금융산업에서의 빅데이터 활용과 과제

금융산업에서 빅데이터의 적용과 과제

A는 네 가지 기본 특성을 가지고 있습니다

금융산업은 기본적으로 모든 산업 중에서 데이터 의존도가 가장 높은 산업입니다. 데이터로 수익을 창출하는 것이 가장 쉽습니다. 1981년 세계 최대 금융 데이터 회사인 블룸버그가 설립될 당시에는 아직 '빅데이터'라는 개념이 등장하지 않았습니다. 블룸버그의 초기 상품은 투자시장시스템(IMS)으로, 주로 다양한 투자자에게 실시간 데이터, 재무분석 등을 제공한다.

정보화 시대가 도래하면서 1983년 1억달러에 불과했던 블룸버그는 메릴린치로부터 3000만달러 투자금으로 자사주 30%를 교환했고, 잇달아 블룸버그 터미널을 출범시켰다. 뉴스, 라디오, TV 등 제품. 1996년에 Bloomberg의 가치는 20억 달러였으며 Merrill Lynch로부터 자신의 주식 10%를 2억 달러에 재매입했습니다. 2004년 블룸버그는 뉴욕 맨해튼 중심부에 246미터 높이의 초고층 빌딩을 건설했습니다. 2008년 서브프라임 모기지 사태로 메릴린치는 붕괴 위기에 놓였고, 남은 블룸버그 주식 20%가 생명줄이 됐다. Bloomberg는 Merrill Lynch의 위기를 기회로 삼아 모든 주식을 상환했고, 그 가치는 225억 달러로 뛰어올랐습니다. 2016년 블룸버그는 전 세계 192개 지사, 15,000명의 직원, 연간 매출 약 100억 달러, 기업 가치 약 1,000억 달러를 보유하고 있으며, 이는 월스트리트 벤치마크인 골드만삭스의 시가총액 650억 달러를 능가합니다. 년도.

빅데이터라는 개념은 2000년경에 형성되어 처음에는 대규모 데이터의 집합체로 정의되었다. 2011년 미국 McKinsey & Company는 "The Next Frontier of Big Data: Innovation, Competition and Productivity" 보고서에서 처음으로 제안했습니다. 빅데이터란 일반적인 데이터의 수집, 저장, 관리 및 분석 능력을 초과하는 크기의 데이터 세트를 의미합니다. 데이터베이스 소프트웨어 도구.

구체적으로 빅 데이터에는 네 가지 기본 특성이 있습니다.

첫째, 데이터 볼륨이 큽니다. 이는 일반적으로 크기가 약 10TB에 달하는 대규모 데이터 세트를 의미하지만 실제 애플리케이션에서는 많은 양이 발생합니다. 기업 사용자는 여러 데이터 세트를 모아서 페타바이트 수준의 데이터 볼륨을 형성합니다.

둘째, 데이터 카테고리가 방대하고 데이터 소스가 다양한 데이터 유형과 형식이 점점 더 풍부해지고 있으며, 이는 이전에 제한된 구조화된 데이터 범위를 벗어나 다음을 포함합니다. 반구조화된 데이터와 구조화되지 않은 데이터. 오늘날의 데이터 유형은 텍스트 형태뿐만 아니라 사진, 비디오, 오디오, 지리적 위치 정보 및 기타 유형의 데이터 형태입니다.

셋째, 처리 속도가 빠르고, 데이터량이 매우 많은 경우에도 실시간으로 데이터를 처리할 수 있다. 데이터 처리는 '1초의 법칙'을 따르며, 다양한 유형의 데이터로부터 가치 높은 정보를 빠르게 얻을 수 있습니다.

넷째, 데이터의 신뢰성이 높다. 소셜 데이터, 기업 콘텐츠, 거래, 애플리케이션 데이터 등 새로운 데이터 소스가 등장하면서 기존 데이터 소스의 한계가 무너지고 신뢰성이 높아졌다. 정보의 보안이 점점 더 중요해지고 있습니다.

다른 산업에 비해 금융 데이터는 논리적 관계가 밀접하고 보안, 안정성 및 실시간 요구 사항이 더 높습니다. 여기에는 일반적으로 데이터 마이닝, 기계 학습, 인공 지능을 포함한 데이터 분석, 관계형 및 비관계형 데이터, 융합 통합, 데이터 추출, 데이터 정리 및 변환 등을 포함한 고객 신용, 클러스터링, 특성, 마케팅, 제품 상관 분석 등에 주로 사용됩니다. 분산 컴퓨팅, 메모리 컴퓨팅, 클라우드 컴퓨팅, 스트림 처리, 작업 구성 등 데이터 표시(시각화, 과거 흐름 및 공간 정보 흐름 표시 등 포함)는 주로 금융 상품 상태, 상품 개발 동향, 고객 가치를 분석하는 데 사용됩니다. 변경, 자금 세탁 방지, 사기 방지 모니터링 및 조기 경고를 기다립니다.

B 금융산업의 새로운 경쟁구도 재편

'인터넷+' 이후 세계가 '빅데이터+'로 급부상하면서 금융산업은 조용히 다음과 같은 변화:

빅데이터의 특성은 기존 데이터의 '3V'에서 '5V'로 증가했습니다. 볼륨(Volume), 속도(Velocity), 다양성(Variety)을 기반으로 가치(Vacity)와 진실성(Veracity)이 더욱 향상됩니다. 진실성(Veracity)에는 데이터의 신뢰성, 출처 및 평판, 타당성 및 감사 가능성이 포함됩니다.

금융산업은 비즈니스 상품을 기준으로 한 분류에서 운영 모델을 기준으로 한 분류로 변화했습니다. 전통 금융산업은 업무상품을 기준으로 은행, 증권, 선물, 보험, 펀드 등 5개 업종으로 구분되며, 빅데이터 산업의 부흥과 복합운용의 발전으로 현대 금융산업은 예금과 대출로 구분됩니다. , 투자, 보험 세 가지 주요 범주를 기반으로 합니다.

빅데이터 시장은 독점에서 완전한 시장 경쟁으로 진화했습니다. 글로벌 빅데이터 시장은 기업 수가 급증하고, 제품과 서비스의 차이가 커지고, 기술 문턱이 점차 낮아지고, 시장 경쟁이 더욱 치열해지고 있다. 산업 솔루션, 컴퓨팅 분석 서비스, 스토리지 서비스, 데이터베이스 서비스 및 빅 데이터 애플리케이션은 시장 점유율이 가장 높은 5대 시장 부문이 되었습니다.

빅데이터는 새로운 경제성장 포인트를 형성한다. Wikibon 데이터에 따르면 2016년 전체 글로벌 빅 데이터 하드웨어, 소프트웨어 및 서비스 시장은 22% 성장하여 281억 달러에 달했습니다. 2027년까지 빅 데이터 하드웨어, 소프트웨어 및 서비스에 대한 글로벌 전체 지출은 다음과 같이 증가할 것으로 예상됩니다. 연평균 성장률 12%로 약 970억 달러에 달할 것입니다.

데이터와 IT 기술이 "반복적인" 비즈니스 위치를 대체합니다. 데이터 서비스 회사인 Eurekahedge는 23개 헤지펀드를 추적하여 총 급여가 10억 달러 이상인 헤지펀드 매니저 5명을 발견했습니다. 지난 10년 동안 금융 시장을 분석하기 위해 수학적 모델을 사용하는 물리학자 및 수학자인 '퀀트'는 헤지펀드의 사랑을 받아왔습니다. 실제로 이 분야에서는 빅데이터 + 인공지능이 더 뛰어납니다. Goldman Sachs의 뉴욕 주식 현금 거래 부서에는 2000년에 600명의 트레이더가 있었지만 지금은 단 2명만이 모든 작업을 기계로 수행하고 있습니다. 전문가들은 Goldman Sachs의 직원 수가 10년 후에는 확실히 오늘날보다 줄어들 것이라고 말합니다.

미국은 빅데이터 개발에서 세계를 선도하고 있다. 미국 정부는 “데이터는 정부 시스템에 갇히지 않고 대중에게 공개되어야 하는 귀중한 국가 자본”이라고 선언한다. 세계의 빅데이터 발전. 20세기 이후 미국은 데이터의 수집, 공개, 사용 및 관리에 대한 구체적인 규정을 제공하기 위해 일련의 규정을 발표했습니다. 2009년에 미국 정부는 Data.gov 정부 데이터 개방형 플랫폼을 출시하여 애플리케이션 분야의 개발자가 플랫폼을 사용하여 대중의 요구를 충족하거나 혁신하고 사업을 시작할 수 있는 애플리케이션을 개발할 수 있도록 했습니다. 2010년에 미국 의회는 데이터 수집의 정확성과 보고 빈도를 더욱 향상시키기 위한 업데이트된 법안을 통과시켰습니다. 2012년 3월, 오바마 행정부는 빅데이터의 급속한 발전을 위한 새로운 국면을 예고하는 '빅데이터 연구개발 계획'을 시작했습니다.

영국은 유럽의 금융 중심지로, 빅데이터는 영국의 대표적인 기술 중 하나로 자리 잡았다. 2013년 영국은 빅데이터 개발에 1억8900만파운드를 투자했다. 2015년에는 "UK Data Bank" data.gov.uk 웹사이트를 만드는 데 7,300만 파운드가 추가로 투자되었습니다. 2016년 런던에서는 22,000개 이상의 기술 행사가 개최되었습니다. 같은 해 영국의 디지털 기술 투자는 68억 파운드를 초과했으며 수익은 1,700억 파운드를 초과했습니다. 또한 영국 통계청은 정부 자원을 사용하여 "가상 인구 조사"를 수행하며, 이를 통해 연간 5억 파운드를 절약합니다.

C 효율적인 금융 감독 시스템을 구축합니다

빅데이터는 발생한 전반적인 행동 패턴과 상관 논리를 활용하여 미래를 예측하고 미래에 대한 의사 결정을 내리는 현대의 핵심입니다. 디지털 기술, 그 영혼은── 예측이다.

탈세, 돈세탁, 금융 사기 적발 및 방지

전 세계적으로 사기로 인한 경제적 손실은 매년 약 3조 7000억 달러에 달하며, 사기로 인해 기업이 입은 손실은 일반적으로 10%입니다. 연간 수익의 5%. 세계 최대의 소프트웨어 회사 중 하나인 SAS는 점점 더 복잡해지는 금융 범죄를 효과적으로 처리하기 위해 전 세계 조세, 관세 및 기타 정부 부서는 물론 은행, 보험, 의료 및 기타 기관과 협력하고 있습니다. 예를 들어, 면허 발급 전 사전 데이터 분석을 통해 고객에게 뇌물수수, 사기 등의 이력이 있는지 파악한 뒤 대출 여부나 통관 여부를 결정한다. SAS가 개발한 시스템은 통계분석의 표준 소프트웨어로 국제적으로 인정받아 다양한 분야에서 널리 사용되고 있습니다. 영국 정부는 빅데이터를 사용하여 행동 패턴을 탐지하고 200억 파운드의 탈세와 사기를 적발하여 수십억 달러의 손실을 복구했습니다. 포브스(Forbes)가 선정한 미국 최고의 은행으로 선정된 텍사스 캐피탈 은행(TCBank)은 빅데이터 기술에 지속적으로 투자하고 있으며, 지난 3년간 은행의 발전과 발맞추어 반금융범죄 시스템을 구축해 왔다. 자산은 90억 달러에서 210억 달러로 증가했습니다. 네덜란드 3위 생명보험사인 CZ는 빅데이터를 활용해 보험 사기와 허위 청구를 적발하고 보상금 지급 전 이를 차단해 사기 발생 후 사법적 구제를 효과적으로 줄인다.

빅 데이터 위험 통제는 고객 신용 점수, 모니터링 및 비교 시스템을 구축합니다.

ACFE(American Association of Certified Fraud Examiners)의 통계에 따르면 사기 방지 통제가 부족한 기업은 큰 손실을 입습니다. 미국의 주류 개인 신용 평가 도구인 FICO는 차용자의 이력 정보를 데이터베이스에 있는 모든 차용자의 전반적인 신용 습관과 자동으로 비교하고 차용자의 행동 추세를 예측하며 다양한 유형의 불량 차용자와의 유사성을 평가할 수 있습니다. 미국 SAS 회사는 중앙 집중식 검색 및 분석을 사용하여 고객 은행 계좌의 기본 정보, 과거 행동 패턴, 진행 중인 행동 패턴(예: 이체) 등을 지능형 규칙 엔진(예: 고객의 새 계정 검색)과 결합하여 평가합니다. 특정 사용자를 위해 송금할 국가) 또는 새로운 위치에서 온라인 거래 등)을 통해 실시간 사기 방지 분석을 수행할 수 있습니다.

미국의 인터넷 신용평가 기관은 페이스북, 트위터 등 소셜 플랫폼에 고객이 남긴 정보를 분석해 은행 신용 및 보험 신청 고객에 대한 위험 평가를 실시하고 그 결과를 은행, 보험사에 판매한다. 기업 등 다수의 금융기관과 파트너가 되고 있습니다.

D 데이터 통합의 어려움

시장 동향 분석을 위한 경제 지표 예측 시스템 적용

IBM은 빅데이터를 활용한 '경제 지표 예측 시스템' 개발에 성공했습니다. 정보기술은 개별 데이터를 기반으로 정제, 통합하고, 뉴스에 등장하는 '신규주문' 등 주가 지표와 관련된 단어를 검색, 집계, 분석해 추세를 예측한 후 주가와의 관계를 종합적으로 분석하는 시스템이다. 기타 관련 경제 데이터 및 과거 데이터를 사용하여 시장 예측 결과를 얻을 수 있습니다.

소셜 미디어의 방대한 정보를 추적하여 시장 변화를 평가합니다.

Weibo, WeChat, 포럼, 뉴스 댓글, 전자 상거래 플랫폼 등 오늘날의 검색 엔진, 소셜 네트워크 및 스마트폰에서 매일 하루 제조업체 역학, 개인 감정, 산업 정보, 제품 경험, 제품 탐색 및 거래 기록, 가격 추세 등을 다루는 수백억 또는 수천억 개의 텍스트, 오디오, 비디오, 데이터 등을 생성하며 엄청난 부를 포함합니다. 값.

2011년 5월 규모 4천만 달러 규모의 영국 헤지펀드 DC마켓은 빅데이터를 이용해 트위터 정보 콘텐츠를 분석해 시장 심리를 파악하고 투자를 유도한 첫 달에 수익을 냈다. 1.85%의 수익률을 달성하여 다른 헤지펀드의 평균 수익률인 0.76%를 능가했습니다.

미국 페이스대학교 의사는 빅데이터를 이용해 스타벅스, 코카콜라, 나이키의 소셜미디어 관심도를 추적하고 주가를 비교한 결과, 페이스북 팬 수가 , 트위터, 유튜브는 주가와 밀접한 관련이 있습니다.

다양한 투자 옵션 및 거래 전환 제공

일본의 개인 투자 및 재무 관리 제품인 Money Design은 Theo 애플리케이션에서 알고리즘 + 인공 지능을 사용하며 최소 기준액은 $924입니다. 사용자는 위험에 대해서만 대답하면 됩니다. 허용 수준, 퇴직 계획 등 9개 질문을 통해 연간 관리 수수료 1%만으로 35개 통화를 사용하여 65개국 11,900개 주식을 거래 및 전환할 수 있습니다. 머니디자인은 사용자의 투자 목표에 따라 자동으로 계좌의 균형을 맞출 수도 있다. 2020년에는 이 유형의 상품에 2조 달러 이상이 투자될 것으로 예상된다.

클라우드 데이터베이스를 사용하여 고객에게 회계 서비스 제공

일본의 자산 관리 도구 제공업체인 Money Forward는 임금 관리, 지불금 징수, 송장 전송 및 기타 업무가 가능한 클라우드 기반 회계 서비스를 제공합니다. 소프트웨어 시스템은 2,580개의 다양한 금융기관의 다양한 계좌를 연결하고 통합하며, 빅데이터 분석을 통해 사용자의 현재 자산 상태를 스마트 대시보드에 표시합니다. 또한 사용자의 과거 데이터를 분석하여 미래의 금융 궤적을 예측할 수도 있습니다. 현재 가맹점 50만 명, 개인 이용자 350만 명을 보유하고 있으며 시가총액 2조5000억 달러 규모의 야마구치 금융그룹과 공동으로 신규 앱을 개발 중이다.

고객을 위한 차별화된 상품 및 마케팅 계획을 맞춤화

금융기관은 더 많은 사용자 정보를 시급히 파악하고 사용자의 360도 3차원 초상화를 구축하여 정확한 업무 수행이 필요합니다. 세분화된 고객을 위한 마케팅과 마케팅, 실시간 마케팅.

일부 해외 은행에서는 '인생 사건'을 중심으로 고객의 대략적인 라이프 포인트를 분석, 계산하여 고부가가치 금융 상품 구매 의향을 효과적으로 자극합니다. 예를 들어 호주의 한 은행은 빅데이터 분석을 통해 집에서 출산을 앞둔 아기를 둔 고객이 생명보험 상품에 대한 잠재 수요가 가장 크다는 사실을 발견한 후 은행 카드 데이터를 사용하여 임산부가 유산약을 구매하기 시작하는 등의 현상을 모니터링했습니다. 출산을 앞둔 가족을 파악해 맞춤형 금융상품 패키지를 정확하게 출시해 고객들로부터 좋은 반응을 얻었으며, 기존 대량 문자 메시지 모델에 비해 성공률도 크게 향상됐다.

인공지능 트레이딩을 탄생시키고 지원했다

'양적 투자의 왕' 시몬스는 1988년 르네상스 테크놀로지의 주력 회사를 설립한 이후 가장 수익성이 높은 펀드 매니저로 인정받고 있다. 상품인 메달리온 펀드를 출시한 이후 지속적으로 업데이트되고 개선된 빅데이터 분석 시스템을 활용하여 지난 20년 동안 연평균 순수익률 35%를 달성했으며, 이는 같은 기간 소로스보다 10% 더 높습니다. 같은 기간 주식의 신 버핏보다 18% 높아 역사상 가장 성공적인 헤지펀드가 되었으며 1993년 펀드가 2억 7천만 달러에 도달하자 신규 투자를 중단했습니다. 미국 알파(Alpha) 매거진이 매년 발표하는 헤지펀드 매니저 순위에서 시몬스는 2005년과 2006년 각각 순이익 15억 달러와 17억 달러로 세계 1위를 차지했고, 2007년에는 13억 달러로 5위에 올랐다. . , 2008년에는 25억 달러로 다시 1위에 올랐습니다.

금융 상품 및 서비스 혁신 촉진

E는 세 가지 주요 과제에 직면해 있습니다.

현재 전 세계 다양한 산업의 데이터 양이 놀랄 만큼 증가하고 있습니다. 특히 우리나라 금융, 교통, 통신, 제조업 등 주요 산업 분야에서 정보화가 지속적으로 심화되면서 더 많은 새로운 대용량 데이터가 생성되고 있습니다.

통계에 따르면 2015년 중국의 전체 데이터 양은 1,700EB를 넘어 전년 대비 90% 증가한 것으로 나타났습니다. 2020년에는 이 수치가 8,000EB를 넘을 것으로 예상됩니다. 은행업을 예로 들면, 은행업은 매출 100만 위안당 평균 130GB의 데이터를 생성하며, 데이터 집약도 측면에서 전체 산업 중 1위를 차지합니다. 그러나 금융 기업 내 데이터는 단편화되어 있으며, 비즈니스 라인, 기능 부서, 채널 부서, 위험 부서 및 기타 지점이 데이터의 실제 소유자인 경우가 많습니다. 원활한 공유 메커니즘이 부족하여 대량의 데이터가 분산되고 분산됩니다. '잠자기' 상태에서는 금융업계가 보유하고 있는 데이터의 양이 '어느 나라 못지않게 풍부'하지만, 실제로 사용하게 되면 '늘어난다'.

데이터 보안에 숨겨진 위험

빅데이터의 본질은 개방성과 공유인데, 개인의 사생활 권리를 어떻게 정의하고 보호할지가 법적 문제가 됐다. 빅데이터의 저장, 처리, 전송, 공유에도 다양한 위험이 존재하며, 이는 기술적 보호뿐만 아니라 관련 법규 및 금융기관의 자율성이 요구되는 사항입니다.

무해한 데이터 축적조차도 다양한 숨겨진 위험을 낳을 수 있다는 사실이 많은 실제 사례를 통해 입증되었습니다. 보안 보호 대상에는 빅데이터 자체뿐만 아니라 빅데이터 분석을 통해 도출된 지식과 결론도 포함됩니다. 영국의 온라인 마켓플레이스 플랫폼인 Handshake.uk.com은 사용자가 브랜드와 개인 데이터를 공유하는 데 대한 보상을 협상할 수 있도록 노력하고 있습니다.

인재 계층을 구축하려면 갈 길이 멀다

인재는 빅데이터의 기초이다. 다른 정보기술 분야의 인재에 비해 빅데이터의 발전에는 보다 높은 종합적 역량을 갖춘 인재가 필요하며, 컴퓨터 소프트웨어 기술을 숙달하고 수학, 통계 및 기타 분야에 대한 지식과 응용 분야의 전문 지식을 갖추어야 합니다. 필드.