☑️ Keynote

세션명	Unlocking business value by integrating SAP and non-SAP data sources
세션코드	MAM213
발표일자	2025.12.03
강연자	Gustav Hilding, Carlos Carús
키워드	SAP data, Non-SAP data, Data integration, Enterprise data strategy, Digital transformation, AI /Machine Learning, Predictive modeling, Data lake / open data formats, AWS native services, Third-party analytics tools, Business value optimization, Operational efficiency, Architecture decision criteria, Retail customer case, Forecast accuracy improvement
핵심 내용 및 요약	SAP 및 비SAP 데이터 소스를 통합해 일관된 데이터 전략을 구축하고, 기업의 AI·분석·운영 효율을 강화하기 위한 아키텍처 선택 기준, 실제 고객 적용 사례, 엔터프라이즈 데이터 활용 모범 사례를 공유하는 세션

1. 핵심 메시지 요약

• 데이터는 비즈니스 연료: IT = 비즈니스, 데이터가 IT를 구동합니다. 데이터 없이는 많은 기업이 정상 운영 불가합니다.
• 디지털 전환은 끝나지 않는 여정: ‘완료’라고 말하는 기업들이 있어도 실무상 고객 이해 부족(설문: 90% 응답자 문제 제기) → 지속적 개선 필요합니다.
•  정답은 없음 — 맞춤 솔루션 필요: SAP BDC, AWS 네이티브, Databricks/Snowflake 같은 서드파티 중 하나를 고르는 게 아니라, 목표·리스크·비용·스킬셋에 따라 블렌딩해야 합니다.
•  실시간·통제·보안 요구: 실시간 가시성 및 접근 통제가 중요합니다.(리포트 대기형 방식 탈피)
•  생성형/에이전트 AI의 가치는 결국 자사 데이터의 품질·통제·데이터 접근성에 달려 있습니다.

2. 기술·제품 포인트

• SAP Business Data Cloud (BDC)
BDC가 AWS 인프라(Graviton, S3 등) 위에서 운영되는 사례 언급합니다.
BDC 사용 시 AWS의 네트워크·성능·보안 혜택을 바로 활용 가능합니다.

• AWS 기술 요소
Graviton (ARM 기반 프로세서): 비용대비 성능, 전력효율 강조합니다.
Amazon S3: 데이터 레이크 기본 저장소입니다.(빌딩 블록)
오픈 테이블 표준(Hudi, Iceberg 등): 데이터레이크에서의 버전관리, 인덱싱, 시간여행, 동시성 문제 해결합니다.
레퍼런스 아키텍처 / 표준 제공: SAP와 공동 개발된 레퍼런스 아키텍처입니다. (Discovery Center 등)

• 서드파티(예: Databricks, Snowflake)
Databricks: Unity Catalog, Delta Lake, Spark 워크로드에 최적입니다.
Snowflake: 쉬운 통합/분석 플랫폼입니다.
핵심은 기존 툴 보유 여부와 조직 요건에 따라 선택/통합합니다.
파트너 생태계: 예) Selvatech — SAP·AWS 전환·POC·운영 지원합니다.

3. Axfood 사례 상세 (Gustav)

• 회사 개요: 스웨덴 소매업, 약 800개 매장, 주간 수백만 고객, 약 25% 시장점유율을 보유했습니다.
• SAP 사용 현황:
S/4HANA: 마스터데이터(상품, 어소트먼트, 캠페인 등) 보관합니다.
Customer Activity Repository (CAR): POS(영수증) 데이터, 프로모션·어소트먼트 커스터마이즈합니다.

• AWS 활용:
분석·AI 플랫폼은 AWS에서 운영합니다. (분석 애플리케이션·머신러닝 실행)
Axfood는 SAP 데이터 외에도 비SAP 데이터를 복제(replication) 하여 AWS 데이터 스택에 통합합니다.

• 머신러닝/AI 현황:
100+ 프로덕션 ML 모델, 그 중 약 20개는 스토어/풀필먼트 관련 있습니다.
커스텀 모델: 표준 시스템 대비 약 30% 높은 예측 정확도를 지닙니다. (특히 캠페인·시즌성·비정상 상황에서 우수)
적용 분야: 수요예측(재고/보충 최적화), 어소트먼트 시뮬레이션(캔니발리제이션 고려), 크로스셀/추천합니다.(전자상거래 고객 경험 개선)

• 데이터 전략:
Axfood는 데이터 복제(central master) 전략을 선호 — “하나의 마스터(오픈 포맷, 오픈 스탠다드)”를 유지합니다.
데이터 제품화(data products) 및 거버넌스(semantic layer 포함)에 중점을 둡니다.

• 운영적 교훈:
초기부터 고(高)가치 유스케이스를 빨리 도입해 경영진의 주목과 예산·조직 성숙을 확보합니다.
데이터 과학자와 전통 IT 간 협업 중요합니다.
공급업체들(벤더)마다 목표·일정이 달라 조율 필요 — 공통 기반 찾아서 시작할 것입니다.

4. 데이터 접근 패턴

• SAP 생태계 중심: SAP가 제공하는 BDC 같은 솔루션을 그대로 활용합니다. (특히 SAP 중심 운영 기업)
• AWS 네이티브 중심: 오픈소스/클라우드 네이티브 도구(데이터레이크, 오픈 테이블 포맷 등)를 AWS에서 운용합니다.
• 서드파티 중심: Databricks / Snowflake 등 특화 플랫폼과 통합합니다.
• 실제로는 케이스별로 혼합(블렌드) — use-case(예: 실시간 예측 vs 배치 리포팅), 리스크, 비용, 내부 • 역량에 따라 선택합니다.

5. 실무 권장사항 / 액션 아이템

• 데이터 전략 정립
중앙 마스터 여부(복제 vs 연동/페더레이션) 결정합니다. Axfood는 복제를 권장합니다. (특히 실시간/AI 요구가 큰 경우) 오픈 포맷·오픈 스탠다드 사용 권장합니다. (잠재적 락인 완화)

•경영진 참여 확보
초기부터 고가치 유스케이스로 ROI 증명 → 예산·조직 지원 확보합니다.

•데이터 거버넌스·보안·접근 통제 구축
생성형 AI/에이전트 노출 전 데이터 품질·접근 제어 필수입니다.

•기술 스택 선택은 목적 우선
S4/BDC 유지, AWS 네이티브, Databricks/Snowflake 중 조직 역량·비용·리스크로 결정. 혼합 전략 고려합니다.

• 파트너와 함께 POC → 프로덕션 전환 경로 설계
AWS 솔루션 아키텍트·파트너 연계(예: Selvatech)로 리스크 완화합니다.