고객 사례
Coinbase, ML 워크플로우 간소화로 배포 시간을 수개월에서 수시간 수준으로 단축
Snowflake ML 기능을 통해 Coinbase는 대규모 머신러닝을 구현하고 복잡한 파이프라인을 제거하며 가치 실현 시간을 가속화합니다.
업종
Financial Services위치
San Francisco, CA주요 성과
- 데이터 사이언티스트 워크플로우 개선, 수개월에서 수시간으로 단축: Snowflake ML은 머신러닝 프로세스를 효율적인 워크플로우로 전환하고 Snowflake에서 Databricks와 같은 외부 플랫폼으로 데이터를 전송할 필요를 제거했습니다. 이로써 파이프라인이 단순화되어 데이터 사이언티스트는 피처 엔지니어링, 모델 학습 및 배포를 수개월이 아닌 수시간 내에 수행할 수 있게 됐습니다.
- 생산성 및 거버넌스 향상: Snowflake 기반의 단일 통합 플랫폼에서 모든 작업을 수행함으로써 Coinbase 팀은 훨씬 더 높은 생산성을 달성할 수 있었습니다. 이러한 통합 접근 방식은 보안 및 거버넌스에 대한 우려를 해소하고 데이터 사이언티스트에게 보다 원활하고 체계적으로 관리되는 확장 가능한 워크플로우를 제공합니다.
- 비즈니스 성과 가속화: 개선된 워크플로우는 비즈니스에 더 시의적절하고 실행 가능한 인사이트를 제공합니다. Coinbase는 이제 제품을 개인화하고 고객 유지율을 개선하며 플랫폼에 대한 고객 경험을 한층 더 향상할 수 있게 되었으며, 이는 데이터 사이언티스트와 비즈니스 모두에 이점을 제공합니다.
동영상 스크립트
저는 Tuhin Ghosh입니다. Coinbase의 Platform Product Group에서 데이터 사이언스를 총괄하고 있습니다.
저희 팀은 사용자 온보딩과 결제 시스템, 그리고 블록체인 생태계 운영을 담당하고 있습니다. 또한 악의적 행위자로부터 플랫폼을 보호하는 역할도 맡고 있습니다. 업무 범위가 상당히 넓고 데이터는 그 모든 일에서 핵심적인 역할을 합니다.
Coinbase는 분석 워크로드에 항상 Snowflake를 사용해 왔습니다. 거버넌스와 확장성 측면에서 Snowflake 플랫폼을 매우 높이 평가하고 있습니다. 이제는 이 플랫폼을 기반으로 고도화된 머신러닝까지 수행하고 있습니다.
기존에는 데이터를 다른 시스템으로 옮겨야 했습니다. 대부분 Snowflake에 있는 데이터를 외부로 보내 처리해야 했습니다. Snowflake에서 Databricks로 보내 나머지 파이프라인을 처리해야 했고 그 파이프라인에는 Tecton, Fiddler를 비롯해 다양한 도구들이 뒤섞여 있었습니다. 그래서 데이터 사이언티스트가 머신러닝 모델을 실제로 실행하기까지 번거로운 추가 작업이 필요했습니다.
Snowflake ML을 통해 이제는 피처 엔지니어링을 수행할 수 있습니다. 피처 업데이트, 모델 학습, 모델 배포는 물론 모델 업데이트까지 모두 수행할 수 있습니다. 이 모든 과정을 몇 시간 내에 끝낼 수 있습니다.
모든 작업을 한곳에서 원활하게 처리할 수 있어 보안이나 거버넌스를 따로 신경 쓸 필요도 없습니다. 하나의 플랫폼에서 모든 것이 이루어지면서 생산성이 크게 향상됐습니다.
그래서 모두에게 이점이 있습니다. 데이터 사이언티스트 입장에서는 보다 매끄럽고 거버넌스가 적용된 확장 가능한 워크플로우를 갖게 됐습니다.
또 간단한 라이브러리에 대한 액세스와 SQL 기반으로 예측 같은 작업을 수행할 수 있습니다. 예전에는 몇 달씩 걸리던 일이 이제는 며칠, 길어도 몇 시간이면 충분합니다.
비즈니스 측면에서는 더 시의적절하고 실행 가능한 인사이트를 확보해 제품 개인화를 강화하고 고객 유지율을 높이며 Coinbase 플랫폼의 전반적인 고객 경험을 개선할 수 있게 됐습니다.
