예컨대 쏘카 데이터그룹 내 가격전략팀은 수요공급을 예측해 비즈니스에 적용하는 일을 한다. 말 그대로 비즈니스의 최전선인데, 고착화된 사업을 데이터 관점에서 접근하는 방식으로 수익성을 개선하려 했다. 수요에 반응해 가격을 책정하는 ‘다이내믹 프라이싱’은 이론적으로는 쉬운 일일 수 있으나, 현실에서는 변수가 많아 적용이 까다로웠다. 쏘카도 처음에는 자동화된 가격 시스템을 적용했었다. 수요가 몰릴 것으로 예측되는 기간에 가격 할증을 하는 방식이다. 보유한 차량의 절반이 판매되고 나면 그때부터 구간별로 가격을 할증하는 시스템이었다.

그런데 데이터를 뜯어보니 수익 면에서 아쉬운 부분이 보였다. 차량의 50%가 판매되기를 기다리지 않고 아예 처음부터 수요를 예측해서 가격을 달리 책정하면 수익성을 개선하는 데 도움이 될 게 보였다. 고도화된 다이내믹 프라이싱의 필요성을 느낀 것이다. 그래서 차량과 지역 정보 등 3년 이상 모은 데이터를 밑천 삼아 머신러닝으로 최고의 수익이 나도록 실시간 최적 가격을 제시하는 모델을 만들었다. 자원이 놀지 않고 손해가 나지 않는 선에서, 고객이 지불할 의사가 있는 최고의 금액을 제시하면 더 많은 돈을 벌 수 있다는 계산이 섰다. 이 시스템이 올해 수익성이 개선된 데 기여한 공신이다

https://byline.network/2019/12/15-61/amp/