금융권의 빅데이터 활용 동향
날짜2018.04.30
조회수31941
글자크기
  • A Trend of Big Data in the financial industry
    • 금융산업에서 빅데이터는 잠재가치와 데이터 획득의 용이성이 타 산업 대비 높은 수준이며, 금융산업 전 분야에서 활용이 가능함
    • 해외 금융권에서는 비정형데이터를 이용한 빅데이터 분석이 활발히 이루어지고 있으나, 우리나라는 법·규제 등의 한계로 인해 일부 업종(카드 및 보험)에서 제한적으로 활용되고 있음
    • Big Data in the financial industry has a high potential value and ease of data acquisition compared to other industries, and it can be used in all stages of the supply chain of the financial industry.
    • Big data analysis using unstructured data in other countries is actively in use, but due to the limitations of laws and regulations, Korea is limited in some industries such as card companies and insurance companies.
  • 금융권의 빅데이터 활용 가능성
    • 금융권의 빅데이터 잠재가치와 데이터 보유량
    • 금융산업의 경우 대부분의 업무처리가 온라인에서 이루어지므로, 내·외부 데이터의 유입과 접근이 매우 용이하고 방대하다는 특징을 가지고 있음
    • 또한, 고객기반의 업무가 주를 이루고 있어 데이터의 정확도뿐만 아니라 잠재 가치와 활용도가 높음
    • 미국의 증권/투자·은행·보험업의 데이터 보유량은 전체 산업의 데이터 보유량의 50%가 넘는 수준이며(<그림 1>), 맥킨지에서 발표한 산업별 빅데이터 활용의 잠재가치를 살펴보면, 금융·보험업이 그 잠재가치가 높고 데이터 획득의 용이성이 높다는 것을 알 수 있음
    • <그림 1> 미국 산업별 기업의 평균 데이터 보유량 , <그림 2> 미국 산업별 데이터 잠재가치, 획득 용이성 분포도
    • 금융산업 공급사슬에서 빅데이터의 역할
    • 금융산업에서 빅데이터는 상품개발-위험관리-마케팅 등 금융산업 공급사슬 全단계에서 활용이 가능함
    • (상품개발) 고객정보, SNS정보 등을 통해 수집된 데이터를 기반으로 기존 상품 갱신, 신상품 개발, 서비스 개선, 신규 서비스 도입, 새로운 시장 개척 등 다양한 방면으로 활용 가능함
    • (위험관리) 빅데이터 기반 신용평가모형 개발, 기업여신 건전성 관리 등 다방면으로 빅데이터 활용하여 기존 모델을 보완함
    • 기존 신용평가모델에서 낮은 신용평가를 받았던 씬파일러(thin filer)1도 대출 승인이 가능해져 금융혜택을 받을 수 있고, 금융기관은 추가 고객층을 확보할 수 있게 됨에 따라, 대출고객과 금융기관 모두 상승(win-win)할 수 있음
    • (마케팅) 빅데이터 분석을 통한 신규고객 발굴 및 타깃 마케팅, 상품추천, 교차판매 등 고객관계관리 뿐만 아니라 고객 이탈 방지와 같은 사후관리까지 가능함
  • 해외 금융권 빅데이터 활용 동향
    • 은행, 카드사, 신용평가사(CB : Credit Bureau) 등 빅데이터를 활용하여 신용평가시스템 구축
    • (미국 씨티은행) IBM의 왓슨(Watson) 인공지능 시스템을 도입하여 기존 신용평가 모델을 보완해 대출심사의 정확도를 높임
      연체여부, 연체기간, 거래내역, 사용 양태 분석 등 다양한 데이터를 수집하여 심층 분석해 이전 시스템에서 신용도가 낮아 대출 받지 못하는 고객을 선별하여 대출 승인 또는 거절
    • (미국 BoA) 빅데이터를 활용하여 비정형분석을 통해 신용리스크 모델 고도화 및 신용리스크에 대한 조기경보체계 강화
    • 신용관리시간 및 손실예측 처리 시간 단축 효과
    • (중국 위뱅크) 텐센트가 만든 인터넷전문은행인 위뱅크는 대출자의 위챗 로그온 시간, 가상계좌 자산, 게임 활동 내역, 온라인 구매 내역 등 다양한 사용자의 정보를 수집하여 신용도를 계산하여 중금리 대출 시행2
    • (영국 Visual DNA) 심리학과 빅데이터를 결합한 신용평가 방식을 개발함
    • 상습연체자의 응답을 연구하여, 40개의 이미지를 활용한 분석을 통해 개인의 재무성향 및 신용도 평가
    • <그림 3> Visual DNA 신용평가 질문
    • (독일 Kreditech) 기존 은행거래정보, 페이스북, 이베이, 아마존에서의 행동양식 분석을 통한 신용평가 모형 개발, 대출정보약관을 꼼꼼하게 읽었는지 여부도 신용도에 영향이 미치도록 설계함
    • 마케팅, 위험 관리 등 다양한 영역에서 적극 활용하여 금융산업의 경쟁력 강화에 기여
    • (Visa) RTM(Real Time Messaging) 서비스 제공을 통해 고객의 구매양식과 경향을 빅데이터로 분석하여 고객에게 지역기반 쿠폰 실시간 발행 → 신용카드 사용량 증대 및 카드 가맹사에게도 새로운 고객을 제공함3
    • (Aviva) 건강검진 대신 빅데이터 기반한 건강 위험 예측 모형을 개발하여 기존의 리스크 평가를 대체하여 언더라이팅 단계에서 활용하여 비용을 절감함
    • (Enservio) Content Analyzer라는 소프트웨어를 제공하여 실시간으로 보험 청구 데이터에 점수를 매기고 보험 청구 사기를 찾아내어 위험 절감 및 비용 절감 효과를 기대함
    • (USAA) 인구통계학적 자료, 보험 및 기타 금융상품 가입 이력, 채널 선호도 분석, 콜센터 기록, 웹사이트 방문 기록, 모바일 앱 사용 기록 등을 활용한 빅데이터 타깃 마케팅 시작하여 마케팅 결과가 50% 향상됨
  • 국내 금융권 빅데이터 활용 동향
    • 인터넷은행의 신용평가모델 기반으로 활용되는 빅데이터
    • 2017년 출범한 인터넷전문은행 카카오뱅크와 케이뱅크는 빅데이터 기반 신용평가 모델을 도입하고, 2018년도 초부터 빅데이터 신용평가모델 고도화 작업에 돌입함
    • <표 1> 카카오뱅크와 케이뱅크의 신용평가모델 개요
    • (카카오뱅크) 카카오뱅크의 신용평가모델은 주주사인 카카오의 정보를 활용하여 쇼핑, 택시 등의 온라인 활용 데이터, 고객 선호도, SNS 활동 내역 등을 결합한 카카오 스코어를 산출하여 신용평가모델에 적용함
    • (케이뱅크) 주주사인 KT의 통신 데이터와 BC카드의 고객 데이터 및 가맹점 데이터를 활용하여 신용평가모델을 개발한 결과, 더 넓은층의 고객을 확보했을 뿐만 아니라 시중 은행보다 낮은 연체율을 기록함
    • 중금리 대출에서 4~8등급 이용은 60%, 연체율 0.08%, 고정이하여신비율4 0.05%를 기록함(시중은행 평균 연체율 0.83%)
    • 기존 금융사의 빅데이터 활용
    • (우리은행) 국내 최초로 빅데이터를 활용한 기업진단시스템‘ 빅아이’를 도입함으로써 비정형 데이터를 여신심사 시 활용할 수 있을 것으로 기대됨
    • (삼성화재) 보험사기탐지시스템(IFDS, Insurance Fraud Detection system)을 개발하여 보험계약과 개인 보험정보 등 방대한 데이터를 활용하여 보험사기 고 위험군을 추출 후, 조사 착수 시스템을 구축함. 이를 통해 허위 신고를 통해 보험금을 받으려는 사기 건을 사전 적발이 가능함
    • (신한카드) 빅데이터 분석 플랫폼 신한카드샵(#)을 통해 중소가맹점의 매장 운영과 홍보를 도와주는 서비스를 개발함
    • 가맹점의 요일별, 연령별, 성별 이용 패턴 등 매출과 관련된 정보를 제공할 뿐만 아니라 지역 상권에서 최근 뜨고 지는 업종을 알려주는 상권분석 기능을 제공함
    • 이외에도 NH농협은행의 빅데이터 기반 위험 관리 시스템 구축, 신한은행의‘소매 고객 주거래지수 모형’개발, 국민은행의 데이터 분석부 신설 등 은행권에서 빅데이터 활용을 위한 사업이 전개되고 있음
    • 국내 금융권 빅데이터는 낮은 소비자 신뢰와 개인정보보호 현안 및 신용평가사의 독과점 구조로 인해 해외보다 활용이 저조한 편임
    • 비식별정보의 조치 수준이 해외 국가의 비해 과도하게 높거나 안내지침(Guideline)의 법적 지위가 불명확하여 비식별정보의 데이터 유용성이 크지 않음
    • 실제로 미국에서는 의료, 교육 분야 등 민감한 개인정보에 대해서 요구하는 비식별조치 수준을 금융분야 정보에도 획일적으로 적용하고 있음5
    • 따라서, 금 융위원회는 금 융산업에서 빅데이터 활용도를 높 이기 위해 3대 추 진전략 및 10대 추진과제를 발표(2018.03)하여 법·제도를 합리화하고 빅데이터 분석 기반을 지원하는 정책 추진을 시작함
  • 시사점
    • 적극적인 빅데이터 활용은 금융산업의 생산성 향상에 기여함
    • 금융산업이 보유한 막대한 양과 높은 질의 데이터를 활용한다면 금융기업의 수익성 향상, 마케팅 효과 증대, 위험 절감 등을 통해 금융산업의 생산성이 크게 증대될 것이라 기대됨
    • 빅데이터 활성화를 위한 법·제도적 대응과 소비자의 인식 전환을 통해 금융산업의 경쟁력 제고에 박차를 가할 때임
    • 우리나라의 엄격한 개인정보보호 규제로 인해 빅데이터를 활용한 금융산업의 생산력 향상 효과가 제한적임
    • 엄격한 개인정보보호 규제로 인해 기존 신용평가사와 카드사, 보험사 등에서만 제한적으로 빅데이터가 활용되고 있음
    • 비식별정보를 활용하기 위한 개인정보보호 규제 완화와 신용평가시장 독과점 구조 개선 등 정책적인 노력과 개인정보 활용에 대한 사회적 합의점 도출이 필요함
    • 소비자 신뢰 구축을 위한 금융기관의 자체적인 정보보호 노력도 요구됨
    • 카드사의 개인정보 유출사태 등으로 인한 금융기관의 데이터 활용에 대한 소비자의 낮은 신뢰도를 극복하기 위해 금융기관 자체적인 정보보호 노력이 필요함
  • 참고자료(Reference)
    • 1.‘ 보험산업의 빅데이터 활용 현황 및 향후 과제’KB금융 경영연구소, 2015
    • 2. 인슈어테크 혁명: 현황 점검 및 과제 고찰, 보험연구원, 2017.08
    • 3. 차세대 금융! 금융분야 빅데이터(Big Data) 분석 활용 사례, 대한산업공학회 IE매거진, 2016
    • 4‘. 차별화’된 인터넷은행 신용평가모델… 얼마나 진행됐나, 비즈팩트, 2018.04
    • 5, 빅데이터 분석의 국내외 활용 현황과 시사점, KISTEP, 2016.07
    • 6. 금융산업 빅데이터 도입 방안, 한국정보화진흥원, 2016.03
    • 1 씬파일러(thin filer)는 신용을 평가할 서류의 두께가 얇은, 다시 말해 신용을 평가할 만큼의 충분한 정보가 없는 사람을 일컫는 말3
    • 2 중국 인터넷 은행,정부빅데이터 덕에 급성장, 중앙일보, 2017.073
    • 3 Visa enhances offers platform with location-based deals, Retail DIVE3
    • 4 고정이하여신 : 금융기관의 대출금 중, 연체기간이 3개월 이상인‘부실채권’을 의미함, 고정이하여신 비율 : 은행의 총 여신 중, 고정이하여신이 차지하는 비율로서 은행의 자산 건전성을 나타내는 지표임(출처 : 금융감독용어사전)3
    • 5 금융분야 데이터 활용 종합 방안, 금융위원회 보도자료, 2018.03