정부의 그래프 활용: NASA Knowledge Graph 파헤치기

정부 기관에서 Graph Database를 사용하는 사례는 정말 무궁무진해요.

그래프는 정말 다재다능하고 역동적이죠. 그래서 정부 기관들이 임무를 수행하면서 마주하는 여러 문제들을 해결하는 데 아주 중요한 역할을 한답니다.

이번 블로그 시리즈에서는 실제 정부 사용 사례를 통해 그래프가 어떻게 다른 방법으로는 해결하기 어려운 복잡한 문제들을 해결하는지 알아볼 거예요.

지난주에는 Lockheed Martin Space Systems (LMSS)에서 Neo4j를 사용한 사례 연구를 집중적으로 살펴봤었죠.

이번 주에는 NASA의 사례 연구 개요를 한번 살펴볼게요.

NASA는 1950년대 후반부터 프로젝트 데이터를 꾸준히 모아왔는데요. 하지만 부서 간, 팀 간 사일로 때문에 이 정보에 접근하기가 쉽지 않았다고 해요. NASA는 이 사일로를 허물어야 했고, 그걸 를 사용해서 해냈답니다.

배운 역사적 교훈에 대한 Knowledge Graph

수십 년 동안 축적된 NASA 프로젝트 데이터 안에는 프로젝트 기간을 단축하고, 엔지니어들이 사고를 예방할 수 있는 트렌드를 파악하고, 과거의 교훈을 새로운 프로젝트에 통합하는 데 도움이 될 엄청난 가치의 지식이 숨겨져 있어요.

하지만 부서 간, 개별 그룹, 제품 및 프로그램 내 사일로 때문에 이 정보에 접근하는 게 어려웠죠. NASA는 이 사일로를 허물어야 했고, 이걸 바로 Neo4j를 사용해서 해결했어요.

NASA의 Lessons Learned 데이터베이스는 정보를 수집, 저장 및 공유하는 방법에 대한 조직의 지식 관리 전략의 중요한 부분이에요. 엔지니어들은 이 데이터베이스를 통해 과거 프로젝트에서 어떤 실수나 성공이 있었는지, 어떤 조치를 취했는지 등을 배울 수 있죠.

NASA의 수석 지식 설계자인 David Meza는 이렇게 설명했어요. "1990년쯤부터 교훈을 추가하기 시작했고, 2003년쯤에 열 타일 오작동으로 인해 셔틀 사고가 발생했을 때까지 계속 업데이트했죠. 만약 이런 정보를 미리 알고 트렌드를 더 잘 이해했더라면 사고를 막을 수 있었을 거예요."

이전에는 데이터베이스가 조직 내 문서 2천만 개 중 1%도 채 되지 않았어요. 총 8만 명의 직원이 근무하고 있었기 때문에 데이터의 양, 다양성, 속도가 시스템에 부담을 주고 있었죠. NASA는 최종 사용자들이 이 정보에 더 쉽게 접근할 수 있는 방법이 필요했어요.

Meza는 문서를 가져와서 그래프로 변환하는 방법을 찾기 시작했어요. Lessons Learned 안에 관련된 메타데이터가 많았기 때문에 Meza는 자체적으로 할당한 카테고리를 기반으로 주제들을 연결했죠. 그는 각 Lesson Learned의 주제와 주제 간의 상관관계를 확인할 수 있었고, 주제들이 서로 어떻게 연결되어 있는지도 파악할 수 있었어요. 이걸 통해 사용자들은 트렌드를 볼 수 있게 되었고, NASA 엔지니어들이 앞서 언급한 셔틀 사고와 같은 재난을 예방하는 데 잠재적으로 도움이 될 수 있었답니다.

Meza는 최종 사용자에게 데이터를 보여주기 위해 간단한 그래프 모델을 개발했어요. 엔지니어들은 빠르게 검색을 수행하고 필요한 정보를 얻을 수 있었죠. 또한 시스템이나 하위 시스템의 한 부분에서 다른 부분으로 이동하면서 하위 시스템 간의 연결을 확인할 수 있었어요. 마찬가지로 프로젝트 관리자들은 시스템을 사용해서 서로 다른 팀 구성원이 처리하는 다양한 하위 시스템과 관련된 정보를 살펴보고, 이 모든 정보를 모아서 전체 시스템을 이해할 수 있었답니다.

Meza는 이렇게 말했어요. "우리가 가지고 있는 문서의 종류와 이걸 최종 사용자를 위한 실행 가능한 지식으로 변환할 수 있는 방법을 살펴보면 의사 결정이 훨씬 더 나아질 거예요. 그리고 과거의 교훈을 활용하는 것도 중요하죠. 왜냐하면 우리는 같은 실수를 계속 반복하는 경향이 있으니까요."

Lessons Learned 데이터베이스는 이미 상당한 가치를 창출하고 있어요. Meza는 "이걸 통해 화성 임무 계획을 위한 연구 개발 비용에서 최소 1년과 200만 달러 이상을 절약할 수 있었어요."라고 밝혔답니다.

앞으로 Meza와 그의 팀은 사용자가 데이터베이스에 직접 수업을 입력할 수 있는 기능을 제공할 계획이라고 해요. 또한 텍스트 분석을 실행해서 주제적으로 유사하지만 놓치기 쉬운 문서를 식별할 수 있는 텍스트 재사용 또는 유사성을 찾을 거라고 합니다.

Meza는 "우리는 교훈을 얻은 데이터베이스를 다시 활용하는 방법을 끊임없이 찾고 있어요."라고 말했어요. "우리의 문제 중 하나는 문제가 생겼을 때 데이터베이스를 잘 안 본다는 거죠. 하지만 지식 관리의 중요한 부분은 해당 노하우를 최종 사용자를 위한 것으로 만들고, 다음 세대에 전달하는 능력이라고 생각해요."

결론

지금까지 정부 기관이 Graph Database를 사용해서 임무를 수행하는 혁신적인 방법들을 살펴봤는데요, 이 블로그 시리즈에서 다룬 사례 연구가 모든 것을 다루는 건 아니라는 점을 기억하는 게 중요해요.

Graph Database는 사용하는 정부 기관만큼이나 다양하답니다. 여러분의 사용 사례는 여기에 설명된 것과 다를 수도 있지만, 그 영향력은 정말 클 거예요. Neo4j는 고객이 가장 까다롭고 모호한 문제를 해결하기 위해 그래프 기술의 힘을 깨닫도록 돕고, Graph Database가 여러분의 임무 목표를 달성하는 데 어떻게 도움이 될 수 있을지 고민하도록 돕고 싶어요.

솔루션이 여러분을 기다리고 있어요!
이 백서를 통해 주요 정부 기관이 어떻게 Neo4j를 사용해서 가장 어려운 과제를 극복하는지 확인해 보세요.정부의 그래프: Neo4j로 임무 완수. 무료 사본을 받으려면 아래를 클릭하세요.

• nasa

---

에이치시스템즈의 LogTree는 Neo4j 기반 GraphRAG 플랫폼으로, 데이터를 자동으로 지식그래프화하고 자연어 질의로 즉시 답을 제공합니다.

👉 에이치시스템즈 홈페이지