이진 봇 서비스

Cold Path, Warm Path? 측정 데이터 처리 방식에 따라 나눌 수 있습니다. Hot path는 거의 실시간으로 측정 데이터를 분석합니다. 스트림 데이터를 처리하는 엔진으로 구현합니다. 처리 결과는 알람을 트리거하거나 분석 도구를 사용하여 쿼리할 수 있도록 구조화된 형식으로 기록됩니다. Cold path는 측정 데이터가 배치 작업으로 보내지고, 간격을 두고 작업을 수행합니다. 일반적으로 대량의 데이터에 적용됩니다.

단계별 – 사용자 지정 캘린더를 사용하여 캘린더 기간 만들기

이 단계별 연습에서는 사용자 지정 캘린더 필드 및 플래그를 사용하여 캘린더 기간을 만드는 방법을 보여줍니다.

캘린더 기간은 자동 캘린더를 사용하거나 데이터의 개별 날짜/시간 필드를 사용하여 만들 수 있습니다. 이진 데이터가 포함된 필드를 사용하여 비교 분석을 위한 기간을 플래그 지정할 수도 있습니다.

사용자 지정 캘린더 데이터로 만들 수 있는 캘린더 기간에는 세 가지 종류가 있습니다.

마지막으로 정렬된 값: 캘린더 기간에 선택한 집계 필드의 가장 최근 기간이 마지막으로 정렬되어 표시된 값입니다. 순위 분석과 같은 비교를 지원하는 Insight Advisor 분석에서 마지막으로 정렬된 값은 이전 기간도 표시합니다.

상대 비교: 상대 캘린더 기간은 현재 날짜의 상대 데이터 기간이 포함된 필드를 사용합니다. 현재 또는 이전 기간과 과거 기간을 비교한 내용을 제공합니다.

플래그 비교: 플래그는 부울로 분류되어 이진 데이터를 포함하는 필드를 사용하여 비교 분석을 위해 두 기간에 플래그를 지정합니다.

상대적 기간 비교를 보여 주기 위해 이 앱의 데이터 소스에는 미래 날짜에 대한 데이터가 포함됩니다. 로드 스크립트는 현재 날짜까지 데이터 소스의 데이터를 로드합니다. 이미지에 표시된 기간이 변경되므로 이미지의 결과가 사용자의 결과와 다를 수 있습니다.

패키지 예를 다운로드하고 압축을 풉니다.

QVF 파일에는 다음 데이터 파일이 포함됩니다.

캘린더 기간을 통해 가능한 상대적 비교를 보여 주기 위해 TutorialCustomCalendarData.xlsx 에는 미래 날짜에 대한 데이터가 포함됩니다. 앱 로드 스크립트는 로드될 때 현재 날짜에 대한 앱 내 데이터를 업데이트합니다.

Qlik Sense 에 있는 QVF 파일을 가져와서 앱에 XLSX 파일을 첨부합니다. 앱을 가져오고 데이터 파일을 앱에 첨부했으면 데이터 로드 편집기 에서 앱 데이터를 로드합니다.

데이터 예

이 예에서 사용된 데이터는 다음 로드 스크립트로 로드됩니다.

Sales: LOAD City, Country, Customer, OrderDate, ProductID, Quantity, Sales, "Q4-2018", "Q1-2019", "Q2-2019", "Q3-2019", "Q4-2019", "Q1-2020", "Q2-2020", "Q3-2020", "Q4-2020", "Q1-2021", "Q2-2021", "Q3-2021", Month([OrderDate]) AS [Month], Year([OrderDate]) AS [Year], Day([OrderDate]) AS [Day], Dual(Year(OrderDate)&'-'&Month(OrderDate), monthstart(OrderDate)) AS [YearMonth], 12*Year(Today())+Month(Today())-12*Year(OrderDate)-Month(OrderDate) AS [MonthsAgo]

(ooxml, embedded labels, table is Sales) Where OrderDate

로드 스크립트는 연도 , 월 및 일 에 대해 별도의 필드를 만듭니다. 이 세 필드는 다음 계산된 필드를 만드는 데 사용됩니다.

YearMonth , 연도 및 월 정보가 있습니다. 이 예에서 집계를 위한 기본 필드입니다.

MonthsAgo , 이진 봇 서비스 특정 월에서 현재 날짜까지의 개월 수를 계산합니다.

이 데이터에는 데이터에서 처리되는 여러 분기에 대한 여러 필드도 포함됩니다. 이러한 필드에는 Sales 테이블의 각 값이 속한 회계 분기를 나타내는 이진 데이터가 포함됩니다.

이 연습에서는 세 가지 종류의 캘린더 기간을 만드는 과정으로 안내합니다.

자동 캘린더 없이 사용자 지정 캘린더 기간 만들기

플래그 비교 캘린더 기간 만들기

마지막으로 정렬된 값을 사용하여 캘린더 기간 만들기

첫 번째 캘린더 기간의 경우 마지막으로 정렬된 값을 사용하여 YearMonth 에 대한 캘린더 기간을 만듭니다.

예 앱에서 준비 를 클릭합니다.

비즈니스 논리 에서 논리 모델 을 선택합니다.

캘린더 기간 이진 봇 서비스 만들기 를 클릭합니다.

OrderDate 를 선택합니다.

캘린더 기간 이름 에 Last sorted month 를 입력합니다.

집계 날짜 에서 YearMonth 를 선택합니다.

최근 정렬된 값 사용 을 선택합니다.

통찰력 으로 이동하여 show me sales by customer 를 검색합니다.

sum(Sales) by customer 차트를 이진 봇 서비스 선택하고 분석 기간 Last sorted month 를 적용합니다. 차트가 업데이트되어 현재 월과 이전 월 간의 비교를 표시합니다.

Customer by sum(Sales) between 2021-Feb and 2021-Mar 에 적용된 Last sorted month

상대적인 비교 캘린더 기간 만들기

다음으로 상대적인 캘린더 기간을 만듭니다. 상대적인 캘린더 기간에는 다음이 필요합니다.

기간(연도, 월, 분기 등)을 포함하는 집계 필드입니다.

해당 필드에서 현재 날짜까지의 상대적 날짜 위치를 포함하는 필드입니다.

그런 다음 이러한 필드에서 오프셋을 정의합니다. 오프셋은 비교할 두 기간에 대한 현재 날짜와 선택한 기간의 상대적인 차이입니다. 현재 또는 이전 기간( 오프셋 에서 0 또는 1로 설정)을 과거 기간 최대 12개 기간 전( 오프셋 비교 에서 1~12의 숫자로 설정)과 비교할 수 있습니다.

이 캘린더 기간의 경우 YearMonth 를 집계 필드로 사용하고 MonthsAgo 를 상대 기간 필드로 사용합니다. 이번 달과 작년 같은 달을 비교하려고 합니다.

캘린더 이진 봇 서비스 기간 만들기 를 클릭합니다.

OrderDate 를 선택합니다.

캘린더 기간 이름 에 This month to this month last year 를 입력합니다.

집계 날짜 에서 YearMonth 를 선택합니다.

상대적인 기간 전 에서 MonthsAgo 를 선택합니다.

오프셋 에서 0을 선택합니다.

오프셋 비교 에서 12를 선택합니다.

통찰력 이진 봇 서비스 으로 이동하여 show me sales by customer 를 검색합니다.

sum(Sales) by customer 차트를 선택하고 분석 기간 This month to this month last year 를 적용합니다. 차트가 업데이트되어 현재 월과 현재 월 간의 비교가 표시됩니다.

2020년 3월과 2021년 3월 간의 sum(Sales) 기준 고객

플래그 비교 캘린더 기간 만들기

플래그 비교 캘린더 기간은 두 개의 필드를 사용하여 집계된 날짜 필드에서 분석할 두 개의 별도의 기간에 플래그를 지정합니다.

예 앱 데이터에는 다른 회계 분기에 대한 별도의 필드가 있습니다. 각 필드에는 해당 날짜가 분기에 있는지 여부를 나타내는 이진 데이터가 이진 봇 서비스 있습니다. 이를 YearMonth 와 함께 사용하여 플래그 비교 캘린더 기간을 만듭니다.

캘린더 기간 만들기 를 클릭합니다.

OrderDate 를 선택합니다.

캘린더 기간 이름 에 Q4 to Q3 를 입력합니다.

집계 날짜 에서 YearMonth 를 선택합니다.

현재 기간 플래그 에서 Q4-2020 을 선택합니다.

기간 비교 플래그 에서 Q3-2020 를 선택합니다.

통찰력 으로 이동하여 show me sales by customer 를 검색합니다.

sum(Sales) by customer 차트를 선택하고 분석 기간 Q4 to Q3 을 적용합니다. 차트가 업데이트되어 2020년 4분기와 2020년 3분기 간의 비교가 표시됩니다.

Azure IoT Architecture

IoT란 각종 사물에 센서와 통신 기능을 내장하여 무선 네트워크 상에서 데이터를 수집하고 전송하는 시스템을 말합니다. Azure Architecture Center에서 제안하는 IoT 참조 아키텍처를 설명합니다.

Azure IoT Reference Architecture

Microsoft가 제안하는 Azure PaaS component를 이용한 아키텍처는 다음과 같습니다.

Edge Device와 IoT 디바이스로부터 온 데이터의 형식을 변환해서 Cold Path와 Warm Path로 데이터를 나눠서 처리하고, 미리 수집한 데이터와 디바이스 데이터를 결합하여 머신러닝을 적용해 비즈니스 인사이트를 도출합니다.

Cold Path, Warm Path? 측정 데이터 처리 방식에 따라 나눌 수 있습니다. Hot path는 거의 실시간으로 측정 데이터를 분석합니다. 스트림 데이터를 처리하는 엔진으로 구현합니다. 처리 결과는 알람을 트리거하거나 분석 도구를 사용하여 쿼리할 수 있도록 구조화된 형식으로 기록됩니다. Cold path는 측정 데이터가 배치 작업으로 보내지고, 간격을 두고 작업을 수행합니다. 일반적으로 대량의 데이터에 적용됩니다.

Architecture Component 설명

Azure IoT Edge : 장치 자체 또는 필드 게이트웨이에서 일부 데이터 처리를 수행하는 IoT devices는 Azure IoT Edge를 통해 관리할 수 있습니다. 장치에 코드를 일괄 배포하거나 원격으로 장치를 관리할 수 있습니다.

IoT Hub : Cloud gateway 역할을 합니다. 장치로부터 오는 이벤트를 처리하는 클라우드 서비스를 호스팅합니다. IoT devices와 백엔드 서비스 사이의 브로커 역할로 이해할 수 있습니다. 보안 연결, 이벤트 수집, 양방향 통신 및 장치 관리 등 기능을 제공합니다.

• MQTT 3.1.1
• MQTT over WebSockets
• AMQP 1.0
• AMQP over WebSockets and
• HTTPS

IoT Hub Device Provisioning Service (DPS) : DPS를 사용하면 특정 Azure IoT Hub 엔드포인트에 장치를 할당하고 확장성이 뛰어난 방식으로 IoT devices를 자동 프로비저닝할 수 있습니다.

Azure Stream Analytics : 스트림 데이터를 집계하고 외부 데이터 소스를 결합하여 복잡한 분석을 실행할 수 있습니다.

Cosmos DB : Warm path storage로 사용할 수 있는 PaaS 데이터베이스로는 Cosmos DB가 있습니다. Cosmos DB는 글로벌 분산과 확장이 용이합니다. Azure 에서 제안하는 IoT Architecture에 이진 봇 서비스 Cosmos DB를 Warm path로 사용하는 또 다른 시나리오를 쉽게 찾아볼 수 있습니다. CosmosDB를 Warmpath DB로 활용한 아키텍처

Azure Blob Storage : Cold path storage로 Azure Blob Storage를 사용합니다. IoT Hub 메시지 라우팅을 사용하면 IoT devices 메시지를 Azure Blob 저장소에 저장할 수 있으므로, Blob 저장소가 저렴하고 이진 봇 서비스 장기적인 콜드 데이터 저장소 역할을 할 수 있습니다. 참고 > IoT Edge에서 Azure Blob Storage를 사용하여 데이터 저장

protocol gateway : 원격 측정 스트림 데이터를 조작하거나 집계하는 작업이 필요할 수 있습니다. 예를 들어 이진 데이터를 JSON으로 변환하거나 데이터 포인트를 결합하는 등 프로토콜 변환하는 작업이 이에 해당합니다. 데이터가 IoT Hub에 도달하기 전 변형되어야 할 경우, protocol gateway를 사용해 처리할 수 있습니다. 만약 데이터가 IoT Hub에 도달하고 나서 변환해야 하는 경우, IoT Hub에 발생하는 이벤트로 Azure Functions 함수를 트리거하여 작업할 수도 있습니다.

Azure Logic Apps : 데이터를 서비스에 통합해야 할 때 이진 봇 서비스 필요한 작업이나 비즈니스 프로세스 및 워크플로를 예약하여 자동화하는 데 유용한 서비스입니다. 경보를 발생하거나 이메일 또는 SMS 메시지를 전송하는 작업을 정의할 수도 있습니다.

Azure Active Directory : Azure Active Directory를 통해 서비스에 접근할 수 있는 사용자를 관리합니다.

Device Connectivity

장치를 클라우드 게이트웨이에 연결하는 4가지 방법이 있습니다.

① 클라우드 게이트웨이에 직접 장치를 연결: 인터넷을 통한 보안 연결을 의미합니다.

② 필드 게이트웨이를 통한 연결(IoT Edge Device): 산업별 표준, 단거리 통신 기술(Bluetooth, ZigBee)을 사용하는 장치, TLS/SSL 스택을 호스팅할 수 없는 리소스 제약 장치 또는 인터넷에 노출되지 않은 장치를 연결할 때 사용합니다. 이 옵션은 스트림과 데이터 집계를 필드 게이트웨이에서 실행할 때 유용합니다.

③ 사용자 지정 클라우드 게이트웨이를 통한 연결: 클라우드 게이트웨이 엔드포인트에 도달하기 전에 프로토콜 변환 또는 사용자 지정 처리가 필요한 경우 사용합니다.

④ 필드 게이트웨이 및 사용자 지정 클라우드 게이트웨이를 통한 연결: 클라우드 측에서 일부 프로토콜을 적용하거나 사용자 지정이 필요할 때, 클라우드에서 실행되는 사용자 지정 게이트웨이에 연결하도록 선택할 수 있습니다. 일부 시나리오는 VPN 기술을 사용하거나 애플리케이션 레벨 릴레이 서비스를 사용하여 격리된 네트워크 터널을 사용하는 필드 및 클라우드 게이트웨이와의 통합이 필요합니다.

IoT 시나리오별 아키텍처

1. 건축 산업 IoT Architecture

대규모 장치 데이터를 수집하여 건설 장비를 원격으로 자동 제어하는 기능을 구현하기 위한 아키텍처입니다. 사물인터넷(IoT)과 GPS 기술을 탑재한 차량, 미터기, 드론을 구축해 원격측정 데이터를 내보냅니다. 건설 현장 장비 및 데이터를 통합하고 분석하여 장비 다운타임을 최소화하고 도난을 방지합니다.

Traffic Manager : 트래픽 매니저는 서로 다른 Azure region의 서비스 엔드포인트에 대한 사용자 트래픽 분포를 제어합니다.

Load Balancer : VM 기반 웹 서비스를 통해 건설 장비 디바이스에서 전송된 데이터를 분산하여 고가용성을 제공합니다.

Apache Cassandra : 시공 데이터를 저장하는 데 사용되는 분산 NoSQL 데이터베이스입니다. Cosmos DB 로 대체할 수 있습니다.

Web Apps : 소스 데이터와 이미지를 쿼리하고 보는 데 사용할 수 있는 최종 사용자 웹 애플리케이션을 호스트합니다. 아파치 스파크에 대한 일괄 작업 수행에 사용합니다.

Apache Spark on HDInsight : 빅데이터 분석 애플리케이션의 성능을 향상시키기 위해 메모리 내 처리를 지원합니다. 이 시나리오에서 스파크는 아파치 카산드라에 저장된 데이터에 대해 복잡한 알고리즘을 실행하는 데 사용합니다.

Blob storage : IoT 허브 디바이스로부터 모인 이미지 데이터를 저장합니다. 웹 애플리케이션을 통해 이미지 데이터 조회합니다. Data Lake Storage로 대체할 수 있습니다.

2. 음성 도우미 IoT Architecture

사용자가 음성을 이용해 비서 애플리케이션을 사용하는 시나리오입니다. IoT devices가 타사 IoT 클라우드에 연결되면 Azure Bot Service를 통해 타사 서비스 API에 연결하여 장치에 명령을 전송합니다.

3. COVID-19 보호를 위한 IoT Architecture

열 감지 카메라 등 다양한 센서에서 수집된 온도 및 시각 데이터를 IoT Edge 게이트웨이에서 전처리합니다. 클라우드에서는 IoT hub와 통신하여 네트워크를 제어하고 데이터를 Azure 리소스로 이진 봇 서비스 스트리밍합니다. Azure API Management는 웹 앱, 모바일 앱, Azure maps 및 Power BI와 같은 엔드포인트에 배포 시 내부와 외부 API를 통합하는 역할을 합니다. 배포 된 앱은 Azure Active Directory, Azure Key Vault및 Azure Monitor 같은 azure 서비스로 관리됩니다.

핀덱스체인

핀덱스체인(Findexchain)은 강규태가 설립한 블록체인 전문 기업이다. 2018년 6월 19일 암호화폐 자동 거래봇 서비스를 시작했다. 암호화폐 자산 투자 플랫폼인 아이오니아(IONIA)를 개발하고 있다.

회사 개요 [ 편집 ]

핀덱스체인(Findexchain)은 서울 강남구에 위치한 직원 규모 10명 정도의 블록체인, dApp, 암호화폐(Cryptocurrency) 관련 산업을 전문으로 하는 비상장 이진 봇 서비스 기업으로 대표이사(CEO)는 강규태이다. 그는 여행 예약 시스템의 설계 및 개발 경험, 대용량 데이터의 병렬처리, 분산 시스템 설계 및 운영 경험과 더불어 학창 시절 배운 프로그램에 대한 기술을 개발하며 10년 이상의 경험을 바탕으로 이로오니아(IONIA)는 블록체인 시스템을 설계, 분산된 처리방식을 기반으로 한 프로젝트 판독을 담당하며 회사를 키워가고 있다.

연혁 [ 편집 ]

• 2018년 01월~ 현재 : 핀덱스체인 설립
• 2018년 03월 ~현재 : 아이오니아 설립

주요인물 [ 편집 ]

:그는 블록체인 기반 암호화폐의 자동 거래봇 서비스를 제공하는 핀덱스체인(Findexchain)의 대표이사이다. 2005년은 RTS 주식회사 개발자로,2007년 엔 CoolJag 주식회사 개발자로 컴퓨터 관련 전공을 잘살려 개발자의 직업을 정통하여 2009년엔 report 주식회사 공동 창립자, 2017년에 들어 Ant trader CEO, 최근에 핀덱스체인 CEO 및 설립자로 시대의 변화와 발달하는 기술에 흐름을 잘 읽어 아이 오니 아를 개발하는 등 기업의 중심에 자리 잡는다.

주요사업 [ 편집 ]

핀덱스체인의 아오니아 에선 블록체인 금융 플랫폼을 제공하며 이를 통해 모바일 환경에서 보다 손쉽게 원하느 정보를 얻을 수 있도록 하였습니다. 보다 안전하게 개인 간의 토큰 거래 시스템을 제공하며 개인사이에 원하는 가격을 자유로운 거래가 가능하도 록합니다. 다양한 거래소의 지갑, 송금 등등 모든 토큰에대한 관리에 용이하며, 투자 시스템을 팬텀 포인트로 지원하여 커뮤니티로 정보 교환을 가능하게 해준다.

자동거래봇 [ 편집 ]

핀덱스체인이 개발한 암호화폐 자동거래봇은 주요 암호화폐 거래소의 차트를 분석하여 가격 상승이 예상되는 시점에 자동으로 투자하는 기능을 가지고 있다. 퀀트(quant) 매매 기법을 이용해, 가격 상승 시점과 하락 시점을 예측하고, 상승 추세에 있던 암호화폐가 일시 하락하는 경우 자동으로 매수하는 알고리즘을 적용했다. [1]

아이오니아 [ 편집 ]

핀덱스체인은 암호화폐 자산 투자 플랫폼인 아이오니아(IONIA)를 개발하고 있다. 아이오니아는 보상형 탈중앙화 분산 거래소인 덱스(DEX), 코인을 보관하면 보상을 지급하는 암호화폐 지갑, 자동거래봇 서비스로 이뤄진 암호화 자산 투자 플랫폼이다. [2] 아이오니아는 니아(NIA)라는 토큰을 발행한다. 아이오니아는 2018년 10월 24일 블록체인 투자 정보 분석 플랫폼인 라이즈와 업무양해각서(MOU)를 체결했다. 아이오니아는 암호화폐 거래소인 비트소닉(Bitsonic)으로부터 투자를 유치했다. [3]

래봇 서비스 출시 [ 편집 ]

블록체인 기반 업체인 핀덱스 체인이 가상화폐 자동 거래봇 서비스의 런칭으로 거래봇을 제시하였고 거래봇은 차트를 분석해 가격상승이 예상되는 가상화폐를 분석해서 자동으로 투자까지 돕는 기능으로 이역시 퀸트 매매기술을 이용해서 가격 상승과 하락등의 유동적 변화 알고리즘을 파악하고 예측하여 상승 추세에 있던 가상화폐가 일시 급락할 경우 매수하는등의 서비스를 제공하며, 추가로 빗썸, 코인원, 폴로닉스 등 국내외 대형 거래소와 연동되어, 다양한 편의를 제공한다. [3]

로드맵 [ 편집 ]

핀덱스체인은 블록체인과 암호화폐에 관련하여Dapp 및 여러 서비스를 개발해 최근 암호화폐를 통합하여 관리할 수 있는 멀티 월렛인 아이오니아를 개발하는 한편 이러한 멀티월렛을 시작으로 암호화폐를 편리하게 거래할 수 있도록 트레이딩 서비스와 앤트트레이더를 개발하는 등 나아가 암호화폐의 대중화 일반인들의 접근성을 높이고, 이에 맞추어 글로벌 블록체인 기업으로 나아갈 것을 목표로 하고 있다. [4] 더불어 사용자가 자동거래봇 서비스를 이용하며 발생할 여러 문제를 해결하고 핀덱스체인은 향후 자동거래봇에 여러 데이터를 스스로 학습시켜 관리하는 AI나, 머신러닝 기술에 관심을 보이며 적용해나갈 계획으로 급변하는 시장 상황을 더욱 빠르고 정확하게 대응할 수 있는 투자 알고리즘을 연구하고자 한다. [5] 또한 보안강화를 위해서라도 별도의 오프라인 신원인증 장치에 해당하는 지문이나 홍채의 인식도 도입할 계획이며 이를 통해 본인만이 거래의 주도를 가지는 더욱 안전한 서비스가 제공 될것으로 본다. 업계최초로 내년 상반기 출시 예정인 지문 인식 인증은 글로벌 생체 인식 인증 업체인 FIDO로부터 안전성을 입증받았고 , 올해 하반기에는 암호화폐발행(ICO)도 진행하여 핀덱스체인은 ICO이전에 아이오니아를 사용하는 고객들에게는 '니아토큰'을 지급해 향후 거래 수수료로 활용할 수 있도로 혜택을 제공할 계획이라고 밝혔다. [6]

각주 [ 편집 ]

1. ↑ 오세성 기자, 〈핀덱스체인, 가상화폐 자동 거래봇 출시〉, 《한국경제》, 2018-06-19
2. ↑ 길재식 기자, 〈핀덱스체인, 라이즈와 업무협약〉, 《전자신문》, 2018-10-24
3. ↑ 3.03.1 q박진 기자, 〈블록체인 기업 ‘핀덱스체인’ 가상화폐 자동 거래봇 서비스 출시〉, 《coinchosun》, 2018-0619
4. ↑ 블록미디어, 〈국내블록체인기업 관리 월렛출시〉, 《beyound coin》, 2018-05-10
5. ↑ 블록미디어, 〈핀덱스체인, 암호화폐 자동 거래봇 서비스 출시〉, 《ZD NET KOREA》, 2018-06-19
6. ↑ 원다라기자, 〈강규태 핀덱스체인 대표 "코인월렛에 자동거래시스템 도입. 올해말 ICO"〉, 《아시아경제》, 2018-06-18

참고자료 [ 편집 ]

• 오세성 기자, 〈핀덱스체인, 가상화폐 자동 거래봇 출시〉, 《한국경제》, 2018-06-19
• 길재식 기자, 〈핀덱스체인, 라이즈와 업무협약〉, 《전자신문》, 2018-10-24
• 블록타임스TV닷컴, 〈비트소닉에서 `암호화폐 투자 플랫폼` 아이오니아 투자 유치해. 핀덱스체인 개발〉, 《블록타임스TV닷컴》, 2018-11-12
• 강규태 , 《링크드인》
• 아이오니아 공식 홈페이지 -https://ionia.one/
• Findexchain ,《링크드인》
• 강규태〈강규태 페이스북 Facebook〉, 《페이스북》

같이 보기 [ 편집 ]

이 핀덱스체인 문서는 블록체인 개발업체에 관한 글로서 검토가 필요합니다. 위키 문서는 누구든지 자유롭게 편집할 수 있습니다. [편집]을 눌러 문서 내용을 검토·수정해 주세요.

EG-TIPS 에너지온실가스 종합정보 플랫폼

오늘하루 열지 않음

100대 에너지 통계

국가 에너지 계획

1. 에너지 기본계획(‘40년 최종에너지 기준전망/목표수요) 01 211.0/171.8백만toe

01 에너지 기본계획(‘40년 최종에너지 기준전망/목표수요) 211.0/171.8백만toe

02 에너지이용합리화 기본계획(‘24년 최종에너지 기준수요/목표수요) 194.7/176.5백만toe

03 전력수급 기본계획(‘34년 전력소비량 기준수요/목표수요) 675.4/580.4TWh

04 천연가스 수급계획(‘34년 천연가스 수요전망) 4,797만톤

05 신재생에너지 기본계획(‘34년 최종에너지 대비 보급목표) 23.5백만toe

06 재생에너지 3020 이행계획(‘30년 재생에너지 발전량 비중) 20%

07 집단에너지 공급 기본계획(‘23년 지역난방 보급 세대수) 4,080천호

08 2030 국가 온실가스 감축목표(NDC) 상향안(‘18년 배출량 대비 감축률) 40%

09 2050 탄소중립 기본계획(‘50년 국내 온실가스 배출량 A안/B안) 80.4/117.3백만톤CO₂eq

에너지 통계

1. 1차에너지 공급량 ('21년 기준) 10 305.3백만toe

10 1차에너지 공급량 ('21년 기준) 305.3백만toe

11 1차에너지 공급량 [에너지원별 (석유, '21년 기준)] 117.8백만toe

12 1차에너지 공급량 [지역별 (충남, '20년 기준)] 58.7백만toe

13 최종에너지 소비량 ('21년 기준) 234.7백만toe

14 최종에너지 소비량 [에너지원별 (석유, '21년 기준)] 116.7백만toe

15 최종에너지 소비량 [부문별 (산업, '21년 기준)] 148.0백만toe

16 최종에너지 소비량 [지역별 (전남, '20년 기준)] 37.5백만toe

17 1인당 1차 에너지 소비량 ('20년 기준) 5.64toe/인

18 에너지 총 수입액 ('21년 기준) 1,372억$

19 에너지 수입의존도 ('21년 기준) 92.8%

20 석유 의존도 ('21년 기준) 38.6%

전력 통계

1. 설비용량('21년 기준) 21 131,330MW

21 설비용량('21년 기준) 131,330MW

22 공급능력('21년 기준) 100,739MW

23 최대전력('21년 기준) 91,141MW

24 평균전력('21년 기준) 65,835MW

25 설비예비력('21년 기준) 40,189MW

26 공급예비력('21년 기준) 9,598MW

27 연간 발전량('21년 기준) 576,809GWh

28 발전원별 발전량(기력, '21년 기준) 202,657GWh

29 연간 거래량('21년 기준) 537,061GWh

30 발전원별 거래량(석탄, '21년 기준) 188,855GWh

31 연간 판매량('21년 기준) 533,431GWh

32 계약종별(산업용,'21년 기준) 291,333GWh

33 용도별(제조업,'21년 기준) 262,362GWh

34 행정구역별(경기,'21년 기준) 133,446GWh

35 전력시장 참여회원('21년 기준) 4,822회원

신재생 통계

1. 신재생에너지 생산량('20년 기준) 36 12.4백만toe

36 신재생에너지 생산량('20년 기준) 12.4백만toe

37 1차에너지 대비 공급비중('20년 기준) 4.23%

38 신재생에너지 발전량('20년 기준) 43,061GWh

39 총발전량 대비 공급비중('20년 기준) 7.43%

40 신재생에너지 보급용량(발전, '20년 기준) 5,497MW

41 신재생에너지 누적 보급용량(발전, '20년 누적 기준) 25,937MW

42 신재생에너지 보급용량(발전외,'20년 태양열기준) 23,297m 2

43 신재생에너지 누적 보급용량(발전외,'20년 태양열 누적 기준) 1,941,506m 2

44 신재생에너지 전력거래량('21년 기준) 25,793GWh

45 신재생에너지 산업 기업체수('20년 기준) 483개

46 신재생에너지 산업 고용인원('20년 기준) 12,759명

47 신재생에너지 매출액('20년 기준) 107,369억원

기타 에너지 통계

1. 천연가스 판매현황('21년 기준) 48 36,914천톤

48 천연가스 판매현황('21년 기준) 36,914천톤

49 도시가스용('20년 기준) 19,332천톤

50 발전용('20년 기준) 17,582천톤

51 집단에너지 설치용량('20년 열기준) 37,785Gcal/h

52 집단에너지 생산량('20년 열기준) 117,661,012Gcal

온실가스 통계

1. 온실가스 총 배출량('19년 기준) 53 701.4백만tCO₂eq

53 온실가스 총 배출량('19년 기준) 701.4백만tCO₂eq

54 분야별(에너지 기준,'19년 기준) 611.5백만tCO₂eq

55 온실가스별(CO₂, '19년 기준) 643.8백만tCO₂eq

56 에너지분야 CO₂ 배출량('19년 기준) 607.3백만tCO₂eq

57 산업공정 온실가스 배출량('19년 기준) 57.0백만tCO₂eq

에너지 가격

1. 석유 판매가격(휘발유 기준,'21년 기준) 58 1,590.6원/ℓ

58 석유 판매가격(휘발유 기준,'21년 기준) 1,590.6원/ℓ

59 석유 판매가격(경유 기준,'21년 기준) 1,391.4원/ℓ

60 전력 판매가격(평균 기준,'21년 기준) 108.11원/kWh

61 도시가스 판매가격(업무용 기준,'21년 기준) 13.7원/MJ

62 계통한계가격[SMP]('21년 기준) 94.34원/kWh

글로벌 에너지 현황

1. 세계 에너지 생산량('20년 기준) 63 13,790Mtoe

63 세계 에너지 생산량('20년 기준) 13,790Mtoe

64 세계 석유 생산량 4,141Mton

65 세계 천연가스 생산량 4,014bcm

66 세계 석탄 생산량 9,595Mton

67 세계 1차 에너지공급량 606Mtoe

68 세계 1차 에너지 수요 전망 (2030년 기준) 671EJ

69 세계 최종 에너지소비량 417.973Mtoe

70 세계 최종에너지 수요 전망 (2030년 기준) 488.6EJ

71 세계 CO₂ 배출량 33,622MtCO₂

72 세계 CO₂ 배출 전망 (2030년 기준) 36,267.3MtCO₂

글로벌 에너지 순위 및 국제 비교

1. 1차에너지 공급 순위('18년 기준) 73 9위

73 1차에너지 공급 순위('18년 기준) 9위

74 석유소비량 순위('20년 기준) 8위

75 전력소비량 순위('18년 기준) 7위

76 온실가스 배출 순위('16년 기준) 12위

77 CO₂ 배출 순위('18년 기준) 7위

78 1인당 에너지소비량 순위('18년 기준) 16위

79 1인당 전력소비량 순위('18년 기준) 13위

80 에너지원단위(부가가치 기준, '18년 기준) 0.13

81 에너지원단위 (PPP, 18년 기준) 0.13

주요 경제지표

1. 국내총생산 (GDP, 명목, '20년 기준) 82 1,933,152.4십억원

82 국내총생산 (GDP, 명목, '20년 기준) 1,933,152.4십억원

83 원/달러 환율 (매매기준율, '21년 기준) 1,170.80원

84 콜금리 ('21년 기준) 연 0.86%

85 1인당 국민총소득(GNI, '20년 기준) 32,880.6달러

KEA 주요사업

1. 산업발전부문 온실가스에너지 목표관리제(목표설정, '20년 기준) 86 9,953천tCO₂-eq

86 산업발전부문 온실가스에너지 목표관리제(목표설정, '20년 기준) 9,953천tCO₂-eq

87 에너지절약시설 투자 자금지원 및 세제지원 제도(절감량, '20년 기준) 228천toe

88 에너지절약전문기업(ESCO) 사업지원 및 육성(절감량, '20년 기준) 66천toe

89 집단에너지사업(운영 사업자 수, 19년 말 기준) 39개

90 건축물 온실가스에너지 목표관리제도(배출허용량, '20년 기준) 1,486천tCO₂-eq

91 건축물 에너지효율등급인증제도(절감량, '20년 기준) 1,026천toe

92 자동차 에너지소비효율등급 표시제도(등록 수, '20년 기준) 2,045모델

93 에너지소비 효율등급 표시제도(등록 모델수, '20년 기준) 73,753개

94 고효율에너지기자재 인증제도(등록 모델수, '20년 기준) 47,100개

95 신재생에너지 공급의무화제도(의무이행량, '20년 기준) 35,626GWh

96 신재생에너지 주택지원사업(주택수, '20년 기준) 50,436호

97 신재생에너지 금융지원 및 민간협약보증 사업(생산량, '20년 기준) 109천toe

98 에너지사용량 신고제도(업체수, '19년 기준) 4,695개

99 산업부문 온실가스 이진 봇 서비스 배출량 조사(온실가스배출량, '19년 기준) 346,540.6천tCO₂eq

100 에너지바우처사업(발급가구수, '20년 기준) 66.1만 가구

(구) 정보교류센터

(구) 정보교류센터

히트펌프를 이용한 에너지절감 사례

삼천리ES에서 적용한 에너지 절감 사례를 다음과 같이 소개드립니다.
업무에 참조하시고 많은 관심 부탁드립니다.

------------------------ 다음 --------------------------
1. 히트펌프를 이용한 폐열회수 에너지 절감사례 (고베제강 히트펌프 HEM150II)
2. 히트펌프를 이용한 IDC서버실 냉방 폐열회수 에너지 절감 사례 (고베제강 고온 히트펌프 HEMII-HR)
3. 스팀 히트펌프를 이용한 응축수 폐열회수 스팀생산 사례 (고베제강 스팀히트 펌프 SGH165)
4. MVR을 이용한 응축수 Tank 재증발 증기회수 사례 (고베제강 소형 증기 압축기 MSRC 160L)

[ 삼천리이에스 ]
Tel : 02-368-3435
E-mail : [email protected]

44538 울산광역시 중구 종가로 323 (우정동 528-1) 대표전화 : 052) 920-0114

Copyright ⓒ 2021 Energy GHG Total Information Platform Service. All Rights Reserved.

BNK캐피탈의 독특한 RPA 혁신, 그 후 3년의 여정 [기획/2022 금융IT - RPA (完)]

박기록 2022.07.01 15:41:43

이처럼 시장은 ‘바람’처럼 항상 새로운 상황을 만들어낸 다. 시도때도없이 변화하는 정책 관련 규제, 업무 관행의 변화, 기술과 고객 행태의 변화에 이르기까지 기업이 직 면해야하는 ‘변화’의 폭은 넓고 깊다.

물론 ‘초자동화’는 어느 특정 시점에서 보면 마치 완성된 것처럼 보인다. 하지만 이미 그 순간이 지나면 또 다시 괴리가 생기기 때문에 ‘자동화’와 ‘현실’ 사이의 갭은 영원히 존 재한다. 그 갭을 메우는 것은 사람 또는 또 다른 시스템적 인 보완이다.

따라서 그러한 초자동화에 대한 본질적인 속성을 인정하 고, 금융회사들이 RPA기반의 초자동화 구현에 나선다면 이진 봇 서비스 프로세스 혁신(PI)의 방향성을 잡는데 혼선을 줄이고, 또 한 추진과정에서 나타날 수 있는 기업내 조직간의 갈등도 최소화할 수 있다.

BNK금융그룹 계열의 BNK캐피탈이 설정해 놓고 있 는 ‘RPA 기반의 초자동화’ 혁신에 대한 관념이 이렇다. BNK캐피탈은 D-IT본부장인 정호 전무(사진)의 총괄 지 휘로 지난 2019년 봄, 처음 RPA기반의 프로세스 혁신 프로젝트를 처음 시작했다.

정 전무는 처음부터 RPA에 대한 과도한 기대를 설정하 지 않았는데, 지금도 그 생각에는 변함이 없다. BNK캐피 털의 프로제스 혁신 과정에서 RPA는 단지 하나의 툴에 불과하다. 이 때문에 지금도 BNK캐피탈은 내부적으로 ‘RPA 프로젝트’라는 표현을 사용하지 않고 ‘프로세스 개 선’ 사업이라고 칭한다.

회사내 다양한 업무를 자동화하고, 또 이 과정에서 완벽 한 자동화가 안되는 업무는 사람이 개입해서 대응하는 방 식으로 직원의 업무량을 줄이는데 초점을 맞추고 있다. 물론 업무 성격별로 100% 자동화된 업무가 있고, 여전히 사람 이 어쩔 수 없이 개입해야하는 업무도 있는데 BNK캐피 탈은 ‘있는 그대로의 상황’을 가장 중시한다.

실제로 이같은 ‘업무 프로세스 혁신’에 대한 관점은 한번 도 변하지 않았고 그렇게 3년여가 흘렀다. 그리고 이는 결과적으로 매우 긍정적인 결과로 이어졌다. 다름아닌 회 사 차원의 ‘RPA 거버넌스의 확실한 확립’이란 컨센서스 를 직원들이 공유하게 됐다.

BNK캐피탈에서는 필요에 따라 자동화로 업무 프로세스 를 전환하는 것도 있지만, 그와 반대로 기존 RPA로 전환 했던 업무중에서 RPA 방식을 해제하고 다시 원위치시킨 업무도 있 다.

BNK캐피탈의 정호 전무는 지난 5월27일 <디지털데일리 >와의 인터뷰에서 “시간이 지나면서 오히려 RPA가 불필 요하다고 생각되는 업무가 있는데 이럴 경우에는 과감하 게 RPA를 제거하는 경우도 있다”며 “자동화에만 맹목적 으로 집착할 경우, 넓게 보면 오히려 회사의 프로세스 혁 신에 비효율과 왜곡이 생길 수 있기 때문”이라고 말했다.

BNK캐피탈도 이런 문제들에 있어서는 타 금융회사들과 사정이 다르지 않다. 특히 가장 까다로운 부분에 대해 정 전무 는 “업무의 초자동화 전환 과정에서 기존의 엄격한 금융 보안 규정을 동시에 충족시켜야하는 것”이라고 꼽았다. 물 론 이 또한 초자동화로 업무 프로세스가 진화되는 과정이 라고 보고 있다.

또한 BNK캐피탈은 업무 자동화가 점차 확산되다보니 직원들이 업무 본 연의 지식과 이해도가 자동화 이전 보다 대체로 떨어진다는 것도 RPA 고도화에 따른 부작용의 하나로 꼽았다. 이에 따라 BNK캐피탈은 “업무 담당자 가 자동화 전환과 관계없이 먼저 본 연의 업무 로직을 정확하고 철저하 게 이해할 수 있도록 이를 보완하기위한 교육 등 다양한 방안들도 강 구하고 있다”고 밝혔다.

올해 BNK금융그룹 인사에서 정 전무는 BNK저축은행의 D-IT본부장까지 겸임하게 됐다. 이에따라 BNK저축은행에 대한 RPA사업 추진도 현재로선 예상해볼 수 있다. 이에대해 정 전무는 “저축은행에 대한 업무 프로세스를 충분히 파악한 후에 업무자동화가 필요한 부분이 있다면 고려할 수 있을 것” 이라고 말했다.

한편 BNK캐피탈은 올 상반 기, RPA솔루션을 국산 솔루 션인 시메이션의 ‘체크메이 트’(Chek-mate)로 교체했 다. 최근 개인 봇에 대한 업 무 적용이 확장되면서 보안 과 직원 개인의 업무 효율성 을 효과적으로 관리하기위 한 ‘통합 관제’(CoE)의 필요 성이 크게 높아졌고. 이처럼 변화된 상황에 맞는 RPA 솔 루션이 필요하다고 판단했기 때문이다.

국내 정서상, 금융회사가 기존 사용하던 RPA시스템을 교 체하는 것은 사실 손쉬운 일이 아니다. 그러나 BNK캐피 탈은 앞서 언급한대로 RPA프로젝트를 RPA시스템의 관 점이 아니라 업무 프로세스 혁신의 관점에서 해석하기 때 문에 결정에 망설임이 없었다. “회사는 새로운 상황에 그 에 맞는 툴을 선택할 이진 봇 서비스 뿐”이라는 설명이다.

특히 BNK캐피털은 기존 RPA시스템을 새로운 시스템으 로 이행하는데 불과 45일 정도밖에 걸리지 않았다. 정호 전무는 이에대해 “이는 처음부터 RPA솔루션이 아 닌 우리가 자체적으로 프로세스 혁신을 주도했기 때문에 가능했다고 생각한다”며 “RPA솔루션이 프로세스를 지배 하지 않는 구조”라고 설명했다.

시스템 이행을 위한 SI(시스템통합) 작업은 BNK금융그 룹의 RPA사업에 대한 수행 경험이 풍부한 이진씨앤에스 가 맡았다. 이진씨앤에스는 부산에 본사를 둔 IT서비스전 문 기업으로, BNK캐피탈의 RPA 구축에 주도적으로 참 여해왔다.

실사구시(實事求是), BNK 캐피털은 RPA시스템에 기 반한 업무 자동화의 영역을 앞으로도 지속적으로 확장 해 나갈 계획이다. 업무 자동 화는 지난 3년간, 꾸준히 업무 프로세스 혁신의 관점에서 시행착오를 거치며 최적화 과정을 거치고 있다.

처음에 고민했던 공통 업무에 대한 자동화에서 시작해 현 재의 1인 1봇시대에 맞는 개인화봇에 이를 때까지, 그리 고 이제는 챗봇서비스 등 대고객 채널시스템과 RPA를 연 계하는 업무 혁신을 고민하고 있다.

실제로 BNK캐피탈은 현재 카카오 플랫폼을 통해 캐피탈 업무 채널을 크게 확장함으로써 플랫폼 기반의 서비스 채 널을 확장해 나가고 있다. BNK캐피탈이 독자적으로 플랫폼을 구축하는 것보다 카카오 등 보다 대중성이 높은 플랫폼을 효과적으 로 활용하겠다는 전략이다.

BNK캐피탈은 2019년4월부터 3개월간 1차 사업을 진행 했다. 당시 주 52시간 근무 준수 이슈가 매우 중요한 이 슈였고, 그것을 달성할 수 있는 유일한 방법은 RPA를 통 한 업무혁신외에는 대안이 없었다.

1차 시범사업에 앞서 업무 프로세스 전반에 대한 점검을 통한 단순, 반복성 업무에 대한 RPA를 적용했다. 다만 불 필요한 업무에까지 RPA를 무리하게 이진 봇 서비스 이진 봇 서비스 적용시키지 않았고 생산성 효과업무가 뛰어난 부분부터 파악해, 빠르게 RPA 로 전환했다.

이어 BNK캐피털은 2019년 12월부터 2020년 3월까지 확대 적용 사업을 마무리했다. 이 과정에서 ‘렌터카 과태 료 이의신청 업무’ 등 32개 업무에 RPA를 적용했으며, 특히 RPA 운영 효율화를 위한 맞춤형 모니터링(관제)시 스템 구축도 병행했다. 영업 부문에 오토, 렌터카, 소매, 시너지, 리스 등의 업무에 RPA를 도입했으며 관리 부분 에선 자금, 여신, 경영지원, 소비자보호 등에 RPA를 확대 적용했다.

BNK캐피탈은 타사 구축 사례등을 중심으로 시범업무 대 상 업무 발굴을 병행했으며,▲업무혁신 목표 설정 ▲IT시 스템과 프로세스 개선전략 수립 ▲업무혁신의 보조수단 으로 RPA 역할 정립 등을 진행했다.

이를 기반으로 지속적으로 문제점을 보완하고 확산하면서 CoE 체계를 확립하고, 각 부서 간의 역할을 정립해 나갔다. 아울러 개인용 RDA 적용, 모바일봇, 챗봇, 프로세스 마이닝 등 다양한 업무자동화 혁신을 전체 거버넌스 체계 안에서 단계별로 확장해 나가고 있다.