데이터에 경이로움을 불어넣다: Weidong Yang과의 5분 인터뷰

"정말 '아하!' 하는 순간이었죠. 우리 솔루션을 Neo4j와 통합하면서, 우리가 잘하는 중요한 일인 시각화와 상호 작용에 집중할 수 있게 되었으니까요." 라고 양웨이동, CEO (키네비즈) 님이 말씀하셨어요.

샌프란시스코에 본사를 둔 Kineviz는 데이터 작업이 엔지니어링 기술이라기보다 예술에 더 가깝다고 생각한대요. 미묘한 예술적 단서를 사용해서 고차원 데이터 세트의 복잡한 정보를 드러내는 거죠. Kineviz는 사용자가 데이터에서 진행되는 흥미로운 부분을 감지하고, 그걸 입력으로 사용해서 정량화 가능한 결과를 얻기 위해 어디를 파헤쳐야 할지 결정할 수 있도록 복잡한 데이터를 시각화하고 제시하는 데 특화되어 있답니다.

Neo4j를 선택하게 된 계기는 무엇인가요?

양웨이동: Kineviz에서는 예술적 탐구의 아주 미묘한 단서를 사용해서 사물을 경험하는 방법, 정보를 인식하는 방법에 대해 많은 것을 배웠어요. 그리고 우리는 예술적인 이해와 탐구를 데이터 시각화에 적용하고 있죠.

믿기 어려울 수도 있지만, 데이터 작업은 엔지니어링 기술이라기보다는 예술에 가까운 경우가 많아요. 사용할 수 있는 정보가 너무 많아서, 정량화되는 내용을 파악하기 전에 많은 직관을 사용해야 하거든요.

약 6년 전, 저는 다른 스타트업에서 일하고 있었어요. 우리는 공유 경제에 대한 신뢰 시스템을 구축하기 위해 소셜 네트워크를 활용하려고 노력했죠. 오늘날에는 그런 일을 하는 회사가 많이 있고, 꽤 성공적이에요. 하지만 2011년과 2012년쯤에는 아직 초기 단계였죠.

우리가 조사한 것 중 하나는 네트워크를 사용해서 누군가를 신뢰할 수 있는 방법과 영역, 그리고 사람들이 어떻게 짝을 이루어 함께 일하거나 무언가를 공유할 수 있는지 알아내는 것이었어요.

당시 우리는 실제로 그래프를 사용하지 않고 많은 그래프 작업을 수행했어요. Graph Database 말이죠. 우리는 대부분 2D로 자체 그래프 시각화 엔진을 구축했어요. 그리고 당시 우리가 직면한 문제는 네트워크 그래프가 일정 크기 이상 커지면 보기가 매우 어려워진다는 것이었어요. 모든 구조가 함께 부서지는 느낌이었죠. 로컬 클러스터는 분리되어 있을 수 있지만, 일부 연결이 있는 경우 서로 충돌할 가능성이 높았어요.

몇 년 후 우리는 3D 기술을 시도하기 시작했고, 이를 통해 정보를 훨씬 더 명확하게 볼 수 있고 클러스터 분리가 훨씬 쉬워진다는 것을 깨달았어요. 당시 우리는 여전히 자체 인메모리 그래프 엔진을 사용하고 있었죠.

우리는 그래프 알고리즘을 구축하는 등 많은 작업을 수행했어요. 믿기 어려울 수도 있지만 작년 이맘때 우리는 Neo4j에 대해 생각하기 시작했죠. '잠깐만요. Neo4j는 우리가 해결하려고 하는 모든 어려운 문제를 해결한 것 같은데? 한번 시도해 보자' 라고 생각했던 것 같아요.

우리는 솔루션을 Neo4j와 통합하기 시작했어요. 정말 '아하!' 하는 순간이었죠. 상황이 훨씬 쉬워졌기 때문에 우리가 잘하는 중요한 일인 시각화 및 상호 작용에 집중할 수 있었고, 많은 어려운 데이터 문제를 Neo4j에 맡길 수 있었거든요. 정말 의미 있는 일이라고 생각해요.

그래프 시각화에 대해 자세히 알려주세요

양: 특히 제 배경의 관점에서 Neo4j가 우리에게 중요한 이유에 대한 제 생각을 말씀드릴 수 있어요. 저는 훈련받은 물리학자예요. 저는 양자점과 함께 일했었죠.

그래프는 모든 Node와 Node 간의 상호 작용으로 인해 고차원 문제에요.

시각화는 복잡한 데이터에 대한 통찰력을 얻는 데 항상 중요한 도구였어요. 일단 무언가를 볼 수 있게 되면 직관과 방향성을 얻는 데 도움이 되고, 그런 다음 사람들에게 전달할 수 있는 정량적 결과를 얻기 위해 노력할 수 있죠.

저는 고차원적인 문제가 특히 어렵다고 생각해요. 예를 들어 건축 청사진을 생각해 보세요. 숙련된 건축가라면 청사진을 보고 이해할 수 있겠지만, 그렇지 않은 사람들은 청사진을 봐도 감이 안 올 거예요.

건축은 3차원 구조인데, 이걸 2차원 공간으로 표현하려니 정말 어렵죠. 그걸 다시 머릿속으로 재구성하려면 엄청난 집중력이 필요해요.

고차원 데이터 세트도 마찬가지예요. 고차원 데이터 세트를 다룰 때 2차원 시각화만 봐야 한다면 정말 힘들어요. 실제 차원을 갖는다는 건 단순히 조금 더 나아지는 게 아니라, 완전히 다른 차원의 문제인 거죠.

그래프의 미래는 어떻게 될 거라고 생각하시나요?

양: 저는 그래프 기술이 정말 유망하고 중요하다고 생각해요. 우리 모두 경험적으로 알고 있듯이, 지식은 결국 사물들이 서로 어떻게 연결되어 있는지를 보여주는 그래프와 같으니까요.

하지만 이해와 분석을 위한 도구로서의 그래프 기술은 아직 초기 단계라고 생각해요. 해결해야 할 문제가 많죠. 그래프는 복잡해지기 쉬워요. 엔터티가 몇 개 없을 때는 그래프를 통해 쉽게 생각하고 추론할 수 있지만, 그래프가 복잡해지면 너무 많은 차원과 요소들이 작용해서 우리 뇌가 그걸 다 이해하기 어려워져요.

그래프를 사람들이 쉽게 이해하고, 다양한 애플리케이션에서 유용하게 사용할 수 있도록 만들기 위해 더 많은 연구가 필요하다고 생각해요.

Neo4j의 가장 큰 장점은 무엇이라고 생각하시나요?

양: 모델과 데이터를 활용해서 과학자의 관점에서 말씀드리고 싶어요. Neo4j가 중요한 솔루션을 제공하는 특정 영역이 있다고 생각하는데, 바로 매우 복잡한 그래프의 정보를 처리할 때예요. 레이블은 몇 개 없지만, 각 레이블에는 많은 엔터티와 엄청나게 많은 속성이 있다고 가정해 볼게요. 이건 그래프 문제와 전통적인 데이터 문제가 섞인 형태인데, 레이블이 지정된 Property Graph 덕분에 Neo4j는 이 영역을 해결하는 데 아주 적합한 위치에 있다고 생각해요.

추가하고 싶은 내용이 있나요?

양: 저희는 주로 컨설팅 회사로 알려져 있지만, Kineviz에는 댄스, 인터랙티브 기술, 시각화를 함께 제공하는 비영리 예술 단체도 있다는 걸 사람들은 잘 모를 거예요.

향후 5분 인터뷰에서 Neo4j 프로젝트에 대해 공유하고 싶으신가요? content@neo4j.com으로 연락 주세요.

그래프 알고리즘이 궁금하신가요?

Neo4j의 그래프 알고리즘을 다운로드하고, 연결된 데이터에서 강력한 통찰력을 얻기 위해 그래프의 힘을 활용하는 방법을 알아보세요.

---

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

👉 에이치시스템즈 홈페이지