aws

Amazon Comprehend 기반 설공 상품평 분석을 통한 상품 트렌드 예측도 개선하기 이랜드 이노플은 이랜드 그룹 전체의 IT를 담당하는 회사이며, 2014년 빅데이터 사업부 설립 이래 빅데이터 분석 및 AI 서비스를 그룹사를 대상으로 제공해 오고 있습니다. 대외적으로는 2020년부터 스타트업 및 중소기업을 대상으로 빅데이터 트렌드 컨설팅을 통해 성공의 경험을 함께 나누고 있습니다. 그중에서도 저당류 푸드 스타트업인 ‘설탕없는 과자공장'(이하 ‘설공’)에 대한 컨설팅 사례를 공유하고자 합니다. 설공은 푸드 상품기획에 있어서 몇 가지 애로점을 가지고 있었습니다. 지금까지 대부분 상품 기획자의 직관 및 현장 경험에 의존하여 신상품을 출시해왔고, 직원들 간의 의견이 다른 경우 내부 조정에 어려움을 겪는 문제점을 가지고 있었습니다. 이랜드 이노플은 설공의 이러한 애로점을 해결하기 위해, Amazon Comprehend를 활용한 클라우드 기반 빅데이터 기반 트렌드 분석 및 상품기획 프로젝트 컨설팅을 진행하였습니다. Amazon Comprehend는 2019년 한국어를 지원하기 시작했으며, 2020년에 서울 리전에도 출시했기 때문에 한국 고객들도 바로 이용이 가능합니다. Amazon Comprehend를 통한 상품평 감성 분석 구현 이랜드 이노플은 유통, [ more… ]

Amazon Lex V2의 Dialog Action을 통해 챗봇에 다양한 비지니스 로직 구현하기 지난 2021년 9월 Amazon Lex의 한국어 지원이 시작되었습니다. AWS 한국 블로그 에서는 이 소식과 함께 Amazon Lex의 사용방법에 대해 블로그로 전달해드렸는데요. 이번 글에서는Amazon Lex를 좀 더 확장성 있게 사용할 수 있도록 AWS Lambda와 연동하여 비지니스 로직을 추가하는 방법을 소개합니다. Amazon Lex Chatbot(챗봇)이란? Amazon Lex는 대화형 인터페이스를 애플리케이션에 설계, 구축, 테스트, 배포하기 위해 고급 자연어 모델을 사용하는 완전관리형 인공 지능(AI) 서비스입니다. Amazon Lex 챗봇은 연속적인 대화를 주고받을 수 있는 기능을 제공합니다. 의도가 파악되면 해당 의도를 이행하는 데 필요한 정보가 사용자에게 표시됩니다. 예를 들어,  Chatbot에서 사용할 될 Intents(의도)는 예약한 호텔을 검색해주는 searchHotel과 호텔을 예약해주는 BookHotel 입니다. Chatbot을 처음 만드시는 분들은 이전 블로그에서 소개된 내용과 링크된 동영상을 참고하시면 어렵지 않게 만들 수 있는데요. AWS Sample 내 Chatbot 실습 가이드를 참고하시면, 더욱 쉽게 실습해 보실 수 있습니다. AWS Lambda 연동하기 Chatbot이 완성되면, 좀 [ more… ]

Amazon SageMaker기반 무신사 상품 후기 이미지 자동 검수 서비스 개발 사례 무신사는 840만 회원을 보유하고 6,000개 패션 브랜드가 입점한 한국 최대 규모의 온라인 패션 플랫폼입니다. 매월 400만 명의 고객이 무신사에 방문하고 있으며, 고객 연령층은 트렌드에 민감한 10~30대 비율이 90% 이상입니다. 무신사는 한국의 패션 트렌드를 선도하는 플랫폼으로서, 어떤 곳과도 비교할 수 없는 압도적인 양의 데이터를 보유하고 있습니다. 무신사 데이터솔루션팀은 무신사 스토어에 쌓이는 데이터와 관련된 모든 업무를 진행하고 있습니다. 로그의 수집부터 모델링, 서빙까지 데이터 관련해서는 풀스택(Full Stack)으로 개발합니다. 앱 메인 화면에 노출되는 ‘실시간 추천 상품’이나, ‘사이즈’, ‘만족도’ 같은 특정 키워드를 후기 텍스트에서 하이라이팅 해주는 서비스 등 다양한 데이터 관련 기능을 개발하고 있습니다. 상품 후기 이미지 자동 검수의 필요성 전자 상거래 서비스는 물건을 직접 보지 않고 구매를 결정하기 때문에 고객이 남기는 상품 후기의 양과 질이 중요합니다. 이를 위해 무신사는 구매 결정에 도움이 되는 상품 사진이나 상품을 착용한 사진을 후기로 올리는 고객에게 적립금을 지급하고 [ more… ]

AWS 관리 콘솔 홈페이지 개편 – 맞춤형 위젯 기반 여러분이 이 블로그를 읽고 계신다면 AWS 관리 콘솔을 자주 사용할 가능성이 큽니다. 저는 수년 동안 AWS 강의를 맡았습니다. 강의에서 학생들은 AWS 클라우드 첫 실습을 콘솔에서 했습니다. 여러분도 분명 같은 경험을 했을 것입니다. 지금까지 콘솔 홈 페이지에는 가장 최근에 사용한 서비스와 AWS 시작하기나 솔루션 구축 또는 교육 과정 링크를 포함한 AWS 탐색 등의 섹션으로 구성된 일련의 정적 링크가 나와 있었습니다. 하지만 저희는 데이터를 통해 사용자 프로필에 따라 사용량이 매우 다르다는 것을 알게 되었습니다. 또 여러분은 중요한 정보에 대한 개요를 얻기 위해 콘솔에서 다른 부분으로 이동하는 것이 번거롭고 시간이 많이 소요된다고 말씀해 주셨습니다. 저희는 여러분의 피드백에 귀를 기울였습니다. 이제 새롭게 설계한 AWS 관리 콘솔 홈 페이지를 발표하게 되어 기쁩니다. 이 새로운 홈페이지 환경에는 동적 콘텐츠가 포함되어 있으며 사용자 지정이 가능하고 여러 AWS 리전의 데이터도 포함되어 있습니다. 아래 스크린샷은 새 콘솔 홈 페이지의 기본 [ more… ]

AWS Data Wrangler를 이용한 AWS Lake Formation 관리 테이블 구성하기 데이터 레이크를 통한 데이터 누적, 분석 및 활용이 기업의 경쟁력을 높이기 위한 필수 요건이 되었습니다. 많은 기업들이 현재 필요한 데이터뿐만 아니라, 미래를 대비한 다양한 종류의 데이터를 저장하고 있습니다. 데이터의 누적만큼, 데이터 보관 및 활용 관련 지켜야 할 다양한 규정 준수 요건들이 생겨나고, 데이터의 정합성과 관리 감독에 대한 필요성이 아래와 같이 발생하고 있습니다. 개인정보 보호법, GDPR(General Data Protection Regulation), CCPA(California Consumer Privacy Act)등 다양한 법규 관련 사항으로 인하여, 불필요한 데이터를 삭제할 필요가 있습니다. 데이터의 ACID(Atomicity, Consistency, Isolation, Durability)를 보장하는 데이터 레이크 관리 및 운영방안이 필요합니다. 관리 감독을 위한 코드를 기초로 한 데이터 레이크 생성 및 운영방안이 필요합니다. AWS에서는 지난 AWS re:Invent 2021을 통하여 ACID를 지원하는 AWS Lake Formation에서 관리 테이블을 소개하였습니다. 또한, AWS ProServe팀에서 오픈소스 기반의 AWS Data Wrangler API를 개발하였고, 이를 통하여 관리 테이블을 포함한 데이터 레이크의 개발 및 운영이 [ more… ]