아직도 엑셀 붙잡고 계세요? "머신러닝 하세요"

[MSC2018] 넷스루 서동렬 박사

"몇 명이 들어왔는지, 머문 시간은 몇 시간인지, 어떤 상품을 선호했는지 등을 통해 우리가 알고 싶어하는 건 구매를 할것인가다. 만약 간단하다면 엑셀을 뚫어져라 분석해 결과값을 얻을 수 있지만, 데이터가 많다면 쉽지 않다. 최근에는 구매 예측부터 시계열, 개인 맞춤형을 기계가 학습해서 알려주는 '머신러닝(Machine learning)'의 접근이 쉽다. 일단 해봐라."

서울 종로 포시즌스호텔 서울에서 11일 열린 '마케팅 스퀘어 컨퍼런스(Marketing Square Conference 2018)'에서 '디지털 분석과 머신러닝'이란 주제로 발표한 넷스루의 서동렬 박사(넷스루 연구소 제품책임자)는 이 같이 말했다.

그는 "최근 몇 년 간 급속히 발전한 다양한 머신러닝 도구들을 이용하면 수학과 코딩을 정확히 알지 못해도 할 수 있다"며 "고객의 행동과 비즈니스 변화를 예측하는 것에다 더 고차원적으로 고민했던 문제를 풀어낼 수 있다"고 설명했다.

넷스루의 서동렬 박사가 11일 서울 종로 포시즌스호텔에서 열린 'MSC2018'에서 발언을 하고 있다.(사진=지디넷코리아)

기계학습이라고 알려진 머신러닝은 '학습'을 하는 과정이 일반적인 프로그램 로직과 가장 큰 차별점으로 꼽힌다. 서동렬 박사는 "데이터를 가지고 지식을 쌓고 반복하며 진화한다. 결국에는 배우지 않은 내용에 대해서도 답을 줄 수 있게 된다"고 설명했다. 예를 들어 곱셈의 원리를 알면 1~9단까지의 구구단을 벗어난 곱셈까지도 계산할 수 있다.

서동렬 박사는 "점점 빠르고 쉽게 우리 업무를 할 수 있는 머신러닝들이 많이 등장하고 있다"며 "사람과 사람, 사물과 사물 간의 관계 여부를 찾는 개인화 추천 머신러닝도 많이 나와있다"고 말한다.

하지만 머신러닝의 흐름 상 주의해야 할 부분이 있다. 머신러닝이 학습해야할 모델을 설정한 후 분석하고 측정·확인하는 이 세 과정에서만 기계 학습이 이뤄져야 하는데 아예 전략부터 잘못 짠다면 머신러닝의 결과값이 전혀 상이할 수 있다는 설명이다. 서동렬 박사에 따르면 회사들은 다양한 목적에서 머신러닝을 사용하려고 하고 데이터 수집·전략을 수립한 뒤 모델을 설정하며 결과값을 기대한다. 아예 데이터 수집과 전략이 잘못된다면 안 된다는 것.

서동렬 박사는 "데이터 원본의 확보부터 로그끼리의 연관성 등을 주의깊게 살펴봐야 한다"며 "실제 응용까지는 검증할게 많지만 생각보다 머신러닝은 어렵지 않다"고 강조했다.