Data Product (3) 데이터로 실제 운영을 효율화할 수 있을까?

기존 세차 오퍼레이션은 차량 오염 여부만 보고 세차를 요청해, 비나 눈이 와도 불필요한 요청이 발생할 수 있었다. 강수 예보를 반영하면 비용을 줄이면서도 운영 효율을 높일 수 있다고 보고, 날씨와 차량 오염의 관계를 정량적으로 검증했다.

날씨 데이터는 기상청 단기 예보를 중심으로 다시 정리했다. 외부 데이터 적재 실패가 잦았던 이유는 필요한 데이터만 단편적으로 쌓아 체계가 부족했기 때문이라 판단했고, 데이터 사용자와 논의해 활용 목적에 맞는 데이터셋으로 재구성한 뒤 데이터 엔지니어링팀이 적재 방식을 안정화했다.

분석에서는 행정구역 기준이 아니라 전국 종관기상관측소(ASOS) 와 차량 위치를 연결하는 방식을 택했다. 실제 운영에 맞는 기준을 만들기 위해 가장 가까운 관측소를 기준으로 차량을 매칭하고, 32km 반경 안에서 날씨와 차를 연결해 누락 구간을 줄였다.

차량 오염과의 상관관계를 보니, 비와 눈은 다르게 해석해야 했다. 강우는 시간당 3mm 이상, 강설은 시간당 1cm 이상인 경우를 기준으로, 해당 시점 전후 ±2시간 안에 있던 차량을 ‘비를 맞았다’ 또는 ‘눈을 맞았다’로 정의했다.

결과적으로 눈을 맞은 차량은 오염될 가능성이 높아 기존처럼 세차 요청을 유지하는 것이 타당했다. 반면 강우가 일정 수준 이상일 때 외부 존의 차량은 오히려 외관이 자연적으로 세척되는 경향이 보여, 해당 조건에서는 세차 요청을 보류하는 쪽이 더 효율적이라는 결론을 얻었다.

운영 적용은 예보 데이터를 기준으로 다시 최적화했다. 새벽 5시에 업데이트된 단기 예보를 바탕으로 당일 6시~23시의 시간별 강수량과 강수 확률을 적용했고, 시간당 강수량과 확률의 기준값을 조정하며 실제 예측과 운영 효과의 균형점을 찾았다.

시뮬레이션에서는 비가 오는 동안 세차 요청을 미루고, 날씨가 개면 기발행 요청을 처리하는 방식이 세차 요청 건수를 줄이면서도 특정 시점에 요청이 몰리는 문제를 만들지 않는다는 점을 확인했다. 이후 이 정책은 1년 이상 안정적으로 운영됐고, 운영 효율과 비용 절감 효과도 확인됐다.

핵심은 직관적인 판단을 그대로 쓰는 것이 아니라, 강수량·강수확률·지역 차이·시간대를 함께 해석할 수 있는 기준으로 바꿔야 실제 운영에 쓸 수 있다는 점이다. 데이터는 그 자체로 답을 주기보다, 맥락을 반영한 규칙으로 정리될 때 비로소 운영 의사결정을 바꾸는 도구가 된다.