정세웅, AWS Analytics Specialist Solutions Architect
클라우드를 통해 누구나 손쉽게 데이터 분석에 참여할 수 있습니다. 개발자가 아니더라도 Amazon S3 데이터레이크에 저장된 데이터를 Athena를 통해 익숙한 SQL문으로 빠르고 질의할 수 있습니다. 이에 대한 결과를 Quicksight를 통해 다양한 보고서, 대시보드 등으로 시각화 할 수 있습니다. AWS Glue 크롤러를 사용하면, 자동으로 스키마 정보를 구성해 주고 Jupyter 노트북과 같이 익숙한 환경에서 데이터를 분석할 수 있습니다. 본 세션에서는 데모를 통해 다양한 서비스로 데이터 탐색 및 변환을 하는 과정을 살펴봅니다.

김윤건, AWS Data and Analytics Business Development Manager
전통적인 DW 환경을 넘어서 데이터 저장 위치와 포맷에 관계 없이 최소시간으로 비용 효율적으로 분석할 수 있는 클라우드 기반 'Lake House'가 주목받고 있습니다. 본 세션에서는 레이크 하우스 아키텍처를 강화하여 데이터 레이크와 데이터베이스, DW를 통합적으로 분석할 수 있는 Amazon Redshift의 새로운 기능을 소개하고, 기존 DW 환경을 빠르게 클라우드로 전환하기 위한 다양한 AWS의 지원 방안을 제시합니다.

정현아, AWS Solutions Architect
AWS 클라우드 상의 서비스들을 통해 데이터를 통합적으로 분석하기 위한 분석플랫폼을 손쉽게 구축할 수 있습니다. 실제 모든 센서데이터와 생산데이터를 AWS 환경으로 수집하고 실시간으로 분석, 모니터링했던 AWS Summit 스마트팩토리 데모 구축 사례를 소개합니다. 대용량 데이터를 위한 datalake 구성방안과 이를 바탕으로 DW와 실시간 스트리밍 분석플랫폼을 구축하기 위한 기술적 팁을 이야기합니다.

문곤수, AWS AI / ML Specialist Solutions Architect
현대적 데이터 분석기법 중 기계 학습을 통해 데이터 통찰력을 얻는 것은 매우 중요합니다. 본 세션에서는 고객 이탈 데이터를 Amazon SageMaker Autopilot을 통해 손쉽게 기계학습 모델을 생성 한 후, 여기서 나온 예측 데이터를 Quicksight를 통해 손쉽게 대시보드로 시각화 하는 방법을 소개합니다. 기계 학습 모델과 비지니스 인텔리전스를 자동으로 연동하여 손쉽게 구성하는 방법을 배울 수 있습니다.