대한민국전문 서비스2025 – 진행 중SK쉴더스
보안 고객을 위한 해지 예측 및 예측 관제 모델
SK쉴더스는 해지 예측 모델의 정확도를 70% 미만에서 90% 이상으로 높이고 불필요한 출동을 2% 줄였다
문제
고객이 100만 명이 넘는 국내 보안 기업 SK쉴더스는 사업 부문별로 데이터를 따로 관리했고 품질도 낮았다. 기존 모델은 해지할 고객을 찾아내거나 실제 보안 경보와 오경보를 가려내기에 정확도가 부족했다.
접근 방식
회사는 데이터브릭스에서 통합 데이터 분석 플랫폼을 6개월 만에 구축했다. 이 플랫폼에서 해지 위험 고객을 골라 사전 연락하게 하는 해지 방어 스코어링 모델을 만들었다. 예측 관제 모델은 비정상 보안 신호를 찾아내 출동 판단을 돕는다. 모델 실험은 MLflow로 관리하며, 고객 상담용 생성형 AI 안내 기능도 더했다.
주요 수치
90% 이상머신러닝 모델 정확도(기존 70% 미만), 데이터브릭스 기준
2%예측 관제 모델로 줄어든 불필요한 출동, 데이터브릭스 기준
시사점
데이터 품질 개선이 먼저였고 모델 성능 향상이 뒤따랐다. 회사는 출동 비용의 소폭 절감을 밝혔지만 해지 예측 모델이 해지에 미친 영향은 밝히지 않았다.
분류
- 규모
- 대기업
- 산업
- 전문 서비스
- 혁신 유형
- 프로세스 혁신
- AI 기술
- 예측·분석 ML
- 도입 방식
- 플랫폼·범용 도구 활용
- 근거
- 공급사 사례
출처
출처 요약
[1]Databricks2025년 7월 29일
데이터브릭스는 SK쉴더스가 6개월 만에 데이터 플랫폼을 구축해 해지 예측 모델과 출동용 예측 관제 모델에 활용했다고 보도했다. 모델 정확도가 70% 미만에서 90% 이상으로 올랐고 불필요한 출동이 2% 줄었다고 밝혔다.
자세한 내용은 원문에서 확인하실 수 있습니다.
등록일 2026년 11월 4일 · 수정일 2026년 11월 4일
