플로 소개
배경지식으로서 쿠버네티스를 기반으로 머신러닝을 수행하는 의의와 사례에 대해 설명합니다. 기본적인 구성요소도 설명하는데, 꽤 어려울 만한 인프라 용어가 나옵니다. MLOps에 관심을 갖게 된 데이터과학자가 읽기는 힘들려나 싶었으나 뒤에 부록 A, B, C에 용어 설명이 가능한 친절하게 나옵니다. IT 인프라가 낯선 독자는 부록을 먼저 읽어도 좋겠습니다. 그 설명만 가지고 모든 맥락을 파악하지는 못하겠지만 책 전반을 이해하기에는 충분하지 않을까 합니다.
 
- CHAPTER 2 쿠브플로 아키텍처와 모범 사례
쿠브플로 개요와 사례를 다룹니다. 특히 중요한 게 주피터 노트북 아키텍처입니다. 모델 개발자(데이터과학자)에게 맞춤형 분석환경을 용도에 따라 여러 벌 만들어 줄 수 있는 유용한 인프라를 구축할 수 있습니다. 노트북 환경만 생각하면 Jupyter Notebook on K8S 같은 오픈소스 프로젝트를 써도 좋습니다. 지금 저희 팀이 이렇게도 잘 쓰고 있습니다. 다만 pipeline과 model serving도 감안하면 Kubeflow가 좀 더 손이 덜 가는 방안이 될 수 있습니다.
 
- CHAPTER 3 쿠브플로 설치 계획
상당히 본격적인 내용입니다. 다소 폐쇄적이어도 무방한 학교, 연구소와는 달리 기업에서는 보안을 중요시해야 하는데, 이 3장에서는 보안과 더불어 GPU, Docker 컨테이너 등 이론적인 설명을 많이 합니다.
 
- CHAPTER 4 온프레미스에 쿠브플로 설치
이제 본격적으로 실습을 하는 장입니다. 쿠버네티스를 비롯해서 쿠브플로도 서버가 넉넉하지 못하면 실습하기가 참 어렵습니다. 팀원들도 서버 몇 대만으로는 한계가 있으니 라즈베리파이까지 동원해서 연습해보더군요. 온프레미스(다시 말해, PC)에 쿠브플로를 설치하여 실습하는 데에는 한계가 많긴 합니다. 그렇다 해도 팀장 입장에서는 지원자가 이 정도만 했다고 해도 엄청나게 환영할 만한 수준이라고 봅니다. 가능하다면 AWS S3 호환 object storage 솔루션인 MinIO 서버까지 구축해서 연동하여 써보는 것도 좋겠습니다.
 
- CHAPTER 5 구글 클라우드 쿠브플로 운영
- CHAPTER 6 아마존 웹 서비스 쿠브플로 운영
- CHAPTER 7 애저 쿠브플로 운영
퍼블릭 클라우드의 쿠버네티스 PaaS에 쿠브플로를 설치하고 구동해보는 실습입니다. 학생이라면 호시탐탐 기회를 노려 무료 크레디트같은 걸 많이 확보하여 실습하는 게 좋겠습니다. GCP는 써본 적이 없어도 AWS EKS, MS Azure AKS는 써봤습니다. 비용이 보통 VM 쓰는 것보다 상당히 나가는 편입니다. 조심할 필요가 있습니다.  

- CHAPTER 8 모델 서빙과 통합
MLOps라면 응당 구현해야 할 model serving을 다룹니다. 이 책에서 설명하는 KFServing 외에 Seldon core나 BentoML도 있습니다. 제 느낌에는 셀던 코어 사례가 좀 더 많습니다. 실습하기도 보통 일이 아니니 개념 익히기까지만 해도 성공적이라고 봅니다.
 
- Appendix A 인프라스트럭처 개념 
- Appendix B 쿠버네티스 개요 
- Appendix C 이스티오 운영과 쿠브플로
부록이 없었다면 이 책은 여러 독자들에게 극도로 불친절한 문서 묶음이었을 수도 있습니다. 인증, 보안 같은 주요 인프라 요소, 쿠버네티스 기본지식, Istio를 기반으로 한 네트워크 관리(카나리 배포에 필수)와 같은 배경지식을 다룹니다. 저는 웹 서버를 비롯해서 네트워크 관련해서는 전문가에게 맡기는 편입니다. 부록에서 다루는 개념을 다 잘 아는 사람은 드뭅니다. 어렵게 느껴진다 해도 그런가 보다 하고 완독하기를 권합니다. 실제 일이 될 때에 익숙해질 기술들입니다. 용어의 향연에 짓눌리지는 않길 바랍니다. 잘 해나갈 수 있습니다.