기술 혁신을 통해 금융 서비스의 판도를 바꿀 3가지 방법

금융 서비스는 파괴적 혁신(disruptive innovation)에 의해 움직이는 산업이다. 저비용 증권사, ETF와 같은 혁신적인 투자 상품, 및 Gramm-Leach-Bliley(그램 리치 블라일리)와 같은 거대한 규제 의무와 같은 혁신적인 비즈니스 모델은 단지 몇 가지 예에 불과하다. 다음은 또 다른 몇 가지 예시이다.

• 최근 90억 달러 규모의 앤트 파이낸셜 서비스 그룹(Ant Financial Ser vices Group)에 대한
투자 및 금융 서비스 산업 전반에 걸쳐 수많은 벤처 캐피털 주도의 핀테크 스타트업들

• 인공지능과 머신 러닝을 통해 금융 자문기관과 포트폴리오 관리자를 중개하는 로보어드바이저 서비스

• GPDR, Basel III, Open Banking과 같이 늘 바뀌는 규제 및 위험 관리 규정 변경은 고객 참여 및 자본 할당 전환

 

어떤 새로운 변화가 다가오고 있는가?

혁신은 금융 서비스의 판도 변화를 초래한다. 이렇게 파괴적 혁신이 일반적인 경우 획기적인 비즈니스 모델과 애플리케이션은 생존의 문제이다. 이러한 혁신은 전통적인 금융 서비스 회사와 새로운 핀테크 대안 모두로 하여금 다음을 가능하게 한다.

• 신규 시장 진입 및/또는 기존 시장 보호
• 탁월한 형태의 고객 참여 및 만족도 제공
• 독점 신제품 및 서비스 생성
• 가격 및 비용 패러다임 재설정
• 기타....

혁신은 기업이 기술, 비전 있는 리더십, 위험을 감수하면서도 지지할만한 문화, 혁신적인 비즈니스 디자인을 결합했을 때 성공적으로 입증되며 이 문서에서는 기술에 중점을 두었다.

기술, 기회 또는 위협?
금융 서비스 업계는 종종 신기술 채택의 선두주자가 되어왔다. 고속 거래 시스템, 복잡한 프런트및 백 오피스 애플리케이션으로 지원되는 고객 셀프 서비스 웹사이트, 수많은 위험 및 유동성 관리 시스템은 오늘날 금융 서비스 회사의 중추를 형성하는 선구적인 애플리케이션 중 일부에 지나지 않는다.

그러나 현재 상태에서 이러한 애플리케이션들은 더 이상 기업의 차별성을 가져오는 요인이 아니다. 금융 서비스 회사들이 혁신적인 기술을 사용하여 자신의 애플리케이션을 변화하는 방법들을 찾지 않는 한, 그들은 더 창의적인 경쟁자들에게 기회의 문을 열어 주는 것과 마찬가지다. 좋지 않은 결과는 반드시 있을 것이기 때문이다.

 

기술을 통해 금융 서비스 애플리케이션의 판도를 변화시키는 3가지 방법

기업은 어떻게 기술을 적용하여 애플리케이션을 발전시켜 승자로 남으면서 동시에 낙오자가 되는 것을 피할 수 있을까? 이것에 대한 세 가지 명확한 옵션이 있으며, 훌륭한 포트폴리오 관리자가 조언하듯 세 가지 모두에 걸친 지능적인 다각적 투자가 필요하다.

옵션 1 — 기존 애플리케이션으로 더 나은 경험 제공
핵심 비즈니스 애플리케이션을 자세히 살펴보면 데이터 및 기능을 더욱 상호 연결시킬 수 있는 기회가 종종 나타난다. 이 결과는 새로운 (또는 더 빠른) 서비스와 더 나은 사용자 경험으로 이어져 내부 사용자와 외부 사용자를 만족시키며 회사를 차별화 할 수 있다.

성공의 요건은 다음과 같은 핵심 역량이다:

• 광범위한 상호연결을 위한 신속한 방법 — 회사가 데이터 및 애플리케이션을 분해, 재구성 및 다시 최적화할 수 있도록 지원하는 통합 기술은 차별화된 새로운 애플리케이션 및 서비스를 제공한다. 이전 세대 애플리케이션의 데이터 및 구성요소를 통해 구축된 새로운 클리어링 서비스 애플리케이션 또는 더 빠른 거래 조정 애플리케이션들은 기존 기능을 활용하여 우수한 새로운 제품을 제공하는 하나의 방법이다.

• API 지원 — 애플리케이션 프로그래밍 인터페이스는 모바일과 같은 새로운 사용자 인터페이스를 통해 고객들이 기존 애플리케이션과 데이터에 관여하도록 지원한다. 또한 파트너 애플리케이션의 가치를 신속하게 추가할 수 있다. 증권사가 제공하는 TurboTax 로 자동화된 1099 업로드는 API를 기반으로 하여 가치를 더하는 파트너십이 고객에게 어떤 혜택을 주는지 보여주는 예이다.

• 하이브리드 클라우드 아키텍처 지원 — 오늘날의 통합 기술은 애플리케이션을 온프레미스, 클라우드 또는 이 둘을 조합하여 유연하게 실행할 수 있도록 해야 한다. 저비용 범용 클라우드 인프라에서 실행되도록 쉽게 마이그레이션할 수 있는 데이터 집약적이고 분석적인 애플리케이션은 회사가 애플리케이션 경제성을 재설정하고 EBITA를 개선할 수 있는 한 예이다.

옵션 2 - 데이터 및 분석 애플리케이션을 통한 온전한 인사이트 도출
금융 서비스 회사들은 오랫동안 통찰력을 얻기 위해 데이터와 분석 기술에 의존해 왔다. 과거에 무슨 일이 일어 났는지 파악하기 위해 백 오피스 애플리케이션의 데이터를 분석하면서 금융 서비스 BI 및 분석 혁신의 첫 번째 물결이 시작되었다. 대표적인 예로는 포지션 및 거래 보고, 커미셔닝, 컴플라이언스 등이 있다. 지금 일어나고 있는 일을 이해하면서 제2의 물결은 실시간 시장 데이터에 대한 접근으로 방식으로 이루어졌다.

그리고 현재, 미래 결과(예 : 고객 변동)를 더 잘 예측하고 더 유리한 결과(고객 이탈을 완화하기 위한 시기적절한 제안)를 제시하는데 필요한 데이터를 분석함으로써 금융 서비스 분석 혁신의 흐름을 주도하고 있다.

더 나은, 더 빠른 통찰력을 얻기 위한 경쟁이 치열해지면서 혁신을 주도하는 데이터 및 분석의
속도가 가속화되고 있다. 이 영역에서 성공을 위한 필수 요소는 다음을 가능하게 하는 데이터 및 분석 기술이다:

• 가상화된 데이터 액세스 – 분석가와 분석 애플리케이션은 백오피스 애플리케이션, 빅데이터, 클라우드, 외부피드 등을 포함한 다양한 소스의 데이터에 접근하고 결합해야 한다. 그리고 위험과 준수해야 할 문제로부터 회사를 보호하기 위해, 이 접근은 안전하고 통제될 필요가 있다.

기업은 데이터 가상화 기술을 사용하여 물리적 데이터 통합이나 야간 FTP 피드의 고통없이 다양하고 광범위한 소스에 대한 통제된 데이터 접근을 제공할 수 있다. 예를 들어 트레이딩 피드 (거래 응용 프로그램 내 데이터 이동)를 거래 내역 (거래 저장소에 보관 된 저장 데이터)과 결합하면 리스크 관리자가 분석 창을 확장하고 거래 위험을 보다 효과적으로 제한할 수 있다.

• 분석 도구의 다양성 - 이처럼 많은 혁신적인 분석 기반 기회를 제공하는 회사는 다양한 기술과요구에 최적화된 분석 도구를 사용하여 가장 광범위한 사용자를 지원하는 것이 중요하다. 예를 들어, 영업부문 직원을 위한 가장 손쉬운 셀프 서비스 데이터 시각화 도구, 숙련된 비즈니스분석가를 위한 고급 분석 도구 및 데이터 사이언티스트를 위한 가장 강력한 분석 도구 및 알고리즘 세트이다.

• 신속성 및 확장성 - 새로운 통찰력을 얻는데 걸리는 시간을 단축하는 데이터 및 분석 기술을 통해 회사들은 예상치 못한 시장과 경쟁적 분열(가트너가 모드2라고 부르는 신속성 접근법)에 신속하게 대응할 수 있다. 그러나 일단 자리를 잡으면, 이 기술은 또한 회사 규모의 SLA로 진화하는 경로를 촉진하게 된다.(가트너는 이것을 모드1이라고 부른다). 예를 들어 유동성 위험 관리에서 일회성 SEC 컴플라이언스 준수 요청을 신속하게 충족하도록 설계된 특별 분석은 나중에 진행 중인 Basel III 유동성 위험 규정을 지원하기 위해 “이용”될 수 있다.

옵션 3 - 인공지능으로 더 스마트한 애플리케이션 만들기
기존 애플리케이션에 새로운 인공 지능 및 머신러닝(AI/ML) 기술을 추가하는 것은 금융 서비스
회사들이 기술을 사용하여 파괴적 혁신을 주도할 수 있는 세번째 방법이다. 예를 들어, AI/ML이 없는 경우 금융자문기관들은 정보를 검색하고 수동으로 분석하는데 상당한 시간을 소비하게 된다. 이것은 자본 시장 데스크에 직접 전화하는 것을 포함한 수십 단계의 연구시간, 회사의 리서치 포탈 방문 그리고 기타 주요 데이터 소스에 대한 검토가 포함될 수 있다. AI/ML 알고리즘은 관련 데이터를 자동으로 분석 및 필터링하고 회사의 고문에게 직접 특정 권장 사항을 제안함으로써 회사의 시간과 비용을 절약하는 동안 고객의 수익을 개선할 수 있다. AI/ML로 보다 스마트하게 애플리케이션을 만들려면 다음을 지원하는 기술이 필요하다:

• 협업 - 초기 가설에서 개발, 개선 및 배포에 이르는 데이터 사이언스 프로세스에는 비즈니스 이해 관계자, 데이터 사이언티스트, IT 직원 등의 전문 지식과 공동 노력이 필요하다. 예를 들어, 새로운 외환 거래 애플리케이션은 트레이더들과 데이터 사이언티스트들이 협력하여 최선의 성과를 내도록 여러 알고리즘을 제안하고 평가하도록 요구할 것이다. 이 시점에서 데이터 사이언티스는 IT 운영자와 협력하여 최고의 알고리즘을 생산하여 배포해야 한다.

• 재사용 가능한 알고리즘 - AI/ML 성능은 알고리즘이 좌우한다. 따라서 가능한 알고리즘이 입증되면 애플리케이션 간에 재사용이 쉬워야 한다. 예를 들어, 공용 문서 및 제 3자가 제공하는 소스를 통해 전달되는 동일한 자연 언어 처리 알고리즘은 다른 애플리케이션에서 재사용하여 구매 측 분석가 및/또는 거래를 촉진 시킬 수 있다. 

• 데이터 다양성 - 누구나 알고 있듯이 데이터 없는 AI/ML은 없다. 시험을 하는 동안 알고리즘을 설계, 테스트 및 미세 조정하기 위한 데이터가 필요하다. 생산 중에는 마치 데이터가 알고리즘에 연료를 공급하는 것과 같다. 신속한 데이터 접근과 준비는 반드시 필요하다. 예를 들어, 한 회사가 신용 카드 채무불이행을 줄이려고 했을 때, 데이터 사이언스팀은 채무불이행과 자동이체(일반적으로 실업으로 인한 정지)간의 높은 상관관계를 밝혀냈다. 이러한 결과를 바탕으로, 회사는 고객 예금 계좌 데이터에 자동 예금 활동 트리거를 추가하여 자동 입금이 중단 될 때마다 자동으로 크레딧 한도를 줄였다.