어떻게 Graph DBMS가 Datametrex 사의 추천 엔진을 향상 시킬 수 있었는가?
4차 산업 혁명 시대에는 다양하고 방대한 데이터들이 넘처난다. 그리고 이 데이터를 처리하기위해 많은 회사들은 여전히 RDBMS에 의존하고 있다.
하지만 만약 GDBMS가 이러한 데이터를 RDBMS 보다 효과적이고 능률적으로 데이터를 다룰수 있다면 상황은 어떻게 바뀔까? 이 블로그에서는 우리의 파트너 사인 Datametrex의 사례를 통해 GDBMS의 가치를 알아볼 것이다.
Datametrex의 배경과 RDBMS의 문제점
Datametrex는 Toronto Venture Exchange에 등록되어있다. 이 IOT 회사의 솔루션은 고객에게 포스를 통해 실시간으로 업무에 관련된 데이터에 접근하고 분석하는 것을 제공하는 것이다.
‘Datametrex Solution’은 시각화 툴인데, 이 툴은 고객의 점포와 재고, 잔고, 판매 증가 그리고 상품 가격을 지역별로 설정하는 것 등을 관리해준다.
그러나, RDBMS는 오직 구조화된 데이터를 처리할수 있으므로, 구조화 되지 않은 데이터를 처리하고 분석하는데는 한계가 있다. Datametrex는 고객이 원하는 것을 제공하기 위해, 보다 효율적인 데이터베이스 시스템을 찾았다.
솔루션은 AgensGraph와 함께 제공된다
AgensGraph는 구조화된 프레임을 조정하지 않고 POS 단말기의 트랜잭션 데이터를 활용하여 데이터 처리 속도를 높인다. 추가적으로 AgensGraph는 상품1과 상품2(data 1 & 2) 사이에 연관성을 실시간으로 찾고 삼품간의 조합을 평가하는 장점이 있다. 그리고 이 조합에 근거하여 새로운 분석을 만들어낸다. 또한 AgensGraph는 외견상으로는 관련성이 없지만 사실상 명백하게 연결되어있는 데이터 관계를 추출할 수 있다.
AgensGraph와 함께, 새로운 ‘Datametrex Solution’은 데이터를 수집, 저장 및 처리하는 방식을 근본적으로 변경함으로써 매우 혁신적인 서비스를 제공할 수 있었다.
예를들어, 이 솔루션은 소매점에서 고객의 체류 시간을 분석하여 상품의 가격 및 재고를 관리하는데 사용할 수 있다. 그리고 이를 통한 계절 및 지역 통계의 결과를 번들 제품의 개발, 판매, 홍보하는데에 사용할 수 있다.
또한 GDBMS는 기존의 RDBMS보다 더 많은 가치를 제공할 수 있다. 예를들어, GDBMS는 검색 패턴, 특성 및 특정 고객이나 조직의 관심과 같은 불특정 관계의 데이터를 즉각적으로 수집하면서 관련된 상품, 서비스 및 조직에 데이터를 제공하기위해 이 데이터를 실시간으로 분석할 수 있다.
이와 같이, AgensGraph는 이질적인 영역에 있는 데이터를 효과적으로 관리하고 통합하고, 고객에게 최적의 솔루션과 새로운 가치를 찾을수 있는 기반을 제공한다.
Datametrex는 이제 AgensGraph 덕분에 데이터 간의 관계 및 패턴을 분석하는 추천 엔진을 가지게 되었다. 그리고 고객이 구매한 상품에 대한 분석이 가능해지므로써 전반적인 서비스와 판매가 증가했다.
기사 원문 Bitnine Co, Ltd. All Rights Reserved.