top of page

워크로드 자동화도 이제는 관찰 가능성이 필요한 시대! Automation Analytics & Intelligence

워크로드 자동화 환경이 점점 더 복잡해지고 작업량이 증가함에 따라 효율적이고 자동화된 비즈니스 프로세스를 제공하기 위한 핵심 요소로 관찰 가능성(observability)에 대한 필요성이 증가하고 있습니다.


대다수의 조직들은 분산된 환경과 메인프레임, 클라우드에서 여러 제조업체의 다양한 자동화 도구를운영하고 있습니다. 이러한 자동화 엔진들은 때때로 독립적으로 때로는 상호 의존적으로 작동하며 매분 상세한 이벤트 정보를 포함하고 있는 방대한 운영 데이터를 생성합니다. 이처럼 쏟아지는 정보는 기업에 큰 짐이 되고 있습니다. 자동화 데이터가 분산되어 있고 사용되지 않거나 제대로 활용되지 않고 있나? 이런 질문에 아니라고 확답할 수 있는 조직이 많지 않다는 것이죠. 시장에는 많은 워크로드 자동화 솔루션이 나와 있습니다. 이들 모두는 중요한 비즈니스 프로세스를 자동화하면서 광범위한 가치 있는 데이터를 생성합니다. 그러나 비즈니스 서비스를 성공적으로 제공하기 위해 필요한 종합적인 가시성, 즉 관찰 가능성 관련 기능을 제공하지 않습니다. 이로 인해 실제로 필요한 데이터가 놓치거나 효율적으로 사용되지 못하는 경우가 많습니다. 관찰 가능성은 자동화 도구가 더 능동적이고 지능적으로 발전하는 데 있어 매우 중요한 요소라 할 수 있습니다.



자동화 분석 및 인텔리전스 솔루션

Broadcom Software의 Automation Analytics & Intelligence(이하 AAI)는 다양한 스케줄링 솔루션 및 플랫폼에서 방대한 양의 데이터를 수집여 이를 하나의 대규모 저장소로 통합하고 정규화합니다. 이 대형 데이터 저장소는 기록 데이터와 실시간 정의 데이터를 통합하며, 이를 기반으로 고급 분석을 생성하여 비즈니스 서비스 수준에서 복잡한 워크로드를 효과적으로 관리할 수 있도록 지원합니다.

이러한 방식으로 AAI는 메인프레임, 분산 컴퓨팅그리고 클라우드 환경을 포함하는 다양한 공급업체 및 솔루션에 걸쳐 통합된 자동화 관찰 기능을 제공합니다. 이는 비즈니스에 대한 이해를 극대화하고, 중요한 워크로드의 성공적인 실행을 보장하는 데 필수적인 요소입니다.


더불어 AAI는 비즈니스 중심의 애플리케이션에 대한 예측적인 SLA 관리, 중요 경로 통찰력, 그리고 통합된 전체적인 관찰 가능성을 제공하는 고급 분석 솔루션으로 워크로드 자동화를 지원합니다. 이렇게 수집되고 분석된 중요한 워크로드 데이터는 IT 운영의 효율성을 높이고 디지털 혁신의 진행과 비즈니스의 성공을 돕는 중요한 비즈니스 통찰력의 원천이 될 수 있습니다. 이는 AAI가 기업의 디지털 전환 여정을 지원하는 데 있어 중추적인 역할을 수행한다는 것을 의미합니다.

Automation Analytics & Intelligence 도입 후 달라지는 것

  • 예측적인 SLA 관리: AAI는 과거 데이터를 분석하여 SLA 누락된 횟수를 시각화하고, 문제를 일으키는 비즈니스 프로세스를 정확히 파악하며, 또한 예측적 분석을 통해 자동화 프로세스가 완료되는 시점을 더 잘 예측할 수 있도록 도움을 줍니다. 예를 들어 대량의 데이터 볼륨이나 운영 속도 저하로 인해 프로세스 지연이 발생하는 경우 AAI는 즉시 반응하여 SLA 위반의 위험성을 알려주며, 이를 통해 SLA를 위반하고 비용이 발생하기 전에 적절히 대응할 수 있는 귀중한 시간을 확보할 수 있습니다. 더불어 스마트 알림 기능을 활용하여, 속도 저하가 SLA 이행에 심각한 위험을 초래하는 경우에만 알림을 받을 수 있습니다. 한편, AAI는 사용자에게 분석 결과를 유연하게 전달하는 기능도 제공합니다. 대시보드 위젯을 활용하여 비즈니스 프로세스 소유자와 애플리케이션 소유자에게 비즈니스 프로세스의 상태와 SLA 누락 위험을 실시간으로 표시할 수 있습니다.


  • 중요 경로 분석: 프로젝트 관리 방법론에서 임계 경로는 프로젝트를 가장 효율적으로, 시간적으로, 자원적으로 완료하기 위해 따라야 하는 독립적인 단계의 최적화된 순서를 가리킵니다. 워크로드 자동화 관점에서 볼 때 중요 경로에 대한 깊이 있는 이해가 부족하면 SLA 위반, 벌금과 최악의 경우 고객을 잃는 결과를 초래할 수 있습니다. AAI는 그 중에서도 핵심 경로 분석 기능을 강력하게 제공하는데, 이는 단일 실행보다는 비즈니스 프로세스 전체를 대상으로 구성되어 비즈니스 프로세스의 가시성과 책임성을 강화하는 데 중요한 역할을 합니다. AAI는 중요한 작업 항목을 기반으로, 자동으로 해당 중요 작업의 업스트림에 있는 모든 작업을 식별하고, 작업 스트림으로 그룹화합니다. 그 이후에는 비즈니스 프로세스의 완료를 위한 필수적인 경로와 해당 경로에서 미래에 문제를 일으킬 가능성이 높은 작업들을 식별합니다. 또한, 워크로드가 끊임없이 변화하는 특성을 감안하여, 이 분석을 동적으로 수행함으로써 발생하는 변화를 캡처하고, 이를 통해 자동화 환경에서 실제로 관찰하고 예측할 수 있는 가능성을 만들어냅니다.


  • 워크로드 최적화: 또 다른 중요한 기능인 워크로드 최적화는 AAI를 통해 조직이 문제가 발생하기 전에 시야를 넓히고, 워크로드를 보다 효율적으로 관리할 수 있도록 돕습니다. 기록 데이터를 바탕으로 한 추세 분석을 통해, 문제가 있는 일반적인 작업을 사전에 찾아내고, 시간이 흐름에 따라 어떤 작업이 더 오래 걸리는지 파악하고, 그와 관련된 중요한 프로세스를 밝혀내는 작업을 수행합니다. 또한, 한 비즈니스 서비스를 수행하기 위해 함께 실행되는 수천 개의 작업을 분석하여, 전체 작업 스트림의 추세를 식별할 수 있습니다. 이러한 기능의 실제적인 예시로 복잡한 종속성과 일정 조건 아래에서 일일 백만 개 이상의 프로세스(작업)를 실행하는 글로벌 금융 서비스 조직을 들 수 있습니다. 이들 작업의 정의, 시작 시간, 종료 시간, 상태 등이 캡처되어 데이터 저장소를 형성하게 됩니다. 이 데이터 저장소는 워크로드의 추세를 파악하고, 워크로드를 예측하고, 이 고객이 워크로드를 최적화하고, 자동화된 비즈니스 서비스를 보다 효율적으로 제공하도록 돕는 통찰력을 제공하는 기반이 됩니다. 이러한 기능은 워크로드 팀이 보다 효율적으로 운영하도록 돕는데 그치지 않고, DevOps 팀과 시스템 유지 관리 팀에게도 도움이 됩니다. 예를 들어 시스템 리소스 활용에 대한 통찰력을 제공하여 더 나은 로드 밸런싱을 실현하고, 용량 계획을 보다 효과적으로 최적화하는 데 도움을 줍니다.


  • 모델링 변경: AAI를 사용하면 사용자는 프로덕션 환경으로 이동하기 전에 정의된 SLA에 대한 잠재적인 변경 사항을 시뮬레이션할 수 있습니다. 이러한 기능은 SLA 위반을 최소화하고, 다양한 공급업체 및 플랫폼 전반에 걸쳐 복잡한 자동화 처리를 최적화하는 데 도움이 됩니다. 이러한 기능의 중요성을 강조하기 위해 AAI를 도입하기 전에 한 고객의 경험을 소개하겠습니다. 이 고객은 대규모 금융 서비스 조직으로, 복잡하고 광범위한 회계 시스템 업그레이드를 진행하면서 워크로드 자동화 엔진에 수백 개의 새로운 작업을 추가했습니다. 이 과정에서 비즈니스 처리에서 예측하지 못한 문제가 발생했고, 이로 인해 서비스 중단, 상당한 비용 초과, 과도한 수동 개입 및 브랜드에 대한 손상이 발생하는 결과를 초래했습니다. 하지만 만약 이 고객이 AAI를 사용했다면, 새 작업이 프로덕션 환경으로 이동하기 전에 예상되는 SLA 위반을 미리 확인하고, 이러한 문제를 미리 방지할 수 있었을 것입니다. 이는 AAI가 사용자에게 제공하는 강력한 모델링 변경 기능의 가치를 보여주는 좋은 예시입니다.


워크로드 자동화 혁신

살펴본 바와 같이 AAI는 비즈니스 프로세스 가시성과 예측 SLA 관리를 통해 워크로드 자동화를 혁신합니다. AAI는 다음을 통해 워크로드 자동화를 재구상하는 데 도움을 줄 수 있습니다.


  • 서비스 제공 개선 – 개체 기반 보기 대신 비즈니스 프로세스 기반 보기를 사용하면 실제 비즈니스 이점을 창출하고 SLA 위반 위험을 줄이기 위해 비즈니스에 더 일찍 워크로드를 제공할 수 있습니다.

  • 효율성 창출 및 비용 절감 – 워크로드 팀이 작업을 모니터링하고 경고를 해결하는 데 소요되는 시간을 줄이고 보다 혁신적인 다른 프로젝트에 사용할 시간을 확보합니다.


조회수 11회댓글 0개

최근 게시물

전체 보기

コメント


bottom of page