데이터사이언스팀이 예측모델을 개발하고 운영하는 방법을 소개합니다.

간단 소개

컬리 데이터사이언스팀의 모델 개발 및 운영 방법, 경험 공유: 수요예측, MLOPS, 팀 문화, 사후 대응, 예측 성능 분석, 모델링 주의사항.

AI Summary

데이터사이언스팀 소개 및 핵심 업무
- 컬리 데이터사이언스팀은 수요예측/최적화 모델과 추천/랭킹 모델 개발 및 운영을 통해 비즈니스에 기여한다.
- MLOPS 도입으로 안정적인 서빙 환경을 구축하고 있다.
- 팀 문화는 개인의 역량과 커리어 방향성을 고려한 프로젝트 담당, 넓은 영역에 대한 책임과 권한 부여, 활발한 팀원 간 공유를 지향한다.
수요예측 모델 개발/운영 경험 공유
- 모델 배포 후 사후 대응의 중요성을 강조하며, 데이터 수집/처리 과정에서의 문제 해결 및 비즈니스 변화에 대한 민감한 대응이 필요하다.
- 예측 성능 분석 시 다각적인 접근과 세심한 판단이 중요하며, 비즈니스 환경의 불확실성을 고려해야 한다.
- 전통적인 시계열 모델보다는 다수의 Regression 모델을 앙상블 방식으로 활용하며, Overfitting과 Leakage를 주의해야 한다.
- 문제 정의 및 프로젝트 관리는 여전히 중요하며, 요청사항 분석 및 기대치 합의를 통해 프로젝트 성공 가능성을 높일 수 있다.