Page 199 - 데이터과학 무엇을 하는가? 전자책

넷플 스는 우승 의 알고리즘을 오프라인 플랫폼에라도 적용해 보
려 했으나 예측력만 높이는 것은 아부어야 할 노력과 시간에 비해 별

도움이 되지 않아 포기했다. 현업의 환경과 비즈니스 영역을 전 고려

하지 않고 무조건 예측력만 높이려 한 아이디어는 넷플 스 운영 과정에

대한 이해와 경험 부족에서 나온 것이었다.
실제로 영업이나 마케팅에 기계학습 모델을 활용할 경우 실행 속도와

변수들의 인과적 설명력이 상당히 중요하다. 예를 들면, 캠페인 과정에

서 결과에 대한 원인과 관계 파 이 가능해야만 다음 캠페인 개발에 반

영할 수 있다. 그리고 캠페인을 한 번이라도 더 해야 하거나, 실시간으로
맞 형 추천을 해야 하는 현업의 상황에서 복 한 알고리즘으로 인해 처

리 속도가 한없이 느려진다면 이 또한 큰 문제이다.

플 스 분석 의 현업 적용에 리는 정

달

오프 인 인 A/B 전사 고
스트 성공 스트 성공 적용

이런 이유로 여러 고급 알고리즘을 사용하여 예측력을 높이는 것도 중

요하지만 실행 속도, 모델 설명력, 모델의 간결성 등을 고려하여 적정선

을 찾아 타협해야 한다. 분석 컨설팅을 하다 보면 새롭고 복 한 알고리
즘을 사용하는 작업을 요구하는 경우가 많은데, 이는 넷플 스 분석 경

연대회의 결과와 동일한 결과를 초래할 수 있다.

197