MLOps 도입 가이드

167

9장 소비자신용리스크관리

이 책의 마지막

3

개 장에서는

MLOps

가 실제로 어떻게 구현되는지에 대한 세 가지 예시를 살

펴보겠다. 각 예시는 머신러닝 관점에서 근본적으로 다른 사례에 속하며,

MLOps

방법론이 비

즈니스 및 머신러닝 모델 생애주기에 따라 어떻게 달라지는지 설명하기 위해 선정하였다.

9.1

배경: 비즈니스 활용 사례

소비자가 대출을 요청하면 여신 기관은 대출 여부를 결정해야 한다. 경우에 따라 절차 중 자동

화된 부분이 다를 수 있다. 하지만 어떤 경우이든 계획대로 대출금이 상환될지 여부를 추정한

확률에서 도출한 점수를 바탕으로 대출 가능 여부 결과를 소비자에게 전달할 것이다.

점수는 프로세스의 여러 단계에서 일상적으로 사용된다.

●

사전심사(

prescreen

)단계에서적은수의특성만으로계산한점수를활용하여,기관에서일부대출신청을

빠르게파기할수있다.

●

서명단계에서는필요한모든정보를사용하여점수를계산해서,결정을내리기위한보다정확한근거를얻

는다.

●

서명단계이후,점수를포트폴리오내에서대출과관련된리스크를평가할때사용할수있다.

이러한 확률을 계산하기 위해 수십 년 전부터 다양한 분석 방법을 활용해왔다. 예를 들어,

소비자 신용 리스크 관리

9

CHAPTER