예시 답변 1
약 90초
사용 빈도와 품질 점수 기반 Retention 설계
Feature Retention Policy를 설계할 때 사용 빈도와 Feature 품질 점수를 두 축으로 삼았습니다. 등록된 Feature가 늘어날수록 유지비용이 증가하고 탐색이 어려워지는 문제가 있었기 때문입니다. 저는 마지막 사용 시점, 사용 모델 수, 데이터 신선도 오류율 세 지표를 조합해 Feature별 건강 점수(Health Score)를 산출했습니다. 점수가 기준 이하인 Feature는 30일 사전 알림 후 Deprecated 상태로 전환하고, 오너 팀이 이의 제기하지 않으면 자동 삭제하는 정책을 적용했습니다. 운영 6개월 후 전체 Feature의 23%가 정리됐고, 신규 Feature 탐색 시간이 크게 단축됐습니다. Retention Policy는 Feature Store의 장기 건강을 유지하는 운영 체계입니다.
이 결의 특징
마지막 사용 시점·사용 모델 수·데이터 신선도 오류율 세 지표를 조합해 Health Score를 산출하고, 30일 사전 알림·이의 제기 없으면 자동 삭제하는 정책 흐름이 눈에 띕니다. 운영 6개월 후 23% 정리라는 결과와 함께, 정책 설계가 실제 운영 데이터를 통해 검증된 흔적이 있습니다.
면접관이 다음에 할 행동
Health Score 산출 방식을 언급한 순간 면접관이 '세 지표의 가중치는 어떻게 정했나' 또는 '오너 팀의 반발은 없었나'를 이어 묻는 흐름이 만들어지는 경향이 있습니다. 정책 설계의 근거와 조직 조율 경험을 동시에 탐색하는 자리에서 두 방향 모두 진입점이 열린 구조입니다.