이 글에서 소개하는 아프리카 은행의 현대화 과제는 클라우드 스케일링이 아니었습니다. 핵심 뱅킹 시스템을 안정적으로 가동하고 거버넌스를 유지하면서, 여러 아프리카 시장에 신뢰할 수 있는 데이터를 어떻게 더 신속하게 제공할 것인가라는 운영 관점의 고민이 더 컸습니다.
단 10분의 지연도 치명적일 수 있습니다. 사기 탐지나 고객 인게이지먼트, 규제 보고는 물론, 비즈니스 팀이 기회를 놓치지 않고 제때 타이밍을 잡는 역량에도 직접적인 영향을 미치기 때문입니다.
이 은행은 최신 데이터 수집과 분석, 머신러닝, 클라우드 프로세싱을 위해 AWS 활용을 넓혀가고 있었습니다. 하지만 기존 뱅킹 인프라의 역할도 여전히 막중했습니다. 핵심 거래 시스템과 온프레미스 DB, 운영 플랫폼, API, 파일, 레거시 앱, 시장별 시스템이 여전히 일상적인 뱅킹 업무를 든든히 뒷받침하고 있었기 때문입니다.
결국 필요한 것은 단순한 마이그레이션이 아니었습니다. 대규모 데이터 이동을 강제하거나 운영 시스템을 중단시키지 않으면서도, 하이브리드 뱅킹 환경 전반에 신뢰할 수 있는 거버넌스 기반 데이터를 공급하는 방식을 새롭게 재설계하는 것이었습니다.
데이터 요청이 쌓일수록 복잡성도 늘어날 때
이만한 규모의 은행이라면 비즈니스의 모든 분야에서 데이터 수요가 쏟아지기 마련입니다.
사기 방지 팀은 운영 데이터에 실시간으로 접근해야 하고, 규제 팀은 전체 시장에 걸친, 일관된 보고서가 필요합니다. 디지털 팀은 API로 공급되는 거버넌스된 데이터를 원하며, 분석 팀은 AWS 네이티브 서비스로 모델을 구축하고자 합니다. 비즈니스 팀은 IT 부서가 새 파이프라인을 깔아줄 때까지 기다릴 것 없이 외부나 벤더 데이터를 곧바로 검증해야 할 때도 있습니다.
이러한 요청을 매번 개별적으로 처리하면 새로운 추출, 복사, 파이프라인, 인증 경로, 커스텀 인터페이스가 우후죽순 생겨나게 됩니다. 결국 거버넌스는 파편화되고 운영 복잡성만 치솟을 뿐입니다. 시간이 흐를수록 이런 패턴은 현대화의 발목을 잡습니다. 데이터 복사본은 급증하고 통제 절차는 중복되며, 소스 시스템이 바뀔 때마다 하류(downstream) 시스템까지 일일이 조정해야 합니다. 새로운 프로젝트들은 인사이트를 얻고도 즉각 실행에 나서기는커녕, 데이터 접근 권한을 기다리느라 시간만 허비하게 됩니다.
이제 은행에는 전혀 다른 모델이 필요했습니다. 보고, 앱, 분석, API, 데이터 마켓플레이스 사용자는 물론 AI 유스케이스까지 한 번에 지원할 수 있는 재사용 가능하고 거버넌스가 갖춰진 데이터 서비스였습니다.
거버넌스된 데이터 공급을 실현하는 확장형 클라우드 플랫폼
은행이 내린 답은 AWS와 디노도(Denodo)를 결합한 아키텍처였습니다. 최신 데이터 워크로드를 위한 확장형 플랫폼인 AWS 위에, 전사적인 뱅킹 인프라와 연결해 주는 거버넌스 중심의 논리 계층인 디노도를 얹은 구조입니다.
AWS는 클라우드 네이티브 기반의 데이터 수집부터 분석, 머신러닝, 처리에 이르는 전 과정을 지원합니다. Amazon S3, Redshift, Athena, EMR, AWS Glue, Amazon SageMaker 등의 핵심 서비스들이 은행의 클라우드 데이터 및 AI 프로젝트를 탄탄하게 뒷받침하고 있습니다.
디노도 플랫폼 은 이러한 AWS 서비스와 기존 데이터 자산, 그리고 데이터 소비 계층 사이의 가교 역할을 하며, 분산 환경 전반에 거버넌스된 데이터를 공급하는 통합 액세스 계층을 제공합니다. 온프레미스에서는 여러 데이터 센터에 걸쳐 고가용성(HA) 클러스터로 가동되며, AWS 환경에서는 멀티 가용 영역(AZ)에 배포되어 운영됩니다. 두 환경은 보안 커넥티비티로 단단히 연결되어 있어, 은행은 양쪽 인프라 모두에서 정책 일관성과 런타임 액세스 제어, 철저한 데이터 거버넌스를 완벽하게 유지할 수 있습니다.
그림 1: 온프레미스 뱅킹 시스템과 AWS 네이티브 데이터·분석 서비스를 연결하는 하이브리드 데이터 아키텍처
이 아키텍처는 데이터 소비와 데이터 위치를 완벽히 분리합니다. 덕분에 각 팀은 데이터가 물리적으로 어디에 저장되어 있는지 신경 쓸 필요 없이, 거버넌스가 확보된 실시간 데이터에 곧바로 접근할 수 있습니다. 대시보드, API, 운영 앱, AI 어시스턴트는 물론 AWS Glue 작업, SageMaker 워크로드, 디노도 데이터 마켓플레이스 사용자에 이르기까지, 그 어떤 주체도 하부 데이터의 물리적 위치를 알 필요 없이 잘 관리된 논리적 뷰(Logical View)만 활용하면 됩니다.
이것이 바로 데이터 공급의 '라스트 마일'입니다. 분석, 앱, AI 워크로드 등 현업에서 이미 활발히 사용 중인 채널을 통해 신뢰할 수 있는 데이터를 있는 그대로 전달하는 것입니다.
핵심 패러다임의 전환: 데이터 파이프라인에서 데이터 제품으로
실질적인 변화는 이제 데이터 공급이 매번 커스텀 엔지니어링이나 중복 파이프라인, 요청별 포인트 투 포인트 통합에 매달릴 필요가 없어진다는 점입니다.
디노도를 통해 은행은 API, 파일 공유 및 다양한 비전통적 소스를 거버넌스 기반의 가상 테이블(Virtual Table)로 노출할 수 있습니다. 덕분에 새로운 소스가 추가될 때마다 매번 커스텀 수집 프레임워크를 개발해야 하는 부담이 사라집니다. 나아가 데이터 계층에서 보안을 강화하고 데이터를 마스킹하며 접근을 제어하는 표준화된 방식을 제공하므로 분산 시스템 전반의 거버넌스 정책을 언제나 일관되게 유지할 수 있습니다.
나아가 이 은행은 거버넌스되는 데이터 마켓플레이스를 구축 중입니다. 사용자는 이곳에서 데이터셋을 검색하고 마스킹된 데이터를 미리 보며 접근 권한 요청부터 데이터 제품 구독까지 한 번에 처리할 수 있습니다. 뱅킹 업무에서 셀프 서비스가 결코 무분별한 데이터 접근을 의미해서는 안 되기 때문입니다. 진정한 셀프 서비스는 사용 편의성과 정책 준수, 감사 가능성(Auditability), 규제 통제가 완벽히 결합되어야만 가치가 있습니다.
바로 이 지점에서 AWS와 디노도는 서로의 가치를 배가시킵니다. AWS가 최신 분석 및 AI 워크로드를 구축할 수 있는 압도적인 스케일과 서비스를 제공한다면, 디노도는 각 팀이 자체 파이프라인이나 통합 솔루션, 데이터 센터 연결 경로를 일일이 만들 필요 없이 하이브리드 환경 전반의 신뢰할 수 있는 전사 데이터에 곧바로 접근하도록 돕습니다.
현대화가 가져올 '비용 효율성'의 혁신
이번 변화가 가져온 가장 눈에 띄는 영향은 단순한 아키텍처의 변화가 아닙니다. 진짜 가치는 프로젝트 배포에 드는 노력, 마이그레이션의 민첩성, 그리고 하류(downstream) 시스템의 변경 대응력에서 극명히 드러납니다.
그 결과, 이 은행은 다음과 같은 놀라운 성과를 거두었습니다.
- 통합 작업 70~90% 절감
- 다운타임 제로(0), 3개월 만에 4PB 규모 데이터 AWS 마이그레이션 달성
- 1,300명 이상의 사용자가 월 200만 건의 쿼리 안정적 처리
- 클라우드 비용 대폭 최적화 (데이터 이동 및 중복 최소화)
- 실시간 데이터 알림 기반의 신속한 사기 탐지 및 의사 결정 실현
비용 관리 측면에서도 큰 진전이 있었습니다. 불필요한 중복을 걷어내고 하이브리드 환경 전반의 쿼리를 인텔리전트하게 라우팅함으로써, 불필요한 데이터 이동을 최소화하고 컴퓨팅 비용을 크게 절감한 것입니다. 게다가 이전에는 데이터 접근 권한을 할당(Provisioning)하는 데 며칠씩 걸리던 작업이 이제는 단 몇 시간 만에 완료되는 혁신을 이뤄냈습니다.
