[기고] 금융 디지털 혁신 앞당기는 AI 기반 ‘데이터 카탈로그’

오늘날 많은 기업들이 비즈니스 프로세스, 제품, 서비스를 디지털화 하면서 수 많은 데이터가 실시간 생성되고 있다. 데이터 양의 증가와 더불어 데이터 복잡성도 심화됐다.

금융 분야도 예외는 아니다. 금융 서비스 조직은 정형, 비정형, 다크 데이터 등 모든 데이터를 확실히 파악해야 하는 과제를 안고 있다. 완벽하고 종합적인 금융 서비스를 제공하기 위해서는 데이터가 어디에 어떤 방식으로 존재하는지 정확히 알아야 한다.

금융 서비스는 데이터 접근과 사용에서 거버넌스의 복잡한 요구와 엄격한 규제가 작용된다. 최근 새로운 데이터 개인정보보호법으로 금융 서비스 제공은 더욱 복잡해졌다.

금융권의 데이터 및 개인정보 보호, 데이터 사일로(silo)와 같은 데이터 관리의 어려움을 극복하는 최적의 방법으로 ‘데이터 카탈로그(Data Catalog)’가 주목 받고 있다. 디지털 시대 금융 서비스가 직면한 도전과제와 데이터 카탈로그 도입 효과 및 성공적인 금융 데이터 운영을 위한 ‘데이터옵스(DataOps)’의 이점을 살펴보자.

■ 금융권 컴플라이언스 및 거버넌스, 비정형 데이터 관리의 어려움

데이터 보호의 중요성이 강조되면서 소비자 정보 컴플라이언스 및 거버넌스가 이슈로 떠올랐다. 데이터 소유권과 거래 보호가 중요해졌음에도 세계 곳곳에서 여전히 데이터 유출 사고가 빈번하게 발생한다. 아태지역 기업 가운데 30%가 지난 3년간 1건 이상의 데이터 유출 사건을 경험했다고 밝혔다. 이에 따라 아태지역 은행과 금융기관의 25%는 2021년까지 자동화 거버넌스, 리스크 및 컴플라이언스 솔루션을 채택할 전망이다.

각국 정부는 고객 데이터를 보유한 은행과 보험사를 강하게 규제하고 있다. 13개 아태지역 시장 중 6곳이 데이터 보호와 개인식별정보(PII)에 대한 새로운 가이드라인을 발표했다. 또한 알고리즘 투명성 결여와 인공지능(AI)의 악의적 사용을 막기 위해 2020년까지 새로운 거버넌스 정책과 절차에 대한 지출을 50% 이상 증액할 예정이다. IT 지출 가운데 25%가 컴플라이언스와 연관된다.

컴플라이언스와 거버넌스, 보안이 중요한 금융 서비스는 다양한 유형의 데이터를 효율적으로 제어 및 분석하고 이상거래 탐지, 데이터 탐색, 고객 분석, 규제 조사에 활용할 수 있어야 한다. 데이터 서비스 플랫폼에서 정형·비정형 데이터를 통합하고, 조직 내외부에 산재한 데이터 자산의 가시성을 확보해 데이터 인식 기능을 강화해야 한다. 데이터와 정보 제공을 지속해 비용 효율성을 유지하고 리스크를 완화하는 것이 중요하다.

■ 체계적인 금융 데이터 관리, AI 기반 ‘데이터 카탈로그’로 해결

디지털 뉴딜 정책으로 금융 서비스에서 데이터 가치가 높아지고 있지만 실제 기업 비즈니스에 인사이트를 주는 효율적인 데이터 관리는 쉽지 않다. 특히 기존 수작업 방식으로는 폭발적으로 증가하는 데이터의 체계적 관리는 물론 민감 정보 관리, 효율적인 데이터 리소스 할당이 어려워 새로운 대안이 필요하다.

데이터 카탈로그는 기업이 데이터를 분석·활용하기 위해 반드시 거쳐야 하는 작업이다. 데이터 카탈로그는 기업 내 조직과 시스템에 산재한 서로 다른 속성의 데이터를 AI로 빠르게 파악해 데이터 정리·통합·관리를 용이하게 해 준다. 엣지 기기부터 데이터센터, 멀티 클라우드에 걸쳐 데이터 레이크 관리, 중복·복제 데이터 식별을 통한 데이터 분류, 자동 데이터 계보 분석, 민감 데이터 검색, AI·머신러닝을 통한 태깅 등을 지원한다.

데이터 카탈로그를 활용하면 금융 서비스의 민감 데이터를 자동으로 감지, 태그 지정, 보호하고 민감 데이터 유무 확인이나 데이터 유형 확인 등 셀프 서비스 분석도 가능하다. 추가 처리가 요구되는 민감 정보(개인정보 등)를 빠르고 신뢰할 수준으로 관리할 수 있어 데이터 3법 대응에 효과적이다.

효성인포메이션시스템의 ‘루마다 데이터 카탈로그'는 수작업으로 인한 휴먼 에러를 최소화하면서 대규모 데이터를 신속하게 정리하고 통합한다. 특히 머신러닝 기반 '핑거프린트' 알고리즘을 통해 수작업으로 하기 힘든 수많은 컬럼, 메타, 속성 등을 자동 분석하고 매핑해 준다.

■ 성공적인 금융 데이터 운영의 지름길 ‘데이터옵스’

은행, 보험사 등 금융 서비스를 제공하는 기업들은 고객에 대한 깊은 이해를 필요로 한다. 개인 맞춤형 가치를 전달하기 위해 더 세밀한 통찰력을 갖고 서비스의 정체성을 관리해야 한다. 제품 사일로를 분류하고 스마트 알고리즘과 분석을 실행해 각 고객에 맞는 금융 서비스를 제공해야 한다. 데이터로부터 정밀한 인사이트를 도출해야 하는 금융권에게 해답은 데이터옵스다.

데이터옵스는 적합한 데이터를 적시에 올바른 장소로 가져올 수 있는 프로세스를 자동화함으로써 데이터의 궁극적인 잠재력을 최대한 발휘하도록 하는 전략 실행 방법이다. 개발과 운영을 함께하는 데브옵스와 마찬가지로 데이터 분석과 운영을 하나로 통합해 비즈니스 의사 결정의 품질과 예측 가능성을 높이고 가치 창출 시간을 줄여준다. 금융권 데이터옵스 도입의 이점은 다음과 같다.

▲전체적 사고로 확장된 시각: 다양한 서비스를 제공하는 금융기관 종사자들은 작업 중인 정보의 일부만을 검토할 뿐, 계보나 의미에 대해 생각하지 않는 경향이 있다. 대부분 금융 서비스 기관들은 많은 구성요소를 갖고, 이를 통해 흐르는 자료의 요구사항도 모두 다르다. 은행은 다수의 법인으로 구성되고 대출, 신용카드, 자산관리 부서를 비롯해 다양한 거래 데스크가 마련되어 있다. 따라서 거래 과정에서 데이터 한 조각이 은행의 상품 세트 15~20개를 거칠 수 있다.

데이터를 표준화되고 일관된 방식으로 이동시키는 방법으로 데이터옵스는 데이터 공급과 데이터 소비를 동시에 제공한다. 따라서 모든 구성원은 데이터옵스가 제공하는 자동화 도구를 통해 더 큰 그림을 볼 수 있다.

▲심화된 마켓 인텔리전스: 금융 서비스 조직은 데이터옵스 인프라를 구축해 혁신적인 데이터 집약 전략을 활용할 수 있다. 여러 기관들이 감성 분석과 같은 기법을 이용해 외부에서 수집 가능한 데이터인 ‘소셜 리스닝(Social Listening)’에 참여하고 있다. 이를 통해 금융기관은 소셜 네트워크 사용자의 활동에서 통찰력을 얻고 고객 요구에 더욱 신속하게 대응할 수 있다.

▲고객과 내부 사용자의 셀프서비스 촉진: 금융 산업에서 고객과 내부 직원의 사용자 경험은 중요한 차별화 요소다. 이는 데이터옵스가 변화를 일으킬 수 있는 핵심 영역이기도 하다. 고객이 자신의 계좌를 직접 관리하도록 하고, 우수한 사용자 경험을 제공하는 고객 셀프서비스를 위해 데이터옵스는 ATM 또는 원격 뱅킹 앱을 이용해 최종 사용자에게 원활한 데이터 액세스를 제공한다.

내부 사용자는 여러 출처에서 흘러 들어오는 실시간 데이터에 대해 접근하고 분석하는 능력이 중요하다. 데이터옵스를 통해 직원과 파트너는 분석 통찰력을 발휘할 수 있고, 최종 사용자는 IT 부서와 사일로 애플리케이션의 제약에서 벗어날 수 있다.