오늘날 소비자는 콘텐츠 제공업체에 기대하는 바가 큰 만큼 그 기대를 충족하지 못하면 금세 외면합니다. Showtime은 시청자의 참여와 충성도를 유지하기 위해 데이터를 활용한 콘텐츠 전략을 세우고자 했지만, 기존 시스템의 확장성이 제한적이고 데이터 파이프라인이 비효율적이어서 어려움을 겪 었습니다. Databricks 플랫폼을 통해 그들은 이제 이탈률을 낮추면서 참여도를 높이는 것을 목표로 프로그래밍 및 콘텐츠에 정보를 제공하는 소비자 여정에 대한 실행 가능한 보기를 갖게 되었습니다.
기존 시스템으로 인해 새로운 기능의 출시 기간 연장
Showtime의 데이터 전략 팀은 조직 전체적으로 데이터와 분석을 민주화하는 데 초점을 맞추었습니다. 이들은 방대한 가입자 데이터(예: 시청한 방송, 시간대, 사용한 기기, 가입 기록)를 수집하고, 머신 러닝을 활용하여 가입자의 행동을 예측해 방송 일정과 프로그래밍을 개선합니다. 안타깝게도 기존 기술 아키텍처가 가치가 높은 데이터 사이언스 활동을 하지 못하게 발목을 잡았습니다.
인프라 복잡성: 유연하지만 지속적인 유지관리가 필요하지 않은 인프라를 찾아야 합니다.
비효율적인 머신 러닝 파이프라인: 머신 러닝 모델을 개발, 훈련 및 배포하기 위한 프로세스는 수작업이 많고 오류가 많아서 새로운 모델을 출시하는 데 시간이 오래 걸렸습니다.
ML을 활용한 지능적인 콘텐츠 프로그래밍
Databricks 플랫폼은 Showtime에 데이터 엔지니어링 을 크게 단순화하고 데이터 과학 팀의 생산성을 향상시킨 완전 관리형 서비스를 제공합니다. 이제 풍부한 데이터 풀의 인사이트를 활용해 시청자 참여를 높이고 이탈을 낮출 기회를 발견할 수 있습니다.
자동 인프라: 완전 관리형 서버리스 클라우드 인프라로 속도, 비용 관리, 탄력성을 지원합니다.
인터랙티브 업무 공간: 모든 팀이 간편하고 매끄럽게 협업할 수 있으며, 여러 가지 프로그래밍 언어를 지원하여 데이터 사이언스의 생산성을 가속화합니다.
간소화된 ML 수명 주기: MLflow를 사용하여 모든 ML 수명 주기를 간소화할 수 있습니다.
빠른 데이터 분석, 데이터 사이언스 혁신
Databricks는 Showtime이 전사적으로 데이터 및 머신 러닝을 민주화하여, 더욱 데이터 기반 기업 문화를 조성하는 데 도움을 주었습니다.
파이프라인 속도 6배 향상: 24시간 이상 걸리던 데이터 파이프라인 실행이 4시간 이내로 단축되면서 더욱 신속한 결정이 가능해졌습니다.
인프라 복잡성 제거: 자동 클러스터 관리 기능을 탑재한 완전 관리형 플랫폼으로 데이터 사이언스 팀에서는 하드웨어 구성, 클러스터 프로비저닝, 디버깅 등의 작업 대신 머신 러닝에 집중할 수 있게 되었습니다.
가입자 경험 혁신: 데이터 사이언스 협업과 생산성을 개선하여, 새로운 모델과 기능을 출시하는 기간을 단축했습니다. 실험 속도를 높여 가입자에게도 더욱 향상되고 개인화된 경험을 제공합니다.
