[‘해보기나 했어?’의 정신으로 여는 데이터 기반 모빌리티의 미래]
“이봐, 해보기나 했어?”라는 정주영 명예회장님의 철학은 현대엘리베이터가 '모빌리티 서비스 기업'으로 도약하는 발판이라 믿습니다. 통계학적 전공 지식을 바탕으로, 20만 대의 승강기 데이터를 자산으로 삼아 '미리(MIRI)'와 같은 디지털 혁신을 선도하는 현대엘리베이터의 비전에 매료되어 지원했습니다. 건설과 제조, 그리고 실시간 IoT 서비스가 결합된 독특한 데이터 도메인에서 예지보전의 정점을 구현할 수 있기 때문입니다.
입사 후, 승강기 산업의 특수성을 반영한 '데이터 선순환 체계'를 구축하겠습니다. 센서 데이터의 이상 징후를 선제적으로 포착하는 예측 모델을 고도화하고, 이를 현장 매니저들이 즉각 활용할 수 있는 운영 환경으로 연결하겠습니다. 실제 서비스의 가치를 창출하는 실행력을 발휘하여, 고객에게 단 1초의 멈춤도 허용하지 않는 ‘멈춤 없는 신뢰’를 선사하는 데이터 매니저가 되겠습니다.
[‘해보기나 했어?’의 정신으로 도전하다]
저에게 현대그룹의 ‘도전’ 정신은 단순히 높은 목표를 세우는 것에 그치지 않고, 목표 달성을 위해 스스로를 끊임없이 경계하며 현장의 문제를 해결할 때까지 실행하는 힘을 의미합니다.
[90%의 달성률로 증명한 자기 통제력] 데이터 분석가에게 가장 필요한 덕목은 보이지 않는 데이터 속에서 끝까지 해답을 찾아내는 끈기입니다. 이를 체득하기 위해 ‘만다라트 계획표’를 작성하여 64개의 세부 목표를 수립했고, 그중 90% 이상을 달성하며 실행력을 습관화했습니다. 이 과정에서 얻은 자기 통제력은 약 1,000시간에 달하는 제조 기반 빅데이터 실무 및 품질 경영 교육을 완수하는 원동력이 되었습니다. 교육 과정 중 마주한 복잡한 공정 데이터와 통계적 난제 앞에서도 “해보기나 했어?”라는 정주영 명예회장님의 가르침을 되새기며, 분석의 기초부터 실무 적용까지 단계적으로 정복해 나갔습니다.
[통계적 근거로 현장을 움직인 기술적 집요함] 편의점 매출 분석 프로젝트에서 실시간 의사결정 지원 체계 구축이라는 도전적 과제를 설정했습니다. SQC에서 학습한 IQR과 Moving Average을 적용하여 매출 데이터 내 불규칙한 이상치를 정교하게 탐지했습니다. 단순히 수치를 나열하는 대신, 통계적 근거를 바탕으로 유의미한 비즈니스 신호를 추출하는 데 집중했습니다. 나아가 분석 결과를 현장에 즉각 전달하기 위해 MariaDB와 Tableau를 연동하고, Slack API를 활용한 자동 알림 시스템을 구현했습니다. “학생 수준에서 자동화 파이프라인까지는 어렵다”는 우려도 있었지만, 기술의 조합을 통해 현장의 즉각적인 대응을 이끌어내며 데이터가 운영 효율로 이어지는 ‘데이터 선순환 구조’를 완성했습니다.
이러한 저의 도전 정신은 현대엘리베이터가 지향하는 ‘스마트 팩토리’와 ‘디지털 서비스 혁신’의 핵심 자산이 될 것입니다. 현장의 문제를 데이터로 정의하고 끝내 솔루션을 찾아내는 현대엘리베이터의 매니저가 되겠습니다.
[데이터의 정밀함으로 설계하는 현대엘리베이터의 무결점 신뢰]
저의 핵심 강점은 통계적 원칙을 준수하여 데이터의 왜곡을 최소화하고, 현장의 작은 이상 징후도 놓치지 않는 ‘분석의 엄밀함’입니다. 정보통계학을 전공하며 4.33의 학점을 유지하는 과정에서, 단순한 수치 비교보다 데이터가 생성된 배경과 분포의 특성을 먼저 파악하는 습관을 길렀습니다.
데이터를 분석할 때 기술적 화려함보다 ‘데이터의 적정성’을 먼저 검토합니다. 특히 센서 데이터에서 발생하는 노이즈와 이상치를 통계적으로 엄밀하게 정의하고 분리해냄으로써, 분석 모델이 현장의 실제 상황을 왜곡 없이 반영하도록 만드는 데 능숙합니다. 이러한 정밀함은 현대엘리베이터의 미래 성장 동력인 예지보전 시스템 구축에 필수적인 역량입니다.
20만 대 승강기에서 쏟아지는 방대한 비정형 데이터 속에서 미세한 진동이나 온도 변화를 정확히 감지하는 것은 품질 실패 비용을 낮추는 결정적 요인입니다. 저의 통계적 집요함을 바탕으로 예측 모델의 신뢰도를 높여, 현대엘리베이터가 추구하는 ‘안전’이라는 절대 가치를 데이터로 증명하겠습니다.
[보완점: 완벽을 향한 몰입을 효율적인 시스템으로 승화하다]
반면, 데이터의 무결성에 과도하게 몰입하여 초기 분석 단계에서 많은 시간을 할애하는 경향이 있습니다. 신중함은 정확도를 높여주지만, 신속한 대응이 필요한 비즈니스 현장에서는 보완이 필요한 부분입니다.
이를 극복하기 위해 두 가지 노력을 하고 있습니다. 첫째, 프로젝트 착수 전 ‘우선순위 체크리스트’를 수립하여 핵심 변수를 먼저 정의함으로써 시간 자원을 효율적으로 배분합니다. 둘째, Cursor AI와 클로드 등 생성형 AI 도구를 활용해 데이터 전처리 및 코드 작성 시간을 70% 이상 단축하고 있습니다.