업계 1위, 신한카드의 빅데이터 분석
남궁설 셀장 강연
우리나라 최대 인원이 가입한 신한카드에서는 굉장히 트렌드 분석에 기민하게 반응한다.
이번 전공 수업시간에 좋은 기회로 남궁설 신한카드 셀장이 강연을 와 신한카드의 빅데이터 접근 방법에 대해 어렴풋이 알게 되는 시간을 가졌다.
정말 좋은 내용을 많이 들어, 강연자님의 허락을 받고 내용을 공유하고자 한다.
강연은 크게 빅데이터 이슈에서 핵심 키워드로 꼽히는 7개 단어에 대한 설명으로 진행됐다.
7개 키워드는 바로 아래와 같다.
빅데이터 / 스몰데이터 / 구글 / 시각화 / 사람 / 기업 / 공공
첫번째, 빅데이터
2018년 흥미로웠던 이슈 하면 화사 곱창 열풍이 있다. 보통 맛집이 화제가 되면 그 특정 맛집이 흥하는 경우가 많은데 화사 곱창의 열품은 전국 곱창의 증가까지도 일었을 만큼 굉장히 선풍적인 먹방이었다. 이 현상이 시사하는 바는 바로 요즘에는 소비자들이 텍스트를 통한 이해보다는 동영상을 통한 감각적 공감이 뜨고 있음을 시사한다.
하나의 현상을 보고 다양한 해석을 내놓을 수 있다. 화사의 곱창 먹방을 봤을 때 단순히 화사가 맛있게 먹어서, 혹은 곱창이 맛있어 보여서를 열풍의 이유로 들 수 있겠지만 이 현상에서 깊숙히 분석해 insight를 찾아낸다면 바로 '영상을 통한 전달력' 이라는 결론을 얻어낼 수 있는 것이다.
이러한 태도가 바로 빅데이터에서 필요하다. 수많은 자료와 정리되지 않은 자료 속에서 무슨 효용성을 얻어낼 수 있는지 분석하고 가공하는 것이 필요하다. 하나의 예를 더 든다면, 빅데이터는 인원 분석에까지도 쓰일 수 있다고 한다.
촛불 집회에서 중요한 화두였던 바로 '참가 인원'
인원수를 집계할 때 카드사의 데이터가 유용하게 쓰일 수 있었다. 바로 광화문 광장 근처 편의점에 카드 결제 내역을 확인하는 것이다. 혹은 통신사 데이터를 활용해 광화문 광장에 집합한 인원수를 집계하는 방법 또한 매우 정확도 있게 인원수를 집계해낼 수 있었다.
진정으로 빅데이터가 문제 해결까지 나아간 사례는 바로 구글이 독감의 유행을 예측했던 사건이다.
구글이 구글 사용자들의 검색량 추이를 분석해 독감 증상을 보이는 사람들이 북미에 많다는 것을 알아냈으며, 곧 북미에 독감 유행이 닥칠 것이라는 예측을 내놓았다. 단순한 검색량 추이로 미래를 예측하는 데에는 한계점이 많지만 데이터를 통해 문제 해결까지 나아갔다는 데에 의의가 있었던 사건이었다.
두 번째, 스몰데이터
스몰데이터라는 개념 자체가 생소할 수도 있으나 크게 3개로 나눌 수 있다.
1. sample data
2. qualitative research data
3. core feature in Big data
1과 2는 관찰만으로 얻어내는 데이터. 3번은 대용량의 빅데이터를 빠르게 처리하기 위해 small data로 나눈 것이다.
요즘은 여러 tech들과 결합하면서 기존의 정성 data들, 스몰데이터들을 빅데이터화 하기도 한다.
음성을 data, text 파일로 변환시키거나,
과거 미쉐린 스타자료에 의존했다면, 요즘은 직접 돌아다녀서 맛집 찾았다면 현재는 우버로 쉽게 찾아낸다.
small data와 big data의 결합분석도 대두되고 있다.
빅데이터만으로 정확하고 세세한 분석이 어려운 만큼 small data를 결합해 , 설문이나 관찰을 통해 확실한 값을 얻어내는 것이다.
이런 측면에서 남궁설 셀장은 전통적인 설문지나 데이터 수집법이 사라지지는 않을 것이라고 언급했다.
세 번째, 구글
현재도 그렇고 미래에도 그럴 것이고, 사람들의 생각을 읽을 때 가장 중요한 자료들은 소리, 영상, log 등의 여러 감각 데이터들이다.
구글에서는 데이터 트렌드 흐름을 영민하게 읽어 빅데이터 프로젝트를 시행한 적 있다.
1. 라이브러리 프로젝트. 책에 언급되는 단어를 비교. 디지털화된 책들을 이용한 문화의 정량적 분석을 하는 프로젝트이다. 이는 '빅데이터 인문학, 진격의 서막'이라는 책을 읽으면 더 많은 정보를 얻을 수 있다.
2. 앞에서도 언급했듯이 미국정부보다 빠르게 감기 전염율을 예측했다. 하지만 신종인플루엔자 전세계적으로 유행할 것이라는 걸 놓치고, 2013년에는 독감 발생률의 2배에 달하는 예측치를 내놓으면서 신뢰도에 문제가 제기되었다.
그 이유는 구글의 분석이 인과관계를 무시한 상관관계로만 도출해 낸 결과였기 때문이다. 결론적으로 구글 독감 트렌드가 다른 방법을 보완하는 용도로 만들어지긴 했지만, 분석에 예리함이 필요함을 알려주는 사례였다.
남궁설 셀장은 단순히 샤넬, 루이비통, 구찌의 검색량만 보는 것 보다는, 연결 단어까지 함께 분석하는 게 필요하다고 언급했다. 일차원적인 분석이 아닌 고차원적인 해석이 필요하다는 것이었다.
카드사의 데이터 활용에 있어서도 마찬가지이다.
이사와 소비와의 카드 데이터 자료를 알아볼 때,
이사 전에 고가 화장품을 이용하고 소비금액이 감소하고, 주유소와 커피 소비가 증가한다고?
라는 결론을 내놓을 수 있다. 이 때 단순히 이사와 소비만 보는 게 아니라, 왜 이사를 하는 지까지 같이 봐야한다는 것이다. 결혼에 따른 이사일 경우 / 평수확장에 따른 이사일 경우 / 학군에 따른 이사인 경우 마다 상황이 달라진다는 점을 간과해서는 안된다고 한다.
네 번째, 시각화
시각화의 대표 예시, Hans Rosling의 그래프빅데이터 시대에는 문제해결 / 인사이트를 위한 시각화!가 강조되고 있다.
어느 정도의 공감각 능력이 필요하다고 한다. 많은 자료를 최대한 효율적이고 가시성 높게 전달하는 게 또 하나의 핵심 역량으로 떠오르고 있는 것이다.
다섯 번째, 사람
새롭게 떠오르고 있는 직종은 'data scientist'이다.
이미 너무도 많이 축적된 데이터를 분석하는 게 굉장히 중요해지고 있다. 알리바바 마윈 회장이 언급했듯이 IT시대는 끝나고 DT 시대에 접어들었다
다보스 포럼에서도 데이터 숨겨진 뜻을 이해하고 소통할 수 있는 능력이 일자리가 요구하는 주요 소양이 될 것이라고 언급했다.
그렇다면 데이터 사이언스가 되기 위해서는 어떤 역량이 필요할까?
남궁설 셀장이 언급한 바로는
데이터 사이언스 = 컴퓨터사이언스 + 수학&통계학 지식 + 비즈니스분석능력
의 역량이 있어야 하고, 3개의 영역 중 하나만 전문가 수준의 능력을 갖추고 있으면 된다고 한다.
여섯 번째, 기업
왜 기업들과 공공기관들도 빅데이터를 쓰기 시작했을까?
답은 명확하다. 기존 기술로 해결할 수 없었던 여러 문제점들을 해결하고 있기 때문이다.
축구 데이터 분석업체 영국 옵타는 하위 리그에 있었던 축구 팀의 성과를 이끌어 냈고, 영화 [머니볼] 에서도 주인공 브래드 피트는 주어진 제한된 비용으로 최대의 성과를 내기 위해 데이터를 활용했다.
또한 앞서가고 있는 OTT(Over The Top) 중 넷플릭스 또한, 고객 맞춤형 컨텐츠를 추천하는 것으로 시장을 선점했다.
빅데이터 보유 기업들은 지금 플랫폼 전쟁 중이다.
일곱 번째, 공공
공공의 영역에서도 빅데이터는 유용하게 쓰인다.
새로운 개인데이터 활용체계 마이데이터(mydata) 같은 경우는 개인의 데이터 주권을 기반으로 개인데이터 공유 및 활용 권한 행사를 할 수 있는 서비스다.
다시 말하면, 데이터보유기업이 개인 사용자의 활용 권한을 받고 서비스 제공기업에게 개인 데이터에게 이동시키고 접근하게 하는 혁신 서비스이다. 공공과 개인의 권리를 잘 이용한 빅데이터 사례이다. 이런 마이데이터 서비스는 많은 일자리까지 창출할 것으로 기대된다.
빅데이터에 대해 전체적인 개론을 잡을 수 있었던 좋은 시간이었고, 강연을 들으면서 내내 신한카드가 빅데이터에 대한 기본적인 이해도를 높이고자 하는 노력을 많이 하고 있음을 느낄 수 있었다.
Data scientist를 목표로 하지 않아도 데이터 분석에 대한 기술적인 지식을 습득하는 것도 좋은 경쟁력이 될 수 있을 것이라는 생각이 들었다.
