Improve financial services operations and performance

데이터 기반의 운영 효율성을 통해 금융 서비스 수익성 높이기

금융 서비스 기관이 경쟁력을 유지하고, 수익성을 높이기 위해서는 효율적인 운영이 필수입니다. 특히 핀테크 및 테크 기업들이 금융 서비스 영역으로 편입해 오는 상황에서는 더욱 그렇습니다. 이론상으로 수익성을 높이는 2가지 방법이 존재합니다. 수익은 높이고 비용은 줄이는 것이죠. 이 두 가지가 모두 중요합니다. 변화의 속도가 빠른 산업에서는 수익성을 높이기가 어렵습니다. 이를 해결하기 위해, 금융 서비스 기관들은 가용한 방대한 데이터와 정보들을 활용해 운영 효율성과 성과를 높이는 일에 주력하고 있습니다. 데이터 기반 접근을 통해 프로세스를 간소화하고, 중복을 없애고, 리소스 할당을 최적화함으로써 금융 서비스 기관은 비용을 절감하고 서비스 품질을 개선할 수 있습니다.

서비스 품질 개선은, 특히나 경쟁이 치열하고 상황이 급변하는 업계에서 더욱이 중요합니다. 운영 효율성이 뛰어난 기업 조직은 경쟁사 대비 경쟁력 있는 가격 정책, 빠르고 우수한 서비스, 높은 정확도 그리고 훌륭한 고객 경험을 제공할 수 있게 됩니다. 고객은 신속하고 원활한 경험을 제공하는 브랜드를 높이 평가하며, 이렇게 우호적인 고객 경험들이 쌓여 고객 충성도, 고객 유지, 고객 만족 평가에 기여하게 됩니다. 이 모든 요소들은 기업의 성장과 수익 증대에 영향을 미칩니다.

또한 운영 효율성은 민첩성과 적응성을 위한 기반이 되어, 경쟁사보다 빠르게 시장 변화, 규제 요건, 고객 수요에 대응하도록 합니다. 민첩한 조직은 새로운 제품을 더욱 빠르게 출시하고, 기술 발전에 적응하고, 새로운 기회를 손에 쥐고, 역동적인 환경에서도 성장을 거듭합니다.

운영 효율성은 고객, 규제 당국, 이해관계자의 신뢰와 신용을 공고히 할 수 있도록 리스크 관리에도 핵심적인 역할을 합니다. 수동 작업으로 인한 오류, 프로세스상 병목 현상, 부적절한 관리 등의 비효율성은 위험을 야기할 뿐 만 아니라, 규제 위반, 보안침해, 운영 중단으로 이어질 수 있습니다. 운영 효율성을 개선함으로써 금융 서비스 기관은 이와 같은 위험을 줄이고, 규정을 준수하고, 고객 데이터의 보안을 강화할 수 있습니다.

이 이점들은 모두 성장에 필수불가결한 요소입니다. 운영을 확장하거나 새로운 시장에 진출할 때 금융 서비스 기업은 프로세스의 품질을 저하시키거나 과도한 비용을 발생시키지 않고도, 증가하는 프로세스 양을 처리할 수 있어야 합니다. 효율적인 프로세스란, 손쉽게 복제 및 자동화할 수 있는 프로세스여야 하며, 기업의 성장 전략에도 활용할 수 있는 것이어야 합니다. 이를 통해 기업 조직은 기회를 확보하고 시장에서의 입지를 확장할 수 있습니다.

포괄적인 데이터 플랫폼으로 운영 효율성을 최적화하고 비용 절감하기

운영 프로세스 및 성과에 관한 데이터를 수집, 선별 및 분석함으로써 금융 서비스 기업은 병목 현상과 비효율성을 제거하고, 모든 대내외 상호작용을 최적화하여, 결과를 개선할 수 있습니다. 하단의 아키텍처는 권장 Oracle 구성 요소를 결합하여 분석 아키텍처를 구축하는 방법을 보여줍니다. 전체 데이터 분석 수명 주기를 확인할 수 있으며, 금융 서비스 기관이 상단에 설명된 광범위한 비즈니스 이첨을 달성할 수 있도록 돕기 위해 디자인되었습니다.

이 이미지는 금융 서비스용 Oracle Data Platform을 사용해 운영 효율성 및 성능을 지원 및 개선하는 방법을 보여줍니다. 본 플랫폼의 구성 요소들은 다음의 5가지 제품군으로 분류됩니다:

1. 1. 데이터 소스, 검색
2. 2. 수집, 변환
3. 3. 유지, 선별, 생성
4. 4. 분석, 학습, 예측
5. 5. 측정, 실행

데이터 소스, 검색 제품군에는 3가지 범주의 데이터가 포함됩니다.

1. 1. Oracle App의 데이터는 Fusion SaaS, Oracle E-Business Suite, CX에서 수집한 데이터로 구성됩니다.
2. 2. 비즈니스 기록(제1자 데이터) CRM, 트랜잭션, 계정 정보, 수익, 마진
3. 3. 제3자 데이터는 환율, 시장 피드, 상품 가격으로 구성됩니다.

수집, 변환 제품군은 4가지 기능으로 구성됩니다.

1. 1. 일괄 수집은 OCI Data Integration, Oracle Data Integrator 및 DB 도구들을 사용합니다.
2. 2. 일괄 전송은 OCI FastConnect, OCI Data Transfer, MFT, OCI CLI를 사용합니다.
3. 3. 변경 데이터 캡처는 OCI GoldenGate를 사용합니다.
4. 4. 스트리밍 수집은 OCI Streaming 및 Kafka Connect를 사용합니다.

4가지 기능 모두 유지, 선별, 생성 제품군 내의 서빙 데이터 저장소 및 클라우드 스토리지에 단방향으로 연결됩니다.

또한 스트리밍 수집은 분석, 학습, 예측 부문의 스트림 처리에 연결됩니다.

유지, 선별, 생성 제품군은 5가지 기능으로 구성됩니다.

1. 1. 서빙 데이터 저장소는 Oracle Autonomous Data Warehouse 및 Exadata Cloud Service를 사용합니다.
2. 2. 클라우드 스토리지는 OCI Object Storage를 사용합니다.
3. 3. 관리형 Hadoop은 Oracle Big Data Service를 사용합니다.
4. 4. 일괄 처리는 OCI Data Flow를 사용합니다.
5. 5. 거버넌스는 OCI Data Catalog를 사용합니다.

이상의 기능들은 해당하는 제품군 내에서 서로 연결됩니다. 클라우드 스토리지는 서빙 데이터 저장소에 단방향으로 연결되고, 일괄 처리와는 양방향으로 연결됩니다.

2개의 기능이 분석, 학습, 예측 제품군에 연결됩니다. 서빙 데이터 저장소는 분석 및 시각화 기능은 물론, 데이터 제품, API 기능에도 모두 연결됩니다. 클라우드 스토리지는 머신러닝 기능에 연결됩니다.

분석, 학습, 예측 제품군은 2가지 기능으로 구성됩니다.

1. 1. 분석 및 시각화 기능은 Oracle Analytics Cloud, GraphStudio, ISV를 사용합니다.
2. 2. 머신러닝은 Oracle Machine Learning을 사용합니다.

측정, 실행 제품군은 데이터 분석이 사용되는 방식을 캡처합니다: 사람 및 파트너별.

사람 및 파트너는 운영 효율성(처리 시간, 오류 발생률, 리소스 활용), 프로세스 병목 현상 파악, 고객 생애 주기 가치, 시장 및 경쟁사 분석, 성과 원인 분석으로 구성됩니다.

3가지 주요 제품군(수집 및 변환, 유지 및 선별, 생성 및 분석, 학습 및 예측)에는 인프라, 네트워크, 보안 솔루션, IAM 등이 지원됩니다.

데이터의 연결, 수집 그리고 변환

Oracle의 솔루션은 3가지 주요 제품군으로 구성되어 있으며, 각각 특정 데이터 플랫폼 기능들을 지원합니다. 첫 번째 제품군은 데이터의 연결, 수집, 변환 관련 기능을 제공합니다.

금융 서비스 기관이 운영 효율성 및 성능 개선을 위해 아키텍처에 데이터를 삽입하는 4가지 주요한 방법이 있습니다.

• 관련 프로세스를 시작하기 위해 먼저 운영 트랜잭션 데이터의 일괄 전송을 활성화해야 합니다. 일괄 전송 서비스는 기존 온프레미스 분석 저장소 또는 기타 클라우드 소스에 저장된 대량의 데이터를 처음으로 Oracle Cloud Infrastructure(OCI)로 이전해야 하는 상황에서 사용됩니다. 어떤 일괄 전송 서비스를 사용하게 될지는 데이터의 위치와 전송 빈도에 따라 달라집니다. 예를 들어 과거 계획 또는 데이터 웨어하우스 저장소로부터 대량의 온프레미스 데이터를 로드할 때 OCI Data Transfer 서비스 또는 OCI Data Transfer Appliance를 사용할 수 있습니다. 대량의 데이터를 지속적으로 이전해야 하는 경우, 고객사의 데이터 센터와 OCI 간의 고대역폭 전용 프라이빗 네트워크 연결을 제공하는 OCI FastConnect 사용이 권장됩니다.
• 이때 실시간 또는 실시간에 가까운 빈번한 데이터 추출이 필요하며, OCI GoldenGate를 통해 트랜잭션 및 고객 관리 시스템으로부터 데이터가 정기적으로 수집됩니다. OCI GoldenGate는 변경 데이터 캡처를 사용해 서비스 대상 운영 프로세스를 제공하는시스템의 기반 구조에 변경이 발생하면 이를 감지합니다(예: 계정 생성, 고객 문제, 사기 감지 등). 그리고 이 데이터를 실시간으로 지속성 계층 및/또는 스트리밍 계층으로 전송합니다.
• 여러 소스의 데이터를 실시간으로 분석하는 기능은 금융 서비스 기관이 운영 효율성 및 전반적인 성능에 대해 가치 있는 인사이트를 확보하고, 이를 활용해 핵심 프로세스의 효율성을 파악 및 측정할 수 있게 지원합니다. 이 사용 사례에서는 스트리밍 수집을 사용해 모바일 상호 작용, 사물인터넷, 머신 간 커뮤니케이션 및 기타 수단을 통해 고객 또는 내부 이벤트로부터 읽어온 모든 데이터를 수집합니다. 스트림은 다양한 대내외 소스에서 생성될 수 있으며, 트랜잭션 데이터, 고객 상호 작용 데이터, 시장 데이터, 소셜 미디어 데이터, 규정 및 규제 시스템으로부터 수집한 데이터를 포함합니다. 수집된 데이터(이벤트)는 몇 가지 기본적인 변환/집계 처리를 거친 후 OCI Object Storage에 저장됩니다. 추가 스트리밍 분석 기능을 사용하여 상관관계가 있는 이벤트들을 식별하고, 식별된 패턴은 OCI Data Science를 사용한 원시 데이터의 조사를 위해 수동으로 피드백될 수 있습니다.
• 실시간 처리에 대한 니즈가 증가하고 있긴 하지만, 트랜잭션, 전사적 자원 관리, 고객, 위험 및 규정 준수 관리 시스템에서 가장 흔한 형태의 추출은 ETL 프로세스를 사용한 일종의 일괄 수집 방식입니다. 일괄 수집은 데이터 스트리밍을 지원할 수 없는 시스템으로부터 데이터를 임포트할 때 사용됩니다(예: 구식 메인프레임 코어 뱅킹 시스템). 10분 또는 15분 간격으로 자주 데이터를 수집할 수도 있지만, 개별 트랜잭션이 아닌 트랜잭션 그룹 단위로 데이터를 추출 및 처리하는 만큼 본질적으로는 일괄 수집에 해당하는 방식입니다. OCI는 전용 OCI Data Integration 및 OCI Compute 인스턴스에서 구동되는 Oracle Data Integrator와 같이 다양한 일괄 수집 서비스를 제공합니다. 어떤 서비스를 선택할지는 주로 기술적 요구 사항이 아닌 고객 선호도를 기반으로 결정됩니다.

데이터의 유지, 처리, 선별

데이터 지속성 및 처리는 3개의 구성 요소를 기반으로 구축됩니다. 모든 구성 요소를 사용하는 고객도 있고, 하위 구성 요소만 선택하는 고객도 있습니다. 데이터의 양 및 유형에 따라 데이터를 객체 스토리지로 로드하거나, 영구적 저장을 위해 정형 관계형 데이터베이스로 직접 로드할 수 있습니다. 데이터 과학 기능의 적용이 예상되는 경우, 데이터 소스로부터 원시 형식(처리되지 않은 원시 파일 또는 추출)으로 검색된 데이터를 캡처하여 트랜잭션 시스템에서 클라우드 스토리지로 로드하는 것이 보다 일반적인 방식입니다.

• 클라우드 스토리지는 Oracle의 데이터 플랫폼에 사용되는 가장 일반적인 데이터 지속성 계층입니다. 또한 정형 및 비정형 데이터 저장에도 사용할 수 있습니다. OCI Object Storage, OCI Data Flow, Oracle Autonomous Data Warehouse는 그 근간이 되는 서비스입니다. 데이터 소스에서 원시 형식으로 검색된 데이터는 캡처된 뒤 OCI Object Storage로 로드됩니다. OCI Object Storage는 기본 데이터 지속성 계층이고, OCI Data Flow의 Spark는 기본 일괄 처리 엔진입니다. 일괄 처리는 기본 노이즈 처리, 누락된 데이터 관리, 사전 정의된 아웃바운드 데이터 세트에 기반한 필터링을 비롯한 여러 작업으로 구성된 과정입니다. 처리된 데이터는 요구되는 처리 방식 및 사용된 데이터 유형에 따라 객체 스토리지의 다양한 계층 또는 영구 관계형 저장소에 다시 작성됩니다.
• 이제 서빙 데이터 스토어를 사용해 선별된 데이터를 쿼리 성능에 최적화된 형식으로 유지하고 기업 조직의 운영에 대한 전방위적인 뷰를 제공할 수 있습니다. 서빙 데이터 저장소는 SQL 기반 도구를 활용하여 최종 사용자에게 직접 선별된 고품질 데이터를 제공하기 위해 사용되는 영구 관계형 계층을 제공합니다. 본 솔루션에서 Oracle Autonomous Data Warehouse는 엔터프라이즈 데이터 웨어하우스의 서빙 데이터 저장소로, 필요한 경우 보다 특화된 도메인 레벨 데이터 마트로서 인스턴스화됩니다. 또한 데이터 과학 프로젝트의 데이터 소스, 또는 Oracle Machine Learning에 필요한 저장소로서의 기능도 수행합니다. 서빙 데이터 저장소로는 Oracle MySQL HeatWave, Oracle Database Exadata Cloud Service, Oracle Exadata Cloud@Customer를 비롯한 다양한 서비스 중 하나를 채택할 수 있습니다.

데이터 분석, 학습 및 예측

분석, 학습, 예측 기능은 2가지 기술 접근 방식을 기반으로 구축됩니다.

• 고급 분석 기능은 운영 효율성 및 성능 최적화의 핵심입니다. 본 사용 사례에서는 Oracle Analytics Cloud를 사용하여 분석 및 시각화 작업을 수행합니다. 이를 통해 기술 분석(현재의 추세를 히스토그램 및 차트로 설명), 예측 분석(미래 이벤트 예측, 추세 파악, 불확실한 결과의 발생 가능성 추산), 처방 분석(최적의 의사결정 지원을 위해 적합한 조치 제안)을 활용할 수 있습니다.

  예측 모델을 과거 데이터에 적용함으로써 금융 서비스 기관은 향후 결과를 예측하고 이에 따라 선제적인 의사결정을 내릴 수 있습니다. 예를 들어 예측 분석은 은행이 고객의 이탈을 예상하고, 사기 발생 가능성을 파악하고, 신용 부도를 예측하고, 현금 흐름 전망을 최적화할 수 있게 지원합니다. 덕분에 은행은 예방적 조치를 취하고, 운영 리소스를 효과적으로 배치할 수 있게 됩니다.

  처방 분석은 결과 예측을 넘어 최적의 조치를 위한 권장 사항을 제공합니다. 금융 서비스 기관은 처방 분석을 사용해 대출 승인, 투자 전략, 가격 모델, 위험 관리 등의 영역에서 의사결정 을 최적화할 수 있습니다. 처방 분석은 다양한 제약과 목표를 고려하여 기업 조직이 효율성과 수익성을 극대화할 수 있는, 데이터 기반의 의사결정을 내릴 수 있게 해 줍니다. (조직 내의 광범위한 데이터 활용 문화는 궁극적으로 예측 분석 접근의 성공에 중요한 역할을 할 것입니다.)

• 고급 분석 외에도 데이터 과학, 머신러닝, 인공지능 등 기술을 활용하여 이상 징후를 파악하고, 프로세스 지연이 발생할 수 있는 위치를 예측하고, 고객의 여정을 최적화하는 사례가 늘고 있습니다. 예를 들어 머신러닝 모델은 신용 점수를 부여하고, 사기를 감지하고, 고객을 세분화하고, 마케팅을 개인화하는 데 사용될 수 있습니다. 새로운 데이터를 통해 학습을 거듭하는 이 모델들은 시간이 지날수록 적응력이 높아지고, 성과가 개선됩니다. 이는 운영 효율성 향상과 보다 나은 의사결정으로 이어지죠. OCI Data Science, OCI AI Services, Oracle Machine Learning이 데이터베이스에서 사용될 수 있습니다.

  우리는 머신러닝과 데이터 과학을 사용해 우리의 예측 모델을 구축하고 훈련시킵니다. 이후 해당 머신러닝 모델들은 API를 통해 점수 부여용으로 배포되거나, OCI GoldenGate 스트림 분석 파이프라인의 일부로서 내장될 수 있습니다. 경우에 따라 Oracle Machine Learning Services REST API를 사용하여 해당 모델들을 데이터베이스에 배포할 수도 있습니다(Open Neural Network Exchange 형식 모델에 한해 가능). 또한 Jupyter/Python 중심 노트북용 OCI Data Science, 또는 Zeppelin 노트북 및 머신러닝 알고리즘용 Oracle Machine Learning을 서빙 또는 트랜잭션 데이터 저장소에 배포할 수 있습니다. 마찬가지로 Oracle Machine Learning 및 OCI Data Science를 단독으로, 또는 함께 사용하여 권장/결정 모델을 개발할 수 있습니다. 이러한 모델들은 서비스 형식으로 배포 가능하고, Oracle은 해당 모델들을 OCI API Gateway를 통해 배포함으로써 '데이터 제품' 및 서비스 형식으로 제공할 수 있습니다. 마지막으로, 머신러닝 모델들은 운영 결정 시스템의 일환인 애플리케이션에 배포될 수 있습니다(허용되는 경우).

• 마지막 주요 구성요소는 데이터 거버넌스입니다. 데이터 거버넌스는 데이터 플랫폼 생태계의 모든 데이터 소스에 대한 데이터 거버넌스 및 메타데이터 관리(기술 및 비즈니스 메타데이터 모두 해당)를 제공하는 무료 서비스인 OCI Data Catalog를 통해 제공됩니다. 또한 OCI Data Catalog는 저장 방식에 관계없이 모든 데이터를 빠르게 검색할 수 있는 방법을 제공하기 때문에 Autonomous Data Warehouse에서 OCI Object Storage로의 쿼리를 위한 중요한 구성 요소이기도 합니다. 이를 통해 최종 사용자, 개발자, 데이터 과학자는 아키텍처 내의 모든 영구 데이터 저장소에서 공통의 액세스 언어(SQL)를 사용할 수 있습니다.

운영 효율성 및 성과 향상을 위한 데이터 활용의 이점

핵심 운영 데이터를 제공하는 데 사용되던 레거시 시스템은 오늘날의 빠른 비즈니스 변화 속도와 경쟁 수준을 더 이상 따라잡을 수 없게 되었습니다. 레거시 시스템을 사용해 단편적이고 제약적인 데이터로 정보를 수집, 통합하여 보고서를 작성하려면 수많은 수동 작업이 필요합니다. 결국 기업이 필요로 하는 정보는 너무 늦게 도출되죠. 운영 효율성을 측정, 파악 및 개선하면 금융 서비스 조직은 더 큰 경쟁 우위를 누리게 되는 것은 물론, 다음을 포함한 수많은 이점을 누리게 됩니다:

• 효율적인 서비스 제공, 경쟁력 있는 가격 정책, 훌륭한 고객 경험, 혁신적인 상품을 통해 고객을 확보하고 유지할 수 있도록 지원
• 적시에 정확한 데이터를 제공하여 직관적이고 일관적인 관점으로 더 나은 비즈니스 의사 결정을 할 수 있게 지원함
• 기업 조직이 신제품을 더욱 빠르게 출시하고, 기술 발전에 적응하고, 새로운 기회를 움켜쥘 수 있게 지원하는 향상된 민첩성
• 전사에 걸친 복잡성을 경감시킴
• 데이터 중복 및 수동 작업으로 인한 오류 감소
• 리스크 관리 및 완화 기능 개선을 통한 위험 부담 경감
• 비용 절감
• 분석을 위한 빠른 데이터 제공