투자자 셸비 데이비스 | 38세부터 5만 달러에서 9억 달러의 순자산을 일궈낸 셸비 데이비스

현대 비즈니스에서 인수합병에 대한 이해는 점점 더 중요해지고 있습니다. 흔히들 아는 대기업에서 거대규모로 인수합병이 이루어지기도 하지만 훨씬 더 작은 기업에서도 저평가된 기업을 인수하여 인수를 통한 성장을 하는 Serial Acquirer가 있습니다. ex) 켈리파트너스그룹, 컨스털레이션소프트웨어, 테크니언, 리프코, 저지사이언티픽 등 전략적 관리 모델 조직의 전략적 관리 프로세스를 나타내는 '전략적 초점 휠' 전략적 계획: 조직의 비전, 미션, 목표를 설정하고 이를 달성하기 위한 전략을 수립 전략 실행: 계획을 실제 행동으로 옮기는 단계. 자원을 할당하고, 팀을 구성하며, 실제 업무를 수행 변화의 프로젝트 관리: 전략 실행 과정에서 발생하는 변화를 관리. 조직 문화, 프로세스, 시스템의 변화를 포함. 전략적 위험 관리: 전략 실행 중 발생할 수 있는 위험을 식별하고 관리하는 단계. 내부적, 외부적 위험 모두를 포함. 전략적 초점 휠: 이 모든 과정의 중심. 조직이 항상 전략적 목표에 초점을 맞추고 있음을 상기. 이 모델의 핵심은 이 과정이 끊임없이 순환한다는 것입니다. 전략은 고정된 것이 아니라, 지속적으로 평가되고 조정되어야 합니다. "다학제적 접근" :기업 인수합병(M&A)의 복잡성과 그 성공을 위해 필요한 다양한 경영 기술 M&A 성공을 위해서는 다양한 경영 분야의 기술이 필요. 많은 M&A가 실패하는 이유는 관리자들의 기술과 경험 부족 때문일 수 있다. M&A를 마스터하기 위해서는 MBA 핵심 과정에서 배운 여러 분야의 지식을 활용: 전략가처럼 생각하여 M&A의 전략적 논리를 평가 재무 전문가처럼 생각하여 거래의 가치를 평가 프로젝트 관리자처럼 생각하여 M&A를 실제로 구현 M&A에서는 전략, 재무, 프로젝트 관리 등 여러 분야를 동시에 통합적으로 생각이 필요 실제로 M&A를 이끄는 많은 사람들이 단일 기능 배경을 가지고 있어, 이것이 M&A 실패의 한 원인일 수 있음. 이로 인해 미국에서는 전문 M&A 프로젝트 관리 컨설팅 회사가 증가하는 추세 M&A 과정은 MBA의 기본 과정들(전략 기획, 재무, 프로젝트 관리, 전략적 위험 관리)과 일부 중복되지만, M&A의 특정 맥락에서 이러한 개념들을 고려 M&A 과정의 주요 섹션 모듈 1: 기초 개념 소개 이 모듈에서는 M&A와 관련된 주요 용어와 표현을 소개 합병과 인수의 차이점을 설명 통합(integration)이라는 개념이 합병의 목표로서 어떤 의미를 갖는지 고찰 전략적 근거 (모듈 2-3) 이 섹션은 합병의 전략적 근거 합병이 어떻게 전략적 초점을 방해할 수 있는지, 그리고 변화 과정에서 이 초점을 어떻게 유지할 수 있는지 학습 가치평가, 합병 전략, 실사 (모듈 4-6) 잠재적 인수 대상 기업의 가치를 평가하는 기본 도구와 접근 방식 특히 미래 성장 잠재력과 관련하여 가치를 평가하는 방법 합병 전략 개발 시 고려해야 할 사항들을 학습 실사(due diligence) 과정의 수행 방법을 학습 구현과 통합 (모듈 7-10) 이 섹션에서는 변화 관리 도구로서의 프로젝트 관리를 중심으로 구현 과정 M&A가 조직에 큰 변화를 가져온다는 점을 인식하고, 적절한 절차와 프로세스의 설계 및 적용의 중요성 구현 계획의 준비 과정과 이 계획을 완료까지 실행하고 관리하는 과정을 학습 종합적 접근 이 과정은 M&A를 전략, 재무, 프로젝트 관리 등 다양한 관점에서 통합적으로 접근하는 것의 중요성 인수 합병 기본 사항 합병: 두 회사 간의 협상 과정을 통해 이루어짐 양측이 동의하에 새로운 단일 기업을 형성 시너지 효과를 목표로 함 인수: 한 회사(인수자)가 다른 회사(피인수자)를 사들임 협상이 반드시 필요하지 않음 주식 매입을 통해 소유권 확보 우호적 또는 적대적일 수 있음 우호적 인수: 피인수 회사가 인수에 동의 상호 이익을 위한 기회로 여겨짐 적대적 인수: 피인수 회사가 인수에 반대 '백기사' 전략 등으로 방어 가능 공개 시장에서의 대량 주식 매입으로 시도될 수 있음 '새벽 습격' 전략: 인수자가 시장 개장 직후 신속하게 대량의 주식을 매입 주가 상승을 최소화하고 '기습적'으로 시장을 장악하기 위한 목적 주주의 역할: 우호적/적대적 인수 모두에서 최종 결정권은 대상 기업의 주주에게 있음 주주 다수가 매각에 동의하면 소유권이 인수자에게 이전 주주 동의의 조건: 합병을 통해 이익을 얻을 수 있다고 판단할 때 동의 인수자가 제공하는 대가(현금 또는 주식)의 매력도에 따라 결정 대가의 형태: 현금: 즉각적인 이익 제공 주식: 장기적 투자 기회 제공, 주로 더 매력적으로 여겨짐 주식 거래는 특히 시장이 침체된 상황에서 더 선호될 수 있음 몇 가지 기본 근거 합병의 근본적 동기: ...

데이터 레이크하우스는 2010년대 후반에 데이터 웨어하우스에 대한 보다 저렴하고, 오픈 소스이며, 유연한 대안으로 등장했습니다. 데이터 웨어하우스가 컴퓨팅/스토리지/서비스를 통합하는 반면, 레이크하우스 아키텍처는 이러한 서비스를 일반적으로 오픈 소스 소프트웨어를 기반으로 하는 개별 구성 요소로 나눕니다. ​ 이 글은 다음과 같이 구성할 것입니다: ​ 1. 데이터 레이크하우스 소개 및 모멘텀을 얻게 된 이유 2. 데이터 레이크하우스의 역사 3. 레이크하우스 기술 개요 4. 레이크하우스 시장 개요 5. 투자 환경에 대한 제 생각 ​ 항상 그렇듯이 저는 한 산업에 대한 전문가가 아니라 이 분야를 연구하는 투자자임을 밝히고 싶습니다. 제 목표는 산업을 이해하고 잠재적인 투자처를 찾는 것이며, 그 과정에서 배운 것들을 공유하고자 합니다. ​ 1. 데이터 레이크하우스 소개 데이터 레이크하우스의 핵심은 데이터 웨어하우스를 스토리지, 컴퓨팅, 서비스라는 기본 구성 요소로 세분화하는 것입니다. 이를 통해 기업은 자신이 선택한 도구(일반적으로 오픈 소스 소프트웨어)로 원하는 데이터 스택을 구축할 수 있습니다. ​ 데이터 레이크하우스는 특정 기술이 아니라 아키텍처입니다. 데이터 레이크하우스는 데이터 관리 자체가 아니라 데이터 관리를 구조화하는 방법입니다. ​ 데이터 가치 사슬에서 데이터 레이크하우스의 역할을 여기서 시각화할 수 있습니다: 표면적으로 데이터 레이크하우스는 몇 가지 이유로 등장했습니다: ​ 1. 데이터 웨어하우스는 비용이 많이 들고, 폐쇄적이며, 비정형 데이터를 잘 처리하지 못했습니다. 2. 데이터 레이크는 관리가 어려워서 데이터가 무질서해졌습니다. ​ 레이크하우스는 데이터 레이크와 데이터 웨어하우스를 통합하여 데이터 관리를 하나의 플랫폼으로 중앙 집중화하고, 데이터 플랫폼을 오픈 소스 도구에 개방하며, 이론적으로 더 저렴한 가격으로 제공한다는 세 가지 주요 이점을 가져다주었습니다. ​ 이론적인 우회를 허용하신다면, 레이크하우스의 출현은 클레이 크리스텐슨의 산업 진화에 대한 보다 근본적인 이론에서 비롯된 것이라고 생각합니다. ​ 한 산업이 탄생하면 일반적으로 원천 기술을 개발한 수직적으로 통합된 단일 기업이 시장에 출시합니다. 이 기업이 수직적으로 통합되어야 하는 이유는 시장이 작은 기업이 시장의 일부를 차지하는 것을 정당화할 만큼 충분히 크지 않기 때문입니다. 시간이 지남에 따라 시장이 커지면 경쟁이 시장에 진입하여 수직적으로 통합된 회사의 방어력이 가장 약한 부분을 공격하는 것이 정당화됩니다. ​ 일반적으로 이러한 현상은 시간이 지남에 따라 발생합니다. 수직적으로 통합된 기업은 핵심 IP와 가장 가치 있는 제품을 중심으로 후퇴할 때까지 수익성이 가장 낮고 방어력이 가장 낮은 사업 부문을 계속 분리할 것입니다. 저는 이것이 바로 기업의 진정한 가치 또는 '비장의 무기'라고 생각합니다. (기업을 연구할 때 제가 이해하려고 하는 핵심 질문이기도 합니다.) ​ 제 생각에 레이크하우스의 진화는 산업의 진화를 보여주는 완벽한 예라고 생각합니다. 클라우드 기반 데이터 웨어하우스는 통합 데이터 서비스를 제공했지만, 레이크하우스는 이러한 패러다임을 깨고 데이터 웨어하우징 시장의 각 부문에 경쟁업체가 한꺼번에 진입할 수 있도록 했습니다. ​ 2. 데이터 레이크하우스의 역사 데이터 분석 산업의 초창기에 대한 더 자세한 역사는 데이터 웨어하우스에 관한 저의 글을 읽어보실 수 있습니다. 여기서는 클라우드와 데이터 레이크의 등장부터 시작하겠습니다. ​ Hadoop, 클라우드, 그리고 빅 데이터의 부상 ​ 인터넷, 클라우드, 데이터 처리 프레임워크라는 세 가지 변수가 빅데이터 플랫폼의 부상으로 이어졌습니다. ​ 인터넷의 부상으로 데이터는 그 어느 때보다 더 많이, 더 복잡해졌습니다. 기업들은 다양한 온프레미스 데이터베이스와 데이터 웨어하우스로 이 데이터를 관리하려고 했지만, 이러한 도구는 이러한 규모의 비정형 데이터에 적합하게 구축되지 않았습니다. '빅 데이터'가 부상하면서 기업들은 점점 더 많은 양의 데이터에 대한 분석이 필요하다는 것을 알게 되었습니다. ​ 2006년에 오픈 소스 분산 데이터 처리 기술인 Hadoop이 출시되었습니다(여러 대의 컴퓨터에서 대량의 데이터를 처리할 수 있고 누구나 무료로 사용할 수 있음). Hadoop은 빅데이터 처리를 위한 소프트웨어 모음으로, MapReduce(처리 알고리즘), Hadoop 분산 파일 시스템(빅데이터 저장 시스템), YARN(작업 스케줄링)을 포함합니다. ​ 비슷한 시기에 AWS는 첫 번째 제품인 심플 스토리지 서비스, 즉 Amazon S3를 출시했습니다. S3는 인터넷을 통해 액세스할 수 있는 비정형 데이터를 위한 저렴한 오브젝트 스토리지를 제공했습니다. 기본적으로 "무제한" 데이터 스토리지를 제공했습니다. ​ 이 세 가지를 통해 기업들은 저장할 데이터, 저장할 방법, 처리할 방법을 모두 갖추게 되었습니다. 이로 인해 기업 데이터의 중앙 저장소인 데이터 레이크가 등장하게 되었습니다. ​ Apache Spark와 클라우드 데이터 웨어하우스 ​ 2000년대 후반, Spark는 UC 버클리의 한 팀에 의해 만들어졌습니다(이 팀은 나중에 데이터브릭스를 설립하게 됩니다). Spark는 Hadoop을 대체하는 데이터 처리 프레임워크를 제공했으며, 머신 러닝 모델 학습, 빅 데이터 쿼리, Spark Streaming을 통한 실시간 데이터 처리를 위해 데이터 과학 커뮤니티에서 빠르게 주목을 받기 시작했습니다. 데이터브릭스는 Spark의 최초 개발자들이 2013년에 설립한 회사입니다(델타 레이크와 MLflow도 개발했습니다). ​ 2012년, Amazon은 초기 클라우드 데이터 웨어하우스인 Redshift를 출시했습니다. 이 제품은 온프레미스 데이터 웨어하우스의 대안을 제시하며 초기 시장의 선두 주자가 되었습니다. 2년 후, Snowflake가 출시되었습니다. Snowflake는 컴퓨팅과 스토리지를 분리하여...

이 글의 목표는 두 가지입니다: ​ 1. 데이터 웨어하우징의 역사, 기술, 트렌드에 대한 개요를 제공하는 것입니다. 2. 독자가 흥미를 느끼는 특정 투자에 대해 자세히 알아볼 수 있는 진입점을 제공합니다. ​ 이 글에서 '데이터 웨어하우스'에 대해 논의하는 동안 데이터 공간의 통합 추세에 대해 언급하는 것이 중요하다고 생각합니다. 대규모 데이터 제공업체들이 계속해서 플랫폼 접근 방식으로 전환하는 것을 목격하고 있습니다. 이들은 데이터 파이의 한 조각을 소유하는 것이 아니라 모든 데이터를 소유하기를 원합니다. ​ 이 때문에 데이터 웨어하우스는 더 광범위한 데이터 플랫폼에 통합될 수 있습니다. 데이터 웨어하우스와 데이터 레이크하우스와 같은 아키텍처는 밀접하게 연관되어 있으며, 레이크하우스는 본질적으로 분리된 웨어하우스입니다. 그래서 제가 공유하는 그래픽에서 이 두 가지를 함께 참조할 것입니다. ​ 이 글을 세분화해서 설명하겠습니다: ​ 1. 데이터 웨어하우스의 개요와 투자자들이 그토록 많은 관심을 갖는 이유 2. 데이터 웨어하우징의 역사 3. 기술 개요 4. 시장 개요 5. 데이터 웨어하우스 동향 ​ 항상 그렇듯이 저는 이 분야를 연구하는 투자자임을 밝히고 싶습니다. 제 목표는 이 분야를 단순화하고, 흥미로운 투자 기회를 찾고, 그 과정에서 독자들에게 약간의 가치를 제공하는 것입니다. ​ 1. 데이터 웨어하우스의 개요 및 투자자가 데이터에 관심을 갖는 이유 데이터 웨어하우스는 회사 데이터의 중앙 저장소입니다. 데이터 웨어하우스는 분석, 즉 전통적으로 비즈니스 인텔리전스 유형의 워크로드에 최적화되어 있습니다. 회사의 모든 데이터를 한 곳에 모아두면 보안, 규정 준수, 거버넌스를 한 곳에서 중앙 집중화하면서 회사 전체 데이터에 대한 분석을 실행할 수 있다는 이점이 있습니다. ​ 데이터 공간을 크게 소스, 인프라, 스토리지, 분석, 서비스로 나눌 수 있습니다. 데이터 웨어하우스는 아래에 표시된 데이터 분석 가치 사슬의 스토리지 섹션에 정확히 들어맞습니다. 데이터 플랫폼은 전체 스택을 소유하고자 합니다. 그렇다면 투자자들이 데이터에 관심을 갖는 이유는 무엇일까요? ​ 세 가지 주요 이유가 있습니다: ​ 1. 데이터와 AI의 연관성 - 자주 언급했듯이, AI와 머신러닝 모델은 학습된 데이터만큼만 우수합니다. 데이터 산업은 AI와 밀접한 관계를 맺고 있기 때문에 AI에 관심이 있는 투자자들이 공통적으로 관심을 갖는 분야입니다. ​ 2. "데이터는 새로운 석유" - 기업의 고유한 데이터 자산은 경쟁 우위를 제공하지만, 그 데이터를 활용할 수 있을 때만 가능합니다. 기업들은 데이터에서 가치 있는 인사이트를 얻기 위해 막대한 비용을 지불할 것입니다. 데이터는 IT 예산에서 큰 비중을 차지하는 항목이며, 투자자들은 이에 대한 비용을 지불할 것입니다. ​ 3. 엔터프라이즈 데이터의 해자 - 일단 기업이 데이터 플랫폼을 선택하면, 그 플랫폼에서 마이그레이션하는 것은 엄청난 작업입니다. 기업의 애플리케이션과 비즈니스 프로세스는 데이터 인프라를 기반으로 구축되며, 백엔드를 변경하는 데 따르는 위험은 일반적으로 너무 커서 ROI를 정당화하기 어렵습니다. ​ 이러한 항목 외에도 데이터 분야는 빠르게 성장하고 있으며, 수많은 상장 기업이 20% 이상의 매출 성장률을 기록하고 있고, 향후 몇 년 내에 기업공개(IPO)를 할 가능성이 있는 수많은 데이터 유니콘이 사모 시장에 등장하고 있습니다. 이 모든 것을 합치면 높은 수요, 명확한 성장 촉매제, 지속 가능한 해자를 만들 수 있는 잠재력을 갖춘 빠르게 성장하는 시장을 확보하게 됩니다. ​ 또한 40년 동안 몇몇 기업이 이 분야를 지배해 온 역사가 있습니다. ​ 2. 데이터 웨어하우스의 역사 데이터 웨어하우스의 역사에는 SQL의 초창기, 90년대와 2000년대 하드웨어 기반 애플리케이션, 그리고 현대의 클라우드 시대가 포함됩니다. ​ SQL과 데이터 웨어하우스의 부상 ​ SQL(관계형) 데이터베이스는 1970년대 말과 1980년대 초에 처음 상용화되었으며, Oracle과 IBM 같은 회사가 이 분야의 초기 리더였습니다(그리고 40여 년이 지난 지금도 SQL 데이터베이스를 통해 수십억 달러를 벌어들이고 있습니다). ​ 이러한 초기 데이터베이스는 비즈니스 활동을 기록하고 매출, 직원, 고객 데이터를 저장했습니다. 이러한 데이터베이스는 트랜잭션 워크로드(데이터 삽입, 업데이트, 내보내기)를 위한 온라인 트랜잭션 처리(OLTP) 데이터베이스로 간주되었습니다. 관계형 데이터베이스가 인기를 끌면서 기업들은 데이터에서 인사이트를 얻어 비즈니스 의사결정을 내리는 데 도움이 되는 분석에 사용하기 시작했습니다. ​ 하지만 이러한 새로운 분석 워크로드는 주로 읽기 전용이었습니다. 즉, 빠른 트랜잭션에는 최적화할 필요가 없었지만 보고를 위해 가져와야 하는 대량의 데이터를 저장하는 데는 최적화할 필요가 있었습니다. ​ 1985년 빌 인몬은 "데이터 웨어하우스"라는 용어를 "경영진의 의사 결정을 지원하는 주제 중심의 비휘발성, 통합, 시간 가변 데이터 모음"이라는 의미로 처음 만들었습니다. 이 아키텍처의 기본은 다음과 같습니다: 하드웨어 기반 애플리케이션 ​ 초창기 데이터 웨어하우스의 아키텍처는 서버에 데이터베이스 소프트웨어가 설치된 디스크 드라이브(스토리지)에 연결된 대형 서버(컴퓨팅)와 같은 형태였습니다. 이 아키텍처에는 문제가 있었습니다. 가장 큰 문제는 컴퓨팅 병목현상이었습니다. 데이터가 충분히 저장되면 서버가 쿼리 수요를 따라잡을 수 없었습니다. 이로 인해 병렬 처리(또는 오늘날의 MPP)와 공유 스토리지 아키텍처가 등장하게 되었습니다: 이를 통해 회사는 하나의 스토리지 위치에서 여러 서버를 사용할 수 있어 컴퓨팅 병목 현상을 없앨 수 있었습니다. 하지만 안타깝게도 이 문제는 금방 복잡해졌습니다. ​ 데이터 관리 프로세스를 간소화하기 위해 Teradata와 같은 기업들은 컴퓨팅과 스토리지를 결합한 하드웨어 기반 ...

이 글의 구성은 다음과 같습니다: ​ 1. 클라우드가 중요한 이유 2. 클라우드의 역사 3. 클라우드 기술 개요 4. 클라우드 시장 개요 - 하이퍼스케일러 통계 및 클라우드 에코시스템 ​ 클라우드의 미래는 어떤 모습일까요? ​ 중요 고지 사항: 항상 그렇듯이 저는 업계 전문가가 아니라 이 분야를 연구하는 투자자라는 점을 분명히 하고 싶습니다. 저는 투자자에게 가치를 제공할 수 있는 사모 시장과 공개 시장 모두에서 기회를 찾고 있으며, 이 연구가 투자자들에게도 같은 가치를 제공할 수 있기를 바랍니다. 즉, 이 내용은 투자 조언이 아니며 해당 산업에 투자하기 위한 지침으로 사용해서는 안 됩니다. ​ 한 가지 더 발표할 것이 있습니다: 제가 최근 펠리시스 벤처스의 팀에 합류하게 되었다는 소식을 전하게 되어 기쁩니다. 이제부터는 시장과 기업을 본격적으로 연구하게 될 것입니다. 뉴스레터를 읽어주시는 분들께 감사드리며, 앞으로도 여러분을 위한 가치 창출을 계속할 수 있기를 바랍니다. 언제나 그렇듯이 LinkedIn에서 자유롭게 소통하세요. ​ 정기적인 프로그램으로 돌아가겠습니다. ​ 1. 클라우드에 대한 소개와 클라우드가 중요한 이유 클라우드는 한 회사가 다른 회사에 하드웨어를 인터넷을 통해 제공되는 소프트웨어로 임대하는 간단한 개념입니다. 기본 수준에서 클라우드 인프라는 컴퓨팅 파워, 스토리지, 네트워킹과 같은 컴퓨팅의 구성 요소를 가상화(하드웨어를 소프트웨어로 표현)합니다. 또한 클라우드 기업은 해당 소프트웨어에 대한 관리 수준을 높여줍니다. 클라우드 SaaS는 기업이 해당 소프트웨어에 대한 설정만 구성하고 도구를 사용하기만 하면 되는 가장 관리형 서비스를 제공합니다. 가치 사슬을 다음과 같이 시각화할 수 있습니다: 비즈니스 모델은 간단하므로 클라우드가 왜 그렇게 영향력이 있었는지 설명하는 것부터 시작하겠습니다. 클레이튼 크리스텐슨의 팬이라면 클라우드는 파괴적 혁신의 완벽한 예라고 할 수 있습니다. 파괴적 혁신의 핵심 개념은 새로운 기술에 기반한 것이 아니라 새로운 고객을 대상으로 더 저렴한 방식으로 제공되는 오래된 기술에 기반한다는 것입니다. 클라우드는 기존 산업(엔터프라이즈급 하드웨어 및 소프트웨어)을 가져와 해당 기술에 대한 진입 장벽을 낮춘 새로운 비즈니스 모델을 만들어 새로운 시장(주로 기술 스타트업)에 판매했습니다. ​ 클라우드의 중요성은 진입 장벽을 낮추는 데서 비롯되었습니다. 클라우드 이전에는 기업들은 컴퓨팅 성능에 대한 초기 비용이 높고 시간이 지남에 따라 유지보수 비용이 낮아졌습니다. 이러한 초기 비용이 낮아지면서 컴퓨팅 파워 시장이 크게 확대되었습니다. 이는 컴퓨팅 파워에 훨씬 더 효율적으로 액세스하고 소프트웨어를 구축할 수 있는 스타트업에서 가장 두드러지게 나타났습니다. 이러한 스타트업은 클라우드 제공업체에 퍼널 효과를 제공했습니다. 클라우드 소프트웨어가 수십억 달러의 수익을 창출하면서 하이퍼스케일러는 그 수익의 상당 부분을 가져갔습니다. 시간이 지나면서 기업들도 클라우드로 이동했습니다. AWS가 출시된 지 거의 20년이 지난 지금도 클라우드 마이그레이션의 롱테일은 계속되고 있습니다. ​ AWS는 클라우드의 초창기를 정의했지만, 많은 기업이 AWS의 성장 기반을 마련하는 데 도움을 주었습니다. ​ 2. 클라우드의 역사 클라우드의 역사를 초기 역사(AWS 이전의 모든 것), AWS의 부상, 클라우드 환경의 진화라는 세 부분으로 나누어 살펴보겠습니다. ​ 초기 역사(1960-2003년) ​ 하룻밤 사이에 이루어진 많은 성공과 마찬가지로, 클라우드도 오랜 역사를 거쳐 마침내 등장하게 된 기술입니다. '클라우드 컴퓨팅'이라는 용어가 처음 언급된 것은 1994년 General Magic에서였지만, 이 용어는 1996년 Compaq에서 컴퓨팅과 인터넷의 미래에 대한 내부 문서를 작성하면서 더 널리 알려지게 되었습니다. 당시에는 학계와 IBM과 같은 기업 10K에서 언급된 그리드 컴퓨팅이라는 용어가 더 널리 사용되었습니다. 그리드 컴퓨팅의 기본 개념은 "전체 인터넷을 컴퓨터로 바꾸는" 컴퓨팅 리소스의 공유 네트워크였습니다. ​ 그 이전(1961년)에 '인공 지능'이라는 용어를 만든 존 매카시는 언젠가 컴퓨팅이 유틸리티로 판매될 것이라고 제안했습니다. 1967년 IBM은 운영 체제를 가상화하여 여러 사용자가 하나의 컴퓨터를 사용할 수 있는 '타임셰어링'을 만들었습니다. 인터넷의 초기 버전인 ARPANET도 1969년에 발명되었습니다. ​ 이후 20년 동안 하드웨어와 소프트웨어는 계속 발전하여 데이터 센터를 개선했습니다. 1998년에 설립된 VMWare는 서버 가상화 분야의 선도 기업이 되었습니다. 1999년에 설립된 Salesforce는 인터넷 제공 소프트웨어의 선구자가 되었습니다. 같은 시기에 스타트업들은 인터넷을 통해 제공되는 컴퓨팅의 잠재력을 깨닫기 시작했습니다. ​ 1999년에 마크 안드레센과 벤 호로위츠는 "소프트웨어 인프라 서비스 제공업체"인 Loudcloud를 설립했습니다. Loudcloud는 2000년 상장하기 전까지 수억 달러의 벤처 자금을 조달했습니다. 하지만 데이터 센터 구축에 드는 막대한 비용과 클라우드에 대한 시장의 준비 부족으로 인해 2002년에는 호스팅 사업을 6,350만 달러에 매각했습니다. 비즈니스의 소프트웨어 부분은 유지한 채 2007년에 HP에 16억 달러에 매각했습니다. ​ 즉, 사람들은 클라우드가 등장하기 전부터 클라우드가 등장할 것이라는 사실을 알고 있었지만, 클라우드의 출현을 주도할 회사를 예측한 사람은 거의 없었습니다. ​ AWS의 부상 ​ AWS의 기원에 대한 많은 대중적인 의견은 "클라우드의 원래 아이디어는 남는 데이터 센터 용량을 임대하는 기업에서 나왔다"는 것입니다. 가장 유명한 사례로 클라우드의 출현을 들 수 있습니다. Amazon.com은 계절적 변동을 고려할 수 있는 충분한 용량을 구축해야 했습니다. 그래서 여분의 컴퓨팅 용량을 임대하기로 결정했고, 그 후로 나머지는 역사 속으로 사라졌습니다." 안타깝게도 이는 사실이 아닌 것 같습니다. AWS의 기원에 대한 훌륭한 기사를 여기에서 읽어보실 수 있습니다. ​ AWS의 실제 기원은 두 가지 문제에 대한 대응으로 시작되었습니다: ​ 1. 엔지니어들은 프로젝트에 필요한 기본 요소인 스토리지 시스템과 컴퓨팅 아키텍처를 구축하는 데 70%의 시간을 할애했습니다. ​ 엔지니어링 팀은 새로운 기능이 출시될 때마다 이 작업을 수행해야 했습니다. 베조스와 다른 관리자들은 이를 "차별화되지 않은 무거운 짐"이라고 부르기 시작했습니다. 이에 대해 회사는 "모든 팀이 신뢰할 수 있는 공유 인프라 계층을 구축하여 어느 팀도 스토리지, 컴퓨팅 또는 데이터베이스를 구축할 필요가 없도록 하자"고 생각하기 시작했습니다. ​ 2. 다른 회사들은 웹 페이지에 Amazon 제품 링크를 삽입하기를 원했습니다. ​ 예를 들어, 한 요리 웹사이트에서는 새 스탠드 믹서에 대한 링크를 삽입하고자 했습니다. 아마존은 이를 흔쾌히 받아들여 웹사이트에 삽입할 수 있는 코드를 보내주었습니다. 시간이 지남에 따라 Amazon은 확장 가능한 소프트웨어를 출시하여 누구나 자신의 사이트에 Amazon 기능을 통합할 수 있도록 했습니다. 놀랍게도 Amazon의 사용량 대부분은 내부 소프트웨어 엔지니어들이 사용했습니다. 간단히 말해, 엔지니어들은 API를 통해 소프트웨어 기능을 쉽게 통합할 수 있기를 원했습니다. ​ 2003년에 외부에 있는 한 팀에서 관리자들은 아마존 웹 서비스가 실제 비즈니스가 될 수 있다고 판단했습니다. AWS가 첫 번째 제품인 Amazon Simple Storage Service(S3)를 출시하는 데는 3년이 걸렸습니다. 5개월 후, Elastic Compute Cloud(EC2)가 출시되었습니다. ​ 클라우드 물결이 시작된 것입니다. ​ Fortune은 "이제 스타트업은 서버를 구입하고 데이터 센터를 구축하기 위해 수백만 달러를 모으는 대신 신용카드로 온라인에 접속하고 사용한 컴퓨팅 성능과 스토리지에 대해서만 월별 요금을 지불할 수 있게 되었습니다."라고 설명했습니다. 새 앱이 히트하면 필요한 모든 클라우드 서비스를 즉시 이용할 수 있었습니다. 앱이 실패하더라도 고물 장비가 쌓여 있는 방에 갇혀 있지 않아도 ...

이 입문서의 목표는 기술 분야의 주요 산업에 대한 기초적인 이해를 높이고, 각 산업의 주요 트렌드를 이해하며, 잠재적인 투자 기회를 파악하는 것입니다. ​ 이 입문서가 여러분에게도 비슷한 도움이 되길 바랍니다. ​ 저는 데이터센터에 대한 전문가가 아니라 이 분야를 연구하는 투자자일 뿐이라는 점을 미리 말씀드리고 싶습니다. ​ 이 글의 구성은 다음과 같습니다: ​ 목차 1. 데이터 센터 소개 2. 데이터 센터 시각화하기 3. 컴퓨팅 시장(CPU, GPU, ASIC) 4. 네트워킹 시장 5. 스토리지 시장 6. 기타 수혜자 7. 투자자를 위한 전망 ​ 데이터 센터 개요 오늘날 데이터 센터는 투자자를 위해 3가지 범주로 나눌 수 있습니다. 가장 기초적인 수준에서 반도체는 데이터센터의 대부분의 기술을 가능하게 합니다. 중간에는 컴퓨팅, 네트워킹, 스토리지로 나눌 수 있는 데이터센터 자체가 있고, 이러한 데이터센터가 서버에 패키지화되어 있습니다. 그 밑에는 전력 및 냉각 기술 등 데이터센터를 운영하는 데 필요한 기술과 데이터센터의 제3자 운영자가 있습니다. 마지막으로 클라우드 계층이 있는데, 이는 기술을 개발할 수 있는 추상화 계층을 제공합니다. ​ 여기서는 세미 가치 사슬에 대해 자세히 설명하지 않겠지만, 여기에서 입문서를 찾아보실 수 있습니다. 또한 세미 분석과 조작된 지식은 따라야 할 최고의 세미 출판물 중 두 가지입니다. ​ 이를 통해 데이터 센터를 분석하기 시작할 수 있습니다. ​ 데이터 센터 시각화 데이터 센터의 규모를 시각화하는 것이 가장 먼저 시작해야 할 일이라고 생각합니다. 다음은 데이터 센터가 어떻게 구조화되어 있는지에 대한 꽤 좋은 이미지입니다: 가장 큰 하이퍼스케일러 데이터센터 중 일부는 100만 평방피트(축구장 25개 크기)가 넘는 거대한 규모를 자랑하기도 합니다. 데이터 센터를 구축하는 데 필요한 인프라에는 토지, 건축, 변압기, 전력 관리 및 냉각 기술이 포함됩니다. ​ 젠슨 황은 이전에 데이터센터 비용의 약 50%가 이러한 인프라에 사용되고 나머지 50%는 컴퓨팅, 네트워킹, 스토리지에 사용된다고 추산한 바 있습니다. ​ 이 모든 장비는 컴퓨팅 및 스토리지 전력을 수용하는 서버에 전력을 공급하기 위한 것입니다. 다음은 Nvidia DGX A100 서버의 예시입니다: 이러한 서버는 다른 서버, 네트워킹 장비, 스토리지와 함께 랙에 저장됩니다. 그리고 데이터 센터에는 수백에서 수천 개의 랙이 있습니다: 수천 개의 빌딩에 해당하는 컴퓨터로 호스팅되는 기술 세계를 개발하는 것은 인간의 독창성을 보여주는 놀라운 증거입니다(하지만 본론으로 들어가겠습니다). ​ 데이터센터 업계의 시장을 세분화해 보겠습니다. ​ 1. 컴퓨팅 컴퓨팅 성능은 데이터 센터의 핵심입니다. ​ 컴퓨팅 기본 사항 컴퓨팅 성능은 서버에서 애플리케이션을 실행하는 데 필요한 처리 능력과 메모리를 의미합니다. 서버는 워크로드 유형에 따라 다양한 유형의 칩(일반적으로 CPU 또는 GPU)을 사용합니다. CPU는 컴퓨터의 중앙 프로세서로 복잡한 작업을 처리하는 데 능숙하며 소프트웨어의 주요 인터페이스 역할을 합니다. GPU는 병렬 처리에 탁월하여 많은 간단한 작업을 한 번에 완료합니다. 그렇기 때문에 그래픽 본연의 목적에 매우 적합하며, 많은 작은 계산으로 구성된 AI 워크로드에 적합하게 설계되었습니다. ​ 애플리케이션별 집적 회로 및 필드 프로그래머블 게이트 어레이와 같은 다른 유형의 칩도 사용되지만 사용 빈도는 훨씬 적습니다. ASIC은 Google의 AI 가속기 TPU와 같이 특정 워크로드를 위해 맞춤 제작된 칩입니다. 논리적으로 볼 때, 약간의 효율성 향상으로 하이퍼스케일러의 비용을 크게 절감할 수 있기 때문에 클라우드 데이터 센터에서 ASIC의 사용 빈도는 계속 높아질 것입니다. FPGA는 다양한 작업을 구현하도록 재구성할 수 있으며, 현재는 데이터센터에서 널리 사용되지는 않지만 미래에는 유망한 기술입니다. ​ CPU 시장 데이터센터 CPU 시장은 역사적으로 인텔이 주도해 왔으며 AMD가 그 뒤를 바짝 쫓고 있습니다. 이제 AMD는 암페어, 아마존, 엔비디아 등의 Arm 기반 CPU와 함께 더 많은 경쟁을 벌이고 있습니다. ​ CPU 시장에서는 두 가지 주요 트렌드가 나타나고 있습니다. ​ 1. AMD의 점유율 확대 첫째, AMD는 x86 프로세서에서 인텔의 점유율을 빼앗아가고 있습니다. 이는 대부분 Lisa Su의 리더십 덕분입니다. Lisa는 2014년에 취임했으며 지난 10년간의 성과는 믿을 수 없을 정도로 놀라웠습니다: EPYC 데이터센터 CPU 제품군은 계속해서 성공을 거두고 있으며, 최신 제품으로는 4세대 EPYC Genoa가 있습니다. ​ 한편 인텔은 비즈니스 혁신을 시도하고 있습니다. TSMC로부터 세계에서 가장 진보된 공정 노드 제조를 다시 탈환하고자 합니다. 인텔 파운드리 서비스를 구축하기 위한 대대적인 노력이 진행 중입니다. 이러한 노력의 미래는 불투명합니다. 인텔은 CPU 시장 점유율을 방어하고, 인텔 파운드리 서비스를 구축하며, GPU 시장 점유율을 차지하기 위해 매우 어려운 길을 걸어야 합니다. 반도체 컨설턴트인 제이 골드버그는 이렇게 말합니다, ​ "AMD는 중요한 모든 지표에서 인텔을 앞서고 있으며, 인텔이 제조 방식을 고치고 새로운 제조 방법을 찾지 않는 한 계속 그렇게 할 것입니다." ​ 저는 인텔과 AMD 중 어느 쪽이 더 나은 회사인지에 대해 논평할 생각은 없습니다. 하지만 이 비교는 기대치에 대한 흥미로운 교훈을 줍니다. 리사 수가 CEO로 취임했을 때 AMD의 기대치는 이보다 더 낮을 수 없었습니다. 역설적이게도 이는 투자의 리스크 프로필을 크게 개선합니다. ​ 2. 점유율을 높여가는 Arm 기반 서버 또 다른 트렌드는 Arm 기반 프로세서입니다. 수년 동안 Arm은 효율성으로 인해 스마트폰에 선호되는 아키텍처였습니다. 최근에는 이러한 추세가 데이터 센터에도 이어지고 있습니다. ​ 아마존이 이러한 움직임을 주도하고 있습니다. 아마존은 2018년에 처음으로 Graviton 프로세서를 출시했습니다. 그 이후로 데이터센터 CPU 출하량의 약 3~4%까지 성장했습니다. 신생 칩 업체 중 하나인 Ampere Computing도 상당한 시장 점유율을 확보하고 있습니다. 또한 Nvidia는 최근 최초의 데이터센터 CPU인 Grace 칩 라인을 출시했습니다. Microsoft와 같은 다른 회사들도 Arm 기반 CPU를 만들고 있습니다. ​ 이러한 추세는 인텔과 AMD 모두에게 불리하며 맞춤형 실리콘으로의 이동이 계속됨에 따라 계속 지켜봐야 합니다. ​ GPU 시장 GPU 시장은 현재 엔비디아가 주도하고 있습니다. 그들은 이를 유지하기 위해 공격적으로 투자하고 있습니다. 현재 데이터센터 GPU의 주요 경쟁자는 AMD의 MI300입니다. AMD는 현재 데이터센터 GPU가 2024년에 35억 달러의 수익을 창출할 것으로 예상하고 있습니다. 인텔도 데이터센터 GPU를 제공하고...