고객 사례

AI를 통한 패션 혁명

70%

운영 비용 절감

배경 이미지

업종: 리테일 및 소비재

업종별 사용 사례: 수요 예측, 안전 재고 분석

플랫폼 사용 사례: Delta Lake, 데이터 사이언스, 머신 러닝, ETL

클라우드: Azure

"Databricks는 우리 데이터 비즈니스의 핵심이자, 인사이트를 얻는 곳입니다.”

— Errol Koolmeister, H&M, AI 기술 및 아키텍처 부문 책임자

As a major disruptor and innovator in the fashion and retail industry, H&M relies on data as the core for everything they do. With stores opening up globally at a rapid pace, they needed to improve supply chain and forecasting operations to streamline costs and maximize revenues. But their on-premise Hadoop system crippled their ability to ingest and analyze data generated by millions of customers needed to power predictive models. Understanding they had reached their scalability ceiling, H&M moved to the Databricks platform to simplify infrastructure management, enable performant data pipelines at scale, and simplify the machine learning lifecycle — allowing them to make data-driven decisions that accelerate business growth.

기업의 성장을 지원하지 못하는 레거시 아키텍처

H&M은 공급망 효율성을 높이기 위해 데이터와 AI를 활용하여 의사 결정과 운영을 개선하기로 했습니다. 하지만 기존의 하둡 기반 아키텍처는 비효율적이었고 빠르게 변화하는 비즈니스 요구 사항에 맞추어 확장할 수 없었습니다.

  • 70개 이상의 시장에 진출한 5,000개 이상의 매장에는 매일 수많은 고객이 방문하고 방대한 데이터가 생성됩니다.
  • 고정된 클러스터 크기, 리소스 소모가 크고 확장 비용이 많이 드는 복잡한 인프라 및 데이터 보안 등의 문제로 데이터 엔지니어링이 난항을 겪었습니다.
  • 사일로화된 온갖 데이터 소스에서 데이터가 수집되는 데 비해, 데이터 사이언스 활동을 지원할 수 있을 만큼 운영을 확장하기는 어려웠습니다.
  • DevOps가 상당히 지연되어 시장 출시 시간이 길어졌고, 데이터 사이언티스트가 빠르게 모델을 구축하여 훈련, 배포하는 능력도 저하되었습니다. 아이디어 구상에서 프로덕션 배포까지 1년이 걸렸습니다.

데이터 운영 간소화로 ML 혁신 가속화

Databricks provides H&M with a platform that has fostered a scalable and collaborative environment across data science and engineering, allowing data engineers and scientists to focus on the entire data lifecycle instead of managing clusters, to train and operationalize models rapidly with the goal of accelerating supply chain decisions for the business.

  • 자동 클러스터 관리 기능을 탑재한 완전 관리형 플랫폼은 대규모 인프라 관리와 운영을 단순화합니다.
  • 다양한 언어(SQL, Scala, Python, R)를 지원하는 협업 노트북 환경은 여러 사용자 팀이 원하는 언어로 협력할 수 있도록 지원함으로써, 팀 간에 통합된 환경을 조성하여 생산성을 향상합니다.
  • Databricks 플랫폼을 Azure 및 Apache Airflow, Kubernetes 등의 다른 기술과 통합하면 대규모의 탄력적 모델 훈련이 가능합니다.

현명한 의사 결정, 크나큰 비용 절감 효과

H&M에서는 모델 하나의 정확도를 0.1%만 개선해도 비즈니스에 엄청난 영향이 미칩니다. Databricks를 사용한 후, 모든 의사 결정권자가 데이터에 더 쉽게 접근할 수 있게 되었고 비즈니스가 시류에 편승하고 성장하는 속도가 빨라졌습니다.

  • 운영 효율성 개선: 클러스터 자동 확장과 같은 기능으로 데이터 수집부터 모든 머신 러닝 수명 주기 관리에 이르기까지 운영 전반을 개선해 운영 비용을 70% 절감했습니다.
  • 팀 간 협업 개선: 데이터 사이언티스트와 엔지니어의 통합 분석 환경은 설정과 관리가 쉬워, 프로덕션 배포에 필요한 구성 요소의 수가 극적으로 줄어들었습니다.
  • 인사이트를 빠르게 확보하여 엄청난 비즈니스 효과 달성: 더욱 세분화된 의사 결정으로 전략적 의사 결정과 비즈니스 예측을 개선했습니다.