금융데이터의 특징과 그 사례

금융데이터의 특징과 그 사례를 알아보자.

최근 챗봇과 관련된 프로젝트를 고민하면서 챗봇이 인식할 수 있는 카테고리화에 대한 부분을 고민한 적이 있다. 어떤 질문이 문장으로 주어졌을 때 해당 질문에서 키워드는 무엇인지, 어떤 단어의 중요성이 높고 화자가 원하고자 하는 정보는 무엇인지 분류하는 것이 여기에 해당한다. 자연어처리 쪽에 가깝지만 이러한 과정이 금융데이터 분석에 해당하기에 금융데이터의 특징과 사례를 알아보려고 한다.

---

금융데이터의 특징

금융데이터는 어떤 형태로 구조화되었는지에 따라서 아래와 같이 분류된다.

• 정형데이터 : 엑셀의 스프레드시트, 관계형 데이터베이스의 테이블
• 반정형 데이터 : HTML, XML, JSON 등과 같은 데이터 타입
• 비정형 데이터 : 지금 내가 작성하고 있는 것과 같이 별도 양식이 없는 텍스트, 그 외 영상, 이미지, 음성 등

목적을 가지고 고객의 자사 홈페이지 접속 빈도, 고객의 매매성향, 고객 투자 포트폴리오와 같이 앱 또는 웹으로 수집된 다양한 데이터를 분석 및 가공해서 의사결정에 활용하기 위함이다. 그렇기 위해서는 이 데이터가 정갈하게 정리가 되어 있어야 분석 및 가공이 가능한데, 비정형 데이터는 한계가 있는 것이 그 특징이다.    

---

로보어드바이저 사례

장기적으로 로보어드바이저는 인력을 대체하기 위한 목적으로 활용될 것이다. 단계가 거듭되어 고도화 될 수록, 사람이 개입하는 단계나 비중이 차차 줄어들어서 기존에는 자문인력과 운용인력이 개입되었던 부분에 대해서 완전히 로보어드바이저에 일임된다면 그 중간단계에 있던 사람들이 대체되게 될 것이다. 생각하면 섬뜩한 일이지만 이미 우리나라는 중간단계까지 진입했다고 하고 미국과 유럽은 상당히 고도화된 단계까지 진입했다고 한다.

신용카드 데이터 사례

데이터 분석이 활발히 이루어 지는 것 같은 업종은 카드사이다. 아무래도 고객의 방대한 결제정보가 집중되는 곳이어서가 아닐까 생각해본다. 신용카드 결제 데이터는 결제금액, 결제시간, 결제장소, 카드번호 등 다양한 데이터를 포함하고 있는데, 해당 항목들을 조합하여 어떤 패턴을 만들어낸다면 하나의 특성이 될 수 있는 것이다.

신용카드 결제흐름도

최근 여의도에서 있었던 세계불꽃축제의 경우에도 어디에 인파가 많이 몰리는지에 대한 정보도 카드사에서 분석한 카드 결제데이터의 정보가 활용되었다고 한다. 평소에 비하여 특정 시간대에 특정 장소에서 폭발적인 카드매출이 발생했다면 그 인근에 많은 인파가 몰렸을 것이라고 볼 수 있지 않겠나? 이러한 원리라고 보면 된다. 아래는 KB국민카드의 빅데이터 분석을 통해 얻은 정보를 바탕으로 작성된 기사로 참 흥미롭다는 생각을 했다. (그리고 실제로 그무렵 그 인근은 정말 사람이 많았다... 나름 정확함...)

https://news.einfomax.co.kr/news/articleView.html?idxno=4236034 

오는 8일 여의도 불꽃축제…여의나루역 피해서 오후 3시 이전 이동해야 - 연합인포맥스

---

이처럼 현재 고객이 어떤 투자 상품을 선호하는지 판단하기 위해 고객의 보유 주식, 매매빈도 등의 정보를 활용하고 있으며, 이러한 분석을 통해 개발된 인공지능 모델을 활용한 다양한 추천 서비스가 출시될 것으로 생각된다.

참 무서우면서도 변화무쌍한 세상인 것 같다.