당신은 주제를 찾고 있습니까 “금융 데이터 분석 – 은행에서도 빅데이터 분석이 필요한 이유 ep.3 빅데이터 엔지니어편 (빅데이터, IT, AI) [은행학개론]“? 다음 카테고리의 웹사이트 ppa.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: https://ppa.maxfit.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 IBK기업은행 이(가) 작성한 기사에는 조회수 30,951회 및 좋아요 107개 개의 좋아요가 있습니다.
금융 데이터 분석 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 은행에서도 빅데이터 분석이 필요한 이유 ep.3 빅데이터 엔지니어편 (빅데이터, IT, AI) [은행학개론] – 금융 데이터 분석 주제에 대한 세부정보를 참조하세요
[은행학개론]💰 은행에서 빅데이터 분석이 필요한 이유가 있다?끊임 없이 쌓이는 데이터에서 핵심적인 정보만 싹🔍
21세기 가장 섹시한 직업, 빅데이터 엔지니어 등장!
취준생, 신입행원, 이직을 준비하는 사람 모두 주목!
금융권 빅데이터 분석의 모든 것, 대공개!
제 3장 빅데이터 엔지니어편👨🏫 IBK 빅데이터센터 👨💻
“IT를 전공하고 은행에 입사한 이유”
📍데이터 분석의 중요성 00:00
📍빅데이터 센터에서 하는 일 00:39
📍은행에서 빅데이터 분석이 필요한 이유 02:17
📍빅테이터 엔지니어를 꿈꾼다면? 03:25
📍데이터 관련 직무의 비전 04:14
📍IT기업 대비 IBK 빅데이터 센터의 장점 04:47
📍나에게 IBK기업은행이란? 05:50
#은행학개론 #빅데이터 #데이터 #엔지니어 #AI
#IBK #기업은행 #IBK기업은행
IBK 기업은행은 항상 여러분과 소통하겠습니다
——————————————————————-
IBK기업은행 페이스북 : http://www.facebook.com/IBK.bank.official
IBK기업은행 인스타그램 : http://www.instagram.com/goodibk
IBK기업은행 네이버포스트 : http://post.naver.com/good_ibk
IBK기업은행 블로그 : http://blog.ibk.co.kr
금융 데이터 분석 주제에 대한 자세한 내용은 여기를 참조하세요.
2022년 8월 11일 금융 데이터 분석 취업, 일자리, 채용 – 인디드
데이터 분석 컨설턴트, 각 부문 신입 및 경력사원, 보안 외에도 440 건 이상의 금융 데이터 분석 관련 일자리가 Indeed.com에 있습니다!
Source: kr.indeed.com
Date Published: 11/17/2021
View: 3626
금융 데이터 분석을 위한 파이썬 판다스 – WikiDocs
금융 데이터 분석을 위한 파이썬 판다스 … 최근 인공지능 AI(Artificial Intelligence)이 보급화되면서 방대한 양의 데이터를 처리하는 방식이 중요해지기 …
Source: wikidocs.net
Date Published: 6/9/2022
View: 977
금융산업에서의 빅데이터 활용, 어디까지 왔나? | click 경제교육
최근 들어 빅데이터(Big Data) 개념이 사회 · 경제 분야에 다양하게 접목 … 그리고 이를 관리 · 분석하기 위해 필요한 인력 · 조직 및 관련 기술까지 포괄하는 용어 …
Source: eiec.kdi.re.kr
Date Published: 10/23/2021
View: 4616
차세대금융! 금융분야 빅데이터 분석 활용 사례 18
최근 국내외 금융기업들은 마케팅, 상품개발, 리스크관리, 신용평가 등 금융 전반에 빅데이터를 활용하고 있다. 카드사의 경우 구매이력뿐만 아니라 …
Source: www.samsungsds.com
Date Published: 4/20/2022
View: 5907
금융데이터거래소
금융데이터거래소는 금융,통신 등 다분야의 데이터를 자유롭게 거래할 수 있는 데이터 거래 … 1,100만 고객 기반 카드 매출 데이터, 분석 및 모델링 역량을 바탕으로
Source: www.findatamall.or.kr
Date Published: 12/21/2022
View: 9734
파이썬을 통한 금융 데이터 수집과 분석 자동화 | 패스트캠퍼스
금융 빅데이터를 제대로 활용하려면, 금융권에서 데이터 분석을 업으로 삼은 전문가에게 직접 배우고, 다양한 학습 자료를 통해 자습을 해볼 수 있어야 합니다. 패스트 …
Source: fastcampus.co.kr
Date Published: 10/4/2022
View: 4347
[콴텍] 금융 데이터 분석 전문가 채용 | 원티드
“콴텍”에서 금융 데이터 분석 전문가를 모십니다. · 기존 금융모델과 AI를 융합해 상호보완적인 구조 완성 및 새로운 모델 개발 · 경력 : 2년 이상 · 금융권 (증권사, 자산 …
Source: www.wanted.co.kr
Date Published: 10/30/2022
View: 8519
[금융 트렌드] 금융권은 빅데이터를 어떻게 활용할까?
이러한 빅데이터는 어떻게 사용하느냐에 따라 진가가 달라집니다. 이런 이유로 여러 분야에서 빅데이터를 분석하고 가공하는 시스템을 개발해 활용하고 …
Source: www.hyosungfms.com
Date Published: 11/1/2021
View: 2844
[투데이 0편] 금융 데이터 분석에 앞서 – 데이콘
팀 투데이는 “투자에 데이터를 이용하다”의 약자입니다. 금융 데이터 수집&가공&모델링을 학습하면서 Financial Domain Knowledge와 Data Analysis …
Source: dacon.io
Date Published: 3/9/2021
View: 5329
주제와 관련된 이미지 금융 데이터 분석
주제와 관련된 더 많은 사진을 참조하십시오 은행에서도 빅데이터 분석이 필요한 이유 ep.3 빅데이터 엔지니어편 (빅데이터, IT, AI) [은행학개론]. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
![은행에서도 빅데이터 분석이 필요한 이유 ep.3 빅데이터 엔지니어편 (빅데이터, IT, AI) [은행학개론]](https://i.ytimg.com/vi/W4ehSrDDKxA/maxresdefault.jpg)
주제에 대한 기사 평가 금융 데이터 분석
- Author: IBK기업은행
- Views: 조회수 30,951회
- Likes: 좋아요 107개
- Date Published: 2021. 11. 16.
- Video Url link: https://www.youtube.com/watch?v=W4ehSrDDKxA
금융 데이터 분석을 위한 파이썬 판다스
최근 인공지능 AI(Artificial Intelligence)이 보급화되면서 방대한 양의 데이터를 처리하는 방식이 중요해지기 시작했습니다. 판다스(Pandas)는 오픈 소스로 관리되는 데이터 분석을 위한 파이썬 패키지(package)로, 파이썬 기본 자료구조를 개선한 고수준(user-friendly)의 인터페이스를 제공합니다. 사용하기 쉽고 높은 생산성을 가져다주는 판다스는 이제 옵션이 아닌 필수로 배워야 하는 툴이 되었습니다.
데이터 분석은 엑셀이나 SAS보다는 R과 파이썬을 주로 사용하고 있습니다. 데이터 분석 분야에 특화된 R에 비해, 파이썬은 다양한 분야에서도 활용할 수 있는 범용 프로그래밍 언어입니다. 현업에서는 데이터 분석뿐만 아니라 다른 업무도 함께하는 경우가 많아 범용성이 뛰어난 파이썬과 판다스 라이브러를 배우는 것을 저자들은 적극 권장합니다.
판다스의 문법을 사용하면 파이썬 기초 문법만을 사용하는 것보다 코드를 더욱 파이썬스럽게(Pythonic) 작성할 수 있습니다. 다만 데이터의 특성에 따라 사용하는 판다스 기능과 전처리의 방식이 크게 달라지기 때문에 많은 연습이 필요합니다. 독자 입장에서 본인들이 관심 있는 데이터로 판다스를 공부할 때 가장 재미있고 빠르게 판다스를 배울 수 있다고 저자들은 확신합니다. 그래서 본 도서는 많은 직장인들이 관심 있는 금융 데이터로 판다스의 문법을 지루하지 않게 설명합니다.
본 도서의 1장에서 5장까지는 판다스의 핵심 자료구조인 시리즈(Series)와 데이터프레임(DataFrame)의 구조를 배우고 다양한 메서드를 설명합니다. 6장에서는 일정 시간 간격으로 배치된 시계열 데이터를 다루고 7장에서는 금융 데이터를 시각화하는 방법을 배웁니다. 8장과 9장에서는 실전 데이터로 기간수익률, CAGR, MDD를 계산해 보며 수익률을 비교하는 방법을 배웁니다.10장에서 16장까지 유가증권시장에서 다양한 기술적 분석 알고리즘을 적용해 봅니다. 대표적으로 할로윈 투자 전략, PER과 PBR 콤보 전략, 모메턴 전략, 마법공식, RSI, 볼린저 밴드 알고리즘을 상승장과 하락장에서 수익률을 측정해 봅니다. 본 도서를 통하여 파이썬의 기초 문법만 아는 분들이 판다스라는 라이브러리의 기초를 잘 쌓기를 희망합니다.
책구매
YES24 교보문고
관련 무료 영상
파이스탁 YouTube
차세대금융! 금융분야 빅데이터 분석 활용 사례 18
데이터/애널리틱스
김서연
[연재기획] 빅데이터를 통해 트렌드를 읽다최근 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 이용함 으로써 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) 서비스 를 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 프로그램 은 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 삼성카드 에서도 빅데이터를 활용하여 맞춤형 할인 혜택을 주는 링크(LINK)서비스 를 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.
신한카드 에서는 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 활용 하고 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 시스템 을 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. 하나은행 은 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 Lenddo 는 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 Kreditech 사는 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.
파이썬을 통한 금융 데이터 수집과 분석 자동화
Q1. 안녕하세요, 이승준 대표님 간단한 소개 부탁드립니다. 안녕하세요? 반갑습니다. FinanceData.KR 대표 이승준입니다. 현재는 주로 컨설팅과 금융 서비스 준비를 하고 있습니다. 저의 경력을 간략히 소개해 드리면 LG 소프트를 입사를 시작으로 사회생활을 시작했고요. 유서가 깊은 개발자 잡지 ‘마이크로소프트웨어’ 필자로도 꽤 오래 활약했습니다. 벤처를 창업해서 10년 넘게 금융 분야의 SW솔루션을 개발하는 회사를 운영했죠. 이후 KB증권 IT 센터에서 9년 정도 일했습니다. 요약하자면 ‘금융’+’IT’ 영역에서 20년을 훌쩍 넘겨 일을 해오고 있네요. 이렇게 경력을 쌓으면서 자연스럽게 금융 데이터 분석에 관심을 가지게 되었습니다.
Q2. 수업을 꼭 들었으면 하는 대상이 있을까요? 이 강의를 통해 가장 높은 효용을 얻어 가실 분들은 금융회사에 근무하시는 분들과 개인 투자자분 일 것 같습니다. 데이터를 수집하고 분석하는 일은 사실 거의 모든 사무직 종사자들이 하는 일이며, 데이터 자체와 데이터 분석에 대한 중요성은 시간이 지날수록 커지고 있습니다. 앞으로 코딩을 이용해 데이터를 수집/분석하고, 의사결정을 내리는데 사용하는 능력은 어학보다도 훨씬 중요한 실질적인 경쟁력이 될 것이라고 생각합니다. 데이터 수집/분석뿐만 아니라 자동화에도 관심을 가질만합니다. 저도 증권사 출신이지만, 사실 금융회사에 계신 분들의 상당수가 ‘엑셀 노가다’라고 표현하는 단순 반복 작업에 의외로 시간을 많이 사용하죠. 엑셀의 한계를 느낀다면 파이썬 데이터 분석을 권해 드립니다. ‘엑셀 노가다’의 상당 부분을 대체하고 자동화할 수 있습니다. 또 개인 투자자분들의 경우, HTS와 웹사이트에서 제공하는 기능과 정보는 넘쳐나지만, 그것만으로 자신의 투자 아이디어를 검증하고 지속적으로 발전시키기는 쉽지 않죠. 본인이 직접 데이터를 다루게 되면 지속적으로 자신의 로직을 검증하고 개선할 수 있는 기회가 훨씬 많아지게 될 것입니다.
Q3. 수업을 듣기 위해 기본적으로 갖춰야 하는 수준에 대해서도 말씀해주시면 감사하겠습니다. 이 수업을 레고 ‘빌딩 블럭’으로 표현하고 싶습니다. 본 과정은 기초부터 하나씩 차근차근 진행하는 그런 수업은 아닙니다. 그것보다는 강의가 끝나고 실전에 바로 써먹을 만한 수준의 내용을 전달하고, 바로 활용할 수 있는 코드 “블럭”들을 제공하는 것이 목표입니다. 직접 데이터를 수집하고 다루고 싶은 분에게 필요한 기본 블럭을 제공하는 것이 목표 중 하나입니다. 어떻게 조립해서 사용할지는 개개인의 아이디어에 따라 달라지겠죠. numpy, pandas와 같은 파이썬 라이브러리 기본과 금융 통계 등 이론을 알려드리지만, 실질적으로 이론보다는 실제 금융 투자 영역에서 사용할 만한 수준의 코드들을 주로 다룹니다. 물론 파이썬 프로그래밍 언어를 어떻게 정리할지 가이드를 드리지만, 수강 전에 파이썬의 기초를 어느 정도 알고 계신 것이 좋습니다. 대략 약 2주 정도 이상 파이썬을 공부하셨다면 수강이 가능합니다. 또한 엑셀, HTML, 유닉스에 대한 사전 지식이 있다면 더욱 좋습니다. 추가로 금융 투자(특히 주식투자) 경험이 있으면 좋으나 필수적인 것은 아닙니다.
[금융 트렌드] 금융권은 빅데이터를 어떻게 활용할까?
지금은 초연결 사회입니다. 그물망처럼 촘촘히 연결된 사회에서 모든 정보는 알게 모르게 연결선을 타고 퍼져 있습니다. 이러한 정보가 연결망에서 축적되면 사람들의 행동과 패턴을 파악할 수 있는 빅데이터가 되는데요. 이러한 빅데이터는 어떻게 사용하느냐에 따라 진가가 달라집니다. 이런 이유로 여러 분야에서 빅데이터를 분석하고 가공하는 시스템을 개발해 활용하고 있죠. 최근에는 금융권에서 빅데이터를 활발하게 활용하기 시작했는데요. 어떤 방식으로 활용하는지 살펴보겠습니다.
금융권은 빅테이터가 왜 필요할까?
신용카드를 사용하는 사람들이 많아졌습니다. 한국은행이 발표한 <2017년 지급 수단 이용 행태 조사 결과>에 따르면 신용카드 이용률(중복 응답)은 79.1%로 나타났습니다. 현금 이용률은 99.3%로, 신용카드 이용률이 현금보다 낮게 나왔지만, 한 달간 평균 이용 금액은 현금이 24만 3천 원, 신용카드가 41만 3천 원으로, 신용카드 이용금액이 훨씬 많습니다. 신용카드를 사용하면 사용자의 소비 성향이 데이터로 남는데요. 신용카드 사용내역 중 비중이 가장 큰 업종은 무엇인지, 사용하는 시간은 주로 몇 시에 집중되는지, 소액 혹은 고액 결제가 많은지 등이 기록으로 남습니다. 단순히 기록으로만 남는 것이 아니라 이를 활용해 통계를 도출하고 고객의 행동을 예측할 수도 있죠. 이러한 결과물을 금융권에서는 다양한 마케팅 전략에 활용하고 있습니다.
금융권 빅데이터를 공유하는 서비스도 등장했는데요. 신용정보원은 국내 약 200만 명의 금융 빅데이터인 ‘크레디비(CreDB)’를 금융사, 연구소, 핀테크 스타트업, 교육 회사 등이 이용할 수 있도록 무료로 공개하기로 했습니다. 빅데이터에는 신용카드 개설, 대출, 차주, 연체 정보 등이 포함되며, 개인 정보가 유출되지 않도록 데이터를 재가공해 공개합니다. 이러한 빅데이터를 이용해 핀테크 스타트업은 고객 맞춤형 서비스를 개발하고, 보험사에서는 고객이 가장 필요로 하는 보험 상품을 구성할 수 있습니다.
신용카드사의 빅데이터를 활용한 고객 맞춤 마케팅
금융권 중에서도 빅데이터를 활용해 활발하게 마케팅을 펼치는 곳은 신용카드 회사입니다. 한국은행의 보고서에서도 드러나듯이, 소비자들의 신용카드 사용이 많은 만큼 신용카드 회사는 고객들의 빅데이터도 충분히 보유하고 있기 때문인데요.
신한카드는 빅데이터를 활용해 고객 맞춤 혜택을 제공하는 ‘초개인화 서비스’를 오픈했습니다. 초개인화 서비스는 빅데이터를 통해 고객의 TPO 즉, 시간(Time)과 장소(Place), 상황(Occasion)을 예측하고 알고리즘과 플랫폼을 기반으로 고객이 필요한 시점에 맞춤 혜택을 제공하는 서비스입니다. 월 단위, 주 단위의 혜택이 아닌, 고객의 현재 상황에 맞는 실시간 혜택 제공이 가능해진 것인데요. 시시때때로 달라지는 날씨나 고객이 이동하는 지역의 상권 등이 실시간으로 서비스에 반영됩니다.
비씨카드는 지난해 4월 빅데이터 기반의 ‘마이태그 서비스’를 선보였습니다. 비씨카드는 카드 사용자의 분석 자료를 활용해 각 고객의 소비 성향을 파악했는데요. 이 데이터를 바탕으로 각 고객에게 자주 사용하는 업종과 지역 내 가맹점 혜택을 비씨카드 앱이나 페이북 앱을 통해 제공합니다.
신용카드와 유통사가 함께 손잡고 빅데이터를 활용해 마케팅 효과를 보기도 했습니다. 삼성카드와 이마트 트레이더스는 삼성카드가 보유한 고객의 빅데이터를 활용해 고객 맞춤형 마케팅을 펼쳤습니다. 빅데이터를 활용해 마케팅 대상자를 선정하고, 고객이 이용하는 대중교통의 동선 파악, 선호 업종과 소비 규모 분석한 후 좀 더 확실한 대상자를 추립니다. 그리고 해당 대상자의 소비 선호 품목을 조사해 대상자에게 할인 쿠폰과 프로모션 안내 문자 메시지를 전송하는 것이죠.
여신 심사에도 빅데이터를 활용!
시중 주요 은행에서는 기업 여신 심사에 빅데이터를 활용하고 있습니다. 빅데이터를 활용하면 기업 관련 중요 정보를 객관적으로 분석하고 부실 징후를 예측할 수 있죠. 기존에는 기업 여신 심사 담당자가 자료를 분석해 기업의 리스크 등을 판단했다면, 이제는 빅데이터와 인공지능(AI)을 이용해 좀 더 빠르고 정확하게 분석할 수 있고, 체계적으로 리스크를 관리할 수 있게 되었습니다.
우리은행은 지난해 빅데이터를 활용한 기업 진단 시스템인 ‘빅 아이(Big Eye)’를 도입했습니다. 기업 여신 리스크 관리를 위해 활용되고 있죠. 빅 아이는 은행 대내외의 기업 정보를 분석하고 이를 통해 기업의 중요 정보를 분석하며 기업의 부실 가능성을 예측합니다.
신한은행은 기업 관련 빅데이터를 점수화하는 CSS(Credit assessment Scoring System)를 활용해 기업 여신 심사를 진행합니다. 신한은행은 외부 신용평가 회사들이 보유한 과거 10여 년의 재무 및 비재무 자료를 수집해 CSS에 활용합니다.
NH농협은행에서도 빅데이터를 분석해 이를 기반으로 ‘가계여신 의사 결정 지원 시스템(NH-LDS)’을 구축했습니다. 이 시스템은 경제 지표와 대출 시장의 빅데이터를 결합해 여신 정책과 리스크 관리 방향을 제시하는데요. 고객별 가계 대출 위기 상황을 측정하고, 부도 확률을 계산해 예측 모형을 생성합니다.
금융권의 빅데이터 사용은 세계적인 추세입니다. 이미 미국이나 중국의 금융권에서는 몇 년 전부터 빅데이터를 활용해 다양한 서비스를 제공해왔는데요. 우리나라도 계속해서 금융권 마케팅과 여신 심사 등에 빅데이터를 더욱 활발히 활용할 것으로 보입니다. 여기에 신용정보원의 더욱 방대한 ‘크레디비’ 공유가 더해지면 금융권 빅데이터를 활용하는 더 다양하고 많은 사업들이 등장할 것으로 예상됩니다.
키워드에 대한 정보 금융 데이터 분석
다음은 Bing에서 금융 데이터 분석 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 은행에서도 빅데이터 분석이 필요한 이유 ep.3 빅데이터 엔지니어편 (빅데이터, IT, AI) [은행학개론]
- IBK
- 기업은행
- IBK기업은행
- bank
- IBKbank
은행에서도 #빅데이터 #분석이 #필요한 #이유 #ep.3 #빅데이터 #엔지니어편 #(빅데이터, #IT, #AI) #[은행학개론]
YouTube에서 금융 데이터 분석 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 은행에서도 빅데이터 분석이 필요한 이유 ep.3 빅데이터 엔지니어편 (빅데이터, IT, AI) [은행학개론] | 금융 데이터 분석, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.