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.
 

최고의 금융 서비스 회사들은 파괴적 혁신에 의해 움직인다. 새로운 핀테크 회사들, AI 기반 로봇어드바이저 및 오픈 뱅킹과 같은 규제 명령들은 오늘날 변화를 위한 촉매제가 되고 있으며 새로운 파괴적 혁신은 계속 발생할 것이다. 비즈니스 및 애플리케이션을 빠르게 혁신해야 하는 것은 금융 서비스 회사들의 도전 과제이다
 

 

금융 서비스 혁신을 위한 TIBCO CONNECTED INTELLIGENCE CLOUD

TIBCO^® 커넥티드 인텔리전스 클라우드를 사용하면 금융서비스 회사들이 시스템, 조직, 고객 및 에코시스템을 연결하고 해당 데이터를 기반으로 지능적으로 행동할 수 있다. 여러 장소에 있는 데이터는 실시간으로 캡처되며 새로운 비즈니스 프로세스, 차별화 된 디지털 오퍼링 및 판도를 바꾸는 애플리케이션을 통해 회사 전반에서 혁신을 가능하게 한다. 

커넥티드 인텔리전스 클라우드는 이러한 디지털 자산의 지속적인 개발 및 운영과 API 로의 확장을 지원한다. 안전하고 확장 가능한 이 API는 회사의 고객 경험과 혁신의 토대가 된다. TIBCO 커넥티드 인텔리전스 클라우드는 회사의 모든 데이터를 활용하여 잠재적 위협이나 기회를 나타내는 패턴을 식별하고 최상의 결과를 도출할 수 있는 최선의 조치를 확인함으로써 인텔리전스를 강화한다. 회사 전체의 모든 것은 적시에 필요한 행동을 취하게 된다.

TIBCO 커넥티드 인텔리전스 클라우드는 또한 회사가 클라우드 친화적인 인프라 접근 방식을 사용하여 혁신을 가속화 할 수 있게 한다. 금융 서비스 회사는 TIBCO 클라우드 서비스를 신속하게 탑재하고 혁신 전략에 따라 다른 서비스를 추가하여 IT 목표에 맞게 하이브리드 아키텍를 구축할 수 있다.

 

선도적인 금융 서비스 회사의 애플리케이션 혁신을 주도하는 TIBCO

 
• 캐나다의 독보적인 금융 기관 중 하나인 BMO 파이낸셜 그룹은 TIBCO ActiveMatrix^® BPM을 사용하여 작업의 속도 및 리소스 배치를 자동화함으로써 상업용 대출 및 담보 대출 승인 시간을 대폭 단축하며 고객 만족도를 크게 향상 시켰다.

 
• 이전에 대만 기업 은행이었던 O-Bank는 TIBCO BusinessWorks™ 및 TIBCO^® Messaging 기반 커머셜 뱅킹 애플리케이션을 확장하여 완전히 새로운 스마트폰 기반 가상 소매 은행 업무를 시작하여, 첫 해에 13만명의 소매 금융 고객을 추가했다.

 

TIBCO가 데이터 및 분석 애플리케이션을 통해 깊이 있는 실제 기반 통찰력을 이끌어내는 방법

 
• 리테일, 기업, 재무, 국제 및 투자 은행을 보유한 터키 은행인 KuveytTurk Bank는 25 개 기관 및 애플리케이션의 데이터를 새로운 거래 알고리즘에 통합하는 실시간 TIBCO Streaming^® 분석 (이전의 TIBCO StreamBase^®)을 활용하여 외국환 물량을 두배로 늘리고 터키 최초의 금 거래 시장을 합법화 했다.

• 아일랜드의 대표적인 홈, 자동차 및 여행 보험 제공업체인 AA아일랜드는 TIBCO BusinessWorks integration, TIBCO Streaming 및 TIBCO Spotfire^® 분석을 사용하여 고객 운전 데이터를 업데이트하고 이를 가격 알고리즘에 포함시켜 고객을 만족시키고 이익을 향상시켰다.

 

TIBCO가 AI를 통해 금융서비스 애플리케이션을 스마트하게 만드는 방법

• 개인, 비즈니스 및 기관에 자문, 제품 및 서비스를 제공하는 최고의 자산 관리 회사는 TIBC O^® Data Science 알고리즘을 활용하여 내부 연구부터 외부 시장 데이터에 이르기까지 대량의 유입 데이터를 신속히 분석하고 개별 투자자의 요구에 대한 관련성을 바탕으로 투자 기회를 획득했다. 
 

First Citizens Bank는 1897년 노스캐롤라이나 스미스빌에서 시작되었다. 미국 내에서 가장 큰 가족 경영 금융 기관으로, 현재 지주 가족을 통해 3대째 소유권을 유지하고 있다. 이 은행은 지난 15년 동안 노스캐롤라이나, 버지니아, 사우스캐롤라이나에 지점을 둔 은행에서 자산 360억 달러 및 23개 주에 지점을 보유한 상위 50개 은행에 속하는 은행으로 눈부신 성장을 이루었다.

우리는 First Citizens Bank의 통합 전략 책임자인 스티브 셰퍼드와 함께 어떻게 은행 중심에서 고객 중심의 은행으로 전환할 수 있었는지에 대해 이야기를 나누었다. 고객 중심에 초점을 두는 것은 은행의 설립 취지였던 고객과의 더 끈끈한 관계를 확립하는 데에 도움이 되었다.

실제로 First Citizen Bank는 우수한 고객 서비스로 다수의 JD 파워 어워드를 수상하였다. 그런데 이런 상까지 받은 고객 서비스는 오늘날과 같은 디지털 방식이 아닌 실제 지점에서만 제공할 수 있었다. 실제 지점에서의 경험에 걸맞은 디지털 고객 경험을 구축하는 것은 First Citizen Bank가 해내야 할 일이었다

“[리테일 뱅킹]은 고객들이 어떠한 정보를 원하고, 그들에게 어떻게 서비스를 제공할지 고객의 요구에 맞춥니다.”라고 셰퍼드가 말했다. “이제 은행들은 쉬는 날 없이 24시간 고객들이 원하는 시간에 맞춰가고 있어요.”
 

규모를 두 배로

지난 2008~2009년 금융위기 당시 First Citizens Banks 은행은 인수합병을 통해 엄청난 지리적 성장을 이루었다. FDIC는 도산한 은행들을 매각하기 위해 내놓았고, 이들에 대한 금융 기관들의 입찰이 허용되었다. First Citizens Banks는 이미 서해안 지역에 족적을 남긴 상태였지만, 경영진들은 인수를 통해 샌디에고, 시애틀, 로스앤젤레스로 확장할 수 있는 기회를 포착했고, 이러한 구매를성장을 위한 모델로 삼았다. First Citizen Bank는 2009년 이래 16개 은행을 인수해 규모를 2배로 늘렸다.

은행의 성장과 더불어 이에 따른 주요 기술 과제, 특히 데이터와 관련된 과제가 대두되었다. FDIC의 엄격한 데이터 요건은 인수한 은행들로부터 데이터를 입수하여 통합하기 어렵게 만들었다.

인수를 통해 은행은 데이터의 사용 증가, 추가 채널 활동, 그리고 고객들이 정보를 얻을 수 있는 더 많은 방법들을 경험하게 되었다. 전통적인 지점에서 시작된 금융서비스는 ATM, IVR 시스템, PC뱅킹, 모바일 뱅킹 등 여러 서비스 채널로 발전하게 되었다.

“우리의 디지털 채널을 통해 여러분이 어떤 채널을 통해 들어오든 상관없이 모든 서비스를 이용할 수 있도록 해드리고 싶어요.”라고 셰퍼드는 말했다. “웹을 통해 들어오든 모바일을 통해 들어오든 얻을 수 있는 정보는 똑 같은 거죠.”

또한 First Citizens Banks에는 통합해야 할 5개의 대출 시스템이 있었고, 인수에 따른 포인트- 투-포인트 통합 방식으로 된 200개 이상의 애플리케이션들이 있었다. 그들은 애플리케이션 포트폴리오를 줄이고, 시스템 간의 통합을 간소화하고, 시스템을 결합하고, 프로세스를 표준화함으로써 새로운 은행들로부터 시스템을 신속하게 통합할 수 있는 방법이 필요했다.
 

뱅킹의 진화

리테일 뱅킹은 은행 중심에서 고객 우선, 고객 중심, 고객 셀프 서비스로 큰 변화를 거쳤다. 전통적으로는 은행이 시간 및 고객이 접근할 수 있는 정보, 그리고 그들이 제공하는 제품과 서비스를 주도해왔다. 하지만 더 이상 그렇지 않다. 이제는 고객들이 그들이 선호하는 것, 의사소통 방식, 그리고 어떻게 은행 업무를 진행할지를 결정한다.

모바일 기술은 이러한 변화를 지원하여 고객들이 선택한 곳에서 선택한 시간에 선택한 방법으로 은행 업무를 처리할 수 있게 해주었다. First Citizens Bank는 고객들이 어떤 기술과 기능을 요구하는지 주시하고 있다. 이 전략에 따라 First Citizens Bank 생체인식, 안면인식 등의 최신 핀테크 기술을 시험해보았다.

“우리는 시장에서 무슨 일이 일어나고 있는지, 은행 관련 기술뿐만 아니라 다른 훌륭한 기술을 어디에 접목해서 사용할지를 주시하고 있어요” 라고 셰퍼드는 말했다.
 

TIBCO 기반 솔루션

TIBCO의 고급 분석 및 통합 솔루션은 First Citizens Bank가 고객 경험 및 고객 관점을 시스템 통합, 프로세스 효율성, 은행의 미래를 이해하기 위한 데이터 사용의 세 가지 방법을 통해 발전시키는 데 도움을 주었다.

모든 시스템의 통합은 고객에게 서비스를 신속하게 제공하는 데 있어 핵심이었다. 통합 시스템을 통해 은행 직원은 모든 관련 고객 정보에 접근할 수 있게 되었다. 그리고 은행은 채널을 통합하여 물리적 채널과 디지털 채널 전반에 걸쳐 훨씬 더 우수하고 일관된 고객 경험을 제공한다.

“언더라이팅 결정이든, 부정 거래 결정이든, 온 보딩 결정이든 관계없이 한 시스템이 다른 시스템과 정보를 공유하거나 데이터를 사용하여 경험을 개선하거나 중요한 결정을 내리는 것이죠”이라고 셰퍼드는 말했다.

이 은행은 예금 시스템이나 대출 시스템과 같은 핵심 기능을 처리하는 수백 개의 프로세스와 대규모 시스템을 보유하고 있는데, 여기에는 프로세스 효율 시스템이 필요했다. 이에 은행은 워크플로우 및 비즈니스 프로세스 관리 툴을 사용하여 주요 시스템 간의 자동화를 제공한다.

마지막으로 주목해야 할 사항은 은행이 어떤 방향으로 나아가고 있는지, 어떻게 고객에게 더 나은 서비스를 제공할 수 있는지, 어떻게 수익성을 구축할지를 더 잘 이해하기 위한 데이터 및 데이터 분석이었다. 물리적 지점을 가진 전통적인 은행으로 시작한 것이 이제 하루 종일 접속할 수 있는 모바일 뱅킹으로 발전했고 최고의 경험을 제공함으로써 고객 기반을 확장했다. First Citizens Bank는 은행 업무의 새로운 흐름을 예상하고 전달할 수 있게 된 것이다.

셰퍼드는 “우리의 목표는 셀프 서비스, 원스톱 쇼핑을 하는 것입니다”라며 “이는 고객이 요구할 뿐만 아니라 기대하는 경험인 셀프 서비스를 프런트엔드 채널에 투입한 한 가지 사례지요.”라고 말했다.
 

비즈니스 문제를 해결하기 위해 통찰력 활용하기

First Citizens Bank는 TIBCO BusinessEvents 스트리밍 분석 및 TIBCO Spotfire 시각 분석 도구를 사용하여 부정 거래에 대한 통찰력과 분석 능력을 향상시켰다. 그들은 우선 신용카드 및 직불카드 부정 거래를 구체적으로 살펴보았다. First Citizens Bank는 수백만 개의 데이터를 모아 실시간으로분석해 특히 신용 카드나 직불 카드와 관련하여 잠재적인 부정 거래 상황에 놓인 고객들에게 이를 알린다.

“TIBCO 툴 세트는 우리에게 엄청난 가치가 있었죠. 우리는 결론적으로 하고 싶은 일이 무엇인지 알고 있었어요. 문제는 그것을 어떻게 해낼 것인가 하는 것이었습니다”라고 셰퍼드는 말했다. “TIBCO는 큰 도움이 주었고, 제품을 팔려고 한 것이 아니라 실제로 툴을 활용해서 비즈니스 문제를 해결할 수 있는 방법에 대해 설명했습니다.”

TIBCO Spotfire는 은행 직원들이 데이터를 이해하고, 부정 거래가 많은 영역을 정확히 파악하고, 이 정보를 사용하여 부정 거래 방지 전략을 개선할 수 있도록 도왔다. 그들은 부정 거래 핫스팟을 보기 위해 시각화 맵을 사용하여 수백만 개의 데이터를 필터링한다. 시각화는 그들이 이전보다 훨씬 더 빨리 정보를 분석하고, 부정 거래가 일어나고 있는 영역을 찾고, 그것이 어떤 종류의 사기였으며, 어떻게 하면 그것을 가장 잘 퇴치할 수 있는지를 알아내는 데 도움을 주었다.

“부정 거래의 최전선에 있는 것이 중요합니다. 즉, 우리에게 가치가 있는 일은 부정 거래를 빠르게 판별하여 뒤이어 또다른 거래가 발생하지 않도록 하는 것이었죠”라고 셰퍼드는 말했다.
 

고객 중심 미래

First Citizens Bank와 함께 하는 고객 여정의 다음 단계는 무엇인가? 데이터 분석 및 데이터 사용이다. 지금까지 First Citizens Bank는 핵심 기반을 인상적으로 이뤄냈다. 데이터를 캡처하고 시스템을 통합했기 때문에, 이제 고객 참여를 높이기 위한 전략을 세울 수 있게 되었다.

“고객의 통찰력을 이해하고 지식의 관점에서 더 나은 온라인 툴의 형태로 그들이 제품을 더 잘 사용할 수 있도록 돕는 것이 고객 경험에 진정한 도움이 될 것이라고 생각합니다”라고 셰퍼드는 말했다.

First Citizens Bank는 데이터 연결 및 데이터 통찰력에 투자를 통해 고객 만족도를 향상시켰다. 그들의 최우선 과제는 고객 여정을 개선하기 위해 사용할 수 있는 도구와 기술을 통해 고객에게서비스를 제공하는 것이다. 금융 분야 또는 위치에 관계없이 리테일 금융 고객은 셀프 서비스로업무를 보기 때문에 고객과의 다음 상호 작용이 무엇인지 확인하는 것은 은행에 달려 있다.

“우리가 하려는 것은 부정 거래 경고, 고객 경고, 혹은 고객 셀프 서비스 어떤 것을 통해서든 고객이 우리와 실제로 상호 작용을 하고 있을 때 우리가 그들에 대해 알고 그들의 최선의 이익을 위해 행동할 수 있도록 데이터를 이용하는 것이다”라고 셰퍼드는 말했다.

First Citizens Bank는 미래에 디지털 기능을 발전시켜 그들의 오프라인 지점들에서 잘 알려진 고객우선 경험을 디지털로 제공하고자 한다. 가장 직관적이고 사용하기 쉬운 기술을 통해 그들의 탁월한 서비스를 디지털 채널에 제공하려는 것이다.

100년이 넘는 시간 동안 고객들은 그들의 돈과 미래를 걸고 First Citizens Bank를 신뢰해왔다. 은행은 현재 또는 미래의 모든 First Citizens 고객에게 다음과 같이 약속한다. First Citizens Bank는 처음 개점일부터 언제까지나 항상 차별화된 가치를 바탕으로 살아가고 일할 것이라고 말이다.

“Forever First는 우리가 할 수 있는 최선을 다해 우리에게 의지하는 사람들, 기업, 지역사회에 헌신하는 First Citizens Bank의 노력을 의미합니다. 고객들이 없었다면 우리가 여기에 없었을 것이고 따라서 우리의 목표는 고객들에게 더 나은 서비스를 제공하는 것입니다.”라고 셰퍼드는 말했다.
 

대부분의 지급 관련 부서는 비용 관리 측면에서 가장 크게 골머리를 앓는데, 그 중 상당 부분은 부정 거래 관리 (탐지 및 검사)와 관련이 있다. 모든 금융 기관들은 부정 거래 탐지 시스템을 구축하는 데에 막대한 비용을 투자해왔지만, 높은 투자 비용에 비해 기대한 효과를 얻지 못하는 경우가 흔히 발생한다.

• 검사팀은 단지 의사결정에 필요한 자료를 수집하는 데에도 많은 시간을 낭비한다.
• 탐지 및 검사 장치는 항상 최신 부정 거래 수법을 따라잡는 데에 급급하다.
• 상시 변경되는 규정으로 인해 규정 준수 및 감사 기준 충족에 소요되는 시간과 비용이 증가한다.

시스템의 범위와 영향을 생각해보면, 핵심적인 부정 거래 탐지 시스템을 교체하는 것은 대부분의 기업들이 고려할 수 있는 사안이 아닐 정도로 쉬운 일이 아니다. 하지만 시스템을 교체하는 대신검사를 강화하고 기존 시스템을 보안하여 전반적인 조사 및 탐지 과정을 개선할 수 있다. 여기서는 금융 서비스 기업이 TIBCO 솔루션을 사용하여 더 빠른 결과를 얻음으로써 검사 비용을 절감하고, 더 나은 탐지를 통해 부정 거래로 인한 손실을 줄이며, 중앙 집중형 정보 액세스를 통해 감사 및 규제 준수를 간소화할 수 있는 세 가지 방법에 대해 설명하고자 한다.
 

1. 더 빠른 결과 도출 및 검사 강화를 통한 검사 비용 절감

부정 거래를 탐지하는 데에 아무리 뛰어난 시스템이 있다고 하더라도, 정당한 거래와 부정 거래사이의 애매한 영역에 속하는 거래에 대한 평가는 결국 사람이 담당한다. 여기에서 정황 및 데이터는 수사팀이 올바른 판단을 할 수 있도록 하는 열쇠가 된다. 이는 일반적으로 검사관들이 고객과 그들의 습관, 그리고 의문스러운 거래 및 관련된 거래들에 관한 정보를 수동으로 수집해야 한다는 것을 의미한다. 이런 데이터는 여러 시스템에 저장되어 있을 수도 있기 때문에, 조각을 짜맞추고 이해하기까지 많은 시간이 소요될 수도 있다. 또한, 이 모든 정보는 필요할 경우 결정을 검토할 수 있도록 기록, 관리, 저장되어야 한다. 여기에 탐지 과정이 감사 및 설명 가능하며, 규정을 준수하고 있음을 입증할 수 있어야 한다는 규제 기관에서 정한 요건에 의해서도 비용은 영향을 받는다. 이러한 제약조건으로 인해, 규제 기관에 머신 러닝(ML) 모델과 그 결과를 설명하고 입증하기 어렵다는 이유 때문에 특히 결제 부문에 있어 AI를 도입하지 못하게 되는 경우가 많았다. 하지만 해결책이 있다.

한 가지 해결책은 관련된 모든 데이터와 정황을 한 곳에 모아 검사관들이 신속하고 정확한 결정을 내리고 언제든지 정보를 참조할 수 있도록 검사를 강화하는 것이다.

임계값 설정하기
모든 기업은 수치화된 거래를 처리하는 방식을 결정 짓는 임계값을 설정한다. 이러한 임계값을 잘못 설정하면 탐지 횟수 (및 검사할 거래의 양)가 늘어나거나 탐지 횟수가 줄어들 수 있다. (손실, 벌금 및 고객 불만족이 증가할 위험 발생).

검사 비용 증가
기업이 지출하는 가장 많은 비용은 불확실한 거래로 의심되는 거래에 대한 검사에 들어가는 비용이다. 이를 해결하기 위한 한 가지 방법은 자동화된 모바일 경고, 문자 메시지 및 통화 시스템을 통해 의심스러운 거래에 대해 확인을 하는 것이다. 경고를 하게 되면 고객이 보호받고 있다고 느끼는 긍정적인 이점이 있는 반면, 너무 잦을 경우 고객들은 금방 귀찮아 하게 된다.

자동화된 방식으로는 여기까지 밖에 할 수 없기 때문에, 결국 사람이 개입하여 판단해야 한다. 오버헤드는 검사관이 결단을 내리는 데 필요한 시간과 노력에 따라 수백 달러까지 비용이 발생될 수 있다. 이 시간과 노력의 대부분은 다양한 시스템 및 데이터 소스에서 수집해야 하는 데이터와 관련이 있다. 관련된 상황에서 발생한 경보들을 사례 관리 시스템에 통합, 강화시킴으로써 이러한 과정을 개선하면 검사관이 더 간단하고 빠르게 일을 처리할 수 있어 비용이 절감되고, 보다 신속한 해결책을 찾을 수 있게 된다.

검사 과정도 탐지 과정을 개선하는 핵심 방법이다. 검증된 검사 결과는 AI을 기반으로 한 새로운 탐지 과정에 필수적인 입력 사항이다.

 

2. 개선된 탐지 방식을 통한 검사 오류 줄이기

검사 대상 숫자 줄이기
비용 절감을 위한 두 번째 핵심 방법은 탐지 오류 관리의 효율을 개선하는 것이다. 대상을 잘못 이해하거나 탐지 과정이 효과적이지 못한 경우, 검사 부담이 늘어나고 너무 많은 수의 부정 거래를 확인해야 한다. 탐지 시스템을 최적화하고 위험 대상을 적절하게 관리하는 두 가지 방법으로 탐지 오류 비율을 개선할 수 있다.

탐지 시스템의 최적화
역사적으로, 대부분의 부정 거래 탐지 시스템은 규칙 기반이었다. 별도의 전문가가 막대한 비용을 들여 구축한 이런 값비싼 시스템은 유연성이 없는 “블랙박스” 규칙 기반 시스템을 사용한다. 이러한 시스템은 업데이트가 더디게 진행되며, 진화를 통해 새로운 형태를 갖는 부정 거래들을 놓치게 된다. 또한, 구입하는 데 많은 비용이 들고, 수정하기 어려우며, 관리하는데 많은 비용이 든다. 또한 필요에 따라 기술적인 수정이 필요한 경우에는 규칙의 복잡성과 수정의 필요성을 입증하기 위한 테스트로 인해 상당한 비용이 든다.

더 나은 해결책은 인공지능(AI) 탐지 기능을 사용하는 시스템을 고려할 수 있다. 인공지능과 머신러닝 (ML)을 통해 검출 과정을 강화하는 새로운 방법이 개발되었다. 강화된 검사 과정에서 얻은 결과를 AI 탐지 시스템에 지속적으로 적용하면 부정 행위 발생시 이를 식별하고 그 결과로서 위험 대상을 좁힐 수 있다는 확신을 가질 수 있게 된다.

위험 대상 관리
위험 대상 관리는 핵심 시스템의 거래 데이터에 정황 데이터를 제공하고, 머신러닝 모델에 더 많은 데이터를 제공하여 부정 거래 패턴을 더 잘 찾을 수 있게 함으로써 이루어진다. 그리고, 이러한 패턴들은 검사 시스템의 결과를 제공받아 작동하는 피드백 루프를 통해 지속적으로 업데이트 된다. 그 결과 끊임없이 변화하는 부정 행위의 형태에 더 효과적으로 대처할 수 있는, 보다 정확하고 끊임없이 개선되는 탐지 알고리즘을 구축할 수 있게 된다.

아주 최근까지도 AI와 머신러닝 기술은 구현하기 어려웠고 필요한 기술도 얻기 어려웠다. 데이터사이언티스트들은 이 새로운 기술을 최적화하는데 있어서 여전히 매우 중요한 역할을 담당하고 있다; 그러나 많은 해결책들이 머신러닝의 사용을 단순화하는 데이터 사이언스 플랫폼을 통해 접근 가능해지고 있다. 이러한 플랫폼은 데이터 준비, 기능 선택 및 모델 테스트와 같은 요소들을 데이터 사이언티스트에게 지원하여 최고의 예시를 구현하고 알고리즘 선택을 최적화할 수 있도록 도와준다.

데이터는 좋은 머신러닝(ML) 모델을 만드는 핵심이다. 거래 데이터는 검증된 모델을 훈련시키는데 좋은 출발점이 되지만, 이 데이터만으로는 더욱 더 정교해지는 부정 거래와 싸우기에는 충분하지 않으며, 다른 정황 데이터를 통해 강화해야 한다. 그 과정은 여기서 멈추지 않는다. 패턴이 진화해감에 따라 모델을 효과적으로 유지하기 위해서는 지속적인 개선과 모니터링이 필요하다. 

모델을 만들고 나면 이들이 탐지 과정을 대체하는 것이 아니라, 발전시키기 위해서 기존의 규칙기반 엔진과 함께 작동하도록 배치할 수 있다.

 

3. 감사 및 규제 준수 간소화

소비자를 보호하도록 강요하는 규제들은 점점 더 많은 기업들을 통제하고 있는데, 이는 좋은 사업 관행을 구축하는 한편, 철저한 감사 및 기록을 통해 규정 준수 및 공모 가능성 배제를 요구한다.

규정 준수 요건은 다양하다. 탐지 시스템 알고리즘은 증명 및 설명이 가능해야 하며, 검사 과정은 감사 가능해야 하며, 규칙 또는 모델을 배포할 때에는 수정 통제가 요구되며, 모든 규정 준수 테스트는 기록되어야 한다.

이러한 요구사항들은 수익에는 도움을 주지 않으면서 비용과 및 공정 오버헤드만 늘릴 수도 있다. 이들은 단지 규제 하에 있는 산업에서 사업을 하는데 들어가는 비용의 일부일 뿐이다. 그러나, 강화 및 통합된 검사 사례 관리 시스템의 장점 중 하나는 시스템이 필요한 모든 감사 및 규제 준수 데이터의 저장 공간이 된다는 점이다. 이는 감사 및 규제 준수 목적을 위해 필요한 검사 과정의대상자, 대상 및 검사 이유를 한데 모아 보관하는 역할을 하게 된다.
 

TIBCO가 도움이 되는 이유

TIBCO의 기술 및 데이터 사이언스 팀은 기업들이 금융 범죄를 처리하는 방법을 개선하는 데 도움을 주었으며, 귀사에게도 도움을 줄 수 있다. 우리는 TIBCO^Ⓡ Connected Intelligence 플랫폼의요소들을 통해 귀사의 기존 시스템을 강화하고 개선하는 방식으로 접근한다.

검사 관리
거래가 탐지되면, 불확실한 영역에 속하는 거래들은 조사가 필요하게 된다. 모델이 판단할 수 없었던 모든 이유와 관련 정황을 가진 이벤트들이 사례 관리 시스템으로 넘어가고 이는 조사자들의 작업을 단순하게 만든다. 이렇게 하면 서로 다른 시스템을 오가며 데이터를 검색할 필요성이 사라지게 된다. 또한, 사람이 내린 판단은 ML 모델의 정확성을 향상시킬 훈련 데이터로 활용된다.

도처에 있는 데이터
보다 많은 양의 데이터는 과제인 동시에 기회가 될 수도 있다. 부정 거래는 아무런 정황이 없는 상황에서는 거의 발생하지 않기 때문에, 관련 데이터 및 정황을 파악하면 마치 네트워크 분석을 통해서 새로운 패턴을 발견하는 것처럼 사기범들이 시스템 해킹을 시도하는 새로운 방법을 발견할 수 있다. 또한 검사 단계에서도 정황이 가장 중요하게 작용하는데, 이는 분석 및 검사관들이 결정을 내리는 과정을 간소화하며 비용을 줄여준다. 데이터 시각화, 마스터 데이터 관리 및 데이터 통합은 모두 필요한 정황 데이터를 활용하여 탐지 및 검사 환경을 강력하게 만든다.

데이터 속의 사이언스
인공지능과 머신러닝은 금융범죄 사건의 탐지 및 분류를 개선하는 데에 핵심적인 역할을 한다. 기술이 끊임없이 발전하고, 관련 데이터에 대한 접근성이 높아짐에 따라 사기를 탐지하는 새로운 방법이 발견되고 있다. 모델 정확도를 향상시키기 위해 새로운 데이터 기능을 찾는 딥 피쳐 합성법(Deep Feature Synthesis), TIBCO의 AutoML과 같은 툴은 데이터 사이언티스트와 설계자 모두가 최적의 결과를 내는 모델을 찾기 위해 다양한 모델을 선택하고 테스트하는데 도움을 준다.

작업 가속화
보다 많은 기업들이 실시간 작업으로 전환해야 하고, 이는 부정 거래 탐지 영역까지 확대되어야 한다. 거래의 흐름은 모두 실시간으로 강화, 분류, 점수화 및 평가되어야 하며, 이를 위해서는 TIBCO stack의 핵심 부분인 이벤트 처리, 머신 러닝 모델 및 실시간 데이터 액세스를 모두 조합해야 한다.

모델링 최적화
탐지 시스템의 중심에는 성공의 핵심 역할을 하는 기계 학습 모델이 있다. 최근 몇 년간 모델링 기술이 발전함에 따라 올바른 모델을 선택하는 것은 어려울 수 있다. 랜덤 포레스트와(random forest) 그래디언트 머신의(gradient machine) 차이를 알고 있는가? 귀사의 모델의 효과를 증명할 수 있는가? 마찬가지로 중요한 것은 데이터의 품질이다. 데이터의 품질은 초기에 그리고 지속적으로 올바르게 수정하고 조정하여 모델을 효과적으로 훈련시키는데 활용되어야 한다.

지속적인 배포
전반적으로 IT 업계는 더욱 자동화된 배포 과정을 향해 나아가고 있는데, 탐지 시스템에서도 이러한 추세를 활용하지 못할 이유는 없다. 모델을 훈련시키고 검증한 후 한번 배포하는 능력을 갖추는 것은 좋지만, 모델의 효과가 감소하게 되면 간단한 감사 가능한 배포 과정을 통해 쉽게 수정하여 재배포할 수 있어야 한다.