한국어
고객·정책·공간 데이터를 분석해 더 나은 의사결정에 필요한 근거를 만듭니다.
- 대상 · 산림임업 통계 스마트 경진대회 — 산림청·한국임업진흥원, 2024.12.13
- forestry-crop-suitability: GIS·기후·토양·생산 데이터를 연결해 작물 적합지와 생산량을 분석했습니다.
- 대상 · 2025 PBL 프로그램 — 인천광역시장상, 2026.02.27
- dongincheon-marketing-pilot: Marketing & Data Analysis 역할로 공실 데이터와 현장 조사 내용을 정리하고, 마담티 30일 마케팅 파일럿에 참여했습니다.
- 금상 · 산학 캡스톤디자인 경진대회 — 인천대학교, 2025.07.01
- incheon-eeum-policy-simulation: 예산 제약 아래 66개 캐시백 정책 시나리오를 비교했습니다.
상장 사본은 개인 정보 때문에 공개하지 않으며, 요청 시 제공할 수 있습니다.
REES46 다채널 CRM 로그 약 1억 7,200만 건(고객 약 185만 명, 캠페인 1,907개)을 분석해 구매·재구매 주기, 시계열 반응, 마케팅 피로도, 채널 효과성 피처를 설계했습니다. 논문 원고의 원분포 holdout에서 XGBoost는 F1 0.3806, PR-AUC 0.3620을 기록했습니다. 상위 0.78%를 선정한 타겟팅 민감도 분석에서는 전환의 95.83%를 포착했고 발송 대상은 99.22% 줄었습니다. 실제 비용 절감이나 인과 효과가 아니라 오프라인 모의 선별 결과입니다.
| 프로젝트 | 구현·분석 초점 | 확인 가능한 결과 |
|---|---|---|
| ctr-sequence-modeling | DCN-V2와 DIN·DIEN·BST 행동 시퀀스 인코더, 262,144개 해시 버킷 | DIEN 검증 ROC-AUC 0.7413, PR-AUC 0.0792 |
| used-ev-price-forecasting | 배터리 용량 모델 기반 대체와 XGBoost 가격 회귀 | 사용자 확인 DACON 정규화 RMSE 0.919 |
| credit-card-customer-segmentation | 약 24만 고객·857개 변수의 결측 처리와 세그먼트 분류 | 2만 건 검증에서 스태킹 weighted F1 0.8936 |
| ai-interview-simulator | Next.js 역할극·피드백 API, 실제 LLM·데모 모드 분리 | 9개 시나리오와 선택적 Supabase 세션 기록 구현 |
각 수치는 해당 저장소의 문서·실험 산출물 기준입니다. 데이터 분할, 원본 데이터 공개 여부, 리더보드와 holdout의 차이는 프로젝트 README에서 따로 설명합니다.
I turn customer, policy, and spatial data into evidence for better decisions.
- Grand Prize, 2024 Forestry Statistics Smart Competition — Korea Forest Service and Korea Forestry Promotion Institute, 13 Dec 2024. forestry-crop-suitability combines GIS, climate, soil, and production data for crop suitability and yield analysis.
- Grand Prize, 2025 PBL Program — Incheon Metropolitan City Mayor Award, 27 Feb 2026. In the recorded Marketing & Data Analysis role, I supported a 30-day Madam Tea marketing pilot based on field research and vacant-store data.
- Gold Prize, Industry-Academic Capstone Design Competition — Incheon National University, 1 Jul 2025. incheon-eeum-policy-simulation compares 66 budget-constrained cashback scenarios.
Original certificates are private because they contain personal data and are available on request.
Using approximately 172 million REES46 multichannel CRM logs (about 1.85 million customers and 1,907 campaigns), I designed purchase-cycle, temporal-response, fatigue, and channel-effectiveness features. The manuscript reports XGBoost F1 0.3806 and PR-AUC 0.3620 on its original-distribution holdout. Its top-0.78% targeting analysis captures 95.83% of conversions while selecting 99.22% fewer candidates; this is an offline ranking simulation, not realised savings or causal uplift.
| Project | Focus | Retained result |
|---|---|---|
| ctr-sequence-modeling | DCN-V2 with DIN/DIEN/BST sequence encoders and 262,144 hash buckets | DIEN validation ROC-AUC 0.7413, PR-AUC 0.0792 |
| used-ev-price-forecasting | Model-based battery-capacity imputation and XGBoost price regression | User-confirmed DACON normalized RMSE 0.919 |
| credit-card-customer-segmentation | Missingness-aware classification over ~240k customers and 857 features | Stacking weighted F1 0.8936 on a 20k validation sample |
| ai-interview-simulator | Next.js roleplay and feedback APIs, with live LLM and demo paths | Nine scenarios and optional Supabase session history |
Each figure is based on the documentation and experiment artifacts in its project repository. Those READMEs distinguish data splits, source-data availability, and leaderboard versus holdout results.