아르헨티나금융·보험2020 – 진행 중

방코 이포테카리오

맞춤형 상품 제안을 위한 머신러닝 모델

방코 이포테카리오는 머신러닝 모델을 도입한 뒤 교차판매가 90% 늘고 고객 확보 비용이 35% 줄었다고 밝혔다

문제

방코 이포테카리오는 경직된 기존 데이터 웨어하우스에서 분석 업무를 처리했다. 이 때문에 맞춤형 제안을 만들기도, 업셀과 교차판매에 머신러닝을 쓰기도 어려웠다.

은행은 애저 데이터브릭스(Azure Databricks) 기반의 클라우드 데이터 레이크로 옮기고, 머신러닝 수명주기 관리에 MLflow를 썼다. 첫 모델은 3개월 안에 배포했고 두 번째 모델은 약 2주 뒤에 배포했다. 해당 페이지는 모델의 종류를 밝히지 않았다.

90%신상품 교차판매 증가, 데이터브릭스 기준공급사 사례[1]

35%고객 확보 비용 감소, 데이터브릭스 기준공급사 사례[1]

은행은 머신러닝 작업을 교차판매와 고객 확보 비용이라는 두 가지 영업 지표에 연결했다. 해당 페이지는 두 지표를 어떻게 측정했는지 밝히지 않았다.

[1]Databricks2020년 7월 3일

데이터브릭스는 아르헨티나의 방코 이포테카리오가 기존 데이터 웨어하우스에서 클라우드 데이터 레이크로 옮기고 첫 머신러닝 모델 두 개를 배포한 과정을 설명했다. 신상품 교차판매가 90% 늘고 고객 확보 비용이 35% 줄었다고 밝혔다.

자세한 내용은 원문에서 확인하실 수 있습니다.

등록일 2026년 11월 4일 · 수정일 2026년 11월 4일