실시간 뉴스



"금융 머신러닝 첫걸음은 알맞은 알고리즘 찾는 것"


엄수원 솔리드웨어 공동대표 "딥러닝, 금융사에 부적합"

[윤지혜기자] "딥러닝은 가장 고도화된 알고리즘으로 대규모 데이터를 활용해 예측력이 좋은 함수를 만들 수 있다. 그러나 어떤 예측 값을 도출했을 때 왜 이런 결과가 나왔는지 설명력이 부족하고 과대적합(overfitting)을 일으키는 경우가 있어 금융사에 적용하기엔 무리가 있다."

엄수원 솔리드웨어 공동대표는 아이뉴스24가 23일 서울 역삼동 한국과학기술회관에서 개최한 '2016 넥스컴 테크 마켓(NEXCOM Tech Market)'에서 "알파고 후 딥러닝이 주목받고 있지만 반드시 좋은 결과가 나오는 건 아니다"라며 "금융사의 머신러닝을 활용한 빅데이터 분석의 핵심은 최적의 알고리즘을 찾는 것"이라고 강조했다.

솔리드웨어는 금융사의 데이터를 인공지능으로 분석해 컨설팅을 제공하는 업체다.

엄 대표는 "금융사의 경우 데이터가 무한대로 늘어나지 않기 때문에 대량의 데이터를 분석하는 알고리즘인 딥러닝보다 단순한 알고리즘을 사용할 때 오히려 최적화된 예측 모델이 나온다"며 "솔리드웨어도 딥러닝을 사용하긴 하지만 프로젝트 목적에 맞춰 부스팅(Boosting)·라쏘·엘라스틱과 같은 다양한 알고리즘을 활용한다"고 설명했다.

이를 통해 솔리드웨어는 신용평가 시스템을 고도화해 금융사가 대출자의 상환능력, 부도 가능성 등을 파악할 수 있도록 돕는다. 실제 A보험사가 솔리드웨어의 보험고객 손해액 예측 프로젝트를 활용해 위험 고객을 순도 높게 거절했을 때, 연간 80억원정도의 추가 이익을 창출할 수 있는 것으로 나타났다고 엄 대표는 설명했다.

또 엄 대표는 머신러닝의 핵심은 '자동화'지만 정교한 예측 모델을 만들기 위해선 여전히 사람의 경험치가 중요하다고도 강조했다.

그는 "데이터 분석 프로세스를 자동화 하면 어느 정도의 결과는 나오지만 최적의 결과를 뽑아내기엔 무리가 있다"며 "최적의 결과를 원한다면 어느 정도의 사람의 손길(휴먼 터치)이 필요하다. 이런 점에서 로우 데이터(row data)를 가공해 모델링할 때 의미를 산출해내는 '피처 엔지니어링' 부분은 자동화 할 수 없다"고 말했다.

이어 "우편번호가 있다면 이를 그대로 쓰는 건 의미가 없다. 지역별로 묶어서 우편번호로 파생될 수 있는 지역 정보를 만들어 내는 게 중요한데 이런 작업은 머신러닝이 아니라 개발자들이 직접 수행하는 부분"이라며 "이를 통해 오차율을 줄이고 예측력이 높은 모델을 만들어 낼 수 있다"고 설명했다.

엄 대표는 "금융사 내부에 활용되지 않았던 빅데이터를 활용하면 신용평가뿐 아니라 밸류 체인, 제품 개발, 타깃 마케팅 등에서 좋은 결과를 얻을 수 있다"며 "이후 유입된 고객을 어떻게 유지할 것인지, 어떤 고객이 이탈할 것인지도 예측하면 고객관계관리(CRM)에도 도움이 된다"고 덧붙였다.

윤지혜기자 jie@inews24.com 사진 조성우 기자 xconfind@inews24.com






alert

댓글 쓰기 제목 "금융 머신러닝 첫걸음은 알맞은 알고리즘 찾는 것"

댓글-

첫 번째 댓글을 작성해 보세요.

로딩중
포토뉴스