25. 처방 분석 (Prescriptive Analytics) — 최적 행동 처방

핵심 인사이트 (3줄 요약)

본질: 처방 분석(Prescriptive Analytics)은 데이터 분석의 4단계 중 최고 수준으로, "무엇이 일어날 것인가(예측 분석)"를 넘어 "어떤 행동을 취해야 하는가"를 구체적으로 처방하는 분석 방법이다. 최적화 알고리즘(OR, Operations Research), 시뮬레이션, 강화학습(RL)을 결합하여 최적 의사결정을 도출한다.

가치: 처방 분석은 의사결정 자동화의 핵심 기술로, 물류 최적화(UPS ORION: 연간 1억 마일 절감), 동적 가격 책정(항공사 수익 관리), 의료 치료 최적화, 금융 포트폴리오 재조정에 실시간으로 활용된다.

판단 포인트: 처방 분석의 실제 가치는 "자동화된 의사결정(Automated Decision-Making)"에 있다. 예측 분석이 미래를 보여주면, 처방 분석은 그 미래에 최적으로 대응하는 행동을 자동으로 실행한다. 그러나 알고리즘의 처방이 편향(Bias)을 가질 수 있어 공정성(Fairness) 검증이 필수다.

Ⅰ. 개요 및 필요성

┌────────────────────────────────────────────────────────────┐
│           데이터 분석 4단계 성숙도                            │
├────────────────────────────────────────────────────────────┤
│                                                            │
│  1. 기술 분석  (Descriptive)  : 무슨 일이 일어났나?          │
│     → 과거 매출 리포트, 대시보드                              │
│                                                            │
│  2. 진단 분석  (Diagnostic)   : 왜 일어났나?                 │
│     → 원인 분석, 이상 탐지                                   │
│                                                            │
│  3. 예측 분석  (Predictive)   : 무슨 일이 일어날 것인가?      │
│     → ML 모델, 수요 예측                                     │
│                                                            │
│  4. 처방 분석  (Prescriptive) : 무엇을 해야 하는가?      ★   │
│     → 최적화, 시뮬레이션, 강화학습                            │
│                                                            │
└────────────────────────────────────────────────────────────┘

📢 섹션 요약 비유: 처방 분석은 의사의 역할이다. 환자 검사 결과(기술 분석) → 증상 원인 파악(진단 분석) → 병의 진행 예측(예측 분석) → 최적 치료법 처방(처방 분석). 처방 분석만이 "이 약을 이 용량으로 복용하세요"라는 구체적 행동 지침을 준다.

Ⅱ. 아키텍처 및 핵심 원리

처방 분석 핵심 기술

┌────────────────────────────────────────────────────────────┐
│             처방 분석 방법론                                  │
├──────────────────────────────────────────────────────────┤
│  선형 최적화 (LP):    목적 함수 최대화/최소화 (제약 조건 하)  │
│  정수 최적화 (ILP):   이산 결정 변수 (배차, 스케줄링)         │
│  시뮬레이션:          몬테카를로, 이산 이벤트 시뮬레이션       │
│  강화학습 (RL):       순차적 의사결정 최적화 (알파고, 로봇)    │
│  의사결정 트리:       규칙 기반 처방 (의료 프로토콜)           │
└────────────────────────────────────────────────────────────┘

UPS ORION: 처방 분석 실제 사례

입력 데이터:
  - 배달 주소 목록 (수십~수백 개/차량)
  - 교통 상황 실시간 데이터
  - 차량 위치 GPS

처방 분석 (TSP + 실시간 최적화):
  목표: 총 이동 거리 최소화 + 제시간 배달 최대화

결과:
  - 연간 1억 마일 이동 거리 절감
  - CO2 1억 메트릭 톤 감소
  - 연간 수억 달러 절감

📢 섹션 요약 비유: ORION은 무한한 경로 조합 중 최적을 찾는 수학 엔진이다. 사람(운전사)이 직관으로 경로를 정하는 것보다, 알고리즘이 수만 가지 경우의 수를 계산하여 최적 경로를 처방한다.

Ⅲ. 비교 및 연결

분석 유형	질문	기술	자동화 수준
예측 분석	무슨 일이?	ML, 통계 모델	낮음 (사람이 판단)
처방 분석	어떻게 해야?	OR, RL, 시뮬레이션	높음 (자동 실행 가능)

처방 분석은 MLOps와 결합하여 "예측 → 처방 → 자동 실행"의 완전 자동화 의사결정 파이프라인을 구성한다:

Amazon 동적 가격 책정: 수요 예측(예측) → 최적 가격 계산(처방) → 가격 자동 변경(실행)
📢 섹션 요약 비유: 예측 분석은 일기 예보(비 올 것 같다)이고, 처방 분석은 날씨앱의 자동 우산 주문(비가 예보되면 우산을 자동 구매)이다. 처방 분석은 예측을 넘어 행동까지 자동화한다.

Ⅳ. 실무 적용 및 기술사 판단

실무 시나리오: 클라우드 리소스 자동 스케일링

# 처방 분석 기반 K8s HPA (Horizontal Pod Autoscaler) 확장
# 예측 분석: 다음 30분 트래픽 예측 (Prophet 모델)
predicted_traffic = prophet_model.predict(future_df)

# 처방 분석: 최적 Pod 수 계산
def prescribe_pod_count(predicted_rps, current_pods, max_pods):
    # 최적화: Pod당 처리 가능 RPS를 기준으로 최소 비용 Pod 수 계산
    required = math.ceil(predicted_rps / RPS_PER_POD)
    return min(max(required, MIN_PODS), max_pods)

optimal_pods = prescribe_pod_count(predicted_traffic, current_pods, 50)

# 자동 실행: Kubernetes 스케일링 API 호출
scale_deployment("my-service", optimal_pods)

처방 분석의 편향 문제

처방 분석이 자동 의사결정에 사용될 때 알고리즘 편향(Algorithmic Bias)이 발생할 수 있다.

채용 알고리즘이 특정 성별/인종을 불리하게 처방
신용 점수 알고리즘이 소득 수준에 따라 불공정하게 처방 → 공정성(Fairness) 메트릭(Equal Opportunity, Demographic Parity) 검증 필수
📢 섹션 요약 비유: 처방 분석의 편향은 편견 있는 의사의 처방과 같다. 훌륭한 알고리즘이라도 훈련 데이터의 편향이 반영되면, 특정 그룹에 불공정한 처방을 내릴 수 있다. 처방이 강력할수록 공정성 검증은 더욱 중요하다.

Ⅴ. 기대효과 및 결론

기대효과	내용
최적화	복잡한 제약 조건 하의 최적 의사결정 자동화
비용 절감	물류·에너지·인력 최적화로 수억~수십억 절감
실시간 대응	동적 환경 변화에 실시간 최적 처방

생성형 AI(GPT-4, Gemini)를 처방 분석 엔진으로 활용하는 Agentic AI가 등장했다. AI 에이전트가 데이터 분석 → 처방 → 실행(API 호출, 코드 생성)을 자율적으로 수행하며, 이는 처방 분석의 접근성을 비전문가에게까지 확장하고 있다.

📢 섹션 요약 비유: 처방 분석의 미래(AI 에이전트)는 자율주행 자동차다. 목적지(목표)만 입력하면 데이터 수집(예측) → 최적 경로 계산(처방) → 자동 운전(실행)을 사람 개입 없이 완전 자동화한다.

📌 관련 개념 맵

개념	연결 포인트
예측 분석	처방 분석의 입력값 (미래 상태 예측)
강화학습 (RL)	순차적 처방의 핵심 ML 알고리즘
OR 최적화	선형/정수 최적화로 최적 처방 계산
Agentic AI	처방 분석의 자율 실행 확장
알고리즘 공정성	처방의 편향 방지 필수 요건

📈 관련 키워드 및 발전 흐름도

[기술 분석 (Descriptive) — 과거 설명]
    │
    ▼
[진단 분석 (Diagnostic) — 원인 탐지]
    │
    ▼
[예측 분석 (Predictive) — 미래 예측]
    │
    ▼
[처방 분석 (Prescriptive) — 최적 행동 처방]
    │
    ▼
[Agentic AI — 처방+실행 완전 자동화]

👶 어린이를 위한 3줄 비유 설명

처방 분석은 데이터 의사예요! 몸 상태(데이터)를 보고 어떤 약(행동)을 먹어야 할지 구체적으로 알려줘요.
"내일 비 올 것 같다(예측)"에서 나아가 "지금 우산을 사러 가세요, 가장 가까운 편의점은 100m 앞입니다(처방)"까지 말해줘요.
요즘 AI 에이전트는 처방까지 자동으로 실행해서, 사람이 아무것도 안 해도 최적 결정이 이루어지는 세상을 만들고 있답니다!