• 미국은 개방형 국방테크 생태계를 추진, 국방 정보화 예산을 기반으로 기술을 개발하고, 이를 사업화 하는 기업들이 상당수 있다. 우리가 익히 알고 있는 YetAnalytics도 오늘 언급할 Riptide Software도 이러한 기업 중에 하나다.

• ’13년 Riptide Software사는 xAPI를 활용해 사격훈련 데이터를 저장, 탐색, 분석 시각화하는 실험을 했다.

• 미육군과 Riptide Software사는 xAPI를 활용해 사격훈련 데이터를 실시간으로 기록하고 이를 교관에게 전송해 데이터를 기반으로 한 코칭을 할 수 있도록 대시보드 형태로 제시해준다. 최종 평가 결과는 미 육군의 DTMS(Digital Training Management System)에 기록되는 방식의 교육훈련 통합 프로세스(TLA; Total Learning Architecture)를 구축했다.

• 본 실험에서 LOMAH(location of Miss and Hit)와 TRACR(Targetry Range Automated Control and Recording)는 엎드려 쏘기/서서 쏘기 등의 사격 환경에서 Range Sensor를 통해 xAPI 데이터를 만들어 내는 xAPI Provider의 역할을 한다. 센서가 부착된 IoT 장비다.

• 요렇게 Range Sensor를 통해 xAPI 데이터가 생성이 되고 LRS에 쌓인다. ZONE은 BRM5를 시작했고 75미터 타겟을 맞췄으나 300미터 타겟은 놓쳤다는 것을 알 수 있다.

• Riptide Software는 사격술 상황에서의 xAPI Statement / Profile은 정의를 했고, 데이터 하나하나를 LRS에 쌓고 있다. 아마도 이들이 정의한 Profile에는 Hit/Miss와 같은 verb, BRM5와 같은 Object, 그리고 좌표를 나타내는 extension이 정의되어 있을 것이다.

• LRS에 쌓인 데이터는 실시간으로 Adaptive Training Automated Tutoring Interface & Rule 시스템을 통해서 분석하고 교관에게 피드백 할 수 있는 가시화된 정보가 제공되며, 교관의 평가 데이터는 DTMS(Digital Training Management System)에 기록된다. 이렇게 쌓인 LRS는 자체적인 Analytics Engine을 구축하지 않더라도 ELK의 Kibana와 같은 BI툴을 활용해 얼마든지 훌륭하게 활용할 수 있다.

• 본 연구에서는 데이터의 분석을 위해 SPSS, SAS, Statistica, R 그리고 관계형 데이터베이스와 MongoDB, ELK, Google Cloud Platform과 같은 빅데이터 도구를 활용해 사격훈련 분석의 자동화를 구현했다.

     그렇다면 가장 중요한 지점은?

• 도구는 필요한 것들을 사용하면 된다. 중요한 것은 어떻게 분석 시나리오를 설계 할 것인가? 어떤 지표를 잡을 것인가? 데이터 포인터는 무엇을 활용해 어떤 가중치를 줄 것인가?이고, xAPI Statement Validation을 통해 잘 쌓이고 있는가? 바로 이 지점을  집중해야 한다.