시리즈: 사이공의 확률: 2편Business Decision Science
사이공의 확률: 부동산 분양에서 직관과 데이터가 충돌한 날
호치민시 초고층 콘도 분양 시장. 직감파 에이스 영업맨과 데이터 기반 신입의 대결. 동남아 부동산 판매 경쟁에서 EXAWin 베이지안 엔진이 어떻게 승리의 도구가 되는지를 소설 형식으로 풀어낸다. 제1부: 폭풍 전야 — 사이공의 두 영업맨.
- Bayesian
- 소설
- 부동산영업
Skip to article library
Field Library
All Articles
Evidence, methods, and operating insight for decisions that must work in the field.
23Published articles
All Articles
Page 2 of 323 articles in the current library
시리즈: 사이공의 확률: 3편Business Decision Science
사이공의 확률: 오래된 직관을 최신 증거로 다시 읽는 부동산 영업
호치민시 480세대 콘도 분양 전쟁의 결말. 판 사장의 계약, 투안의 각성, 그리고 박준혁의 EXAWin이 이끈 역전극. 직감과 데이터의 대결이 마침내 결론을 맺는다.
- Bayesian
- 소설
- 부동산영업
Bayesian
납기에서 거꾸로 공장을 설계하다: 동적 버퍼와 유한능력 스케줄링
이 글은 EXA의 베이지안 알고리즘과 생산스케쥴링 엔진이라는 첨단 시스템을 통해 고질적인 제조 현장의 혼란을 해결하는 과정을 묘사한 서사입니다. 과거의 무분별한 밀어내기식 생산 방식에서 벗어나, 데이터 기반의 시뮬레이션과 역산 스케줄링을 도입하여 공정의 병목 현상을 정밀하게 제어합니다. 시스템은 실시간 데이터 학습을 통해 동적 버퍼를 설정하고, 단순 가동률보다는 납기준수를 위한 병목 공정 능력을 기반으로 스케쥴링을 최적화하는 방향으로 우선순위를 재조정합니다. 결과적으로 불필요한 재공품을 억제하고 여유 능력을 확보함으로써, 공장은 물리적인 가동 시간을 줄이고도 오히려 수익성과 납기 적중률이 상승하는 혁신적인 변화를 맞이합니다. 이는 인간의 직관과 차가운 데이터 연산이 결합하여 실현한 수요 견인형(Pull) 생산 체계의 완성형을 보여줍니다.
- Bayesian
- 생산스케쥴링
시리즈: ExaWin Auto-Tuner: 1편Business Decision Science
EXAWin Auto-Tuner: 데이터가 영업 엔진을 스스로 조율하게 된 날
EXA 베이지안 엔진은 수주 확률을 계산해 주었지만, 그 정밀도는 사람이 설정한 초기 파라미터에 달려 있었다. 100개의 과거 딜 데이터가 쌓였을 때, 엔진은 스스로 진화할 준비를 마쳤다. Grid Search, MCMC 앙상블 샘플링, 교차검증 — 세 개의 수학적 도구가 협업하여 최적의 파라미터를 찾아가는 과정을 소설로 그립니다.
- Bayesian
- Auto-Tuner
- Grid Search
시리즈: ExaWin Auto-Tuner: 2편Business Theory
EXAWin Auto-Tuner: Grid Search와 Youden's J로 최적 경계 찾기
3,240개의 파라미터 조합 중 어떻게 '최적'을 찾는가? Grid Search가 전수 탐색하고, Youden's J 지수가 민감도와 특이도의 균형점을 찾는 수학적 원리를 비즈니스 맥락과 함께 풀어낸다. 영업 단계 가중치(T)와 시그널 민감도(k)를 데이터가 스스로 조율하는 Auto-Tuner의 첫 번째 기둥.
- Bayesian
- Auto-Tuner
- Grid Search
시리즈: ExaWin Auto-Tuner: 3편Bayesian
EXAWin Auto-Tuner의 검증 원리: MCMC 앙상블과 교차검증
Grid Search가 '최적의 언덕'을 찾았다면, MCMC 앙상블 샘플러는 '그 언덕의 높이가 맞다'고 256명의 탐험가가 합의하는 과정이다. Emcee의 아핀 불변 워커, R̂ 수렴 진단, HDI 95% 신뢰구간, 그리고 5-Fold 교차검증과 Signal Lift 분석의 수학적 원리를 비즈니스 맥락과 함께 풀어낸다.
- Bayesian
- Auto-Tuner
- MCMC
시리즈: 자재 온타임 리스크: 2편Bayesian
On-Time Risk 엔진의 출발점: 관측 편차와 2-레짐 혼합분포
이 글은 소설 형식으로 연재된 [BA03 On-Time 자재입고: Bayesian MCMC]편에서 활약한 EXA 엔진의 작동 원리를 규명하는 기술 해설 시리즈의 첫 번째 글입니다. 이번 시리즈는 베이지안 추론 중에서도 고급 기법에 속하는 혼합분포(Mixture Distribution)와 MCMC(Markov Chain Monte Carlo) Gibbs Sampling을 다루는 만큼, 내용이 깊고 계산 과정이 다소 복잡할 수 있습니다. 따라서 이를 가능한 쉽게 소화할 수 있도록 단계별로 나누어 상세히 접근하고자 하며, 제법 긴 여정이 될 것으로 예상됩니다. 전체적인 맥락 이해를 위해 소설 원문을 먼저 일독을 권합니다. 아울러 베이지안 이론은 단계적으로 개념이 확장되므로, BA01 및 BA02의 에피소드와 수학 해설을 먼저 살펴본다면 이번 내용을 받아들이는 데 훨씬 도움이 될 것입니다. 앞선 수학적 개념과 논리들이 이어지고 있습니다.
- Bayesian
- Gidds Sampling
- likelihood
시리즈: 자재 온타임 리스크: 1편Bayesian
자재 온타임 리스크를 관리하는 법: 비즈니스의 진짜 게임은 불확실성과의 싸움이다
2000년대 후반 국내(Seoul) 굴지의 기업과 프로젝트를 진행 중, 공장 책임 임원에게 질문을 던진 바 있었다. '가장 힘든 것이 무엇입니까?' 그가 1초의 망설임도 없이 바로 직답한 것이 '자재수배, 자재수배가 가장 어렵습니다'였다. 그는 공장전체를 책임지는 임원이었다. 그의 뜻 밖의 대답은 내게 많은 생각을 하게 한 바 있었다. 이 글은 불확실성과 싸우는 모든 사람들을 위한 이야기입니다. [베이지안 추론 엔진]을 활용해 공급망의 불확실성을 관리하는 구매팀장의 사례를 다룬 비즈니스 서사입니다. 주인공은 베이지안 인공지능 시스템이 제시한 납기 지연 확률과 재앙 레짐 신호를 바탕으로 공급사의 행동 패턴을 정교하게 분석합니다. 단순히 납촉을 독촉하는 방식에서 벗어나, 데이터 공유를 통해 버퍼관리를 연계하여 공급사와 리스크를 분담하는 협력적 관계로 나아가는 과정을 보여줍니다. 이를 통해 불확실성을 완전히 제거하기보다 확률적으로 계량화하고 선제적으로 대응하는 현대적 구매 전략의 중요성을 강조합니다. 최종적으로 데이터 기반의 확률적 사고가 어떻게 기업의 안정성과 수익을 보호하는 실질적인 실무 능력으로 이어지는지 설명하고 있습니다. 결과적으로 불확실성을 관리가능한 범위로 끌여들여 불확실성과의 게임에서 어떻게 승리할 수 있는지 보여주고 있습니다.
- Bayesian
- MCMC
- 베이지안