카카오뱅크를 기존 규제산업인 은행 밸류를 주는 것이 맞느냐
카카오뱅크를 새로운 신 산업인 플랫폼 밸류를 주는 것이 맞느냐
상장 첫날까지 왈가 왈부 말이 많았지만 결국 시장은 아직까지는 후자를 택한 것 같다 ..
(은행업에 대해 아는 것은 별로 없지만)
내가 바라보는 카카오뱅크에 대해 두서없이 글을 끄적여본다.
위의 그림에서 앞으로 카카오뱅크가 나아갈 시장 중 내 눈에 들어온 키워드는 단연 '신용정보' 였다.
(내가 이해한 것이 맞다면) 금융시장에서 가장 중요한 것은 신용이다.
다시, 신용을 얻기 위해서는 Trust(신뢰)가 가장 중요하다.
다시, 신뢰를 얻기 위해서는 내 자신이 누구인지 Identity를 입증하는 것이 중요하다.
과거에는 신분증, 민증, 사원증(?) 등 일부가 자신의 존재를 입증시키는 수단이었다면, 이제는 인터넷 상의 '계정'이 자신의 존재를 입증 시킬 수 있는 주요 수단이 되어가고 있다고 한다.
카카오계정을 통해 우리 자신이 누구인지를 사회에 입증(?), 증명(?)하는 방법은 수도 없이 많을 수 있다.
카카오M을 통해 알 수 있는 개인의 콘텐츠 취향
카카오페이를 통해 알 수 있는 소비습관
카카오뱅크를 통해 알 수 있는 여러 금융 정보 데이터 (예적금, 대출, 투자, 등..)
카카오커머스를 통해 알 수 있는 쇼핑 취향, 취미, 관심사 등
카카오톡을 통해 알 수 있는 주변인간관계
카카오모빌리티를 통해 알 수 있는 일상생활 반경, 이동경로
나열하자면 끝도 없는 나에 대한 모든 정보가 디지털화되어 있어 카카오계정 하나에 녹아들어 있는 것이다.
신용정보를 단순 소득수준, 재산규모, 부채규모 등 전통적인 재무정보 시각에서만 바라보는 것이 아닌
위에서 언급했던 모든 '비재무데이터'까지의 포괄적인 의미로 받아들인다면, 카카오뱅크의 독과점을 향해 나아갈 방향은 명확해보이는 것 같기도 하다.
모든 재무 & 비재무데이터를 통합해 상대적으로 정교한 '신용평가모델'을 구축해버리는 것이다.
(참고로 과거 리서치를 해본 결과 아직까지도 국내의 신용평가모델들은 주로 재무데이터에 상당히 의존할 수 밖에 없는 구조라고 한다)
모델 알고리즘을 아무리 정교하게 짯다고 한들,
(테슬라의 AI 책임자, Andrej karpathy가 말했듯) 데이터가 쓰레기면, 결과물도 쓰레기라 한다
"garbage in garage out"
모르긴 몰라도, 앞으로 국내에서 가장 정교한 신용평가모델을 구축할 확률이 높은 회사는 상당한 양질의 전국민 재무 & 비재무데이터를 갖고 있는 카카오뱅크가 아닐까라는 생각을 해본다.
신용평가모델이 정교하다면,
1) 지금까지 거의 무주공산에 가까웠던 중금리대출 시장을 장악할 수 있으며
2) 위로는 1금융권이 독과점해왔던 고신용(1-3등급) 시장을 강력한 원가우위(낮은 대출 이자율%)로 ms를 늘려갈 수도 있겠으며
실제로 현재에도 카카오뱅크는 타은행 대비 압도적(?)인 원가우위를 가지고 있다.
(시중은행 정부지원 디딤돌 전세자금 대출금리 2.60% 대출금 70% vs 카카오뱅크 일반전세자금대출 1.86% 대출금 80-90%)
3) 아래로는 고금리시장(저축은행, 카드론, P2P)에서도 MS 확대를 기대해 볼 수 있지 않을까라는 생각을 가져본다.
대출시장만으로 한정해서 보는것도 무리가 있다.
다른 금융상품(펀드,보험상품)을 판매하는 유통채널로서의 카카오뱅크를 바라보면 어떠할까?
과거 펀드를 고객에게 판매했던 경험을 돌이켜보자면, 고객들은 재태크에 관심은 상당히 높은 수준으로 매년 증가하지만, 막상 금융권방문을 상당히 부담스러워 하셨었다..
(금융지식에 대한 부족함을 드러내는 것이 부끄럽다고들 하신다..)
하지만, 카카오뱅크의 채팅봇은 비대면 서비스가 '
주'(채팅봇)이다.
자신의 부족함을 부끄럼없이 언제나 사람보다 편한 (?) 봇 비대면으로 물어볼 수 있고,
무엇보다 카카오app을 통하기에 접근성 마저 굉장이 용이하다.
이러한 비대면 이용자들은 비단, MZ세대 뿐만이 아니다.
최근 카카오뱅크 이용 연령층을 보면 50대 이상이 가장 빠르게 늘어나고 있는 것도 굉장히 인상적이다. (코로나 영향이 있을 듯..)
전 연령층을 고르게 만족시키면서 고객들을 확보해 나가는 카카오뱅크는 국내 단일 금융 유통플랫폼으로 자리를 잡아나갈 확률이 굉장히 높아보이지 않나라는 생각을 해본다.
1) 여기저기 흩어져 있는 국내 여러 금융상품(펀드&보험)들을 한눈에 비교할 수 있는 기능
2) 개별 소비자들의 신용정보를 바탕으로 하는금융상품(펀드,보험.대출) 추천 알고리즘 기능
그 동안 여기저기 산적해있는 여러 금융기능을 카카오뱅크 app 하나에 통합시켜버려 고객의 편의성을 계속 높여나가 금융 플랫폼으로서의 독과점 지위를 누려볼 수 있지 않을까라는 생각도 가져본다.
고객들에게 편의성을 제공하며 트래픽을 보유해나가는 금융 플랫폼으로서의 카카오뱅크의 지위 앞에
머지 않아 국내 전 운용사,보험사 마케팅 직원들이 카카오뱅크 앞에 머리를 조아(?)릴 날이 곧 오지 않을 수도 있겠다라는 생각을 해본다. (이미 조아리고 있을지도..)
또 뭐가 있을까 생각해보면, P2P 대출, 크라우드펀딩, 블록체인 같은 신(?)금융시장과도 접목할 수 있지 않을까라는 생각도 해본다.
다시 종합해보면, 이 모든 카카오뱅크의 나의 망상은 앞서 말한 카카오 계정의 신용정보에 근간한다.
이러한 신용정보에 근간해 금융시장에서 상대적으로 더 정교한 신용정보모델을 구축한다는 것은 상당한 '경제적 해자'라고 나는 생각한다..
(과연 글로벌 그 어느 국가에서 카카오와 같은 지위를 누릴 회사가 있을까.. 중국의 알리바바 앤트그룹보다도 더 독점이지 않나?)
#해외 사례
비재무데이터를 활용한 정교한 신용정보모델 구축을 시도했던 기업이 있었다. zest finance
ZEST FINANCE는
구글의 전 최고기술경영자인 더글라스 메릴에 의해 2009년 설립된 IT
스타트업 핀테크 업체다.
신용정보가 부족하여 제대로 된 신용평가를 받지 못하고 대출에 불이익을 받는 개인들을 위하여 스스로 학습하고
결과를 검증, 문제점을 발견하며 발전해나가는 인공지능 알고리즘 머신러닝 기법을 사용하는 신용평가시스템
Zest Automated Manchine Learnig (ZAML) 플랫폼을 개발, 서비스를 제공하고 있다고 한다.
기존 재무정보 뿐만 아니라 비재무정보까지 모든 개인정보를 포함하는 3000종
이상의 데이터가 사용되며, 개인정보가
입력될 시 10초 이내의 개인신용평가가 가능하다고 한다.
Zest Finance의 신용정보모델 구축과정 논문을 찾아 간단히 번역해보면 아래와 같다
ZEST FINANCE의
머신러닝 모델링 프로세스는 4단계로 구성되어 있다고 한다.
1. 정확한 정의
첫번째 단계로는 신용도란 무엇인지에 대한 정확한 정의를
입력해야하고, 그와
동시에 이러한 신용도를 도출하기 위해 어떠한 대입변수들을 사용할 것인지, 그 대입변수들의 정의와 어떻게 정확하게 그 대입 변수들을 정량화하여
결과 값을 도출할 것인지 사전에 정해야 한다고 한다.
2. 자료수집과 자료변형
다음으로는 자료수집과 자료변형이다.
신용도를 측정하기 위해
사용된 대입변수들은 TRAINING DATA로 불리며 이러한 TRAINING
DATA는 4가지로 분류된다고 한다.
2-1) 첫번째로는
borrower’s data이다. 이 데이터는 대출신청시
얻는 데이터로 예시로 자사의 대출약정페이지에 많은 시간을 할애하면 할애 할수록 대출약정사항을 세심히 읽었을 확률이 높을 것이라고 생각되어 신용평가시
긍정적인 요소로 작용 될 수 있다고 한다.
2-2) 두번째로는 Proprietary Data이다. 가장 범위가 넓으며
포괄적인 데이터로 오프라인상의 구매 뿐만 아니라 온라인상의 구매기록까지 신용평가에 사용되는 data로 개인 의료지출 데이터에서부터
의식주 지출 데이터까지 포괄적인 데이터이다.
2-3) 세 번째는 Public Data이다. 수많은 인터넷 상의
페이지를 수집하여 분류해주는 기술 Web
Crawling이나 인터넷상에서 얻을 수 있는 다양한 정보를 활용하여 신용평가에 적용하는 data이다.
2-4) 마지막 네 번째는 Social Data로
현대인들이 많이 사용하는 SNS상의
다양한 정보를 신용평가에 적용하는 data들이다.
3. 가공
위의 데이터들이 수집된
후 이 데이터들을 가공해줘야 한다 예시로 가공되지 않은 소득정보는 같은 산업, 같은 지역에 속한 다른
고객들에 비해 어느정도의 백분위 점수로 나타내질 수 있으며 여기서 더 나아가
해당 고객이 혹시나 자신의 급여를 잘못 입력했을 가능성, 거짓으로 입력했을 가능성까지 확률적으로 고려해주는 과정이다.
4. 딥러닝
마지막 과정으로는 스스로
배우는 딥러닝 시스템과 상관계수를 찾기 위한 Regression model, 그 외 복수의 통계적 모델을 활용하여 머신러닝 과정을 실행하는
것이다. 수많은 대입변수들의 조합과 그 조합들의 결과 값이 고객의 어떠한 대입변수들과 가장 상관관계가 높은지 알기위해 수많은 반복적인 실험을 시도하는데 이러한 과정을 feature selection이라고
한다.
feature
selection을 통해 머신러닝 컴퓨터 시스템은 어떠한 대입변수가 결과값과 높은 연관성이 있는지
없는지 스스로 배우며 판단하게 되며 대입변수가 결과값과 상관관계가 없거나 그 수준이 미비할 경우 컴퓨터는 그 대입변수를 버린다.
반면 만약 해당 대입변수
결과값과 높은 상관관계를 갖거나 유의미한 수준의 상관관계를 갖는다면 컴퓨터는 그에 알맞은 적합한 비중을 부여하며 마지막 신용평가 모형 도출에 사용될
것이다.
(출처 : 과거 내 공동 졸업 논문)
카카오뱅크도 이렇게 할 수 있나? (문돌이라 잘 모르겠다..)
과거 메일을 뒤져보니 2017년 대학생 때 졸업논문을 빌미로 카카오뱅크에 직접 해당 내용을 문의해 답변을 받았던 기록이 있다.
(질문)
Q,1 카카오뱅크는 향 후 신용등급 4~7등급의 중신용자를 대상으로 중금리 시장을 주 목표로 한다는 기사를 읽었습니다.
지난 6~7월부터 시중은행과 저축은행들은 사잇돌 중금리대출(은행 평균 중금리 대출 7.3%, 저축은행 평균 중금리 대출 16%)을 판매하기 시작했습니다.
은행은 4~5등급쪽에 가까운 중신용자에게 대출을 해주고 저축은행 등 제 2금융권은 6~7등급쪽에 가까운 중신용자에게 주로 대출을 해주는 상황에서 카카오뱅크는 상대적으로 어느쪽의 중금리대출을 targeting 하고 있는지
(4~5등급쪽의 은행과 경쟁할 것인지 6~7등급의 2금융권과 경쟁할 것인지)
그리고 그 이유를 물어볼 수 있을까요?
Q.2 제가 이해한 카카오뱅크의 사업계획안은 핀테크 기술과 빅데이터 분석을 통해 차별화된 정교한 신용평가시스템을 만들어 고객들에게 적정금리 대출을 목표로 하는 것으로 이해했습니다.
이에 대해서.. 혹시나 정말로 죄송한데 사례중심으로 어떻게 빅데이터를 사용해서 개인고객들의 신용평가를 더 적정하게 측정할 수 있는지 설명 해주시면.. 정말 감사하겠습니다.
(답변)
Q1. 카카오뱅크는 신용등급 4~7등급 고객을 대상으로 10% 내외의 중금리대출을 신속하고 편리하게 제공하고자 합니다.
따라서, 주된 타겟은 2금융권 중신용자가 되겠습니다.
그리고 시중은행의 복잡하고 번거로운 대출절차에 불편함을 느끼는 중신용 고객들도 카카오뱅크의 타겟 고객이 될 수 있습니다.
Q2. 카카오뱅크는 카카오 등 주주사의 데이터, 통신회사 데이터, 주거래은행의 거래 이력 등의 빅데이터를 입수한 후, 머신러닝 평가기법을 적용하여 신용평가에 활용할 예정입니다.
4년이 지난 현재에도 잘 하고 계시려나...
취업선호도 1위 '카카오'의 지위 아래 카카오뱅크로 몰려드는 국내의 SW 개발자..
과연 카카오뱅크를 전통 정부규제산업인 은행업으로 봐야하는 걸까..
금융 플랫폼으로 바라봐야 하는 걸까..
금융플랫폼 사업으로 카카오뱅크를 바라본다면,
(다사 다난하겠지만) 카카오뱅크를 국내 독과점 금융플랫폼으로 바라보는 것은 무리가 있을까?
나는 후자 금융플랫폼으로서의 카카오뱅크를 바라보는 것이 맞지 않나라는 생각을 해본다.
