'코로나19가 데이터 과학을 바꾼다' 일부 모델, 재조합 필요

코로나19 팬데믹이 산업에 막대한 영향을 미치고 있음은 주지의 사실이다. 그러나 많은 사람이 아직 인지하지 못한 부분은 현재의 데이터 과학 프로덕션 환경에 미치는 영향 역시 크다는 점이다. 교통과 쇼핑 패턴이 바뀌고 공급망이 가로막히고 국경이 폐쇄되면서 세분화와 예측에 사용되는 모델의 상당수가 제대로 기능하지 못하고 있다.
 

간단히 말해, 사람들의 행동이 근본적으로 바뀌면서 이전의 행동 패턴을 기반으로 하는 데이터 과학 모델은 변화에 적응하는 데 어려움을 겪는다. 새로운 데이터가 새로운 현실을 반영하기 시작하면 데이터 과학 시스템이 적절한 시간 내에 적응하는 사례도 간혹 있다. 

그러나 새로운 현실이 완전히 다르고 새로운 데이터가 새 시스템을 학습시키기에 충분하지 않은 경우도 있다. 아예 시스템에 구축된 기본적인 전제가 더 이상 적용되지 않아 모델 생성부터 프로덕션 배포에 이르는 전체 프로세스를 손봐야 할 수도 있다.

이번 기사에서는 과거의 데이터가 완전히 의미를 잃을 때, 기본 전제가 더 이상 유효하지 않을 때, 또는 전체적인 시스템의 패턴이 바뀔 때 어떤 일이 발생하는지에 대한 다양한 시나리오와 몇 가지 예를 살펴본다. 

그런 다음 프로덕션 시스템을 업데이트할 때 데이터 과학 팀이 직면하는 과제에 대해 알아보고, 마지막으로 견고하고 미래에 대비한 데이터 과학 환경을 위한 권장 사항을 제안한다.

데이터 과학 영향 시나리오 1. 데이터와 프로세스 모두가 변했을 경우 

가장 파급력이 큰 시나리오는 기반 시스템의 완전한 변화다. 데이터 과학 프로세스를 업데이트해야 할 뿐만 아니라 애초에 설계에 반영된 전제도 재검토해야 한다. 

이를 위해서는 비즈니스 지식을 이해해 수용하고, 데이터 소스를 탐색해 더 이상 존재하지 않는 데이터를 대체하고, 적절한 모델을 선택해 튜닝하는 과정으로 진행되는, 완전히 새로운 데이터 과학 생성 및 프로덕션화 사이클이 필요하다. 예를 들면 교통량 예측, 특히 갑작스럽게 차단된 국경이나 엄격한 격리 조치 하에서의 쇼핑 행동, 의료 관련 공급망 등이 여기에 해당된다.

좀 더 세분화해 설명하면, 데이터의 가용성이 변경된 경우도 있다. 대표적인 예가 기상 예측이다. 기상 예측 데이터의 상당 부분은 부가적인 센서를 장착한 민간 여객기를 통해 수집된다. 그러나 항공기가 지상에 묶이면서 가용한 데이터의 양이 급격히 줄었다. 

기상 시스템에 관한 기본 전제는 변함이 없으므로 기존 모델을 재학습시키는 것만으로 충분할 수도 있다(공기 오염과 에너지 소비의 변화가 기상에 영향을 미칠 수 있다는 점을 배제한다). 그러나 누락된 데이터가 모델 구축에 투입되는 정보에서 많은 부분에 해당한다면 데이터 과학 팀은 모델 선택과 최적화 프로세스를 다시 실행하는 편이 좋다.

데이터 과학 영향 시나리오 2. 데이터는 바뀌고 프로세스는 그대로일 경우 

기본 전제는 그대로인 경우도 많다. 예를 들어 추천 엔진의 작동 방식은 거의 동일하지만 데이터에서 추출된 종속성 일부가 바뀌게 된다. 이는 가령 새로운 베스트셀러가 차트에 진입할 때의 양상과 큰 차이가 없을 수도 있지만, 의료 관련 소모품에 대한 수요 폭증에서 확인됐듯이 변화의 속도와 규모가 훨씬 더 크다. 

데이터 과학 프로세스가 충분히 유연하게 설계됐다면 내장된 변화 탐지 메커니즘이 변화를 신속하게 파악하고 기반 규칙의 재학습을 트리거할 것이다. 물론 이는 변화 탐지 기능이 내장됐고 재학습된 시스템이 충분한 품질 수준을 달성한다는 것을 전제한다.

데이터 과학 영향 시나리오 3. 데이터와 프로세스가 정상 작동할 경우  

간과하지 말아야 할 부분은 많은 데이터 과학 시스템이 예전과 같이 계속 작동하게 된다는 점이다. 예측 유지보수가 좋은 예다. 사용 패턴이 동일하게 유지되는 한 엔진은 이전과 정확히 같은 방식으로 실패하게 된다. 

데이터 과학 팀이 물어야 할 중요한 질문은 ‘확실한가? 품질을 잃지 않는다고 확신할 수 있을 만큼 성능 모니터링 설정이 충분히 철저한가? 데이터 과학 시스템의 성능이 언제 변경하는지 알고 있는가?’이다.

앞선 두 가지 영향 시나리오에서 언급했듯이, 데이터 과학 시스템의 변경은 하루 사이에 국경이 폐쇄되는 등 갑작스럽게 발생할 수도 있고, 시간이 경과하면서 점진적으로 발생할 수도 있다. 일부 경제적으로 규모가 큰 영향은 시간이 지나야 고객 행동에서 명확하게 드러난다. 예를 들어 SaaS 비즈니스에서 고객이 당장 구독을 취소하지 않더라도 몇 개월 이내에 취소할 수 있다.

모델 이탈 탐지가 핵심

가장 일반적인 프로덕션 데이터 과학 설정 유형은 두 가지다. 몇 년 전에 만들어져서 배포되고 추가 개정 없이 계속 실행된 오래된 시스템이 있고, 컨설팅 프로젝트의 결과로 만들어진, 가령 현대의 자동화된 머신러닝(AutoML) 프로젝트 유형의 새로운 시스템이 있다. 

두 사례 모두 운이 좋다면 부분적인 모델 변경을 자동으로 처리하는 기능이 시스템에 내장돼 있으므로 최소한 일부분의 모델 재학습은 자동으로 이뤄진다. 

그러나 지금 시점에서 성능 모니터링과 자동 재학습을 허용하는 AutoML 툴은 없으며 예전의 '단발성' 프로젝트 역시 이 부분에는 무신경하다. 결과적으로 자신의 데이터 과학 프로세스가 실패했다는 사실조차 인지하지 못하고 있을 가능성도 있다.

운이 좋아서 데이터 과학 팀이 몇 년 동안 많은 부분을 개선했다면 자동 모델 이탈 탐지와 재학습이 내장됐을 가능성이 더 높다. 이런 경우라 해도 완전한 모델 변경이 필요한 경우에는 시스템을 다시 만들기는 쉽지 않다. 데이터 과학 프로세스의 모든 단계가 제대로 문서화되고 코드를 쓰는 전문가가 아직 회사에 있지 않는 한, 최초의 전제를 수정하고 프로세스를 업데이트하기란 어려운 과정이다. 유일한 해결책은 완전히 새로운 프로젝트를 시작하는 것이다.

재창조 vs. 재조립 

물론 외부 컨설팅 팀이 데이터 과학 프로세스를 구축했다면 이들을 다시 불러들이는 것 외에는 별다른 선택안이 없다. 데이터 과학 프로세스가 자동 머신러닝 서비스의 결과라면, 해당 서비스와 다시 접촉할 수 있지만 특히 비즈니스 역학의 변화에 해당하는 경우에는 이 프로젝트를 처음 시작할 때와 비슷하게 직접 해야 할 일이 상당히 많다고 예상해야 한다.

한 가지 덧붙이자면, 누군가 아주 좋은 새로운 방법을 제시하더라도 회의적인 자세로 받아들여야 한다. 많은 경우 새로운 접근 방법은 불필요하다. 이보다는 이전의 데이터 과학 프로세스에 사용된 전제와 데이터를 신중하게 다시 검토하는 데 초점을 맞춰야 한다. 소량의 데이터 포인트를 통해 새 모델 학습을 시도하는, 실제 “데이터 0” 문제에 해당하는 경우는 극소수다. 

또한 그런 경우라 해도 이전 모델을 기반으로 가중치를 부여하는 방식으로 구축하는 방법도 함께 고려해야 한다. 이전 모델에 약간의 새로운 데이터를 혼합하는 것으로 새로운 행동을 정확히 반영할 수 있는 경우가 많기 때문이다.

그러나 데이터 과학 개발이 내부적으로 진행된다면 지금은 100% 하위 호환되는 통합되고 균일한 환경이 매우 유용한 시점이다. 이런 플랫폼에서는 전제가 한 곳에서 모델링되고 문서화되므로 충분한 정보에 근거한 변경과 조정을 훨씬 더 쉽게 적용할 수 있다. 수동 개입 없이 동일한 환경에서 변경을 검사하고 테스트하고 프로덕션에 배포할 수 있다면 더욱 좋다. editor@itworld.co.kr