빅데이터와 금융권, 가치 창출의 시작은 데이터 시각화로!

금융권의 디지털 트랜스포메이션, 데이터 활용을 어떻게 하느냐에 달렸다.

디지털 트랜스포메이션? 단어 그대로 ‘디지털에 의한 변화’, ‘디지털로의 전환’ 정도로 이해할 수 있다. 최근 들어 많이 언급되는 이 개념의 단어 뜻만 놓고 보면, 굳이 낯선 것만은 아니라는 생각이 든다. 이미 디지털은 그간 우리의 모습을 변화시키는데 큰 역할을 해왔기 때문이다. 이는 금융권에도 그대로 적용되는 이야기이다. 지금은 많은 사람들이 쉽고 편하게 사용하는 인터넷뱅킹, 스마트뱅킹, 최근 등장해 많은 이들의 관심이 집중된 인터넷은행 등 디지털은 우리의 금융생활을 변화시키고 있다.

최근 4차 산업혁명의 기반이라 할 수 있는 ‘빅데이터’에 대한 중요성이 강조됨에 따라 금융권의 디지털 트랜스포메이션에서도 ‘데이터 활용’에 대한 관심과 노력이 증가하고 있다. 특히 금융권은 데이터 보유량이 많고 증가 속도가 빨라 다른 산업에 비해 잠재 가치가 높다는 평가를 받고 있어, 이에 대한 기대도 높다.

· · · · · 

빅데이터 활용 기업으로 나서고 있는 금융권

국제 품질 및 생산력 센터(IQPC, International Quality and Productivity Center)가 발표한 ‘Big Data Analytics for Finance Service Survey Report 2018‘에 따르면 빅데이터 활용 기업으로 나서는 금융권 기업들의 전환은 증가하는 추세다.

2017-2018 금융권 기업들의 빅데이터 전환 단계

금융권 기업 전체 중 약 27%는 자사가 빅데이터 시스템으로의 전환이 ‘In Production’ 단계에 있다고 응답했다. 이는 지난해 보다 1p% 증가한 수치다. 실험적인 단계에 있는 기업은 44%로 이 역시 지난해 보다 1p% 증가했다. 다소 느리지만, 데이터의 실제 활용 및 실험적 단계로의 진입이 확대되고 있는 양상을 보인다.

2017-2018 빅데이터 운용을 위한 핵심 우선 순위

전체 금융권 기업들이 빅데이터를 생산, 분석하고 활용하는 과정 중 핵심 우선순위로 꼽은 항목별 비중 변화도 눈여겨 볼 만하다. 2017년 높은 우선순위 비중을 차지한 ‘빅데이터를 통한 수익 창출’ 부문의 경우 2017년 38%에서 더욱 확대돼 2018년 47%를 기록했다. 뿐만 아니라 그 외 항목들의 비중 변화를 보면 금융권 기업이 빅데이터 활용을 본격화하면서 마주하는 실제적인 이슈에 관심을 갖게 된 것을 알 수 있다. 그 예로 빅데이터 품질 보안 문제를 우선순위라고 대답한 기업은 2017년 37%에서 2018년 51%로 증가하였고, 빅데이터 활용 효과를 극대화하기 위한 프로세스에 대해서는 2017년 13%에서 2018년 47%로 매우 큰 폭으로 증가하였다.

금융권 기업들은 경쟁력을 증가하기 위해서 새로운 비즈니스 모델과 서비스를 혁신하고 고객 중심 경영을 실현하는 것으로 평가하고 있다. 고객 중심 경영은 2017년 14%에 불과했으나 2018년 29%로 크게 상승하였다. 특히 금융권 기업은 고객 중심 경영을 위해서 필요한 고객 분석, 고객 행동 예측 등에 빅데이터 활용하고, 이를 바탕으로 한 더 나은 고객 만족과 마케팅에 대한 높은 기대를 갖고 있다.  빅데이터 활용의 핵심 전략 분야를 묻는 질문에 전체 금융권 기업 중 44%가 고객 분석 분야에 빅데이터를 활용하고 있다고 응답했다.

금융권은 빅데이터를 어떻게 활용하고 있을까

금융권에서 빅데이터를 활용하는 대표적 사례는 맞춤형 마케팅을 위한 고객 분석 용도이다. 비교적 여러 사례를 통해 알려져 있는 분야이다. 이외에도 최근에는 트렌드 예측, 기업 리스크 및 운영 관리 등의 분야에서도 데이터를 활용을 시도하고 있다.

고객 맞춤형 마케팅에서 빅데이터는 고객의 특징을 찾는데 활용된다. 고객의 금융 거래, 카드 소비 등의 데이터를 분석해 고객의 특징을 찾고, 이를 맞춤형 마케팅의 근거로 활용한다.

고객이동경로분석 결과 활용 예시(대출 및 신용카드)

신한은행은 금융권 가운데에서도 빅데이터 활용에 적극적으로 나서고 있는 기업이다. 신한은행은 지난해 고객의 금융 검색 여정을 추적해 이탈 가능성이 높은 고객을 붙잡는 고객 이동경로(Customer Journey) 분석 프로젝트를 시범 추진한 결과로 올해에는 분석 솔루션 구축을 진행하고 있다. 인지→탐색→신규→거래 등 고객의 이동경로를 기준으로 데이터를 분석하고 고객이 처한 각각의 상황에 적합한 마케팅을 통해 기존 고객 관리뿐만 아니라 신규 고객 유입을 목표로 한다. 예를 들어 은행 앱으로 환율 조회를 하는 사람에게 여행 적금 권유 메시지를 발송해 상품 가입을 유도하는 마케팅을 진행한다. 또 고객 이탈률이 높은 상황을 데이터로 포착하고, 이탈을 방지하고 고객으로 전환을 유도하기도 한다. 은행 앱에서 고객이 평균 2.5회 투자 상품을 검색한 뒤 이탈하는 고객 비율이 높다는 인사이트를 바탕으로, 고객이 투자 상품을 3회 검색하는 순간 모바일 상담 쪽지를 보내 이탈을 방지한다.

NH농협은행은 빅데이터를 활용해 고객 거래 패턴 변화 등을 감지하고 맞춤형 상품을 제안하는 이벤트 기반 마케팅(EBM)을 진행하고 있다. 카드 사용 명세서 등 면세점 구매 정보를 이용해 해외여행을 갈 가능성이 높은 고객을 대상으로 환전 및 신용카드 사용 마케팅을 진행한 결과, 환전율 58% 향상, 모바일 앱 올원뱅크 가입률 2배, 카드 이용률 9% 증가하는 성과를 냈다.

NH 농협은행의 빅데이터 플랫폼

뿐만 아니라 최근 NH농협은행은 인공지능(AI) 기반 빅데이터 플랫폼을 오픈, 2200만 개인과 소호(SOHO) 기업 고객의 대출 및 소비 성향 등 고객 통합 분석체계를 마련했다. 이 역시 고객 데이터 분석을 바탕으로 개인 고객별 맞춤형 상품 추천과 고객 이탈 예측을 하기 위함이다. 신한은행, NH농협은행의 사례로 알 수 있듯이 금융권의 빅데이터 기반의 고객 맞춤형 마케팅은 파일럿 형태의 실험적이고 단기적인 시도에서 이제는 장기적 차원에서의 데이터  관리 및 분석을 위한 플랫폼 구축의 방향으로 나아가고 있다.

고객 맞춤형 마케팅 이외에 빅데이터 활용이 이루어지고 있는 사례로서 여신 심사, 기업 내 의사결정을 위한 기반 자료로서의 활용을 덧붙여 이야기할 수 있다. 먼저 여신 심사란 여신이나, 어음할인, 보증 여신 등의 신용을 제공하기 전에 소정 기준과 절차에 따라 신청인의 자격과 상환능력, 담보의 적정성 유무를 심사하고 여신의 조건을 결정하는 일련의 과정을 말한다. 지난 3월 우리은행은 국내 최초로 빅데이터를 활용한 기업진단시스템 ‘빅아이’를 기업여신 리스크 관리에 도입했다. 기업 관련 빅데이터를 통합, 200여개의 리스크 지표를 분석해 기업의 부실 가능성을 4단계 등급으로 파악하는 시스템으로 여신심사와 사후관리에 활용하고 있다.

케이뱅크 빅데이터 기반 중금리 대출 신용평가 시스템 (출처 : NIA, 스마트콘텐츠 월간 동향보고 2017.04)

케이뱅크는 개인 여신 심사에 빅데이터 분석을 도입해 효과를 거두고 있다. 케이뱅크는 주주사인 KT, 비씨카드의 통신요금 납부 실적과 신용카드 결제 정보 등 빅데이터를 활용한 자체 신용평가시스템(CSS)을 바탕으로 중금리 대출을 공급하고 있다. 이 결과로 지난 3월 기준 케이뱅크 전체 신용대출 중 금리 연 6% 이상 중금리 대출이 차지하는 비중은 41.5%를 기록했다. 이는 주요 시중 은행의 수치인 10%대에 비해 매우 큰 격차를 보였다.

기업 내 의사결정을 위한 근거 자료로 빅데이터를 활용한 사례에서는 데이터 시각화가 눈에 띈다. 데이터 시각화는 방대한 양의 데이터를 시각적인 요소(도형 요소, 컬러 등)로 표현하는 것이다. 숫자 형태로 된 데이터를 일일이 살피지 않고서도 데이터의 의미(인사이트)를 빠르고 쉽게 찾을 수 있어, 데이터 활용의 효율성과 효과를 극대화하기 위해 필수적인 기술이다.

P&G Business Sphere (출처 : Fusion Brew)

해외 사례로서 글로벌 생활용품 기업 P&G는 데이터 시각화 회의실인 ‘비즈니스 스피어’를 운영하고 있다. P&G는 전 세계 80여곳 사업장, 40억명의 소비자로부터 취합한 시장 관련 지표와 경쟁사 상황을 빅데이터로 가공해 실시간으로 확인할 수 있는 대형 스크린을 본사 및 현지 법인에 설치하고, 의사 결정의 근거로 활용하고 있다. P&G는 이 결과로 신제품 출시 주기가 경쟁사보다 2배 짧아졌고, 시가총액 역시 배 이상 늘었다.

지난해 신한은행은 임원진이 경영 관련 빅데이터를 시각화 자료로 실시간 모니터링하고, 의사 결정할 수 있는 ‘빅데이터 워룸’을 만들었다. 경영실적과 고객 현황 정보를 실시간으로 취합, 각종 그래프와 이미지 등 시각화 자료로 볼 수 있는 ‘비주얼 분석(VA) 시스템’도 도입했다. 데이터를 보다 효과적으로 활용하기 위한 방법으로 데이터 시각화 활용을 시도한 사례이다.

KEB하나은행도 데이터 시각화 기술을 적용한 ‘하나 빅 인사이트’를 구축했다. 하나 빅 인사이트는 은행 핵심 경영지표, 조직 단위별 영업 실적 모니터링, 고객 특성에 따른 비정형 분석 같은 은행 내부 데이터를 기존 숫자가 아닌 그래프로 시각화 형태로 확인할 수 있는 비즈니스 인텔리전스(BI) 시스템이다. 숫자 데이터 그대로 보았을 때 찾기 어려운 인사이트를 직관적으로 도출할 수 있다는 시각화의 장점으로 업무 효율성 향상 효과와 데이터 기반의 의사결정 체계를 만들었다.

특히 지난 3월부터 ‘데이터 시각화 프로젝트’를 진행하면서 가공되지 않은 형태의 로우 데이터를 그대로 영업 현장에 적용하고 있다. 이는 기존에 통계를 집계한 뒤 사후에 활용하는 빅데이터 운용 방식을 벗어나는 것으로 데이터 시각화 관점에서도 의미 있는 시도로 보인다. 로우 형태의 데이터는 효과적인 시각화를 위해 필요한 형태이기 때문이다. 통계 데이터에 비해 비교적 데이터 탐색 범위와 가능성이 넓어, 데이터 시각화를 기반으로 한 효과적인 데이터 인사이트 도출을 위해 이와 같은 형태의 데이터 활용해 익숙해질 필요가 있다.

금융권 기업, 데이터 활용 가치 창출은 데이터 시각화로

금융권 내 많은 기업은 빅데이터 활용을 본격화하며, 단기적인 시도에서 나아가 데이터 관리 및 분석을 위한 통합 플랫폼 구축의 방향으로 나아가고 있다. 뿐만 아니라 구축한 플랫폼의 사용을 활성화하기 위해 기업 문화로서 정착시키려는 노력도 엿보이고 있다. 이러한 시도 가운데 금융권 기업이 초점을 맞춰야 할 것은 단순히 ‘데이터를 활용한다’의 수준이 아니라 ‘데이터 활용의 가치를 증대시키는 방법은 무엇인가?’와 같이 동일한 데이터를 활용하더라도 그 안에서 최대의 효과를 만드는 방법에 대한 고민을 이어가는 것이다. 이런 측면에서 데이터 시각화는 ‘어떻게 하면 데이터를 잘 활용할 수 있을까?’하는 기업의 고민을 해결하는 중요한 키가 될 수 있다.

일반적으로 ‘데이터 시각화’하면 사람들이 떠올리는 차트는 주로 자료를 보는 사람으로 하여금 쉽게 데이터를 이해할 수 있도록 하는 것을 목적으로 한다. 임원진의 의사결정을 돕기 위해 구축한 데이터 모니터링 시스템에서 데이터 시각화가 주요하게 활용된 이유이기도 하다. 데이터 분석에 대한 전문성이 없을지라도, 시각화 차트를 통해 누구나 데이터를 직관적으로 이해할 수 있고, 데이터 기반의 의사결정을 할 수 있다.

금융 데이터 모니터링을 위한 대시보드 화면 예 (출처 : 데이터 시각화 솔루션 DAISY)

이 뿐만 아니라 데이터 시각화는 데이터가 내포하고 있는 인사이트를 도출하기 위한 방법론으로서도 큰 역할을 한다. 동일한 데이터라고 할지라도 어떤 형태로 시각화하느냐에 따라 다양한 인사이트를 도출할 수 있다. 이는 데이터를 탐색하고 분석하는 과정에서 데이터 시각화를 활용하는 것으로, 이를 두고 시각적 분석이라고 칭한다.

시각적 분석을 잘 하기 위해서는 데이터 시각화에 대한 정확한 이해가 필요하다. 가령 데이터 시각화에 적합한 데이터 형태가 로우 데이터인 이유, 데이터 시각화 차트를 만드는 원리, 시각화 기반으로 인사이트를 도출하는 방법 등에 대한 명확한 이해가 선행될 때, 효과적으로 데이터 인사이트를 도출할 수 있다. 궁극적으로 데이터 인사이트의 활용이 새로운 상품, 서비스, 마케팅 등의 기회로 이어짐을 감안할 때, 금융권 기업이 데이터 시각화를 적극적으로 활용해야 하는 이유에 쉽게 공감할 수 있다.

이와 관련해 눈여겨 볼 만한 프로젝트는 신한은행의 ‘서울시 생활 금융지도’이다. 신한은행 고객의 방대한 금융 거래 데이터를 분석하여 서울시 각 지자체별 고객들의 소득, 소비, 저축 등 생활 금융 현황과 연령·업종·지역별 특성을 인사이트로 도출해 발표한다.

서울시 생활금융지도 프로젝트 개요 (출처 : 신한은행)

지난 4월 자택 주소가 서울에 등록(2017년 12월 기준)된 고객 131만명의 빅데이터를 분석한 첫 번째 결과물로 ‘서울시 생활 금융지도 – 소득 편’을 발표한 데 이어 7월에는 ‘소비 편’을 발표했다. 서울 지역의 직장인, 자영업자, 연금소득자의 평균 월급, 가장 많은 월급을 받는 지역, 가장 많은 돈을 쓰는 지역, 카드 소비가 많은 연령층 등 금융생활과 관련된 다양한 인사이트를 확인할 수 있다.

서울시 생활금융지도 – 소득편 주요 인사이트 (출처 : 신한은행)

신한은행은 이를 두고 방대한 금융 데이터 분석 결과로 복지 사각지대를 없애고 관련 정책 수립에 중요한 인사이트를 제공해 사회 전체를 이롭게 하는 상생의 선순환 고리를 만드는 데 목적이 있음을 밝힌 바 있다. 빅데이터를 기업 수익 창출을 위한 용도로 국한하지 않고, 데이터 인사이트를 외부에 공개함으로써 지역사회에서 이를 활용한 정책 수립 등 새로운 시도를 할 수 있는 기회를 제공한다는 점에서 데이터 활용 가치를 확대한 사례로 평할 수 있다.

· · · · · 

앞서 살펴봤듯이 금융권 기업들은 빅데이터 활용 기업으로의 전환을 시도하는 동시에 데이터 활용 가치를 극대화하기 위한 관심과 노력을 이어가고 있다. 그만큼 빅데이터 활용에 대한 기대가 높은 것으로 볼 수 있는데, 다른 한편으로는 빅데이터 전문 인력 구인난이라는 어려움을 마주하고 있기도 하다. 한국정보화진흥원의 빅데이터 시장 현황조사에 따르면 국내 빅데이터 시장 규모는 증가하는 가운데 관련 인력은 2017년 기준 9321명으로 전체 데이터 종사자(10만2375명)의 9.1% 수준에 불과한 것으로 조사됐다. 빅데이터 시장 규모는 증가하고 있음에도 불구하고 인력 수요에 대한 공급이 제대로 이뤄지지 못하고 있는 것이다.

금융권 기업들은 전문 인력 부족 문제를 타개하기 위해 빅데이터 분야의 채용을 확대하는 방안뿐만 아니라 직접 전문 인력 양성을 위한 프로그램을 자체적으로 계획 및 진행하고 있다. 이는 금융권 내 데이터를 다루고, 그 안에서 의미를 찾아내는 데이터 리터러시 역량 강화의 필요성을 시사하기도 한다. 그런 의미에서 다시 한번 데이터 인사이트 도출을 위한 효과적인 방법, 데이터 시각화를 떠올리지 않을 수 없다.

이미지 출처 : burwoodgroup

디지털 금융 시대, 스마트 금융, 핀테크, 최근에는 기술을 더욱 강조하는 의미에서 테크 핀이라는 용어가 금융권의 오늘을 설명하고 있다. 디지털 트랜스포메이션이라는 시대적 흐름 속 빠르게 변화하고 있는 금융권의 모습인 것이다. 이러한 변화 속 가장 큰 관심의 대상인 빅데이터는 앞으로 어떠한 가치를 만들어 낼 수 있을까? 이를 위해 금융권 기업이 관심 가져야 할 것은 무엇일까? 빅데이터 활용을 통한 가치 창출의 극대화를 위해서는 단순히 ‘데이터를 활용한다’의 수준이 아니라 ‘어떻게 해야 데이터를 잘 활용하는 것’인지 그 방법에 대한 고민과 시도가 필요하다.

※ 참고자료

• 조선일보, ‘은행, 빅데이터로 ‘산토끼’ 잡고 ‘집토끼’ 지킨다’ (2018.05.27)
• NIA 한국정보화진흥원, 제 40호 BigData Monthly : 빅데이터 동향과 이슈
• 한국금융, ‘신한은행, 고객 검색경로 분석 마케팅’ (2018.03.19)
• 디지털데잍리, ‘신한은행, 빅데이터 활용 ‘서울시 생활금융지도’ 공개’ (2018.04.18)
• 디지털타임스, ‘금융권 ‘빅데이터 전문가’ 확보 경쟁 사활’ (2018.03.26)
• 서울경제, ‘“숫자 대신 그림·그래프로”… 데이터 시각화 나선 하나은행 – ‘빅 인사이트’ 시스템 구축’ (2018.03.25)
• 아시아 경제, ‘하나은행, ‘빅데이터 역발상…”행장님이 우리 지점 보고 계셔”’ (2018.01.24)

* 이 글은 ‘데이터 시각화 전문기업 뉴스젤리 블로그’에도 게재됐습니다.