MBA 과정을 밟은 데이터 사이언티스트는 무슨 일을 할까?

2021년 09월 13일
Issac Smith via Unsplash

풀필먼트 팀(fulfillment team)이라고 들어보셨나요? 물류 업계의 혁신에 관심이 많으시다면 쿠팡이나 아마존의 자사 물류 창고인 풀필먼트 센터를 아실 텐데요, 풀필먼트란 “고객의 주문을 받아서 제대로 처리하는 전 과정”이라고 하죠. 쿠팡과 아마존은 제대로 된 주문 처리 과정(=풀필먼트)을 운영하여 고객을 감동시킬 수 있었고 폭발적인 성장을 이룰 수 있었습니다.📈

물류 회사가 아닌 홈서비스 플랫폼인 미소도 풀필먼트 팀이 있습니다. 미소는 물건을 배달하지도 않는데, 왜 주문 처리 과정을 집중적으로 연구하는 풀필먼트 팀이 필요할까요?

핵심은 미소가 고객에게 제공하는 프로덕트가 물건이 아닌 ‘사람이 제공하는 서비스’라는 겁니다. 서비스는 스스로 움직이는 사람이 제공하기 때문에 물류 솔루션을 제공할 필요는 없지만, 공산품처럼 필요한 만큼 대량으로 구매하거나 찍어낼 수 없거든요.🧑🏼‍🍳

미소 풀필먼트 팀은 서비스 플랫폼이 가지는 공급의 태생적인 한계를 연구합니다. 어떻게 시스템을 디자인해야 미소와 함께하는 파트너분들이 미소와 더 많이, 더 편하게 일하실 수 있을지 고민하는 팀입니다. 풀필먼트 팀이 만들어온 시스템과 알고리즘, 머신러닝 모델을 알아보기 위해 미소의 데이터 사이언티스트인 영재님과 말씀을 나눴습니다.📊

영재님은 요즘 함께 일할 동료 데이터 사이언티스트를 구하고 있다고 하는데요, 스크롤을 내려 영재님이 걸어오신 이력과 미소에 합류한 이유, 미소 업무 경험, 데이터 사이언티스트로 요즘 집중하고 있는 문제를 읽어보세요!

―――

⚠️ 잠깐, 개발자 채용에 더 많은 관심이 있다고요?🧑‍💻

아래 링크를 클릭해 주세요!

“대기업은 가고 싶지 않았어요. 반복적인 일은 하고 싶지 않았고, 더 성장하고 싶었거든요”

데이터 사이언티스트 영재님

영재님, 자기소개 부탁드릴게요.

안녕하세요, 미소 데이터 사이언티스트 임영재입니다. 20대 초반에는 마케팅 컨설팅 업체를 창업했어요. 채널별 유입과 로그를 분석하는 CRM(고객 관계 관리, Customer Relationship Management) 도구를 개발했죠. 마케팅 컨설팅, CRM 도구 개발 및 세일즈, 웹사이트 제작, 디자인을 전부 맡아서 하고, 다양한 경험을 했습니다. 하지만 일할수록 더 큰 비즈니스를 배우고 싶다는 생각이 들더라고요. 빨리 더 공부해서 큰일을 해보고 싶다는 생각에 미국 미시간대에서 MBA를 시작했어요.

입학하고 보니 제가 한국인 중에서 최연소였습니다. 대부분이 30대 중반 이상이었어요. 보통 5년 정도의 업무 경험을 쌓고 MBA 과정을 시작하니까요. 그분들 틈에서 공부하는 동안 GM(General Manager)이나 PM(Product Manager)을 목표로 경영 역량을 쌓는 것보다 기술이나 지식 기반의 공부를 하나 더 하는 게 낫겠다는 생각이 들더라고요. 그래서 데이터 사이언스 학위를 시작해서 경영대 석사와 함께 두 개의 학위로 학교생활을 끝냈습니다.

 

졸업 이후에는 어떤 회사에서 일하셨나요?

디트로이트에서 부동산 대출을 주로 하는 금융 회사에 들어갔어요. 주로 모기지론이라고 불리는 장기주택담보대출 사업을 했는데, 저는 미 농무부 지원 사업인 귀농자 주택담보대출 상품과 관련한 프로젝트를 맡았습니다. 다양한 고객층(segmentation)을 분석해 어떤 사람들이 대출 완료 단계까지 갈 확률이 가장 높은지 분석해 내는 일을 했어요. 해당 상품은 미 농무부가 대출 자금을 제공하고 회사는 대출 심사를 맡는 구조였죠. 회사 입장에서는 관련 상품을 확장할수록 리스크 없이 수수료 매출을 확대할 수 있어서 관심이 많았어요.

문제는 은행 직원 한 명이 하나의 대출 건을 마무리 짓는데 20일 정도가 걸리는데, 제대로 된 고객을 골라서 심사를 시작하지 않으면 추후에 농무부가 케이스를 중단시킨다는 거예요. 회사는 시간과 자원을 들여 대출을 심사했는데 케이스 자체가 묶여버리면 손해잖아요. 그래서 완료 단계까지 진행될 확률이 높은 대출 건을 미리 골라내는 게 중요했던 거죠. 이후에는 고객이 정보를 제공했을 때 마무리 단계까지 갈 확률을 계산하는 모델도 제작했어요. 분석했던 고객층과 같이 묶어서 모델링하는데 3개월 정도가 걸렸습니다.

 

퇴사하고 한국으로 돌아오신 이유는 뭘까요?

코로나19가 터지면서 상황이 많이 바뀌었어요. 재택근무를 하면서 대부분의 시간을 혼자 보내야 하는데, 타지 생활도 타지 생활이고 자리 잡은 지 얼마 되지 않았던 디트로이트에서 친구가 많았던 것도 아니었어요. 그래서 한국으로 돌아와서 일을 알아보기 시작했죠.

 

당시 여러 직장에 원서를 내시면서 가장 중요했던 기준이 뭔지 궁금해요.

새로운 직장에선 여러 업무를 다양하게 아우를 수 있는 역할을 맡고 싶었어요. 제 업무에 주도권을 갖고 의사결정을 할 수 있는지가 제일 중요한 기준이었죠. MBA 과정을 밟은 것도 경영자의 위치에서 비즈니스를 이끌어 가고 싶다는 열망이 컸기 때문이었거든요. 그런 이유에서 대기업은 가고 싶지 않았어요. 한 대기업에서도 제안이 들어와 이야기해 봤는데, 예상보다 더 특정 분야에 국한되고 세분화된 업무를 맡아야 하더라고요. 저는 반복적인 일은 하고 싶지 않았고, 더 성장하고 싶었어요.

“미소에서 일하기 전까지만 해도 데이터 사이언스에 대한 환상이 있었어요. 멋진 모델을 적용하기만 하면 대단한 비즈니스 솔루션을 도출할 수 있다는 환상이요.”

어떤 계기에서 미소가 커리어 성장과 자율성을 모두 다 잡을 수 있는 직장이라고 판단하게 되셨나요?

제가 위임받을 수 있는 권한 측면에서 미소의 규모가 적절하다고 느꼈어요. 시드나 엔젤 투자 단계의 초기 스타트업에서는 제가 배우기보다는 기여할 게 더 많을 거 같았거든요. 미소가 시리즈 B를 앞두고 있는 회사라 최소한의 가이드를 받으면서 최대한의 역량을 펼칠 수 있을 거라고 생각했죠.

인터뷰 과정에서도 미소에 대한 확신이 커졌어요. PM분과 1차 면접을 보고, 저희 즉시 예약 비즈니스의 VP(Vice President)인 찬용님, CEO인 빅터님 순으로 면접을 봤는데 세 분과의 인터뷰 경험이 모두 기억에 남아요. 찬용님과 말씀 나누면서는 이분이 가진 비즈니스 경험과 역량을 배웠으면 좋겠다는 생각이 들었고, 빅터님과의 면접에서는 대표이사 최종 인터뷰 같지 않은 날카로운 질문들이 많이 나와서 깊게 고민하며 답했거든요.

하지만 무엇보다 당시 PM분이 했던 질문이 가장 인상적이었어요. 데이터 전문가가 아닌데도 데이터 기반 모델이 겪을 수밖에 없는 이슈를 정확히 짚어내셨거든요. PM이 Imbalance와 overfitting의 문제를 어떻게 다뤄 왔는지 질문하는 걸 보면서 미소에서는 굉장히 똑똑한 사람들이 다양한 분야에 관여하면서 일하고 있다고 느껴졌죠. 세 분과의 대화를 통해 미소가 다양한 고민을 치열하게 하며 제대로 성장하기에 적합한 곳이라 판단했습니다.

 

1년가량의 미소 경험에 비춰봤을 때, 기대하셨던 점이 충족되고 있나요?

기대 이상으로 충족되고 있죠. 일을 대하는 방식과 자세, 데이터 사이언티스트로서의 기술적인 역량 등 모든 분야에서 성장하고 있다고 느껴요. 미소에 입사하자마자 건드렸던 게 일자리 추천 알고리즘이에요. 클리너 분들의 일하시는 빈도(frequency)를 늘리기 위해 자동으로 추천 일자리를 보내드리는 건데요, 초기에는 특정 머신러닝 모델, 그중에서도 딥러닝을 도입하면 의미 있는 성과가 나올 거라고 봤어요. 거기에 추천 일자리를 푸시 알림으로 보내는 기능까지 개발된다면 KPI가 12배 이상 뛸 거라고 생각했죠.

하지만 아무 성과가 없었어요. 두 달 동안 열심히 모델을 개발하고 개발 리소스도 당겨 썼는데 전환율 개선 정도가 미미했어요. 그때 얻은 큰 통찰은 데이터 사이언티스트가 비즈니스에 대한 이해도 없이 절대 성과를 만들 수 없다는 거예요. 그래서 그때부터 수십 명의 클리너 분들이랑 직접 전화로 이야기를 나눴어요. 기존의 일자리 추천의 문제점을 파악하기 위해 하루에 한 시간 이상씩 전화기를 잡았죠. 클리너 분들이 해주셨던 말씀이 공급자의 니즈와 페인 포인트(pain point)를 파악하는 데 큰 도움이 됐어요.

전화를 이어나가면서 딥러닝 모델 자체에 대한 의존을 낮추고 클리너와 주문 간 프로파일링(profiling)에 더 집중해야 한다는 걸 깨달았어요. 풀필먼트 팀 전체가 클리너분들과 말씀을 나누면서 거리, 지급액, 보너스, 일 시작 시각, 정기 서비스 빈도 등의 다양한 요소의 중요도를 파악했어요. 결국 최종적으로는 머신러닝에서 가장 간단한 모델, 프로파일링과 필터링에 무게를 둔 가벼운 모델을 배포했는데, 성과가 2.5배 이상 뛰었습니다. 두 달 넘게 걸린 모델은 아무 성과가 없었는데 2주 걸린 모델은 즉각적인 효과를 발휘했죠.

미소에서 추천 모델을 만지기 전까지만 해도 데이터 사이언스에 대한 환상이 있었어요. 멋진 모델을 적용하기만 하면 대단한 비즈니스 솔루션을 도출할 수 있다는 환상이요. 하지만 미소에서의 기회를 통해 높은 복잡도의 멋있는 기술보다 사용자와 비즈니스를 이해하는 게 더 중요하다는 점을 깨달았습니다. 데이터 사이언티스트가 직접 사용자와 소통하며 그들의 니즈를 잘 반영할 때 큰 성과로 이어진다는 걸 체득한 거죠.

“미소는 반복되는 실험과 작은 성공의 경험에서 직관과 통찰을 배양할 수 있는 곳이에요”

스파크플러스 SP 인터뷰 캡쳐

미소에서 영재님의 기술적인 역량이 성장하고 있다고 느끼시는 이유도 공유해 주세요!

지금 작업하고 있는 오토매칭 모델을 예시로 들 수 있을 거 같네요. 오토매칭은 고객의 취소로 일자리가 없어진 클리너에게 거의 유사한 주문을 자동으로 배정해 주는 시스템이에요. 주문의 유사성은 인공지능이 판단하고요. 매칭된 클리너에게는 알림 문자가 가고, 확인한 뒤에 마음에 들지 않으면 일정을 취소할 수 있어요. 클리너의 일차적인 의사를 묻지 않고 매칭해 주는 거기 때문에 사실 굉장히 위험할 수 있죠. 하지만 최근 성과 지표를 보면 예상보다 너무 좋아서 만족하고 있어요. 다음 날의 일정이 취소됐을 때 다른 주문을 잡는 클리너의 비율을 5배 이상 끌어올릴 수 있다는 게 입증됐거든요. 테스트 기간을 2~8주 정도로 생각했는데 1주일만에 확실한 결과가 나와서 테스트를 종료하고 곧 서비스 전체로 오토매칭을 확대할 계획입니다.

오토매칭 개발 과정에서 XGBoost라는 Gradient Boosting 기법을 활용한 모델을 활용했는데, 이걸 실질적으로 미소 데이터에 맞게 가공하기 위해 모델의 이론적인 원리를 처음부터 다 다시 공부했어요. 더 깊게 공부하면 할수록 오토매칭과 굉장히 핏이 잘 맞는 모델이라는 확신이 생겼고 최적화도 제대로 해낼 수 있었죠. 해당 모델을 기반으로 개발한 오토매칭이 또 기대를 훨씬 상회하는 성과를 내니까 정말 혁신적인 성취라고 생각해요.

미소는 데이터 사이언티스트에게 다양한 도전과 실험을 할 수 있는 기회를 제공하는 거 같아요. 문제에 부딪혔을 때 어떻게 접근할 수 있을지, 어떤 모델을 생각해 볼 수 있을지 주도적으로 생각하면서 경험치를 쌓을 기회요. 물론 개인이 별도로 기술적인 성장을 위해 꾸준히 공부해 나가야 하지만, 회사가 공부한 내용을 다양하게 활용해 볼 수 있는 환경을 제공하는 거죠. 미소는 반복되는 실험과 작은 성공의 경험에서 직관과 통찰을 배양할 수 있는 곳인 거 같아요.

동료나 지인분들에게 미소를 직장으로 추천하실 거 같나요?

사람에 따라 나뉠 거 같긴 해요. 관리자가 꾸준히 가이드라인을 줬을 때 일을 제일 잘하는 사람은 미소를 좋은 직장이라고 느끼긴 어려워요. 하지만 혼자 여러 시도를 해 보면서 더 많이 배우고, 지시받기보다는 직접 일을 찾는 걸 좋아한다면 미소만한 회사가 없을 거라고 생각해요. 미소는 한 달 동안 디렉터 자리가 공석이라도 계속 혼자 일을 만들어 내는 분들을 위한 회사거든요. 한 가지 확실한 건 미소에서는 정말 많이 배우게 돼요. Top-down으로 지시를 받은 업무는 3~4번만 생각하면 되지만, 내가 주도하는 프로젝트는 10번, 20번 생각하게 되거든요. 그렇게 1년이 지나고 2년이 지나면 했던 일들이 모두 자신의 능력치로 쌓이게 되는 거죠.

지원자 면접을 보다 보면 이력서에 나와 있는 자기 이력조차 제대로 설명하지 못하는 사람이 있는 반면, 짧은 시간 안에 그동안 했던 일들의 총체적인 스토리텔링이 완벽하게 되는 분들이 있잖아요. 미소에서 일정 기간 일하고 나면 그런 사람이 되는 거 같아요. 10년 이상의 경력을 지니고 계신 리더분들도 마찬가지예요. Top-down 방식의 문화를 좋아하는 사람들은 미소에서 일하기 어려워요. 이미 bottom-up의 문화가 공고하게 자리잡혀 있고, 사막에서도 살아남을 수 있는 사람들이 와 있거든요.

Franki Chamaki via Unsplash

“혼자 여러 시도를 해 보면서 더 많이 배우고, 지시받기보다는 직접 일을 찾는 걸 좋아한다면 미소만한 회사가 없을 거예요.”

Bottom-up의 수평적인 미소 문화를 체감했던 기회가 있나요?

처음에 일자리 기반 추천 알고리즘 만질 때요. 새로 입사한 데이터 사이언티스트가 야심차게 만든 모델이 성과를 내지 못했다는 게 분명해졌지만 아무도 제게 잘못을 묻지 않았거든요. 제가 여러 명의 개발자분들의 시간을 썼는데도요. 당연히 시행착오를 겪을 수 있다고 모두 이해해주는 분위기가 있었기에 저 자신을 더욱 푸시해서 새로운 방식의 접근으로 성과를 만들어 낼 수 있었던 거 같아요. 

첫 모델이 시행착오로 끝나고 여러 고민을 하고 있는데, VP인 찬용님이 하루에 한 시간 정도는 꼭 클리너분들과 전화를 하고 계시더라고요. 찬용님은 미소에서 가장 비싼 리소스잖아요. 이분이 날마다 상담원분들처럼 전화 통화에 할애하는 게 무조건 의미가 있다는 생각이 들었어요. 저도 미소 파트너 앱의 주요 사용자인 클리너분들과 말씀 나누면서 배운 게 정말 많았죠. 앞서 말씀드린 것처럼 일자리 추천 알고리즘이 성공하는 데 강력한 밑거름이기도 했고요.

미소 CEO 빅터님과 영재님

요즘 가장 중요하게 생각하시는 데이터 관련 문제는 무엇인가요? 어떻게 해결하고 계신지 알려주세요.

제 목표 중 하나는 클리너분들이 미소에서 더 편하게 일하실 수 있는 환경을 제공하는 거예요. 일하고 싶을 때 미소 앱을 켜고 원하는 일자리를 바로 찾으시면 좋겠어요. 미소의 비전은 더 나은 오프라인 삶을 만드는 거고, 이걸 만드는 방법 중 하나는 사용자가 앱에 머무는 시간을 최소화하는 것이거든요. 유저가 앱을 들여다보는 데 시간을 쓰는 게 아니라, 현실의 삶에 집중하도록 돕는 거죠. 풀필먼트 팀이 미소의 미션을 현실로 만들기 위해서는 클리너분들이 일자리 신청 과정에서 하는 고민을 최대한 줄여야 한다고 생각해요. 앱 최상단에 신청하고 싶은 일자리가 뜨면 일을 찾는 데 시간을 더 쓸 필요가 없잖아요.

그러기 위해선 추천 알고리즘과 일자리 매칭 로직이 매우 중요해요. 그런데 지금은 미소 데이터 자체가 가진 설명도의 한계에 도달했어요. 더 다양하고 방대한 데이터를 쌓는 게 필요한 시점일지도 모르지만 클리너분들에게 직접 여쭙는 방법으로 데이터를 받고 싶지는 않아요. 클리너분들이 시간을 공짜로 할애하게끔 강요하긴 싫거든요. 클리너분들의 말씀이 행동을 정확하게 예측하지 않기도 해요. 그래서 현재 풀필먼트 팀은 유저의 무의식에서 나오는 행동 특징과 사용 패턴에 대한 데이터를 쌓고, 고도화 작업을 진행하는 중입니다. 해당 과정을 도와주실 분이 미소에 오신다면 두 팔 벌려 환영입니다.

고객님의 이야기를 들려주세요!

This site uses Akismet to reduce spam. Learn how your comment data is processed.

© 2021. 유한회사 미소. Miso, Inc. All Rights Reserved.