[ 핀테크기업사례 분석 ] 2-1. 빅데이터와 핀테크

 

1-1. 디지털 뱅크와 인공지능

-네오뱅크가 전통은행의 지점을 사라지게 할 것인가? 생각보다는 아직 위협은 되지 않는다.

-IRP를 관리하기 어렵다보니, 어떻게 관리 할 수 있을까?에 대한 생각이 누구나 가진 고민이다. 이때 인공지능 이야기가 나오는데, 어떻게 적용할 수 있을지 모건스탠리가 알아보았음.

-투자조언과 재무설계의 차이점: 재무설계는 체계적인 준비가 가능하고, 장기적 관점에서 고객만족도가 높으나, 재무설계사의 리소스가 많이 들고, 단기성과에 부적합하다. 투자조언은 그와 반대이지만, 결정적으로 고객만족도가 낮다.

-AI는 만능이 아니다. 활용하다가 틀려도 되는 분야에서 쓰이다 보니, 정확한 업무 처리가 필요한 부분에서는 아직 갈길이 멀다.

 

1-2. 모건스탠리가 본 인공지능과 뱅킹

-인공지능은 조직안에서 너무 많이 이야기 되고 있고, 무엇을해야 하는지 알 수 없고 혼란스럽다. AI도구와 기술을 적용시키려면 개인과 조직의 일하는 방법을 바꾸는 것에서 시작하는 것이 좋고, 조직의 역량을 집중해야 결과가 나올 것이다.

-인공지능이 잘하는 것은 순서대로 부정방지, 업무자동화, 추천, 대화, 추론이었고, 사람은 그 반대였다. 사람의 추론과 인공지능의 추론은 다르다.  

-금융기관 자산관리의 목표는 AI가 아니라 똑똑한 관리자를 만드는 것. 따라서 전문가와 인공지능과 차별화된 직관으로 최고의 인사이트를 구하는 것이 모건스탠리의 목표이다.  

-90년생의 최대 관심사는 자산관리이다.

-데이터 분석 결과, 고객만족이 가장 높은 것은 AI가 아닌직원이 고객과 통화하는 것이었다.

-기계가 잘하는 것(데이터분석, 지속적 수정과 개선)과 사람이 잘하는 것(추론, 대화)을 통합하여 증강지능을 활용한 의사결정

-SNS, 계좌정보, 소비정보, 고객연락처 등을 데이터로 삼아 AI분석, 예측, 추천하여 적은 직원으로도 더 많은 고객을 관리 할 수 있게 함. 자산 관리자에게 고객 컨택 전략을 제시함(Idea to Engage 고객별 영업 스케줄, Client to Contact 연락해야 할 고객리스트, Alert 좌관련 알람)

-문제에서 시작, 지혜와 지식 활용, RPA 등에서 증강 결정

-예측이 가능한 도메인에서 가지고 있는 데이터 확보량, 리더십의 전폭적인 지원, 적절한 비율의 비즈니스 전문가와 분석 전문가, 빠른 실험, 실패를 거치는 린스타트업 방식 적용

- 과거에는 자산규모, 대량유통, 독점관계, 전환비용, 개인역량이 중요하였으나, 미래에는 데이터의 규모, 맞춤유통, 최적매칭, 유지혜택, 증강역량이 중요해지고 있다.

 

1-3. 디지털 채널을 활용한 고객 맞춤 서비스

-자산관리자는 고객과의 통화 내역, 제시할 전문자료 등을 통해 데이터를 모은뒤 AI가 제안할 메세지의 90%를 미리 작성하여 자산관리자에게 제공하면 자산관리자가 수정하여 100%로 만들어서 고객에게 이메일을 보낸다.

-그외에도 AI가 링크드인에서 승진한 사람의 데이터를 찾고 그에게 투자 목표를 반영해서 펀드 납입금액을 늘리도록 제안하거나, 사무실을 열려는 사람에게 대출을 제안하는 등의 사례

-고객이 원하는 것은 아직 보여지지 않은 것이 대부분, 그것을 자산관리자가 보여줄 수 있어야 한다.

-모든 사람이 체계적인 자산 관리를 받고 싶어하며, AI는 고객에 대해 파악하여 제안을 구성하는 기초적인 작업을 하면, 자산관리자는 고객과 직접 소통하는 것이 현재로써 최적의 디지털 영업전략이다.

-미래 금융서비스에서 돈을 모으는 기능 외 금융기관의 고객접점은 없을 것, 고객의 행동을 유발하는 서비스에 금융이 컨텐츠로 내재화 될 것 등에 대한 대비 필요

-

2. 인공지능의 대출심사, 스퀘어 사례

-딥러닝을 활용해서 대출심사는 불가능. 대출 거절에 대해 설명을 해줄 이유를 찾기 힘들기 때문.

-네이버 스마트스토어 사업자 대출, 카카오 페이 PLCC 발급 활용, 라인뱅크 동남아 시장 확대, 쿠팡 여신전문 금융업 진출 등 산업의 변화가 진행되는 중  

-스퀘어를 보면 앞으로 국내 대출 시장이 어떻게 될지 예측할 수 있음.

-스퀘어, start selling fast 신용카드 결제 단말기로 시작해서 결제 단말기를 만들고, POS기기를 만들어서 사업을 확장. 이후 Square Analytics 분석시스템을 제공하여 자영업자가 보기 편한 UI/UX 와 필수적인 정보 제공.

- 스퀘어 관련 기사, 자료 A_2013, B_2021, C_자료 

-스퀘어가 대출회사로 변신하는 모습을 보면, 비금융권업체가 금융권에 진출할 때 어떤 방식으로 진출하는지 알 수 있다. 이와 같이 네이버가 스마트 스토어 대출을 하는 이유는 데이터를 확보하고 있는 고객을 대상으로 생태계 구성을 위해 서비스를 제공하는 것임. 데이터 확보가 목표.

-스퀘어 캐피탈의 대출 제안은 자영업자의 영업데이터를 분석하여 전달 되는 것이므로 고객이 원하는 만큼의 대출금, 이자율 등을 산출하여 제안할 수 있어서 호응도를 높일 수 있다. 또한 대출금을 하루 매출 영업이익의 몇%를 그때그때 갚아가나가는 모델을 제시하기도 함.

-대출에 대한 파산예측, 대출을 하나의 완결형 프로세스로 만드는 것 등에 대한 고객경험을 연구

-신용평가점수에서 선행지수, 후행지수를 파악. 매출, 재무제표, 손익계산서는 후행(Lag,지연)이지만, 사업이 번창할지, 파산할지에 대한 데이터(Lead, 선행)의 파악이 중요. -> 부실율, 수익률, 대상선정, 대출규모, 이자율 등에 대한 알고리즘 파악.

-대출을 해서 갚는 비율의 데이터를 보면, 잘 갚는 Clear 부분, Review를 해야하는 부분, Auto Reject 해야 하는 부분으로 나뉘게 됨. 중간 영역의 Review는 반드시 사람이 해야 한다.

-머신러닝 프로젝트에서 가장 많은 영역을 차지하는 부분은 데이터, 알고리즘은 5%, 인원은 10명가량. 데이터의 종류는 매출데이터를 통해 행태데이터를 만들었는데, 400가지가 넘는다.

-데이터에서의 단골손님 비율을 통해 자영업자가 대출을 떼어먹을지 알 수가 있다. 그외에도 실시간 매출, 판품률 등의 지표들도 있다.

 

3. 스타벅스 은행 사례 Bank of Starbucks, Grinding Data and Brewing Results

-스타벅스 DT-Pass는 세계 최초로 차량번호와 카드를 등록해 자동 결제되는 시스템을 구축하였고, 현금을 받지 않음.

-스타벅스 시애틀 본사 주변 매장도 잘 되고, 스타벅스 매장이 있으면 부동산 가격이 뛴다.

-스타벅스 신제품 개발에 대한 의사결정에 영향을 미치는 것이 고객 취향에 대한 데이터임. 예를 들어 블랙티를 마실때 고객의 40%가량이 설탕을 빼고 달라고 요청. 커피를 마실때는 25%의 고객이 우유를 빼달라고 함.

-ArcGIS를 이용하여 지도상에 데이터를 시각화하고, 사람이 직관적으로 해야할 영업, 해야하지 않을 영업을 파악하여 의사결정.
-그외에도 실시간으로 축제 등 이벤트 확인하여, 데이터를 파악하여 직원을 보내서 집중적으로 근무할 수있도록 전략을 취한다.

-사이렌 오더는 국내에서 만들어서 미국으로 역수출하였으며, 데이터를 활용하여 추천시스템 제공. -Sofia, Jonathan, Kira 고객의 사례 – 고객 세그먼트수가 30개였으나, 최근 38만개로 증가. 추천하는 갯수가 38만개이며, 보다 자세하게 친구 누구가 무엇을 어떻게 먹었는지 추천하는 형태임.

-참고//맥도날드에서 밀크쉐이크를 런칭하려함. 인구통계학적 데이터를 모두 고려하여 보았으나, 아침에테이크아웃이 편한 밀크쉐이크를 원한 것임. 차를 타고 출근할때 지루함을 달래기 위한 그냥 무언가가 필요하고, 오전 10시에 허기지지 않을 만한 것, 베이글이나 도넛, 바나나보다 나은 것, 편하게 빨대로 마실만한 것을 원한 것임. 그래서 오래도록 녹지 않는 얼음알갱이를 개발하여 모닝 밀크쉐이크를 출시하여 대박남. -> Context 데이터는 안에서가 아니라 바깥에서 봐야 함.

-어느새부터 사소한 선물로 스타벅스 기프티카드를 주기 시작. 신용카드 결제로 인한 수수료 절감하여 고객에게 혜택제공.

-비트코인을 도입하여, 해외 매장에서도 구매가 가능하게 만들면 글로벌 은행도 가능. 예탁금이 많아서 수익창출도 가능.

-X Data는 사람들이 말하지 않는 경험데이터이며,  O Data는 시스템적으로 운영을 위한 데이터이다.   

-회사를 고객들이 어떻게 느끼는지에 대한 것은 매우 중요한 비즈니스 관점에서의 핵심요소. 외주에 맡기면 안됨. 

-신뢰할 수 있는 톤에 대해 파악 필요 : 고객이 0원을 사용하였습니다(x), 고객님께서 사용하지 않으셨습니다(o)

-카카오뱅크 가입자가 급격하게 증가한 이유: 캐릭터가 귀여워서...

-고객의 속마음을 파악하지 못하고 업에 대한 이해가 부족하면, 고객이 떠나가게 됨. 

 

4. 빅데이터와 보험산업

-보험산업은 AI에 가장 크게 영향을 받는 산업. 데이터를 확보한 플랫폼 오너를 중심으로 새로운 변화가 지속될것.

-Lemonade는 소프트뱅크, 알리안츠 등이 투자 했으며, 미국에서는 잘 알려진 보험회사임. 

-보험금의 60%는 보험금을 지급하고, 20%는 운영비, 남은 것은 고객이 지정한 기관에 기부함. 

-보험상품을 소개 받은 사람이 가입하는 비율 Conversion Rate가 10%대에서 25%까지 상승. 즉, 4명중 1명은 설명을 듣고 가입. 고객평가도 좋음. 

-Maya라는 챗봇을 통해 가입하고, 주거지를 확인 등을 거친후 어디에 기부할지 선택하게 되어 있음. 보험청구도 Jim이라는 AI가 담당한다. 단, 보험 청구시 클레임을 요청하는 영상을 전달해야 함. 이를 AI가 파악하고 몇초만에 청구금액 전달.

-자동화 인덱스, 직원 한명당 처리하는 보험 증권 갯수가 타 보험사보다 월등하게 높음. 가격은 경쟁사의 1/5 수준.

-신규고객 가입시 제공한 데이터가 4천개, 매우 정확한 수준으로 돈을 떼어먹을 지 알수 있음.

-3번에 걸쳐 거짓말로 보험을 타려는 고객을 파악. 레드 플래그는 두번째부터 이미 인공지능이 알고 있었음. 

-보험회사는 인공위성에서 보험대상 지역을 실시간 모니터링하면서 화재 등에 대한 감시도 하고 있음. 

-보험청구를 하면 싫어하는 보험사와 달리 Lemonade는 기부를 통해 보험 지급시 직원의 태도가 한결 달라짐. 즉, 고객과 직원간의 보험청구시 시각에 대한 프레임을 바꿈.