다이닝브랜즈그룹, SageMaker Canvas로 데이터 사이언티스트 없이 수요 예측 자동화

• 데이터 사이언티스트 없이 IT팀 실무자가 Amazon SageMaker Canvas로 ML 모델을 구축하고 운영함
• 신선계육 주요 3종 예측 정확도 90% 달성, 데이터 취합 및 예측 작업 시간 약 30분으로 단축
• Amazon EventBridge Scheduler와 Lambda를 활용해 정기 예측 및 발주 시스템(SRM) 연동 자동화
• 모델 개발과 정기 운영 파이프라인을 분리해 버전 관리와 장애 대응 효율성 확보

기술 아키텍처 및 구성

• Amazon RDS, S3, ECR, Lambda, EventBridge Scheduler 기반 자동화 파이프라인 구성
• 예측 결과 전달 경로 분리: 발주용 SRM 전달과 분석용 S3 저장 경로 구분
• 예측 실행 시점에 한해 SageMaker 실시간 추론 엔드포인트를 배포 및 삭제해 비용 절감

모델링 및 데이터 전략

• 평시, 마케팅, 신메뉴 상황에 따라 입력 변수가 다른 세 가지 수치 예측 모델 운영
• 프로모션 및 매장 이벤트 정보를 사내 시스템에 정형 데이터로 등록해 학습 데이터 품질 향상
• RMSE와 MAE 지표를 중심으로 모델 성능 비교 및 Column impact로 변수 중요도 분석