AWS 기반 분석 파이프라인을 활용하여 데이터 중심의 의사 결정을 지원하는 Eko

인도의 수많은 긱 이코노미 근로자는 은행 계좌를 이용하기가 어렵습니다. 이러한 근로자는 일반적으로 현금으로 급여를 받고 근무 시간이 불규칙하며 신용 기록이 거의 또는 전혀 없습니다. Eko는 저소득 및 중산층 근로자가 소득을 디지털화하도록 지원하여 은행 및 금융 서비스를 민주화합니다.

Eko는 13년 동안 7천만 명 이상의 고객에게 서비스를 제공했으며, 현금 수금 및 예금 센터 역할을 하는 150만 개의 중소 지점으로 구성된 가맹점 네트워크를 보유하고 있습니다. 지금까지 이 회사는 주로 결제와 송금을 지원하는 금융 서비스 및 솔루션을 제공했습니다. 하지만 2018년에 Eko의 창립자들은 대출 및 보험과 같은 새로운 업종에서 혁신을 이루는 방향으로 비전을 발전시켰으며 여기에는 고객 데이터를 활용하여 더 나은 개인화를 제공하는 것이 포함됩니다.

2019년에 회사는 3개월 안에 데이터 파이프라인을 개발할 데이터 및 분석 팀을 구성하기 시작했습니다. 당시 이 팀이 직면했던 가장 큰 과제는 단일 데이터베이스에만 800개 이상의 테이블이 포함되어 있었던 Eko 데이터 세트의 복잡성이었습니다. 2개월 이상 지난 데이터를 검색하는 데 10분 이상의 시간이 걸렸습니다. 또한 프로젝트 팀들이 1년 이상 지난 과거 정보를 필요로 할 때마다, IT 팀에 요청을 제출하고 응답을 받기 위해 몇 시간 또는 며칠을 기다려야 했습니다.

데이터 및 분석 팀의 최우선 과제는 시간이 지남에 따라 빠르게 누적되어 여러 레거시 데이터베이스에 분산되어 있는 Eko의 데이터를 통합하는 것이었습니다. 이 회사는 다른 제공업체를 이용하여 클라우드에서 모든 워크로드를 실행하고 있었지만, 분석 플랫폼을 위한 새로운 공급업체를 확보하는 데 적극적이었습니다.

이 팀은 제안 요청서(RFP)를 발행하고, Amazon Web Services(AWS) 셀렉트 컨설팅 파트너인 Oneture Technologies와 협력하기로 결정했습니다. Eko의 데이터 과학 관리자인 Sheekha Verma는 “우리가 받은 거의 모든 제안은 AWS를 기반으로 하는 솔루션이었으며 RFP 프로세스 중에 AWS로부터 받은 지원이 결정적인 요인이 되었습니다. 또한 우리 아이디어에 귀를 기울이는 Oneture의 열린 태도도 높이 평가했습니다. Oneture 팀은 이 과정에서 우리 엔지니어들과 협력하고 엔지니어들을 교육하면서 우리 팀의 일원처럼 일해주었습니다.”라고 설명합니다.

Eko는 Oneture의 도움을 받아 다양한 데이터 소스에 대한 통합된 보기를 제공하는 데이터 레이크를 AWS 클라우드에 구축했습니다. 이 회사는 이제 빅 데이터 처리에 Amazon EMR을 사용하고 분석할 데이터를 준비하고 로드하는 데 AWS Glue를 사용합니다. Amazon Athena는 분석 파이프라인의 핵심으로, Amazon Simple Storage Service(S3)에 저장된 데이터에서 서버리스 쿼리를 실행하는 데 사용됩니다.

현재 Eko는 AWS에서 분석 플랫폼을 실행하여 그 어느 때보다 빠르게 데이터를 검색하고 있습니다. 예를 들어 이 회사는 정기적으로 최종 고객의 분기별 유지율에 대한 쿼리를 실행합니다. 이전에는 이 쿼리를 처리하는 데 20분이 걸렸지만 새 데이터 파이프라인을 사용하면 3.8초밖에 걸리지 않습니다.

회사 전체에서 직원들이 거의 실시간으로 데이터를 이용할 수 있게 되면서 Eko는 일일 현금 흐름을 더 잘 파악할 수 있게 되었습니다. Verma는 “돈이 어디서 어떻게 이동하는지, 그리고 여러 시점에서 얼마나 빠르게 이동하는지에 대한 심층적인 이해는 우리가 놓치고 있던 인사이트였는데, 이제는 언제든지 확인할 수 있습니다.”라고 말합니다.

이전에는 Eko의 각 부서는 데이터에 액세스해야 할 경우 IT 팀에 정식으로 요청을 제출해야 했습니다. 이제는 각 부서별로 맞춤형 대시보드가 만들어졌습니다. Verma는 “정보 수집 프로세스를 탈중앙 집중화하여 엔지니어링 팀 이외의 팀도 원하는 형식의 데이터에 액세스하고 사용할 수 있게 되었습니다.”라고 말합니다.

이를 통해 팀의 역량을 강화하여 의사 결정을 개선하고 생산성을 높일 수 있었습니다. 여러 부서에서 여전히 데이터 팀에 정보 요청을 제출하지만, 엔지니어가 요청 부서의 대시보드 필터를 조정하여 이후에 이러한 요청을 독립적으로 처리할 수 있도록 하는 경우가 많습니다.

고객을 더 잘 이해하기 위해 Eko는 자사 서비스의 소비 패턴에 따라 고객을 여러 그룹으로 나누었습니다. Eko는 다른 인구 통계 및 지리적 요인과 함께, 거래량 및 빈도를 기준으로 세분화함으로써 각 그룹의 구체적인 요구 사항을 더 효과적으로 충족할 수 있었습니다.

2019년 12월에 분석 파이프라인을 구현한 이래 Eko는 포괄적인 수준의 고객 세분화를 실현했습니다. Verma는 “AWS에서 실행되는 플랫폼을 활용해 지속적으로 많은 거래량을 제공하는 고객 집단을 식별하고 이에 따라 마케팅 활동을 집중할 수 있습니다.”라고 말합니다.

분석 프로젝트를 시작하기 전에 Eko는 이미 고객을 유치하고 유지하기 위한 추가적인 방법을 모색하고 있었습니다. 새로운 인사이트를 바탕으로, 현재 이 회사는 신규 고객이 Eko의 서비스를 처음 사용한 후 해당 고객에게 개인적으로 연락하는 로열티 프로그램을 구현하고 있습니다.

이 프로젝트와 기반 고객 이탈 예측 모델은 아직 초기 단계지만, 성공이 임박한 것 같습니다. Verma는 “가장 충성도가 높은 고객 집단의 판매 전환율이 최소 10% 증가할 것으로 예상되며, 이는 수익의 70%를 차지합니다.”라고 말합니다.

고객 활동의 변화를 파악하고 이에 대응할 수 있는 민첩성 덕분에, Eko는 시장 변화와 수요에 신속하게 대응할 수 있었습니다. 일례로 2020년 초, 한 데이터 분석가가 비핵심 제품 중 하나에 대한 수요가 급증하는 것을 감지하자 이 회사는 마케팅 활동의 일부를 조정하고 해당 제품에 대한 수요를 지원할 추가 리소스를 신속하게 배정할 수 있었습니다. Verma는 끝으로 “Eko는 AWS와 Oneture를 사용하여 분석을 통해 고객에게 더 나은 서비스를 제공하기 위한 방법을 지속적으로 혁신하고 있습니다.”라고 덧붙입니다.