-
-
비즈니스 머신러닝 - 아마존 세이지메이커와 주피터를 활용한 빠르고 효과적인 머신러닝 활용법
더그 허전.리처드 니콜 지음, 김정민 외 옮김 / 한빛미디어 / 2020년 12월
평점 : 
<비즈니스 머신러닝>, 더그 허전/리처드 니콜 지음, 김정민/문선홍/정용우 옮김, 한빛미디어, 2021
기업 경영은 의사결정의 연속이라 해도 과언이 아니다. 매 순간순간이
결정해야 할 일 투성이다. 모든 의사결정을 최고 경영진이 할 수 없으니, 권한을 적절히 위임하여 의사결정 체계를 구축한다. 의사결정에는 의사결정자의
주관이 반영되지만, 의사결정을 받고자 하는 사람의 주관도 반영된다. 품의자는
자신이 원하는 결과를 도출하기 위해 근거 자료를 만들고, 의사결정자도 자신의 판단이 틀리지 않았음을
증명할 근거 자료를 원한다.
빅데이터, AI의 발달로 최근 기업의 화두는 ‘디지털 트랜스포메이션’이다. 거대
기업일수록 ‘디지털 트랜스포메이션’을 강조하지만 변화의 속도는
생각만큼 빠르지 않다. 기존에 사람이 하는 반복적인 업무를 자동화하는 것으로만 이해하는 경우도 있다. 과거에 기반해 현재의 업무를 개선하는 것에 초점이 맞춰져 있다. 하지만
빅데이터, AI는 불확실한 미래에 대한 예측에 더 도움이 될 것이다.
즉 과거를 기반으로 미래를 예측해 현재를 개선하는 것이 아닐까 싶다.
가령 기후위기는 이제 기정사실로 받아들여진다. 지구 평균 기온
상승에 따른 지역별 기후의 변화, 그로인한 경작지의 변화 등을 예측한 시나리오는 공개되어 있지만 우리
기업에 미칠 영향에 대해서는 예측하기 어렵다. 이를 예측하기 위한 내부 정보도 부족하지만, 고려해야할 외부 변수가 너무 많다. 엑셀에 의존해 예측할 수 있는
범위가 아니다. 그래서 머신러닝에 관심을 갖게 되었다.
기후변화에 대한 정보와 우리 회사의 원재료 조달, 제조, 판매, 유통 등의 정보를 통해 기후변화 시나리오에 따른 미래 경영
환경을 예측할 수 있지 않을까하는 발칙한 상상을 했다. 그렇게 <비즈니스
머신러닝>이 눈에 띄었다.
비즈니스 시스템이 엉망인 두 가지 이유가 있습니다. 첫째, 개인의 습관을 바꾸는 것도 쉽지 않지만 집단의 특성을 바꾸는
것은 더더욱 어렵습니다.(…) 둘째,
비즈니스 시스템 여러 개를 관리하는 것은 매우 어려운 일입니다.(31쪽)
<비즈니스
머신러닝>은 아마존 세이지메이커와 주피터를 활용해 머신러닝을 활용하는 방법을 전하고 있다. 먼저 기업에서 효과적인 의사결정을 위해 머신러닝 도입이 필요하다고 강조한다.
그동안 컴퓨터 처리능력의 발달은 비즈니스 생산성을 높여줄 것이라 했지만, 실제로는 비느니스
생산성이 크게 증가하지 않았다고 한다. 경제학자 로버트 솔로는 “컴퓨터
시대가 도래했다는 사실이 도처에서 확인됐지만 단 한 곳 생선성 통계만은 예외다”라고 비꼬아 말했고, 경제학자들은 이를 ‘솔로 패러독스’라고
부른다고 한다.
생산성은 반복 작업 수행을 위한 자동화가
필요한데, 업무 중 의사결정은 규칙에 기반하고 예외적인 상황이 많아 사람의 개입이 필요해 자동화하기
어려워 생산성이 증가하지 않았다고 한다. 사람은 규칙기반 의사결정과 패턴기반 의사결정을 모두 사용해
의사결정하는데, 그동안의 프로그램은 규칙기반 의사결정에 국한해 개발되었고, 패턴기반 의사결정은 여전히 사람에 의존할 수밖에 없었다는 것이다. 머신러닝은
데이터셋의 패턴을 기반으로 의사결정할 수 있어 자동화를 통해 생산성 향상이 가능하다고 한다.
머신러닝을 비즈니스에 적용할 때 진정한 이점은 변화에 탄력적인 의사결정 애플리케이션을
구축할 수 있다는 것입니다. 시스템에 수십 또는 수백 개의 규칙을 프로그래밍하는 대신 과적의 올바른
결정과 잘못된 결정의 예시를 머신러닝 애플리케이션에 입력하기만 하면 됩니다.(9쪽)
그리고 <비즈니스
머신러닝>은 비즈니스를 위한 머신러닝 시나리오 6가지를
통해 ‘어떻게’ 머신러닝을 사용할 수 있는지 보여준다. 구매 결재 검토 요청 여부 결정, 이탈 조짐 있는 고객 찾기, 고객 문의 사항 전달 여부 결정, 공급업체 청구서 추가 질의 여부
결정, 월간 전력 사용량과 예측 성능 향상으로 원재료 조달부터 고객 관리, 협력사 관리, 운영 관리 등 밸류체인 전반을 다루고 있다. 기후변화 시나리오 예측과 관련되어 보이는 월간 전력 사용량 예측에 특히 관심이 갔다.
비즈니스에 머신러닝을 도입해야 하는 이유와
방법에 대해서는 어느 정도 깊이 이해할 수 있었다. 다만 ‘누구나’ 머신러닝을 시작할 수 있게 하겠다는 저자의 집필의도에도 불구하고, 코드에
대해 잘 모르는 사람으로서 쉽게 이해하고 따라하기에는 어려움이 있었다. 아직 ‘기후변화 시나리오 예측’이라는 발칙하고 무모한 도전이 결실을 맺은
건 아니지만 가능성은 확인할 수 있어 만족한다.
* 해당 도서는 출판사로부터 무상으로 제공받았으며, 제 주관에 따라 솔직하게 작성했습니다.