17채 기준으로 회차 공수는 89%, 가동률과 무관한 고정 공수는 11%입니다. L2·L3를 추가하면 채당 연간 공수의 최대/최소 배수는 3.72배에서 1.79배로 줄어듭니다. 인력 배정에는 L1을, 자산별 원가 판단에는 L1과 고정 공수를 함께 사용합니다.
아직 계량하지 않은 변수도 있습니다. 한옥 5채 중 3채는 여러 동으로 구성되어 이동과 세팅이 반복될 수 있습니다. 지역형 12채는 모두 단일 동입니다. 표본이 부족하므로 다동 구성은 변수로 기록하되 시간 계수는 부여하지 않았습니다.
시간 계수는 추정값이 아니라 분석을 위한 기준값입니다. 관측치 17개에 변수가 6개이므로 회귀 추정은 하지 않았습니다. 호텔 하우스키핑과 수영장 유지 기준을 적용했고, 공개 데이터는 변수 선택에만 사용했습니다. 이 분석의 범위는 상대 순위와 공수 층 구조까지이며, 절대값은 실측 작업 기록으로 교체해야 합니다.
관찰 02
고정 공수 비중이 높으면 저가동 구간에서 순위가 바뀐다
검토 대상 · 사와사와
1욕실 · 2룸 · 실내 98㎡ · 정원 2인으로 회차 청소는 가벼운 편입니다. 반면 야외 온수풀과 719㎡의 야외 면적이 고정 공수를 만듭니다.
검토 항목 · 가동률별 실효 회차 공수
가동률에 따른 실효 회차 공수 순위
사와사와의 L1 회차 공수는 17채 중 가장 낮지만, 연간 공수 중 고정 공수 비중은 31%로 가장 높습니다.
가동률 80%에서 실효 회차당 공수는 4.7시간입니다. 가동률이 30%로 낮아지면 6.7시간으로 늘어 그래닛의 6.2시간을 넘어섭니다. 고정 공수 비중이 높은 자산일수록 가동률 하락 시 단위 공수가 빠르게 증가합니다.
L2·L3는 당일 배정으로 줄이기 어렵습니다. 따라서 다음 용량 모델에서는 보수적으로 제외하고, 자산 믹스와 가동률을 판단할 때 별도 원가로 관리합니다.
세그먼트
지역형 독채와 도심 한옥을 분리
분리 기준
면적 상관은 지역형에서 −0.06, 한옥에서 +0.64였습니다. 수영장 보유율, 야외 면적, 동 수와 고정 공수 비중도 자산군별 차이가 확인됩니다.
모델 적용 · 지역형 12채를 별도 분석
지역형 12
도심 한옥 5
서비스 ÷ 실내 면적
3.92
1.66
야외 면적 평균
413 ㎡
87 ㎡
수영장 보유율
42%
0%
기준 = 최대 인원
17%
80%
동(棟) 평균
1.00
1.80
고정 공수 비중
14%
2%
가동률 62% 기준 · 고정 공수 = 수영장 유지 + 조경
고정 공수 비중은 지역형 14%, 도심 한옥 2%입니다. 한옥은 수영장이 없고 평균 야외 면적이 87㎡인 반면, 지역형은 채당 고정 공수의 영향이 큽니다.
이후 인력 계산에는 지역형 12채만 사용합니다. 권역 단위로 팀을 묶어 배정하는 운영 방식이 지역형 자산에 해당하고, 두 자산군을 합친 평균은 어느 쪽의 구조도 정확히 설명하지 못하기 때문입니다.
제주·부산 확장 시에는 자산군별 채수와 예상 가동률을 함께 반영한 포트폴리오 원가 모델이 필요합니다. 이 항목은 당일 청소 배정의 범위에서는 제외합니다.
분석 원자료 · 17채
열 제목을 누르면 정렬됩니다
17채 원자료 표 펼치기 · 접기
별장
구분
지역
서비스 ㎡
실내 ㎡
야외 ㎡
방
욕실
최대 인원
실내 물시설
수영장
L1 h/회차
고정 비중
위 표의 L1은 추정치가 아니라 변수 구조를 비교하기 위한 기준값입니다. 운영에 적용하기 전 실제 작업 시간과 인원 기록으로 계수를 교체해야 합니다.
데이터 확인이 필요한 항목은 두 가지입니다. 옴브르와 뤼미에르는 서비스 264㎡ · 실내 182㎡로 동일하게 공개되어 있어 원자료 확인이 필요합니다. 물시설 분류는 부대시설 라벨과 본문 서술을 함께 해석한 값이므로 실제 운영 분류와 다를 수 있습니다.
02 · 그러면 몇 명이 필요한가
01공수 구조
02인력과 원가
03하루 배정
0490일 계획
받는 것
01의 회차 공수 구조 · 지역형 12채 기준
여기서 하는 것
예약 패턴과 임금 구조를 붙여 인력 구성 탐색
03으로 넘기는 것
정규 17명 · 8월 최대 일수요 73건
지역형 100채면 정규 몇 명이고, 채당 청소 원가는 얼마인가
앞의 관찰이 정한 것은 청소 한 건이 얼마나 무거운가였습니다. 그런데 사람을 몇 명 뽑을지는 그것만으로 못 정합니다. 같은 총량이라도 금·토에 몰리면 피크 기준으로, 고르게 퍼지면 평균 기준으로 뽑아야 하니까요. 그래서 이 모델은 세 가지를 붙였습니다. 한 건의 무게는 관찰에서, 언제 몇 건이 생기는지는 예약 패턴에서, 그 시간을 누구로 채울지는 임금 구조에서 가져왔습니다. 셋을 붙이면 "지역형 100채면 정규 몇 명, 채당 얼마"가 나옵니다.
01 · 수요와 용량 다음 단계 · 하루 배정
지원하기 전에 먼저 만들어본 모델입니다
이 모델의 구조
아래 화면 전체가 이 세 상자입니다. 수식은 바로 밑 "계산 기준"에서 펼쳐집니다.
입력 · 15개 슬라이더
수요 별장 수 · 가동률 · 체크인 요일 · 숙박 믹스 · 계절 진폭
공수 청소 유형 믹스 · 보정계수 · 재청소율 · 이동시간
단가 파트 배율 · 정규 월급 · 최소 호출 · 파트 풀 · 외주 단가
계산 · 3단계
① 체크인 분포 ⊗ 숙박 믹스 → 월 × 요일별 청소 건수
② 건수 × 회차 공수 → 일별 필요 시간
③ 정규 인원을 0명부터 피크까지 훑으며 연간 비용이 최소가 되는 구성을 탐색합니다. 정규가 못 받는 시간은 파트로, 파트 풀이 넘치면 외주로 넘깁니다
출력 · 아래 화면 순서대로
채당 원가 · 월 인건비 · 유휴율 KPI
규모 확장 곡선 30→300채
수요 히트맵 · 성수기/비수기 인력 구성 · 민감도
100채를 기준으로 열었습니다. 슬라이더를 바꾸면 비용과 함께 월·요일별 수요, 인력 구성도 바뀝니다.
계산 기준과 전체 수식 펼쳐보기 단가 체인 · 수요 유도식 · 배정 규칙 · 최적화 · 검산
먼저 결과에 영향을 주는 다섯 숫자의 출처, 그 아래에 모델 전체 명세입니다. 여기 없는 계산은 이 페이지에 없습니다.
① 파트 실효시급
② 정규 총원가
③ 채당 공수
④ 체크아웃 분포
⑤ 검산
모델 전체 명세
수요 유도
체크아웃분포(요일 d) = Σk∈{1,2,3,4박} 숙박비중k × 체크인분포(d−k) 주간건수(월 m) = 별장수 × 7 × 가동률m ÷ 평균숙박 · 가동률m = 연평균 × (1 + 진폭 × (계절지수m − 1)) 요일 가중치를 손으로 넣지 않고 두 분포의 합성곱으로 유도했습니다. 예약 원장이 오면 두 분포만 교체하면 됩니다
공수
건당 공수 = 믹스가중(스탠다드 3.35h, 풀빌라 5.80h) × 보정계수 × (1 + 재청소율) + 이동 × √(20 ÷ 권역내밀도) 관찰(01)의 회차 공수 구조를 두 대표 유형으로 요약한 것입니다. 수영장·조경 고정층은 이 화면의 회차 원가에는 미포함이며, 포함 시 저가동 구간이 더 나빠짐(관찰의 결론과 같은 방향)
단가
파트 실효시급 = 10,320 × 배율 × 1.20(주휴) × 1.106(4대보험) · 정규 월원가 = 명목 × 1.239(보험+퇴직+연차) 법정 계수는 위 ①·② 체인 그대로
주간 배정
수요 많은 요일부터 정규 가용(인원 × 7h/일, 주 5일 예산)을 채우고 → 남는 시간은 파트(최소 호출 단위로 올림 과금, 풀 상한 = 30채당 인원 × 7h) → 그래도 남으면 외주(건당 과금)
최적화
정규 인원 F를 0 ~ 피크필요인원 범위에서 탐색, 12개월 × 주간 배정을 전부 계산해 연간 총비용 최소인 F 선택 목적함수는 비용 하나뿐입니다. 정시완료·품질·이직률은 이 층에 없음(03과 "모델의 경계"에서 다룸)
시나리오 3선
피크 편성 = F를 연중 최대 일수요에 맞춤 · 최적 구성 = 위 최적화 · 체크인 분산 = 금·토 체크인 비중 ½ 후 재최적화
검산
연간 건수: 모델 합산 = N × 364 × 평균가동률 ÷ 평균숙박 (⑤ 체인에서 매 렌더마다 검증, 오차 0.0%)
지금 값으로 계산하면
채당 청소 원가
—
월평균 인건비
—
피크 편성 유휴율
—
외주 처리 비중
—
피크 흡수분
규모와 수요
청소 유형과 공수
스탠다드 3.35h · 풀빌라 5.80h
현장 실측이 들어오면 이 값이 먼저 교체됨
검수 불합격으로 생기는 재작업 시간
계약과 단가
최저임금의 몇 배로 채용하는지
도표 01
규모가 커질 때 채당 청소 원가는 얼마나 내려가는가
피크에 맞춘 정규 편성정규·파트 구성 최적화최적화 + 체크인 분산 (금·토 비중 ½)
도표 02
청소 수요가 몰리는 달과 요일
요일과 계절이 겹치는 구간
도표 03
같은 인력으로 8월과 2월을 운영한다면
정규 인력은 연중 고정
정규파트외주정규 유휴
도표 04
결과를 가장 크게 바꾸는 가정
변수를 ±20% 흔들었을 때 채당 원가 변화
이 설정에서 읽히는 것
두 가정을 함께 바꿔보기 청소 공수 × 주말 체크인 비중
현장에서 가장 먼저 달라질 두 값을 교차했습니다. 진한 칸이 현재 설정입니다.
가정 원장 열어보기 무엇을 알며, 무엇을 빌렸고, 무엇을 교체할지
법으로 정해진 값과 제가 임시로 둔 값을 같은 무게로 보이지 않게 분리했습니다.
항목
적용값
성격
근거
교체
2026 최저임금
10,320원/h
법정
최저임금위원회 고시. 2025년 10,030원 대비 +2.9%.
—
주휴수당 계수
×1.20
법정
주 15시간 이상 근로 시 주휴 발생. 주 5일 기준 실효시급 1.2배. 15시간 미만 쪼개기 편성은 별도 판단.
계약 형태 확정 시 재계산
4대보험 사업주 부담
×1.106
법정
국민연금 4.5 + 건강 3.545 + 장기요양 0.459 + 고용 1.15 + 산재(건물관리업) 약 0.9 = 10.55%.
업종 산재요율 확정 시 미세조정
퇴직급여 충당
+8.33%
법정
연 30일분을 월할 1/12로. 1년 이상 근속 정규 인력에 적용.
—
연차·수당 충당
+5.0%
가정
연차수당·연장근로 발생분 개산. 정규 총원가 배수에 포함.
급여대장 실적치
파트 시장 프리미엄
×1.35
시장
숙박시설 청소 구인 시세가 최저임금을 상회하는 폭. 지역·숙련도에 따라 1.2~1.6.
실제 채용 단가
객실당 기준 공수
침실 27분
앵커
호텔 하우스키핑 표준 객실 25~35분의 중하단. 별장 침실은 욕실 별도 계산이므로 하단 채택.
현장 스톱워치 실측
타입별 공수 빌드업
3.35h / 5.80h
앵커+가정
공용·침실·욕실·부대시설 요소별 합산(③ 체인). 요소 계수는 호텔 앵커에서 이식한 가정.
타입별 실측 공수 분포
체크인 요일 분포
금·토 55%
가정
주말형 레저 숙박 가정. 임의 요일 가중치 대신 체크인→체크아웃 유도 구조로 만들어 데이터 교체 가능.
PMS 예약 원장
숙박일수 믹스
35/45/20%
가정
1박/2박/3박+ 구성. 평균 숙박일수는 이 믹스에서 유도(입력 아님).
PMS 예약 원장
월별 계절지수
진폭 60%
가정
여름 최성수기·연말 소성수기 형태. 진폭 0%면 계절 없음.
월별 점유율 실적
외주 건당 단가
13만원/건
시장
독채·풀빌라 청소 대행 시세 구간(8~20만원)의 중단. 시간당 환산 시 파트 실효시급의 1.4배 수준으로, 유연성 프리미엄이 붙습니다. 규모 계약 시 하향 여지.
대행사 견적
재청소율
3.0%
가정
검수 불합격·클레임 재작업 비율. 품질 리스크를 공수 단일값에 뭉개지 않기 위해 분리.
검수 기록
모델을 만든 뒤
첫 주에 요청할 데이터 3건, 현장에서 확인할 것 3건
이 페이지의 숫자는 대부분 공개 정보와 표준값에서 빌려왔습니다. 아래 여섯 개가 그중 가장 크게 틀렸을 수 있고, 틀렸을 때 결과가 가장 많이 바뀌는 값입니다. 화면을 더 만드는 것보다 이 답을 받는 쪽이 모델을 빨리 바꿉니다.
요청3건PMS 예약 원장 · 작업 로그 · 지역별 단가
현장3건사람에게 직접 물어봐야 답이 나오는 것
공통답을 받으면화면이 아니라 계수와 제약을 먼저 고칩니다
데이터로 바로 확인할 것
별장 타입별 청소시간은 실제로 얼마나 벌어지는가?지금 값스탠다드 3.35h · 풀빌라 5.80h. 호텔 객실 25~35분 표준에서 이식한 고정 계수입니다. 01의 L1 구조는 어떤 항이 필요한지만 정했고 계수는 회귀로 추정하지 않았습니다.왜 먼저도표 04에서 채당 원가를 가장 크게 흔든 변수입니다. 이 값이 틀리면 02의 정규 인원과 03의 배정 가능 여부가 동시에 틀어집니다.어떻게 확인운영 중인 30채의 건별 작업 시작·종료 시각 3개월치. 평균 한 값이 아니라 원자료여야 하고, 침실·욕실 수와 수영장·사우나 유무를 붙여서 받겠습니다.무엇이 바뀌나01의 L1 계수 6개가 회귀 없이 바로 확정됩니다. 그 순간 02의 원가와 03의 작업시간이 전부 실측 기반으로 바뀝니다.
체크아웃은 어느 요일, 어느 시간에 몰리는가?지금 값금·토 체크인 55%, 숙박 믹스 1박 35 · 2박 45 · 3박+ 20%. 전부 가정입니다. 요일 분포는 두 분포의 합성곱으로 유도해 뒀습니다.왜 먼저인력을 평균에 맞출지 피크에 맞출지가 여기서 갈립니다. 지금 모델은 피크에 맞춰 편성하면 연중 유휴가 38%입니다.어떻게 확인PMS 예약 원장에서 체크인 요일 분포와 숙박일수 분포 두 개만 있으면 교체됩니다. 추가로 실제 체크아웃 시각이 11시 일괄인지 분산인지 보겠습니다.무엇이 바뀌나02의 수요 히트맵과 필요 정규 인원이 바뀝니다. 11~15시 작업창의 병목은 03의 지연 건수로 그대로 이어집니다.
지역마다 파트 채용과 외주 단가가 얼마나 다른가?지금 값파트는 최저임금 ×1.35, 외주는 13만원/건. 전국에 같은 값을 쓰고 있습니다.왜 먼저제주·부산 확장이 상반기 계획입니다. 수도권 단가로 계산한 원가는 확장 후에 맞지 않습니다.어떻게 확인지역별 실제 채용 단가와 대행사 견적. 수도권·제주·부산 세 곳이면 충분합니다.무엇이 바뀌나02의 채당 원가가 지역별로 갈라집니다. 어느 지역에서 외주 비중을 높이는 게 유리한지가 계산으로 나옵니다.
현장에 가서 확인할 것
유휴를 줄였을 때 누가 그 변동성을 떠안는가?지금 값목적함수에 비용만 있습니다. 정시 완료율·품질·이직률은 이 모델에 없습니다.왜 먼저최적 구성이 피크 편성보다 39% 싸다고 나오는데, 그 차액의 상당 부분은 파트와 외주가 변동성을 받아준 대가입니다.어떻게 확인파트 인력의 월별 호출 횟수 편차와 근속 기간을 봅니다. 그리고 직접 물어보겠습니다. 이번 주 근무가 며칠 전에 확정됩니까.무엇이 바뀌나비용 최소화 대신 「월 최소 호출 보장」이 제약으로 들어갑니다. 원가는 올라가고, 대신 이직 비용이 계산에 들어옵니다.
공수를 줄이면 재청소와 클레임은 언제부터 늘어나는가?지금 값재청소율 3.0% 고정. 공수 보정계수와 독립변수로 두고 있습니다.왜 먼저실제로는 둘이 연결돼 있습니다. 어느 지점부터 재청소가 늘어나는지 모르면 「효율 10배」가 품질 하락으로 나타납니다.어떻게 확인검수 불합격과 클레임 기록을 별장별·작업자별로 모으고, 해당 작업의 실제 소요시간과 붙여서 봅니다.무엇이 바뀌나재청소율이 상수에서 공수의 함수로 바뀝니다. 원가와 품질을 두 개의 KPI로 나란히 놓게 됩니다.
체크인 분산을 운영팀이 실제로 바꿀 수 있는가?지금 값금·토 비중을 절반으로 낮추면 원가가 2% 더 내려갑니다. 도표 01의 세 번째 곡선입니다.왜 먼저효과는 2%로 작지만, 이 레버는 운영이 아니라 상품 쪽에 있습니다. 운영팀이 못 바꾸는 값이면 문제 범위 자체가 달라집니다.어떻게 확인요금제·최소 숙박일수·회원권 구조를 누가 정하는지, 평일 할인이 이미 있는지, 회원이 실제로 반응하는지 확인합니다.무엇이 바뀌나못 바꾼다면 이 레버를 빼고, 대신 01에서 나눈 두 자산군의 믹스로 수요 평탄화를 시도해야 합니다.
03 · 성수기 배정 시뮬레이션
제주 서부권 12건 일일 배정 비교
02의 8월 최대 일수요와 01의 회차 공수를 이용해 제주 서부 한 권역의 성수기 작업 12건을 구성했습니다. 시간창·숙련도·근무시간·이동시간을 제약으로 두고 거리 우선 배정과 조건 기반 배정을 비교합니다.
현재 포트폴리오는 권역당 2~5채이므로 12건은 제주·부산 확장 이후를 가정한 값입니다. 결과는 배정 정책 간 비교에만 사용합니다.
가상 시나리오 · 별장명·위치·작업자는 실제 정보가 아닙니다
01공수 구조
02인력과 원가
03하루 배정
0490일 계획
입력
02의 성수기 일수요 · 01의 건당 공수
비교
거리 우선 배정 · 조건 기반 배정
추가로 필요한 데이터
실제 완료시간 · 관리자 수정 로그
배정 정책 비교
조건 기반 방식은 시간창·숙련도·근무 종료 시각·이동시간을 동시에 반영합니다. 비교 지표는 체크인 전 완료율과 총 이동시간입니다.
시나리오 입력값
적용값과 출처
무대
제주 서부 한 권역 · 애월 · 한림 · 한경
02의 지역 클러스터 4개 중 한 권역.
청소 건수
12건 (평시 8건)
8월 최대 일수요 73건과 권역별 자산 편차를 반영해 12건으로 설정.
건당 작업시간
88 – 162분 · 스탠다드 · 풀빌라 · 사우나
01의 회차 공수(L1)를 세 유형으로 단순화하고 시설별 숙련도 조건을 추가.
투입 팀
6팀 = 정규 3 · 파트 2 · 외주 1
02의 인력 구성을 2인 1조로 환산한 가정. 실제 팀 수는 권역별 자산 수와 근태 데이터로 교체.
근무 시간
정규 10:30–17:00 · 파트 11:00–16:00 · 외주 11:00–17:00
파트 근무시간은 02의 최소 호출 4시간 이상으로 설정.
출발지
팀별 거점 6곳
거점에서 첫 작업까지의 이동을 포함한 가상 상대 좌표.
작업 가능 시간창
퇴실 11:00 → 입실 15:00–16:30
청소·검수·세팅을 포함한 완료 시간창.
하루 선택
배정 방식
체크인 전 완료
—
총 이동시간
—
지연 예상
—
외주 사용
—
거리 우선 ↔ 조건 기반
팀의 이동과 작업 순서
상대 위치도 · 실제 주소 아님
팀 거점 · 출발지배정 경로1·2 = 방문 순서지연 작업선택한 작업
오늘의 작업 목록
별장
입실
작업
배정
팀별 하루 일정
10:3011:3012:3013:3014:3015:3016:3017:30
제주 프로젝트와의 방법 연결
WEIGHTED K-MEANS → ZONES
권역·거점 설계
가중 K-means를 작업 수요 기반 권역과 운영 거점 설정에 적용합니다.
TSP → MULTI-CREW ROUTING
다중 팀 일정 최적화
TSP에 팀 수·시간창·시설 숙련도·근무시간 제약을 추가합니다.
MODEL → FIELD LOOP
운영 로그 기반 보정
관리자 수정·실제 완료시간·재청소 기록으로 공수와 제약을 재보정합니다.
모델의 한계 현재 결과는 가정 기반 정책 비교입니다. 실제 적용에는 완료시간, 관리자 수정 사유, 재청소 기록이 필요합니다.
다음 단계 · 90일 검증 계획
04 · 90일 실행 계획
01공수 구조
02인력과 원가
03하루 배정
0490일 계획
입력
01–03의 가정 · 미확인 데이터
절차
실측 → 단일 권역 파일럿 → 재보정
산출물
일일 배정안 · 수정 로그 · 보정 계수
입사 후 90일 실행 계획
01–03의 가정을 실제 데이터로 교체하고, 한 권역에서 배정안을 운영해 수정 로그를 확보합니다. 검증 범위는 청소 배정으로 제한합니다.
가정 → 실측
실측 → 배정안
배정안 → 재보정
Day 1–30
입력 데이터 교체
공수·예약 분포·지역별 단가를 실측값으로 전환합니다.
별장별 작업 시작·종료시간으로 L1 회차 공수 계수를 교체합니다.
PMS 예약 원장으로 체크인 요일과 숙박일수 분포를 교체합니다.
한 권역 동행 관찰로 이동·대기·세팅 시간을 기록합니다.
수도권·제주·부산의 파트·외주 단가를 확인합니다.
산출물실측 공수 테이블 · 데이터 결손 목록 · 지역별 단가표
Day 31–60
한 권역 파일럿
추천안으로 시작하고 최종 확정 권한은 관리자에게 둡니다.
03의 정책 비교를 CP-SAT 제약 최적화로 구현합니다.
매일 아침 배정안을 생성하고 관리자가 최종 확정합니다.
수정 내용과 이유 코드를 저장합니다.
현행 방식 대비 정시 완료율과 이동시간을 비교합니다.
산출물일일 배정안 · 관리자 수정 로그 · 현행 방식 비교 결과
Day 61–90
수정 로그로 재보정
실제 운영 결과로 공수와 제약을 업데이트합니다.
수정 사유와 실제 완료시간으로 공수와 제약을 재보정합니다.
세탁물 수거·배송 라우팅을 같은 작업 원장에 연결합니다.
완료 건수 기반 비품 소모량과 실사용 차이를 기록합니다.
품질 자동화는 재청소·클레임 라벨 확보 이후로 보류합니다.
산출물보정 계수 v2 · 라우팅 v1 · 발주 규칙 초안
중단·재설계 기준
60일차에도 관리자가 추천안 대부분을 전면 수정하면 목적함수 또는 제약이 현장과 맞지 않는 것으로 판단합니다. 최적화 튜닝을 중단하고 요구사항을 다시 정의합니다.
비용 외에 작업자의 근무 예측 가능성도 측정합니다. 유휴율 개선이 파트·외주의 일정 불안정으로 전가되지 않는지 월별 호출 편차와 이직률로 확인합니다.
05 · 지원 근거
운영 문제를 정의하고 직접 도구로 만들고 숫자로 고칩니다.
수도권 30채 이상을 제주·부산 100채 이상으로 확장하려면 현장 판단을 사람의 기억에만 둘 수 없습니다. 모자이크 운영 PO의 역할은 그 판단을 시스템으로 옮기는 일이라고 이해했습니다.
01–04 · 사전 작업
별장별 일일 청소 인원 배정 시스템의 초안을 공개 데이터로 먼저 만들었습니다.
01
공수 구조
공개 별장 17채를 비교해 회차 공수와 고정 공수를 분리했습니다.
문제 단위 정의02
인력과 원가
성수기 수요를 정규·파트·외주 용량과 월별 비용으로 바꿨습니다.
용량 계획03
하루 배정
시간창·숙련도·이동시간을 반영한 일일 배정표를 구현했습니다.
작동하는 화면04
90일 계획
관리자 수정 로그로 공수와 제약을 다시 보정하는 파일럿을 설계했습니다.
현장 적용
Role fit
운영 PO와 직접 연결되는 경험
0→1을 사용자와 매출까지제품·사업
Antler Korea Cohort 8에서 Sigak을 공동 창업했습니다. 피벗한 가설을 3개월 안에 웹앱으로 만들고 가입자 500명 이상을 확보했으며, 최고 일매출 10만원 이상을 기록했습니다. 창업 제품을 직접 판매해 누적 매출 300만원을 만들었습니다.
500+ 가입 · 매출 검증
사람의 판단을 AI로 옮긴다AI 구현
Milip의 합격 확률 예측 모델을 처음부터 구축해 정확도 85%를 달성했습니다. 네이버파이낸셜 산학과제에서는 비개발 직군의 수작업 데이터 조회를 text-to-SQL로 옮겼습니다. 음성·이미지·정형 데이터를 전처리하고 모델링한 경험이 있습니다.
직접 모델 구현
실물 운영을 이해한다현장 운영
PiComputer에서 중고 PC의 매입·조립·재고·판매부터 법인 설립, 사무실 임차와 채용까지 맡았습니다. 중고 부품의 잔존수명 예측 모델도 설계했습니다. 물리적인 자산과 작업 공정을 직접 운영한 경험입니다.
현장과 모델 연결
결과를 보고 다시 고친다검증
Sigak은 사용자 신호를 근거로 코호트 중간에 피벗했습니다. PiComputer는 물량과 노동이 함께 늘어 단위경제가 성립하지 않는다는 결론 뒤 종료했습니다. 시작한 안을 지키는 것보다 측정 결과에 맞춰 바꾸는 것을 우선합니다.
측정 후 수정
직무 확장
청소 배정 이후의 운영 과제에도 연결할 수 있습니다.
01 · Computer vision
클리닝 품질 점검 자동화
이미지 데이터 전처리·모델링 경험을 적용할 수 있습니다. 먼저 재청소·클레임 사진과 판정 결과를 쌓아 품질 라벨부터 정의하겠습니다.
02 · Predictive model
시설 문제 사전 감지
중고 부품 잔존수명 예측과 정형 데이터 모델링 경험을 바탕으로, 점검 기록·고장 이력·센서값에서 이상 징후를 찾을 수 있습니다.
03 · Routing
세탁물 수거·배송 최적화
제주 프로젝트의 TSP 경로 설계와 03의 다중 팀·시간창 배정을 연결해 수거와 배송을 같은 작업 원장에서 다룰 수 있습니다.
04 · Inventory
비품 발주 시점·수량 자동화
실물 재고 운영 경험을 바탕으로 완료 건수, 투숙 인원, 실제 사용량을 연결해 소모량과 발주 규칙을 만들 수 있습니다.
교육
연세대학교 경영학과 · 통계학 부전공 · GPA 3.76 / 4.30
구현 수단
Python · pandas · NumPy · PyTorch · SQL · R · Git · 웹 배포
다룬 데이터
음성 · 컴퓨터비전 · 정형 데이터 · 산업·창업 프로젝트
지원 결론
모자이크는 배경보다 실제 문제를 해결한 경험을 본다고 적었습니다. 저는 운영 현장을 직접 맡아봤고, AI 모델과 웹앱을 구현했으며, 사용자와 매출로 검증했습니다.
01–04는 입사 후 진행할 작업을 공개 정보 범위에서 먼저 구현한 초안입니다. 실제 작업 기록을 받으면 가정을 교체하고, 한 권역 파일럿부터 검증하겠습니다.