최근 국내외 금융기업들은 마케팅, 상품개발, 리스크관리, 신용평가 등 금융 전반에 빅데이터를 활용하고 있다. 카드사의 경우 구매이력뿐만 아니라 SNS와 위치기반을 통한 마케팅 및 신상품 개발에 빅데이터를 활용하고 있다.
은행과 보험사의 경우는 리스크와 보안에 주로 사용하고 있다. 기존 금융기업뿐만 아니라 잘 알려지지 않은 핀테크에서는 어떤 사례가 있는지 국내외 핀테크 기업을 통해 알아보도록 하자.
국내외 카드사 빅데이터 활용사례
시장 포화로 성장의 한계에 직면한 국내외 신용카드사들은 빅데이터를 마케팅에 이용함으로써 새로운 수익을 창출하고 있다. 즉, 빅데이터 분석을 통해 파악한 고객의 니즈와 스마트폰으로부터 수집한 정보를 결합한 CLO(Card Linked Offer)를 통해 마케팅의 활력을 불어넣어 주고 있다.
해외 카드사 중 비자(VISA)의 경우 구입품목, 시점, 결제 위치 등을 실시간으로 파악하고 고객의 구매이력 및 성향을 감안하여 인근 가맹점의 할인쿠폰을 발송해 주는 RTM(Real Time Messaging) 서비스를 제공하고 있다. 이 결과 카드이용건수 및 가맹점 신규고객이 증가하는 결과를 얻었다. 또한, 고객의 카드이용 패턴을 실시간 분석하여 카드 부정사용을 사전에 차단하는 시스템을 빅데이터 기술을 활용하여 개발/운영하고 있다.
아멕스(AMEX)에서는 위치 기반 소셜네트워크 정보를 활용한 고객별 맞춤형 마케팅을 실시해 고객들로부터 긍정적인 반응을 얻고 있다. AMEX Sync 프로그램은 제휴를 맺은 소셜 플랫폼의 고객 계정을 AMEX카드와 연동시켜 고객에게 맞춤형 할인 혜택을 준다. 예를 들면 페이스북이나 트위터에서 특정 상품 및 레스토랑에 ‘좋아요’를 클릭하면 할인쿠폰 및 관련 정보를 미리 제공해줌으로써 기존의 타깃 마케팅보다 큰 효과를 얻을 수 있었다.
국내카드사 중 삼성카드에서도 빅데이터를 활용하여 맞춤형 할인 혜택을 주는 링크(LINK)서비스를 제공하고 있다. 고객의 카드 거래실적을 분석하여 앞으로 자주 이용할 것으로 예상되는 가맹점 혜택을 미리 고객에게 제안하고 고객이 별도의 쿠폰이나 할인권을 제시하지 않아도 결제만 하면 자동으로 혜택을 적용 받을 수 있는 서비스이다. 이로 인해 기존의 문자메시지 및 타깃 마케팅에 비해 구매율이 높았고, 가맹점의 신규 고객 유입 부분에서도 두드러진 결과를 얻을 수 있었다.
신한카드에서는 상품개발 시 빅데이터를 활용하였다. 고객의 카드 사용실적을 분석하여 고객별 소비패턴 및 선호 트렌드를 파악하여 남녀 각각 9개의 고객군으로 클러스터링한 후, 각 그룹별 최적화된 코드나인(Code 9) 카드 시리즈를 출시했다. 이 상품은 최근 500만매를 돌파했고, 기존의 주력 카드보다도 평균 10%이상 이용률이 높다. 상품 개발 시 빅데이터를 활용한 성공적인 사례라고 업계에서는 평하고 있다.
국내외 은행, 보험사 빅데이터 활용사례
은행 및 보험사에서는 리스크 및 보안 관리시스템에 빅데이터를 활용하고 있다. 직원 비리에 따른 손실을 방지하기 위해 보험사의 경우 상품 개발 시 빅데이터를 적용하고 있다. 단순 개인정보에 따른 상품이 아닌 고객 행위, 시장 환경 및 트렌드 분석 결과에 따른 UBI(User Based Insurance) 기반의 상품들이 출시되고 있다.
JP모건체이스(JP Morgan Chase)는 직원의 인터넷 사용 기록뿐만 아니라 개인정보인 이메일과 전화통화 기록까지 분석해 비리 협의를 포착하는데 빅데이터를 적용하고 있다. 또한, 은행이 담보로 잡은 부동산을 적절한 값에 매각하기 위한 최적의 가격 결정 모델을 구할 때도 사용하였다. 부동산 시장 상황을 지역별로 분석해 팔릴 만한 가격을 산정한다면 채무자가 지급불능에 빠지기 전에 부동산을 매각할 수 있어 사회적 손실도 줄일 수 있다.
미국의 보험회사인 프로그래시브(Progressive)사는 자동차에 부착된 기기가 전송하는 데이터를 바탕으로 고객의 운전 패턴을 분석하고 미래 사고 가능성을 예측하는데 빅데이터 기술을 활용하고 있다. 이를 통해 자동차 보험료를 산정하는 Pay as You Drive 시스템을 운영하고 있다. 즉, 상대적으로 덜 위험한 방법(속도, 운전습관)으로, 덜 위험한 시간대 및 지역에서 운전하는 고객일수록 적은 보험료를 낸다. 이는 고객들의 안전 운전을 유도하는데 도움을 준다.
다른 업종에 비해 국내 은행 및 보험사의 경우 빅데이터 활용사례가 많지 않은데, 주로 외부 공격의 차단이나 보험사기 적발 등에 활용하고 있다. 하나은행은 서버 침입을 막기 위해 로그 데이터를 수집/분석하는 시스템을 개발하여 악성코드 공격을 사전에 방지하는데 빅데이터를 활용하였으며 이로 인해 내부보안을 강화할 수 있었다.
삼성화재 경우 빅데이터를 활용하여 보험사기를 적발하고 있다. IFDS(Insurance Fraud Detection System)은 보험계약, 보험 정보 등 방대한 데이터를 활용하여 사기 고위험군을 자동 추출해서 현장조사 전문인력에게 알려주고 조사에 착수한다. 이 시스템으로 인해 허위 신고로 보상금을 받으려는 보험사기 건을 적발할 수 있었다.
예를 들면, 고급승용차를 도난 당했다고 접수한 건에 대해 가입자의 정보 및 사고경위 등 사고 관련 데이터를 수집하여 분석한 결과, IFDS시스템은 이 건을 고위험군으로 분류하였다. 이후 전담보험사가 조사한 결과 차량을 담보로 대출을 받고 이를 갚지 않기 위해 허위로 신고한 건으로 판명이 났었다.
핀테크 기업의 빅데이터 활용사례
위키백과에 의하면 핀테크(FinTech)는 금융(Financial)과 기술(Technology)의 합성어로, 금융과 IT의융합을 통한 금융서비스 및 산업의 변화를 통칭한다. 최근 모바일 뱅킹 및 앱카드 등의 등장으로 기존의 금융서비스와 차별화된 서비스를 제공하고 있다.
핀테크 기업으로는 PayPal, Lenddo, Ondeck 등 많은 기업들이 있으며, 이런 기업들은 기존 금융기업들이 보유하고 있는 금융거래 데이터를 갖고 있지 않기 때문에 SNS 또는 전자상거래회사들과 제휴하여 비금융정보를 활용하여 빅데이터분석을 실시하고 있다. 예를 들면, 쇼핑 및 소비패턴 같은 고객 행동뿐만 아니라 심리학에 근거한 고객의 인성까지 포함하여 다양하게 분석을 시도하고 있다.
미국기업인 Lenddo는 신용평가 알고리즘을 개발할 때 온라인상 대출자의 평판에 대한 비정형 데이터를 추출하여 신용도를 평가한다. 즉, SNS 친구 중 연체자가 있거나 ‘자동차사고’ 및 ‘실직’ 같은 부정적인 단어가 많이 나오면 신용점수가 낮아진다. 개인이 아닌 소상공인경우 기업의 평판 및 영업 활성화 정도를 통해 대출 여부를 판단한다.
독일의 Kreditech사는 기존 은행거래정보 외에 페이스북, 이베이, 아마존에서의 행동 패턴을 반영하여 대출여부를 판단한다. 맞춤법을 틀리지 않는 대출자는 틀리는 대출자에 비해 덜 연체하는 특성을 가지고 있다. 따라서 맞춤법의 틀리는 정도를 신용평가 모델의 변수로 사용하고 있다.
또한, 대출정보 약관을 얼마나 꼼꼼히 읽었는지 여부도 변수로 넣었다. 이는 대출신청 서류를 상세히 보는 사람일수록 대출을 갚는 경향이 높기 때문이다. 흥미로운 결과로는 주기적으로 택배 기사가 방문하는 여부를 신용평가에 반영했다는 것이다. 이유는 주기적으로 온라인 쇼핑을 했다는 것은 일정한 소득이 있다고 추정할 수 있기 때문이다.
국내의 경우 상대적으로 핀테크 사업에서 빅데이터 활용사례를 찾기 어려웠다. 몇 안 되는 사례 중 하나는 국내 P2P(Peer to Peer:개인간) 대출 플랫폼 회사인 렌딧(LENDIT)이다. 이 회사는 대출자의 페이스북 정보 및 렌딧 웹사이트에서 투자설명서를 읽는 동작 패턴을 신용평가의 주요변수로 사용하였다.
예를 들면 최근에 벤처기업으로 이직하면서 증빙 소득이 내려간 대출 희망자의 소셜데이터를 분석하니 대출 희망자와 가족이 전문직에 종사하며 안정적으로 살고 있는 것을 확인할 수 있었다. 이 경우 소득 대비 상환여력 점수가 높아 더 나은 조건으로 대출을 승인했다고 한다.
핀테크 분야에서 신용평가모델에 적용하는 새로운 변수들
국내의 주요 금융기업들은 정형 데이터 중심의 빅데이터분석을 실시하고 있다. SNS 및 비정형데이터도 포함하여 분석을 한다면 고객 니즈 및 시장 환경 변화에 따른 새로운 상품 및 비즈니스 모델을 창출할 수 있다고 생각한다. 따라서 기존의 은행, 카드, 보험, 증권사에서는 핀테크에서 사용하는 빅데이터 분석기법을 도입한다면 리스크 및 보안관리, 상품개발에 큰 효과를 볼 수 있을 것이다. 마지막으로, 국내의 경우 외국에 비해 지나치게 데이터 활용 제한이 있어서 데이터 수집에 어려움이 있다.
즉, 개인정보보호법에 의거 개인정보들이 빅데이터 분석에 활용을 못하고 있는 상황이다. 이런 문제점을 해결하기 위해 최근 정부에서는 누구인지 알 수 없도록 가공한 비(非)식별 개인정보를 빅데이터 산업 및 핀테크 산업에 사용할 수 있도록 가이드라인이 확정되었다. 이로 인해 빅데이터 기반의 신 사업이 활성화 되는데 도움이 되었으면 좋겠다.
다음 편에서는 바이오 분야 빅데이터 활용사례에 대해 이야기해보도록 하겠다.
▶ 해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶ 해당 콘텐츠는 사전 동의없이 2차 가공 및 영리적인 이용을 금하고 있습니다.
삼성SDS 스마트팩토리사업부
2009년 미국 조지아텍 산업공학과 박사학위를 취득하고 싱가포르 국립대학교 산업공학과에서 연구원으로 근무하다가 2010년 9월에 삼성SDS 인프라사업부로 입사하였습니다. 현재 Data Scientist로서 다수의 빅데이터 과제를 진행하고 있으며 데이터분석 및 Data Scientist 양성과정을 개설하고 사내 강사로 활발히 활동하고 있습니다. 또한, CommonSDS뿐만 아니라 IE 매거진에도 빅데이터 관련 글을 기고함으로써 관련 지식을 전파하고 사내외 세미나를 통해 빅데이터 지식 교류 등 폭넒은 활동을 하고 있습니다.