책정리

- 통계학 책을 보면 정규분포를 전제로 서술한 내용이 많음. 통계학을 공부하다 보면 삼라만상을 정규분포로 설명할 수 있으며, 그 이외의 분포는 예외라고 생각하기 쉬움. 정규라는 이름 자체에 그런 어감이 내포됨. 그런데 현실 사회의 빅데이터에 등장하는 통계분포는 우하향하는 U자형 분포가 압도적으로 많음. 우하향 분포에선 변수값이 0일 때 빈도가 가장 높고 변수가 커질수록 빈도가 일방적으로 줄어듬. 정규분포와 U분포는 그래프 모양이 완전히 다르다. 하나는 종모양이고 다른 하나는 오른쪽으로 갈수록 기울기가 계속 낮아진다. 약간의 차이가 아닌 것이다.
- 우리는 어떤 사물과 사건이 그렇게 된 데에는 원인이 있다고 생각하기 쉬움. 부자에게는 분명 평범한 사람에게는 없는, 무언가 다른 점이 있을 거라며, 그 이면에 숨은 원인을 캐고 싶어함. 그러나 실제로는 교환을 여러차례 반복하면 뚜렷한 원인이 없어도 편중이 생겨남. 자원이 한쪽으로 쏠리는 현상은 결코 능력이나 노력 때문이 아니라 교환의 반복 때문에 생긴 통계의 힘이라는 사실을 잊지 말아야 함. 현실사회에서는 자연발생적 분배의 불균형과 더불어 능력의 차이도 있으므로 빈부의 차가 더욱 커짐
- 우리는 대개 좋은 배우자를 만나 결혼하고 새집을 사고, 보너스를 많이 받으면 더 행복해진다고 생각. 그러나 류보머스키 교수의 정량적 연구에 따르면, 이런 요인이 행복감에 미치는 영향은 의외로 적음. 반대로 우리는 인간관계가 어긋나고 일에서 실패하면 불행해진다고 생각. 그러나 연구결과는 그렇지 않음. 인간은 우리가 상상하는 것보다 훨씬 빨리, 좋은 쪽으로든 나쁜 쪽으로든, 자신을 둘러싼 환경요인의 변화에 익숙해짐. 이 환경요인에 속하는 요소는 매우 다양. 인간관계, 돈, 건강이 모두 환경요인에 포함됨. 그런데 놀랍게도 이런 환경요인을 모두 만족시켜도 행복을 느끼는데 환경이 차지하는 비율은 10%에 불과
- 행복한 사람은 창의성, 업무실적, 소득수준, 결혼 성공률 등이 높고 사교적이며 건강하고 장수한다는 사실이 밝혀짐. 정량적 수치로 나타내면 행복한 사람은 그렇지 않은 사람보다 생산성이 평균 37%, 창의성이 300%나 높다. 중요한 일을 잘하는 사람이 성공해서 행복한 것이 아니라 행복한 사람이 일을 잘한다는 것. 그리고 행복수준은 성공여부에 상관없이 오늘의 사소한 행동만으로도 끌어올릴 수 있다는 것. 물론 행복수준을 끌어올린다고 해서 반드시 성공을 거두는 것은 아니다. 그러나 성공확률은 한층 높아짐. 행복한 사람은 창의적 사고로 생산적 일을 즐기고, 행복한 결혼생활을 누리며, 건강과 장수를 얻을 수 있는 확률이 높아짐
- 행복은 가속도 센서로 측정 가능. 행복이란 사람마다 고유하고 다른 것이라 생각하는 사람들이 많음. 하지만 실험에서 드러난 것은 '행복한 사람은 신체를 잘 움직인다'는 단순하고 공통된 사실이다. 물론 하는 일이 다르면 그에 따라 움직이는 양도 달라짐. 그러나 같은 사람인 경우 행복수준이 높으면 움직이는 빈도가 더욱 늘어난다는 것은 의외의 발견이다. 일의 조건이 다른 사람끼리 비교해서 움직이는 양의 많고 적음에 따라 어느쪽이 행복한지 논하는 것은 의미가 없음. 그렇지만 행복할수록 움직임이 더 많아진다는 것은 사실이다. 이것은 행복이 적극적인 행동과 밀접하게 연결되어 있다는 내용과도 부합함
- 대화가 활발한 조직에서는 생산성이 올라가는 한편, 그렇지 않은 조직에서는 생산성이 내려감. 이것은 보편적, 일반적 현상이다. 그리고 조직원 전체의 신체 움직임을 가속도 센서로 검출하면 조직의 활발도를 정량화할 수 있으므로 다양한 산업분야에서 조직의 활발도가 생산성과 어떤 관련이 있는지 확인가능. 여기서 흥미로운 점은 이 실험에서 전화를 받는 업무는 오로지 개인적 업무이지 팀플레이 일이 아니라는 것. 이처럼 개인적 성격이 강한 업무조차 대화 활발도라는 집단적 요소가 생산성과 비용에 큰 영향을 미치고 있다
- 누군가 마지막으로 만난 뒤 다시 만날 때까지 걸리는 재회 간격, 이메일을 받은 뒤 답신할 때까지 걸리는 시간, 안정상태에서 활동상태로 전환할 때까지 걸리는 시간, 움직임이 있는 행동의 지속시간은 모두 1/T의 법칙을 따름 이것은 제너레이터가 다양한 인간행동에서 기본적으로 작용하고 있음을 보여줌. 이 법칙을 다른 말로 표현하면 '행동은 계속할수록 멈추지 못하게 된다'이다. 그 사람과 만나지 않는 상태, 이메일에 답신하지 않는 상태, 조용히 쉬는 상태, 움직임이 있는 행동은 무엇이든지 계속할수록 멈출수 없는 성질이 있다는 것. 이 네가지 행동에 공통적으로 나타나는 1/T의 법칙을 더 설명하고자 한다면 여러가지 설명이 가능. 재회 간격에 대해서는 누군가와 헤어진 뒤 시간이 흐를수록 다른 일이 끼어들 가능성이 높기 때문에 그 사람과 다시 만나기가 점점 더 어려워진다고 설명할 수 있음. 그리고 이메일에 대해서는 간단히 답신하기 어렵거나 까다로운 안건에 대한 메일이라서 점점 더 답신하기 어려워진다고 설명할 수 있다.
- 사람이 가장 제어하고 싶지만 제어하기 어려운 대상이 바로 자신의 마음이고 특히 중요한 것은 '즐기고 있는가' 여부가 아닐까. 몰입이란 주관적인 느낌으로서 즐기고 있는지 그렇지 않은지를 나타내지만 이를 자주 경험하는지 그렇지 않은지는 센서로 측정가능한 신체움직임과 크게 관련 있음이 증명됨. 일이나 일상에서 즐거움과 충족감을 느끼는 사람은 신체 움직인의 계속성이 높다는 사실이 밝혀짐. 즐거움과 충족감이라는, 모든 사람이 바라지만 좀처럼 손에 잡을 수 없는 감정이 눈에 보이는 구체적 대상으로 변한 것이다. 이로써 몸을 계속적으로 약간 빠르게 움직이는 상황을 만들면 일이나 일상에서 즐거움과 충족감을 느낄 수 있을 것으로 기대할 수 있음. 더욱이 이 움직임은 특별한 것이 아니라 1/T방정식이 보여주듯이 인간의 가장 자연스러운 상태이다
- 적극적 문제해결과 창의적 사고를 지향할수록 대화 중에 기준치를 넘는 빠른 신체 움직임이 많아짐. 즉 대화활발도가 올라감. 상대가 하는 말에 고개를 끄덕이거나 다시 묻기도 하고 자신의 생각을 밝히기도 하면서 빠른 신체 움직임이 증가하는 것이다. 따라서 질 높은 대화가 오가면 신체 움직임이 늘어날 수밖에 없다. 대화의 질이라고 하면 우리는 보통 대화내용이나 주고받는 단어에 주목하기 쉬움. 하지만 앞서 설명한 대로 대화의 질은 신체의 움직임을 통해서 드러난다고 볼 수 있음. 따라서 웨어러블 센서로 신체 움직임을 측정하면 대화의 질을 평가할 수 있음.
- 기존의 데이터 분석은 연역적 처리에 강한 컴퓨터를 이용하여 분석가가 직접 해왔다. 이처럼 데이터 분석을 전문적으로 하는 이들을 데이터 과학자라고 하며 현재 가장 주목받는 새로운 직종 중 하나로 급부상 중. 그러나 여기에는 큰 문제가 있다. 데이터 분석은 본래 귀납적인 일인데 연역용으로 만들어진 컴퓨터를 쓸 수밖에 없다는 것. 이 간극을 메우려면 사람이 데이터 분석에 필요한 적절한 가설을 세우지 않으면 안됨. 그런데 실제로 사람이 적절한 가설을 세울 수 있을까. 슈퍼마켓에서 데이터는 고객, 점원, 진열대, 상품, 시간, 행동 등 그 종류와 수가 방대하고 다양함. 데이터 항목상 선택지가 너무 많아서 가설을 어떻게 세우면 좋을지 짐작할 수 없음. 방대한 데이터에 어떤 현상과 법칙성이 숨어 있는지 인간으로서는 도저히 상상할 수 없음. 사실 가설 따위를 세울수가 없는 것이다. 사람이 세울수 있는 가설은 이미 매장 관계자가 쉽게 가정할 수 있는 것이거나 이미 알려진 것뿐이었다. 실험에서 유통 전문가가 한 것처럼 기껏해야 매장 관계자를 인터뷰하거나 그동안 쌓은 경험과 직감으로 가설을 세울 수 밖에 없다. 그것을 데이터로 검증하는 수순이 될 수밖에 없음. 게다가 분석가에 의한 가설검증방식에는 엄청난 노력이 들어감. 가설을 세우기 위해 관계자의 말을 듣거나 현장조사를 해야 할 필요도 있음. 이런 일도 포함하면, 경험상 분석재료가 되는 데이터를 정리하기까지 분석작업의 90%이상이 소요됨. 그 뒤에 컴퓨터를 활용한다 하더라도 90% 이상이 사람의 수작업과 시행착오의 연속이다. 이쯤 되면 장인의 수공업에 가까움. 그동안 빅데이터 분석현장을 보노라면 가내수공업에 종사하는 장인의 공방시절로 돌아간 듯한 착각마저 든다. 언뜻 최첨단 기술직으로 보이는 애널리틱스와 데이터 과학자라는 직업은 실상 스승과 제자의 직감과 경험에 의존하는 전적으로 수공업의 한계인 것이다. 정작 가장 중요한 부분, 시간과 노력이 요구되는 부분에는 공업화도 컴퓨터화도 되어 있지 않은 것이다. 이만큼 많은 일손을 들이고도 미리 세운 가설에 따라 분석작업을 하면 당연한 결과밖에 나오지 않는 경우가 많음. 비용대비 효율성이 너무 낮다. 그런데 이것은 역사적으로 보면 과학자들이 늘 해온 방식이다. 과학자들이 하는 일이란 관측 데이터의 이면에 숨은 법칙성을 발견하는 것. 과학사를 돌이켜보면 뉴턴, 볼츠만, 아인슈타인, 슈뢰딩거 등 몇몇 천재만이 법칙을 발견했다. 그리고 그런 발견은 극히 드물게 일어남. 빅데이터를 손에 넣었다고 해도 기존 수공업적인 방법을 사용하는 한 상황은 크게 달라지지 않음. 스스로 학습하는 기계인 인공지능 H는 이런 비효율적인 애널리틱스를 더이상 필요없게 만든다
- 빅데이터로 이익을 내기 위한 세가지 원칙은 다음과 같음
* 1원칙 : 향상시켜야 할 실적을 명확히 한다
* 2원칙 : 향상시켜야 할 실적과 관련된 사람, 사물, 돈에 관한 데이터를 널리 수집한다
* 3원칙 : 가설에 의존하지 말고, 컴퓨터가 실적 향상 대책을 데이터로부터 역추정하도록 만든다
- 슈퍼마켓 사례에서는 처음부터 이 세가지 원칙을 의식하고 실험에 나섰다. 그중 가장 중요하면서도 잘 지켜지지 않는 3원칙은 간단히 말해 '컴퓨터가 가설을 세우게 하는 것. 이 원칙이 잘 지켜지지 않는 이유는 데이터 분석은 사람이 가설을 세우고 컴퓨터와 데이터를 활용해서 그 가설을 검증하는 것이라는 고정관념이 퍼져 있기 때문
- 가설을 세워 검증하는 것은 문제해결의 올바른 길이다. 그러나 빅데이터가 존재하는 문제일 경우 가설을 세우는 일은 사람이 아니라 컴퓨터가 해야 함. 사람이 가설을 세워야 한다는 고정관념을 버릴 필요가 있다. 거듭 말하지만 인간이 대량의 데이터의 전모를 이해하기란 불가능하다. 전모는 커녕 그 개요조차 파악할 수 없는 것이 빅데이터의 특징. 이런 한계 때문에 사람이 세운 가설은 대량의 데이터의 은혜를 입지 않은(대량의 데이터를 무시한) 경험과 직감에 의존하는 가설일 수 밖에 없다. 다양한 종류의 대량의 데이터가 존재하는 문제만큼은 컴퓨터에게 가설을 세우게 하는 시대가 오고 있는 것이다.
- 그동안에는 업무의 표준화와 매뉴얼화가 업무를 향상시키기 위한 바람직한 모습이라는 사고방식이 뿌리를 내려 고객이나 종업원은 정해진 매뉴얼과 기계에 맞추어 움직였음. 그러나 업무공정을 표준화하고 컴퓨터로 철저하게 관리했음에도 실상 매뉴얼대로 잘 이루어지지 않고, 오히려 매뉴얼이 걸림돌이 된다는 우려도 있음. 제3세대 세상에서는 인간이 기계와 공저에 맞추어 일하는 것이 아니라 기계와 컴퓨터가 인간에 맞추게 됨. 이들이 환경변화 속에서 자율적으로 판단하여 결과에 책임지는 한사람 한사람을 지원하게 될 것이다. 앞으로 컴퓨터는 데이터를 통해서 스스로 학습하며 이 책에서 서술한 인간의 신체, 사회적 법칙성과 그 제약도 이해하는 쪽으로 발달할 것. 이런 학습하는 기계로 무장된 지식 노동과 서비스에서는 언제나 데이터에 의거해서 역사와 현재로부터 배우고, 변화에 유연하게 적응하며, 변화를 능동적으로 만들어낼 것이다.
- 슈퍼마켓 사례를 들면, 우리는 매출을 올린다는 목적을 정하고 대량의 데이터를 입력해서 스스로 학습하는 인공지능에 실적향상 모델을 역추정 시켰다. 그 결과를 바탕으로 점원을 고감도 장소에 더 많이 배치했고 결국 매출이 15% 향상됨. 이 회사가 점원을 늘려 배치한 이유는 이익을 많이 내기 위해서였음. 그러나 이 배치변경이 불러온 효과는 실상 매출향상만이 아니었다. 점원과 고객의 활발도도 높여줌. 활발도가 올라가면 행복수준이나 적극성이 함께 올라감. 매장의 매출이 오른 이유는 신체활동이 활발해져서 점원의 적극성과 고객의 활발도가 올라갔기 때문이라 볼 수 있음. 데이터를 봄니 아마도 배치 변경에 의해 매장내 고객의 흐름이 바뀌었기 때문에, 고객에 대한 응대시간이 전반적으로 늘어났음을 알 수 있음. 그러나 흥미로운 점은 고객이 점원의 응대를 받은 시간이 길든 짧든 고객 자신의 구매금액에는 직접적인 상환이 없었다는 것. 그런데 매장에서 점원이 고객을 상대하는 일이 많아지니까 그 장면을 본 다른 고객의 구매금액이 늘어나는 효과가 일어난 것이었다. 고객에 대한 응대는 고객이 궁금해하는 정보를 제공한다는 직접적 효과보다는 다른 고객과 점원이 활발하게 교류하고 있는 모습을 보여줌으로써 매장이 성황이라는 느낌을 갖게 하는 간접적 효과가 매출에 더 큰 영향을 주었다고 볼 수 있음. 실제로 가속도 센서로 측정한 데이터를 보면 고객 상대시에 점원의 활발도가 올라감. 또 그 모습을 본 다른 고객이 머무는 시간도 길어져서 구매금액이 증가. 데이터를 보면, 매장 내 고객 응대 빈도가 10%만 올라가도 고객단가는 92엔이나 늘어났고, 고객응대시 고객활발도가 10%만 올라가도 고객단가는 68엔이나 증가.

- '신은 믿는다. 신 말고는 누구라도 데이터를 제시해야 한다'(데밍)
- HR에서 빅데이터 활용 솔루션 예시
* 보상 : 시저 카지노가 알아낸 사실에 따르면 일정한도 내에서의 임금인상은 이직률에 영향을 주지 않는다
* 소모 : 제록스가 알아낸 것에 따르면 콜센터 직무의 경우 경험이 과대평가 받고 있다. 또한 지나치게 파고들기를 좋아하는 직원들은 훈련 뒤 단기간 내에 직장을 그만두는 경향이 있다
* 질병 : 리치필드매니지먼트는 마약과 음주에 관한 응시자들의 성향을 테스트한 결과, 업무외 활동에 참가하는 직원들이 사고를 낼 가능성이 더 높다는 사실을 발견
- 무료가 아닌 경우 극히 미미한 요금조차도 상당한 경제마찰을 불러올 수 있음. 즉, 아주 적은 요금만 붙어도 상업적 활동을 불균형적으로 억제함. 아마존이 유럽전역에서 시행한 25불 이상 주문시 무료배송 프로모션에서, 프로그램상의 오류로 의도치 않게 프랑스 고객들에게 1프랑(20센트)이라는 얼마 안되는 배송비를 청구하게 됨. 다른 유럽국가들과 비교했을 때 유독 프랑스에서 판매액이 크게 떨어짐. 아마존이 뒤늦게 오류를 수정하자 회복됨.
- 기업의 CEO는 조직전반에 데이터를 연결시키는 것에 관한 질문을 제기하고 효율적으로 회사를 운영할 수 있어야 하며, 특히 예상치 못한 사건에 대응하는 능력을 갖추어야 한다. 대부분의 기업들은 전체를 통합해 연결시키는 능력을 갖추지 못하고 있다. (팀 버너스 리)
- 90년대 내내, 그리고 2000년대 초반에 점점 더 많은 기업들이 관계형 데이터 모델에 기반을 둔 시스템을 효율적으로 사용했음. 그들은 과거 메인프레임 시스템을 현대 기업 애플리케이션으로 완전히 갈아엎음. 중요한 것은 이런 애플리케이션들이 오라클이나 구조화 질의어(structured query language) 서버 등을 비롯한 잘 정돈되고 값비싼 관계형 데이터베이스로 작동됐다는 점. 게다가 기업들은 ETL(추출, 변환, 로드)이라 불리는 과정을 거쳐 과거 데이터를 새로운 시스템으로 전환시켰다. 그 이전 시스템들과 마찬가지로 ERP나 CRM시스템은 구조화 데이터를 처리하는 데 탁월해 판매자 대금이나 직원급여 결제와 같은 필수 업무를 수행하거나 일반적인 보고서를 제공했다. 직원들은 이러한 시스템을 이용해 필수적인 기업정보를 입력, 편집, 검색할 수 있었다. 기업 인트라넷, 위키, 지식 베이스 같은 것들이 초기에 비정형화 데이터를 캡처하려는 대표적 시도들이었으나 이러한 데이터의 대부분은 내부적인 것이었다. 대개의 경우 규모가 큰 기업에서 인트라넷은 실질적인 킬러앱인 이메일을 대신하는 못했음. 데이터에 관한 질문을 받으며 사람들은 대부분 앞서 언급된 구조화된 종류의 데이터만 떠올림. 블로거 짐 해리스는 데이터 라운드 테이블에 다음과 같은 글을 올렸다. "관계형 모델은 80년대 이래 데이터 경영산업을 지배해왔다." 이 모델은 데이터는 활용되기 전에 잘 구조화돼야만 하고, ACID(원자성, 일관성, 고립성, 영속성) 원칙을 준수해 관리돼야 하며, 주로 표로 구조화되거나 구조화 질의어를 이용해 접속돼야 한다는 오래된 신념을 조장한다. 이런 해리스의 견해는 정확하며 타당성이 있다. 관계형 데이터 모델은 여전히 중요하지만, 그렇다고 유일하게 이용가능한 모델은 아님. 논의되고 있는 데이터 유형과 출처가 무엇이냐에 따라 이야기는 달라짐.
- 구조화데이터는 다른 데이터와의 관계가 정의돼 있고 정돈돼 있으며 일관적일 뿐 아니라 스프레드시트나 데이터베이스 테이블에 간편하게 저장될 수 있음. 비정형화 데이터는 이와 반대. 규모가 거대하고 상관관계가 없으며 복잡하게 얽혀 있는 데다 텍스트로 가득 차 있고 표로 쉽게 나타낼 수가 없음. 또한 비정형화 데이터는 우리가 빅데이터라 부르는 것의 대부분을 차지. 감성 및 텍스트 애널리틱스 소프트웨어의 선두주자인 클라라브리지에 따르면, "비정형화 정보는 기업데이터의 80% 이상을 차지하고 있다." 일부 추산에 따르면, 비정형화 데이터는 구조화 데이터보다 50배나 더 빨리 증가하고 있음. 데이터가 증가하고 있다는 것은 누구나 동의하지만, 우리가 정확히 어떤 용어를 사용해야 할지에 대해서는 의견이 분분하다. 일부에서는 비정형 데이터라는 용어 자체가 사실 모순이라고 지적. 소프트웨어 업게에서 선두적인 애널리스트이자 전략자문위원인 커트 모내시 박사는 다구조화 데이터를 "고도로 구조화된 데이터베이스 혜택은 거의 다 제공받을 수 있는 구조를 갖추고는 있으나, 그런 데이터 시스템에 필요한 간결하고 일관적인 형태로 나타낼 수는 없는 데이터로 정의함.
- 반구조화 데이터는 그 명칭이 말해주든 구조화 데이터와 비정형화 데이터 양쪽의 특징을 모두 가짐. 아래 사례들이 이에 포함됨
* 확장성 생성언어(XML)를 비롯한 여타 마크업 언어들
* 이메일
* 전자문서 교환(컴퓨터간 정보교환을 위한 특정 표준화 양식)
- 오늘날 대부분의 조직체들이 안고 있는 데이터 관리상의 문제는 그들이 특정 애플리케이션의 요구를 충족시키기 위해 데이터를 관리한다는 데서 비롯된다. 이는 어느 한가지 애플리케이션의 차원에서 보았을 때는 이로울지 몰라도, 기업 전체의 필요성을 만족시키기에는 턱없이 부족하다. 데이터의 출처, 다양성, 양이 더 증가한 지금, 좀더 현대적이고 전체론적인 사고방식을 갖추지 않는다면 조직체들은 계속해서 고군분투해야 할 것이다. 그들은 방향을 전환해 애플리케이션 전략이 아닌 조직의 전략에 맞춰 데이터를 관리하는 체계를 만들어야 할 것이다. (데이터 자산, 현명한 회사들은 어떻게 데이터를 관리해 성공을 이루는가)
- 빅데이터에 마법의 힘을 기대해서는 안됨. 데이터를 토대로 의사결정을 내리지 않으려고 완강하게 버티면 직원들이 고용주가 빅데이터를 신봉한다고 해서 갑자기 돌변해 따라가지 않을 것임. 게다가 빅데이터 자체는 그 어떤 것도 보증해주지 않는다. 다만 분야를 막론하고 빅데이터를 수용할 때 성공확률이 더 높아진다는 것 뿐이다. 지금껏 이런 상황에서 모든 회사들이 빅데이터를 적극 활용할 날이 온다는 것은 상상하기 힘들다. 그럼에도 불구하고 A사가 빅데이터를 효율적으로 활용하고, B사는 그렇지 않다는 한가지 요소를 제외하고 모든 조건이 동일하다고 가정했을 때, A사가 B사보다 성공적일 것임은 의심의 여지가 없다. 빅데이터가 우리에게 알려주는 것은 무엇인가? 다른 조건들이 모두 동등할 때 스몰데이터를 잘 관리하는 쪽이 그렇지 못한 쪽보다 빅데이터의 수혜를 받을 확률이 높다는 점이다. 순조롭게 경영되는 기업체에서는 마스터 고객목록, 제품목록, 직원목록과 같은 데이터를 수동으로 대충 맞추느라 시간과 자원을 낭비하지 않음. 이런 회사 직원들은 몇번의 마우스 클릭으로, 아니면 더 나은 경우 자동적으로 이런 종류의 정보를 얻을 수 있음. 장부 정리에 몇주씩이나 허비하는 그런 기업은 아닌 것이다. 그 결과, 그들은보통 자사의 시장점유율, 매출액, 유동부채, 리스크 수준 등을 신속히 파악할 수 있으며, 최신 트렌드 역시 빠르게 포착해낼 수 있음. 게다가 스몰데이터를 빅데이터에 더 쉽게 연계시킬 수 있음.
- 빅데이터는 기술적 저장 및 검색 면에서 매우 다른 양상을 지님. 여기서는 빅데이터가 행이나 SQL과는 거의 관계가 없는 새로운 종류의 데이터베이스를 생겨나게 한다는 점만 언급한다.
- SQL이란 관계형 데이터베이스 관리 시스템의 데이터를 관리하기 위해 설계된 특수용도의 프로그래밍 언어. 그 막강한 기능에도 불구하고 기존 SQL은 일반적으로 대용략의 비정형화 데이터를 그다지 효율적으로 처리하지 못함.
- 비즈니스 인텔리전스는 새로운 개념이 아님. 그 배경은 58년 IBM의 피터 룬이 한 기사에서 비즈니스 인텔리전스라는 용어를 처음 사용하면서 '원하는 목표를 향해 행동을 이끌어갈 수 있도록 제시된 사실들 간의 상호관계를 파악하는 능력'이라고 정의. 30년이 지난 뒤 BI애플리케이션은 드디어 유명세를 타게 된다. 90년대 중반 많은 기업들이 마침내 오라클, 피플소트프, 시에벨, SAP같은 값비싼 ERP및 CRM시스템을 도입. 그 뒤 본질적이고도 중요한 문제점이 자리잡게 됨. 관계형 데이터베이스 애플리케이션은 시스템에 데이터를 입력하는 데에는 탁월했으나 동일 데이터를 빼낼 수 있도록 설계되어 있지 않았던 것. 수많은 최종사용자들은 판매사가 제공하는 표준보고서 툴이 효율적이지 않다는 사실을 알게 됨. 기업들은 고객, 직원, 금융거래 등에 관해 현재 이용가능한 대량의 데이터를 분석하려면 한층 더 강력한 애플리케이션이 별도로 필요하다는 점을 깨닫게 됨. 하이페리온, 마이크로스트래티지 및 캐나다 코그노스와 같은 초기 BI판매사들이 그런 기능을 제공했따. 혹자는 빅데이터를 단지 비즈니스 인텔리전스의 별칭쯤으로 보지만 실상은 그렇지 않음. 물론 두 개념은 전혀 별개라고 볼 수 없는데다 정보로부터 가치를 이끌어내겠다는 비즈니스 목표를 공유하고 있기도 함. 하지만 빅데이터와 전통적 BI사이에 존재하는 핵심적 차이점은 결국 각자가 처리하는 데이터의 유형으로 압축됨. 전통적 BI는 빅데이터를 구성하는 비정형화 및 반구조화 정보를 효율적으로 처리하지 못함. 크게 보았을 때 BI애플리케이션 대부분의 기능은 기업의 구조화 데이터를 잘 파악하도록 해주는 것. 반면 잘 알려진 빅데이터 솔루션들 대부분은 비정형화 및 반구조화 데이터를 비롯한 온갖 유형의 데이터를 처리할 수 있음. 그렇다고 해서 어느 한 종류의 툴이 다른 종류의 툴보다 원래부터 더 뛰어나다는 말은 아님. 물론 판매데이터가 들어 있는 올랩큐브(대량의 데이터가 서로의 변수간에 어떤 관계가 있는지를 알아내는 데이터마이닝 기법)는 고객행동에 대한 매우 가치있는 견해를 제공해 줄 수 잇음. 단 올랩 내의 동일한 큐브에다 사진, 동영상, 블로그 게시물, 세부 통화내용 기록, 트위터 메시지를 다 집어넣고 의미있느 결과가 나오기만을 기대하지는 말라는 뜻이다. 빅데이터 솔루션으로 구조하 데이터를 처리할 수는 있으며, 현재 하이브리드 솔루션이 개발돼 향상 중에 있음. 그 목적은 기업체가 이론상 모든 유형의 소스 데이터를 한곳에서 관리할 수 있게 하는 것. 아무튼 대부분의 기업체들이 자사가 현재 사용중인 최상의 BI애플리케이션을 당장에 바꾸려 하지는 않을 듯하다.
- 빅데이터가 데이터마이닝에 끼친 영향은 무엇인가? 데이터마이팅 툴들이 확장 및 진화하고 있는 이유는 쉽게 말해 데이터 자체가 확장되고 진화하기 때문. 오래된 데이터마이닝 솔루션들은 이제 빅데이터로 인해 새로워진 환경에 맞추어 조정되거나 소멸할 처지에 이르렀음. 예를 들어 처리 가능한 데이터의 비율이 갈수록 낮아졌기 때문에, IBM의 인텔리전트 마이너, 마이크로소프트의 애널리시스 서비스, SAS의 엔터프라이즈 마이너 모두가 그 의의를 점점 잃어가고 있음. 빅데이터를 효율적으로 처리할 수 있는 다른 애플리케이션만이 있다면 이 추세는 한층 가속돠될 것임. 하둡, 컬럼기반 데이터베이스 NoSQL등의 새로운 데이터마이닝 솔루션들은 모든 유형과 소스, 또는 대량의 데이터를 신속하고 효율적으로 처리가능. 빅데이터가 기술 수용 라이프사이클에서 오른쪽으로 옮겨감에 따라 이러한 새로운 빅데이터 솔루션의 인기는 높아져갈 것이며, 특히 저비용 오픈소스의 인기는 더욱 높아질 것임.
- 정보의 신세계에서는 데이터 과잉으로 인해 직관의 중요성이 점점 커지고 있다. (존 나이스비츠)
- 빅데이터는 손전등을 더 밝게 해줄 뿐이지, 어둠 자체를 제거해주지는 않는다. 즉 빅데이터는 불확실성을 줄여주고 예측의 정확도를 높여준다. 우리는 빅데이터를 통해 더 많은 것을 알 수 있으나 전부를 알 수는 없다.
- 텍스트 덩어리에서 해독 가능한 요약본을 뽑아낼 수 있는 기술인 자연언어 처리에 대해 알아보자. 자연언어처리의 기본적 사례로는 소셜 미디어, 신문기사들 이외에도 캐나다 의회와 유럽연합이 해온 것처럼 정부절차를 모두 공식적 언어로 바꾸는 것들을 들 수 있음. 그러나 이것들도 단지 빙산의 일각에 불과. 자연언어처리가 할 수 있는 것은 훨씬 더 많은데, 의사 진단서 또는 환자진료시 발생하는 다양한 비정형 정보를 해독하는 일이 여기 포함됨. 자연언어처리는 전자건강기록을 전혀 다른 차원으로 끌고 갈 수 있음.
- 정확히 어떤 방법을 이용해야 텍스트에서 가치를 얻을 수 있을까? 그 방법은 데이터 마이닝, 기계학습, 자연언어처리, 정보검색, 지식경영 등에서 나온 테크닉을 사용해 정보 과부하 문제를 해결하려는 텍스트 애널리틱스라 불리는 과정을 통해서이다. 흥미로운 새로운 연구분야로 정의되는 텍스트 애널리틱스에는 문서 전처리(텍스트분류, 정보추출, 용어추출), 중간결과물 저장을 비롯해 분포분석, 클러스터링, 트렌드 분석, 연관규칙 등의 중간결과물 분석 테크닉, 결과물 시각화 등이 포함됨. 그 과정은 아래와 같다.
- 텍스트 애널리틱스는 아래와 같은 여러 요소들 또는 특징들에 의미론적 이해를 더해줌
* 명칭이 붙은 개체 : 사람, 회사, 장소 등
* 패턴기반개체 : 이메일주소, 전화번호 등
* 개념 : 개체의 추상적 관념
* 사실 및 관계
* 구체적 속성 및 추상적 속성 : 비쌈, 편안함 등
* 의견, 감정, 정서의 형태를 갖춘 주관성 : 태도에 관한 데이터
- 텍스트 애널리틱스는 정보검색을 정보접근으로 변형시키며 그 과정은 다음과 같음
* 검색어는 쿼리(질의)가 된다
* 검색된 자료는 더 광범위한 구조를 위해 마이닝된다
* 검색된 자료는 개체, 화제, 주제와 같은 특징들을 위해 마이닝된다
* 검색된 자료는 사실 및 관계와 같은 소규모 구조를 위해 마이닝된다
* 결과물은 마이닝된 화제 및 주제에 따른 분류 같은 식으로 지능적으로 제시된다
* 추출된 정보는 시각화되거나 분석될 수 있따.
- 대체로 텍스트 애널리틱스는 연구원, 작가, 학자, 그리고 우리 모두가 수년간 해왔던 일을 자동화함. 텍스트 애널리틱스는 언어학적, 통계적 테크닉들을 이용해 문서, 오디오, 비디오, 이미지 등을 분류 또는 구분하는 데 적용할 수 있는 개념 및 패턴을 찾아냄. 또한 비정형화 데이터를 기존 분석 테크닉에 적용할 수 있는 데이터로 변형. 마지막으로 텍스트 애널리틱스는 기존에 컴퓨터가 처리해내지 못했던 대용량 정보안에 있는 의미와 관계를 파악해냄
- 아파치 하둡을 빼놓고는 빅데이터 툴에 관한 그 어떤 이야기도 시작할 수 없음. 하둡은 데이터를 분산하고 처리하는 오픈소스 프로젝트들의 대규모 집합체. 집합적으로 하둡스택과 그 다양한 구성요소들을 이용해 광대한 반정형화 및 비정형화 데이터를 저장하고 파악가능. 기가오엠은 하둡을 일컬어 명실상부한 세계적인 빅데이터 플랫폼이라고 말한다. 오늘날 아휴, 페북, 링크드인, 아메리칸 항공, IBM, 트위터를 비롯한 수십개의 회사들이 하둡을 사용하고 있음.
- 하둡이 인기를 얻는 이유는 다음과 같음
* 정형화, 비정형화, 로그파일, 사진, 오디오파일, 통신기록, 이메일 등을 포함한 다양한 유형과 소스를 가진 데이터를 처리가능
* 확장이 쉽고 다수의 서버들에 걸쳐 확장이 가능
* 고장허용한계가 높음
* 가변성이 극도로 높음
* 제품개선방향을 스스로 모색하는 자생 커뮤니티를 구축해온 오픈소스 프로젝트
- 휴대전화, 인터넷, 팩스의 경우와 마찬가지로 빅데이터는 네트워크 효과의 지배를 받음. 다른 조건들이 모두 동등할 때 데이터가 많으면 많을수록 더 나은 애널리틱스 결과와 더 깊은 통찰, 그리고 더 정확한 예측이 나옴. 다양한 데이터 소스들이 잡음대 신호비가 높다고 해도 여러 솔루션들로 그 잡음을 최소화함으로써 사업성을 더 높일수도 있음. 빅데이터 솔루션들이 낮은 데이터 저장비용과 만났을 때, 조직체들은 데이터를 분석할 수단을 현재 보유하고 있는지 여부와 관계없이 그 어느때보다 많은 데이터를 저장할 수 있음. 비용과 성증이 더이상 문제가 되지 않는 경우, 더 많은 데이터를 보윻는 편이 그렇지 않은 편보다 언제나 낫다.

- 일본 이통사 AU에서는 지브리의 인기 캐릭터 스티커를 전송하여 친구가 100만에서 780만명으로 증가. 친구 수로는 크게 뒤처져 있던 소프트뱅크와 로손을 제치고 단번에 당시 1위에 오름. 스티커 배포의 목적으로, 친구들기리 스티커를 전송하면서 서비스나 브랜드의 인지도를 높이고 브랜드 이미지 향상을 꾀하는 것이지만, O2O마케팅에서 이용할 때는 스티커를 제공하고 이를 확보한 친구에게 유익한 정보를 발송해 매장방문이나 상품구매, 서비스 계약을 유도하는 것을 목표로 함. 또 라인에서는 13년 4월부터 스티커를 사용하여 구매로 이어지게 하는 머스트바이 스티커도 제공. 이것은 상품을 구매한 고객만이 QR코드를 통해 한정판 스티커를 받을 수 있는 서비스. 일본 코카콜라에서 소켄비차라는 음료를 구매한 고객에게 인기 만화 캐릭터를 활용한 네종류의 스티커를 제공하는 이벤트 프로모션을 진행하여 주목받기 시작.
- 쇼프리에의 가장 큰 특징은 포인트가 쌓이는 시점이다. 매장을 방문했을 때 포인트가 쌓이는 것이 아니라 매장안을 돌면서 상품을 손에 쥐고 확인해야 포인트를 받음. 체크인이 가능한 상품을 찾아 매장안을 둘러보는 동안, 여러 상품을 보게 되고 어느 순간 다른 상품을 사고 싶어하는 심리를 노린 것. 고객이 매장을 둘러보고 상품을 직접 만져보게 하는 일은 모든 상점에서 예나 지금이나 변함없이 바라는 일로, 쇼프리에는 O2O를 통해 그 문제를 해결했다. 아무래도 구매 고객만을 대상으로 혜택을 제공하게 되는데, 사실 물건을 사지는 않았어도, 매장을 방문한 고객 중에는 우수고객이나 재방문이 기대되는 고객이 존재. 고객관리관점에서 그런 잠재고객에게 특별한 혜택을 부여하는 방식이 최근 들어 늘기 시작했는데 쇼프리에 역시 그런 숨은 고객에게 적절한 폐택을 제공할 수 있는 서비스. 일본의 무인양품, 키플링, 도큐핸즈, 플라자 등의 여러 브랜드에서 도입. 기업도 별다른 준비를 하거나 장치를 살 필요 없이 상품에 붙은 바코드 정보를 소프리에의 데이터베이스에 등록만 하면 되므로, 수고가 적은 점도 장점. 앞으로는 상점의 자체 포인트 서비스에도 쇼프리에를 연동하려고 계획 중
- 마케팅 솔루션 기업인 블로그 왓처가 제공하는 프로파일 패스포트는 지오펜스의 구역탐지 기능을 활성화 해서 시각과 위치정보, 프로파일을 자유롭게 조합한 뒤 정보를 발송하는 스마트폰 대상 서비스. 예를 들어 매주 수요일 오후 5시, 신주쿠 역에 도착한 이용자에게 타임세일 정보를 발송할 수 있다. 지오펜스는 매장을 중심으로 도로 건너편까지 등 세세한 경계 설정이 가능. 또 매일 정해진 시간이 정보를 발송하는 타이머 기능도 있다. 이용자의 스마트폰에서 웹사이트나 앱을 이용했던 정보를 통해 이용자의 관심분야를 추정해서 정보를 발송하므로 이용자가 정보를 확인할 가능성이 높음. 블로그 왓처에서 제공하는 맛집, 쿠폰, 여행, 홈쇼핑, 엔터테인먼트 등의 정보를 사용자의 취향에 맞추어 열람할 수 있는 앱 위드유에서 행한 실험에서 연휴 전에 여행관련 사이트나 앱을 이용하는 사람에게 여행특집 정보를 발송했더니 페이지뷰가 보통때와 비교하여 약 6배 상승했다는 결과가 나왔다. 이 사례에서 지오펜스를 통해 얻는 상점의 이득부터 살펴보자. 상점은 상권내에 있는 소비자에게 매장 방문을 유도하는 정보를 적절한 시간에 맞추어 발송가능. 비가 와서 방문객이 줄어드는 상황이라면 비오는 날의 할인판매를 푸시알람으로 알려 매장 방문을 유도한다. 또 앱을 통해 이용자 정보를 등록하게 하면 어떤 소비자가 어떤 시간에 어떤 상품을 사러 매장에 온다는 데이터 누적이 가능. 누적된 데이터를 분석해서 일대일로 고객에게 정보를 제공할 수 있다. 그밖에도 경쟁업체의 상점주변을 지오펜스로 설정하여 그쪽 상점에 방문하려는 잠재고객에게 정보를 발송해서 접근하는 일도 가능. 한편 소비자는 근처의 단골상점이나 관심있는 상점에서 특별혜택이나 정보를 얻을 수 있다. 전송받은 정보를 확인하고 관심이 생겨 상품을 구매할 가능성도 높아짐. 앞으로 실내 상업시설에서도 실내 GPS나 블루투스를 활용해 매장 방문객을 모으는 데 효과적 수단이 보급될 것. 상점 근처에 있는 잠재고객에게 접근 가믕한 플랫폼이 생기고 타임세일 등의 모객 전략을 효율적으로 시행할 수 있음.
- 소셜 기프트는 온라인을 통해 오프라인 매장으로 고객을 유도하는 효과적 O2O수단이다. 일대일로 대응가능할 뿐 아니라 타겟 고객과 타겟 고객으로부터 입소문이 퍼져나가 고객을 모을 수 잇는 O2O마케팅 전략이다.
- 신문에 끼워 배달하던 종이 전단을 온라인에 올리면서 시작된 전단 전송 서비스지만, 경쟁이 심해지면서 차별화를 꾀하다 보니 점점 새로운 시도를 더해가며 발전하고 있다.
(1) 웹기반 전자전단 전송 : 일본의 종합 슈퍼체인 이토요카도는 신규고객 창출을 위해 전단 전송 서비스의 주 이용자인 20~40대에서 관심이 많은 애완동물이나 화장품 등 특정 품목의 전자전단을 발송했다. 전자전단은 종이전단과 달리 부수에 제한이 없다보니 비용이 적게 들어 특정 품목에 한정하여 전단을 제작할 수 있다. 또 웹을 이용한 전자매체이기 때문에 이용자의 나이, 성별, 주거지 등 고객 속성이나 전단 열람인원수까지 파악할 수 있어서, 지역별로 진열하는 상품의 종류나 수량을 바꾸는 등 지점 운영전략에도 활용된다
(2) 전자전단 구독회원과 포인트 카드 연동 : 회원이 전자전단을 열람할 때 제휴한 슈퍼의 포인트 카드 번호를 입력하여 그 슈퍼의 포인트를 쌓게 하는 것. 구매이력 정보를 바탕으로 회원 한사람 한사람 맞춤 전단 배포도 가능할 것.
- 시착 예약 서비스가 좋은 점은 고객과 온라인 스토어, 오프라인 매장 모두 조화롭게 이익을 얻는다는 점. 온라인으로 물건을 살 때, 고객은 화면으로만 봐서는 질감이나 무늬가 어떤지 잘 모른다. 구매후, 배송된 물건이 기대와 다르면 큰일이라는 불안감도 있다. 한편 매장에서 물건을 살 때는 많은 상품중에서 무엇을 골라야 할 지 고민하게 되고, 사고 싶었던 상품의 재고가 없으면 불만이 생긴다. 시착예약은 온라인에서 구매할지, 오프라인에서 구매할지 망설이는 고객의 고민거리를 없애주는 역할을 함. 기업이 온라인에서 오프라인 매장으로 고객을 유도하려는 이유가 있다. 온라인 사이트에서 시착예약을 하고 매장을 방문하는 이들은 구매의사가 높은 우수고객이다. 대부분의 소매유통업체는 온라인 스토어가 매장의 고객을 빼앗는 골칫거리라고 생각. 하지만 시착예약 서비스로 온라인 스토어에서 오프라인 매장으로 고객을 안내하면, 온라인 스토어는 구매의사가 높은 우수고객을 매장까지 보내주는 고마운 존재로 바뀜. 그럴 경우 고객을 응대하는 매장직원의 의욕도 자연스레 높아지고, 매장에 온 김에 물건을 사려는 구매의사를 촉진하는 일도 가능하다는 것이 시착예약 서비스의 가장 큰 장점
- 트위터의 창업자 중 한사람인 잭 도시가 설립한 벤처 기업 스퀘어는 스마트폰에 장착하는 단말기와 앱을 무료로 제공하고 대신 결제 수수료만 취하는 수익모델. 신용카드 기반사회인 미국에서도 작은 가게나 개인 상점 등 카드결제가 불가능한 곳이 많았는데, 그런 상점을 중심으로 빠르게 확산. 또한 대형 커피 체인점 스타벅스가 미국 전역 7000개 점포에서 스퀘어를 이용하면서 널리 알려짐. 캐나다에 이어 일본이 세계 세번째로, 얼마전부터 서비스 시작. 일본에서는 소프트뱅크와 합병해 일본에 진출한 페이팔 히어, 벤처기업 코이니, 소매유통업을 기반으로 한 라쿠텐, 그리고 스퀘어의 4개 사업자가 스마트폰을 이용한 결제 서비스로 패권다툼을 벌이기 시작. 라쿠텐 서비스도 라쿠텐 은행을 입금은행으로 하면 다음날 바로 현금이 들어오므로 자금흐름에 여유가 없는 중소업체로서는 대단히 편리. 또 스퀘어의 결제 서비스에는 태블릿 PC용 포스 앱과의 연계도 확대 될 것이다.
- 미국에서는 스퀘어 월렛이라는 서비스가 시작됨. 이용자가 자신의 스마트폰 앱에 신용카드를 등록한 뒤 상점 근처에서 스퀘어 월렛을 통해 상품을 구매하고 바로 결제한 다음 상점에 가서 이름과 인증화면을 보여주고 상품을 받는 서비스. 스마트폰으로 온라인 쇼핑을 하는 것과 같은 방식임. 이런 서비스가 확산되면 매장에서 샀는지, 온라인에서 샀는지 별 차이가 없다. 스퀘어는 스퀘어 마켓이라는 앱에 상품정보를 등록하면 데이터베이스가 그대로 전자상거래 사이트에 등록되는 서비스도 시작. 일본의 경우, 스이카나 와온과 같은 전자화폐가 보급되어 점차 이용이 늘고 있다.
- O2O는 시간대나 위치와 연동한 정보제공이 가능해서 특히 이동자 마케팅에 적합. 야후의 그거샀어라는 앱은 이름 그대로 이용자가 상점에 가까워졌을 때 팝업으로 알림 메시지를 보냄. 사용자가 사려는 상품을 사전에 등록해 놓으면 그 상품을 파는 상점이 가까워졌을 때 메시지를 보냄. 또 카페나 잡화점 등 여러 상줌 중에서 즐겨 찾는 장소를 등록해두면 그곳에 가까워졌을 때 알려주는 탭이라는 앰도 있다.
- 고객의 세그먼트 활용 : 행동정보 분석으로 고객 한사람 한사람의 행동에 대응하는 전략. 이른바 일대일 마케팅이 가능해졌다고 해서 모든 전략이 일대일로 완결되지는 않음. O2O마케팅에서는 오프라인 상점에서의 전략도 중요하기 때문에 상점별로 어떤 행동특성을 가진 고객이 얼마나 방문하는지 파악해야 함. 이를 바탕으로 매장 방문객의 특성에 맞춘 매장내 상품계획을 최적화할 수 이음. 이때 활용하는 것이 행동습관에 따른 고객 세그먼트, 행동 세그먼트이다. 고객이 언제, 어디에서, 무엇을, 어느정도로 정보수집이나 구매활동을 한다는 정보를 활용해 고객 행동 세그먼트를 작성하면 전략을 세우는 데 도움이 된다
- O2O전략 수립 단계
(1) 마케팅 전략을 수립하고 취득한 데이터를 명확히 함. 그저 정보를 누적하기만 해서는 효과적으로 활용할 수 없다
(2) 행동과정과 구매행동의 정보를 취득하고, 고객단위로 관리함. 양쪽 정보가 분리되면 구매에 기여하는 행동을 파악할 수 없다
(3) 행동과정은 온라인상의 열람행동 뿐 아니라 시간정보와 위치정보까지 취득한다
(4) 정보수집에서 분석과 전략에 반영하는 과정에 실시간으로 진행되는 시스템을 구축. 대규모로, 그리고 실시간으로 발생하는 다양한 정보를 처리할 수 있는 시스템이 필요.
(5) O2O마케팅 수단으로 얻은 정보에 외부 정보를 더하면 더 유효한 전략전개가 가능
- O2O마케팅을 하려면 웹사이트나 애플리케이션의 접속기록, 위치정보, 구매이력 등의 구조화 데이터 그리고 SNS상의 입소문 등의 비구조화 데이터, 외부에서 취득하는 오픈 데이터 등 여러가지 데이터를 수집한다. 사업성과를 높이기 위해서는 이렇게 수집한 데이터를 분석하고 다음 단계로 나아갈 때 유용한 견해를 제시하는 것이 중요. 이런 업무를 전문적으로 하는 사람에 데이터 사이언티스트다
- O2O의 영역과 빅데이터를 연관지어 생각하면 무엇보다 오프라인에서 얻는 정보가 늘었다. 지금까지도 온라인 사이트에서는 접속기로 형태로 고객의 여러가지 행동을 추적했다. 어떤 키워드로 검색하고, 어느 페이지에서 들어오고, 어떤 상품이나 콘텐츠를 보고, 최종적으로 상품을 구매했는지를 알 수 있었다. 앞으로는 오프라인 고객의 스마트폰에서 정보를 얻고, 매장 안에 설치된 센서 등을 통해 대량의 고객행동 정보를 얻을 수 있어 온라인 사이트와 같은 분석이 오프라인에서도 가능해짐. 지금까지 기업은 생산한 제품을 어떻게 판매할까 하는 생산 중심의 마케팅 전략을 펼쳐다. 하지만 현대에는 고객이나 시장의 요구에 따라 실시간으로 기업이 데이터를 분석하여 상품이나 판매방식, 서비스를 변경하는 경영모델로 변화할 필요. 조직이 견고한 대기업일수록 어려운 일이어서 빠르게 움직일 수 있는 중소기업에 기회가 더 늘어날지도 모른다
- 지금까지 소매점은 이벤트 프로모션이나 가격할인 정책으로 모은 고객이 이후에도 계속 고객으로 유지되는지 어떤지 알지 못했다. 지금까지는 어떤 할인 프로모션을 전개하면 그날의 매출에 영향을 준다는 경험치를 바탕으로 고객을 많이 불러 모으는 것이 가장 중요한 지표였음. 그리고 잘 팔리는 물건과 잘 팔리지 않는 물건이라는 의미로, 판매동향이 중요한 판단지표였다. 그러나 이런 지표만으로는 매장의 이익에 공헌하는 고객과 특별 판매 상품만 사러 오는 고객을 구분하기 어려움. 특별 판매상품을 노리고 오는 손님이 많아지다 보면 그중에서 몇명은 단골손님이 되어줄 거라는 지금까지의 마케팅 감각이어음. 물론 지금까지는 고객 한사람 한사람의 구매동향을 사맆기 어려웠고, 고객의 재방문율  등을 조사하는 방법도 한정적이어서 고객행동을 파악하기 불가능했듬. 하지만 고객행동이 디지털 데이터로 포착가능한 지금은 상점과 상품에 중점을 두었던 사고방식에서 벗어나 고객이라는 지점으로 사업의 중심을 옮겨야 함
- LTV를 중시할 때 무엇보다 필요한 것이 고객의 행동정보를 파악하는 일. 이미 웹세계에서는 접속기록을 통해 어떤 검색어로 사이트에 방문하는지, 고객의 행동정보를 실시간으로 알 수 있음. 검색광고마케팅의 세계에서는 키워드별로 소비자가 몇단계를 거쳐 방문했는지, 그렇게 방문한 소비자기 어느정도 비율로 상품을 구매하는지, 소비자의 이익기여도까지 확실히 분석가능. 지금까지 오프라인 상점에서 이런 정보취득은 무리였다. 하지만 회원등록을 한 고객이 스마트폰으로 쿠폰을 받고, 매장에서 그 쿠폰을 사용해 상품을 구매하면, 오프라인 상점에서도 온라인과 같은 정보분석 가능. 스마트폰의 등장은 고객의 행동정보를 얻을 수 있는 큰 무기를 주었다. 예를 들면 지금까지 RFM이라는 구매빈도를 중심으로 한 분석방법이 있었지만, 구매빈도라는 지표는 어디까지나 상품을 몇번 구매했는지만 알 수 있을 뿐 고객이 그 상품을 구매하기까지 상점을 몇번 방문했는지는 알 수 없다. 하지만 O2O에서는 매장방문 사실을 확인하여 매장방문 빈도를 알 수 있다. 몇번에 걸쳐 고민하다 구매했는지, 한번 방문했다 충동적으로 구매했는지의 차이분석도 가능. 이런 행동정보 마케팅은 기존의 데모그래픽 세그멘테이션의 사고방식을 크게 바꾸었다. 고객이 흥미를 보인다면 성별이나 나이는 상관없는 요소이다. 데모그래픽 세그멘테이션의 한 접근방법은 가설을 세우기 쉬운 마케팅의 기본분류 방식이지만, 앞으로는 행동정보를 바탕으로 한 분류방식을 만들어 그들이 어떤 속성을 가진 사람인지를 고려하는 방식으로 바뀌어야 함
- 닥터 시라보는 회사전체의 KPI를 고객의 연간구매횟수로 변경. 그전가지 고객센터 직원들의 평가지표는 하루 통화시간을 조금이라도 짧게 하는 것이었다. 통화시간이 길면 비용이 늘어나기 때문. 하지만 회사전체의 KPI가 고객의 연간구매횟수로 바뀌면서 고객센터 직원들의 태도도 변화. 통화가 길어져도 상대하는 고객의 구매횟수가 오르면 좋은 평가를 받기 때문.
- 시셀프 사업 서비스 : 독자는 서점에서 상품카드나 전자서적 판의 라벨이 부착된 서점 또는 검색 단말기에서 사고 싶은 전자서적을 고른 후 계산대에서 대금을 결제한다. 그러면 교환권을 주는데, 교환권에 인쇄된 QR코드를 통해 소프트뱅크 모바일이 제공하는 종합 전자서적 서비스 스마트북 스토어로 접속한다. 스마트북 스토어에서 무료회원 등록을 하고 뷰어 앱을 단말기에 설치한 후 전자서적을 내려받는 방식.
- 온토프는 14년 공개한 서비스로, 온라인과 오프라인에 걸친 이용자의 움직임을 가시화하여 매장방문 효과를 측정하는 서비스. 백화점이나 소매점 등에서 널리 이용하며 전단이나 SNS등 각각의 매체가 고객확보에 어떤 효과가 있는지를 실제로 평가한다
- 오다큐 백화점 신주쿠점에 온 사람을 SNS에서 어떻게 해야 모이게 할까? 라는 O2O과제를 해결하는 과정에서 채택한 것이 밸런타인 이벤트에서 사용한 온토프이다. 방식은 페북으로 연결된 약 18000명의 팬들에게 매장에 방문하면 쿠폰을 받을 수 있는 QR코드를 전송. QR코드를 받은 회원은 11층에 있는 쿠폰 발행기에서 쿠폰을 받았다. 그 쿠폰은 세장이 세트인데, 다른 층의 판매장에서 사용할 수 있는 쿠폰이 포함되어 있었다. 지금까지의 이벤트 프로모션에선 거의 시도하지 않았던 방식으로 고객을 다른 층의 매장으로 유도했다. QR코드를 받고 매장방문으로 이어진 비율은 약 50%였다. (기존의 뉴스레터를 사용한 프로모션에서는 10% 정도)

- O2O가 완전히 새로운 것은 아님. 모바일로 받은 쿠폰을 오프라인 상점에서 사용하듯이, 전에도 온라인에서 오프라인으로의 연결개념이 존재했음. 그러나 온라인과 오프라인의 융합은 핀테크에 이르러 새로운 단계로 진입. 지금까지의 온오프라인의 융합은 기존산업의 정체성을 해치지 않는 선에서 ICT기능이 활용되는 정도였음. 인터넷뱅킹이 그 예이다. 하지만 핀테크는 IT기업이 금융의 본질을 좌우할 새로운 서비스를 창조하고 직접 운여하게 함.
- 본래 코어뱅킹이라 불리는 기존 금융권의 서비스는 계좌이체, 대출 등 은행 서비스를 보안히 확보된 금융통합 전산망을 통해 거래한다는 개념. 그러니 핀테크가 기존 송금, 결제, 대출 등의 서비스를 제공하면서 코어뱅킹 개념도 약화되는 추세. 더군다나 소비자 접점에서 제일선에서 기민하게 움직이는 IT기업 특유의 서비스 경쟁력을 바탕을 금융 소비자를 빠르게 포섭해가고 있음. 핀테크가 주도하는 금융, ICT융합은 온오프라인 경계를 허물며 사용자의 필요와 욕구를 신속하게 반영하는 모바일 금융으로 진화해가고 있음.
- 미국, 영국 등 선진국에서는 금융회사들이 주도적으로 핀테크 산업의 인큐베이터, 엑셀러레이터 프로그램을 가동하고 있음. 전통적인 은행이 IT업체와 연합해 혁신적 금융 비즈니스를 창출해 적극적으로 나서고 있음. 미국 웰스파고는 혁신적 금융 아이디어를 사업화하고 은행내에 혁신 분위기를 조성하기 위해 혁신가들의 아이디어에 투자하는 스타트업 엑셀러레이터를 운영. 유망한 스타트업을 선정해 5만에서 50만불을 투자하고 6개월간의 코칭 및 협업을 지원. 웰스파고는 14년 8월 위치정보와 모바일 신원조회 기술을 결합한 서비스 주미고, 아이프린트 ID 신원조회 기술을 보유한 아이베리파이, 인텔리전트 대화를 통해 모바일 기기 사용자의 편의를 증대시키는 인공지능 기술을 보유한 카시스토를 최종 투자대상으로 선정
- 스페인 산탄데르는 P2P금융사인 펀딩서클과 제휴를 맺음. 영국 온라인 P2P금융사 펀딩서클은 5천곳이 넘는 중소기업과 일반 소비자로 구성된 채권자들을 직접 연결해 주는데, 이회사가 설립후 4년동안 중개한 대출규모는 약 2억 9천만 파운드. 또한 세계적인 금융사들은 벤처펀드를 직접 조성해 핀테크 투자에 적극 나섬. 스페인의 BBVA와 러시아의 스베르방크는 약 1천억원 규모의 벤처펀드를 조성해 스타트업에 투자. 미국 금융그룹인 캐피털원, 아멕스 또한 펀드를 통해 스타트업을 지원. 일본 3대은행인 미츠비시도쿄, 미츠이스미토모, 미즈호도 핀테크 사업을 추진할 계획. 미츠비시도교은행은 지급결제 서비스 분야에서 IT벤처기업과의 협업을 검토중. 한편 미츠이스미토모은행은 실리콘 밸리에 인력을 파견해 핀테크 기술과 핀테크 산업동향을 파악할 계획을 세우고 있음. 미즈호은행은 일본 IBM에서 개발한 인공지능 컴퓨터를 콜센터에 설치해 서비스 개선을 도모하고 있음.
- KB금융은 해외 금융기업의 핀테크 지원정책을 벤치마킹해 15년 3월 'KB핀테크 허브센터'를 개설. 신한은행도 핀테크 스타트업 육성 프로그램 신한퓨처시스템을 운영. 하나은행은 게임이나 IT등 이종사업과의 전략적 제휴를 통해 신규 고객군 창출과 온라인 채널 활성화에 주력하고 있음. 하나은행은 카카오아 핀테크 사업모델 발굴 및 플랫폼 구축을 위한 업무제휴를 체결. 카카오 프렌즈 캐릭터를 통장 디자인에 활용한 뱅크월렛 카카오 캐릭터도 선보였다. 하나은행은 핀테크 벤처 육성 프로그램 원규랩을 운영하며, 페이팔과도 제휴를 맺고 있음. 우리은행은 15년 2월 KT와 사물인터넷 및 핀테크 공동사업을 위한 업무협약을 맺음. KT의 위치기반서비스를 이용해 토지, 자동차, 공장 등의 부동산 뿐만 아니라 가축, 중장비 등의 동산을 담보로 한 대출 서비스를 준비중. 현재 담보대출은 움직이지 않는 고정된 부동산을 주 대상으로 하지만 위치정보가 확실하게 파악되면 동산도 충분히 담보대출 대상이 될 수 있음.
- 핀테크 스타트업 비바리퍼블리카는 금융권들과 제휴를 맺고 전화번호를 통한 간편송금 앱 토스를 출시. 토스는 송금을 하려는 상대방 전화번호와 금액을 적은 후 암호를 입력하면 상대방에게 웹사이트 주소가 포함된 문자메시지를 전송한다. 송금받는 사람은 토스앱을 다운받지 않아도 전송된 웹사이트에 접속해 계좌번호를 입력하고 송금된 돈을 받을 수 있음. 토스는 1일 1회 30만원으로 금액에 제한이 있음. 기업은행은 핀테크 스타트업 닷과 제휴를 맺음. 닷에서 제공하는 점자 스마트워치 기술을 문자전송 서비스에 활용하면 시각장애인도 입출금 거래내역 및 신용카드 승인내역 등 금융거래 기록을 문자로 확인할 수 있음.
- 미국 핀테크 스타트업 온덱은 핀테크를 통해 금융 플랫폼이 어떻게 바뀌었는지를 보여주는 대표적 사례. 온덱은 오프라인 점포 없이 온라인을 통해 주로 소상공인들을 대상을 대출 서비스를 제공. 온덱에서 자체 개발한 대출심사 프로그램으로 대출신청자의 금융거래 내역, SNS평가 등을 분석해 신용도를 평가. 이 심사 과정은 수분내에 이뤄지며 대출금은 다음날 바로 입금됨. 07년 설립한 온덱의 대출액은 15년 20억불을 넘어섰다. 금융서비스는 참신한 아이디어와 첨단 기술로 무장한 온라인 기업들로 옮겨가고 있다.
- 12년 바클레이즈 금융그룹은 모바일 앱 핑잇을 출시. 이 앱은 은행계좌와 스마트폰만으로 송금이 가능하도록 지원. 바클레이즈 은행 계좌가 없는 사람도 전자지갑 서비스 페이엠에 가입하면 핑잇을 이용가능. 별다른 인증단계 없이 문자를 보내듯 서로의 전화번호로 쉽게 돈을 주고받을 수 있다. 16세 이상이면 전화번호를 통해 돈을 송금하는 것이 가능. 핑잇은 금융사에서 직접 개발한 핀테크 앱이라는 점에서 주목받음. 대부분의 금융사가 인터넷 은행 서비스를 모바일에서 기능하도록 하는 정도에 그친 반면, 핑잇은 스마트폰의 특성을 살린 혁신 서비스임.
- 프랑스 BNP파리바그룹도 13년 모바일 전용은행 헬로뱅크를 개설. 헬로뱅크는 모바일로 태어났다는 슬로건 아래 핑잇처럼 계좌번호대신 전화번호나 QR코드로 송금가능. 은행에서 제공하는 모든 금융서비스를 모바일에서 사용할 수 있으며 트위터로 고객의 문의에 바로 응대.
- 09년 아일랜드 출신의 패트릭 콜리슨과 존 콜리슨 형제가 보스턴에 세운 스타트업 스트라이프는 모바일앱에서 카드결제를 용이하게 하는 서비스. 스트라이프는 139가지 통화결제가 가능하며, 기존은행 이체뿐만 아니라 비트코인, 알리페이까지 지원하고 있어 글로벌 비즈니스를 하는 기업들에게 인기가 많음. 스트라이프는 거래금액의 2.75%를 수수료로 받음. 실리콘밸리 유수의 벤처캐피털들이 스트라이프에 투자했다.
- 미국 피서브는 받는 사람의 은행계좌, 전화번호, 이메일 주소를 통해 송금하는 팝머니를 출시. 또한 미국의 페이드파이퍼는 물품의 사진과 가격을 결제 요청 메시지와 함께 타인에게 보내면, 그가 입력한 결제정보가 바코드나 카드번호로 전환되어 결제처리되는 서비스를 제공.
- 09년 인터넷 은행으로 출범한 독일의 피도르은행은 오프라인 지점없이 페북, 트위터, 유투브, 웹사이트 등 온라인 채널에서만 사업을 운영. 커뮤니티 은행임을 내세워 고객이 은행의 서비스 기획, 평가, 재테크 상담 등에도 참여할 수 있도록 하고 있다. 피도르은행은 고객 참여를 이끌어내기 위해 고객이 질문이나 조언, 상품기획 등을 제안할 때마다 금전적 보상을 줌. 아울러 페북을 통해 계좌를 개설할 수 있으며, 페북 페이지의 좋아요 클릭수가 1000회 추가될 때마다 예금금리도 0.1% 상승.
- 미국의 핀테크 기업 렌도는 소셜네트워크를 활용해 개인의 신용도를 측정하고 그에 기반해 대출서비스를 제공. 미국의 빌가드는 크라우드 소싱 데이터를 통해 카드사기와 오류를 미리 방지할 수 있는 스마트머니앱을 개발. 두기업 모두 데이터 분석을 활용해 소비자가 필요로 하는 금융서비스를 새롭게 창조. 이외에도 미국 모바일뱅킹업체 말라우자이는 클라우드 컴퓨팅을 활용해 스마트폰 사진을 통한 지불서비스를 제공하며, 마이텍도 스마트폰 사진을 활용한 모바일 수표예금 서비스를 실시
- 최근 지문을 통한 생체인증 방식이 대중화되고 있음. 지문인식센서 시장은 2020년까지 17억불 규모로 성장할 것. 하나대투증권에서도 지문인식 스나트폰이 17년에는 7억대 까지 규모가 늘어날 것으로 전망. 애플은 13년 아이폰 5S에 지문인식을 적용했으며, 국내에선 팬택, 삼성전자에서도 도입. 지문인식이 점차 보편화되면서 핀테크 기업들은 지문인식을 활용한 모바일 결제시장에 눈을 돌리고 있음. 사용자와 일대일로 인증기 가능한 스마트폰은 온오프라인 모두 연결되어 있기 때문에 언제 어디서나 결제를 가능하게 하는 매개체로 손색이 없기 때문이다. 애플은 13년 터치ID 지문인식 솔루션을 선보이고, 14년 출시한 운영체제에 NFC를 적용해 모바일 결제 솔루션 애플페이를 출시. 지문인식 스마트폰은 지불결제 사업자 등이 준비하고 있는 모바일 페이 사업에도 활용될 가능성이 높음. 소프트웨어와의 호환만이 이뤄질 수 있다면 모바일 페이 서비스의 사용자 인증방식이 지문인식으로 채택될 수 있음. 이처럼 생체인식이라는 첨단기술에 대한 관심과 스마트폰 보안에 대한 경각심이 높아지고 글로벌 IT기업들의 관련 서비스 기획이 추진될수록 지문인식은 더욱더 핀테크 핵심기술로 급부상할 것.
- 기존 스마트폰의 보안은 소프트웨어를 통한 인증방식으로, 정보만 알고 있다면 누구나 잠금해제가 가능하므로 해킹의 위험도 크다. 그러나 스마트폰의 생체인식은 물리적 인증방식으로 보안성이 높을 뿐만 아니라 스마트폰이 사용자 개개인을 인식한다는 점에서 더욱 많은 서비스가 창조될 수 있을 것이다.
- 페이팔의 결제방식은 전 세계 1억 5천만 유저가 26개국 화폐를 통용하고 있다믄 점에서 매우 편리함. 페이팔 계정을 만들어 아이디와 패스워드를 받고 신용카드만 연동해 놓으면 어디서든 자유롭게 결제 가능. 고객정보는 암호화해 데이터베이스에 별도 보관하므로 안전성도 보장됨. 12년 페이팔은 페이팔 히어 서비스를 도입. 소형 카드리더기를 스마트폰에 연결해 신용카드 리더기로 사용할 수 있게 하는 서비스. 같은 해 페이팔 예치금을 오프라인 매장에서 사용할 수 있도록 선불형 직불카드와 기프트카드도 출시. 13년부터는 모바일 지갑을 도입해 온오프라인 통합 지급결제 서비스를 제공.
- 98년에 만들어진 페이팔은 08년 온라인 결제 회사 빌미레이터를 인수하고, 03년 설립된 커메니티캐피털 은행과 제휴해, 고객이 상품을 구매할 때 단기대출을 제공하는 페이팔 크레딧 서비스를 시작. 즉 사업영역을 수신뿐만 아니라 여신으로 까지 확장한 것. 페이팔 회원이 은행에 이름과 생년월일, 사회보장번호를 제공하고 대출 적격자로 판정되면 최소 250불의 신용한도가 즉시 제공됨. 14년 가을 이베이는 사업관련성이 적다는 이유 등으로 페이팔의 분리를 선언. 페이팔은 이베이에서 독립이후 나스닥 시작에 재상장 예정. 이는 페이팔 경영의 자유도를 높여 전자결제 시장에서의 경쟁력을 제고하려는 움직임으로 보임
- 기존은행에 가장 위협적인 서비스는 크라우드 펀딩의 일종인 P2P대출. 이는 개인과 개인간의 직접 대부가 가능하도로 중개업무를 수행. 이는 전통적 금융기관의 핵심사업을 파괴하고 새 영역을 만드는 혁신적 기술이다. 05년 세계 첫 P2P 대출업체가 탄생했는데, 그 업체는 바로 영국의 조파. 현재 영국에서는 조파뿐만 아니라 펀딩서클, 레이트세터 등 다양한 P2P업체들이 운영되고 있음. 14년 3월까지 전체 P2P누적대출 중개액은 12억 7백만 파운드였다. 영국 정부의 적극적 참여가 P2P대출 사업을 급성장 시키는 계기를 만들었다. 13년 영국 정부는 펀딩서클 사이트를 통해 창업자와 중소기업 운영자에게 2천만 파운드의 자금을 지원. 정부투자금 10%, 개인투자금 90%로 상품을 구성해 펀딩서클의 플랫폼에서 투자자를 모집한 것이다. 정부가 공식적으로 P2P대출을 통해 자금을 지원한다는 소식을 들은 개인투자자들이 여기 몰려들었다. 이 정채으로 2천개의 중소기업이 1억 4천만 파운드의 자금을 지원받을 수 있엇다.
- 알리바바가 텅쉰 등의 강력한 인터넷 포털들을 제치고 중국 핀테크 시장의 최강자가 될 수 있었던 이유는 무얼까. 첫번째는 세계 최대 전자상거래업체에서 창출되는 대규모 모바일 금융수요일 것이다. 알리바바는 기업과 기업간 거래를 중개해주는 B2B모델 알리바바 닷컴, 기업과 소비자간 거래를 중개하는 B2C 모델 티몰, 소비자들끼리의 거래를 중개하는 C2C모델 타오바오, 기업부터 소비자까지 택배로 연결하는 B2B2C모델인 알리익스프레스, 온라인 결제 서비스 알리페이, 중국 최대 공공 클라우드 플랫폼인 알리윈 등을 포함하는 이른바 전자상거래 생태계를 구축함으로써 모바일 금융수료를 충족시켰다. 알리바바 사이트에 들어가면 온갖 거래를 원스톱 서비스로 이용할 수 있기 때문에 소비자들은 알리바바의 고객으로 남을 가능성이 높고 고객충성도도 높음. 중국에서 알리바바닷컴과 타오바오 전자상거래 점유율은 80% 이상으로 생태계 구축효과는 대단하다. 두번째 이유는 중국 여건에 맞는 결제 시스템을 구축한 점. 알리페이를 시작하던 04년 온라인 쇼핑에 대한 신뢰도는 매우 낮았다. 따라서 소비자가 물건을 확인한 후 판매자에게 돈을 보내는 제3자 담보결제 시스템은 폭발적 호응을 얻음. 셋째로 중국 금융시장의 비효율성을 공략한 알리바바의 전략. 어떻게 전자상거래 업체가 만든 펀드 위어바오가 1년만에 100조원까지 늘어날 수 있었을가. 위어바오는 시중자금난으로 시장금리가 13~14%까지 올라가 있는데도, 3~4% 금리에 머물고 있는 은행상품 시장을 파고 들었다. 그 결과 형편없는 금리에 불만을 갖고 있던 중국 전역의 소비자들이 앞다퉈 펀드에 가입. 이들 인터넷 펀드 수요 덕에 금리가 떨어지고 은행들도 떠밀려 상품개발 경쟁에 나섰으니 중국정부도 싫어할 이유가 없었다. 알리바바에서 시작된 핀테크 상품개발은 대형 인터넷 포털업체와의 경쟁을 촉발했고, 기존 은핸들의 행동변화를 이끌어내고 있다. 중국 최대 인터넷업체 텅쉬은 회원 5억의 위챗에 주요 은행들의 계좌를 연동시켜 텐페이라는 모바일 결제 시스템을 개발. 그리고 위어바오보다는 늦었지만 리차이퉁 펀드를 출시해 지금은 약 5조원 규모로 성장. 중국 검색 1위 업체 바이두도 바이파 펀드를 출시. 모바일 금융시장의 빠른 확대로 시장점유율과 수익을 위협받고 있는 전통은행들도 위기를 극복하기 위해 예금금리의 인상, 경쟁력 있는 신상품 개발, IT업체와의 제휴로 모바일 금융시장의 진출을 도모하기 시작했다.
- 중국이 결제시장을 개방하게 된 배경에는 미국 세계무역기구의 소송이 있다. 미국은 중국 신용카드 결제사업을 국영기업이 독점하는 것이 불공정하다며 WTO에 소송을 제기하고 승소판결을 받음. 그러나 중국의 막강한 자본력, 경쟁력 있는 자국 기업들의 존재 또한 중국이 결제시장을 개방할 수 있었던 중요 이유. 중국 결제시장에 진출하기 위해서는 신청일로부터 일년전 기준으로 자본금 10억 위안 이상, 모기업 총자산 20억 위안 이상이라는 요건을 충족해야 함. 또한 신용카드사, 카드발급 은행, 전표매입사로 이뤄진 중국 결제시장에서 현지금융의 네트워크 없이는 외국기업이 안정적 진출을 이뤄내기 어렵다. 중국은 IT 기업의 금융업 진출을 통해, 스마트 금융생태계를 조성하는 데 전력을 다하고 있음. 은행이 고객을 찾아 사업을 넓혀가는 뱅크 3.0을 기반으로 빅데이터를 활용하는 금융서비스를 제공하려 한다. 중국 금융사와 IT기업은 중국 정부의 강력한 지원을 바탕으로 세계 온랑니 결제시장의 주도권을 차지하는 데 힘을 쏟고 있다.
- 역사적으로 주요 국가들이 어떤 의사결정을 할 수 밖에 없는가를 살펴보는 것은 중요. 의사결정은 최고의 선택이기보다 최선의 선택일 때가 많음. 핀테크는 미국, 유럽, 중국 등 세계 주요국이 취할 수밖에 없는 최선의 선택이다. 미국 핀테크의 흐름은 실리콘 밸리에서 시작해 맨해튼으로 옮겨가고 있는데, 그 성장세가 실리콘밸리의 두배에 이름. 기저에는 유대금융이 자리하고 있다. 유대인들은 3가지 이유로 핀테크를 핵심전략으로 삼고 있는 것 같다. 현재 운영하고 있는 금융기관 운영의 효율성을 높이고, 투자를 통해 수익을 얻고, 시스템을 발판삼아 글로벌 금융계로 확대하고자 한다. 유대인은 핀테크로 세계 금융을 재편할 기회를 엿보고 있는 것이다. 한편 미국 정부 입장에서도 핀테크는 최선의 선택인 측면이 있다. 미국은 제조산업이 공동화된 이후 금융자본주의로 국가의 부를 창출. 금융업계의 과도한 욕심이 부풀어 터진 것이 08년 리먼 브라더스 사태이다. 미 정부는 리먼사태를 수습하기 위해 시중에 사상 초유의 돈을 풀어 경기를 부양시키는 양적완화 정책을 펴서 일면 성공을 거둠. 이제 금리를 올리고 돈을 거두어야 하지만 경기에 미칠 영향을 가늠하기 어려워 정부는 돈을 다 거두어 들이는 정책을 펴기는 힘들다. 따라서 제도금융권에서 회수된 돈은 새로운 시스템으로 흘러들 수밖에 없는데, 그것이 바로 핀테크다
- 미국보다 금융환경이 어려운 곳이 바로 재정위기를 겪는 유럽이다. 만성 재정적자에 시달리는 유럽의 금융시장이 온전할리 없다. 국제적으로 금융기관의 건전도를 평가할 때 BIS자기자본비율 지표를 활용. 은행이 BIS비율을 맞추기 위해 대출을 줄이면 기업이 성장할 수도 없고, 기업이 성장하지 못하면 국가경제도 회생할 수 없음. 장기 침체의 늪에서 헤매고 있는 유럽이 회생하기 위해서는 경제성장률이 2~3%대로 높아져야 함. 그런데 은행은 BIS비율로 대출을 줄여야 하는 고착상태에 빠져 있어 기업에 자금을 수혈할 새로운 메커니즘이 필요한 것. 기존의 금융시스템으로는 유럽이 회생할 방법이 없어 제3의 길을 택할 수밖에 없다. 유럽에 돈을 풀어줄 열쇠가 바로 핀테크다.
- 중국은 내수소비를 진작시킬 수 밖에 없는 절체절명의 상황에 처해 있음. 중국 GDP는 미국의 절반에 불과하나 본원통화는 미국만큼 풀려 있음. 국유기업, 지방정부, 민간기업이 투자한 막대한 돈은 중국 생산공장을 움직이고 제품을 만든다. 하지만 설비투자를 너무 많이 한데다가, 세계경제가 위축되면서 중국에서 생산된 제품의 수출길이 막혀 설비과잉의 상황. 수요보다 생산되는 제품이 많으면 가격이 떨어지고 기업은 적자상황에 직면한다. 기업이 도산하고 기업에 돈을 대출해준 은행이 부실하게 되고 국가시스템이 위기에 처하게 된다. 중국발 세계경제 리스크가 불어닥친다고 예견하는 이유는 중국의 과잉생산 때문. 시진핑 주석은 14년 중국은 신창타이 경제에 돌입했다고 선언. 30년간 이어진 10% 내외의 초고속 성장기가 끝나고 이제 중고속 성장시대에 접어든다는 것. 신창타이의 네가지 특징은 중고속 성장, 구조변화, 성장동력 전환, 불확실성의 증대다. 고속성장세를 계속 이어가는 것도 쉬운일이 아니지만, 그것보다 경제가 성장하면 할수록 국가가 부실해지는 문제에 직면하기 때문에 이전 성장률을 조정할 필요가 있다. 중국은 과잉된 생산시설을 과감히 구조조정하고, 신사업에 투자하고, 내수를 촉진시키는 데 총력을 기울이고 있다. 과잉생산을 줄이면서 경제성장률을 7%대로 유지하려면 내수를 진작시키는 방법밖에 없다. 이때 소비를 진작시키기 위해 나온 전략이 온라인 시장의 확대다. 중국은 계측안, 도농간, 지역간, 기업간 소득격차를 세계 최고수준. 집중성장 전략으로 인해 동남부를 먼저 키우다보니 동남부는 부자인 반면, 서쪽은 가난하게 됨. 소득격차가 워낙커서 오프라인 소비만으로는 소비를 진작시키는것이 한계. 때문에 온라인에서 답을 찾은 것이다. 중국 인터넷 사용인구는 이미 10억명이 넘어섬. 바이두, 알리바바, 텐센트 등 주요 온라인 사이트 이용자만 6~7억에 이른다. 80~90년대에 태어난 젊은 세대들은 주머니는 가볍지만 소비는 과감하다. 중국정부는 경기를 진작시키기 위해 이들의 소비를 촉진시킨다. 중국은 오프라인 소비시장을 건너뛰고 바로 온라인 시장으로, 가솔린 자동차를 건너뛰고 바로 전기차로, 오프라인 금융을 건너뛰고 바로 온라인금융시장으로 돌입. 그럴 수밖에 없는 중국만의 사정이 있었던 것.
- 한국에선 P2P대출시장도 형성되지 못하고 있다. P2P대출은 돈이 필요한 사람과 여윳돈이 있는 사람을 연결하는 역할을 함. 대출자의 신용도를 직접 분석하지 않고 오프라인 은행도 필요 없이 온라인을 통해 기본적 가교역할만 하기 때문에 수수료율이 매우 낮음. 기존 은행의 역할을 저렴한 비용에 진행하므로 돈을 빌려주는 쪽에서는 은행에 예금한 것보다 더 높은 수익을 얻을 수 있고, 돈을 빌리는 쪽에서는 은행에서 대출받을 때보다 더 낮은 금리로 돈을 빌릴 수 있음. 이런 이점 때문에 미국이나 영국에서는 대안금융으로 인기가 높음. 하지만 한국의 경우 각종 규제로 인해 막혀 있음. P2P대출은 중계업이 주력이므로 자본금이 크게 필요치 않음. 하지만 한국에서 금융업으로 등록하려면 은행은 1000억원, PG사도 200억원의 자본금이 필요. 때문에 대부업자로 등록하는 것이 현실적이지만 핀테크 기업의 대부업으로 운영하려면 고객을 모으는 인터넷 서비스업체와 대출사업을 운영하는 대부업체를 각각 따로 세워야만 운영이 가능하다는 현실적 제약이 있음. 무엇보다 법적으로 P2P대출을 진행하는 핀테크 기업이 채권을 추심할 수 있는 역할을 할 수 없어, 투자자 보호가 전혀 되지 않는다는 문제. P2P를 통해 대출을 한 사람이 돈을 갚지 않을 경우 P2P기업이 나서서 돈을 대신 받아줄 수 없는 상황이 생김. 그럼에도 간편하고, 쉽고, 고금리인 것에 이끌려 투자하고자 하는 사람이 줄을 서는 것이 현실
- 한편 해외 핀테크 기업들은 국내 금융기관과의 제휴를 통해 진출을 서두르고 있음. 미국 페이팔 서비스는 하나은행과 제휴해 소액 해외송금, 해외 소비자의 국내물품 결제, 가맹점 결제 서비스 등을 선보이고 있음. 페이팔은 국내에 진출하기 위한 방안을 검토중. 국내 PG사의 온라인 거래 수수료가 3.4~4% 수준이라면 페이팔은 2%대의 낮은 수수료로 시장을 공략할 것으로 예상됨. 중국의 알리페이 역시 하나은행, KG이니시스, 한국 스마트카드 등과의 제휴를 통해 한국 시장에 진출. 14년 한해 동안 중국 관광객은 612만명, 그들인 쓴돈은 11조원에 달했다. 알리페이가 한국 시장에 진출한 뒤 서울 시내 혼전소가 줄어들 정도로 여파를 미치고 있다. 서울 시내 법인 운영 환전소는 13년 32개에서 15년 19개로 절반 가까이 감소. 중국 관광객들이 한국에서 알리페이로 결제하면 제휴를 체결한 한국은행이 대금을 선결제하고, 이후 알리페이가 중국인들 계좌에 있는 돈을 은행으로 되갚는다. 중국인들의 결제액이 늘면 그만큼 은행이 수취하는 카드수수료가 늘어나므로 은행들은 알리페이와 제휴를 맺는데 적극적. 한편 중국인들은 환전을 많이 할 필요가 없이 알리페이 만으로 한국에서 결제가 가능하므로 편의성이 높고, 환전할 때보다 수수료가 1.5%가량 저려해 알리페이에 대한 선호가 날로 높아지고 있음. 때문에 국내 항공사, 면세점, 명동매장 등에서는 알리페이 결제 시스템을 적극 설치하고 있음. 한중 FTA가 발효되면 한중간 금융거래도 확대될 것으로 보임. 한편 모바일 결제 전문기업 다날은 중국의 최대 게임사 텐센트의 전자결제 자회사 텐페이와 계약을 체결해 중국 관광객을 위한 결제 서비스 위챗을 제공. 이로써 중국 관광객은 중국에서 사용하던 위챗 바코드 결제 서비스를 국내에서도 이용할 수 있게 되었다. 대만의 최대 온오프라인 전자결제업체 개시플러스는 대만 최대 게임사 게임마니아의 자회사로소 9천여개 이상의 편의점에서 서비스를 제공. 개시플러스는 국내시장 진출을 위해 갤럭시아커뮤니케이션즈와 제휴를 맺었다. 대만 및 홍콩 사람들에게 용이하게 쇼핑몰을 이용할 수 있게 서비스를 제공하는 것이 목표. 이처럼 해외 결제 기업은 국내 금융기관과의 제휴를 통해 슬그머니 한국결제시장에 진출하고 있다. 결제는 금융거래의 첫단추다. 결제를 통해 접점을 확보한 해외 금융기관은 국내 소비자들의 거래정보 데이터를 쌓고, 예금, 대출, 자산관리, 보험 등의 사업에도 점진적으로 진출할 것은 명약관화하다.
- 싱가폴 핀테크 기업인 유주포코레이션의 한국진출전략은 직접 쇼핑몰을 열어 결제시장에 진출하는 것. 유주그룹은 싱가포르증권거래소에 상장된 핀테크 기업으로 가상화폐인 유페이와 SNS 기반 쇼핑몰 운영이 주사업. 유주그룹의 결제시스템인 유페이는 모바일 결제 시장에서 미국 페이팔, 애플페이, 알리페이 등과 함께 빅8로 꼽힘. 특히 SNS를 기반으로 한 모바일 결제에 핵심역량을 갖춘 강자. 세계 164개국 6천만 회원이 이 유주 서비스를 이용. 유주그룹은 한류상품을 기반으로 쇼핑몰을 열어 결제시장에 진출. SNS기반 쇼핑몰 플랫폼인 유주닷컴을 통해 한류와 쇼핑을 결합한 서비스를 제공하며, 유페이로 전자결제 대행사업에 나선다. 이 같은 전략이 나온 배경에는 한류의 세계성 때문. 한류팬들이 세계에 퍼져 있기 때문에 모바일을 통한 한류 제품 판매를 통해 세계인들의 눈길을 끈 뒤 품목을 확대해 나간다는 것. 자사 핵심역량인 SNS를 통해 소비자를 끌고 유페이를 통해 결제케 함으로써 유페이도 세계시장으로 더 확대해 나갈 계획. 유페이는 플랫폼을 통해 한국 중소기업의 세계진출에 기여하는 측면이 있다. 유페이는 쇼핑몰을 론칭할 때 국내 200 우수업체를 유주 쇼핑몰에 입점시킨 뒤, 국내 유명인으로 하여금 유주닷컴 제품을 홍보하도록 해 중소기업 제품의 세계 진출을 선도하는 전략을 세우고 있다. 이들은 연예인들의 일거수일투족을 SNS에 올리고 해당 화장품, 옷, 가방 등을 바로 구매할 수 있도록 연동해 놓아 팬심이 바로 쇼핑으로 이어지는 시스템으로 성공한 바 있다. 유주의 한국, 일본 지사를 운영하는 유주그룹 코리아는 B2B, B2C, C2C등 다양한 형태의 거래가 가능한 종합 쇼핑몰을 구축했다. 한국시장에서 성공적으로 안착하기 위해 유주그룹은 국내 전자거래업체 페이뱅크와 전략적 제휴를 체결. 유페이와 같은 거대 핀테크 기업은 단 하나의 먹잇감을 위해 진출하는 것은 아님. 쉬운 결제를 무기로 그들은 신규산업에 진출하고 세계 시장을 장악해 나간다. 핀테크의 경쟁력이 제고되지 않으면 국내 산업은 글로벌 핀테크 기업에 종속되기 십상이다.
- 국내에서 ICT를 이끄는 삼두마차는 통신사, 모바일 서비스 업체, 전자업체. 각 업계는 업종의 특수성과 강점을 핀테크와 접목해 서비스를 출시하고 있음. 하지만 아직은 ICT업체들도 지급결제 서비스를 제공하는 데 머무르고 있음. 통신업계는 스마트통신 서비스를 이용한 지급결제 서비스를, 카카오는 서비스 플랫폼을 이용한 송금 및 결제 서비스를, 삼성전자는 카드사와 연계해 앱카드 출시를 통한 결제 서비스를 선보이고 있음 한국은 투자의 제약으로 인해 SKT, KT, LG, 카카오, 삼성전자와 같은 ICT대기업 중심으로 사업이 이루어지고 있음. 하지만 장기에 이르면 사업영역은 분화되고 크고 작은 스타트업들이 무수하게 태어나고, ICT기업들은 그들의 생태적 DNA를 닮아 혁신적 서비스를 내놓을 것이다. ICT기업이 추동하는 핀테크 사업의 전망이 밝은 이유는 그들의 막대한 자금력과 정보력 때문. 핀테크를 움직이는 큰 축은 빅데이터다. 막대한 고객정보를 바탕으로 쉽고 편하고 고부가가치로 맞춤형 금융 서비스를 제공하는 것이 핀테크의 매력포인트. ICT대기업들은 이미 해당 분야의 역량을 쌓고 있으며 비약적으로 역량을 쌓아나갈 준비태세를 갖추었다.
- ICT기업의 핀테크 성공여부는 새로 탄생할 핀테크 서비스가 글로벌 시장에서 얼마나 주효할 것인지에 달려 있음. 세계에서 가장 먼저 선보인 싸이월드는 한국에서는 대성공을 거두었으나, 글로벌 SNS페이스북의 등장으로 단번에 쇠락. 하지만 한류는 한국에 단단히 뿌리 내리면서 세계적일 수 있는 문화를 창조해 오랫동안 문화권력을 누리고 있음. 핀테크도 마찬가지. 핀테크에 국경이 없기에 글로벌한 서비스만이 살아남을 것.
- 통신3사는 고객들이 통신사를 통해 결제까지 진행하도록 락인 시키는 서비스에 주력. SKT는 BLE페이먼트, KT는 올레앱안심인증, LG U+는 페이나우플러스 등 결제 서비스를 통해 핀테크 사업에 진출. 통신3사는 내 손안에 작은 실물세상을 만들어 가고 있음. SKT가 주력으로 내세우는 솔루션은 모바일에 비번만 입력해도 결제가 이뤄지는 BLE페이먼트와 신용카드 여러개를 하나의 전자카드에 통합해 사용하는 BLE전자카드다. BLE는 블루투스 저전력의 준말. BLE페이먼트는 결제정보가 내장된 스마트폰을 POS기기에 가져가 비번을 입력하믄 그 자리에서 바로 결제가 이뤄지는 기술. 지갑에서 현금이나 카드를 꺼내지 않고 핸드폰에 비번만 입력해도 근거리 무선통신으로 결제 가능. 한편 BLE전자카드는 여러장의 신용카드 정보를 한장의 카드에 담은 것으로, 이 전자카드 한 장만으로 여러 카드를 통합관리 가능. 한편 SKT는 스마트폰에 내장된 멤버십 앱에 결제기능을 장착해 두마리 토끼를 잡는다. 멤버십 앱에 결제기능을 장착하면 멤버십 회원들은 T멤버십 협력업체에서 할인을 받는 동시에 결제, 청구가 간편하게 일원화됨.
- KT는 핀테크를 주요 신사업을 삼고 통신을 이용한 전자결제 시장에 뛰어들었다. KT가 주력하는 서비스는 올레 앱안심인증. 이것은 자사 고객 데이터베이스와 스마트폰 단말기 정보를 비교해 본인인증을 하므로 이용자 입장에서는 비번을 입력하는 절차 없이도 간편결제 가능. 편리성은 뛰어나지만 KT가입자를 대상으로 한 서비스여서 시장규모 제약이 있음. 뿐만 아니라 KT는 통신의 강점을 이용해 핀테크 시장확장에 나섰다. BC카드, 지불결제 인증 전문업체 브이피와 함께 제공하는 서비스 탭사인은 신용카드를 스마트폰에 가져다 대면 간편하게 결제가 이루어지는 방식. 스마트폰의 NFC기능을 활용하므로 접촉만으로 결제 가능. 또한 KT는 휴대폰 결제 전문기업 다날, 결제 솔루션 전문기업 엠씨페이와 함께 배달음식 전용 모바일 결제 솔루션 페이온 플러스를 출시. 페이온 프러스는 휴대폰 소액결제만으로 음식값을 지불하는 서비스. 고객이 페이온 플러스 앱으로 음식을 주문하면 고객의 스마트폰에 승인번호가 전송됨. 승인번호를 스마트폰에 입력하면 결제액이 휴대전화 요금에 합산청구됨. 배달업체에서 시작한 페이온 플러스 서비스는 대리운전, 주차장, 프랜차이즈 가맹점 등으로 영역을 확장할 계획. 한편 KT는 올레 TV결제 서비스를 제공. 올레 TV이용자가 텔레비전을 시청하다고 홈쇼핑에서 물건을 사고자 할 때 개인정보를 입력하지 않고 올레TV 비번만으로 물건구매 가능.
- LG U+는 3초만에 결제가능한 간편결제 서비스 페이나우를 제공. 이는 휴대폰 번호를 이용자 ID로 간주하므로 별도 로그인 없이도 모바일과 PC에서 결제 가능. 통신사와 관계없이 페이나우 앱을 설치한뒤 최초 1회만 결제정보를 등록하면 추가절차 없이 모바일 인증만으로 결제가능
- 뱅크월렛카카오는 카톡을 기반으로 한 소액금융 서비스로 현금충전, 송금, 현금 출금, 결제 가능. 주요 서비스는 소액현금 충전과 송금. 이를 이용하면 비번 1회 입력만으로 회원들간 자유롭게 돈을 주고 받을 수 있음. 뱅크월렛카카오 계좌와 사용하는 시중은행 계좌를 최초 한번만 인증해 놓으면 충전하기 버튼 하나만으로 최대 50만원까지 은행계좌에서 카카오 계좌로 돈을 예치할 수 있음. 사용하지 않을 돈은 내계좌로 버튼 하나만 누르면 카톡 계좌에서 은행계좌로 돈이 전송됨. 카톡 회원간에 돈을 주고 받는 것은 일상 대화를 나누는 것처럼 간단함. 카톡 친구중에서 송금할 대상을 선택하고 비번만 입력하면 하루 10만원 한도내에서 송금이 가능. 공인인증서와 보안카드 번호를 요구하는 기존 시중은행 모바일 뱅킹보다 절차가 훨씬 간편. 또한 한명이 사용하면 동반 사용자가 늘어나는 네트워크 특성상 서비스와 확장성은 무궁무진하다 볼 수 있다. 그리고 NFC기술을 기반으로 하는 뱅크월렛 카카오는 자동화 기기를 통한 현금 출금과 오프라인 결제도 가능. 스마트폰을 자동화 기기에 가져다 댐으로써 계좌에 접속해 현금을 출금할 수 있으며, NFC리더기가 설치된 편의점 등에서 물건을 사고 단말기에 스마트폰을 갖다 대면 결제가 이루어짐. 또는 뱅크월렛 카카오 앱에서 일회용 바코드를 생성한 뒤 매장 스캐너에 인식하는 방식을 통해서도 결제 가능. 한편 카카오는 빠르고 쉬운 모바일 결제 서비스 카카오 페이를 출시해 출시 1개월 만에 120만명, 6개월만에 400만명의 회원을 모았다. 400만명은 국내 신용카드 이용자의 15%에 해당하는 규모이자 국내 스마트폰 기반 결제 서비스 중 최다수치. 카카오페이는 별도 앱을 다운받지 않아도 카톡 앱 내에서 사용 가능. 카톡에 최초 1회만 개인카드 정보를 등록해 두면 이후로는 비번입력만으로 결제가 진행됨. 다양한 종류의 카드를 최대 20개가지 등록가능하며 원하는 카드를 골라 결제 가능. 이런 사용의 용이성에도 불구하고 카카오페이의 보안은 단단하다. 암호화된 결제정보는 사용자 스마트폰과 데이터센터에 분리저장하므로 개인정보의 유출을 원천적으로 봉쇄. 배달의 민족, 교보문고, 도미노피자, 아모레퍼시픽 몰 등의 모바일, 온라인 몰에서 결제가능하며 카카오 페이는 가맹점을 빠르게 늘려가고 있다.
- 삼성페이의 보안을 담당하는 3대축은 지문결제, 보안솔루션 녹스, 토큰화. 삼성페이는 국내 최초로 핀테크에 생체인식을 이용. 지문인식 방식을 활용하는 삼성페이는 스마트폰이 꺼진 상태에서도 결제가능. 스마트폰 화면을 둘러싼 테두리를 터치해 카드 이미지를 생성시킬 수 있음. 카드를 활성화시킨 뒤 지문으로 사용자 인증을 하면 결제 가능. 한편 녹스는 삼성전자가 개발한 자체 보안 솔루션. 하드웨어와 소프트웨어가 통합된 솔루션인 녹스는 스마트폰 기기를 켜는 순간 보안기능이 작동해 외부해킹 및 악성코드 공격으로부터 개인정보를 보호. 삼성녹스는 애플 iOS, 구글 안드로이드, 마이크로소프트 윈도우, RIM 블랙베리 등의 스마트폰 운영체제 중에서 가장 보안성이 우수. 토큰화도 삼성페이의 보안성을 높여줌. 토큰은 카지노 칩과 유사하다. 카지노에서 현금을 칩으로 교환해 사용하듯이 삼성페이로 결제를 진행할 때마다 카드사는 매번 새로운 토큰을 생성해 스마트폰으로 전송. 토큰에는 이용자 정보가 포함되지 않으므로 외부로 유출되오 안전함. 한국은 토큰 방식이 이미 활성화되어 시장확대에 무리가 없지만 미국의 경우 기술의 보급도가 낮음. 미국 금융권이 토큰 방식을 위한 서버를 투자해야만 활용가능. 만약 토큰 방식이 이뤄지지 못하면 카드정보를 스마트폰에 그대로 담아야 하기 때문에 보안이 매우 취약해짐. 때문에 토큰화의 확장성 여부가 삼성페이의 성공에 영향을 미칠 전망
- 기존 금융은 개인통장 잔액, 기업회계 보고서 등을 보고 대출 가능여부, 금리 등의 재무적 결정을 내림. 그러나 핀테크가 결합하면 SNS에 올린 글이나 연결된 친구 등 그동안 눈여겨 보지 않았던 비재무 정보들을 재무적 결정의 근거로 활용가능. 기존에 쓸모 없어 보이던 많은 것들이 중요한 정보가 되는 것. 재무정보로 비재무 결정을 하는 반대의 경우가 생기면서 가능성이 무궁무진해짐. 세계 최대 전자상거래 업체인 중국의 알리바바가 무서운 이유는 유통망이 아니라 소비자 정보다. 알리바바는 단일 기업으로 소비자에 대한 엄청난 데이터를 보유하고 있다. 상품을 누구에게 팔아야 하느냐가 기업입장에서는 중요한 정보인데 알리바바는 그 정보를, 그것도 어마어마하게 쥐고 있는 것이다. 안타깝게도 빅데이터 활용에서 한국의 핀테크 기업들은 뒤떨어져 있다. 개인정보 보호규제에 막혀 지금까지 정보를 얻고 활용하는 데 제약이 많았기 때문. 금융위는 최근 빅데이터 활성화를 위해 이름 등 식별이 가능한 정보를 제외한 정보에 대해서는 활용하도록 했다. 이는 핀테크 산업에 좋은 계기가 될 것이다. 장기적으로는 정부나 금융사가 보유한 정보 뿐 아니라 네이버, 카카오, 백화점 등이 가진 수많은 데이터도 공유되고 또 가공되도록 오픈소스 플랫폼 구축으로 가는 것이 바람직한 방향이다.
- 원큐뱅크는 휴대폰 번호를 통한 P2P자금 이체 서비스로 캐나다 특허청에 비즈니스 모델 특허 출원을 했다. 캐나다 시장에 안착한 뒤 중국, 인도네시아로 확장 계획. IT를 부기로 한 한국 핀테크가 해외시장에 안착되면 한국 금융의 해외진출도 청시호가 켜질 가능성. 김정태 회장은 원큐 플랫폼은 총 3단계 사업으로 추진. 1단계로 인터넷 뱅킹과 스마트폰 기반 적금, 해외송금 등을 가능케 하고, 2단계로 전자지급과 e모기지 등을 연결할 방침. 그리고 3단계로 국내에 들여와 핀테크 비즈니스 모델을 확대할 계획.
- 금융시장은 인간의 욕구와 그 수요를 따라 발전했고, 핀테크가 주도하는 금융시장 역시 기존 금융발달사와 같은 방향으로 진화. 결제, 송금거래를 통해 금융사에 돈이 모이면 또 다른 금융수요가 등장. 당장 돈은 없지만 물건을 사고 싶고 사업하고 싶은 대출수요가 등장. 돈이 모이면, 이 돈을 어떻게 더 잘 관리해 수익을 낼 것인지 고민하는 자산관리가 필요해짐. 또 자산관리에는 리스크가 발생하므로 보험이 출현. 핀테크 산업은 아직 걸음마 단계여서 결제 서비스에 집중되지만 대출, 자산 관리, 보험 등으로 진화해갈 것이다.
- 신한, 국민, 삼성, 롯데, 현대, 농협은 앱카드 협의체 구성이후 줄줄이 앱카드를 출시. 13년 5월 신한카드가 선두로 나서 앱카드를 출시했는데, 14년 신한 앱카드를 통한 거래액은 2조 225억에 달하며, 15년 4월 누적발급 규모가 모바일카드 최초로 600만장 돌파. 신한카드는 앱카드에서 꽃배달, 대리운전, 퀵서비스 등을 바로 주문할 수 있는 앱카드 오더 기능을 장착해 O2O시장으로도 나섰다. 현대카드는 카드 서비스와 간편결제를 한번에 진행할 수 있는 통합앱을 출시. 다른 카드사들이 조회용 카드 앱과 결제용 카드앱을 각각 따로 운영하는데 반해, 현대는 통합카드를 출시해 편의성을 더했다. 현대카드는 700만 카드 이용자들의 카드이용 행태를 분석해 이용빈도가 높은 메뉴를 전면에 배치. 한편 통신사와 연관된 카드사들은 모바일 유심카드 시장에 승부수를 던지고 있음. SKT가 지분을 갖고 있는 하나카드와 KT가 지분을 가진 BC카드는 휴대폰 유심카드에 신용카드 정보를 심는 모바일 카드 방식을 택했다. 앱을 구동시켜 비번을 입력할 필요 없이 단말기에 스마트폰을 대기만 하면 결제가 이뤄짐. 이용의 편의성이 매우 뛰어난 방식. 유심에 카드정보를 심게 되면 결제의 일부 주도권이 통신사로 넘어가고 통신사에서 수수료를 부과할 수 있기 때문에 통신사 계열카드사들이 선호. 금융위가 카드발급 규제를 완화함에 따라 실물없는 모바일 카드 발급이 가능해 졋다. 우리나라 최초의 모바일 전용카드는 하나카드가 출시한 모비원. 모비원은 스마트폰앱이나 홈페이지로 카드를 신청하면 실명확인후 24시간 후에 고객의 스마트폰 유심칩으로 신용카드가 발급됨. 신용카드의 신청과 발급이 모두 유심을 통한 기기인증 방식을 적용하므로 타인의 스마트폰에서는 카드발급이 불가능. 신용카드 정보는 유심칩에 암호화해 저장하므로 보안 역시 뛰어남. 실물 플라스틱 신용카드의 경우 카드 한장 발급 받는데 카드 제작비, 설계사 비용, 카드 배송비용 등 1.5만~2만원 드는데 모바일 카드는 발급비용이 거의 들지 않음
- 06년 창업한 영국 벤처기업 비주얼 DNA는 퀴즈로 인간의 행동을 예측하는 빅데이터 기업이다. 심리학과 빅데이터를 결합시켜 인간의 행위를 이해하는 비주얼 DNA는 온라인 퀴즈로 대출자의 신용평가 등급을 매겨 금융기관에 제공. 심리학자, 데이터 분석 전문가, 금융 마케팅 전문가 소프트웨어 엔지니어 등 150명의 전문가가 만든 40개의 문제를 통해 고객의 성향과 상환의지를 평가. 10분 안팎의 시간이면 심리검사를 통해 한사람의 신용도가 결정됨. 개방성, 성실성, 외향성, 친화성, 신경성이라는 5가지 성격이론을 바탕으로 함. 마스타카드는 비주얼 DNA가 제공한 신용평가 정보를 바탕으로 대출을 집행했을 때 기존 방식에 비해 부실율이 23% 감소했다고 밝혔다. 또한 금융정보가 부족한 thin file 고객에 대한 대출집행도 50%나 증가. 터키, 러시아, 영국, 폴란드 등 15만명이 이 평가 방식을 통해 거래심사를 받았다. 금융거래 실적이 없는 전 세계 25명도 대출 받을 수 있도록 신용의 근거를 만들어 주겠다는 비주얼 DNA는 그 목표를 이루어가고 있는 중
- 온라인 신용결제를 지원하는 어펌은 소비자 금융을 재발명했다는 평가를 받음. 맥스 레브친 페이팔 창업자가 만든 어펌을 이용하면 온라인 쇼핑몰에서 물건을 구매할 때 신용카드 없이 본인의 신용만으로 할부구매 가능. 신용카드가 발급되지 않는 사람도 온라인몰에서 쉽게 할부로 구매 가능. 어펌은 자체 알고리즘을 이용해 이용자의 신용을 평가. 이용자은 어펌에 가입할 때 이름, 전화번호, 이메일, 생일, 사회보장번호 네자리만 입력하면 됨. 어펌은 페북 등 SNS를 통해 거주지, 출신학교 등 개인정보를 취합함. 또 이용자 이름을 대문자로만 입력하는지 등의 빅데이터를 바탕으로 다양한 정보를 복합적으로 파악해 4분만에 신용도를 평가. 분석을 바탕으로 어펌은 할부 결제 가능금액과 할부 수수료(10~30%)를 알려줌. 서비스 이용자는 3개월, 6개월, 12개월 할부로 개월수 선택 가능. 할부로 이용한 금액은 매달 어펌 웹사이트에서 신용카드, 계좌이체, 수표 등으로 상환하면 됨

- 뱅크월렛카카오는 크게 뱅크 머니와 현금카드 유형으로 나뉘고, 뱅크 머니는 다시 간편형과 NFC형으로 나뉨. 세가지 유형 중 하나를 선택해서 가입할 수 있다. 간편형 뱅크머니른 송금과 온라인 결제에 이용되는데, 15년 4월부터 CU, 세븐일레븐 등 편의점에서 바코드 결제를 지원하며, 오프라인 결제를 이용할 수 있게 되었다. 스마트폰에서 인증을 거친 뒤 거래은행 계좌정보와 뱅크머니 PIN(비밀번호)을 등록하면 간편형 뱅크머니에 가입할 수 있다. NFC형 뱅크머니는 NFC결제를 이용할 수 있기 때문에 바코드를 통한 편의점 결제만 지원되는 간편형 뱅크머니보다 오프라인 결제지원 범위가 넓다. NFC형 뱅크머니는 컴퓨터를 통해 뱅크월렛카카오 웹사이트에서 별도의 발급 신청을 한뒤 사용가능. 마지막으로 모바일 현금카드는 추가로 은행의 ATM에서 현금인출, 계좌이체 등 대부분의 은행서비스까지 이용할 수 있는데, NFC형 뱅크머니처럼 PC를 통한 별도 신청이 필요. NFC형 뱅크머니와 모바일 현금카드는 NFC를 이용할 수 있는 SKT와 KT의 모바일에서만 이요할 수 있고, LG U+는 15년 중에 서비스 시작예정. 뱅크월렛 카카오는 1회에 30만원, 최대 50만원까지 충전 가능. 그리고 하루에 받을 수 있는 뱅크머니 한도는 50만원이고, 보내기 한도는 10만원. 하지만 15년 1월 금융위가 발표한 IT/금융 융합 지원방안에 따르면 뱅크월렛카카오 같은 전자지급수단의 충전한도가 폐지되고, 하루 이용한도도 30만원에서 최대 200만원까지 확대될 예정. 전자금융거래법이 개정된 뒤 15년 내에는 추진될 것으로 기대된다. 뱅크월렛카카오는 은행의 모바일 뱅킹 서비스에 비해 편리한 장점이 있다. 기본적으로 계좌와 연동된 뱅크월렛계정을 사용하기 때문에 상대방의 계좌번호를 모르더라도 간편하게 송금서비스를 이용할 수 있음. 모바일 뱅킹처럼 계좌번호를 입력할 필요도 없고, 다른 핀테크 송금 서비스처럼 전화번호를 입력할 필요도 없다. 그냥 등록된 친구 리스트에서 이름을 선택해 간편하게 송금할 금액과 비밀번호만 입력하면 됨. 그리고 송금절차도 모바일 뱅킹에 비해 간편. 모바일 뱅킹은 앱실행, 공인인증서 로그인, 입금계좌 번호 및 송금액 입력, 이체 비밀번호 입력, 보안카드 및 공인인증서 비번 입력을 거쳐야 송금 가능. 반면 뱅크월렛 카카오는 앱실행, 지갑 비밀번호, 카톡 친구선택 및 송금액 입력, 뱅크머니 PIN입력만으로 송금가능. 그리고 모바일 뱅킹으로 송금후 확인 메시지를 보내려면 문자, 카톡 등의 메시지앱을 선택해 추가정보를 입력해야 하지만 뱅크월렛카카오는 송금완료 즉시 상대에게 카톡 메시지가 발송됨. 반면, 완변한 모바일 송금서비스라고 하기에는 부족한 단점도 있다. 일단 뱅크월렛카카오가 모바일 기반의 편리한 송금서비스이긴 하지만 PC를 완전히 벗어나지는 못했다는 점. NFC형 뱅크머니나 모바일 현금카드를 이용하기 위해서는 PC에서의 가입절차가 필요. 그리고 공인인증서도 사용해야 함. 물론 처음에 한번 등록하면 이후 편리하게 사용할 수 있지만, 현금으로 인출하려면 하루 지나야 하는 불편도 있다. 송금이 발생한 당일에는 금액이 오갔다는 기록만 남겨 금융결제원에 전달하고, 다음날 은행간 업무처리를 통해 실제계좌로 돈이 이동하기 때문. 뱅크월렛카카오는 아직 결제로 사용할 수 있는 곳이 많지 않아 주로 송금서비스로 이용되는데, 즉시 인출이 어렵다는 것이 단점. 또한 송금수수료 문제도 해결해야 함. 지급결제 등 대부분의 금융서비스를 이용하려면 수수료가 발생하는데, 뱅크월렛 카카오 송금서비스도 마찬가지. 인터넷뱅킹, 모바일뱅킹도 수수료가 발생하지만 은행에서 급여이체, 체크카드 사용, 공과금 자동이체 등 특정 조건을 만족할 경우 수수료를 면제해 주고 있어 인식하지 못할 뿐이다. 뱅크월렛카카오도 서비스 출시 이후 15년 3월까지만 송금수수료를 무료로 제공하고, 4월부터는 건당 100원의 수수료를 책정할 것으로 예상되었다. 하지만 아직 이용자가 많지 않은 상태에서 수수료까지 추가하는 것은 시기상조라고 판단해 유료화 시기를 미룸. 만약 사용자가 많아져 수수료를 유료로 전환한다 하더라도 모바일 뱅킹을 무료로 이용하고 있는 고객들이 수수료를 내면서 뱅크월렛카카오를 이용할지는 의문이다. 수수료를 지불하면서 서비스를 이용하게 하려면 송금뿐 아니라 좀더 차별화된 기능을 제공해야 함. 이를 위해 다음카카오는 멤버십, 쿠폰 등을 추가해 커머스 기능을 지원할 예정. 그리고 우리은행과 하나은행에서 뱅크월렛카카오 전용통장을 발급받으면 연 1~2%의 금리를 제공하는데, 이것 또한 차별화 전략중 일부라 할 수 있다.
- 토스 : 국내에서 제공중인 모바일 송금서비스가 뱅크월렛카카오만 있는 것은 아니다. 하나은행이 서비스중인 하나N월렛, KT와 신한은행이 함께했던 주머니 등도 있다. 그리고 국내 핀테크 스타트업인 비바리퍼블리카의 토스라는 서비스도 있다. 토스는 15년 2월 출시된 송금서비스로 뱅크월렛카카오처럼 송금단계를 줄여 간편하게 이용가능. 앱을 실행해서 송금할 금액을 입력하고, 받을사람의 전화번호를 선택한 후 비번을 입력하면 받는 사람에게 문자메시지가 발송됨. 받는 사람이 수신된 문자메시지의 링크를 눌러 입금받을 계좌번호를 입력하면 바로 송금받을 수 있음. 받는 사람이 계좌번호를 직접 입력하므로 전화번호만 알면 쉽게 송금가능. 그리고 계좌이체 요청메시지를 그대로 복사한 뒤 앱을 실행하면 자동으로 은행명, 계좌번호, 송금액이 입력되어 사용하기 더욱 편리하다. 15년 6월 기준, 토스로 송금하려면 기업, 농협, 우체국, 새마을금고, 부산, 경남, 광주, 전북은행 중 하나를 이용해야 함. 하지만 토스로 송금받는 사람은 모든 은행계좌 이용가능. 보내는 사람만 토스앱을 이용하면 되므로 받는 사람은 앱을 설치할 필요가 없어 사용성이 좋다. 토스가 펌뱅킹망을 이용한 송금서비스를 구현했기 때문이다. 펌뱅킹은 기업과 금융기관이 온라인으로 시스템을 연결해 은행업무시 사용하는 금융망으로 통신비, 보험료, 카드요금 등을 자동이체로 고객의 계좌에서 인출할 때 주로 사용됨. 정기적 기부금 납부에서도 펌뱅킹이 이용되는데, 실제로 비바리퍼블리카의 이승건 대표는 기부금 자동이체에서 토스의 아이디어를 얻었다고 한다. 토스를 이용할 경우에는 가입할 때 등록한 계좌에서 자동이체 1건을 만들어 펌뱅킹으로 돈을 인출한 뒤 받는 사람의 계좌번호를 입력하면 그 계좌로 돈을 송금한다. 덕분에 일반적 모바일 송금처럼 공인인증서나 보안카드를 사용할 필요가 없다.
- 뱅크월렛카카오로 송금받은 돈을 현금으로 하루를 기다려야 하지만, 토스는 즉시 이체가 완료됨. 그리고 토스는 보안에도 많은 노력을 기울여 국방부와 글로벌 IT기업들이 채택하는 보안 솔루션을 도입했고, 해킹이나 제3자의 부정사용으로 고객이 피해를 입을 경우 전액 보상. 이런 장점을 앞세워 14년 8월 실리콘밸리 투자사인 알토스 벤처스로부터 100만불의 투자를 이끌어내기도 했다. 토스도 장점만 있는 것은 아니다. 서비스 이용료를 받지 않으므로 기업을 유지하는 데 가장 중요한 수익모델이 확실하지 않음. 오히려 송금수수료를 회사가 부담하므로 사용자가 늘어날수록 기업의 비용이 증가. 토스의 서비스 중 또 한가지 우려되는 점은 문자메시지를 사용한다는 것. 송금할 때마다 발송되는 문자메시지 비용이 부담으로 작용할 수도 있음. 그리고 문자메시지를 통한 링크는 개인정보 탈취나 소액결제 피해 등의 스미싱으로 연결될 수 있어 많은 사람이 사용을 꺼린다. 뱅크월렛 카카오는 이런 스미싱을 방지하기 위해 송금확인 메시지에 카카오 인증마크를 부착한다. 인증마크가 메시지 창 외부로 일부 노출되어 있고, 송금이미지와 메시지 내용, 뱅크월렛 카카오 연결버튼이 하나의 메시지로 표시됨. 이는 카톡이라는 메시지 플랫폼을 직접 컨트롤할 수 있기 때문. 토스나 사용하는 문자메시지는 장단점이 명확한 채널이다. 통신사에서 제공하는 서비스이므로 별도로 가입하지 않아도 누구나 송수신할 수 있다는 장점이 있지만, 대신 입맛에 맞추어 필요한 추가기능을 개발할 수 없음. 토스는 문자메시지를 컨트롤할 수 없다는 단점을 극복해야 함. 분명한 것은 토스는 이용절차가 단수낳여 사용자 관점에서 편의성이 좋은 서비스라는 것. 이런 장점을 사용자에게 인식시키고 모바일 송금시장을 선점하고, 결제 서비스 등 다양한 핀테크 서비스를 출시해 수익모델을 확보하는 것을 목표로 해야 함.
- 은행의 뱅킹 서비스는 PC기반의 온라인 뱅킹 때부터 모바일 뱅킹까지 오랜기간 사용되어 왔다. 그만큼 은행의 뱅킹 서비스에 대한 신뢰가 쌓여 불편한 서비스도 익숙하게 만들었다는 의미. 즉, 모바일 뱅킹을 사용하는 것은 불편하지만 익숙하고, 새로운 핀테크 송금 서비스는 간편하지만 낯설다는 것이다. 결국 핀테크 송금서비스는 익숙함과 간편함의 줄다리기라고 할 수 있다. 핀테크 송금 서비스가 자리잡기 위해서는 이용하는 사람들이 익숙해지도록 만들어야 한다. 그게 어려우면 틈새시장을 찾아야 함. 틈새시장 관점에서 볼 때 핀테크 송금 서비스가 도전해볼만한 분야은 소액송금과 해외송금이다. 고액이나 중요도가 높은 송금은 안정된 채널인 은행의 뱅킹서비스를 계속 사용할 것이다. 핀테크 송금서비스가 이런 고객에게 장점을 어필하기에는 아직 부족. 대신 잠깐 빌린돈을 갚을 때나 식사후 밥값을 나누어 낼 때, 축의금 부탁 등에는 간편함을 장점으로 내세울 수 있다. 벤모도 이런 상황을 통해 고객을 확보해 미국의 대표적 핀테크 기업으로 성장. 핀테크 송금서비스는 소액기반의 송금을 바탕으로 신뢰를 쌓아야 함. 그런 의미에서 카카오, 네이버, 페북 등 일상에서 자주 사용되는 서비스의 핀테크 송금분야 진출을 주목해야 함
- PG사 수익모델은 가맹점 수수료 PG 수수료의 차액이다. PG사는 카드사와 카드 수수료율을 계약하고 신용카드 금액의 일정부분을 수수료로 지불함. 그리고 하위 가맹점인 쇼핑몰과 계약시 가맹점 수수료 이상의 요율로 계약해 차익을 남긴다. 예를 들어 만원의 결제시, 고객은 카드사에 만원을 내고 카드사는 PG에게 9750원을 주며, PG사는 쇼핑몰에 9600원을 주게 된다. PG사는 차액인 150원을 이익으로 취하는 것이다. 카드사는 거래가 일어난 뒤 통상 3일이내에 가맹점에 대금을 입금. 위 사례에서 3일이내애 PG사의 계좌로 9750원을 지급. PG사가 가맹점과 맺는 계약 내용에는 정산주기가 들어있다. 정산을 늦게 해줄 경우 PG사는 하위 가맹점에 수수료율을 낮추어 주기도 함. 자금을 늦게 주는 만큼 이자수익이 생길 수 있기 때문. PG사는 카드사나 통신사 등과 하위 가맹점 사이에서 양면을 보고 운용하는 사업모델. 대형사업자인 카드사가 갑이고 PG사가 을로 보일수도 있으나 실제로는 가맹점을 다수 보유하며 덩치를 키운 PG사에 카드사도 함부로 할 수 없는 규모의 경제가 발생한다. PG사는 대표가맹점으로서 하위 가맹점들의 결제가 통합되는 효과가 있다. 카드사 입장에서는 단일 가맹점이기 때문에 매출규모로 대형가맹점이 되는 결과가 된다. 매출규모가 커지면 오히려 카드사에 가맹점 수수료를 낮추어 달라고 압박가능. PG사를 통한 온라인 결제 금액은 한국은행에 따르면 14년 기준 55조 2192억에 달한다.
- 스마트폰을 이용한 오프라인 결제방식 중 가장 먼저 시장에 출현한 것은 NFC를 활용한 모바일 카드. 국내에서는 11년 비씨카드와 하나카드를 통해 출시되어 화제를 낳음. NFC 모바일 카드를 사용하기 위해서는 몇가지 절차가 필요. 먼저 카드사 홈페이지 등을 방문해 보유 스마트폰이 발급가능 기종인지 확인한다. 스마트폰의 유심카드가 금융기능을 지원하는지도 확인한다. 그런 뒤 모바일 카드 전용 앱을 다운받고 공인인증 뒤 신용카드를 통한 본인인증을 받는다. 카드발급이 완료된 뒤 모바일 카드앱을 통해 주 카드 설정을 해두면 사용이 가능하다. NFC 기능이 켜져 있는 상태에서 가맹점의 결제 단말기에 터치만 하면 결제가 완료된다. 애플페이도 NFC를 활용한 모바일 카드이며, 삼성페이에서도 NFC 결제방식을 취함. 삼성페이와 애플페이는 NFC 모바일 카드의 제조사별 개별 브랜딩이라 할 수 있음. 글로벌 시장조사 업체 IHS에 따르면 오는 2018년까지 NFC 지원 스마트폰 출하량이 12억대에 이를 것이라고 함. 부품가 하락과 기술 발전으로 NFC는 향후에도 스마트폰에 빠지지 않는 통신방식이 될 것으로 보이며, 결제방식의 표준으로 자리 잡을 것으로 보임. NFC는 2010년 출시된 안드로이드폰부터 기본기능으로 탑재되기 시작. 안드로이드 OS를 만드는 구글도, 안드로이드폰을 만드는 제조사도 모바일 결제를 위한 통신방식을 많이 고민했으나, NFC이상으로 결제에 적합한 통신방식은 나타나지 않았다. 설계의 용이성, 저전력화, 범용성 때문이었다. NFC는 RFID기반의 통신방식을 모두 수용해 이미 시장에 널리 퍼져 있는 기술표준을 훼손하지 않음. 그래서 우리에게 익숙한 교통카드와도 호환가능. 인식속도도 0.1초 내외로 빨라 결제에 적합. 이처럼 결제에 최적화된 NFC지만 비씨카드와 하나카드의 NFC카드는 모바일 카드발급절차가 복잡하고 사용처가 너무 적어 큰 성과를 거두지 못함
- 앱카드는 3분간 사용가능한 일회용 바코드를 생성해 편의점 등의 결제를 지원하는데, NFC모바일 카드처럼 별도의 결제단말기를 설치할 필요가 없음. 대부분의 포스기가 갖고 있는 바코드 리더기를 활용하고 내부 프로그램을 업데이트해서 사용할 수 있어 대형 프랜차이즈를 중심으로 빠르게 보급될 것으로 예상되었다. 앱카드는 15년 3월기준 1335장 발급되었으며, 일평균 거래액은 17.9억으로 외형상 성장중. 그러나 발급좌수가 많은 것은 유심카드 기반 모바일 카드대비 설치의 편의성과 프로모션 영향으로 보임. 또 거래액이 대부분 온라인 결제에 몰려 있어 실질적으로 앱카드가 오프라인 결제에서 유심카드 기반의 모바일 카드를 이겼다고 하기는 어려움. 15년 6월기준 앱카드 사용이 가능한 오프라인 가맹점은 1만 2천개로 가맹점수도 부족. 14년까지 NFC모바일 카드와 앱카드로 대변되던 국내 오프라인 핀테그 결제가 지지부진했던 이유는 여러가지가 있다. 첫째, 사용하기 불편. 둘째, 가맹점에 대한 결제 인프라 보급 및 직원교육 미비, 셋째, 핀테크 결제를 사용해야 하는 이유를 제공못함. 사용의 불편은 기술과 사용자 경험의 개선으로 극복할 수 있고, 인프라 확대와 직원교육 역시 극복가능 요소임. 오프라인 핀테크 결제에서 가장 큰 문제는 플라스틱 카드를 버리고 모바일로 결제해야 할 이유를 제공하지 못한 것이다.
- 15년 이전에는 NFC모바일 카드나 앱카드 모두 모바일 발급을 하려면 플라스틱 카드를 발급받아야 했음. 이는 카드사 규제 중 실물카드가 있어야 모바일 카드를 발급받을 수 있다는 모-자카드 규제 때문. 카드사들의 규제해제 요청과 당국 논의로 15년 4월 관련규제는 해제됨. 모바일 전용카드는 신청과 발급, 사용이 모두 모바일에서 이루어짐. 발급을 신청하면 카드사에서 SMS로 신청 링크를 보내주며 공인인증서 인증이나 ARS본인인증 절차를 거쳐 발급됨. 모바일 전용카드는 실물없이 발급되고, 사용된다는 점을 빼면 일반 신용카드와 유사하난 대출이나 가족카드 발급이 불가. 그렇다면 모바일 전용카드의 강점은 무얼까? 카드사 입장에서는 실물카드 사용대비 발급비용 절감이 가능해 연회비를 줄이거나 서비스를 추가로 제공가능. 또 그동안 모바일 카드는 실물카드가 있어야 발급받을 수 있어 기존 시장점유율을 그대로 따라 갈수밖에 없지만 모바일 전용카드가 출시되면 새로운 기회가 된다. 고객입장에서는 기존에 1주일 정도 걸리던 발급시잔이 24시간이내로 단축. 실물카드의 제작과 배송이 생략되기 때문. 연회비가 동일한 실물카드에 비해 절반 수준으로 저렴해짐. 모바일 전용카드를 바라보는 카드사의 입장은 상반됨. 비씨카드, 우리카드, 하나카드 등 NFC를 주도했던 카드사들은 적극적인 반면, 현대카드는 아예 모바일 전용카드 발급을 고려하지 않는다고 밝혔다. 그 이유에 대해 현대카드 정부회장은 모바일 단독카드는 사용할 수 있는 용도가 너무 작고 실제 수요보다는 트렌드에 치우친 경향이 있다고 언급. 정말로 고객이 원하는 것인지 공개적으로 의문을 제기한 셈. 모바일 전용카드와 기존에 존재했던 모바일카드의 기술적 차이점은 없다. 그러나 카드사로서는 발급의 편의성이 개선된 것만으로도 큰 의미가 있다고 할 수 이음. 앞서 예로 든 사례와 같이 모바일 카드를 사용하려는 고객들에게 쉽게 기회를 제공해 이용경험을 쌓게 할 수 있기 때문. 당장 많은 사람이 이용하지는 않으나 모바일 전용카드의 발급수와 사용액은 모바일카드 활성화의 중요 지표가 될 것. 개인 소지품 중에 휴대 우선순위에서 최상이 물품이 스마트폰이기 때문에 앞으로 모바일 결제가 대세가 될 것이라는 점은 누구도 부인하지 않음. 하지만 11년 NFC결제가 등장한 이후 영향력이 미미했던 것이 사실임. 그러나 15년 들어 하드웨어 제조업체에서 시작한 바람이 거대한 변화를 예고하기 시작. 애플페이와 삼성페이가 오프라인 결제의 양상을 바꾸고 있음. 기존 금융관련 기업이 아닌 모바일 산업에서 변화가 시작되었다는 점에 주목해야 함
- 애플페이는 아이폰 6와 6+, 그리고 아이패드 에어2와 애플워치에서 지원되는 NFC결제 서비스 브랜드. 아이폰 5와 5S에서는 NFC가 탑재되지 않았지만 NFC가 내장된 애플워치와 연동해 애플페이 사용가능. 15년 3월 기준으로 미국내에서 맥도날드, 나이키 등을 포함한 22만개 가맹점을 확보했고, 메이저 신용카드사를 포함해 500개 금융기관과 제휴. 15년 1월말 기준으로 비자, 마스타, 아멕스 카드의 비접촉 결제 중 3분의 2가 애플페이를 통해 결제되는 등 빠르게 확산 중. 애플페이는 먼저 나온 자사의 서비스들과 큰 시너지 효과를 내고 있음. 우선 지문인식이 가능한 터치 ID를 통해 본인인증을 하고, 모바일 월렛인 아이폰 애플리케이션 패스북을 통해 등록된 신용카드를 관리. 애플페이를 사용하기 위해서는 신용카드 등록을 해야 하는데, 대부분의 사용자들은 아이튠즈 계정에 이미 신용카드 정보가 저장되어 있어 이것을 패스북으로 내려받아 사용가능. 14년 기준 아이튠즈 계정에는 146개 국가 8억개의 신용카드 정보가 누적되어 있음. 아이튠즈 계정에 등록된 신용카드 정보를 활용해 애플페이를 즉시 이용할 수 있다는 것은 큰 장점이다. NFC자체가 신기술이 아님에도 애플페이가 화제가 된 이유는 먼저, 세계 스마트폰 시장을 양분하던 애플의 NFC 도입으로 NFC결제가 오프라인 결제의 주요 방안으로 시장에 인식되기 시작했다는 점. 국내에서 안드로이드폰 사용자는 오프라인에서 두가지 결제수단을 갖고 있었다. QR코드나 바코드를 통해 결제하는 앱카드나 NFC 모바일 카드를 사용하는 것. 반면 아이폰 소지자들은 앱카드 이외에는 대안이 없었음. 이는 시장 전체 관점에서 모바일 결제 활성화에 걸림돌이 되었다. 전체 플랫폼에서 가능한 서비스와 특정 플랫폼에서만 가능한 서비스의 격차는 크다. 그런 의미에서 애플의 참여는 그동안 미온적이던 전 세계 카드사들에게 시장이 무르익었다는 신호탄. 두번째는 하드웨어와 소프트웨어를 모두 보유한 애플이 만드는 결제는 다를 것이라는 기대감. 애플은 예전부터 새로운 기술을 고개관점에서 손쉽게 사용할 수 있도록 제공. 이는 하드웨어와 소프트웨어를 독자적으로 통제하는 애플이기에 가능했다. NFC모바일 카드는 고객입장에서 설치와 사용이 복잡했기 때문이다.
- 스마트폰 제조사, 통신사, 카드사별로 정책이 달라 모바일카드를 설치할 때 스마트폰과 카드소지자의 명의가 같아야 하고, 본인인증을 위해 공인인증서를 요구했다. 설치하더라도 사용하려면 NFC기능을 켜야 했다. 애플은 복잡한 설치절차를 최대한 단순화. 애플페이에 자신의 카드를 탑재하는 것은 아이폰 카메라를 사용하고, 본인인증은 지문인식을 사용. 결제가 필요한 상황에서는 NFC가 자동으로 켜진다. 애플 특유의 심플함에 대한 철학이 적용된 것. 애플페이는 국내에서 주요 카드사와의 계약이 필요해 도입이 지연되고 있으나, 곧 출시될 것으로 보임. 현재 미국에서 서비스되는 애플페이는 발급사로부터 결제액의 0.15%를 수수료로 받고 있음. 국내 카드사로서는 복잡한 계산이 있을 것이다. 신용카드 역사상 이와 같이 강력한 단말기 제조사가 카드산업으로 치고 들어온 사례가 없어서, 단말기 제조사에 종속될지도 모른다는 불안감이 있을 것. 애플이 통신사에 대해 강력한 주도권을 쥐고 나갔듯이 신용카드업계에서도 같은 상황이 벌어지면 어쩌하 하는 우려와, 한편으로는 신용카드 시장이 커질 것이라는 기대가 공존. 그렇다면 애플페이의 국내진출이 다른 모바일 결제에 영향을 미칠까? 오프라인에서는 앱카드 결제방식이 직접적 영향을 받을 것으로 보임. 기존 애플기기에서는 앱카드 외에 다른 오프라인 결제수단이 없었으나 이제 대안이 생겼기 때문. 온라인에서는 애플이 애플페이로 결제가 가능하도록 하는 API를 공개 예정. 그러나 이 결제는 앱내 결제에서만 사용가능해 PG사를 활용하고 있는 국내 온랑니 가맹점에 당장 영향을 주지는 못할 것으로 보임
- 루프페이는 미국 벤처기업이름이자 기술명으로, 신용카드 뒷면의 마그네틱 때의 내용을 자기장으로 만들어내는 특허를 보유. 이 방식은 기존 인프라를 그대로 활용하며 모바일 결제를 가능하게 해주기 때문에 혁신적임. 삼성은 이 회사를 인수하고 갤럭시 S6이후 모든 갤럭시 시리즈에 루프페이를 도입할 것을 선언. 신용카드는 뒷면의 마그네틱 띠 안에 카드번호, 유효기간, 검증번호 등 중요 요소가 담겨 있음. 삼성전자에 인수되기 전, 루프페이는 이 정보를 스마트폰과 연결된 리더기를 통해 읽어들임. 삼성페이는 루프페이 기술을 도입하면서 갤럭시 카메라를 통한 문자인식 방법으로 카드번호를 식별. 따라서 별도의 신용카드 마그네틱 띠를 읽기 위한 리더기가 필요치 않음. 이 정보를 암호화해서 스마트폰 내부에 저장해두고, 결제시 지문인식을 통해 본인임을 확인하면 자기장을 형성해 결제를 유도. 이때 3인치 이상 떨어지면 결제기에서 읽을 수 없도록 자기장을 약하게 발생시킴. 사용자기 인식하지 못한 사이에 결제되지 않게 하기 위한 조치임. 스마트폰 제조사가 아니라면 결제조작을 간편하게 하는 데 한계가 있음. 아무리 편하고 좋은 서비스라도 먼저 앱을 켜야 하는 것이다. 반면 삼성페이는 갤럭시 S6에서 화면을 밀어올리는 손동작을 하면 바로 삼성페이가 실행되도록 만들었다. 사용자는 손동작 이후 결제에 사용할 카드를 선택하고 신용카드 결제기에 스마트폰을 가져다 대면 된다.
- 안드로이드 페이는 NFC기반의 결제를 운영체제차원에서 지원. 유심방식의 모바일 카드는 카드발급이 통신사에 의해 컨트롤 되었으나 안드로이드페이는 통신사와 상관없이 카드를 발급받아 사용가능. 지금까지는 모바일 신용카드를 발급받으려면 본인명의의 스마트폰에 신용카드를 사용해야 했으나, 앞으로는 본인명의의 신용카드일 경우 지문인식 등으로 본인인증만 하면 NFC 모바일 카드를 사용할 수 있게 된 것. 초기에 지원되는 카드는 비자, 마스타, 아멕스, 디스커버이다. 안드로이드페이는 그루폰이나 그럽허브, 우버 등 1000여개의 온라인앱에서 사용가능하며 베스트바이, 맥도날드, 서브웨이 등 미국 내 NFC결제 단말기가 있는 오프라인 가맹점에서도 사용가능. 안드로이드 페이는 오프라인에서 NFC모바일카드와 같은 방식으로 사용. 스마트폰의 잠금화면을 패턴이나 지문인식으로 해제하고 매장에 있는 결제 단말기에 터치하면 됨. 결제결과는 스마트폰에 알림바로 표시됨. 안드로이드페이는 최신버전의 OS만 지원하는 것이 아니라 이전버전의 OS에서도 사용가능. 또 앞으로 나오게 될 모든 안드로이드폰에서는 기본적으로 안드로이드페이 앱이 설치되어 단기간에 사용자를 확보할 수 있음. 또 구글은 안드로이드 페이의 수수료를 받지 않겠다고 선언. 애플이 카드사로부터 결제액의 0.15%를 수수료로 받는 것과 비교됨. 후발주자로서 시장을 빠르게 확보하겠다는 구글의 의도. 15년 6월 금융위원회는 구글코리아의 자회사인 구글페이먼트 코리아의 PG사업을 인가. 이로인해 안드로이드페이가 당장 국내에서 힘을 얻는 것은 아님. 업무범위를 구글플레이와 같은 국외 사이버몰에 한정했기 때문. 그러나 구글 플레이 스토어에서 원화결제는 물론, 비자나 마스터카드가 아닌 국내전용카드로도 결제가능하므로 국내 시장에서 결제 편의성을 높일수 있게 되었다. 이후 안드로이드 페이의 국내진출시 구글 PG를 활용한 다양한 전략이 가능할 것으로 보인다. 그렇다면 안드로이드페이가 등장한 이후 삼성전자 스마트폰을 구매했을 때 쓸 수 있는 결제방식은 무얼까? 현재까지 알려진 내용대로라면 고객이 희망하는 방식을 사용할 수 있을 것으로 보임. 갤럭시 단말기 안에서 삼성페이와 안드로이드페이가 공존하는 것. 그러면 어느쪽이 더 편리할까? 삼성페이는 NFC와 루프페이 방식을 모두 지원해 안드로이드페이보다 범용성이 높음. 반면 구글은 OS를 가진 사업자답게 안드로이드페이의 접근성을 직접 컨트롤 가능. 화면잠금을 해제하면 안드로이드페이로 진입해 결제가 가능하도록 하는 식이다. 현재로선 어느쪽이 우위라 말하기 어렵지만, 껄끄러운 동거가 시작된 것은 분명.
- 여신금융협회는 카드사들로부터 1000억원 이상의 기금을 조성해 영세가맹점들의 IC단말기 교체를 지원한다고 발표. 마그네틱만 인식하는 구형 단말기를 IC카드가 인식되는 단말기로 교체할 때 NFC 인식기능을 포함시키면 단숨에 사용범위가 늘어나기 때문에 NFC모바일카드 진영은 NFC결제모듈까지 병행설치하자고 주장. 반면 앱카드 진영은 불필요한 투자라며 반대. 결제인프라는 장치산업이자 초기 투자 규모가 막대함. 지난 몇년간 NFC 모바일카드가 고객확보를 위해 무던히 노력했음에도, 속도가 나지 않았던 가장 큰 이유는 인프라 이슈. 또한 인프라 이슈는 앞으로 오프라인 모바일 결제의 최고 걸림돌이 될 것임. 곧 국내에서 가시화될 가맹점 단말기의 IC지원 이슈, 전 세계적인 모바일 결제 붐으로 인한 결제 단말기 단가하락 여부와 글로벌 결제 사업자들의 의사결정 등 다양한 변수가 인프라 확대에 영향을 미칠 것임.
- 국내 검색/포탈 시장을 독점하는 네이버 또한 네이버페이를 신설하고 온라인 결제시장 공략에 나섰다. 현재 삼성, 신한, 현대카드가 연동된 상태. 15년 6월 정식 출시를 추진중인 네이버는 오래전부터 온라인 커머스와 결제시장 진입을 위해 노력해 왔음. 네이버 지식쇼핑, 네이버 캐시, 체크아웃 등이 그것으로, 네이버 페이는 체크아웃의 발전된 형태가 될 전망. 네이버 체크아웃은 개별 쇼핑몰에서 네이버 아이디로 결제가 가능하게 하는 중간연결 서비스. 체크아웃의 개별 브랜딩이라고도 할 수 있는 네이버 페이의 강점은 카드번호를 한번만 입력해 두면 누구든 자신의 네이버 아이디를 이용해 카드번호 재입력 없이 바로 결제가 가능하다는 점과 이미 4만 3000여 가맹점을 네이버 체크아웃을 통해 보유하고 있다는 점. 전국 오프라인 상점 정보를 안내하는 쇼핑 플랫폼인 숍윈도와 연계하는 등 커머스 플랫폼 확대를 통해 동반성장이 가능할 것으로 보임.
- 다음카카오와 네이버는 포탈과 메신저 시장에서 결제로 옮겨가며 치열한 전쟁을 예고하고 있다. 온라인 결제 자체가 포털과 메신저에서 시작되는 경우가 많아 다른 결제사업자보다 확실히 우위에 있음. 또한 자사의 집객력을 바탕으로 입점하는 가맹점에 자사의 결제수단을 사용하도록 유도하는 등 전략적 카드가 매우 많음
- 포탈/메신저들이 자사의 고객기반을 통해 서비스를 확장하는 형태로 온라인 결제시장에 진출중인 반면, 기존 온라인 결제시장을 선점하고 있는 대형 PG사들의 움직임 또한 흥미로움. 대표적으로 페이나우를 제시한 LG U+, 케이페이를 선보인 KG이니시스 등이 있다. LG U+는 통신사이지만 PG업계에서도 강력한 경쟁력을 보유. 이는 온라인 가맹점의 특징에 기인. 온라인 커머스를 위해서는 웹사이트 정보가 저장되어 있는 서버와 이 서버를 인터넷과 연결해주는 통신회선이 필요. LG U+는 과거 데이콤 시절부터 해온 IDC사업을 통해 이 모든 서비스를 제공. 인터넷 데이터 센터에서는 서버를 운영할 수 있는 공간과 인터넷 통신회선을 제공하는데, LG U+는 여기에 PG사업자로서 결제까지 한번에 제공한다는 장점이 있어 강력한 경쟁력을 가질 수 있음. LG U+가 추진중인 페이나우는 타사의 온라인 결제 서비스 보다 비교적 일찍 출시. 액티브X나 공인인증서 없이 처음에 한번만 결제정보를 등록하면 이후 자체 로그인만으로 결제가 가능. 신용카드 결제 서비스 이외에도 우리은행, 국민은행, 농협, 기업은행의 계좌를 등록하면 계좌이체 결제 가능. 통신 3사의 휴대전화 소액결제도 모두 지원.
- 페이나우는 15년 5월 기준으로 LG U+ PG를 사용하는 가맹점 10만곳에 적용되고 있으며, 대형가맹점 확보에도 노력을 기울이고 있음. 대형 소셜커머스인 티몬에서 티몬페이라는 브랜드로 적용되었으며, 티몬앱에서 결제 요청시 별도의 페이나우 앱이 호출되는 방식에서 앱내 모듈 삽입방식으로 변경적용되어 있다. 다라서 별도의 페이나우앱을 설치하지 않아도 페이나우로 결제가 이루어지는 장점.
- 케이페이는 KG이니시스가 추진중인 온라인 결제 솔루션. KG이니시스는 15년 상반기 기준 시장점유율 38%로 국내 1위 업체. 자사의 결제 모듈이 국내 약 10만개 온라인 가맹점에 설치되어 있음. 이를 바탕으로 케이페이는 15년 2월 기준 가입자 3만명을 돌파하고 거래액 15억을 기록했다고 밝힘. PG사들이 만드는 온라인 결제 서비스는 온라인 쇼핑몰에 공급되는 결제 모듈의 수정을 통해 바로 다수의 가맹점을 확보할 수 있다는 강점이 있음. 카카오페이 등이 가맹점 영업에서 애를 먹고 있는 이 부분에서 크게 차별화되는 것이다.
- 페이코는 NHN엔터에서 만든 온라인 결제 서비스. 15년 7월부터 서비스 실시 예정. 다른 간편결제 서비스와 같이 아이디와 패스워드 입력만으로 구매 가능. 무통장 입금을 지원하는 점이 특징. 페이코는 다른 온라인 결제 솔루션에 비해 시장에 늦게 진입했기 때문에 가맹점에 집중하는 전략을 세워 좀더 차별화. 이를 위해 쇼핑몰 운영자들에게 고객의 주문통계, 매출현황, 정산과리 등 회원마케팅이 가능한 구매통계 리포트를 제공. 또한 15년 6월들어 페이코는 온라인 가맹점 확보를 위해 10만개의 온라인 쇼핑몰을 보유한 고도몰과 제휴했다고 밝힘. 고도몰은 쇼핑몰 구축 솔루션을 중심으로 호스팅가지 제공하는 전자상거래 업체로 소규모 쇼핑몰 창업을 쉽게 하도록 도와주는데, NHN엔터테인먼트는 자사 간편결제 서비스를 출시하기 전부터 미리 손을 잡는 결정을 내린 것. 이렇게 되면 기존 고도몰에 이점한 쇼핑몰들에 페이코 결제가 사용될 수 있고, 신규 입점 쇼핑몰도 쉽게 페이코 가맹점이 됨. 결제 사업자에게 온라인 가맹점 확보가 얼마나 중요한지 알 수 있는 사례임
- 크라우드 펀딩은 스타트업 기업들이 온라인 펀딩업체를 통해 쉽게 자금을 조달할 수 있도록 하는 금융기법으로 금융사가 아니더라도 다수의 투자자로부터 사업자금을 조달할 수 있어 기존금융사 위주의 서비스에서 탈피한 핀테크의 주요분야로 지목돼 왔다. 이번에 국회에서 논의중인 크라우드펀딩법은 투자형 크라우드 펀딩으로 후원, 기부, 지분투자의 형태의 크라우드펀딩 사업중 일부에 해당. 15년 7월 국회에서 관련 법안이 최종 통과된 것을 계기로 핀테크는 물론 신규 창업기업의 자금조달 여건이 나아질 것으로 전망됨. 특히 전통적으로 대출 등 금융사의 영역이었던 창업 시 자본조달이 IT와 결합해 비금융사의 참여가 가능해졌다는 점에서 핀테크 활성화의 단초를 제공했다는 평가. 은행권 중심의 대출형태에서 자본시장에서의 크라우드 펀딩도 가능해질 전망. P2P대출형 핀테크 서비스를 통해 금융사가 빅데이터를 활용해 자체 신용평가 후 개인에게 최적화된 금리를 제공하는 등 IT를 활용해 자체 신용평가후 개인에게 최적화된 금리를 제공하는 등 IT를 활용한 새로운 부가서비스 개발도 가능함. 업계에서는 이번 클라우드펀딩 법안의 국회통과를 계기로 핀테크 활성화를 위한 법령개정과 제도개선이 속도를 낼 것으로 기대.
- 좀더 긴 안목으로 사업성 및 자금조달에 대한 평가가 이루어져야 P2P대출플랫폼이 진정한 사업모델로 자리잡을 수 있을 것. 매달 25만명이 방문하는 유명 블로그 벌거벗은 자본주의의 운영자 이브 스미스는 P2P대출 중개업에 대해 이렇게 논평했다. "P2P금융회사들은 최첨단 신용평가 알고리즘을 통해 전통적인 금융기관보다더 쉽게 잠재 신용불량자들을 가려낼 수 있다고 주장한다. 그럴듯해 보이지만 아직 충분히 증명되지 않았다. 경기가 좋을 때 돈을 빌려주기는 쉽지만 안 좋을 때 그 돈을 돌려받기가 어렵다는 것을 경험치로 은행원들이 훨씬 잘 알고 있다."
- 모든 인터넷 전문은행이 성공한 것은 아님. 90년 중반에 미국에 30개 이상 된던 것이 지금은 10개 정도로 감소. 이런 이유는 초기 IT투자비용과 더불어 마케팅 비용에 대한 부담때문. 인터넷 전문은행은 기존 은행에 비해 지점이 없기 때문에 이름을 알리는 데 한계가 있음. 따라서 고객유치를 위한 마케팅 비용이 많이 들어감. 실제로 미국 조사기관 주피터 리서치는 인터넷 전문은행의 신규고객 1인당 유치비용을 225불로 추정해쏙, 재팬넷 뱅크도 자체 평가에서 영업초기 마케팅 비용이 1인당 200불 이상 소요된 것으로 나타남. 이는 전체 비용의 최대 40%를 차지했다. 2000년 중반을 기점으로 인터넷 전문은행들은 흑자전환에 성공한 뒤 더욱 빠르게 성장. 미국 상위 5개 인터넷 전문은행은 04-05년을 넘어 손익분기점을 달성해쏙, 일본 상위 4개 인터넷 전문은행도 05년 상반기에 손익분기점을 달성. 특히 이 시기에 모기업의 고객과 영업채널을 발판으로 금융상품 교차판매나 편의점 체인망, 전자상거래 지급결제 업무, 학자금 대출, 오토론 등 선택과 집중을 통해 틈새시장을 공략해 성공가도를 달리게 됨. 미국 인터넷 전문은행들은 90년대 중반부터 비은행 금융기관과 제조업체들의 업무영역을 확대하기 위해 본격적으로 참여하기 시작. 95년 10월 최초로 인터넷 전문은행인 SFNB가 미국에서 설립된 것을 시작으로, 한때 30개에 달하는 인터넷 전문은행이 성행. 아직까지 전체 은행대비 인터넷 전문은행이 차지하는 규모는 크지 않음. 14년 9월 기준 미국 인터넷 전문은행은 총자산 6050억불로 시장점유율은 미국 전체 은행자산 대비 3.9%, 예금은 4.3%를 차지. 하지만 14년 1~9월 당기순이익은 80억 9000만불로 전체 은행 수익의 6.9%를 차지. 그만큼 기존은행 대비 수익성이 높다는 의미. 미국 인터넷 전문은행 순위는 증권사가 모회사인 찰스슈왑 뱅크가 총자산 기준 1위이며, 자동차 회사가 모회사인 앨리뱅크가 2위.
- 일본 인터넷 전문은행의 경우 다양한 산업과 은행과의 협업성공모델로 평가하고 있다. 90년대 후반 금융규제가 완화되면서 2000년 10월 재팬넷을 필두로 인터넷 전문은행이 잇따라 설립되면서 현재 6개의 은행이 있음. 설립 이후 대부분 적자를 냈으나, 05년 소니뱅크가 흑자로 전환되면서 다른 은행들도 흑자를 기록. 14년 3월 기준 인터넷 전문은행들은 총예금 9조 3000억 엔, 총대출 2조 8000억엔을 기록하며 전체 시중은행대비 예금은 1.$%, 대출은 0.5%의 시장점유율을 보임. 설립주체로 시중은행이 거의 없었던 미국가 달리 초기 일본의 인터넷 전문은행은 시중은행과 일반기업의 공동투자로 설립된 경우가 많았다. 재팬넷 뱅크는 통신, 라쿠텐 뱅크는 전자상거래, 지분뱅크는 전력 및 통신업체와의 협업이었다. 업무영역에 대해서는 한쪽으로 특화된 업무에 집중했던 은행들이 자산을 늘려서 성공. SBI넷 뱅크와 소니뱅크는 금융상품 판매 및 주택담보 대출에 집중하고, 라쿠텐 뱅크와 지분뱅크, 재팬넷뱅크는 대출을 거의 다루지 않고 전자상거래, 해외송금, 전자화폐 등 지급결제 업무에 특화.
- 일본과 미국 인터넷 전문은행의 발전속도를 보면 일본이 미국보다 5년 정도 늦게 시작했지만 예금기준 점유율 면에서는 미국 2.8%, 일본 1.4%로 2배 차이가 난다. 이처럼 일본의 발전속도가 더딘 이유는 일본 시중은행 정책에 있다. 미국과 달리 일본 시중은행은 계좌유지 수수료를 받지 않고 예금에 대한 금리도 인터넷 전문은행과 큰 차이가 없기 때문
- 한국의 경우 전자금융업으로 등록하려면 최소 5억 이상의 자본금이 필요하므로 핀테크 스타트업을 시작하는 데 진입장벽이 높음. 중국 최대 쇼핑몰인 알리바바에서 사용하고 있는 핀테크 서비스 알리페이는 미국에서 훨씬 앞서 시작했던 페이팔의 거래금액을 훌쩍 뛰어넘었다. 알리바바 쇼핑몰 가입자의 정보를 활용해 결제를 넘어 대출이나 투자, 보험, 은행을 결합한 서비스로 확대하는 데 별도의 규제장치가 없었기 때문. 한가지 예로 사용하고 남은 알리페이 잔액을 최소 1위안 맡기면 은행이자보다 높은 연 5~6%의 고금리를 제공하는 일종의 머니마켓 펀드인 위어바오 서비스 진출시 유연한 정책으로 사업권을 허용해 1조위안이 넘는 금액을 모을 수 있었다. 또한 기존은행은 대규모 금액이 은행계좌에서 이탈할 것을 이유로 위어바오의 폐지를 요구했으나 중국 중앙은행 인민은행은 위어바오의 철폐는 없다면서 온라인 금융상품의 지원의지를 비쳤다.
- 페북의 메신저 송금 서비스, 직구족의 많은 사랑을 받는 아마존 쇼핑몰, 그리고 대표적 국제송금 및 결제 서비스인 페이팔 등의 서비스에서는 많은 사용자가 자신의 신용카드 정보를 저장해두고 아이디, 비번 입력만으로 간편하게 이용하고 있음. 그런데 이제 국내에서도 내 신용카드 정보를 나와 신용카드 회사가 아닌 제3의 기관이 보유하는 일이 많아 질 것. 금융거래에 대해 누구보다 폐쇄적이던 국내 규제기관이 이례적으로 지급결제를 대행하는 PG사가 신용카드 정보를 저장할 수 있도록 허가해 주었기 때문. 과거에는 온라인 거래에서 입력한 카드정보를 PG사가 카드사에 전달해 승인여부만 확인하고 신용카드사만이 카드정보를 저장할 수 있었다. PG사의 역할은 신용카드, 은행계좌, 휴대전화 결제 등의 결제수단과 가맹점을 연결해주는 것으로 한정되어 있었으나, 이제 신용카드 정보의 저장으로 인해 간편결제 수단을 적극적으로 도입할 수 있는 중심에 서게 됨. PG사는 제휴하고 있는 가맹점을 대상으로 자사의 간편결제 적용이 상대적으로 쉽기 때문에 새로운 간편결제를 도입하려고 하는 어떤한 핀테크 업체보다 유리할 수 있음. 하지만 모든 PG사가 카드정보를 저장할 수 있는 것은 아니며 적격 PG 심사라는 평가를 거쳐 카드정보를 저장할 수 있는 자격을 심사받게 됨. 적격 PG 심사는 국제 브랜드 카드사의 정보보안 표준준수 여부와 부정거래 차단 시스템 적용, 재해시 거래정보를 복구할 수 있는 센터 구축 등 기술력을 먼저 평가받음. 그리고 자기자본과 부채비율 등의 재무적 능력도 평가. 그러나 PG사에 신용카드 정보를 제공하는 것을 각 카드사별로 자율적으로 정하도록 했기 때문에 결제 대행사 내에서도 KG이니시스, LG U+, 한국사이버결제 등 상위권에 해당하는 대형 PG의 선정이 유력해 보임. 간편결제 등 전자상거래 사업을 확장하고 있는 NHN엔터가 한국사이버결제를 인수한 것도 간편결제에서 유리한 위치를 선점하기 위한 가맹점 확보전략과 관련 있는 것으로 예상됨. 간편결제는 처음 1회에 한해 카드정보 등의 정보를 입력하고 이후 사용시에는 비밀번호만으로 간단하게 결제하는 서비스가 주를 이루는데, 이는 기존 신용카드사의 앱카드 형태와 유사해 사용자 입장에서는 큰 변화가 없을 것이라는 의견도 있음.
- 현재 PG사는 52개로 1~3위가 약 80%의 시장을 점유. 각각의 결제 대행사는 케이페이, 페이나우, 페이코라는 별도의 간편결제 서비스를 운영. 각 신용카드사의 간편결제 서비스는 PG사의 계약으로 온라인 쇼핑몰에 제공되고 있으나 PG사가 직접 제공하는 간편결제 서비스는 자사의 가맹점에 직접 계약이 가능하므로 초기사용처를 확보하면 상대적으로 유리. 하지만 다른 PG사에서 계약한 가맹점으로는 적용이 어려울 수 있어 지속적 서비스 확대에 한계가 있을 수 있다.
- 현재 발빠르게 가입자를 늘려가고 있는 카카오페이나 삼성페이, 해외의 페이팔과 알리페이 등의 국내진출을 가정해 볼 때, 다수의 가입자를 확보한 핀테크 사업자의 진입은 현재 갑인 카드사와 을인 전자결제 대행사의 입장을 뒤바꿀수도 있다. 보안사고로 인한 카드사의 손해를 간편결제 사업자가 책임지면 가맹점과 고객을 다수 확보한 대형 핀테크 사업자는 카드사의 입기에서 더욱 자유로워 질 것이다. 또한 카드정보의 직접 저장은 가맹점과 은행, 신용카드사의 중개를 넘어 고객의 결제정보까지 수집할 수 있어 전자결제 대행사의 입지를 한층 더 높일 수 있다. 고객의 결제정보는 단순히 구매이력의 의미를 넘어 구매패턴분석을 위한 기초 데이터가 됨. 일부 카드사는 거래정보를 기반으로 한 고객의 구매제안 서비스인 랠리나 링크를 선보이고 있다. 카드사가 가질 수 있는 정보는 자사 카드 정보에 한정되어 사용자의 소비패턴을 단편적으로밖에 알 수 없으나 여러 신용카드사를 포괄적으로 제공하는 간편결제 제공사는 온전한 개인의 소비패턴을 예측할 가능성이 높음. 카드정보 저장을 허용함에 따라 소지하고 있는 결제수단의 이용행태 분석이 가능해진다는 것은 정교화된 타겟에 적절한 혜택을 제공하는 마케팅을 이용할 수 있을 뿐만 아니라 결제수단을 선택하는 우선순위까지 바꿀 수 있어 그 가치가 더 높아질 것.
- 핀테크 스타트업 8퍼센트는 웹사이트를 플랫폼으로 투자자와 대출신청자를 연결해주는 P2P형태의 대출을 시도하다 대부업 등록을 하지 않았다는 이유로 사이트가 약 1개월 폐쇄됨. 이런 P2P대출 서비스는 개인과 개인을 연결해주는 장을 마련해주는 서비스로, 기존 대부업과 달리 플랫폼을 제공하고 이용수수료를 취득하는 모델이었으나 이 또한 유사수신업으로 취급했다. 원금 보장에 대한 언급이 없어 관련법을 정면으로 위반하지 않더라도 금융당국은 과거 20% 이상 고수익을 미끼로 투자권유를 유도해 자금을 모집한 뒤 약속한 금리 및 원금을 상환하지 않았던 유사수신 형태의 피해사례들을 떠올렸을 것. 반대로 머니옥션, 팝펀딩 등은 국내 규제를 피해 유한회사나 저축은행과 연계해 온라인 대출 형태의 사업을 진행. 또한 KB국민은행 등 국내 기존 금융권에서 스타트업과 협업해 P2P대출 시장 진출을 준비중. 하지만 개인과 개인을 연결해주는 것이 아니라 개인이 기업의 대출을 받을 때 P2P대출 플랫폼을 이용하는 형태가 되어 단어 그대로의 의미는 퇴색된 상태. 개인대 개인간 대출은 이미 미국 핀테크 기업 렌딩클럽으로부터 그 가능성을 인정받음. 렌딩클럽음 인터넷 플랫폼을 이용해 투자가 필요한 사람에게 돈을 모아 대출해주는 P2P방식을 이용. 은행과 P2P대출의 차이점은, 은행은 예금하는 사람과 빌려주는 사람을 각각 거래하는 반면, P2P대출은 직접 연결해 준다는 점. 은행은 예금하는 사람과 은행이 거래하고, 대출하는 사람과 으행이 또 개별거래함. 그러나 P2P대출은 빌려주려는 사람과 빌리고 싶은 사람을 연결해주는 가교역할을 함. P2P대출은 은행에서 갖고 있는 복잡한 심사절차도 간소화할 수 있어 투자비도 적게 들고 오프라인 지점을 열고 운영하는 비용도 들지 않음. 그런 이유로 P2P대출은 은행보다 대출이 간편하고 투자자에게는 고수익을 제공하는 장점. 국내법에서는 P2P대출을 하려면 전자금융업 등록을 해야 함. 핀테크 스타트업은 최소자본이 가장 낮은 대부업으로 등록할 수 밖에 없는 실정. 대부업으로 등로갛게 되면 법이명에 대부가 꼭 들어가야 하는 제안사항이 있어 핀테크 기업이 법인명에 대부를 붙이는 데 부담스러움. 미국에서는 2010년 금융개혁안을 통해 P2P를 새로운 금융사업으로 인정. 투자자가 빌려준 돈을 채권으로 인정해 P2P기업이 빌려준 돈을 갚도록 요구할 수 있는 점도 국내법에서는 개선이 필요.
- 해외에서는 은행이나 카드사 그리고 아마존, 이베이와 같은 쇼핑몰에서도 FDS를 이용. 그런데 국내 금융사가 FDS를 도입하는 데 적극적이지 않았던 이유는 국내의 금융사고에 대한 보상체계 때문이기도 함. 페이팔이나 알리페이 등 해외 금융사들은 사고발생 시 자체 보험 시스템을 통해 선보상하나, 국내의 경우 수사기관에 신고후 내용에 대해 입증된 경우에 한해서만 보상해주고 있어, 금융기관에서 서두를 필요가 없다는 문제점. 또한 해외은행은 이체기간이 1~5일가량 되는 지연이체 제도를 시행하고 있어 FDS를 통해 이체기간 동안 부정거래를 탐지할 시간적 여유가 있으나 국내은 즉시 이체만 이용하므로 이체 시점에 부정거래를 사전탐지하는 방식을 이용할 수 밖에 없음. 전자금융거래법 시행령 개정으로 인해 빠르면 15년 하반기부터 국내에서도 이런 전자자금의 지연이체 제도를 도입해 의심되는 금융거래에 대해서 선택적으로 지연이체를 신청함으로써 금융사기로부터 소비자를 보호할 계획.
- PG사의 경우에도 카드정보를 직접 저장하면서 FDS를 의무적으로 구축해야 함. 페이팔이나 알리페이 등 핀테크 업체의 국내진출을 예상했을 때 FDS의 구축의 신뢰도 면에서 우위를 결정하는 중요 사안이 될 것. 또한 이와 더불어 국내 금융사에서도 직접 이용자에게 일시적으로 해외승인을 허용해주는 셀프 FDS서비스(신한)나, 실시간으로 출금되는 체크카드 특성에 맞춘 FDS 서비스를 선보이는 등 적극적 사례도 늘고 있다.
- 최근 64개 금융기관이 회원사로 있는 OTP위원회에서 금융 IC카드와 NFC를 이용해 OTP를 생성하는 스마트 OTP도입을 최종 의결. 스마트 OTP는 은행에 방문해 금융 IC칩이 있는 카드를 발급받은 뒤 NFC가 지원되는 휴대전화에 앱을 설치하면 사용이 가능. 금융거래를 할 경우에는 앱을 실행하고 발급받은 IC카드를 NFC 스마트폰 뒷면에 접촉하면 1회용 비번이 발급됨. 카드형 OTP발급비용이 1만 5000원인데 비해 스마트 OTP발급비는 3000~5000원 정도로 예상되어 발급비용도 절약가능. 이와 유사한 서비스로 통신사가 제공하는 유심카드 기반의 OTP 서비스도 있음. 유심 OTP는 휴대전화 안에 삽입하는 유심의 보안영역에 OTP발생 프로그램을 내려받으면 이용 가능. 이용방법이 스마트 OTP와 유사하나 거래시마다 카드를 접촉할 필요 없이 앱을 구동하기만 하면 1회용 번호를 발급해줌. 또한 휴대전화 번화와 유심 일련번호가 일치해야 비번이 발급되므로 안전하며, 추후에 전화를 바꾸더라도 유심을 옮겨 이용이 가능하도록 서비스를 확대할 가능성이 높음.
- 영국 등 유럽에서는 OTP기능이 포함된 카드리더기를 이용한 CAP(chip authetification program) 방식의 거래서명인증기술을 도입. CAP인증은 칩 안에 저장된 개인의 고유 정보를 이용해 인증하는 방식. 카드 삽입이 가능한 OTP에 스마트카드를 삽입한 뒤 수취인의 계좌번호와 송금액을 입력하면 1회용 비번이 발생하는 방식. 거래정보를 직접 연동해 비번을 발생하는 인증방법은 보안성이 뛰어나지만 사용자가 거래시마다 여러번 입력절차를 거치는 불편함이 있음. 최근에는 입력절차를 간소화하기 위해 스마트폰으로 QR코드를 촬영한 후 NFC로 스마트카드에 거래정보를 자동입력하는 디스플레이 TAN방식으로 개선하고 있다. 그 외에도 미리 등록해 놓은 전화번호를 선택해 통화한 후 거래 화면에 표기된 인증번호를 입력하는 2채널 방식의 전화인증이나, 거래중인 사이트에서 제공하는 임의의 값을 스마트폰에 입력해 1회용 비번을 생성하는 가상머신 기반의 모바일 OTP 기술 등도 활용되고 있음
- 최근 국내에서는 핀테크의 주요 서비스로 다양한 간편결제 서비스가 선보이고 있다. 간편결제 서비스의 성공포인트는 이름에 포함되 있듯이 간편함. 간편함은 사용자의 입력절차 뿐 아니라 인증방식 또한 간편해야 함. 해외 핀테크 업체들은 이전부터 핀테크 서비스에 간편한 인증방식을 적용하거나 인증절차를 최소화하고 있다. 은행거래나 고액결제시 인증수단으로 이용했던 공인인증서를 핀테크 서비스에서 빨리 걷어내야 하는 이유도 불편함이나 보안성에 한정된 것만은 아니다. 사용자는 핀테크가 간편하고 안전한 금융서비스라는 이미지를 갖고 있다. 즉 간편한 인증수단이 사용자가 핀테크 서비스를 선택하는 수단이 될 것. 인증은 단순히 보안의 의미를 넘어 사용자에게 긍정적 경험을 제공함으로써 핀테크 서비스의 성공을 결정하는 중요 포인트가 될 것.
-  15년 3월 MWC에서도 생체인식은 또 한번 주목을 받았다. 후지쓰는 스마트폰을 바라보는 것만으로도 사용자의 홍채를 즉각 인식해 잠금화면을 해제할 수 있는 홍채인식 프로토타입을 선보임. 후지쓰의 프로토타입 스마트폰은 액티브아이리스 기술을 이용한 델타ID를 사용해 홍채를 인식하는데, 이 기술은 인체에 무해한 LED조명을 눈에 비추어 적외선 카메라로 눈의 이미지를 얻는 방식. 델타 ID는 150ms보다 더 빠른 속도로 사용자 한명을 인식할 수 있음
- ZTE에서는 눈의 고유한 혈관패턴을 인식하는 서비스를 선보임. 이는 아이베리파이사의 아이프린트의 기술을 이용해 눈의 공막에 있는 고유한 혈관패턴을 스캔해 개인을 식별하는 것. 이 기술은 휴대전화 소유자의 사진이나 비디오를 통해 인증과정을 속일 수 없으며, 눈에 알레르기나 충혈에 의한 외적 변화에도 인증과정에 문제가 없음. 이 방식의 장점은 애플의 터치 ID의 지문인식 센서나 델타ID의 적외선 카메라와 같이 별도의 전용부품 엇이 15~30센티 거리에서 스마트폰 화면에 표시되는 내용에 따라 활영하면 됨.
- 퀄컴에서는 초음파 기술에 기반한 3D지문인식 기술을 선보임. 퀄컴이 발표한 3D 지문 인증기술인 센스 ID는 내장칩의 초음파를 이용해 지문 표면에 있는 굴곡까지 인식. 그리고 2D영상을 이용하는 다른 지문인식 방법과 달리 플라스틱, 사파이어 글라스, 스테인레스 등 소재에 상관없이 적용가능하며 땀이나 먼지 같은 이물질에도 인식률이 높은 편
- 금융은 송금, 지급결제, 보험, 자산관리, 투자 외에 새로운 분야가 탄생하기 어려움. 자본시장 현황과 규제상황에 따라 파생상품 정도가 겨우 나올 것이다. 현실적으로 제공가능한 큰 줄기의 새로운 금융분야는 더 이상 없을 것이다. 그래서 금융은 새로운 분야를 개척하는 것보다 기존 서비스를 개선하는 것이 더 나은 발전 방법이라 할 수 있다. 많은 사람들이 핀테크를 주목하는 이유도 금융에서 새로운 가치를 얻을 수 있다고 기대하기 때문. IT를 통해 기존 금융보다 빠르고, 저렴하고, 편리한 무언가를 기대하는 것이다.
- 금융사 입장에서는 IT기업이 주도권을 가져간다는 것이 불안할 수 있음. 하지만 결국 금융 서비스는 금융사의 플랫폼 기반에서 제공되기 때문에 크게 걱정할 필요가 없음. 대표적 금융 서비스인 송금이나 결제만 보더라도 결국 자금을 이체하고, 결제를 승인하는 마지막 단계는 금융사가 담당. 단지 우려되는 것은 고객 접점을 잃을 수 있다는 것. 고객들이 금융사의 홈페이지나 지점을 방문하지 않은 채 핀테크 기업의 채널을 통해 서비스를 이용하기 때문에 고객접점에서의 힘이 약화될 가능성. 하지만 이것을 꼭 단점이라 볼 수는 없다. 반대로 핀테크 기업이라는 접점을 얻는 것으로 생각할 수 있음. LG CNS는 PG업계에서 1,2위를 다투는 KG이니시스나 LG U+에 비해 고객접점이 많이 부족했음. 하지만 다음카카오와 제휴해 카카오페이를 함께 출시하며 고객접점을 순식간에 확대. 특히 인터넷과 모바일에 익숙한 밀레니엄 세대를 공략하기 위한 접점을 확보했다는 점에서 다음카카오와의 동행은 성공적임. 오히려 패러다임의 변화를 읽지 못하면 금융사들은 어려움에 처할 우려도 있음. 카메라산업의 독보적 기업이었던 코닥은 디지털 시대로의 변화를 부정하다 결국 파산. 금융에서의 핀테크도 마찬가지임. 금융사가 먼저 손을 내밀지 않으면 오히려 주도권을 뺏길수도 있음. 케냐의 송금서비스인 엠페사와 중국 알리페이는 결국 금융사가 IT기업에 주도권을 뺏긴 결과.
- 사업기에겐 트렌드 자체보다 트렌드의 본질을 보는 안목이 중요. 트렌드의 본질을 파악함으로써 새로운 사업기회를 찾을 수 있기 때문. 핀테크의 본질은 고비용의 금융수수료 구조를 파괴하려는 IT기업들의 금융에 대한 쿠데타라 할 수 있음. 그동안 정부가 만든 법의 테두리 안에서 수수료와 이자를 손쉽게 얻는 금융시장 구조를 근본적으로 무너뜨리는 것이다. 반면 IT기업 입장에서는 이미 비용이 투입된 플랫폼에 금융메뉴 하나를 더 추가하는 것으로 해석될 수도 있음. 핀테크는 기존 금융의 복잡한 중간단계를 최소화해 고객에게 낮은 비용으로 거래할 수 있게 해주었다. 핀테크 전에도 금융권에서는 계속 자체적으로 거래비용을 줄이려는 시도가 있었다. 다이렉트 뱅킹, 다이렉트 보험, 펀드 슈퍼마켓이 대표적.

 

- 핀테크 벤처기업의 10개 범주
(1) 대출 : 기업이나 소비자가 대출을 받는 새로운 방법. 개인간 대출, 빅데이터를 활용한 중소기업에 대한 대출심사(underwriting), 매출채권 담보대출, 신용기반 소셜 대출, 신용평가 및 확인 서비스 등
(2) 지급결제 : 온라인 또는 오프라인상의 새로운 지급결제 방법, POS 동글, API연동, 신용카드 에뮬레이션, 소셜 지급결제 및 모바일 지급결제 등
(3) 개인 자산관리 : 소비자가 자신의 개인자산 및 금융을 관리하는 새로운 방법. 소비지출을 관리하고 부채를 상환하고 돈을 절약하도록 도와주는 도구. 잘못된 신용카드 대금청구를 알려주거나 신용카드 리워드 포인트를 최적화해주고 보험상품을 비교해주는 도구 등
(4) 개인투자 : 소비자가 투자하는 새로운 방법, 테마별 투자, 투자전문지식 크라우드 소싱, 알고리즘 기반 투자자문, 소셜 투자 네트워크 등
(5) 송금 : 간편하고 수수료가 저렴한 해외송금, 현금 또는 기프트카드 형태의 송금 등
(6) 주식발행을 통한 자본조달 : 비상장 기업이 주식을 발행하여 자본을 조달하고너 투자자들이 비상장 주식에 참여할 수 있는 새로운 방법. 크라우드 소싱 플랫폼과 주식유통시장 등
(7) 기관투자 : 자산 매니저, 헤지턴드 매니저와 전문 트레이더들이 포트폴리오를 관리하고 수익을 최적화할 수 있는 새로운 방법. 주가 민감도 분석, 대체투자 플랫폼 및 알고리즘 트레이딩 도구 등
(8) 소비자 뱅킹 : 소비자들이 은행 서비스를 이용하는 새로운 방법. 인터넷 전용 서비스 및 가상 신용카드 등
(9) 뱅킹 인프라 : 금융기관의 운영을 개선시키는 솔루션. API를 이용한 은행 서비스 연계, 무상표 모바일 솔루션 및 빅데이터 솔루션 등
(10) 시장조사 및 데이터 서비스 : 투자자들의 투자의사결정을 도와주는 정보 서비스, 뉴스, 시장조사 및 원천 데이터 제공 등
- 모벤은 여타의 은행들과 마찬가지로 입출금 계좌 개설, 직불카드 발급 및 결제, 계좌이체/송금, 개인 자산관리 등의 은행서비스를 제공. 다른 은행들과의 차이점은 계좌를 개설하거나 직불카드를 발급받기 위해 은행지점을 방문할 필요가 없다는 것. 애플 앱스토어나 구글 플레이에서 모벤앱을 다운받고 서비스에 가입하면 됨. 모든 은행업무를 스마트폰앱에서 처리가능. 물론 미국 전역 4만 2천여개 제휴 ATM 네트워크에서 수수료 없이 현금을 입출금할 수 있고 모벤 계좌의 예금에 대해서는 연방예금보험공사에 의해 25만불까지 보호받음. 기존 은행 서비스에 비해 소비자 입장에서 더 유리하고 편리. 모벤은 입출금과 당좌계좌를 유지하기 위한 수수료가 없다. 다른 사람에게 송금할 때 받는 사람의 은행계좌를 몰라도 페북계정이나 이메일, 핸드폰 문자메시지로 송금가능. 또한 신용카드나 직불카드의 결제내역에 대해 예산대비 지출을 분석하고 과다한 지출항목에 대해서는 실시간 경고를 보냄
- 1차 핀테크 전쟁영역 : 모바일 결제. 거래처리 영역으로 지급결제, 이체, 입출금, 직불카드, 공과금, 외환
- 2차 핀테크 전쟁영역
(1) 금융상품 판매 : 예금, 신탁, 보험, 연금, 파생결합증권
(2) 트레이딩 중개 : 주식, 증권, 파생상품
(3) 자금, 자산관리 서비스 : 기업자금 관리, 가상계좌, 개인자산 관리
(4) 여신 : 대출, 신용카드, 리스/할부, 무역금융
(5) 유가증권 발행 및 인수주선
- 월마트는 온라인/모바일 커머스의 공세로 매장 방문고객이 감소하자 월마트 고객에게 모바일로 손쉽게 계좌입금과 이체, 직불결제를 할 수 있는 고뱅크 서비스를 시작. 월마크가 고객기반을 유지하고 확장하려는 노력의 일환. 고뱅크는 잔고초과 수수료를 없애고 계좌유지 수수료를 대폭 낮춘 모바일 뱅킹 계좌를 서비스. 고뱅킹의 계좌유지 수수료는 월 8.5불로 평균 35불인 다른 은행과 비교했을 때 매우 저렴. 일정 금액의 최저잔고 유지조건도 없고, 계좌잔고를 500불 이상 유지하면 계좌유지 수수료가 무료. 고뱅킹 체크계좌는 미국 전역 4천 3백개 월마트 머니센터에서 개설할 수 있음. 우선 2.95불을 내고 고뱅크 스타터 키트인 직불카드를 발급받은 후 고뱅크 웹사이트나 모바일 앱에서 등록해야 함. 고뱅크는 월마트 머니센터 이외에 별도의 지점을 운영하지 않는대신 월마트 매장을 포함한 미국 전역 4만2천개의 ATM네트워크를 제공. 고뱅크 ATM에서 입출금하는 건에 대해서는 수수료가 없고, 고뱅크 계좌에 현금을 입금할 때는 ATM을 이용하거나 월마트 머니센터의 카드 단말기에서 직불카드를 사용한다. 월마트 계산원에게 현금을 주고 계좌에 입금가능.
- 잭 도시는 13년 가을 "스퀘어는 결제기업이 아니라 전자상거래 기업으로 자리잡는 것이 최종비전"이라고 했다. 스퀘어는 관련 솔루션과 서비스를 개발하고 인수하면서 소상공인을 위하 복합 판매 플랫폼으로 변화하는 것을 지향. 스퀘어가 제공하는 소상공인을 위한 솔루션은 다음과 같다. POS를 통해 처리된 실시간 판매 및 재고상황, 결제내역, 회계 및 세무정보 등은 인터넷 사이트에서 대시보드를 통해 종합적으로 확인가능. 스퀘어는 POS기반의 판매관리 솔루션 외에도 온라인 쇼핑몰 플랫폼인 스퀘어 사이트와 사전주문 및 배달 솔루션이 스퀘어 픽업을 제공. 스퀘어 픽업을 통해 고객이 주문하면 매장의 POS 시스템으로 정보가 전송되어 결제 및 상품제공이 이루어짐. 스퀘어는 소상공인들이 보다 전문적으로 기업을 경영하는 것을 지원하기 위해 스퀘어 자체 솔루션 뿐만 아니라 회계, 세무, 재고관리, 판매분석 등 여러분야의 독립적 유명 비즈니스 어플리케이션과 원활하게 통합될 수 있도록 지원하고 있음. 또한 기업에서 스퀘어 솔루션을 이용하여 자체 시스템을 구축할 수 있는 스퀘어 커넥트 API를 제공. 스퀘어는 13년 수익 창출 및 새로운 시장진입을 위해 일반 소비자를 위한 모바일 월렛인 스퀘어 월렛과 이메일을 통한 편리한 무료 이체 서비스인 스퀘어 캐시를 출시. 이후 스퀘어 월렛은 소비자용 선주문 서비스인 스퀘어 오더로 바뀌었는데, 스퀘어 오더는 소비자가 등록된 테이크아웃 음식점이나 커피 전문점에 사전주문 및 결제한 후 제품을 바로 가져올 수 있도록 한 서비스. 스타벅스의 사이렌 오더가 이 스퀘어오더에 기반한 서비스임. 스퀘어 캐시도 최근까지 유사 모바일 결제앱인 벤모에게 밀리고 있긴 하지만 꾸준히 사용자 증가세. 14년 이후 스퀘어는 기존 모바일 결제시장과 신규배달시장, 그리고 소상공인을 위한 복합판매 플랫폼을 완성하기 위해 P2P송금 서비스 업체인 이븐리와 소상공인을 위한 온라인 예약서비스인 북프레시를 인수. 스퀘어는 음식배달시장에 진입하기 위해 기존의 스퀘어 오더 외에도 배달하지 않던 프리미엄 레스토랑의 음식을 배달해주는 스퀘어 캐비어 서비스를 통해 타겟 고객의 소비자와 소상공인 고개기반을 확대중. 스퀘어 캐비어는 현재 5만여명의 레스토랑 고객에게 음식주문 배달 서비스를 제공하고 9.99달러의 고정 수수료를 받음. 최근에는 레스토랑 산업외에 유니클로 등 의류쇼핑 부문에서 새로운 기회를 만들고 있으며, 비콘 기술을 통한 비즈니스 기회도 테스트하고 있음.
- 온라인 커머스 결제 개발자를 위한 플랫폼 스트라이프. 스트라이프는 11년 패트릭 콜리슨과 존 콜리슨 형제가 창업한 온라인 결제 서비스 업체로 온라인 결제 개발자를 위한 플랫폼을 런칭. 스트라이프는 페이팔을 비롯한 다른 온라인 결제 서비스 업체들과 경쟁중이거나 타 업체들이 새로운 기술이나 사용자 인터랙션을 적용하는 데 소홀했기 때문에 기존의 방식을 개선한 혁신적 결제 시스템을 개발하고자 노력. 마침내 11년 스트라이프는 개발자에게 친숙한 온라인 결제 시스템을 개발해 웹사이트 소유자가 신용카드 가맹점의 은행계좌와 은행거래 과정 없이도 안전하게 결제받을 수 있는 환경을 구축. 스트라이프 플랫폼의 간결한 서비스와 디자인은 개발자들에게 좋은 반응을 얻었고 순식간에 퍼져나갔다. 스트라이프는 서비스 품질과 인지도 면에서도 좋은 평가를 얻고 있음. 스트라이프는 모든 개발환경에서 개발자들이 사용할 수 있는 결제 API를 제공. 온라인 쇼핑몰 개발자는 구매자로부터 결제할 금액과 통화종류, 카드번호, 유효기간, CVC값만 받아 스트라이프 API에 넘겨주면 된다. 아마존이 아마존 웹서버를 개발해 호스팅 플랫폼으로 구축한 뒤 웹사이트 운영방식을 바꾼 것처럼 스트라이프 또한 웹과 모바일 결제 서비스에 관련된 모든 기반환경을 제작해 혁신적 결제 시스템을 제공하려는 것이다. 스트라이프와 결제서비스 API를 모바일과 체크아웃, 사기거래 방지 서비스 등에 확대 적용함으로써 서비스의 영역을 넓히고 있다. 스트라이프는 전 세계 139개 통화를 지원하고 은행간 계좌이체, 비트코인, 알리페이, 애플페이까지도 지원하고 있어 글로벌 커머스 기업에게 큰 인기를 얻고 있다. 스트라이프는 14년 9월 애플이 출시한 애플페이의 기술 파트너로 참여했고, 아직 베타테스트중이기는 하나 페이스북과 트위터의 온라인 쇼핑 결제 파트너로 선정되기도 했다. 향후 페북과 트위터의 타임라인에 등장할 구매버튼의 결제부분을 담당할 예정
- 알리바바와 알리페이 고객이 결제후 남는 돈을 머니마켓 펀드에 투자할 수 있도록 위어바오라는 인터넷 금융 상품을 출시. 연 6% 이상의 이자를 받을 수 있는 상품으로, 출시 이후 14년 1월까지 위어바오 사용자수는 4천9백만명으로 증가. 거기에서 유입되는 자금만 해도 총 44조 7천억 이상. 중국 소비자들이 해외로 많이 나가게 되면서 알리페이의 해외진출 역시 가속화되고 있음. 해외 온라인 쇼핑 사이트는 중국인들을 위해 알리페이 결제를 허용하게 되었고, 알리페이의 해외진출은 자연스레 해외 기업과의 제휴, 혹은 직접 진출을 통해 글로벌하게 확대됨. 알리바바는 중국 내 개인 소비자와 소기업을 대상으로 결제, 대출, 보험 등의 금융 서비스를 제공하고 빅데이터를 활용한 신금융 생태계를 만들려고 구상중. 14년 10월 알리바바 개미금융 서비스 그룹을 설립하고, '플랫폼+금융+데이터' 전략을 실행에 옮겼는데, 개미금융은 금융지주회사로 알리페이 등 알리바바의 금융관련 자회사와 사업부를 비롯해 위어바오의 금융상품, 그리고 15년 3월 설립되는 인터넷 전문은행 저장왕상은행까지 총괄하게 될 예정
- 11년 3월 미국에서 창업한 렌도는 페북이나 트위터 등 소셜 네트워크 서비스 아이디가 있는 사람에게 소액대출해주는 기업으로, 기존 금융권에서 볼 수 없었던 신개념 서비스를 도입. 렌도는 콜롬비아와 필리핀 외에도 서비스 대상지역을 멕시코 등으로 확산하고 있다. 렌도의 주요 고객층은 개도국 중산층인데, 이들이 소셜 네트워크를 기반으로 대출을 받을 수 있도록 한 최초의 온라인 플랫폼이다. 공동체 기반의 마이크로파이낸스 기술과 소셜 미디어 데이터를 합쳐 그동안 뱅킹 서비스를 받기 힘들었던 개도국 중산층에게 대출 서비스를 제공. 인터넷판 그라민 은행인 셈. 렌도에서 대출받기 위해서는 담보대신 렌도점수가 있어야 함. 렌도점수는 페북, 링크드인, 트위터 그리고 야후 등의 SNS에서 믿을만한 친구들이 많을수록 높아짐. SNS의 친구들이 대출에 도움을 주면서 제때 돈을 갚는지도 확인. 만일 맺어진 친구가 돈을 갚지 못하면 다른 친구의 렌도점수도 깎임. 반대로 제때 상환하면 렌도점수가 함께 높아짐. 즉 공동체적 보증과 온라인 행동에 대한 신뢰지수 기반으로 대출 가능성을 판단하는 것. 렌도의 인맥대출 서비스는 연 1.99%의 이자를 적용하고 있고 현재까지 95%의 상환율을 기록. 물론 연체를 막기 위해 대출금이 당사자의 월급을 넘을 수 없으며 대출목적도 교육비와 의료비 사용 등으로 제한
- 07년 설립되어 최근 기업공개를 통해 2억불 조달에 성공한 미국 온덱은 포브스가 14년 12월 선정한 15년 가장 기대되는 핀테크 스타트업 15개 기업중 하나로, 모바일을 통해 소상공인을 대상으로 대출사업을 전개함. 기존 은행이 대출결정에 상당히 오랜 시간이 걸리는 데 비해 온덱에서는 하루 안에 대출 처리를 해줌. 신용평가를 할 때는 개인의 신용거래 내역 및 은행거래만 보는 것이 아니라 자산을 평가하는 종합적 방법을 사용. 기존 방법보다 더 효율적으로 접근하는 장점이 있어 소상공인 대출자들이 온덱으로 모려들고 있다. 온덱의 특징은 복잡한 가입절차나 금융정보 입력과정을 생략하거나 간소화했다는 것. 사용자 접근성을 높이고 자체 개발한 알고리즘을 이용해 대출을 원하는 신청자의 SNS평편과 사고횟수, 금융기관 거래내용, 현금흐름 등 여러 신용과 관련된 정보를 모아서 평가한 후 10분내 신청자의 신용등급에 맞는 이자율을 책정. 검증된 회원인 경우 대출신청서를 제출하면 그 다음날 바로 대출자금을 입금해줌. 대출금액은 5천~2만불이며 최근 7백개 산업의 수만개 소상공 사업자에게 15억불을 대출해 주었다.
- 심플은 여러 면에서 변화를 만들어가는 혁신적 은행이다. 회사의 모토는 '고객의 편의를 최우선으로'임. 고객에게 초점을 맞춘 혁신에 주안점을 두고 있다. 100% 인터넷 전문은행으로 지점이 없고 모든 거래는 스마트폰이나 태블릿, 또는 인터넷으로 할 수 있음. 은행의 금융거래를 완벽하게 구현하기 위해 연방예금보험공사의 보험적용을 받는 뱅콤은행과 연계해 금융거래를 하고 있음. 현금 입출금을 위해 미국내 ATM거래망 중 하나인 올포인트사와 파트너십을 맺어 고객들이 별도 수수료 없이 미국내 ATM을 이용하도록 함. 특이한 점이 있다면 심플은 기존은행이 추구해왔던 각종 수수료 수입에만 의존하는 않는다는 점. 즉 미국 은행 대부분이 채택하고 있는 계좌별 최저유지금액에 제한이 없으며, 계좌개설 수수료, 월별 계좌유지 수수료, 부도수표 처리 수수료, 은행간 계좌이체 수수료도 없다. ATM이용에 따른 수수료도 없다. 대신 심플은 고객계좌에서 발생하는 이자를 파트너 은행인 뱅콥과 나누고 고객이 직불카드를 사용할 때 발생하는 서비스 수수료를 올포인트사와 분배하는 것으로 이익을 창출하고 있음. 일반은행과 심플의 차이는 고객의 소비패턴을 분석한 후 빅데이터를 활용해 개인의 예산 및 지출관리를 위한 개인 맞춤화 서비스를 지원하는 것. 개인의 예산관리목표를 달성하기 위해 정해진 기간마다 자동으로 일정금액이 저축되고, 목표에 다라 현재 잔고가 시뮬레이션 되며 목표에 대한 성과를 보여주면서 소비자에게 지속해서 동기를 부여. 심플은 지출관리를 위해 개인의 이야기를 추가했는데, 개인이 활동적으로 참여한 음식점 평가, 사진, 누구와 함께 지출했는지 등을 기록할 수 있도록 하고 자신만의 특별한 단어나 해시태그를 이용해서 지출 체계화 및 거래내역을 검색할 수 있게 했음. 이런 개인화된 예산 및 지출관리를 통해 소비자는 과거음식, 교통, 엔터 등 각 카테고리별로 사용한 이력을 분석하고 미래 목표를 세워 예산/지출을 준비할 수 있음. 심플이 주목받은 것은 스페인 BBVA은행에 14년 1억 1700만불에 인수되면서부터임. BBVA은행은 온라인 은행인 심플을 인수하면서 미국진출의 교두보를 확보함과 동시에 빅데이터 기반기술의 지급결제 기술을 보유하게 되어 전세계적으로 디지털 금융에서 선도적 은행으로 이미지를 확보할 수 있게 되었다.
- 민트닷컴은 06년 미국에서 출시된 개인용 자산관리 시스템으로 08년 3월 20만명, 09년 9월 150만명, 그리고 14년 1천만명이상의 사용자를 확보. 09년 11월 회계 및 소프트웨어 전문기업인 인튜이트가 1억 7000만불에 인수. 민트닷컴의 서비스는 은행계좌의 입출금 관리와 신용카드 사용내역, 대출계좌, 증권계좌 정보 등 개인의 모든 자산을 통합해 관리하는 원스톱 자산관리 플랫폼이다. 페이팔을 민트닷컴과 연결할 수 있으며, 미국내 대다수의 금융거래 관련기관도 연결되어 있어서 민트닷컴 서비스만 이용하면 개인자산 현황을 한눈에 파악할 수 있다. 개인 소비와 지출항목은 카테고리별로 분류해서 사용자의 월별 사용평균을 미국 전체 사용자의 평균과 비교해 제시한다. 따라서 사용자는 본인의 지출패턴을 스스로 확인할 수 있다. 민트닷컴은 은행이나 신용카드회사로 부터 받은 거래내역을 분석해 교통, 주유, 식료품, 쇼핑, 식배 등으로 나누어 얼마나 지출했는지 표시해주고, 미래의 예산관리를 할 수 있도록 각 분야에서 얼마를 쓸 것인지를 분석한 결과를 알려줌. 그외 집주소를 입력하면 집의 현재가치가 자동으로 반영되어 집값의 변동을 전체 자산 포트폴리오에서 확인가능하며, 차, 그림, 골동품 등 자산 중 가치있는 것을 모두 입력한 후 한곳에서 관리가능. 통합 자산관리 플랫폼 제공시 문제가 될 수 있는 보안관련해서는 사용자가 입력하고 조회하는 모든 금융기관/금융내역의 정보가 민트닷컴에 저장되지 않고 각 금융기관이 제공하는 보안수단을 이용하므로 안전. 각 금융회사 자체 보안 시스템을 통해 민트닷컴이 연결되므로 소비자가 각 금융기관에서 사용하는 아이디, 비번 등의 개인정보를 취합하지 않으면서도 금융기관에 저장된 금융정보를 안전하게 연결가능. 
- 이미 페이팔, 스퀘어, 스트라이프, 알리페이, 텐페이 등 전문기업들이 10여년 전부터 개척하고 만들어온 또 지금도 새로운 경쟁기업드링 속속 진입하면서 치열한 경쟁을 벌이고 있는 모바일 지급결제 시장에 거대 IT기업이 진입하는 이유는 무얼까? 모바일 결제 금액이 8백조원이라고 해도 그중 결제 사업자들이 가져갈 수 있는 수수료는 최대 5조원에 불과. 글로벌 IT강자드링 모바일 결제 시장에 적극적으로 참여하고 있지만 결제사업에서의 수익창출을 최우선으로 추구하고 있지는 않다. 수수료보다는 결제 서비스를 통해 주력사업의 제품이나 서비스의 가치를 차별화하기 위한 목적이 더 크다. 애플은 애플페이를 통해 모바일 기기의 판매를 확대하고, 기존고객을 강하게 묶어두면서 웨어러블 기기와 같은 신규시장 선점을 도모 가능. 아마존은 아마존 페이먼트를 통해 O2O시장에서 아마존의 입지를 넓히려는 것으로 보이며, 구글은 구글 월렛을 통해 개인별 구매정보를 확보하고 이를 기반으로 맞춤형 광고 서비스를 제공해 더 큰 수익을 올리려는 모습이다.
- 유통사업과는 달리 은행에서의 멀티채널 문제는 여러 채널에서 고객경험이 단절된다는 것. 그러므로 은행에서의 옴니채널 전략은 새로이 온라인 채널이나 오프라인 채널로 확장하는 문제가 아니라 이미 존재하는 여러 채널을 고객드링 단일한 브랜드로 경험하도록 만드는 문제임. 즉 어떤 채널을 통해서든 고객이 원하는 시간과 장소에서 고객이 원하는 방식으로 은행의 상품과 서비스를 이용할 수 있도록 하고 이를 통해 고객의 일상생활과 긴밀하게 연계된 은행이 되도록 하는 것. 은행이 옴니채널 전략을 실행하는 방식은 타겟 고객/시장의 특성이나 기존 채널 자산에 따라 다양한 모습이 될 것임. 
- 지점중심 멀티 채널 통합사례 : BNP파리바 은행, 인터넷 뱅킹을 강화하는 한편, 기존 지점들을 대상 고객에게 맞게 다양하게 특화해 온라인 채널과 오프라인 채널 각각의 장점을 최대한 활용
* 홈페이지와 컨택 센터를 활용한 신규고객 유치
* 바쁘고 젊은 부유층 대상으로는 셀프 서비스 기반 인터넷 금융 서비스
* 젊은 층과 인터넷 금융 이용자를 위한 소규모 지점 운영
* 오프라인 고객대상으로 콘셉 스토어 파리 오페라 지점을 운영하면서 고객과의 관계를 재창조하고 신기술을 실험적으로 활용하는 한편, 혁신은행으로서의 이미지를 형성하기 위해 노력
- 디지털 중심의 멀티채널 통합 전략 사례 : 액티보 뱅크, 포르투갈 액티보 뱅크는 고객이 은행에 쉽게 접근하고 상호작용할 수 있도록 만드는 것이 중요하다고 여기고, 웹사이트와 소셜미디어상에서 높은 인지도를 갖투고 고객이 편리하게 은행 서비스를 이용할 수 있도록 노력.
* 프로세스, 상품/서비스 등 은행의 모든 오퍼링을 고객의 일상생활과 마찬가지로 단순하게 만든다는 원칙
* 주요 거래는 인터넷과 모바일 채널에서 제공하며, 상품의 98%가 온라인 거래 가능
* 지점은 리스본 등 고객이 많은 14개 지역에만 일반 소매 유통점 같은 지점을 최소한 운영
* 지점망 부족에 대응하여 릴레이션 매니저가 원격상담을 제공하고, 부유층 고객 전담 릴레이션 매니저도 배치
- 모바일 우선 전략 사례 : 모벤, 미국 모벤은 뱅크 2.0과 뱅크 3.0의 저자 브랫 킹이 설립한 기업으로, 은행이 아니라 혁신적 금융 서비스 앱을 지향하며 실제 은행과 유사한 금융 서비스도 제공
* 현금과 카드 없이도 스마트폰만으로 모든 거래를 할 수 있는 은행 서비스
* 일반 은행의 입출금 계좌와 달리 계좌 유지 수수료 없음
* 앱에 내장된 직불카드로 결제하고, SNS, 이메일 또는 문자메시지로 타인에게 송금
* 현명한 소비를 할 수 있도록 도와주는 개인자산관리 서비스 제공(모벤 머니 펄스)
- 향후 진화된 개인자산 관리 서비스 또는 도구가 제공될 것으로 예상되는 주요 기능
* 재무설계 및 투자의사결정 지원 : 소비자의 생애주기 또는 생활패넡과 미래 재무목표에 따라 현재의 자산/부채 상황을 분석하고 자산/부채 구조 조정과 같은 새로운 투자에 대한 가이드 제공
* 예산 및 현금관리 : 기간별 수입/지출 계획을 세우고 실제 수입/지출 결과와 비교. 미래 현금흐름을 예측하여 현금 과부족에 대해 미리 대비할 수 있도록 사전에 정보 제공
* 소비/지출 패턴 분석 : 예산대비 항목별 소비/지출 패턴을 분석하고 비교집단과 견주어 소비자가 합리적 소비를 할 수 있도록 도움
* 자산/부채 및 예산/지출에 대한 대시보드 : 소비자가 자신의 재무상황과 예산/지출 현황을 한눈에 파악할 수 있도록 대시보드 형태의 리포트 제공
- 컨텍스츄얼 뱅킹이 되어야 하는 이유. 우선 소비자는 골치 아프코 성가신 금융 문제를 일일이 말하지 않아도 누군가가 알아서 해결해주기를 원함. 즉,소비자가 일부러 말하지 않은 상황을 은행이 먼저 이해하고 그에 필요한 금융해결책을 제시해주기를 바라는 것. 두번째 이유는 은행입장에서 볼 때 소비자의 실제 생활과 그 맥락을 포착함으로써 소비자에 대해 더 정확히 이해할 수 있고, 거기에서 새로운 수익창출의 기회가 생겨날 수 있기 때문. 많은 기업이 소비자의 진정한 니즈를 파악하기 위해 페북이나 트위터와 같은 소셜 네트워크상의 대화나 감정, 사회적 관계 등을 빅데이터로 분석하고자 하는 이유와 동일한 것.
- 컨텍스추얼 뱅킹 사례
* 고객이 상점이나 식당에 있으면 위치정보를 이용해 이를 인지하고, 최적의 결제방법과 프로모션 또는 할인 추천
* 지인과 소셜 미디어로 대화를 하다 송금이 필요하면 따로 뱅킹앱을 실행시키지 않고 소셜 미디어 내에서 상대방의 계정으로 송금
* 송금이나 대금결제가 예정된 시점에 고객이 이를 스마트폰이나 웨어러블 기기에서 바로 실행할 수 있도록 앱을 실행시키거나 일정시점에서 발생할 수 있는 계좌잔고 부족을 미리 알리고 이를 피할 수 있는 방법 제시
* 주택이나 자동차를 구입하려고 직접 방문할 때, 현재 시세와 고객의 신용등급 및 재무상태에 따라 받을 수 있는 대출가능금액 및 매월 상환금액 안내
* 자녀가 대학에 진학하면 학부모의 재무상태를 진단하여 필요시 자녀의 학자금을 가장 유리한 조건으로 대출 받을 수 있는 방법 제시
* 고객이 런던의 히드로 공항에 도착해 소셜 미디어로 지인들에게 런던으로 여행을 왔다는 소식을 알리며 고객의 스마트폰으로 네트워크 은행의 파운드화 환율 및 환전 수수료, 가까운 ATM위치 안내
* 고객의 재무건강 상태와 소비습관을 지속해서 진단하고, 일정금액을 저축하도록 하거나 특정 항목의 지출을 줄이도록 가이드
* 고객의 투자 포트폴리오에 영향을 줄 수 있는 뉴스와 함께 고객의 투자 성향에 따라 기존 포트폴리오를 조정하는 방법과 적정상품 안내
- 컨텍스추얼 뱅킹을 실행하려면 은행은 두가지 기본 역량을 갖추어야 함. 첫번째는 고객이 있는 모든 시간과 공간에서 고객과 함께 존재하면서 고객의 행동과 상황을 인지하는 것. 인터넷이나 모바일 기기를 통해서뿐만 아니라 소셜 미디어상에서 고객에게 서비스할 수 있는 능력도 매우 중요해짐. 소셜미디어가 고객이 온라인에서 보내는 시간 중 점점 더 많은 비중을 차지하고 있기 때문. 두번째는 고객 데이터 분석을 통해 고객을 충분히 이해하고, 고객이 요청하기에 앞서 먼저 고객의 니즈를 예측해야 함. 또한 고객 데이터를 고객 개인별로 맞춤화해 제공하는 것도 필요함. 단, 고객이 인터넷에서 무엇을 검색하는지, 고객이 지금 어디에 있는지 등의 고객 데이터를 획득하려면 은행은 반드시 고객 동의를 받아야 함

- 이 책은 나심 니콜라스 탈렙이 쓴 책에 대한 좋은 반론이라 할 수 있음. 블랙스완을 비롯한 그의 책들은 복합적인 사건들이 임의성과 본질적인 예측불가능성을 갖기 때문에 그것을 예측하고자 하는 노력은 필연적으로 실현 불가능하다고 주장. 물론 일부 사건들은 분명히 예측의 범위 밖에 존재하는 블랙스완과 같다는 점에서 탈렙이 옳다. 그러나 대부분의 인간행위는 상당히 규칙적이고 예측가능하다. 시겔이 제공한 많은 성공적 예측사례들은 대부분의 백조가 하얗다는 것을 우리에게 상기시켜준다. 시겔은 또한 빅데이터 유행의 감언이설에 넘어가지 않는다. 물론 그가 언급한 사례들 중 일부는 전통적 관계형 데이터베이스로 관리하기에는 너무 크거나 비정형적인 빅데이터의 범주에 속할 수 있다. 그러나 예측분석의 핵심은 당신이 다루는 데이터의 상대적 크기나 비규칙성이 아니라 당신이 그것으로 무엇을 하고자 하는가에 있다.
- 예측분석은 컴퓨터 과학과 통계학에 근거를 두고 있으며, 각종 학술대회나 대학에서는 독립된 학문으로 대두되고 있다. 한편으로 예측분석은 과학의 한 분야를 넘어서서 현실 속에서 강력한 영향력을 행사하는 하나의 흐름이 되고 있다. 예측분석은 전망과는 완전히 다르다. 전망은 거시적 차원에서 집합적 예측을 한다. 경제가 어떻게 될 것인가? 어느 대통령 후보가 오하이오에서 더 많은 표를 얻을 것인가? 네브라스카 주에서 다음달에 아이스크림이 얼마나 팔릴지에 대한 합계숫자를 추산하는 것이 전망이라면, 네브라스카 주민들 중 어떤 개인이 손에 아이스크림을 들고 있게 될 가능성이 가장 높은가를 말해주는 것은 예측분석이다. 의사결정을 데이터에 근거하여 내리며 한사람의 직관에 덜 의존하는 추세가 늘어나고 있는데, 예츠분석은 이러한 추세를 선도하고 있다. 이와 같은 사실 중심의 영역에 들어서면 데이터분석, 빅데이터, 비즈니스 인텔리전스, 데이터 과학 같은 유행어들이 당신을 당황스럽게 할 것이다. 예측분석은 이런 단어들을 통칭하는 말이기도 하다.
- 오라일리 출판사 부회장 마이크 루카이즈가 언젠가 말했듯이 "데이터 과학은 포르노와 같다. 당신은 그것을 봐야지 그것이 무엇인지 알 수 있다." 또 다른 용어인 데이터 마이닝은 종종 예측분석의 동의어로 사용되지만 데이터를 이런저런 방식으로 파고든다는 은유적 표현으로 묘사하므로 대체로 더 폭넓은 의미로 사용됨
- 사람들은 만병통치약을 찾는다. 사람들은 모두를 치료할 수 있는 딱 하나의 비방을 찾는다. 19세기부터 20세기 대부분에 이르기까지 모든 과학은 보편적인 것에 집착. 심리학자, 의학자, 경제학자들은 우리 모두의 행동을 결정하는 규칙을 찾아내는 데 관심이 있었다. 그런데 이제는 상황이 바뀌었다. 지난 10년 내지 15년 동안 과학분야에서 일어난 위대한 혁명은 보편성의 추구로부터 다양성의 이해로 옮겨간 것이다. 이제 의학분야에서 우리는 단지 암이 어떻게 발생하는지에 대해서 아는 것을 원치 않음. 우리는 당신의 암과 내 암이 어떻게 다른지 알고 싶어함. 의료 이슈에서부터 소비자 선호에 이르기까지 이제 개인화는 보편성을 이기고 있고, 광고에서도 마찬가지다
- 언젠가 때가 되면 거래에 관한 정보는 거래 자체보다 더 중요해질 것이다. (월터 리스턴, 시티그룹 전 회장)
- 한 기업이 알게 된 내용이 중요한 것이 아니라 그것과 관련하여 어떤 행위를 하는가가 중요. 새롭고 강력한 데이터로부터 추론하는 것은 그 자체로는 범죄가 아니지만 책임성이라는 부담을 지게 만듬. 타깃 쇼핑몰은 임신 예측을 누구에게도 발설하지 않으면서 그것으로부터 어떻게 이득을 볼 수 있는지를 알고 있다. 하지만 어떤 마케팅부서든 뜻밖에 비슷한 의학적 데이터를 얻게 된다면 반드시 책임감을 갖고 프라이버시를 보호하는 한편 이러한 데이터가 보관되어 있는 부서나 시설에 대한 보안을 강화해야 한다는 것을 깨달아야 한다. 당신이 만들었으니 당신이 관리하라! 예측분석은 한창 번성하고 있는 중요한 과학이다. 당신의 미래행위를 예언하고 당신의 의도를 드러내주므로 그것은 매우 강력한 도구인 동시에 오용될 수 있는 심각한 가능성도 가짐. 그것은 지극히 조스레 다루어져야 함. 이 세상에서 예측분석이 자리매김할 지위에 대한 우리의 집단적 합의는 우리가 정보화 시대에 완전히 진입해 들어감에 따라 겪는 거대한 문화적 변화에 있어서 핵심이유라고 할 수 있다.
- 불확실성을 마주하게 되었을 때 모든 인간들이 하게 되는 딱 한가지 일이 있다. 그것은 물러서고 취소하고 몸을 사리는 것이다. 그리고 그것은 경제활동이 아래로 곤두박질 치게 되는 것을 의미한다. (앨런 그린스펀)
- 데이터는 새로운 석유이다. 종종 그것은 금세기 최고의 재산이자 기업의 가장 중요한 전략적 자산으로 간주된단. 유럽연합 소비자위원회 위원장 메글레나 쿠네바를 비롯한 몇몇 리더들은 이것을 새로운 석유라고 불렀으며, 또한 이를 디지털 세계의 새로운 화폐라고도 불렀다. 이것은 과장된 말이 아니다. 2012년에 애플은 세계에서 제일 큰 석유회사인 엑슨모빌을 추월하여 세계에서 가장 가치 있는 공개상장회사가 되었다. 석유와 달리 데이터는 운반하기가 엄청 쉬우며 저장하는 데 드는 비용이 매우 싸다. 그것은 분출하는 거대한 온천과 같다.
- 예측은 작은 것에서 시작한다. 예측분석을 하기 위해서 사용되는 예측변수에는 어떤 것들이 있을까? 예를 들어 한 개인이 가장 최근에 구매행위를 한 시점으로부터 몇주가 지났는지를 숫자르 표현하는 최근성(recency)이라는 변수는 머지 않은 미래에 그 사람이 그 일을 다시 할 가능성이 얼마나 되는지를 종종 나타낸다. 마케팅 접촉이든 범죄수사든 가장 최근에 활동적이었던 사람부터 주목하는 것이 합리적이다. 마찬가지로 한 개인이 그 행동을 몇번이나 했는지를 가리키는 빈도(frequency)라는 변수 또한 많이 사용하는 척도. 어떤 행위를 자주 한 사람은 그 행위를 또다시 할 가능성이 높음. 사실상 한 사람이 과거에 무엇을 했는지가 아니라 그 사람이 미래에 무엇을할지 예측하게 해준다. 과거에는 지역이나 성별과 같은 무미건조하면서도 핵심적인 인구학적 특징을 많이 사용한 반면에 예측분석은 이를 더 확장하여 최근성, 빈도, 구매, 금융활동, 통화 및 웹서핑 등 행위예측변수를 포함하는 데이터를 섭취한다. 상당수의 경우 이러한 행위들은 가장 가치있는 데이터이다. 우리가 예측하고자 하는 것은 항상 특정한 행위이며, 실제로 행위가 행위를 예측하게 해준다. 장폴 샤르트르가 말했듯이 "한 사람의 행동이 그의 진정한 자아를 말해준다." 예측분석은 수십개의 예측변소를 결합함으로써 이루어짐. 한 개인에 대해서 알고 있는 모든 것을 컴퓨터에게 알려주고, 그것이 알아서 하게 내버려두라. 이런 요소들을 결합할 줄 아는 핵심인 기계 학습 테크놀로지야말로 진정한 과학적 마술이 일어나는 무대이다.
- 과거와 현대의 경계를 가르는 혁명적 사고는 바로 리스크를 다룰 줄 알게 되었다는 것이다. 거기엔 미래란 단순히 신들의 변덕이 아니며, 사람들이 자연에 순응하는 것은 아니라는 뜻이 담겨 있다. 인간이 이러한 경계선을 넘어설 방법을 발견하기 전까지는 미래란 단지 과거의 거울이었거나 예언자나 점쟁이의 음산한 영역에 불고했다. (피터 번스타인, 신들에 맞서서_리스크에 대한 놀라운 이야기)
- 예측 모델의 성능을 비교하는 하나의 측정치가 있다. 일명 향상도(lift)라고 한다. 향상도는 널리 쓰이는 측정기준으로 일종의 예측승수라고 할 수 있는데, 모델을 적용하지 않았을 때와 비교해서 어떤 특정한 모델을 적용했을 때 얼맘나 더 많은 목표고객을 파악해 낼 수 있는지를 알려준다. 은행의 관점에서 예측의 가치를 생각해보자. 각각의 조기상환은 수익성 있는 고객 한명을 잃는 것과 같다. 고객관리 부서에서는 이를 더 다양하게 지칭하는 데, 일명 고객손실, 갈아타기, 이탈이라고 부른다. 고객손실을 예측하는 것은 고객을 유지하기 위한 타겟 마케팅 활동을 설계하는 데 도움이 됨. 고객이탈을 방지하기 위해 보상을 제공하는 것은 비용이 많이 들기 때문에 은행은 매우 정밀하게 타겟고객을 정해야 함
- 은행이 부동산 담보대출 고객 중에서 10%를 잃을 것이라고 가정해보자. 예측모델이 없다면 이탈가능 고객을 접촉하는 유일한 방법은 부동산 담보대출 고객 모두를 접촉하는 길뿐이다. 만약 마케팅 예산이 적게 배정되어 5명의 부동산 담보대출 고객 중 1명만 접촉할 수 있는 예산밖에 안될 때 예측모델이 없으면 무작위로 추출하는 수밖에 없다. 그렇게 되면 머지않아 이탈할 고객 중에서 20%밖에 접촉할 수 밖에 없을 것이다. 반대로 정확한 예측모델이 있으면 점쟁이가 없어도 훨씬 효과적으로 타겟을 정할 수 있다. 의사결정 나무 모델을 통해 가장 리스크가 높다고 점수 매겨진 20%의 고객을 찾아내었는데, 그 안에는 예상 이탈자 중 60%가 포함되어 있었다면 이는 예측모델이 없을때와 비교해 300%나 더 많이 포함된 것이므로, 우리는 이 모델이 20% 기준에서 3배의 향상도를 갖고 있다 말할 수 있다. 동일한 마케팅 예산으로 이탈 예상고객을 방지할 수 있는 가능성이 전보다 3배나 높아진 것이다.
- 대부분의 학습방법론들은 하나의 우수한 예측모델을 탐색한다. 하나의 사소하고 단순하며 종종 어리석어 보이는 모델로부터 시작해서 그것을 마치 유전자 변형을 일으키듯이 반복적으로 그것을 미세조정하여 결국 강력한 예측장지로 진화시킨다. 의사결정 나무의 경우에 이러한 과정은 작은 나무로 시작해서 그것을 키워나가는 것이다. 반면에 가장 수학적 공식에 기반한 방법론들의 경우엔 임의의 변수를 취하는 임의의 모델로부터 시작하여 이 공식이 제대로 예측할 때까지 변수들을 이리저리 반복적으로 조금씩 조정한다. 그리고 모든 학습기법들에 있어서 훈련용 데이터가 매번 미세조정을 안내하게 되는데 훈련용 데이터의 목적 자체가 해당 데이터 세트에 대한 예측을 개선하도록 하기 위한 것이기 때문이다. 의사결정 나무와 경쟁하는 수학적 방법론들의 이름은 인공신경망, 로스선형 회귀, 서포트 벡터 머신, 트리넷 등이다. 기계학습의 무자비하고 끊임없는 적응 능력은 무시무시한 힘을 보여준다. 그것은 심지어 데이터 과학자가 생각없이 남겨둔 약점 또는 구멍까지도 발견하고 이용한다. 어떤 프로젝트에서 테트리스 게임 프로그램이 테트리스 조각들을 어느 위치에 떨어뜨려야 하는지 결정하는 법을 배울 수 있게 진화하도록 컴퓨터를 설정하였다. 이 시스템을 한 차례 돌리는 과정에서 우리는 우연히 목적을 거꾸로 설정해 버렸다. 그러자 이 프로그램은 게임조각들을 가능한 한 조밀하게 쌓아올리는 대신 가능한 적은 수의 조각들을 떨어뜨려 쌓음으로써 커다란 공동을 만들어냈다. 그 게임이 버그를 따라가고 있다는 것을 알아채기 전까지 우리는 이 게임을 바라보며 곤혹스러워했다. 이 사례는 쥬라기 공원에서 알을 부화시키는 과학자가 내뱉은 불길한 주문을 생각나게 한다. "생명은 스스로 길을 찾아낸다." 과잉학습의 가능성은 학습기법 및 수학적 정교함과 상관없이 언제나 존재한다. 결국 컴퓨터에게 학습하도록 명령하는 것은 마치 눈을 가린 원숭이에게 패션모델의 가운을 디자인하도록 가르치는 것과 같다. 컴퓨터는 아무것도 모른다. 컴퓨터는 데이터 속에 존재하는 의미를 전혀 이해하지 못한다. 부동산담보대출이 무엇인지, 급여가 무엇인지, 심지어 집이 무엇인지도 모른다. 숫자는 그저 숫자일 뿐이다. %나 $같은 단서들조차도 컴퓨터에게는 아무 의미가 없다. 그것은 영혼이 없는 장님 기계에 인형이 박스안에 갖혀서 매일매일 새로운 일을 기계가 멈출 때까지 계속하는 것과 같다. 예측을 우한 모델링을 하려는 모든 시도들은 일반적 원칙을 수립하고 확보한 데이터에서 잡음을 걸러내야 하는 핵심적 도전과젱 직면함. 이것이 문제의 본질이다. 학습대상인 데이터에서 설사 수백만개 또는 수십억개의 사례가 존재한다고 하더라도 미랭 맞닥뜨릴 상상 가능한 상황들이 얼마나 많은지와 비교해보면 그것은 여전히 제한적인 부분집합에 불과하다. 학습사례를 구성할 수 있는 가능한 조합의 수는 기하급수적임. 그러므로 지나칙 적은 학습과 지나칙 적은 학습사이에서 균형을 맞출 수 있는 학습프로세스를 설계하는 것은 가장 뛰어난 과학자조차도 제대로 파악하기 어렵고 신비로운 것으로 느껴진다. 이 수수께끼를 풀기 위해서는 과학보다 예술이 필요하지만 이 두가지 모두 빠질 수 없는 구성요소다. 예술은 그것을 작동하게 만들고, 과학은 그것이 작동하는 것을 증명해준다.
(1) 예술적 설계 : 연구과학자들은 종종 그야말로 멋지다고 여겨지는 창의적인 아이디어에 기초하여 기계학습이 과잉학습을 피하도록 솜씨를 부른다.
(2) 과학적 측정 : 예측모델의 성능은 객관적으로 평가된다
그러나, 2번단계에서 어떠한 평가방법을 충분하다고 할 수 있을까? 만약 우리가 기계학습의 설계를 완전히 믿을 수 없다면 그 성능에 대한 측정을 어떻게 믿을 수 있겠는가? 물론 모든 예측이 현실이 될 때까지 기다리면야 온전하게 평가받을 수 있다. 그러나 우리는 성능을 측정할 수 있는 즉각적인 수단이 필요하다. 그래야만 과잉학습이 발생하게 되었을 때 그것을 탐지하고 학습과정을 수정하여 다시 전단계로 돌아가 다시 시도할 수 있다.
- 기계가 제대로 학습되었는지 검증하려면...진정한 학습인지 검증하기 위해 화려한 수학이 필요한 것은 아니다. 모델을 검증하기 위해서 일부 데이터를 떼어 놓아라. 먼저 데이터를 무작위로 선택하여 별도로 테스트용 세트로 격리시킴. 그런 다음 데이터의 나머지 부분만을 훈련용 세트로 하여 모델을 만듬. 그렇게 하여 만들어진 예측모델을 갖고 검증용 세트를 대상으로 평가. 검증용 세트는 이 모델을 만드는 데 사용되지 않았기 때문에 해당 모델은 검증용 세트의 내밀한 특성이나 편향을 미리 파악할 방법이 없다. 이 예측모델은 그러한 특성을 대상으로 한 예측이 얼마나 효과적이었는지가 이 모델이 일반적으로 얼마나 효과적일지를 측정하는 합리적 방법이다. 예측모델을 평가하는 데 있어서 이런 검증용 세트는 편향적이지 않다고 말할 수 있다. 수학이론도 필요없고 첨단과학도 필요없는 우아하면서도 현실적인 해결책인 것이다. 예측모델의 검증은 항상 이렇게 이루어진다. 이는 매우 일반화된 방식이다. 모든 예측 모델링 소프트웨어 도구는 검증용 데이터를 별도로 떼어놓고 그것으로 평가하는 기능이 내재되어 있다. 또한 모든 학술지 게재 논문들은 검증용 데이터를 통한 예측성능 평가결과를 보고한다. 하지만 이런 접근방식에도 단점은 있다. 요컨대 검증용 세트에 포함된 사례들로부터 학습할 수 있는 기회를 포기하고 원래의 전체 데이터 세트보다 작은 훈련용 세트만 갖고 모델을 생성하게 된다는 점이다. 일반적으로 이것은 전체 훈련용 데이터 중에서 검증용 데이터로 격리되는 20~30%의 손실을 의미. 그러나 훈련용 데이터는 대부분 충분히 커서 검증용 데이터를 포기한다 해도 그것은 성과의 측정을 위해 치르는 작은 대가에 불과하다.
- 대리석 덩어리를 볼 때면 내 앞에 자연스럽게 서 있는 듯한 인물상들이 보인다. 그 인물은 자세와 행위를 완벽하게 취하고 있다. 나는 단지 이 사랑스러운 환영을 가두고 있는 거친 장벽들을 깎아내어 내 눈에 보이는 것처럼 그것이 다른 사람의 눈에도 보이도록 하는 일을 할 뿐이다 (미켈란젤로)
- 메타학습 : 두개 이상의 예측모델을 결합하는 것은 간단하다. 그것들을 어떻게 결합하는 것이 좋을지에 대해서 학습하는 예측모델링을 적용하면 된다. 각 모델 또한 기계학습으로부터 나온 것이므로 이런 행위는 학습한 것을 토대로 학습하는, 즉 메타학습이라 할 수 있다. 실제로 경쟁자가 아닌 협력자가 된 이들은 서로 매우 다른 방향으로 발전시켜 온 두개의 독특하고 복잡한 모델들을 결합하려고 애써 노력할 필요가 없었다. 이 모델들의 이론과 테크닉을 비교하고 대조하기 위해서 고심하고 파고드는 대신에 대혼돈 팀의 멤버인 안드레아스 퇴셔는 예측모델링이 알아서 혼합하도록 놔두었다고 말했다. 그들은 기존 두 모델 위에서 마치 관리자처럼 행동하는 새로운 모델을 훈련시켰다. 이 새로운 앙상블 모델은 각 사례별로 두 모델의 예측들을 서로 비교했다. 이렇게 함으로써 이 앙상블 모델은 어떤 사례들이 각 모델의 약점인지를 예측하도록 훈련받는다. 두 모델이 일치하는 사례도 많지만, 일치하지 않는 경우에는 두 모델을 하나로 통합하는 과정에서 성능을 개선할 기회가 생긴다. 이로 인해 넷플릭스 상금 콘테스트의 게임규칙에 변화가 생겼으며 팀들간의 합병과 혼합이라는 새로운 돌풍이 불었다.
- CART 의사결정 나무의 발명자인 놀라운 4인조 중 한 명인 레오 브레이먼은 앙상블 모델에서 중요한 방법론 중 하나인 자루담기(bagging, bootstrap aggregating)를 개발. 한자루 가득 모델을 만들어내는 것이다. 이 자루안에서 각 모델은 서로 예측성능을 비교하여 우위를 가린다. 각 모델들은 하나의 핵심적 특성을 지니고 있다. 이를 다른 말로 하면 다양성으로 표현할 수 있다. 즉 각 모델들은 서로 다른 데이터 하위집합을 토대로 모델을 구축함으로써 다양성을 보장한다. 이들 데이터 하위집합들은 어떤 경우에는 무작위로 일부 데이터만을 선택하여 복제한 후 모델을 생성하고 나머지 데이터에 대해서는 완전히 무시함으로써 모델의 학습 프로세스에 더 강력한 영향을 발휘함. 많은 CART 의사결정 나무들을 모아놓은 자루담기의 한 변형은 이러한 무작위적 요소를 반영하여 무작위 숲이라고 불린다. 모델들을 한데 모아서 투표하게 한다는 아이디어는 말 그대로 단순하면서도 우아하다. 실제로 동일한 주제의 다양한 변주곡들인 다른 앙상블 방법론들은 모델 버킷, 번들링, 전문가위원회, 메타학습, 축적된 일반화, 트리넷 등 서로 비슷하면서도 의미가 분명한 자기만의 이름을 가짐. 건물을 짓든, 교량을 건설하든, 아이폰의 운영체제를 만들든, 구성요소들을 조합하여 더욱 복잡하고 강력한 하나의 구조로 만든다는 개념은 엔지니어링의 핵심이다. 어느 누구도 거대한 구조물 전체를 단번에 설계하려고 하지 않으며 또 그렇게 할수도 없다. 계층화된 부분드르이 조합이 건축설계를 가능하게 만들어준다. 구조물의 각 레벨은 설계 후 단순한 유닛들을 이어붙인 것이다. 물론 실제로 열어보면 그 안은 복잡다단하지만 말이다.

 

- 구글의 시스템으로 할 수 있는 일이라고는 특정 검색어의 빈도수와 여러지역의 장기간에 걸친 독감 확산 사이의 상관관계를 찾는 것뿐이었음. 구글은 질병관리본부의 07,08년 실제 독감환자 기록과 대조했을 때 예측력이 있는 검색어를 찾기 위해 4억 5000만 개라는 어마어마한 수의 수학적 모델을 검토. 그리고 결과는 성공적이었음. 구글은 어느 수학모델 내에서 함께 조합해 사용하면 예측력 면에서 공식 데이터와 97%의 상관성을 갖는 검색어 45개를 찾아냄. 질병관리본부가 하듯이 이 검색어들도 독감이 어디로 퍼져나가는지 알려줄 수 있음. 다만 차이가 있다면 질병관리본부처럼 환자 발생 1~2주 후에나 가능한 것이 아니라 실시간에 가깝게 알려줄 수 있다는 점
- 사람들은 더이상 데이터를 유통기한이 지난 고정물로 생각하지 않게 됨. 이전에는 비행기가 착륙하고 나면(혹은 구글에서 검색어가 처리되고 나면), 수집된 데이터는 애초의 목적을 달성했으므로 그 유용성이 끝났다고 생각했음. 하지만 이제 데이터는 비즈니스의 원자재가 되었음. 빼놓을 수 없는 경제 인풋으로서 새로운 형태의 경제적 가치를 창출하는 원료가 된 것임. 사실 제대로 된 사고방식이 가미된다면 데이터는 영리하게 재사용되어 새로운 서비스와 혁신의 원천이 될 수 있음. 적절한 도구를 갖추고 겸손한 마음으로 귀를 기울인다면 데이터는 많은 비밀을 들려줄 것임.
- 빅 데이터란 큰 규모를 활용해 더 작은 규모에서는 불가능했던 새로운 통찰이나 새로운 형태의 가치를 추출해 내는 일. 빅데이터 시대는 우리가 사는 방식, 세상과 소통하는 방식에 도전함. 그중에서도 가장 두드러진 부분은 사회가 인과성에 대한 그동안의 집착을 일부 포기하고 단순한 상관성에 만족해야 할 것이라는 점. 즉 이유는 모른채 결론만 알게됨. 이것은 수백년간 이어져온 관행을 뒤집는 일이며, 우리는 의사결정 방식이나 현실에 대한 이해방식을 아주 기초적인 부분부터 다시 생각해야 할지도 모름.
- 빅데이터의 핵심은 예측. 혹자는 빅데이터를 인공지능이라는 컴퓨터 과학의 일부로 설명하거나 기계학습이라는 분야의 일부로 설명하지만 이런 식의 설명은 핵심을 오도하는 측면이 있음. 빅데이터의 핵심은 컴퓨터가 인간처럼 생각하도록 가르치려는 데 있지 않음. 빅데이터는 엄청난 양의 데이터에 수학을 적용해 확률을 추론하려는 노력. 어느 이메일이 스팸메일일 가능성, 무단횡단 중인 사람의 궤도와 속도로 보아 그 사람이 제때 길을 건널 가능성, 무인 자동차가 속도를 살짝 늦춰야 할 가능성 같은 것들. 이런 시스템이 잘 작동하는 것은 예측에 필요한 많은 데이터를 공급받기 때문. 그리고 시스템이 스스롤 개선되어 나갈 수 있도록, 더 많은 데이터가 들어오면 어느것이 최상의 신호이고 패턴인지 기록해나가게끔 설계되어 있기 때문.
- 빅데이터에서 중요한 것은 결론이지 이유가 아님. 어떤 현상의 원인을 항상 알아야할 필요는 없음. 우리는 데이터 스스로 진실을 드러내게 하면 됨. 빅데이터가 생기기 전에는 분석이라는 것이 보통 데이터를 수집하기 훨씬 전에 세워놓은 몇개의 가설을 확인하는 수준에 머물렀음. 하지만 데이터 스스로 진실을 드러낸다면 우리로서는 전혀 생각지도 못했던 연결고리가 만들어질 수 있음.
- 확률과 상관성이 가장 중요한 세상이 되면 특정 영역의 전문기술은 그 중요성이 감소. 영화 머니볼에서 야구 스카우터들은 통계학자에게 자리를 내줌. 정교한 분석 앞에 직감이 무릎을 꿇은 것임. 마찬가지로 전공별 전문가들이 사라지지 않겠지만 그들은 이제 빅데이터 분석가들과 경쟁해야 할 것임. 이렇게 되면 경영, 의사결정, 인력자원, 교육에 대한 전통적 관념을 정해야 할 것임. 우리가 가진 대부분의 제도는 정확하고 인과원칙을 따르는 소규모 정보에 기초해 의사결정을 내린다는 가정 위에 세워졌음. 하지만 상황은 바뀌었음. 우리가 가진 데이터는 어마어마한 규모이고 빠르게 처리될 수 있으며 부정확성이 용인됨. 게다가 데이터의 방대한 크기 때문에 인간이 아닌 기계가 결정을 내리는 경우가 많아질 것임.
- 지난 수십년간 체스 알고리즘은 크게 바뀌지 않음. 체스의 규칙은 이미 완전히 알려져 있고 그 규칙을 엄격하게 따라야 하기 때문. 그런데도 요즘 컴퓨터 체스 프로그램이 옛날보다 게임을 훨씬 잘 하는 이유는 막판에 플레이를 잘 하기 때문. 그리고 그 이유는 단순함. 시스템에 더 많은 데이터가 들어가 있기 때문. 실제로 체스판 위에 말이 여섯개 이하로 남은 상황에 대해서는 분석이 완전히 끝났고 가능성 있는 모든 말 동작이 커다란 표 안에 들어 있기 때문. 이 표는 압축하지 않으면 1테라바이트가 넘는 용량의 데이터임. 이 데이터 덕분에 체스 컴퓨터는 경기의 가장 중요한 막판에 완벽한 플레이를 함. 인간이 결코 이길 수 없는 시스템임
- 알고리즘이 좋은 것보다 데이터가 많은 편이 훨씬 더 효과적이라는 사실이 여실히 증명된 사례는 자연어 처리부문. 자연어 처리란 우리가 일상생활에서 사용하는 단어들을 컴퓨터가 어떻게 분석해야 하는지 연구하는 분야. 2000년 경에 마이크로소프트 연구원 미셸방코와 에릭 브릴은 워드 프로그램에 사용하는 문법 검사기를 개선할 방법을 찾고 있었음. 두 사람은 기존 알고리즘을 개선하는 데 노력을 쏟아야 할지, 아니면 새로운 기술을 찾거나 더 세련된 기능을 추가해야 할지 확신할 수 없었음. 이 중 어느 하나의 방법으로 결정하기 전에 그들은 기존 방법에 더 많은 데이터를 추가하면 어떻게 되는지 시험. 대부분의 기계학습 알고리즘은 총 100만개 이내의 단어로 된 말뭉치를 사용. 방코와 브릴은 흔히 사용하는 네개의 알고리즘에 데이터를 열배씩 늘려가며 추가해봄. 각각 1000만단어, 1억단어, 그리고 결국 10억단어 수준까지 말뭉치의 크기를 늘림. 결과는 믿기 어려울 만큼 놀라웠음. 데이터가 추가되자 네종류의 알고리즘이 모두 성능이 극적으로 개선됨
- 구글 번역 시스템이 잘 작동하는 이유는 알고리즘이 뛰어나서가 아님. 그것은 마이크로소프트의 방코나 브릴같은 역할을 한 구글 번역 개발자들이 단순히 고품질이 아닌 더 많은 데이터를 사용했기 때문. 구글이 IBM의 캉디드보다 수만배나 더 큰 데이터 집합을 사용할 수 있었던 것은 데이터의 들쭉날쭉함을 받아들였기 때문. 구글이 06년 공개한 1조단어짜리 말뭉치는 인터넷에서 떠돌아다니던 콘텐츠를 가져온 것. 말하자면 야생의 데이터였음. 이것을 훈련용 데이터 집함으로 해서 구글의 시스템은 예컨대 영어 한 단어가 다른 단어 다음에 올 확률을 계산. 이것은 이 분야의 유명한 조상격이라고 할 수 있는 60년대의 브라운 말뭉치(영어단어 100만개를 사용)로부터는 상당히 멀어진 것이었음. 더 큰 데이터 집합을 사용함으로써 음성인식이나 컴퓨터 번역의 기반디 되는 자연어 처리분야에 큰 걸음을 내디딘 것. 구글의 인공지능 분야 전문가 피터노빅과 동료들은 데이터의 터무니 없이 뛰어난 효과성이라는 논문에서 다음과 같이 썼음. '많은 데이터를 가진 간단한 모델이 적은 데이터를 가진 정교한 모델보다 뛰어나다'
- 태그 사용에 뒤따르는 부정확성을 받아들이는 것은 곧 두서없는 세상의 자연스런 모습을 이용하는 것. 더 정확한 시스템들은 마치 태양 아래 모든 게 줄과 열에 딱딱 맞아 들어가는 척하면서 야단법석인 현실을 무균상태라고 거짓말 함. 새로운 메커니즘은 이런 가짜 놀이에 대한 해독제임. 이 세상에는 정확성의 철학으로는 꿈꿀 수 없는 것이 많음.
- 단일한 버전의 진실이라는 개념은 백팔십도 변화를 겪는 중. 단일한 저전의 진실이라는 것이 있지도 않고, 또 있다고 해도 그걸 추구하는 것은 본질을 빗겨가는 일일지 모른다는 생각이 들기 시작한 것. 대규모 데이터를 활용하는 효익을 누리려면 데이터의 들쭉날쭉한 특성을 없애야 할 오류로 볼 것이 아니라 정상적인 것으로 받아들여야 함
- 가장 흔히 쓰이는 데이터베이스 접근언어는 오랫동안 SQL(structured query language, 구조화된 질문언어)였음. 이름부터가 아주 경직되어 있는 언어임. 하지만 최근 몇년 사이 트렌드는 noSQL이라고 하는 언어 쪽으로 크게 이동. noSQL은 이미 정해진 레코드 구조가 필요하지 않음. noSQL은 다양한 종류와 크기의 데이터를 수용하면서도 검색이 성공적으로 수행되게 해줌. 이런 데이터베이르 설계는 들쭉날쭉한 구조를 허용하는 대신 데이터베이스 처리와 스토리지 자원을 더 많이 필요로 함. 하지만 데이터 저장 및 처리비용이 급락하고 있는 현실을 감안한다면 이런 맞바꾸기는 충분히 받아들일 수 있음.
- 하둡이 많은 양의 데이터를 능숙하게 처리하는 요령은 데이터를 작은 덩어리로 쪼개서 다른 기계들로 나눠보내는 것. 하둡은 하드웨어가 고장날 가능성을 예상하고 중복 데이터를 만듬. 또 하둡은 데이터가 깔끔하게 정렬되어 있지 않을 것이라고 가정. 실은 데이터가 너무 거대해서 처리하기 전에 클리닝을 할 수 없을 것이라고 가정. 전형적 데이터 분석은 데이터를 분석될 위치로 옮기기 위해 추출, 복사, 로딩이라는 과정이 필요. 하지만 하둡에는 이런 꼼꼼한 절차가 불필요. 하둡은 데이터의 양이 숨막히게 거대해서 이동이란 불가능하고 지금 그 위치에서 분석되어야 하는 것을 당연한 것으로 가정. 하둡이 내놓는 결과는 관계형 데이터베이스의 결과만큼 정교하지는 않음. 따라서 하두블 가지고 우주선을 이륙시키거나 세부적인 은행계좌 항목을 확인할 수 는 없음. 하지만 이런 초특급 정확성이 요구되지 않는 훨씬 덜 심각한 과제해결이라면 하두븐 다른 그 어떤 대안보다 빠르게 마술을 부림
- 이유를 아는 것은 유쾌한 일. 하지만 매출을 시뮬레이션해 볼 때 이유는 중요치 않음. 반면 결론을 알면 클릭수가 쏟아짐. 이에 대한 통찰은 전자상거래뿐만 아니라 많은 업계의 판도를 바꿔 놓을 수 있는 힘을 갖고 있음. 분야를 막론하고 세일즈맨들은 고객이 왜 구매 목록에 체크를 하는지, 왜 그런 의사결정을 내리는지 숨은 이유를 이해라라는 말을 들어왔음. 그래서 전문 기술과 다년간의 경험이 높게 인정받음. 하지만 빅데이터는 다른 방법이 있다고, 어찌보면 훨씬 더 실용적 접근법이 있다고 말함. 아마존의 혁신적 추천시스템은 기저에 깔린 원인을 몰라도 가치있는 상관성을 찾아냄. 이유가 아니라 결론을 아는 것으로도 충분.
- 지금 기술전문가들 사이에서는 암묵적 믿음이 하나 있음. 바로 빅데이터의 계보를 거슬러 올라가면 반도체 혁명이 있다는 믿음. 이것으 사실이 아님. 현대적 IT시스템이 빅데이터를 가능하게 한 것은 분명하지만 핵심적인 측면에서 보면 빅데이터로의 이행은 인류의 오래된 탐구과정의 연속성상에 있음. 세상을 측정하고 기록하고 분석하려는 탐구 말이다. IT 혁명은 도처에서 볼 수 있지만 대부분 그 강조점은 기술에 있었다. 이제는 우리의 관심을 정보에 집중할 때다.
- 단어를 데이터롤 바꾸면 수많은 용도가 생김. 사람은 이 데이터를 읽을 수 잇고 기계는 이 데이터를 분석할 수 있음. 빅데이터 회사들의 귀감이 되는 구글도 정보가 그 수집과 데이터화를 정당화시킬 수 있을 만큼 다양한 잠재적 용도로 쓰일 수 있음을 알고 잇음. 영리하게도 구글은 북스캐닝 프로젝트에서 데이터화된 텍스트를 자신들의 기계번역 서비스를 개선하는 데 이용. 이 시스템은 번역본이 책들도 가려낼 수 있음. 그리고 번역가가 언어를 옮기면서 사용한 단어나 문구도 분석할 수 있음. 그렇다면 이제 번역을 거대한 하나의 수학문제로 다루는 것도 가능. 언어들 사이에 어떤 단어가 다른 단어를 가장 잘 대체하는지 컴퓨터가 그 확률을 알아내는 것.
- 수도시설은 도시의 성장을 가능케 했음. 인쇄술은 계몽주의 운동을 가능하게 했으며, 신문은 민족국가가 나타나게 했음. 하지만 이런 인프라들은 흐름에 초점이 맞춰져 있었음. 물의 흐름, 지식의 흐름처럼 말이다. 전화기도 마찬가지였고, 인터넷도 그랬음. 반면에 데이터화는 인간의 이해가 풍부해짐을 의미. 빅데이터의 도움으로 우리는 더 이상 세상을 사건의 연속으로 보지 않게 될 것임. 우리가 자연적 현상 혹은 사회적 현상이라고 하는 사건들 말이다. 그 대신에 우리는 세상이 본질적으로 정보로 구성된 우주임을 보게 될 것임.
- 마이크로소프트는 맞춤법 검사의 가치를 한가지 목적으로만 생각한 반면, 구글은 그 효용성을 더 깊이 이해. 구글은 오자를 이용한 세계최고, 최신의 맞춤법 검사기를 만들어서 검색 성능만 향상시킨 것이 아니라 다른 여러가지 서비스에도 적용. 예컨대 검색이나 지메일, 구글문서 도구의 자동완성 기능에도 사용했고 구글 번역에도 활용.
- 아마존은 킨들 전자책 단말기를 통해 이용자들이 주석을 많이 달거나 밑줄을 그은 페이지가 어디인지 알고 있지만 이 정보를 저자나 출판사에 판매하지는 않음. 독자들에게 가장 인기있는 단락이 어디인지 마케팅 담당자들이 안다면 책을 더 잘 팔 수 있을 것임. 저자들 역시 자신의 두꺼운 책 어느부분에서 대부분의 독자들이 책을 덮어버렸는지 안다면 작품을 개선하는 데 활용할 수 있을 것임. 출판사들은 다음에 인기를 끌 책은 어떤 주제일지 감지할 수 있을지도 모름.
- 빅데이터의 초기단계에 불과한 현재로서는 아이디어와 기술이 가장 큰 가치를 지닌 것 같음. 하지만 결국에 가면 대부분의 가치는 데이터 자체에 있을 것임. 왜냐하면 우리는 정보를 가지고 더 많은 것을 할 수 있게 될 것이고, 데이터 보유자들은 자신이 소유한 자산의 잠재적 가치를 더 잘 알게 될 것이기 때문. 결과적으로 데이터 보유자들은 그 어느때보다도 더 데이터를 꽉 움켜쥐려고 할 것이고 이에 접근하려는 외부인들에게는 높은 가격을 책정할 것임. 금광에 비유하자면 금 자체가 중요해진다는 이야기. 하지만 장기적으로 데이터 보유자들이 부상할 것이라는 전망에는 주의가 필요한 중요한 측면이 있음. 일부 경우에는 데이터 중개인들이 나타나서 복수의 출처로부터 데이터를 수집하고 취합한 후 혁신적인 일들을 할 것이라는 점
- 빅 데이터가 몰고 올 가장 큰 충격은 데이터에 기초한 의사결정이 인간의 판단을 강화하거나 기각하게 만들 수 있다는 점. 예일대학 이언 에어스는 자신의 저서인 슈퍼 크런처스에서 사람들은 직감이 들더라도 통계분석 때문에 어쩔 수 없이 다시 한번 생각하게 된다고 주장. 빅데이터에서는 이것이 더 중요해짐. 실질적 전문가라 할 수 있는 전공별 전문가는 통계전문가나 데이터 분석가와 비교되어 일정 부분 빛을 잃게 될 것임. 통계 전문가와 데이터 분석가는 기존의 방식에 구애됨이 없이 데이터가 말하도록 하기 때문. 이 새로운 핵심인력들은 예단이나 선입견 없이 상관성에 의존할 것임. 마치 모리가 주름이 쪼글쪼글한 선장들이 술집에서 뱃길에 관해 이야기하는 내용을 액면 그대로 받아들이지 않고, 취합된 데이터가 진실을 드러내 줄 거라 믿었던 것처럼 말이다.
- 우리는 한 분야를 깊이 전공한 스페셜리스트를 이것저것 아는 제너럴리스트보다 높이 평가하는 경향이 있음. 즉 깊이를 중시. 하지만 전문지식은 정밀성과 비슷한 면이 있음. 즉 정보가 충분치 않고 딱 맞는 정보를 얻을 수 없어서 직관과 경험에 의존해야 했던 스몰 데이터의 세상에서는 전문지식이 적합함. 그런 세상에서는 경험이야말로 쉽게 전달할 수도 책에서 배울수도 없는, 어쩌면 의식적으로 알고 있지도 못한 잠재된 지식의 오랜 축적이므로, 똑똑한 의사결정을 내리는 데 결정적 역할을 함. 하지만 바보같은 데이터를 잔뜩 가지고 있을 때는 이를 이용해야 함. 빅데이터를 분석할 수 있는 사람이 미신이나 관습적 사고를 넘어설 수 있다면 그것은 이들이 더 똑똑해서가 아니라 데이터를 갖고 있기 때문.(그리고 아웃사이더라서 그 분야 내에서 옥신각신하는 다툼에 치우칠 일이 없기 때문. 전문가들은 이런 다툼 때문에 어느편이냐를 막론하고 시야가 좁아지기도 함) 이런 사실은 회사가 소중히 여기는 직원이 되는 방법도 달라진다는 의미. 무엇을 알고, 누구를 알며, 직장생활에 대비해 무엇을 공부해야 할지가 바뀜. 수학과 통계학, 그리고 약간의 프로그래밍과 네트워크 과학이 직장생활의 기본이 될 것임. 100년 전에는 산술능력이, 그 이전에는 읽고 쓰는 능력이 그랬던 것처럼 말이다.
- 데이터 중심의 의사결정이라는 추세는 매우 근본적 변화임. 대부분의 사람들에게 의사결정의 기초가 되는 것은 사실요소와 숙고, 그리고 많은 추측임. 시인 오든의 인상적 문구를 빌리면 주관적 시각들이 난무하고, 명치에서 오는 느낌을 따르는 것. 토머스 대븐포트는 이것을 금쪽같은 직감이라고 부름. 경영자들은 직감에서 오는 확신으로 사업을 추진. 하지만 이런 형편은 예측모형과 빅데이터 분석이 경영의사결정을 만들어 내거나 혹은 최소한 확인해주는 쪽으로 바뀌기 시작.
- 전통적 분야에서 중간규모의 회사들이 존재할 수 있었던 이유는 규모의 이익을 누릴 수 있는 최소규모이면서도 대형업체들에게는 부족한 유연성을 가질 수 있었기 때문. 하지만 빅데이터 세상에서는 회사가 제조 인프라에 투자한 돈을 회수하기 위해 반드기 도달해야 할 최소규모라는 것이 없음. 유연성을 유지하면서도 성공하고 싶은 빅데이터 이용자들의 경우 자신들은 더 이상 일정규모를 넘어설 필요가 없음을 알게 될 것임. 계속해서 작은 형태로 남아 번영할 수 있을 것임. 빅 데이터는 업계의 가운데를 밀고 들어가 회사들을 아주 크거나 작은 형태로 밀어붙일 것임. 금융 서비스와 제약업에서 제조업에 이르기까지 많은 전통적 분야가 결국 빅데이터 회사들로 재구성될 것임. 빅데이터가 전 분야의 모든 중간규모 업체들을 업애버리지는 않겠지만, 빅데이터의 영향력에 휘둘리기 쉬운 업체들에게는 분명히 큰 압박이 될 것임.
- 중요한 것은 규모의 변화가 상태의 변화를 낳는다는 점. 이런 변화는 사생활 보호를 더 힘들게 만들 뿐만 아니라 완전히 새로운 위협요소도 제시. 바로 성향에 기초한 불이익이 그것임. 사람들이 행동하기도 전에 그들을 판단하고 벌주기 위해 빅데이터 예측을 사용한다면 이런 일이 벌어질 수 있음. 그리고 이것은 공정, 정의, 자유의지라는 개념을 무효화시켜버림. 정보와 분석 결과에 집착해 그것을 오용했을 때 우리 자신이 정보 독재의 희생자로 전락할 수 있다는 점
- 엔진부품을 강에 내다버린 포드의 공장직원들처럼 하급장교들은 때로 명령을 지키거나 출셋길에 도움이 되기 위해 상관들에게 인상적인 숫자를 건넸음. 즉 상관들이 듣고 싶어하는 이야기를 들려줌. 그런데도 맥나마라와 그의 주변 사람들은 그 숫자에 의존하고 집착. 완벽하게 빗질해서 뒤로 넘긴 머리칼에 꼼꼼하게 정돈된 넥타이를 맨 맥나마라는 스프레드시트를 들여다보는 것으로 현지에서 무슨 일이 벌어지는지 이해할 수 있다고 생각. 열과 행에 질서정연하게 계산되어 있는 숫자와 차트들에 정통하면 신에게 한발 다가갈 수 있을 것처럼 보였음. 베트남 전쟁 기간 미군의 데이터 이용과 남용, 오용 사례는 스몰 데이터 시대의 정보가 가진 한계를 보여주는 괴로운 교훈임. 그리고 이것은 세상이 빅데이터 시대로 이행하는 동안에도 유의해야 할 사항임.
- 탁월한 생각은 데이터에 의존하지 않음. 잡스가 수년간 지속적으로 맥 노트북을 개선할 때는 현장 보고서를 기초로 삼았을지도 모름. 하지만 그가 아이팟이나 아이폰, 아이패드를 출시할 때 기초로 삼았던 것은 자신의 직관이지 데이터가 아니었음. 그는 육감에 의존했음. 자신들이 뭘 원하는지 아는 건 소비자가 할 일이 아닙니다. 애플이 아이패드를 출시하기 전 시장조사를 한 적이 없다고 기자에게 밝히면서 잡스가 남긴 유명한 말이다.
- 정확하고 정밀하며 말끔하고 엄밀한 데이터에 집착하는 대신 기준을 더 느슨하게 풀어줘도 좋음. 완전히 틀렸거나 거짓인 데이터를 받아들여서는 안됨. 하지만 훨씬 더 포괄적인 데이터 집합을 얻는 대가로 어느 정도의 들쭉날쭉함은 수용할 수 있을 것임. 사실 어떤 경우에는 크고 들쭉날쭉함은 수용할 수 있을 것임. 사실 어떤 경우에는 들쭉날쭉한 데이터를 사용하는 것이 유익한 경우마저 있을 것임. 데이터에서 작고 정밀한 부분만 이용하려다가 폭넓은 세부사항을 포착하는 데 실패했기 때문. 정작 많은 지식은 그 폭넓은 세부사항들 속에 있는데 말이다. 상관성은 인과성보다 훨씬 빠르고, 저렴하게 찾아낼 수 있기 때문에 더 좋은 경우가 많음. 조심스럽게 정돈된 데이터를 갖고 대조실험과 인과관계를 조사해야 하는 경우도 여전히 있을 것임. 약물의 부작용을 테스트하거나 비행기의 주요부품을 설계할 때처럼 말이다. 하지만 많은 일상적 용도에서는 이유가 아니라 결론을 아는 것으로 충분. 또 빅데이터가 찾아낸 상관성은 인과관계를 탐구해서 결과를 얻기 위한 방향을 제시할 수도 있음.

 

 

- 데이터의 규모가 커 기존 관계형 데이터베이스 인프라로 대처할 수 없다면 그 프로세싱은 대략 두가지 선택으로 귀결됨. 하나는 그린플럼 등의 데이터 웨어하우스/데이터베이스와 같은 대량 병렬 처리 아키텍처이고, 다른 하나는 아파치 하둡 기반 솔루션인 이 선택은 대개 V요소 가운데 하나인 다양성이 어느 정도의 영향력을 발휘하느냐에 따라 달라짐. 대개 데이터 웨어하우스를 통한 접근은 미리 정의된 스키마가 필요하고, 진화 속도가 더딘 정규 데이터세트와 어울림. 반면 아파치 하둡은 처리할 수 있는 데이터의 구조에 어떤 조건도 부여하지 않음. 하둡의 핵심은 컴퓨팅 문제를 수많은 서버에 나눠 분산처리하기 위한 플랫폼임. 하둡은 야후에서 처음 개발되어 오픈소스로 릴리스되었고, 구글이 처음 선보인 맵리듀스라는 접근방식이 구현되어 검색 인덱스를 컴파일함. 하둡의 맵리듀스는 다수 서버에서 데이터세트를 분산처리하고 데이터를 작업하는데, 이를 맵단계라고 함. 이 단계를 지나면 부분적인 결과가 재결합되는데, 이를 리듀스단계로 부름.
- 하둡은 자체분산 파일시스템인 HDFS로 데이터를 저장하며, 이를 통해 다수의 컴퓨팅 노드에서 데이터를 사용할 수 있음. 전형적 하둡의 사용패턴은 다음 세가지 단계롤 구성됨
* 데이터를 HDFS로 로드하기
* 맵리듀스 작업
* HDFS에서 결과 검색하기
이 프로세스는 구조상 배치작업이며, 분석 태스트나 비대화형 컴퓨팅 태스크에 적합. 이 때문에 하둡자체는 데이터베이스도 아니고 데이터웨어하우스 솔루션도 아님. 오히려 이에 딸린 분석도구에 가까움
- 가장 잘 알려진 하둡 이용사례가운데에는 페이스북이 있음. 페이스북의 모델이 바로 이 패턴을 따르고 있는데, MySQL 데이터 베이스에 코어 데이터가 저장된 뒤, 하둡에 반영되는 것이다. 친구의 관심사에 따라 추천리스트를 작성하는 등의 컴퓨팅이 이 하둡에서 이뤄짐. 페이스북은 이 겨로가를 MySQL로 다시 옮겨 사용자에게 제공되는 다양한 페이지에 다시 활용함
- 스트리밍 프로세싱을 고려해야 하는 이유는 크게 두가지로 나뉨. 첫번째는 입력데이터가 온전한 형태로 저장될 수 없을 정도로 빠르게 유입되기 대문. 저장소의 성능을 실용적 범위로 유지하기 위해서는 데이터가 스트리밍될 때 일정수준의 분석이 진행되어야 함. 상상을 초월하는 유럽원자핵공동연구소의 대형 강입자 충돌기는 엄청난 데이터를 쏟아내는데, 과학자들은 그 많은 양을 감당할 수 없어 상당한 데이터를 그대로 버리고 있음. 그저 버린 데이터에 쓸만한 것이 없기만을 바랄 뿐임. 스트리밍을 고려해야 하는 두번째 이유는 유입되는 데이터에 애플리케이션과 온라인 게임이 확산되면서 이는 흔히 접할 수 있는 상황이 돼버렸음.
- 스트리밍 데이터를 처리하기 위한 제품 분야는 크게 두가지임. 하나는 IBM의 Infosphere streams와 같은 전용제품이고 다른 하나는 트위터의 storm이나 야후의 S4처럼 아직은 정교하지 않지만, 현재도 세를 불리고 있는 오픈소스 프레임워크임. 이들 오픈 소스 프레임워크의 태생은 웹산업임.
- 기술이 비스니스라는 테두리 안에서 발전함에 따라 각 세부단계는 데이터 용량의 대폭증가로 이어짐. 현재 빅데이터에 눈길을 주는 사람들은 자신의 비즈니스가 구글이나 페이스북이 아닌데도 왜 빅데이터가 적용되어야 하는지 충분히 의문을 가질만함. 해답은 웹비즈니스가 온라인으로 모든 활동이 이뤄질 수 있느냐에 달렸음. 이들의 디지털 신경계는 오퍼레이션의 처음부터 끝가지 수월하게 적용될 수 있음. 만일 공장이나 매장, 그외 현실세계의 다른 부분들이 비즈니스의 범위에 속한다면 이들을 디지털 신경계에 결합하기 위해 앞으로 더 멀리 가야 함
- 사람들은 대부분 스프레드시트를 유창하게 말함. 사람들은 깔금한 행과 열, 차트를 바라보며 그 안에 무엇인가 중요한 것이 있다고 생각. 하지만 그 무엇이 과연 무엇이고 그것을 어떻게 추출하는지는 한눈에 명확히 파악하지 못함. 스프레드 시트는 노력이 필수임. 무엇을 찾아야 하는지 간파하지 못했다면 그 노력은 곱절이 될 수도 있음. 더구나 데이터 분석이 담당자의 주요 업무에서 조금이라도 밀리면 스프레드시트에 쏟을 노력은 늘 우선순위에서 내려감. 하지만 스프레드시트가 이제는 우리의 기본전략도구가 아니라면 어떻게 될까? 우리가 인간이어서 이해할 수 있는 것들, 가령 스토리, 문장, 분명한 길잡이 등을 그 모든 중요한 데이터와 함께 고려할 수 있다면 어떻게 될까? 하몬드는 다음과 같이 고찰했음.
어떤 사람들에게는 스프레드시트가 대단한 도구입미다. 하지만 그런 사람은 그렇게 많지 않습니다. 스토리, 문단, 리포트, 예측, 자문, 이들이 우리 세상에서 훨씬 더 강력한 힘을 발휘하는 객체입니다. 또한 우리가 편안하게 다가가는 것들이기도 합니다.
- 스프레드시트는 우리를 인지하기 어려운 구석으로 몰아버림. 스프레드시트 파일을 열면 여러분은 데이터를 파악하기 위해 어쩔 수 없이 스프레드시트라는 틀에 자신을 맞춰야 함. 그러고도 데이터에서 의미를 추출하기 위해 더욱더 힘들게 파고들어야 함. 과연 이것이 최선일까?
- 스프레드시트를 사용하는 사람은 언제 어느때든 계속 있을 것이빈다. 다만, 스토리가 귀착점이 되지 않겠느냐는 것입니다. 귀착점이라는 관점에서 보면 데이터를 정말로 온몸으로 받아들이는 사람이라야 스프레드시트의 의미를 이해할 수 있습니다. 대개 그런 사람이 하는 일이라고는 기껏해야 다른 사람과 소통하기위한 목적으로 데이터의 양을 줄이는 것밖에 없습니다.
- 수십년째 데이터베이스의 세가지 속성은 근본적으로 팽팽한 관계를 보였음. 데이터 수집은 빠르게도, 크게도, 다양하게도 이뤄질 수 있음. 문제는 이 세가지를 동시에 이뤄낼 수 없다는데 있음.
- 데이터가 부족했던 예전모델로는 수집해야 하는 데이터가 무엇인지부터 결정한 뒤라야 실제 수집을 시작할 수 있었음. 전통적인 기업 데이터웨어하우스라면 위젯의 판매를 색상별, 지역별, 크기별로 추적했을 것임. 무엇을 저장하고 이를 어떻게 저장할지 결정하는 행위를 가리켜 스키마 디자인이라고 부름. 그리고 무엇에 관한 데이터인지 결정하는 순간이 바로 스키마임. 컨텍스트의 순간이라 할 수 있음. 이를 위해서는 반복이 필요함. 무엇에 관한 데이터인지 그 스키마를 정의하는 순간 결정해야 함. 반면 데이터가 넘쳐나는 새로운 모델은 일단 데이터부터 수집한 뒤에 질문을 던짐. 스키마가 수집 뒤로 밀리는 것임. 사실 스플렁크나 팔란티르 등의 빅데이터 성공이야기는 데이터부터 수집하고나서 그 콘텐츠를 잘 이해하는 능력 때문에 높이 평가받은 것임. 이를 가리켜 때로는 무스키마 쿼리라고 부름. 그리고 이는 위험함
- 거의 모든 기존 BI도구는 다음 두가지 면에서 제한적임. 우선 이들은 선 스키마 후 캡처도구로서 애널리스트는 무엇을 수집할 지 결정한 뒤 필요한 데이터를 발견함. 두번째로, 이들 도구는 아비나시 카우시크가 기지의 미지로 일컫는 것을 리포트하는 데 초점이 맞춰졌음. 다시 말해 우리가 모른다고 알고 있는 것에 전형적으로 집중되어 있음.
- 오픈소스 도구와 저렴하고 빠른 컴퓨터나 저장소를 이용하면서 일단 캡처하고 질문은 나중에 하는 방식이 훨씬 수월해졌음. 이는 애널리스트들이 데이터수집을 유발했던 처음 질문에 얽매이지 않고 그 이상으로도 추측할 수 있기 때문에 우리의 데이터 사용방식에 변화를 가져왔음. 더욱이 결과를 얻어내는 속도 또한 사람이 직접 질문하는 것 만큼이나 빨라져 데이터의 대화식 탐구가 한결 수월해졌음. 이와 같은 대화형 탐구와 추측이 합쳐져 BI는 미지의 미지, 다시 말해 경쟁적 우위 또는 즉각적 차별요소를 배출하는 통찰력의 영역으로 진입했음.
- 빅데이터는 이미 온라인 마케팅과 얼기설기 얽혀있지만, 크에 나누면 두가지로 생각해 볼 수 있음. 우선, 빅데이터는 온라인에서 오프라인으로 옮겨갈 것임. 비접촉식 결제기능을 갖춘 NFC 탑재 스마트폰은 이미 마케터에게 일종의 단꿈과도 같으며, 어디서든지 사용되고 있음. 기다리는 줄이 얼마나 긴지 추적하고, 현재 교통상황을 저장하는 일이나 매출에 대한 신선한 통찰력을 제공하는 등의 일쯤은 얼마든지 가능. 그 결과 회사는 온라인 매장에서 누렸던 최적화를 고객추적이 가능해짐에 따라 오프라인 세상에서도 누릴 수 있을 것임. 두번째로, 빅데이터는 월스트리트에서 또는 매디슨 애비뉴와 미들필드로드에서 메인스트리트로 옮겨갈 것임. 도구는 한층 더 사용하기 수월해질 것이며, 소기업은 BI 플랫폼을 갖추지 않고도 태블릿이나 스마트폰으로 비즈니스 환경을 구축할 것임. 스퀘어와 같은 모바일 결제업체는 이미 체크아웃 프로세스를 재고하고 있음. 휴대용 CI가 구축된 도구들이 우리의 마케팅 도구 사용방식을 넓혀줄 것임.
- 우리가 개인병원이나 대형병원의 입원치료 기록, 주소 데이터베이스, 개인헬스장비에서 빠르게 쏟아져 나오는 데이터스트림 등 여러소스의 데이터를 서로 연계한다면 데이터는 끝도 없이 강력해짐. 이런 통계를 더욱 세심하고, 정확하며, 신중하게 적용하는 것이 도전과제는 아님. 단지 몇가지 변수만을 핵심으로 가정하여 이들 변수의 상관관계를 파악하는 것으로 끝을 맺는 구시대 패러다임을 과감히 내려놓아야 함. 과거의 패러다임은 데이터가 풍부하지 않을 때 효과적이었음. 잘 생각해보면 데이터가 풍부하지 않았기 때문에 그런 가정이 성립되었던 것. 우리는 백혈병과 신장암 사시의 관계를 연구하지 않았음. 이런 연구를 진행하려면 수많은 데이터를 수집한 뒤 수많은 질문을 해야 하기 때문. 백혈병과 신장암의 연관성은 백혈병와 독감의 연관성과 별로 다를 바 없음. 하지만 데이터의 존재는 더 이상 문제가 아님. 우리는 언제나 데이터를 수집하고 있음. 전자건강기록을 통해 우리는 특정진료, 특정병원, 특정연구를 넘어서는 사례들을 연계하기 위한 데이터를 가져올 수 있음. 따라서 현재 우리는 기계학습 기법을 사용하여 가능한 모든 가설, 데이터가 별로 없다면 직관에 의지할 수 밖에 없을 가설들을 파악하고 테스트할 수 있음. 결국 데이터가 풍부하다면 상관관계를 넘어 인과관계를 접근할 수 있음.

 

 

- 볼보에서는 시범 차종에 대해 고객이 자동차를 운전하는 과정에서 수집되는 많은 데이터를 본사 분석 시스템에 전송. 초기에는 자동차에 저장된 데이터를 직접 전송하는 것이 어려워서 고객이 자동차를 서비스 센터에 맡기면 데이터를 다운받아 유선으로 본사 서버에 전송하는 방식을 이용. 이어 통신기술의 발전과 함께 점차 무선으로 실시간 전송하는 시스템으로 확장. 그리고 이렇게 수집된 데이터를 분석하여 제품 개발단계에서는 미처 예상치 못한 고객의 운전패턴과 차체결함, 잠재 니즈 등을 찾아낼 수 있었음. 이런 노력의 성과는 상당히 주목할 만한 것이었음. 특히 향후 대규모 리콜로 발전할 수 있는 결함을 불과 1000여대가 팔린 시점에서 금새 찾아내어 선제적 대응도 가능.
- 아날로그 시대에는 세밀한 튜닝으로 상당한 품질의 차이를 만들어낼 수 있었기에, 역분해를 통해 겉보기에 똑같은 사양으로 제품을 만들어도 소비자의 체감성능은 확 달랐음. 그러나 디지털 시대에 들어와서는 대부분 기술이 표준화되고, 시장에서 조달 가능한 범용 칩에 다양한 기능이 내장되어 있음. 대표적으로 오늘날에는 복잡한 기술 없이도 디지털 TV를 쉽게 만들 수 있음. LCD 패널 등은 삼성, LG, 샤프 등 몇몇 대형업체들로부터 구입하면 되고, 전자회로에서 구현할 핵심기능들은 대만 미디어텍이나 엠스타가 공급하는 통합칩을 가져다 쓰면 됨. 이런 부품만 잘 사다가 조립해도 충분한 성능이 나오기 때문에, 자체 제조를 하지 않고 아웃소싱을 광범위하게 활용하는 네트워크형 비즈니스도 일반화 된 것임.
- 횡적으로 확장되는 시스템에서 꼭 해결해야 하는 난제는 신뢰성 높은 서비스를 제공하는 것. 구축 및 유지보수 비용이 낮다고 해도 사소한 고장으로 서비스 전체가 지장을 받는다면 곤란함. 이를 해결하기 위해 구글의 창업자 래리 페이지와 세르게이 브린은 사업초기부터 클러스터 시스템에 알맞은 특유의 파일관리 시스템을 개발하는 데 많은 공을 들임. 그 결과 이들은 스탠퍼드 대학시절부터 빅파일이란 프로젝트를 통해 쌓은 경험을 바탕으로, 새로운 구글 파일 시스템을 만들어냄. 구글 파일 시스템은 몇가지 가정을 기반으로 만들어짐. 각 노드는 저가형이다 보니 언제든 고장이 날 수 있고, 대부분의 파일은 크기가 매우 크며, 주로 이루어지는 작업은 수백 킬로바이트에서 몇 메가바이트자리 대량 파일을 순차적으로 읽어오거나 몇 킬로바이트짜리 소량의 파일을 임의의 위치에서 읽어오는 작업이란 가정. 무엇보다도 요청에 아주 빨리 반응하는 것보다는 수많은 요청이 쏟아져 들어오는 상황에서 충분히 안정적으로 작동하는 것을 목표로 했음.
- 구글이 수집한 데이터는 수많은 조각 서버에 64메가 바이트 크기의 조각으로 나뉘어 저장됨. 이들 데이터 조각은 어느 한 서버에만 저장되지는 않음. 그랬다가는 이 서바가 갑자기 다운될 경우 데이터가 사라져버리기 때문. 따라서 중간중간 데이터 조각을 복제하여 다른 조각 서버에도 저장. 그리고 필요한 데이터가 어느 조각에 담겨 어느 서버에 있는지 그 정보는 모두 마스터라는 하나의 중앙 시스템에 모아서 관리. 이제 외부 응용 프로그램에서 데이터를 요청하면 모두 일단 마스터가 접수. 마스터는 해당 데이터를 갖고 있으며, 응용 프로그램에 현재 부하가 적은 조각 서버를 찾아내어 접속한 다음 파일을 받아가라고 안내하고는 사실상 손을 뗌. 그러면 응용 프로그램과 해당 조각서버가 직접 통신하며 파일을 전송. 마스터는 데이터 조각의 위치를 알려줄 뿐 직접 데이터 입출력에는 관계하지는 않기 때문에 많은 요청이 밀려들어와도 감당 가능. 대신 마스터는 도중에 계속 각 조각 서버의 상태를 점검하고, 데이터 조각이 충분히 복제되도록 관리. 구글 파일 시스템이 이전 기술과 달라진 점 가운데 하나는 빅데이터 시대에 맞게 데이터 조각을 64메가 바이트로 넉넉하게 잡은 것. CD 한장에 들어갈 만한 동영상 파일이 있다면 예전의 관리방식으로는 이것을 수천개의 작은 조각으로 나누어 관리했지만, 구글 파일시스템은 64메가 바이트짜리 큼지막한 조각 10개로 나누어 관리. 이러면 마스터의 부담도 줄고 이점도 많음.
- RDBMS와 SQ은 이미 수십년간 관리에서 필수 불가결한 존재였음. 그런데 빅데이터 시대에 와서는 이런 방식에 근본적 회의가 제기되고 있음. 빅데이터의 중요한 특성인 데이터 유형의 다양성과 빠른 생성-유통-이용속도 때문. 앞에서 보듯이 관계형 데이터베이스로 처리되려면 기본적으로 데이터가 표 형식에 잘 들어맞아야 함. 반면 빅데이터 시대에 처리해야 하는 수많은 비정형 데이터들은 그렇게 깔끔하게 정리하기가 쉽지 않음. 더욱 큰 문제는 그렇게 정리할 시간도 없이 급박하게 처리해야 하는 데이터가 엄청나게 많다는 점. 관계형 데이터베이스에서는 일단 입력된 데이터를 SQL로 데이터 베이스에 기록하고 이를 이용할 때에는 다시 SQL로 질의를 날려 데이터를 짜내야 함. 예전에는 이렇게 오고가는 시간이 큰 문제가 되지 않아지만 빅데이터 시대에는 곤란함. 저장장치에 데이터를 쓰는 시간도 아깝기 때문에 입력된 데이터를 메모리에 올려놓은 상태로 처리해서 답을 주어야 함. 또한 계속 강조했듯이 기본적으로 거대한 작업을 여러 소규모 서버로 분산해서 처리할 수 있어야 함. 그러려면 구조적으로는 깔끔하지만 다소 복잡한 RDBMS와 SQL은 적합하지 않음. 이런 문제의식으로 태어난 것이 NoSQL이라는 비관계형 데이터베이스 관리 시스템. 여기에는 굉장히 많은 종류들이 있기 때문에 일률적으로 설명하기는 어려움. 하지만 대략적으로 보면 (열쇠, 값)의 단순한 순서쌍 형태로 데이터를 정리하고 직접 이용하는 것들이 상당수임. 주의할 점은 이름이야 NoSQL로 붙어 있지만 그렇다고 RDBMS-NoSQL의 유용성을 완전히 부정하는 것은 아님. 다만 빅데이터의 특성(규모, 다양성, 속도)이 두드러진 데이터 부분에서는 이런 RDBMS-NoSQL에 얽매일 필요 없이 유연하게 데이터를 이용하도록 하자는 뜻이 담겨 있음. 이 NoSQL역시 구글이 04년 자사의 빅데이터를 처리하기 위해 만든 데이터 저장 시스템 빅테이블에 쓰이면서 유명해 졌음.
- 최신 네비게이션 제품들은 과거와 같이 단순히 전자지도와 GPS가 결합된 것이 아님. 자동차 내부와 길거리 센서에서 수집된 데이터가 네비게이션과 중앙 서버간 통신을 통해 분석되어 교통상황을 실시간으로 파악하고(발견), 나의 행선지에 맞는 최적의 경로를 제시받을 수 있데 되었음.(의사결정 향상) 이로 인해 차량의 연료효율도 높아지고 시간도 절약됨(생산성 향상). 앞으로는 운전자가 지시하기 전에 미리 그날의 스케줄이나 운전자의 기분 등의 요소를 고려하여 스스로 목적지와 경로를 파악하고 최적의 길을 제시하며 자동운전할수도 있는 서비스가 나올 것임(새로운 가치), 이 모든 진화의 이면에 사용자에 대한 상세한 데이터가 수집, 분석되고 있음은 두말할 필요가 없다.
- 누구나 한번쯤 이미 버린 물건을 다시 찾기 위해 쓰레기통을 뒤져본 경험이 있을 것임. 왜 쓰레기통을 뒤지는가? 아마 이전에는 쓸모없다고 버린 물건이 이제는 어떤 이유에서든 다시 유용해지고 필요해졌기 때문. 마찬가지로 기업이나 기관들에 어떤 문제가 발생했을 때, 조직 내에 이미 그 문제의 해결책이 존재하나 그동안 쓸모가 없어 버려져 있었기에 이제 쓰레기통을 뒤져 그 해결채을 발견하는 것이 중요해진다는 점이 쓰레기통 이론의 핵심. 즉 문제해결 과정이 문제가 발생한 다음에 근사한 해결책을 만들어내는 것처럼 항상 순차적이기 보다는 반대로 문제가 발생하면 이미 조직내에 존재하지만 예전에는 간과하거나 무시했던 해결책을 찾는 이치와 같음. 이처럼 빅데이터는 이미 문제에 대한 해결책이 존재하는 쓰레기통과 같을 수 있음. 문제가 발생하면 해결책은 그 속에 있으며 이를 발견하는 일이 중요해진다는 뜻. 빅데이터의 쓰레기통은 규모와 구조가 엄청나게 크고 복잡하기 때문에 그 속을 사람이 직접 뒤지지 않고 컴퓨터가 대신 정보를 찾아줌. 과거에는 쓰레기통이 작아 그 속에 해결책이 들어 있을지 확신할 수 없었고, 들어 있다 해도 쓰레기통을 뒤지는 일이 쉽지 않았음. 하지만 빅데이터 시대에는 해결책이 존재할 가능성이 높은 엄청난 양의 쓰레기가 있으며, 이를 뒤지는 문제도 기술혁신으로 가능해졌고 더욱 쉬워졌음.
- 빅 상호작용 데이터 및 이메일, 블로그, SNS와 같은 비구조적 데이터가 급증하면서 고객이 기업에 직접 표출하지 않더라도 기업이 이들 마음속에 있는 감성을 읽어내는 것이 가능해지고 있음. SNS 등 고객이 직접 생산해내는 콘텐츠(즉 데이터)가 많아짐에 따라 이를 토대로 고객의 숨은 의도를 알아내려는 기법이 발달하고 있기 때문. 고객의 진정한 의도를 알아내는 방법인 고객감성분석은 개인의 글 속에 숨겨진 감성을 마이닝이나 분석기법 등으로 알아내는 텍스트 마이닝 또는 텍스트 애널리틱스의 일종임. 텍스트 애널리틱스는 구조화된 데이터와 비구조화된 데이터를 이용해 패턴 등을 찾아냄
- 고객감성 분석 : 소프트웨어가 사전에 만들어진 디렉토리에 등록된 사람, 상품, 위치 및 관련 용어나 개념들을 토대로 지시받은 콘텐츠를 검사해 관심사항들을 추출(마이닝)하는 프로세스를 진행 --> 디렉토리에 등재된 경쟁사 이름과 같이 유사한 정보들끼리 묶어 그룹을 만듬 --> 경쟁사 제품기사를 쓴 기자들의 이름과 이들이 쓴 기사 제목처럼 추출된 관심사항들 간의 관계를 찾아냄 --> 감성분석을 통해 관심사항(기사의 글) 내용이 긍정적인지, 부정적인지 판별함 --> 찾아낸 정보를 시각화, 대시보드 등으로 이용자가 이해하기 쉽게 제공
- 고객행태 경고 시스템은 일정기간 동안 고객대화 속에 등장하는 단어, 문장, 분류된 활동들의 변화를 자동적으로 분석해 문제가 발생하기 전에 스스로 알아서 경고하는 사전 경고 시스템임. 특정 단어, 문장, 카테고리가 한 채널 혹은 여러 채널에서 통계적으로 의미 있을 정도로 평소보다 적게 또는 많이 나타나면 이를 탐지해 자동적으로 알림. 이 시스템은 내부에서 발생하는 변화지만 외부에 입소문이 날만한 일들을 찾아낼 수도 있음.
- 고객 행태 경고 시스템은 일정기간 동안 고객 대화 속에 등장하는 단어, 문장, 분류된 활동들의 변화를 자동적으로 분석해 문제가 발생하기 전에 스스로 알아서 경고하는 사전 경고 시스템임. 특정 단어, 문장, 카테고리가 한 채널 혹은 여러 채널에서 통계적으로 의미있을 정도로 평소보다 적게 또는 많이 나타나면 이를 탐지해 자동적으로 알림. 이 시스테은 내부에서 발생하는 변화지만 외부에 입소문이 날 만한 일들을 찾아낼 수도 있음
- 야후는 먼저 컴퓨터가 자체적으로 학습하는 능력을 의미하는 기계학습 기법으로 고객들이 클릭하는 정보의 연관성을 파악해 콘텐츠 분류 방법을 도출. 이후 고객이 다시 방문하면 이런 분류방법에 따라 그 고객의 관심분야에 맞춰 콘텐츠를 제공. 이처럼 고객이 관심을 갖고 있는 링크와 검색결과를 제공함은 물론, 흥미를 가질 기사나 내용을 제일 중앙에 보여주어 각 콘텐츠와 정보에 대한 클릭 빈도를 크게 증가시켰음. 이러한 분야를 소셜 미디어 애널리틱스나 소셜 메트릭스라 하는데, 이는 일종의 소셜 미지어 데이터에 대한 분석임