머신러닝 모델의 결과 산출물 작성 및 검수

 

 

 

머신러닝 모델의 결과 산출물 작성 및 검수

머신러닝 데이터 분석 결과 시사점을 의사 결정자에게 보고하거나 상용 서비스에 적용하여 프로세스화 하거나 어떤 목적으로 분석을 진행하였든지 간에 분석 계획 및 과정 등 전반적인 내용에 대하여 산출물들을 체계적으로 작성하고 정리해둘 필요가 있습니다.

 

 

·         주요 산출물

·         서비스 적용 구현 개발 시 추가로 필요한 산출물

 

 

 

 

 

머신러닝 데이터 분석 결과 주요 산출물

머신러닝 기반 데이터 분석 결과를 유관부서 이해관계자와 공유하거나 유지보수 및 모델개선 시 참고하기 위해서 핵심 결과 산출물을 계획하고 관리해야 합니다. 주요 산출물은 아래와 같은 유형이 있습니다.

물론 해당 항목들을 모두 별도의 산출물로 만들어 보관할 필요는 없으며, 분석 계획서 및 분석결과 보고서 등에 해당 내용이 대부분 포함될 수 있고, 추가로 분석 스크립트 코드 및 교육자료 등을 별도로 문서화시켜둘 필요가 있습니다.

 

·         머신러닝 기반 데이터 분석 계획서 ·         주요 사용 데이터 및 확보 방안 ·         데이터 전처리 및 변환 수행 절차 ·         머신러닝 모델링 사용 기법별 훈련 및 예측 결과 비교자료 ·         비즈니스 성과 개선 및 기여 계량자료 ·         머신러닝에 사용된 분석 스크립트 코드 및 주석 등 문서화 ·         머신러닝 모델 유지보수 및 교육을 위한 가이드/매뉴얼

 

 

 

 

 

 

서비스 적용 구현 개발 시 추가로 필요한 산출물

데이터 분석결과의 시사점 및 조직 내 주요 업무 적용/개선 방안 등을 의사결정자나 유관부서에 보고 및 공유함으로써 프로젝트가 종료되기도 하지만, 머신러닝 결과 데이터를 별도의 서비스 애플리케이션으로 연계하거나 추가적인 유저 인터페이스 혹은 화면개발 등을 통해 연계하는 방식으로 개발업무가 진행되는 경우도 있습니다.

예를 들어 고객 구매패턴에 대한 머신러닝 기반의 상품/서비스 추천 시스템 개발 등의 경우는 추천 알고리즘 자체만으로 업무 개선 방안 등이 도출된다기보다는, 현재 운용되는 서비스의 한 기능으로 연동되고 자동화되어야 머신러닝을 수행한 의미가 있다고 할 수 있습니다. 이런 경우는 개발자 혹은 데이터 엔지니어, 디자이너 등과의 커뮤니케이션을 위한 추가적인 산출물이 필요합니다. 주요 산출물은 아래와 같습니다.

 

·         머신러닝에 사용된 분석 스크립트 코드 및 주석 등 문서화 ·         효과검증(POC) 프로젝트 수행 계획서 및 결과 보고서 ·         시스템 연동 개발 시 주요 개발 요건 정의서 ·         별도 화면 개발 시 화면설계 정의서 ·         머신러닝 모델 유지보수 위한 가이드 문서