세계 최초의 모바일 내비게이션 서비스인 TMAP 모빌리티는 지난 20년간 가장 빠르고 안전한 경로를 제공하며 업계 리더로 자리매김했습니다. 2,500만 명 이상의 가입자를 확보하고 국내 차량의 95% 이상에 채택된 TMAP은 매년 73억 건이 넘는 모빌리티 데이터를 처리하며 대규모로 개인화된 이동 경험을 제공합니다. 하지만 기존 데이터 환경은 이렇게 방대한 양의 데이터를 효율적으로 관리하기에 적합하지 않았습니다. 팀들은 제한된 데이터 접근성과 경직된 보안 제어로 인해 어려움을 겪었으며, 이로 인해 AI 기반 추천 노력을 가속화하기가 어려웠습니다. 데이터 민주화와 거버넌스 강화를 목표로, TMAP은 Databricks Data + AI 플랫폼을 도입하여 미래 성장을 지원할 새로운 데이터 환경을 성공적으로 구축했습니다.
데이터 액세스 및 거버넌스 문제로 개인화 노력이 지연됨
어디로 갈지, 어떻게 갈지, 언제 떠날지, 어떤 경로를 택할지 등 수백만 건의 여행 관련 결정이 이제 이동 중에 이루어집니다. TMAP 모빌리티는 이러한 결정에 힘을 실어줍니다. TMAP 모빌리티의 내비게이션 플랫폼은 생성되는 방대한 양의 교통 데이터를 안정적으로 처리하여 비즈니스 효율성을 높이는 동시에, 신뢰할 수 있는 AI 기능을 통해 새로운 가치를 창출합니다.
고객 유지율을 높이기 위해 TMAP Mobility는 더욱 개인화된 AI 기반 추천을 제공하기 시작했습니다. 이는 내부 Agent Experience(AX) 이니셔티브를 통해 차별화된 사용자 경험을 제공하는 것을 의미했습니다. 이러한 노력을 위해서는 방대한 양의 고객 데이터를 효과적으로 활용할 수 있는 안전하고 확장 가능한 인프라가 필요했습니다.
안타깝게도 기존 데이터 환경은 이러한 목표를 지원할 수 없었습니다. 우선 데이터 접근성이 매우 제한적이었습니다. 일반 사용자는 카탈로그의 데이터를 탐색하거나 활용하는 데 어려움을 겪었으며, 그 결과 가장 기본적인 작업조차 데이터 전문가에게 크게 의존하게 되었습니다. 이러한 의존성은 서비스 확장 및 제품 분석 과정에서 빈번한 병목 현상을 초래하여 궁극적으로 전반적인 생산성을 저하시켰습니다. TMAP의 데이터 플랫폼 및 AX 책임자인 이충우는 다음과 같이 설명했습니다. "기존 데이터 분석팀 업무량의 절반 이상이 단순 데이터 추출 요청으로 구성되어 있어 심층 분석이나 모델링에 집중하기 어려웠습니다."
경직된 권한 제어와 유연하지 않은 거버넌스 시스템은 더 큰 어려움을 야기했습니다. 접근 권한이 기본 수준으로 제한되어 있어 팀들은 개인 데이터를 처리하거나 거버넌스에 민감한 기타 작업을 수행할 때 어려움을 겪었습니다.
이러한 한계를 해결하고 데이터 민주화를 확대하며 거버넌스를 강화하기 위해 TMAP 모빌리티는 Databricks Data + AI Platform을 도입했습니다.
Databricks Data + AI Platform으로 데이터 민주화 실현
TMAP 모빌리티는 Databricks Data + AI 플랫폼을 도입하여 셀프 서비스 데이터 분석을 성공적으로 활성화하고 사내 데이터 활용 문화를 혁신했습니다.
TMAP은 Genie Agents를 통해 데이터 비전문가도 자연어 명령을 사용하여 데이터를 직접 탐색하고 분석할 수 있는 환경을 조성했습니다. 이를 통해 기획 및 마케팅과 같은 비기술 부서에서도 비즈니스 애플리케이션에 데이터를 자유롭게 활용하고 새로운 통찰력을 얻을 수 있었습니다. TMAP은 직관적이면서도 효율적인 분석 환경을 제공함으로써 애널리스트의 반복적인 작업을 줄이는 데 필요한 데이터 민주화를 달성했습니다. 이제 데이터 팀은 더 가치 있는 업무에 집중할 수 있게 되었습니다.
Databricks의 실시간 모니터링 및 빠른 쿼리 기능으로 통합 데이터 분석 및 시각화가 가능해졌습니다. AWS 기반 대시보드는 대화형 보고와 성능 모니터링을 지원합니다. Serverless 데이터 웨어하우스인 Databricks SQL은 큐레이션된 데이터에 빠르고 거버넌스가 적용된 액세스를 제공합니다. Databricks Notebooks를 사용하면 탐색 및 모델링을 위한 더 심층적인 분석 워크플로가 가능해집니다. 이러한 도구들을 함께 사용함으로써 팀은 단일 보안 플랫폼 내에서 가설을 검증하고 인사이트를 공유할 수 있습니다.
또한 TMAP은 Unity Catalog를 활용하여 세분화된 권한 관리 및 데이터 소유권 시스템을 구현했습니다. 이를 통해 데이터 엔지니어링 팀의 개입 없이도 각 부서에 유연한 접근 권한을 부여할 수 있습니다. "Unity Catalog 덕분에 매우 세분화된 권한 관리가 가능해졌습니다."라고 정우는 말했다. "열 마스킹 정책의 도입으로 보안 프레임워크가 강화되었으며 데이터 활용도가 크게 향상되었습니다."
데이터 팀의 운영 효율성 극대화
Databricks를 도입한 후 데이터 팀의 반복적인 업무 부담이 크게 줄었고 전반적인 운영 효율성도 개선되었습니다. 2025년 9월 기준으로, 분석팀이 접수하는 단순 데이터 추출 요청이 이전보다 68% 감소했습니다. 전체 직원의 약 48%가 이제 직접 데이터를 탐색하고 활용할 수 있게 되어 데이터 접근성이 크게 향상되었습니다. 이러한 변화를 통해 데이터 분석가들은 더욱 고도화된 분석 업무에 집중할 수 있게 되었고, 조직의 전반적인 데이터 활용 역량도 강화되었습니다.
더 차별화된 AI 기반 추천을 통해 내비게이션 경험을 개선하려는 목표를 지원하기 위해 TMAP은 Databricks를 활용하여 내부 AX 이니셔티브를 가속화했습니다. Recommendation Engines 솔루션 액셀러레이터를 통합함으로써 데이터 팀은 더 적은 리소스를 사용하여 더 빠르게 확장 가능한 추천 모델을 프로토타이핑하고 배포할 수 있었습니다. 이를 통해 실시간 모빌리티 데이터를 기반으로 맞춤형 사용자 경험을 제공하여 서비스 관련성과 참여도를 높일 수 있었습니다. 기본적인 효율성을 확보한 TMAP은 이제 사용자의 진화하는 요구 사항을 충족하는 역동적인 데이터 기반 경험을 제공할 수 있는 더 나은 위치에 서게 되었습니다.
향후 TMAP은 Unity Catalog를 중앙 데이터 허브로 확장할 계획입니다. 이충우 담당의 팀은 AWS Glue Federation과 외부 테이블(External Table) 통합을 활용하여 데이터 마이그레이션에 필요한 리소스를 줄이는 것을 목표로 하고 있습니다. 이충우 담당은 “TMAP의 AI 모빌리티 서비스를 지원하는 고신뢰성 데이터 인프라를 구축하는 과정에서 Databricks는 확장성과 유연성을 모두 제공하는 데이터 플랫폼으로서 크게 기여했습니다.”라고 강조했습니다.
Databricks Data + AI 플랫폼의 성공을 기반으로 TMAP은 모든 내부 데이터를 Databricks로 통합 및 마이그레이션하여 데이터 거버넌스를 강화하고 더 높은 수준의 분석을 지원할 것입니다.