그동안 데이터 분석 실무를 해오면서 선호하지 않는 업무 중 하나가 추천 시스템이었다.

 

그냥 느낌적인 느낌으로 추천 시스템이 나와 잘 맞지 않기도 했고, 추천 시스템을 연구하고 개발하면서 성능을 개선한다고 해도, 비즈니스에 도움이 되는지 확신할 수 없었기 때문이다. 일했던 곳의 핵심 솔루션이 아니었던 것도 한 몫 했던 것 같다. 그래서 스터디에 참여하거나 대략적인 내용은 파악했지만, 추천 시스템에 열중하진 않았다.

 

이 책을 읽으며 이 분들도 나와 같지 않을까? 그런 생각을 했다. 

 

추천 시스템을 연구하고 실무를 하시고 책까지 내신 분들에게 무슨 말이냐 할 수 있겠지만, 이 책의 저자들이 1 ~ 3장을 '추천' 시스템 코드가 아닌 전반적인 추천 '시스템' 에 대해 설명하는 걸 보고 그런 생각을 했다.

 

추천 시스템은 비즈니스 시스템을 구성하는 요소들 중 하나일 뿐이다. 개발자 입장에서는 당연히 최신 알고리즘과 더 좋은 컴퓨팅 파워를 사용해서 모델 성능을 개선하는게 목표이겠지만, 비즈니스 전략 차원에서 바라보면 그건 전술 차원에도 못 미칠 수도 있다. 

 

'추천'보다는 '시스템'에 집중해야 하는 이유다.

 

우선 서비스가 탄탄하고 데이터가 탄탄해야 추천을 하던지 말던지 할게 아닌가.

 

이 책의 저자들도 그래서 처음부터 협업 필터링이 뭔지 컨텐츠 기반 필터링이 뭔지 알고리즘부터 설명하는 게 아니라 전반적인 큰 그림을 그려주는 데 세 장에 걸쳐 서술한다. 그리고 추천시스템을 통해 만들고자 하는 비즈니스 목표가 구체적이고 명확한지 살펴보고, 추천 시스템을 만드는데 필요한 로그 시스템이나 UI/UX를 점검하고, 사용자 행동 데이터를 분석하라고 조언한다. 

 

마치 기본적인 수학 개념을 익히지 않고 다항함수 미적분의 공식만 깔짝 익혀서는 수학실력을 제대로 쌓을 수 없듯, 기본적인 제품의 체력도 갖추지 않은 채 추천 시스템이라는 기능만 붙여서는 성과를...