누구나 실험할 수 있도록 — 한국 비즈니스 실험 심포지엄 발표자료 공유
대규모 검색 서비스의 셀프서브 실험 체계와 실무 적용 사례를 공유했습니다. 실험 문화 정착을 위해 플랫폼과 교육을 함께 운영한 내용을 담았습니다.


대규모 검색 서비스의 셀프서브 실험 체계와 실무 적용 사례를 공유했습니다. 실험 문화 정착을 위해 플랫폼과 교육을 함께 운영한 내용을 담았습니다.

대규모 검색 서비스에서 셀프서브 실험 체계를 정착시킨 사례를 공유했습니다. 플랫폼과 교육을 함께 설계해 실험 문화를 확산한 과정도 소개했습니다.

생성형 검색(RAG) 평가의 최근 트렌드와 주요 플랫폼, 지표 변화를 정리했습니다. LC와 RAG의 비교 결과를 통해 질문 유형별 적합한 접근도 살펴봤습니다.

GPT 시대에는 데이터 수집부터 리포팅까지 분석 전 과정이 AI 중심으로 재편될 가능성을 짚었습니다. 지금부터 풍부한 로그와 세션 데이터를 준비하는 조직이 향후 경쟁 우위를 가질 수 있다고 보았습니다.

생성형 검색이 서비스로 자리 잡기 위해 필요한 전환 전략을 설명했습니다.\n초기 강점 시나리오를 선정하고 리텐션과 품질을 보며 점진적으로 확장해야 합니다.

검색 품질 평가는 질의와 결과 유형에 따라 기준이 달라져 단일 지표로 다루기 어렵습니다. 사용자 로그와 만족도 레이블을 결합한 머신러닝 지표로 이를 해결했습니다.

사내 데이터 분석 플랫폼 QIP를 처음부터 개발한 협업 프로세스를 PM 관점에서 정리했습니다. 요구사항 수렴부터 프로토타입, QA, 교육, 운영 정립까지의 흐름과 시행착오를 소개했습니다.

생성형 AI가 데이터 사이언스의 반복 분석과 리포팅을 빠르게 자동화할 가능성을 정리했습니다. 이에 맞춰 조직과 개인이 도메인 이해와 문제 해결 역량을 강화해야 한다고 보았습니다.

ChatGPT가 바꾸는 검색의 방향과 한계를 정리한 글입니다. 대화형 검색의 장점과 평가 방식, 하이브리드 모델의 필요성을 함께 살펴봅니다.

DnA 팀의 시니어 채용 프로세스와 Job Talk 도입 배경을 소개했습니다. 일반 면접의 한계를 보완하고 후보자의 깊이와 성장성을 함께 평가했습니다.
레고를 플랫폼의 비유로 삼아 데이터·분석 플랫폼의 핵심 요건을 정리했습니다. 고품질 데이터, 재사용 가능한 방법론, 풍부한 가이드와 확장 생태계의 중요성을 강조했습니다.

조만간 첫 돌을 맞이하는 Data&Analytics 팀에서는 플랫폼 및 분석 방법론 개선을 위한 다양한 노력을 기울이고 있습니다. 이미 실무에 적용된 것도 있고, 아직 시
