뱅크샐러드 데이터 조직, 플래닝샵 통해 ML 분류 정확도 96% 달성 및 OKR 문화 확산

뱅크샐러드 데이터 파운데이션 조직이 전사 목표 지표의 투명성을 높이고 데이터 기반 의사결정 문화를 정착시키기 위해 '플래닝샵'을 진행했다. 이 행사는 팀별 회고와 다음 분기 목표 설정을 위해 하루 종일 외부 장소에서 집중적으로 운영되었으며, 리더십의 전폭적인 지원 하에 실무 담당자의 오너십을 기반으로 한 목표 정의가 시도되었다.

금융 데이터 R&D 성과

금융데이터 R&D팀은 가계부 카드 지출 내역의 카테고리 분류 정확도 향상을 목표로 삼았다. 기존 Rule-based 모델에서 Machine learning-based 모델로 전환한 결과, 분류 정확도가 기존 70% 수준에서 **96%**로 대폭 상승했다. 이러한 성과는 계좌 이체 내역에도 ML 모델을 적용할 수 있다는 기술적 자신감을 확보하는 계기가 되었다.

실험 플랫폼 및 조직 문화 개선

실험플랫폼팀은 사내 A/B 테스팅 툴의 활성화를 목표로 했으며, 분기 초 대비 평균 쿼리 조회수가 81% 증가하고 툴 사용자가 80% 늘었다. 이는 데이터 드리븐 문화가 조직 내로 확산되고 있음을 보여주는 지표로 평가받았다. 또한 데이터 엔지니어링팀과 기획팀은 정성적 목표 위주에서 정량적 목표 중심으로 전환하기 위한 가이드라인을 수립했다.

전사 공유 및 가이드 배포

플래닝샵 이후 도출된 액션플랜과 OKR 설정 가이드, 회고 양식은 전사 공지사항을 통해 모든 구성원에게 공유되었다. 특히 데이터에 익숙하지 않은 인원을 위해 주간 및 매스프린트 단위 지표 모니터링 방법을 안내함으로써, 데이터 기반 목표 관리가 전 조직으로 확장될 수 있는 기반을 마련했다.