맥도날드 - ML Ops로 더 빠르게 가치를 창출하기

 (원문: 링크)

Image Source: National Today

1.     도전 과제

• 규모와 복잡성: 맥도날드는 전 세계 119개 시장에서 4,000명 이상의 사용자와 39,000개 이상의 레스토랑을 운영하기 때문에 머신러닝 운영 환경이 방대하고 복잡합니다.
• 하이브리드 클라우드 환경: 다양한 클라우드 옵션을 염두에 두면서 데이터 사이언스 솔루션을 관리하기 위해 유연성을 위한 오픈 소스 기술을 채택해야 했습니다.
• 가치 실현 시간 (time-to-value) 압박: 매장 예측 (store forecasting), 자동화, 추천 시스템을 포함한 데이터 분석 기능을 신속하게 개발하는 동시에 신속한 실험, 가치 증명, 프로덕션 배포를 보장해야 했습니다.

 

2.     솔루션

• 최고의 선택, 데이터브릭스: 맥도날드는 간편한 배포 모델, 언어 유연성(Python, Spark, SQL), Delta Lake 및 MLflow와 같은 통합 기능으로 인해 데이터 사이언스 및 ML 운영을 위한 기본 플랫폼으로 Databricks를 선택했습니다.
• ML 운영 프레임워크: 2020년에 Delta Lake를 사용한 데이터 버전 관리, Git 및 리포지토리를 사용한 버전 제어, MLflow를 사용한 모델 실험, MLflow 레지스트리를 사용한 스테이징에서 프로덕션에 이르는 모델 수명 주기 관리에 중점을 둔 포괄적인 ML 운영 프레임워크를 구현했습니다.
• 기하급수적인 성장 준비: 이 솔루션을 통해 5개국에서 9개월 이내에 30개 이상의 모델을 배포할 수 있었으며, AWS에서 매월 약 13만 개의 데이터브릭스 유닛과 2만 7천 대의 컴퓨터를 활용하여 2021년 이후 기하급수적으로 증가할 것으로 예상되는 성장에 대비할 수 있었습니다.

 

3.     영향/결과

• 15개 이상의 사용 사례 지원: 맥도날드는 9개월 만에 5개 시장에서 15개 이상의 사용 사례에 대한 ML 모델을 배포하여 빠른 프로덕션 규모를 달성했으며, ML 운영 프레임워크의 효율성을 입증했습니다.
• 기하급수적인 성장 기대: 이 플랫폼은 매월 130,000개의 데이터브릭스 유닛과 27,000대의 컴퓨터로 확장성을 입증하여 다음해 4~5배로 증가할 것으로 예상되는 데이터를 처리할 수 있도록 준비했습니다.
• 지속적인 개선과 학습: 맥도날드는 ML 운영을 지속적인 개선의 여정으로 인식하면서, 지속적인 성공을 위해 민첩성을 유지하고, 올바른 기술을 파악하고, 강력한 채용 계획을 세우고, 빠르게 진화하는 플랫폼 기능을 따라잡는 것이 중요하다는 점을 강조했습니다.