카드사 빅데이터와 딥러닝 신경망 분석 도입의 의미와 활용 (Significance and Utility of Credit Card Company's Big Data and Deep Learning Neural Network Analysis)

서지정보

· 발행기관 : 사단법인 한국신용카드학회
· 수록지 정보 : 신용카드리뷰 / 11권 / 3호 / 27 ~ 45페이지
· 저자명 : 윤종문

초록

본 연구는 해외 카드사의 최근 빅데이터 분석 현황과 최근 각광 받고 있는 딥러닝 신경망 분석 알고리즘을 통한 카드사 데이터 분석의 의미와 효용성에 대해서 알아보고자 한다 . 카드사는 실시간 신용카드 거래를 통해 카드회원의 거래현황과 신용정보를 동시에 수집할 수 있어 금융권 중 가장 높은 질의데이터를 보유하고 있다 . 이를 통해서 카드사들은 현재 가맹점 및 고객 서비스 분야에서 빅데이터를활용하고 있고 보안성 향상 및 비용절감 , 외부의 마케팅과 공공데이터 제공 등에도 활용하고 있다 . 하지만 아직 빅데이터 분석에 있어 딥러닝 신경망 도입논의는 저조한 것으로 보인다 . 이는 딥러닝 신경망 분석이 신용카드 시장에 적용되기까지 알고리즘의 숙련도와 적용의 접합성이 낮기 때문으로 풀이된다 . 실제 딥러닝 신경망을 이용한 Ramanathan(2014) 과 Niimi(2015) 의 분석결과를 보면 , 전통적인분석모델인 SVM 의 예측의 정확도를 능가하지 못하고 있다 . 그러나 딥러닝 신경망 분석은 2014 년 이후에 이미 CNN(Convolution Neural Network), RNN(Recurrent Neural Network), GAN(Generative Adversarial Network) 등 새로운 방법론이 출현하면서 인간의 식별능력을 뛰어넘는 성과를 보이고 있다 . 이는 신용카드 빅데이터 분석에 딥러닝 신경망 분석의 효용성이 높아진다는 의미로 해석할 수 있다 . 따라서 카드사는 딥러닝 신경망 알고리즘 분야에 보다 많은 관심을 갖고 투자와 전문가 양성이 필요하다 . 또한 , 정책적으로 카드사의 빅데이터 활용을 위한 규제의 명확성을 높여주고 연구지원도 요구된다 . 이를 통해서 카드사는 부정거래탐지 시스템의 고도화 , 내부 비용절감 , 데이터 컨설팅 등에 활용할 수 있을 것이다.

영어초록

This paper examines the current status of big data analysis of overseas credit card companies and the usefulness of credit card data analysis through deep learning neural network algorithm.
Card companies have the highest quality data among the financial institutions because it can simultaneously collect transaction status and credit information of card members through real-time credit card transactions. Card companies are now utilizing Big Data in their merchant and customer service areas, improving security and reducing costs, and providing external marketing and public data services. However, discussions on introduction of deep learning neural networks are still poor in big data analysis. This is due to the low degree of coupling between the proficiency and application of algorithms until the deep learning neural network analysis is applied to the credit card market. The results of Ramanathan (2014) and Niimi (2015) analysis using actual deep-running neural network do not surpass the prediction accuracy of SVM, a traditional analysis model. However, the deep learning neural network analysis has already achieved results beyond human’s image discrimination with the advent of new methodologies such as CNN (Convolution Neural Network), RNN (Recurrent Neural Network) and GAN (Generative Adversarial Network) since 2014. This can be interpreted as meaning that the effectiveness of the deep learning neural network analysis in the credit card big data analysis is enhanced. Therefore, card companies are more interested in the field of deep learning neural network algorithm and need to invest and educate specialists, which can be used for advanced fraud detection system, internal cost reduction, and data consulting.

참고자료

· 없음