[전문가 기고] 금융의 미래 – 승자의 조건, 경쟁우위 확보위한 분석의 운영화

2018.06.26 11:55:37 / 박기록 rock@ddaily.co.kr

* 본 기고는 <디지털데일리>가 6월말~7월초 발간할 예정인 '2018 디지털금융 혁신과 도전'에 게재된 내용을 온라인 독자를 위해서 제공하는 것입니다.  

<글>: 이태우 상무 / 한국 테라데이타 금융산업 컨설턴트 

금융산업은 매력 넘치는 산업입니다. 기존 은행들 중에는 오랜 역사를 지닌 곳이 많습니다. 한국도100년 가까운 역사를 갖고 있는 은행들이 많습니다. 그 사이 역사적, 사회적, 경제적, 기술적 변화를 꿋꿋하게 견뎌왔습니다. 실로 대단한 끈기와 유연성이 아닐 수 없습니다. 

변화에 대처하는 은행들의 능력은 2018년 다시 한번 시험대에 올랐습니다. 은행업을 둘러싼 환경이 그 어느 때보다 빠르게 변하고 있기 때문입니다. 그 무엇보다 역사상 처음으로 산업혁명이 은행의 비즈니스 모델을 바꾸고 있습니다. 

“은행업에도 ‘우버’와 같은 상황이 벌어지고 있다. 앞으로 10년 사이에 금융서비스업 종사자의 50%는 감소할 가능성이 있다. 아무리 양보해도 최소 20%는 감소할 것이다.” - 영국 바클레이 은행 전 CEO Antony Jenkins, 2017년. 

“핀테크가 돈의 본질을 바꾸고 중앙은행의 근간을 흔들 것이다. 또한 금융서비스 이용자들에게 민주주의 혁명 이상의 변화를 선사할 것이다.” - 잉글랜드 중앙은행장 Mark Camey, 2016년. 

각국 은행들은 위와 같은 변화와 기회에 맞서고자 혁신 기술에 투자하고 있습니다. 고객경험 관리 강화, 효율성과 자동화 확대, 규제 준수 및 금융보고에 더욱 적합한 기법 도입 등을 통해 경쟁력을 강화하기 위한 새로운 역량을 개발하고 있습니다.  이러한 중심에는 향상된 분석 능력이 있습니다. 대규모 조직의 요구, 즉 강력하면서도 비용 대비 높은 효과를 얻기 위해 분석을 운영화해야 한다는 인식이 높아지고 있습니다. 

그러나 여전히 많은 조직에서 분석업무를 똑똑하지만 묵묵히 일하는 사람들이 어두운 방에서 처리하는 업무 정도로 여기고 있고, 마케팅, 리스크, 재무와 동급으로 격상시키기를 주저하고 있습니다.

다시 말하면, 조직 전체를 포괄하는 기능으로의 분석업무를 인정하고 있지 않는다는 의미입니다. 분석의 운영화를 만들려면 조직을 대대적으로 바꿔야 하는데, 이런 일은 분석 알고리즘을 만드는 사람들이 아니라 General Manager급에서 주도해야 합니다. 따라서 카리스마와 권한, 변화를 지향하는 리더십을 지닌 다재 다능한 분석 기능이 필요합니다. 

이를 통해 데이터 과학자들이 백오피스(Back office)가 아닌 고객들과 조직이 직접 만날 수 있는 전방 영업장 (Front office)이나 중앙으로 나아가야 합니다. 

기존의 은행은 재무나 위험관리 기능 없이는 운영되지 않았습니다. 그렇다면, 분석기능을 기존의 조직구조내에 두지 못할 이유가 없습니다. 자세한 논의를 위해 센티언트 엔터프라이즈(The Sentient Enterprise)가 제시하는 분석역량 성숙도 모델을 참고하겠습니다.

센티언트 엔터프라이즈(Sentient Enterprise)란 은행이 신규 소스와 기존 소스에서 나오는 대량의 데이터를 관리할 수 있는 최종 상태를 말합니다. 이 상태에서는 알고리즘과 분석기능이 의사결정의 상당 부분을 자율적으로 담당하고 사람은 전략적이고 비즈니스 영향이 큰 순간에만 개입합니다. 이러한 기업은 미세한 트렌드를 감지하여 시장변화를 빠르게 예측하고 대응할 수 있습니다. 이러한 상태로 가는 여정은 분석 역량 관점에서 5가지 단계로 나눌 수 있습니다. 
 
1. 애자일 데이터 플랫폼 
애자일 데이터 플랫폼에서는 데이터 웨어하우스, 데이터 레이크, 디스커버리 플랫폼, 분석 오퍼레이션(analytic ops)이 새롭게 구성되는 인프라의 핵심 구성요소이고 주요 특징은 다음과 같습니다. 
Ÿ 운영시스템의 최대 범위에서 대부분 준실시간 또는 마이크로 배치 데이터 수집
Ÿ 낮은 수준의 원시 세부 데이터를 메타데이터와 함께 장기 저장 
Ÿ 낮은 수준의 원시 데이터에 대한 지속적인 실험과 인사이트 창출 
Ÿ 현재 비즈니스에서 발생하는 일들을 정확하게 나타내는 통합 데이터 모델 역량
 
2. 행동 데이터 플랫폼
행동 데이터 플랫폼은 애자일 데이터 플랫폼의 기능적 확장입니다. 즉, 운영시스템에서 수집한 아주 세밀한 데이터를 통합하여 고객 행동을 예측하는 것입니다. 

예를 들어, 고객의 온라인 뱅킹 탐색 데이터를 기반으로 고객의 행동패턴을 이해할 수 있습니다. 미시적 관점에서 온라인 뱅킹 거래내역은 그다지 유용하지 않습니다. 그러나 이러한 미시적인 상호작용을 전체 맥락 관점에서 이해한다면 고객의 행동과 목적을 예측하는 데 큰 도움이 될 것입니다. 
기존 운영체계의 은행들은 앞으로 10년 동안 다음과 같은 역량을 갖추어야 합니다. 

Ÿ 개별 고객의 과거, 현재, 미래 가치를 면밀하게 파악하는 역량 
Ÿ 고객이 은행과 어느 정도의 깊이 있는 관계를 맺고 있는지 파악하는 능력.
Ÿ 개별 고객의 재무 상황, 생애 단계, 개인적 니즈를 면밀히 파악하여 개별적으로 대응하는 능력

3. 협업 아이디어 창출 플랫폼
이 플랫폼은 5가지 모델 중에서 가장 난해하고 복잡한 모델입니다. 이 플랫폼의 기본 명제는 누가 정보를 이용하는지를 조직이 일반적으로 파악하지 못한다는 것입니다. 이러한 관점은 대부분의 조직에서 일부 핵심적인 KPI를 제외하고 데이터 출처, 데이터 리니지, 의미, 신뢰도, 품질에 대한 세부 정보가 그 분야의 소수 전문가에게 집중되어 있음을 반증합니다. 
2018년까지 이 분야에서 보편화될 것으로 보이는 역량은 다음과 같습니다. 

Ÿ 모든 데이터를 ‘비즈니스 용어’로 설명. 데이터 소스, 용도, 리니지, 품질에 대한 이해하기 쉬운 정보 
Ÿ 상당한 IT 및 엔지니어링 노력 없이도 새로운 데이터를 프러덕션에 추가하는 역량 
Ÿ ‘분석에 대한 분석’을 정기보고서에 포함. 예를 들어, 이번 주의 전체 모델과 알고리즘의 지난 주 대비 성과는? 
Ÿ AI 성과 관리방안에 대한 고려. 고객 서비스 담당 임원이 챗봇의 성과를 어떻게 평가할 것인가? AI가 변화하는 환경에 적응하지 못하는 상태를 어떻게 방지할 것인가?   

4. 분석 애플리케이션 플랫폼
분석 애플리케이션 플랫폼은 많은 조직에서 계속해서 지향하고 있는 모델입니다. 물론 거기 반드시 명확한 의도나 체계가 있는 것은 아닙니다. 그렇다고 해도 10년 전이라면 복잡한 분석이었을 STT(speech to text), 텍스트 분석, 그래프 분석, 패턴 인식 등이 이제 상품화되는 단계에 이른 것만은 분명합니다.

5. 자율적 의사결정 플랫폼
최근 AI의 발전추세는 실로 대단합니다. 일례로 Google “알파고”는 수백 년 묵은, 바둑에서 이기는 법이라는 과제를 해결하기에 이르렀습니다. 바둑의 본질(가능한 모든 결과가 일정한 명문화된 규칙에 따라 결정되는 구조)과 금융 서비스의 여러 비즈니스 프로세스(일정한 명문화된 규칙에 따라 의사결정이 내려지는 구조)를 감안할 때 AI가 금융 의사결정에 적용될 가능성은 무궁무진합니다. 

2028년에는 인간이 감히 관리할 엄두도 내지 못할 규모와 디테일을 지닌 데이터세트를 토대로 “either/or” 기준에 예외를 적용할 줄 아는 AI가 대출 의사결정을 내리는 세상이 펼쳐질지도 모릅니다.

인공 지능의 경우 신용 평가를 통과하지 못하더라도 정상 참작의 여지가 있는 대출 신청을 쉽게 가려낼 능력이 있을지도 모릅니다. 종전의 허술한 모델링에서는 자격 미달인 고객에게 대출을 해줘 고객 관계와 충성도를 높일 수 있다면 은행에게는 큰 경쟁 우위가 될 수도 있습니다. 같은 맥락에서, 종전의 신용 평가에서는 문제가 없었을 대출이 거절된다면 이 또한 커다란 파장을 일으킬 수 있습니다.

미래 은행의 4대 집중 분야
운영 모델 - 개인화와 극도로 상세한 고객 정보, 활발한 상품 조정 등으로 인해 엄청난 데이터가 양산되고, 데이터 양, 규모, 가치 발견 측면에서 분석에 대한 도전이 커질 것입니다. 문화, 아키텍처, 조직의 근본적 재편이 필요할 것입니다.

P2B 영업으로의 트랜스포메이션 - 디지털 P2B(개인대기업)로 인해 영업의 전환이 대규모로 촉발되고 운영 모델의 수익성이 개선될 여지도 생길 것입니다. 

분석 인텔리전스와 민첩성 강화 - 은행에서는 데이터의 균일화와 운영 사일로의 통폐합에 따라 보고와 준법, 감사 기능이 간소화되고 그로 인한 투명성 제고로 의사결정이 더욱 빨라지고 완벽해질 것입니다.

기반 기술 - 사일로가 사라지고 데이터와 분석의 일관성이 커지고 레거시 아키텍처가 교체되면서 IT 규모도 크게 줄어들 것입니다. 기술은 변화의 원동력입니다. 앞으로 10년 이상 시장을 지배하고자 하는 은행이라면 기술을 통해 성패에 지대한 영향을 미칠 수도 있는 데이터의 효과적 활용 능력과 분석 역량을 확보해야 합니다. 

앞을 내다보는 기업이라면 새롭고 실행가능한 분석 인사이트와 역량을 기반으로 다음과 같은 과제를 수행하여 비즈니스 성과를 높여야 합니다.  

더욱 더 개인화된(수익성이 좋은) 고객경험 창출  
모든 채널과 접점 전반의 운영 역량 강화 
금융 데이터 통합 및 일원화를 통한 회계 투명성 제고 및 리스크 관리 
인사이트를 활용한 상품 혁신
심각한 영업위험 인지 및 완화
인력부터 인프라까지 핵심 자산 가치의 최적화

분석의 장점을 제대로 이용하지 못하는 은행은 경쟁 우위와 성장 잠재력을 잃을 위험에 놓이게 됩니다. 그리고 장기적으로는 생존 자체를 위협 받게 될 것입니다. 테라데이타는 고객의 비즈니스 파트너로서 비즈니스 분석 솔루션과 아키텍처 컨설팅, 업계 최고의 빅데이터 및 분석 기술을 기반으로 고객의 잠재력을 극대화 할 수 있도록 돕고 있습니다.  <끝>



네이버 뉴스스탠드에서 디지털데일리 뉴스를 만나보세요.
뉴스스탠드


  • IT언론의 새로운 대안-디지털데일리
    Copyright ⓒ 디지털데일리. 무단전재 및 재배포 금지
 
· [카드뉴스] 기업의 지속가능성 해법은 결국···
· [카드뉴스] B tv 서라운드, 거실을 영화관으로
· [이지크로] 안전하고 믿을 수 있는 에스크로
  • 동영상
  • 포토뉴스
LG전자, ‘스팀씽큐’ 전량 국내 생산 LG전자, ‘스팀씽큐’ 전량 국내 생산
  • LG전자, ‘스팀씽큐’ 전량 국내 생산
  • LG’s New Design Language…
  • SKT, 온라인 개학 맞아 ‘가상교실’ 선봬
  • SKT, 월 9900원 올프라임 멤버십 ‘1달 무료…