머신러닝 또는 예측 분석을 통해 해결한 문제에 대해 이야기해 주세요.

헬스케어 쪽 분류 모델만 해왔는데 물류 팀에서 배송 지연 예측 과제를 맡게 됐어요. 회귀 문제인지 분류 문제인지 처음엔 정의가 안 됐습니다. 지연 '시간'을 예측할지, 지연 '여부'를 예측할지부터 결정해야 했어요. 도메인이 바뀌자 문제 유형 설정 자체를 다시 해야 했습니다.

운영팀과 논의해서 '2시간 이상 지연 여부'를 이진 분류로 정의했어요. 기존 헬스케어 모델의 Recall 튜닝 경험을 그대로 활용해서, 물류팀이 '놓치면 안 되는 케이스'를 기준으로 Recall 목표를 설정하게 도왔습니다. 도메인이 달라도 문제 구조가 같으면 접근법을 이식할 수 있었어요.

이 경험으로 예측 분석에서 도메인이 바뀌면 문제 정의부터 다시 시작해야 하고, 기존 접근의 원리는 이식 가능하다는 원칙이 생겼어요. 알고리즘이 아니라 문제 구조 이해가 도메인 전환의 핵심이라는 교훈입니다.