[Mission_9] 데이터 분석가는 어떻게 비즈니스를 돕는가

Data Scientist

1. 머신러닝 모델 연구
2. 모델을 서비스에 적용하기 위해 노력하는 엔지니어

TOSS

• 연구, 개발모델 활용

• 회사 비즈니스 가치에 이바지함

• 사일로(Silo)의 니즈 발굴 / 모델을 통하여 해결하려 노력
  Silo : 토스 내 스타트업 조직. 만보기, 머니알림 등 고유기술 개발
  

• 새로운 전략
  "기존 사람의 인사이트를 빅데이터와 ML로 기계가 지원할 수 있도록 해보자"

  • 데이터 프로덕트 생산 ▶ 공통 니즈 우선해결
  • 커뮤니케이션 우선
    

CVR(Conversion Rate) 예측 모델

• 전환 유저 수 증가 목적
  • 별도 쿼리추출없이 예측판단 가능
• 장점
  • 확장성이 좋음
    • 과거 전환유저 수가 충분할 경우 토스 내 모든 서비스에 적용 가능
  • 클릭 반응성 변화에 강건

결제 예측 모델

• 각 소비 기록을 학습하여 미래에 어떤 상품을 구매할 것인지 예측
• 광고 효과 극대화
  • 토스 내 광고주에게 관심군 정보 제공
  • 신규 광고주 유입가능

Q. 모델 성능이 안 나와요

why?

• 단순한 구조의 모델
• Feature 문제
  • 유저정보, 소비정보, 서비스사용정보
    • 데이터 집계 기간이 짧음(3개월)
    • 데이터특색 문제(대출 등)
  • 적은 act type 정보
    act type : 서비스의 전환, 버튼 클릭, 페이지 진입 등 특정 행위를 의미

Sol.

• 새로운 데이터 마트 개설

  • -1M ~ 12M 데이터 집계
  • 신규/기존 유저 분리

• 보편적으로 모델 성능 개선

• 제품 개발 프로세스
  Build ▶ Measure ▶ Learn Feedback
  

  • 아이데이션을 통해 가설
  • 제품화
  • 데이터 확인 후 학습 피드백
  • 유효성 검증

• 데이터사이언티스트는 위 과정 중Measure - Data- Learn 부분에 기여