파트너의 성장이 곧 성과가 되는 곳, 그리고 그 전환에 AI를 쓴 이유
파트너의 성장이 곧 성과가 되는 곳, 그리고 그 전환에 AI를 쓴 이유
마이리얼트립 T&A에서 파트너 성장을 성과로 연결하기 위해 AI와 데이터 구조를 활용한 실험을 소개했습니다. 운영 해석을 자동화하고 파트너가 직접 지표를 보며 행동을 바꾸는 구조를 만들었습니다.
#BigQuery#Looker Studio
83005분
필터 1
Building Event Center: Karrot’s User Event Management Platform
Building Event Center: Karrot’s User Event Management Platform
대규모 사용자 이벤트를 더 일관되고 안전하게 관리하기 위해 Event Center를 구축했습니다. 기존 Git 기반 스키마 관리의 복잡도와 명명 불일치를 UI 기반 플랫폼으로 해결했습니다.
#BigQuery#GCP
34005분
당근의 사용자 행동 로그 관리 플랫폼: 이벤트센터 개발기
당근의 사용자 행동 로그 관리 플랫폼: 이벤트센터 개발기
당근은 사용자 행동 로그가 커지며 코드 기반 스키마 관리의 한계를 겪었습니다. 이벤트센터를 만들어 전사 공통 규칙과 UI 기반 자동화로 로그 관리 효율을 높였습니다.
#BigQuery#GCP
97005분
리더가 먼저 AI를 만졌을 때, 조직이 실제로 움직이기 시작한다
리더가 먼저 AI를 만졌을 때, 조직이 실제로 움직이기 시작한다
리더가 먼저 AI를 업무에 붙여보며 반복 업무와 구조적 한계를 줄인 사례를 다뤘습니다. 데이터 기준을 정리한 뒤 자동화와 AI 초안을 연결해 조직의 질문과 태도를 바꿨습니다.
#BigQuery#Google Sheets
97005분
당근의 GenAI 플랫폼
당근의 GenAI 플랫폼
당근은 GenAI 활용 확산에 맞춰 LLM Router, Prompt Studio, KarrotChat으로 공통 플랫폼을 구축했습니다. 이를 통해 AI API 통합 관리, 빠른 실험과 배포, 사내 Agent 활용을 지원했습니다.
#LLM#MCP
95005분
하나의 데이터, 멀티 엔진: Apache Iceberg로 구축하는 데이터레이크
하나의 데이터, 멀티 엔진: Apache Iceberg로 구축하는 데이터레이크
Redshift 단일 클러스터의 적재 지연과 리소스 경합 문제를 해결하기 위해 Iceberg 기반 데이터레이크를 구축했습니다.\nGCS, BigLake Metastore, Spark, BigQuery를 분리해 멀티 엔진 운영과 벤더 종속 완화를 노렸습니다.
#Apache Iceberg#BigQuery
60005분
Karrot’s Journey to CDC with MongoDB
Karrot’s Journey to CDC with MongoDB
Karrot가 MongoDB 적재 방식의 한계를 해결하기 위해 CDC를 도입한 과정을 공유했습니다. 변경 로그 기반으로 BigQuery 적재를 구성하되, 초기 스냅샷은 별도 도구 활용을 검토했습니다.
#MongoDB#BigQuery
42005분
매번 다 퍼올 필요 없잖아? 당근의 MongoDB CDC 구축기
매번 다 퍼올 필요 없잖아? 당근의 MongoDB CDC 구축기
MongoDB 덤프의 DB 부하와 SLO 문제를 해결하기 위해 CDC를 도입했습니다. Flink CDC와 Spark, 이중 테이블 구조로 적재와 스키마 변경, 정합성 검증을 묶었습니다.
#MongoDB#CDC
162005분
Mapping Karrot’s Data: How We Built Column-Level Lineage
Mapping Karrot’s Data: How We Built Column-Level Lineage
Karrot 데이터팀이 BigQuery SQL 로그를 파싱해 컬럼 단위 데이터 계보를 구축한 과정을 소개했습니다. 테이블 단위 한계를 보완하고 영향 분석과 PII 추적을 정교하게 만든 사례입니다.
#BigQuery#SQL
35005분
당근 데이터 지도를 그리다: 컬럼 레벨 리니지 구축기
당근 데이터 지도를 그리다: 컬럼 레벨 리니지 구축기
BigQuery 쿼리 로그를 SQL 파싱해 컬럼 레벨 리니지를 구축한 사례를 소개했습니다. 테이블·컬럼 의존 관계를 빠르게 추적해 데이터 신뢰성과 운영 효율을 높였습니다.
#SQL#BigQuery
88005분
The Journey to Daangn Pay’s AI-Powered FDS: From Building a Rule Engine to Applying LLMs
The Journey to Daangn Pay’s AI-Powered FDS: From Building a Rule Engine to Applying LLMs
다앙근페이 FDS가 규칙 엔진을 기반으로 이상거래 탐지 체계를 확장한 과정을 소개했습니다. 이후 LLM을 붙여 검토 속도와 판단 일관성을 높이려는 시도를 설명했습니다.
#LLM#AWS
54005분
당근페이 AI Powered FDS로 가는 여정: 룰엔진구축부터 LLM 적용까지
당근페이 AI Powered FDS로 가는 여정: 룰엔진구축부터 LLM 적용까지
당근페이는 FDS에 룰엔진을 먼저 구축해 이상거래를 유연하게 탐지하도록 만들었습니다. 이후 LLM과 RAG를 붙여 거래 맥락까지 반영하는 AI Powered FDS로 확장했습니다.
#LLM#RAG
127005분