보안 및 안전 서비스 산업에서 데이터와 AI는 위협을 사전 예측하고, 맞춤형 고객 서비스를 제공하며, 운영 효율성을 극대화하기 위한 핵심 기술로 자리 잡고 있습니다. SK쉴더스는 대한민국을 대표하는 융합 보안 기업으로, 물리보안과 정보보안, 산업안전 등 다양한 영역에서 통합 솔루션을 제공합니다. 전국 100만 명 이상의 고객에게 보안 서비스를 제공하며, 국내 최대 규모의 보안 네트워크를 운영하고 있습니다. 하지만 고도화된 데이터 기반 서비스를 운영하기에는 기존 데이터 인프라가 체계적으로 갖춰져 있지 않아, 데이터 활용에 많은 제약이 있었습니다. 이를 해결하기 위해 SK쉴더스는 데이터브릭스를 도입했고, 단 6개월 만에 통합 데이터 분석 플랫폼을 구축하여 머신러닝 모델의 정확도를 90% 이상으로 끌어올리는 성과를 거두는 등 데이터 기반 혁신을 빠르게 실현할 수 있었습니다.
기존 데이터 인프라의 부재와 한계
SK쉴더스는 보안 서비스에 데이터와 AI 기술을 적극적으로 접목하고 있습니다. 해약 방지 모델, 관제 예측 모델 등 다양한 데이터 기반 머신러닝 기술을 통해 고객 맞춤형 관리와 효율적인 서비스 제공에 힘쓰고 있습니다. 해약 방지 스코어링 모델은 이탈 가능성이 높은 고객을 식별해 선제적 대응을 가능하게 하며, 관제 예측 모델은 보안 관제 영역에서 이상 징후나 사고 가능성을 조기에 탐지해 신속한 대응을 지원합니다.
기존 SK쉴더스의 데이터 인프라는 이처럼 고도화된 기술을 지원할 수 없는 환경이었습니다. 체계적인 데이터 및 AI 시스템이 전무하여, 여러 한계에 직면하였습니다. 각기 다른 형식과 구조의 데이터가 여러 운영 시스템에 분산되어 있었고, 사업 부문별로 데이터를 개별 운영 IT부서가 관리해 통합 분석이 어려운 환경이었습니다. 원천 시스템으로부터 수집된 데이터의 정합성과 품질 확보 역시 어려웠고, 이에 대한 통합 솔루션의 필요성이 대두되었습니다.
또한, 데이터를 수집 및 제공하는 엔지니어링 팀과 이를 활용하는 데이터 사이언스 및 분석 팀 간에 공통 플랫폼이 부재하여 협업이 비효율적으로 이루어졌습니다. 표준화된 데이터 처리 절차가 부족했기에 필요한 데이터가 적시에 제공되지 못하였고, 각 팀이 사용하는 시스템이 서로 분리되어 데이터 활용이 지연되는 문제가 발생했습니다. 데이터그룹장은, “기존 환경의 낮은 데이터 분석 정확도는 결국 데이터 기반 의사결정의 품질도 낮아지는 결과를 초래했습니다.”라고 설명했습니다.
이러한 문제들은 조직 전반에서 데이터 자산의 가치를 충분히 실현하지 못하게 만들었고, 데이터 활용도 저하로 인해 비즈니스 경쟁력에도 부정적인 영향을 끼쳤습니다. 이에 따라 SK쉴더스는 스노우플레이크 등 다양한 솔루션을 비교하는 POC(개념 검증)를 거친 끝에, 비정형 데이터 분석에 강점을 가진 데이터브릭스 플랫폼 도입을 결정했습니다.
통합 데이터 분석 플랫폼 구축으로 데이터 활용 극대화
SK쉴더스는 데이터브릭스 데이터 인텔리전스 플랫폼을 도입해 기존의 비효율적인 데이터 프로세스를 개선하고, 통합 데이터 분석 플랫폼을 구축했습니다. 새 플랫폼은 다양한 원천 시스템의 데이터를 통합 수집 및 관리하며, 수집부터 정제, 분석, 결과 제공까지의 전 과정을 일원화함으로써 데이터 자산의 가치를 극대화하고 데이터 기반 의사결정 문화를 정착시켰습니다.
이를 통해 다양한 과제를 성공적으로 수행할 수 있었습니다. 예를 들어, 해약 방지 모델은 불만 상담 및 A/S 이력 등 고객 데이터를 스코어링해 해약 가능성이 높은 고객을 사전에 식별하고, 생성형 AI 기반 맞춤형 가이드를 통해 개인화된 응대를 제공함으로써 상담 품질과 방어율을 동시에 향상시켰습니다. 관제 예측 모델을 사용하여 이상 신호를 분석해 일상 대응, 유선 대응, 실제 출동 필요 여부를 자동 판별함으로써 불필요한 출동을 줄이고 운영 효율을 높였습니다. 이외에도 Geospatial 분석, Full Funnel 분석 등 다양한 데이터 프로젝트를 지원하며, 조직의 전반적인 비즈니스 경쟁력을 강화했습니다.
데이터 품질 관리 측면에서도 Delta Lake와 Workflows를 활용하여 자동화된 정제 파이프라인과 실시간 모니터링 대시보드를 구축했습니다. 이로써 데이터 정확성과 신뢰도를 확보하는 동시에 반복 업무를 줄였고, 머신러닝 모델의 학습 데이터 품질도 향상시켰습니다. 또한, Workflows 기반의 통합 파이프라인 덕분에 데이터 엔지니어링 팀과 데이터 사이언스 및 분석 팀 간 협업도 크게 개선되었습니다. 엔지니어링 팀이 수집 및 정제한 데이터를 사이언스 팀이 즉시 활용할 수 있게 되었고, 이를 기반으로 해약 스코어링 모델, 방어 가이드, 관제 예측 등 실질적인 분석 결과물을 도출할 수 있었습니다. 데이터 그룹장은 “데이터브릭스를 통해 각 팀 간 작업을 체계적으로 연결하고, 전문 영역 간 유기적인 협업 환경을 만들 수 있었습니다.”라고 말했습니다.
이와 함께 Unity Catalog를 도입해 데이터 보안 및 접근 권한을 체계적으로 관리하며, 팀 간 데이터 공유는 원활하게, 통제는 정교하게 수행할 수 있도록 했습니다. Delta Lake 기반의 유연한 데이터 정제 및 마트 구성, MLflow를 활용한 일관된 모델 실험과 추적 환경도 구축함으로써 AI 모델의 학습 및 운영 효율성까지 높였습니다.
단 6개월 만에 데이터 분석 플랫폼 구축 성공
SK쉴더스는 2024년 3월부터 9월까지 단 6개월 만에 데이터브릭스 기반 데이터 분석 플랫폼을 성공적으로 구축하며 데이터 활용 역량을 한층 강화했습니다. 특히, 고객 이탈을 예측하는 해약 방지 모델을 개발 및 적용하여 데이터 기반 비즈니스 혁신을 조기에 실현했으며, 이를 통해 상담 시간은 단축하고, 해지 방어율을 향상할 수 있게 되어, 이탈 위기에 놓였던 고객을 효과적으로 확보하였습니다. 또한, 관제 예측 모델을 통해 출동량을 2% 감소할 수 있었습니다.
데이터브릭스 플랫폼은 데이터 엔지니어링, 분석, 머신러닝을 통합적으로 지원해 데이터 활용의 복잡성을 줄이고, 효율성과 협업을 크게 높였습니다. 머신러닝 모델 개발과 MLOps 자동화도 가속화되어, 기존 70% 미만이던 모델 정확도를 90% 이상으로 향상시킬 수 있었습니다. 그룹장은 “데이터브릭스 플랫폼 덕분에 통합 데이터 분석과 AI 워크플로우를 기반으로 의사결정 속도를 높일 수 있었습니다.”라고 밝혔습니다.
또한 클라우드 기반 솔루션 도입으로 하드웨어 구매 및 유지보수 비용을 절감하고, IT 인프라 관리 부담을 줄이는 동시에 컴퓨팅 리소스를 필요에 따라 유연하게 확장하여 예산 운영을 최적화했습니다. 고확장성 플랫폼은 대량의 데이터를 빠르게 처리하고 분석할 수 있는 환경을 제공해, 이전에는 어려웠던 데이터 기반 업무가 가능해졌고 비즈니스 생산성 역시 크게 향상되었습니다.
이러한 기술 혁신은 SK쉴더스 데이터 조직의 분석 역량을 강화하고, 비즈니스 민첩성과 경쟁력을 높이는 데 기여했습니다. 향후에도 데이터브릭스를 활용해 데이터 기반 혁신, AI 기반 프로세스 자동화, 운영 효율 향상, 비용 절감 등 다양한 장기 성과를 기대하고 있으며, 전사적으로 생성형 AI 기반 도구와 함께 자동화 및 지능화를 추진할 계획입니다. 더불어, 데이터브릭스의 고급 기능을 통해 보안 위협에 대한 선제적 대응은 물론, 시장 트렌드와 고객 요구 변화도 예측하여 미래 전략 수립에 활용할 예정입니다. 이러한 통합적 접근을 통해 SK쉴더스는 데이터와 AI를 기반으로 미래지향적인 성장을 실현하고, 변화하는 시장 환경 속에서 지속 가능한 경쟁 우위를 확보해 나갈 것으로 기대하고 있습니다.