약국 환경을 개인화하여 성과 향상

2018년에 CVS Health는 개인화에 주력하고자 했지만, 미국 전역에 10,000개의 매장을 두고 있고 예측 불가능한 행동이 수없이 단편화되어 있어 개인화가 생각보다 어려웠습니다.

CVS Health의 선임 분석 자문 Raghu Nakka는 "저희 고객은 일반적인 식품 매장 고객이 아닙니다. 우유 사는 걸 잊어서 편의점을 방문할 수도 있고, 처방전을 받고 사탕을 좀 사려고 CVS와 같은 편의점에 들를 수도 있기 때문에 행동을 예측하기가 매우 어렵습니다. 그래서 행동의 예측 변수는 예측이 불가능하고, 우리 데이터는 차원수가 많아서 어떤 머신 러닝 모델에서든 오버피팅 문제를 일으킬 수밖에 없습니다."라고 설명했습니다.

CVS Health는 하둡에서 개인화 여정을 시작했습니다. 환경을 구축하고 몇 개월 내로 첫 개인화 캠페인을 고객의 1%에 적용했지만, 처리 성능과 물리적 데이터 스토리지의 한계로 인해 1%에서 5%로 확장하는 과정에서 장애물에 부딪혔습니다. CVS Health 엔터프라이즈 분석 부문 이사인 Michelle은 "추가로 하드웨어를 구축하는 데 현실적인 제약이 있어서 원하는 수준까지 확장이 어려웠습니다."라고 말했습니다.

원하는 만큼 개인화하려면 더욱 안정적인 플랫폼이 필요했기에 다시 한번 목표를 설정하고 옵션을 찾아보기 시작했습니다. Raghu는 "고객이 문자, 전화 통합, 매장 내 혜택 등, 어떤 채널에서 더욱 잘 소통하는지 알아내고 싶었기 때문에 프로세스 최적화가 매우 중요한 목표였습니다. 그리고 타이밍도 그만큼 중요했죠. 처방전을 갱신하려는 사람이 있다고 생각해 보세요. 이미 처방전을 다시 받은 고객 말고, 그 고객에게 적절한 시점에 혜택을 발송하는 타이밍이 얼마나 중요하겠어요."라고 덧붙였습니다.

CVS Health는 Azure Databricks를 사용하여 클라우드 기반 환경으로 전환하기로 했습니다. 그 덕분에 지원 가능한 사용 사례를 확장하고, 결과적으로는 약국 고객에게 개인화된 혜택을 제공할 만큼 규모도 확장할 수 있었습니다.

Michelle은 "Azure Databricks를 사용하고 나서 고유한 비즈니스 및 다양한 비즈니스 사용 사례에 맞게 클러스터를 확장할 수 있는 유연성을 얻었습니다. 이제 물리적 하드웨어의 제약도 사라졌습니다."라고 말했습니다.

또한, Databricks는 팀원들이 절실히 원하든 민첩성도 제공했습니다. 따라서 실험 프레임워크를 구축하여 테스트하고, 다양한 환경에서 신속하게 이터레이션할 수 있으며, 머신 러닝 활용 능력도 확장되었습니다. 자산을 한 곳으로 모으고 인터랙티브 노트북을 사용하면서 데이터 액세스 제한, 리소스를 많이 사용하는 파이프라인 등과 같이 데이터 소스 분산으로 인해 발생하는 문제가 더 이상 생겨나지 않았습니다.

새로운 협업 환경에서는 모든 팀원이 함께 협업할 수 있습니다. 데이터 엔지니어링은 데이터 파이프라인을 더욱 빠르게 구축하고, 데이터 사이언티스트는 ML 모델을 더욱 효율적으로 훈련하며, 데이터 애널리스트는 재무 및 운영 지표를 가시화하여 Tableau를 통한 내부 의사 결정을 개선합니다.

CVS Health는 Databricks를 사용하고 나서 자신의 고객이 누구이고, 그 시점에 무엇이 필요한지 더욱 잘 이해하게 되었습니다. 특정 제품을 구매할 확률, 환자에게 치료제를 보충하거나 수령하라는 알림을 보내는 시점을 측정할 수 있을 뿐만 아니라, 환자가 경험할 만한 잠재적인 부작용까지 찾아냅니다.

Raghu는 "그게 바로 우리 전략의 핵심입니다. 고객의 행동을 예측한 다음, 더욱 고객과 관련이 깊고 개인적인 혜택을 제공합니다."라고 말했습니다.

CVS Health는 개인화를 향상하고 나서 복약 준수율이 1.6% 개선되었습니다. 즉, 제시간에 맞춰 지침대로 약을 복용하는 환자가 늘고 있다는 것입니다.

CVS Health는 Databricks를 데이터 분석의 기반으로 삼아, 장기 고객 건강과 행복을 증진하는 데 초점을 맞춘 실천 가능한 데이터 인사이트와 혁신적인 모델을 통해 환자 중심 의료 서비스를 발전시킵니다.