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.