*철* 스토어

*철*

개인인증

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 등록된 전문분야가 없습니다.

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

60개
전체 판매량

356개
최근 3개월 판매량

0개
자료후기 점수

평균B
자료문의 응답률

-

전체자료 60개

판매자 표지

성공적인 머신러닝 모델링을 위한 프로세스

성공적인 머신러닝 모델링을 위한 프로세스1. 기획 및 조사1-1. 알고리즘 선정 이유 및 원리 파악결정 트리(Decision Tree)는 지도 학습(Supervised Learning)에서 사용되는 머신러닝 알고리즘 중 하나이다. 이 알고리즘은 데이터를 분석하고 특정 기준에 따라 여러 개의 의사 결정 규칙을 만들어내는 방식으로 동작한다. 이러한 의사 결정 규칙들을 트리 구조로 나타내기 때문에 '결정 트리'라는 이름이 붙었다.의사 결정 트리는 금융, 의료, NLP, 추천 시스템 및 프로세스 최적화 내에서 주로 사용되는데, 이는 다양한 도메인에 걸친 의사결정 트리의 다양성을 보여주고 많은 산업에서 실제 문제를 해결하는 데 있어 의사결정 트리의 유용성을 강조한다. 이러한 이유로 결정 트리 알고리즘을 선정하였다.위의 표에서 결정 트리는 데이터에서 다음을 학습한다. if-then-else 결정 규칙 세트를 사용하여 사인 곡선을 근사한다. 더 깊은 트리가 많을수록 의사 결정 규칙이 더 복잡해지고 모델이 더 적합하다.결정 트리의 원리는 다음과 같다:①트리 구조 생성: 데이터셋을 분할시키는 규칙을 찾기 위해 트리 구조를 생성한다. 이때, 데이터의 특성을 기반으로 분할 규칙을 정하며, 각 분할은 트리의 노드(node)로 표현된다. 트리의 맨 위에 있는 노드를 '루트 노드(root node)'라고 하며, 이 노드에서부터 시작하여 하위 노드로 나뉜다.②분할 규칙 찾기: 데이터셋을 가장 잘 구분할 수 있는 특성과 해당 특성의 분할 기준을 찾는다. 이를 위해 다양한 알고리즘과 지표들이 사용될 수 있다. 일반적으로는 특성의 정보 이득(Information Gain)이나 지니 불순도(Gini Impurity) 등의 지표를 사용하여 분할 기준을 선택한다. 정보 이득은 해당 특성으로 분할될 때 타겟 변수의 불확실성 감소를 나타내며, 지니 불순도는 특성으로 분할될 때 타겟 변수의 잘못 분류될 확률을 의미한다.③재귀적 분할: 분할 규칙에 따라 데이터셋을 하위 노드로 분할시킨다. 이 과정은 재귀리)C4.5와 유사하지만 숫자 대상 변수를 지원한다. 지니 불순물(분류) 또는 평균 제곱 오차(MSE)(회귀)를 사용하여 이진 트리를 생성한다.아니요예아니요■ 장점? 모델의 명료함으로 인해 경영분야의 응용문제에 자주 활용된다.? Outlier에 큰 영향을 받지 않는다.? 비모수적 모형: 선형성/정규성/등분산성 가정이 필요없다.? 모델의 해석력이 높은 두개 이상의 변수가 결합해 타겟변수에 어떻게 영향을 끼치는지 자동적으로 찾아준다. 달리 말해, 중요변수를 선택하기 용이하다.? 변수들 중 일부를 선택하는 변수 부분선택이 자동으로 이루어진다.? 연속형 데이터와 이산형 데이터 모두 다룰 수 있다.? 반응변수와 예측변수 사이의 특정한 관계를 가정하는 모델들과 달리 (예를 들어 선형회귀 분석모델 또는 선형판별 분석모델에서와 같은 선형 관계), 분류회귀나무 모델은 비선형 비모수모델이다.■ 단점? 과적합 (overfitting) 가능성 존재한다.? 학습 데이터에 따라 생성되는 결정나무에 큰 차이가 있다.? 연속형을 비연속 값으로 취급해서 경계점 근처에서 오류가 발생 가능하다.? 분석자료에 의지해 예측의 불안정하다.? 상대적으로 정확도가 떨어진다.? 좋은 분류나무를 만들기 위해서는 큰 데이터 세트가 필요하다.■알고리즘 사용 시 주의점①과적합방지: 과적합을 방지하기 위해 트리의 크기를 제한하거나 가지치기(Pruning) 기법을 사용하여 모델을 정규화할 수 있다.②하이퍼파라미터 튜닝: 결정 트리에는 여러 가지 하이퍼파라미터가 존재하며, 이들을 적절히 조정하는 것이 중요하다. 예를 들어, 트리의 최대 깊이, 분할 기준 등을 조정하여 모델의 성능을 최적화할 수 있다.■데이터 불균형 처리데이터셋의 클래스 간 불균형이 존재할 경우, 적절한 가중치 부여나 샘플링 기법을 사용하여 데이터 불균형 문제를 해결해야 한다. 예를 들어, 단일 결정 트리의 성능을 향상하기 위해 앙상블 기법인 랜덤 포레스트(Random Forest)나 그래디언트 부스팅(Gradient Boosting)과 같은 알고리즘적합되기 쉽다. 즉, 지나치게 복잡해지고 교육 데이터에서는 잘 수행되지만 보이지 않는 데이터에서는 제대로 수행되지 않을 수 있다. 따라서 트리 가지치기와 같은 정규화 기술이나 앙상블 방법(예: Random Forest, Gradient Boosting)을 사용하여 모델의 일반화 및 예측 성능을 개선하는 데 자주 사용한다.② 모델 함수에서 필요한 parameter의 종류와 의미의사 결정 트리 모델 기능에는 모델을 교육하기 전에 지정해야 하는 여러 하이퍼 매개 변수가 있다. 이러한 하이퍼 파라미터는 의사 결정 트리 알고리즘의 동작을 제어하며 성능과 복잡성에 상당한 영향을 미칠 수 있다. 의사결정 트리 모델 기능에 필요한 매개변수의 주요 유형과 의미는 다음과 같다.■ 기준: 기준은 각 노드에서 분할 품질을 측정하는 데 사용되는 기능을 지정한다. 일반적인 기준은 Gini 불순도에 대한 "gini"(분류에 사용됨), 정보 획득에 대한 "엔트로피"(분류에 사용됨) 또는 평균 제곱 오차에 대한 "mse"(회귀에 사용됨)이다. 이 기준은 알고리즘이 데이터를 다른 클래스로 얼마나 잘 분리하거나 분산을 줄이는지에 따라 분할에 사용할 기능 및 임계값을 결정하는 방법에 영향을 준다.■ 최대 깊이(또는 최대 트리 깊이): 루트 노드에서 리프 노드까지의 레벨 수를 제한하는 의사 결정 트리의 최대 깊이로 트리 깊이를 제한하면 과도하게 복잡한 모델을 피함으로써 과적합을 방지하는 데 도움이 될 수 있다.■ 최소 샘플 분할: 내부 노드를 분할하는 데 필요한 최소 샘플 수로 최소 샘플 분할에 더 높은 값을 설정하면 알고리즘이 과적합으로 이어질 수 있는 데이터에 작은 분할을 생성하는 것을 방지할 수 있다.■ 최소 샘플 리프: 리프 노드에 있어야 하는 최소 샘플 수로 이 하이퍼파라미터는 리프 노드에 있어야 하는 데이터 포인트의 최소 수에 대한 임계값을 설정한다. 샘플이 거의 없는 노드를 피함으로써 보다 일반화 가능한 모델을 만드는 데 도움이 될 수 있다.■ 최대 기능: 각 노드에서 최상의 분할을 탐지할 수 있다.②보건 의료의사가 의학적 진단을 할 때 의사 결정 트리를 활용할 수 있다. 증상과 환자 데이터를 기반으로 잠재적인 질병을 식별할 수 있기 때문이다. 예를 들어, 호흡기 질환을 진단할 때 증상(예: 발열, 기침, 흉통)에 대한 일련의 질문을 통해 가능한 진단 범위를 좁히고, 의학적 진단을 환자에게 안내할 수 있다.또한, 의사 결정 트리는 개인의 건강 프로필, 생활 방식 요인 및 유전 정보를 기반으로 특정 질병의 위험을 예측하는 데 사용할 수 있다. 예를 들어 의사 결정 트리 모델은 연령, BMI, 가족력 및 식습관과 같은 요인을 기반으로 개인의 제2형 당뇨병 발병 가능성을 예측할 수 있다.③자연어 처리(NLP)NLP에서 결정 트리는 텍스트 데이터에 대한 감정 분석을 수행하는 데 사용된다. 예를 들어, 의사 결정 트리는 텍스트에 사용된 단어와 구를 기반으로 제품에 대한 고객 리뷰가 긍정적인지, 부정적인지 또는 중립적인지를 결정할 수 있다. 더불어, 스팸 이메일 탐지: 의사 결정 트리를 사용하여 이메일을 스팸 또는 합법적으로 분류할 수 있다. 콘텐츠, 보낸 사람 정보 및 이메일의 기타 기능을 분석하여 결정 트리는 스팸일 가능성이 있는지 여부를 결정할 수 있다.④추천 시스템영화/TV 프로그램 추천: Netflix와 같은 스트리밍 플랫폼은 결정 트리를 사용하여 사용자에게 영화 또는 TV 프로그램을 추천할 수 있다. 사용자의 시청 기록, 선호도 및 평가를 기반으로 결정 트리는 사용자의 관심사에 맞는 콘텐츠를 제안할 수 있다.온라인 소매업체는 의사 결정 트리를 사용하여 쇼핑객에게 제품을 추천할 수 있다. 검색 기록, 구매 행동 및 인구 통계 정보를 분석하여 결정 트리는 사용자가 관심을 가질 만한 제품 제안이 가능하다.⑤프로세스 최적화의사결정 트리를 활용하여 공급망 물류 및 재고 관리를 최적화할 수 있다. 수요 패턴, 운송 비용 및 생산 능력과 같은 요소를 고려하여 의사 결정 트리는 기업이 효율적인 공급망 결정을 내리는 데 도움을 줄 수 있다.2. 개발 및 of the Treeprint("nDepth of the Tree:", model.get_depth())# Number of Leaf Nodesprint("Number of Leaf Nodes:", model.get_n_leaves())# Plot the decision treeplt.figure(figsize=(12, 6))tree.plot_tree(model, feature_names=iris.feature_names, class_names=iris.target_names, filled=True)plt.show()# Make predictions on the test datay_pred = model.predict(X_test)# Evaluate the modelfrom sklearn.metrics import accuracy_score, classification_report, confusion_matrixprint("nAccuracy:", accuracy_score(y_test, y_pred))print("nClassification Report:")print(classification_report(y_test, y_pred))print("nConfusion Matrix:")print(confusion_matrix(y_test, y_pred))이 코드는 결정 트리 분류기를 훈련하고 기능 중요도, 트리 구조(잎 노드의 깊이 및 수)를 검사하여 알고리즘 구현을 해석하고 결정 트리를 시각화하는 방법을 보여준다. 또한, 테스트 데이터에 대한 예측을 수행하고 정확도, 분류 보고서 및 혼동 행렬을 사용하여 모델의 성능을 평가한다.2-2. 알고리즘 학습 결과물에 대한 해석scikit-learn에서 model.fit 메서드와 모델의 클래스 구조에 초점을 맞춰 결정 트리 알고리즘 구현의 해석을 알아보고, 이러한 측면을 단계별로 살펴보겠다.①model.fit() 메서드scikit-learn에서 'model.fit()' 메서드는 주어진 데이터 세트에서 결정 트리 이다.

공학/기술| 2024.05.18| 12페이지| 3,000원| 조회(287)

알고리즘, 모델링, 빅데이터, 텍스트마이닝, 디지털변화, 머신러닝, 딥러닝

미리보기

닫기
판매자 표지

Digital Transformation at GE

[Digital Transformation at GE]1. IIoT(Industrial Internet) 시대를 맞이하여 GE는 어떤 기회와 위협을 맞이하게 되었는가? 그리고 GE는 - 보다 일반적으로 전통적인 제조업체들은 ? IIoT를 통해 고객들에게 어떠한 가치를 어떻게 창출(value creation)할 수 있으며, GE는 이를 위해 어떤 활동을 했는가?IIoT는 "Industrial Internet of Things"의 약자로, 산업용 인터넷을 의미한다. IIoT는 기계, 장비, 센서 및 다른 산업용 장치가 인터넷을 통해 연결되어 데이터를 교환하고 상호작용할 수 있는 네트워크이다. 전통적인 산업 환경에서는 기계 혹은 장비가 독립적으로 작동하거나 제한된 로컬 네트워크에 연결되어 동작했다. 그러나 IIoT는 이러한 장비들을 인터넷에 연결하여 실시간으로 데이터를 수집 및 분석하여, 생산 공정을 모니터링하고 최적화하며, 장비의 성능을 개선하고 유지보수를 예측할 수 있다. 이처럼 IIoT는 생산성 향상, 비용 절감, 자동화 등 다양한 이점을 제공한다. IIoT는 제조업, 에너지, 운송, 농업, 건설 등 다양한 산업 분야에서 적용될 수 있다.(1) 기회①산업 인터넷은 항공, 운송, 가스와 석유, 건강 관리, 에너지 관리를 포함한 광범위한 산업에서 경제적 가치가 큰 시장이다. 항공 산업에서는 항공기의 부품을 교체할 시기를 예측하여 항공기의 가동중지 시간을 줄이고, 부품 재고를 줄이며, 고객 만족도를 높일 수 있다. 또한, 에너지 소비 측면에서 수동 판독 모니터를 대체하고 전력 사용 및 정전을 더 정확히 예측하여 에너지 효율을 높일 수 있다. 교재에 따르면 월스트리트와 기술 분석가들은 산업 인터넷이 매출 증가와 비용 절감 측면에서 엄청난 가치를 창출할 것이라고 예상했다. 분석가들은 산업 인터넷이 2013년에서 2022년 사이에 14조 4천억 달러의 경제적 가치를 창출할 것으로 추정했다.②GE는 전 세계에 핵심 하드웨어를 공급하며 큰 산업 데이터 세트를 보유했다. 이미어 장비, 발전기, 터빈, 의료 영상 장비, 광산 장비, 상업 금융, 보험, 부동산, 에너지 리스 상품과 함께 석유 및 가스 장비가 전 세계 거의 모든 지역에 영향을 미쳤다. 이러한 데이터를 사용하여 구축할 수 있는 분석 응용 프로그램을 통해 고객의 비즈니스를 질적으로 향상할 가능성을 높였다.(2) 위협①GE는 IIoT 분야의 핵심역량이 부족했다. IIoT 도입은 새로운 비즈니스 모델과 기회를 제공했지만, GE는 IIoT 기술을 어떻게 활용할지, 어떤 비즈니스 모델을 적용할지에 대한 불확실성과 위험에 직면하기도 했다. 또한, IIoT는 기존의 산업 시스템과의 통합, 대규모 데이터 처리 및 분석, 보안 및 개인 정보 보호 등 다양한 기술적, 조직적인 도전 과제를 동반했다. GE는 이러한 구현의 어려움과 도전에 직면하여 적절한 인프라와 전문인력을 확보하는 데 어려움을 겪었다.②경쟁사의 등장으로 인해 경쟁이 치열해졌고, 경쟁 환경이 격렬해졌다. 산업용 인터넷 공간의 전통적인 경쟁업체는 Siemens, Philips, Honeywell, 심지어 IBM과 같은 다른 대규모 제조업체다. 교재에 따르면 Immelt가 GE에 재직하는 동안 Siemens의 주가는 두 배 이상 뛰었고 Siemens는 GE가 미래 성장을 기대하고 있는 중국에서 수십 년 앞서 출발했다. 더욱이 IBM과 Google은 GE보다 훨씬 더 깊은 분석 전문 지식과 빅 데이터 기능을 보유하고 있으며 더 많은 전문인력을 보유했다. 특히 IBM은 이미 대규모 시스템(경기장, 공항, 도시 등)에서 데이터를 통합하여 관리자가 운영 효율성을 개선하고 지속 가능한 관행을 늘리고 비용을 절감하기 위한 의사결정을 내리는 데 도움이 되는 다양한 제품을 제공하고 있었다. 이처럼 IIoT 분야는 경쟁이 치열한 상황이었다.③GE가 기존의 제품 중심의 비즈니스 모델에서 서비스 중심의 비즈니스 모델로 전환하면서, 자기잠식 현상이 발생할 우려가 커졌다. 달리 말해, 이러한 서비스 중심의 전략으로 인해 기존의 제품 판매에 대한 매출이부정적인 영향을 미칠 가능성이 커졌다.(3) 가치창출 및 GE의 활동월스트리트와 기술 분석가들은 산업 인터넷이 매출 증가와 비용 절감 측면에서 엄청난 가치를 창출할 것이라고 예상했다. 분석가들은 산업 인터넷이 2013년에서 2022년 사이에 14조 4천억 달러의 경제적 가치를 창출할 것으로 추정했으며, 그때까지 그들은 산업 인터넷 관련 기술 지출이 5,140억 달러를 초과할 것으로 예상했다. 예를 들어, 의료 분야에서 산업 인터넷으로 인한 의료 비용의 1% 감소는 연간 42억 달러 또는 15년 동안 630억 달러를 절감효과가 있다. 특히 Luke's Medical Center의 경우, 침대 처리 시간이 51분 단축하며 환자 대기 시간을 줄였다. 나아가 항공 산업에서 항공기의 데이터는 부품 교체 시기를 예측한다. 이를 통해 서비스 제공업체가 부품을 교체하여 가동중지 시간을 줄이고 부품 재고를 줄이며 고객 만족도를 높일 수 있다. 또한, 연료 소비를 줄임으로써 운영을 개선할 수 있다. 항공 산업에서 연료 절감이 1% 향상되면 15년 동안 300억 달러를 절감할 수 있다. 이렇듯 산업 인터넷에 대한 지출은 2012년 200억 달러에서 2020년 5,140억 달러로 증가할 것으로 예상이 되고, 산업 인터넷이 창출한 가치는 2012년 230억 달러에서 2020년 1조 2,790억 달러로 증가할 것으로 예상한다.이렇듯 GE는 가치창출을 위해 ①새로운 소프트웨어 본사 확장, ②GE의 다양한 산업 사업 전반에 걸친 공통 기술 플랫폼의 출시, ③GE의 소프트웨어 개발 전문성에 대한 조직 전반의 철저한 평가와 이 새로운 방향을 지원할 수 있는 영업 인재 개발, ④Intel, Cisco 및 Accenture 등과 새롭고 확장된 파트너십을 맺었다.2. GE는 창출한 가치의 일정 부분을 자신의 몫으로 확보(value capture)하기 위해 세 가지의 business model 옵션을 검토하였다. 그 옵션들은 무엇이며 각각의 장단점은 무엇이라고 생각하는가?(1) 첫 번째 옵션은 기존를 묵어서 판매하는 것이 특징이다. 이 옵션의 장점은 제품에 대한 강화된 서비스의 하나로 제품의 차별화를 가질 수 있고, 이는 제품의 가치 상승으로 이어져, 타사 대비 경쟁 우위를 확보할 수 있다. 반면에 하드웨어만 주로 사용하고, 소프트웨어의 활용도는 낮을 가능성이 있다.(2) 두 번째 옵션은 소프트웨어 기능 자체에서 기회를 보고 Predix 라이선스를 판매하는 것이다. 별도의 비즈니스 라인 구축이 필요한 옵션으로 전문 컨설팅 서비스 지원이 있어야 한다. 이 옵션은 GE 하드웨어 최적화에 맞춤형 옵션인 것이 장점이다. 반면에, GE 제품이 아닌 하드웨어 사용자는 별도 내장된 소프트웨어 사용이 더 편의성을 제공할 수 있다. 또한, 시장 선점 실패 시 도태될 가능성이 있다.(3) 세 번째 옵션은 새로운 결과 기반의 서비스를 제공하기 위해 이니셔티브를 수용하고, 고객 및 고객 데이터의 통합을 실현하여 소프트웨어 및 분석 투자를 추구하는 것이다. 변화가 가장 많은 옵션으로 완전히 새로운 비즈니스 모델을 지향한다. 이는 새로운 기회를 식별 및 개발하고, 개발자 및 영업 전문 지식과 인재를 발굴 및 고용하고, 제품을 구축하고, 각 부서의 판매 메커니즘을 통해 각 제품의 가격을 책정하고 판매를 조정한다. 이 옵션은 고객과의 이익 공유 계약의 일종으로 높은 수익성을 기대할 수 있으며, 고객 로열티 증대로 이어질 수 있다. 반면에, 고객의 비즈니스 이해도가 서비스 판매의 당락을 좌우한다는 점에서 판매 및 마케팅의 어려움이 존재한다.3. GE가 IIoT 시대를 주도하기 위해 취했던 전략과 행동을 평가하라.GE는 IIoT 분야에서 공통 기술 플랫폼을 출시했다. 이 플랫폼은 Predix라는 이름으로 불리며, 데이터 수집, 분석, 저장, 시각화 등의 기능을 제공한다. 이를 통해 다양한 산업 분야에서 데이터를 수집 및 분석하여 고객들에게 실시간으로 예측 솔루션을 제공할 수 있게 되었다. 이는 항공, 운송(철도), 석유 및 가스, 발전 등 분야에서 서비스 제공 비용, 중단/가동 시간에 각 기업이 포트폴리오를 평가하고, 무엇이 새로운지, 무엇이 실행 가능한 기회를 제공하는지 식별하고, 올바른 소프트웨어 리소스의 여부를 결정하는 데 도움을 주었다. tenX 포트폴리오 전략 계약은 우선순위 제품에 대한 더 초점을 알리고, GE가 미래 성장 지표를 읽기 위해 추적할 수 있는 메트릭 범위를 명확히 하는 데 도움을 주었다고 평가할 수 있다.GE는 외부와의 적극적인 파트너십을 체결했다. GE Healthcare와 Microsoft가 2012년 2월에 설립한 JV인 Caradigm은 의료 시스템과 지불인이 치료를 꾸준히 개선할 수 있도록 하는 소프트웨어를 개발했고, GE와 Accenture간의 JV인 Taleris는 전체 항공사를 관리하기 위한 소프트웨어 및 분석 기능을 개발했다. 이러한 합작 투자를 통해 개발 속도를 높이고 공동으로 개발한 독립형 기술 또는 IP를 위한 적절한 시장 진출 채널을 구축할 수 있었다. 나아가 경쟁사와도 적극적으로 협력했다. 사업 단위 전반에 걸쳐 그리고 센터 기술의 경우 Intel, 네트워크 하드웨어의 경우에는 Cisco, 서비스 제공의 경우에는 Accenture, Amazon과 같은 회사와 생태계의 꾸준한 성장을 지원하는 중요한 관계를 지속하며 외부 파트너와 협력하고 혁신적인 산업용 인터넷 제품 및 서비스를 제공하는 능력을 개발했다고 평가할 수 있다.동시에 IIoP 시대의 흐름에 따라 영업 방식도 개선했다. 기존의 박스 판매자 사고방식에서 벗어나 고객의 문제점에 초점을 맞춘 솔루션 기반 판매 방법론으로 전환했다. GE는 이전에는 기존의 예산 항목을 타겟팅 했지만, 연료 소모 비용을 절감하겠다고 약속한 경우 이에 대한 예산 항목이 존재하지 않아 박스 판매자에게 문제가 발생한 경험이 있다. 그래서 고객의 니즈를 진단하고, 가치를 확립하고, 소비모델을 이해하는 것에 대한 중요성을 강조했다. 나아가 Johnson은 이니셔티브의 제안과 일치하는 영업 기능을 구축하여 사전 판매 리소스, 지원 엔진 및 사후 판매 지원을 제공하는 새로다.

경영/경제| 2024.05.18| 5페이지| 3,500원| 조회(334)

GE, 빅데이터, 자동차의 미래, 디지털혁신, 머신러닝, 핀테크, 딥러닝

미리보기

닫기
판매자 표지

Finding a Future with Fintech

[Finding a Future with Fintech]1. (이 문제는 Case를 근거로 하지 않고 있으므로 다른 자료를 활용할 것) 지난 20-30년간 IT 기술은 금융 서비스에 다양하게 활용되어 왔는데, 1990년대 후반에 도입된 다음 두 가지가 가장 대표적인 예가 될 것이다.(1) 인터넷을 활용한 은행 거래 (즉, 인터넷 뱅킹에 국한하도록 하고, 카카오뱅크 등 최근에 등장한 인터넷 뱅크에 대해서는 논의하지 말 것)(2) 인터넷을 활용한 증권 거래이 두 가지 서비스 각각에 대해서 다음과 같은 질문들에 답하라. (논의 시점을 최근까지 확대하지 말고, 이들 서비스 도입과 그 이후 일정 기간 - 예컨대 10년 - 에 국한할 것)- 각각의 서비스들은 어떤 가치를 창출했는가?- 각각의 새로운 IT 기술에 기존 기업들은 어떻게 대응했는가? 그들은 이 기술 적용을 주저하거나 회피했는가? 아니면 적극적으로 활용했는가? 그 이유는 무엇인가?- 각각의 새로운 IT 기술을 활용하여 새롭게 시장에 진입하려는 기업들이 있었는가?(인터넷 뱅킹 기술을 활용하여 우리나라에서 1990년대 후반에 새롭게 진입한 인터넷 은행은 없었으므로 논의 대상에서 제외하되, 미국 등 외국 사례를 참조하는 것은 가능함)- 각각의 IT 기술이 도입된 이후 기존 기업의 시장점유율과 수익성은 어떻게 변했는가?신규 기업들의 시장점유율과 수익성은 어떠한 편인가?- 종합적으로, 각각의 서비스에서 최종 고객, 신규 기업, 기존 기업 사이에서 가치 분배(value distribution)는 어떻게 이루어졌다고 평가하는가?(1) 인터넷을 활용한 은행 거래인터넷 뱅킹의 역사는 그리 길지 않다. 세계 최초의 인터넷 뱅킹은 1995년 10월 영업을 시작한 미국 시큐리티퍼스트 네트워크뱅크(SFNB)이다. 국내에서는 1990년대 후반부터 인터넷 뱅킹 시스템이 도입되기 시작했는데 미래산업이 1997년 인터넷 은행 시스템을 최초로 개발했다. 이러한 인터넷 뱅킹은 다음과 같은 가치를 창출했다. ① 지역적, 시간적 제한을 해소하며, 서비스 출시로 업계의 주목을 받았다. 외환은행에서는 국내 최초 인터넷TV뱅킹 서비스를 선보였다. 인터넷TＶ용 단말기인 셋톱박스를 가정의 TＶ에 연결해 리모컨으로 계좌조회와 이체, 해외송금, 신용카드 및 공과금 납부 등이 가능한 서비스로 국내 TV뱅킹 시대를 열었다.당시 인터넷 사용인구가 증가하는 추세이었고, 전자상거래 결제시스템의 경쟁적인 개발 등과 함께 인터넷 뱅킹이 크게 활성화될 것이라 예상하는 상황이었다. 더불어 외국 금융기관 및 타 금융기관, 다양한 기업과의 제휴를 통한 금융거래 및 지급 결제서비스를 통한 이윤 창출 효과에 대한 기대도 컸다. 이와 같은 적극적인 인터넷 뱅킹 도입으로 1999년 말 인터넷 뱅킹 등록 고객 수는 12만 명에서 1년 3개월 만에 500만 명을 돌파했다. 더불어 인터넷 뱅킹 시스템을 통한 조회, 자금이체 및 대출서비스 이용 건수는 약 480만 건으로 전년 대비 6배 증가하였다. 이처럼 인터넷 뱅킹 시장은 업무의 효율성, 편리성, 저렴성 등으로 빠르게 시장점유율을 성장시켰고 고객기반 및 서비스 확대에 따른 수익증가를 가져왔다. 타 금융기관인 증권사, 보험사 등과의 전략적 제휴 등으로 시장점유율 증가는 물론, 비이자수익 창출을 통해 수익성도 증대시켰다.종합적으로, 가치분배는 다음과 같이 이루어졌다고 판단할 수 있다.① 은행 방문이 어려운 고객들은 시간과 장소에 제약을 받지 않고 금융 서비스를 이용할 수 있었다. 또한, 예금, 대출, 투자, 송금 등의 업무를 온라인에서 편리하게 이용하고 자산을 효율적으로 운용할 수 있게 되었다. 나아가 고객의 선호도, 우선순위 및 금융 상황에 따라 맞춤형 상품 및 서비스에 대한 혜택을 누릴 수 있었다.② 은행 간 치열한 경쟁 촉발로 고객유치를 위한 수수료 인하, 금리 우대 등 수익성에 악영향을 주는 요소들이 발생하였다. 또한, 경쟁 심화는 초기 투자비용을 높이고 전산 및 광고비 지출 증가 등 수익구조에 또 다른 악영향을 미쳤다. 이 과정에서 새로운 채널과 기술을 통해 다양한 금융상품과 서비스가 출시다. ② 소비자들의 온라인 수수료 비교가 쉬워지면서 증권사들은 수수료율을 낮추고 비용 절감 방안을 모색해 비용 효율성을 높였다. ③ 증권사는 고객 세분화 및 데이터 분석을 기반으로 다양한 상품 및 서비스 채널을 제공함으로써 수익기회를 확대할 수 있었다.당시 대신증권, 대우증권, 현대증권 등 기존 증권사들은 이를 주저하거나 회피하지 않고 적극 활용 및 도입하였다. 인터넷 통신환경이 본격화하기 시작한 1997년 이후로 관련법이 개정됨에 따라 주요 증권사들이 4개월간의 준비를 거쳐 1997년 4월 1일 첫선을 보였다. 물론, 대신증권의 사이보스(CYBOS)를 최초의 HTS로 공인하고 있지만, 1997년 4월 1일 선보인 증권사들의 HTS가 모두 최초라고 봐야 할 것이다. 이처럼 증권 거래의 전산화는 1990년대 말 대한민국의 초고속 인터넷 통신환경이 구축되고 제도적 진입장벽이 완화되면서 수수료율을 부과할 필요가 없었고, 이에 따라 저렴한 수수료를 무기로 고객을 유인하게 돼 증권 거래의 급성장을 도모할 것으로 판단됨에 따라 적극적으로 도입된 것이다. 1999년 증권거래법 시행령 및 시행규칙 개정으로 위탁매매 전문증권회사의 최저자본금 규모가 100억 원에서 30억 원으로 낮아짐에 따라 많은 신규 중소형 증권사들이 설립되었다. 대표적인 예가 키움증권이다. 업계 최초로 탑재한 쾌속주문 기능은 투자자가 매매 시 사전에 설정해놓은 거래 유형을 즉각 적용할 수 있어, 주문시간을 최대한 단축할 수 있었다. 이외에도 굿모닝, 미래에셋 등 후발주자로서 업계에 진입하였다.1990년대는 기존 증권사들의 독점적 경쟁 시장이었으나, 2000년대에는 중소형 증권회사의 진입으로 완전 경쟁 시장으로 변모하였다. 차별화 부족으로 기존 증권사는 시장에서의 지위를 잃고 시장점유율을 잃었으며, 반대로 중소형 증권회사는 새로운 IT 기술의 혁신적 도입과 특색있는 상품과 서비스를 출시하며 빠르게 확장해나가며 시장점유율을 늘렸다. 자료에 따르면, 기존 대형 증권사와 신규 중소형 증권사 모두 높은 수익률을 실케팅비용 감소 등의 긍정적인 효과를 가져왔다. 반면에 고객유치를 위한 수수료 인하 등 증권사 간 경쟁은 치열해졌다. 전산 및 광고비 지출의 증가 등이 증권사 수익구조에 악영향을 미쳤고 온라인 거래수수료가 오프라인 수수료의 1/20수준까지 하락하여, 시스템 개발을 위한 과도한 투자로 이어져 증권사 수익구조에 또 다른 악영향을 초래했다.③ 온라인 증권사들은 기존 증권사들의 틈새시장으로 성장하였고 시장선점을 위해 지속적인 온라인거래 시스템의 개발과 양질의 서비스 제공 및 수수료 인하 등을 통하여 적극적인 마케팅을 실현했다. 이처럼 신규 중소형 증권회사는 가치분배 측면에서 큰 이득을 볼 수 있었다.2. Case에서 Costa가 고려하고 있는 네 가지 옵션은 무엇인가? 그리고 각각의 장단점은 무엇이라고 생각하는가? Costa는 어떠한 옵션을 추천해야 한다고 - 또는 추천하리라고 - 생각하는가?Costa는 고객을 위한 생태계 조성을 위해 다음의 네 가지 옵션을 고려했다.① Do nothing② Acquire fintech firms③ Covert current IT and strategy to become a fintech company④ Partner with fintech companies to serve customers첫 번째 옵션인 “Do nothing”은 대형 글로벌 은행이 현재의 비즈니스 모델을 계속 유지하는 가장 간단한 방법이자, 안정적인 회사 운영을 가능하게 한다는 장점이 있다. 현재 비즈니스 모델을 유지하며 현시점의 역량과 자원을 통해 단기적인 관점에서 가장 큰 효과를 얻을 수 있기 때문이다. 하지만 끊임없이 변하는 금융환경에 유연하게 대처하기란 어려울 것이다. 만약 소비자의 니즈 변화에 발맞춰 금융상품 및 서비스를 제공하지 못하게 되면 경쟁우위를 잃고 고객 이탈로 이어질 것이기 때문이다. Costa의 연구에 의하면 소비자의 경험 측면에서 은행 업무는 계속 진화 중이며 은행이 더욱 기술 중심으로 되어야 한다고 제안하고 있다. 결국, “Do nothing소요되는 큰 비용과 각종 법적 규제가 존재하며, 인수과정에서 기존고객들의 저항, 두 회사 간의 기업문화 차이 등 해결해야 할 문제점이 존재한다.세 번째 옵션인 “Covert current IT and strategy to become a fintech company”는 기존 은행이 보유하고 있는 인프라와 자원들로 가장 큰 효율과 성과를 가져올 수 있다는 장점이 있다. 다시 말해, 은행의 고객 중심의 접근 방식과 IT 기술력을 활용하여 고객의 개인화된 디지털 솔루션, 사용자 친화적인 언터페이스, 원활한 옴니채널 경험을 개발할 수 있다. 이 과정에서 혁신적인 솔루션을 활용하여 새로운 고객을 발굴할 수 있다. 하지만 기술 인프라, 소프트웨어 개발, 인재 확보 및 연수 프로그램에 상당한 비용이 발생하여 단기 수익성이 감소할 수 있다. 또한, 일부 고객은 디지털 변화에 저항하거나 새로운 디지털 뱅킹의 보안 및 안정성에 대해 우려하며 이탈할 가능성이 있다.네 번째 옵션인 “Partner with fintech companies to serve customers”은 디지털 플랫폼의 장점을 가장 잘 활용할 수 있는 방법이다. 먼저, 핀테크 회사와의 협력을 통해 서비스 개발 및 출시에 대한 시간을 단축할 수 있고, 핀테크 기업이 보유중인 간소화된 프로세스를 활용하여 더 빠른 시장 진출 전략을 강구 할 수 있다. 또한, 핀테크 기업과의 협력의 과정에서 핵심 디지털 기술을 공유하고, 은행 자체적인 디지털 전환을 통해 개인화된 금융 솔루션을 고객에게 제공할 수 있다. 하지만 핀테크 기업의 역량, 기술 또는 서비스에 의존할 가능성이 존재한다. 만약 핀테크 기업이 운영 중인 서비스를 중단하거나, 사업 방향을 변경하는 경우에 은행은 고객에게 특정 서비스를 제공하는 데 제한을 받을 수 있다. 또한, 은행과 핀테크 기업 간의 시스템, 기술 및 프로세스 통합이 복잡할 수 있다. IT 인프라, 데이터 형식, 보안 프로토콜 및 운영 절차의 차이로 인해 상당한 노력이 필요할 수 있다.“Covert것이다.

경영/경제| 2024.05.18| 6페이지| 3,500원| 조회(303)

증권, 인터넷은행, 빅데이터, 디지털혁신, 핀테크, 금융의 미래

미리보기

닫기
판매자 표지

The Voice War Continues Hey Google vs Alexa vs Siri in 2022

[The Voice War Continues: Hey Google vs. Alexa vs. Siri in 2022]다음의 토론 질문들에 대해 ‘케이스 과제 작성 가이드라인’을 참조하여 답변을 작성하라.1. Voice War에서 구글, 아마존, 애플 중 누가 가장 좋은 입지를 가지고 있는가? 누가 가장 약한 입지를 가지고 있는가? 현황, 생태계, 강점과 약점 등 다양한 요인들을 고려하여 비교하라.[지능형 비서의 현황 및 생태계]Google Assistant는 2016년 Google Now의 확장으로 등장했다. 초창기에는 Android 기기, Goolge Home 스마트 스피커, Google의 Pixel 스마트폰에서만 독점적으로 출시되었으나, 2017년 Google은 타사 하드웨어 제조업체가 마이크가 있는 거의 모든 기기에 Google Assistant를 추가할 수 있도록 하는 소프트웨어 개발 키드를 출시하면서, Sony, Panasonic 등 제조업체가 생산한 스마트 스피커에 Google Assistant를 내장하는 데 성공했다. Google Assistant는 스마트 홈 장치 제어, 음악 재생, 캘린더 정보 액세스, 실시간 번역가 역할, 타이머, 온라인에서 정보 찾기 및 Chrome cast 기기에서 콘텐츠 재생 등 광범위한 서비스를 지원한다. 2022년까지 Google Assistant는 30개 이상의 언어로 5억 명 이상의 월간 활성 사용자를 보유했다.Amazon은 지능형 비서인 Alexa로 구동되는 에코 스마트 스피커를 출시하며 새로운 시장을 만들었다. Amazon Alexa는 설비 기반의 60% 이상으로 미국 스마트 스피커 시장을 장악했으며, 전 세계적으로도 2021년 말 기준으로 27%의 점유율로 1위를 차지하고 있다. Alexa는 호환되는 스마트 홈 장치 제어와 음악 재생은 물론 온라인에서 정보를 찾고, Amazon Fire 장치에서 콘텐츠를 재생하고, 뉴스 브리핑을 읽고, Alexa 통화를 제공한다. Alexa가 타사 지능형 비서보다 어플리케이션 Echo 스피커뿐만 아니라 타사 스피커, Fire 장치, Fitbit 장치, 심지어 일부 자동차에 이르기까지 다양한 기기에서 찾을 수 있다.Apple Siri는 2010년 App Store에서 Siri를 독립 실행형 앱으로 처음 제공했으나, Apple이 회사를 인수한 후 2011년부터 회사의 iOS 소프트웨어에 하드 코딩되었다. Google Assistant 및 Amazon Alexa와 마찬가지로 Siri는 다양한 작업을 수행하고 다양한 Apple 서비스에서 정보를 가져와 더욱 개인화된 경험을 제공한다. Siri는 호환되는 스마트 홈 장치를 제어하고, 어플리케이션을 실행하며, 연락처에 등록된 누군가에게 전화를 걸거나 문자를 보내고, 미리 알림 및 알람을 설정하고, 온라인에서 정보를 찾고, 추천하는 등 다양한 작업을 수행한다.[회사별 지능형 비서의 강점과 약점]2018년 라스베이거스에서 열린 CES(세계가전제품전시회)를 통해 Google Assistant가 경쟁에서 앞서나가기 시작했다. Amazon의 Echo라는 스마트 스피커를 시작으로 Alexa로 경쟁우위에 있던 Amazon을 밀어내기 시작한 것은 다음의 주요 3가지 이유 때문이다.(1) 인터넷과 모바일 네트워크에서 생성되는 엄청난 데이터에 대한 접근이 가장 뛰어나다. Google은 세계 최대 인터넷 검색 서비스회사로 인터넷 검색, 클라우드 컴퓨팅 등에 큰 장점을 살릴 수 있었다.(2) Netflix와 같은 수많은 회사를 후원하고 YouTube와 Android 등을 전략적 인수뿐만 아니라 Alphabet 모회사를 설립하여 투명성을 높이고 사업부화 등을 통해 높은 회사 수익을 실현함과 동시에 이를 통한 보상체계로 플랫폼 개발을 장려할 수 있었다.(3) 컴퓨터 비전, 음성인식, 자연처리 및 AI 기능과 관련된 머신러닝에 막대한 투자와 자체 TPU 구축을 한 것이다. 이를 통해서 음성에코, 배경소음 등의 문제를 해결하고 클라우드에서 자연처리가 가능한 알고리즘을 실행할 수 있었다.이와 더불어, American Velexa, Siri와 같은 음성 비서의 "IQ"를 확인하기 위해 매년 테스트를 실시한다. 5가지 유형의 질문이나 문장을 사용하여 해당 음성 비서의 능력을 테스트하기 위해 특정 날짜 등을 기억하기 위해 지역권장 사항, 제품 주문, 길찾기, 일반 정보 등을 질문한다. 놀랍게도 Google Assistant는 지시 사항을 제외하고 5개 범주 중 4개 범주에서 모든 경쟁자를 압도했다. 음성 인식과 관련하여 Google Assistant는 모든 질문을 100% 정확하게 이해할 수 있었다. (Alexa: 99.9%, Siri 99.8%) Google Assistant는 질문에 대한 답변에서도 확실한 승자였다. 질문의 92.9%가 올바르게 응답 되었다. (Siri는 83.1%, Alexa는 79.8%) 음성 인식 분야에서는 여전히 극복해야 할 몇 가지 과제가 존재하지만, Google Assistant는 Amazon Alexa, Apple Siri보다 분명히 앞서 있다.Apple의 지능형 비서 Siri는 가장 취약한 입지에 있다. 원래 2011년 처음 출시된 Apple의 Siri는 미국에서 가장 인기 있는 가상비서였다. 한 설문 조사에 따르면 미국 온라인 성인의 34%가 2021년에 한 번 이상 Siri와 상호 작용을 했다는 점에서 그 인기가 얼마나 컸는지 실감할 수 있다. 이랬던 Apple Siri는 다음의 주요 4가지 이유로 취약한 입지에 처해있다.(1) 타사 애플리케이션에 대한 지원을 중단했다.(2) 소비자?개인정보보호를?위해?애플?제품에서만?Siri를?사용하도록?제한했다.(3) 데이터를?6개월만?저장하도록?제한했다.(4) 타사 응용 프로그램에 대해 엄격한 호환성 테스트를 진행하여 가장 적은 수의 파트너사를 보유하고 있다.혹자는 Apple의 이러한 결정이 데이터를 사용하여 소프트웨어 업데이트를 평가하고 Siri의 기능을 개선하는 능력이 감소했다고 지적한다. 교재 Exhibit 8의 Google, Amazon, Apple의 글로벌 스마트 스피커 시장 점유율(2021) 그zon(30%)로 비교기업 대비 가장 낮음을 확인하였다. 또한, 2021년 연구에 따르면 Siri는 간단한 질문에 47%의 정확도로 대답했으며 Alexa(56%)보다 적고 Google(77%)보다 훨씬 적었다.물론 Apple은 스마트폰 브랜드 충성도가 높은 강점을 바탕으로 스마트폰에 AI 음성인식 기술을 활용하고 있다. 하지만, 궁극적으로 음성인식 기술 자체의 발전이 선행되었을 때, 고객 경험이 확대되고 음성인식 기술을 활용하는 소비자는 타사로 눈을 돌릴 수 있다. Apple에게 있어서 가장 큰 위협은 타사의 기술이 서로 호환되고 발전하면서 소비자의 인식이 빠르게 변하는 것이다. 이러한?시점이?도래하면?Apple이?홀로?기술을?발전시켜?대응하기는?쉽지?않을?것이기 때문이다.2. “Voice Market”은 winner-take-all에 가까운 시장일까? 아니면 보다 더 경쟁적인 시장일까? 플랫폼의 시장구조를 결정하는 요인들이 무엇일지를 염두에 두고 답하라.Voice Market은 Winner-take-all 시장이 아닌 경쟁적인 시장으로 볼 수 있는데, 이는 플랫폼시장구조의 결정요인 분석으로 짐작해 볼 수 있다.(1) 규모의 경제(EOS) 또는 최소효율규모(MES)의 크기(2) 네트워크 효과(3) Multi-Homing Costs 및 플랫폼 차별화(Platform Differentiation) 니즈경쟁이 치열한 음성 비서 시장에서 Google Assistant, Amazon Alexa, Apple Siri는 규모의 경제(EOS)와 최소효율규모(MES)를 성공적으로 활용하여 비용을 절감하고 경쟁우위를 확보했다.①Google Assistant는 Google의 광범위한 인프라와 데이터 기능을 활용하여 각 사용자에게 서비스를 제공하는 비용을 성공적으로 줄였다. 방대한 데이터 센터 네트워크와 고급 클라우드 컴퓨팅 인프라를 통해 수백만 명의 사용자 쿼리를 동시에 처리할 수 있었기 때문이다. 이러한 확장성을 통해 인프라 비용을 대규모 사용자 기반에 분산하여 사용자당 비용을합하여 비용 절감을 달성했다. 전자상거래 시장에서 Amazon의 지배적인 위치를 통해 Alexa는 사용자를 다양한 제품 및 서비스와 원활하게 연결했다. 더욱이 기존 물류 및 이행 인프라를 활용함으로써 간소화된 주문 배치, 추적 및 배송을 촉진했다. 전자상거래를 운영에 있어 규모의 경제를 통해 Alexa는 방대한 고객 기반과 물류 네트워크를 활용하여 비용 효율성을 달성한 것이다.③Apple Siri는 단순화된 개발 프로세스와 향상된 하드웨어 및 소프트웨어 호환성을 통해 비용을 절감했다. Siri는 iPhone, iPad, Max 및 HomePod를 포함한 Apple의 장치 에코시스템에 깊숙이 통합되어 있는데, 이는 Apple 장치 전체에서 일관된 사용자 경험을 보장하고, Siri의 호환성을 넓혀 더 큰 사용자 기반을 만들었다.음성 비서 플랫폼은 사용자가 늘어나면서 플랫폼의 가치가 높아지는 네트워크 효과가 발생했다. ①Google Assistant는 사용자의 검색 기록, 캘린더 이벤트 및 위치 데이터를 기반으로 맞춤 추천을 제공했다. 더 많은 사용자가 Google Assistant와 상호 작용하고 Google 서비스를 활용할수록 Google Assistant의 가치와 효율성이 높아지는 것이다. ②Amazon Alexa는 주로 스마트 스피커 시장에서의 지배력과 광범위한 타사 기술 라이브러리를 갖추었다. 더 많은 사용자가 Amazon Echo와 같은 Alexa 지원 장치를 선택하고 사용하면서 플랫폼의 가치를 높일 수 있었다. ③Apple Siri는 Apple 생태계 내의 네트워크 효과를 활용하였는데, 더 많은 사용자가 iPhone, Mac, Apple Watch 및 Apple TV와 같은 Apple 장치를 구매하면서 Siri의 가치를 높일 수 있었다. 이렇듯 Google Assistant, Amazon Alexa, Apple Siri의 사례를 통해 각각의 생태계와의 통합 및 사용자 선택으로 가치 증가를 엿볼 수 있다. 더 많은 사용자가 이러한 음성 비서 플랫폼에 참여이다.

경영/경제| 2024.05.18| 4페이지| 3,500원| 조회(371)

혁신, 구글, 빅데이터, 시리, 디지털혁신, 핀테크, 알렉사, 소리전쟁

미리보기

닫기
인공지능 기술 발달에 따른 금융권의 나아갈 방향 및 대응책

인공지능 기술 발달에 따른 금융권의 나아갈 방향 및 대응책최근 인공지능(AI)이 유망 산업으로 떠오르며 그 시장 또한 크게 확대되고 있다. 인공지능이란 인간의 지능적인 사고, 학습 등을 컴퓨터가 모방하도록 하는 기술이다. 현재 AI 시장은 빠른 속도로 성장하고 있다. 리서치 기관 트랙티카에 의하면 2015년 2억 달러였던 AI 시장 규모가 2024년에는 약 111억 달러 규모로 성장할 것이라고 한다.이러한 AI 산업의 발달은 금융권에도 큰 영향을 미치고 있다. 금융권에서는 크게 개인비서시스템과 로보어드바이저 두 분야로 AI를 활용하고 있다. 해외에서는 Ally Bank 등이 개인비서 시스템을 구축하여 음성인식을 통해 간단한 은행업무가 가능하도록 서비스를 지원하고 있다. 국내 은행들도 여러 방면에서 AI를 활용하고 있다. 우리은행은 AI를 적용하여 빅데이터 기반 대출자 부도 예측 시스템을 개발 중에 있으며 이외 KB국민은행, 신한은행 등이 로보어드바이저라 칭하는 자산관리 자동화 알고리즘을 출시하였다.앞으로 AI기술이 다방면에서 금융기관에 접목될 시 현재의 스마트 뱅킹에서 나아가 한층 더 발전된 비대면 거래의 활성화를 초래할 것이다. 이는 고객의 입장에서 편의성이 증대된다는 장점이 있다. 개인 모바일 기기로 음성인식을 통한 업무처리가 가능해지며 체계적인 상담 및 자산관리까지 가능해지기 때문이다.이러한 AI시대에 발맞추어 국내 시중 은행들은 다음과 같은 자세와 대응책이 필요하다.첫째, AI를 활용한 신서비스 개발 전담 부서를 신설하고 적극적인 투자를 해야 한다. 이를 통해 획기적이고 경쟁력 있는 서비스 개발에 힘써야 하며, 다양한 IT 업계와의 협업을 도모해야 할 것이다.둘째, 보안성을 강화와 수차례의 테스트를 통한 안정성 검증이 필수적이다. 아직까지는 컴퓨터가 인간을 대체하는 기능을 할 수 있다는 인식과 신뢰가 부족한 실정이다. 이런 때에 성급한 경쟁적 서비스 출시는 지양하고 고객이 신뢰 가능한 프로그램 개발이 우선시 되어야 할 것이다.마지막으로 자칫 위축될 수 있는 대면 거래에도 촉각을 곤두세워야 한다. 대면 서비스에서만 가능한 고객과의 유대, 신뢰 등을 전면에 내세울 수 있는 컨설팅 개념의 재무설계 서비스나 정성적인 대출심사 등을 강화하는 것이 방안이 될 수 있다. 이를 통해 다가오는 AI 시대에도 대면 고객의 기반을 견고히 해야 할 것이다.

작성법| 2019.04.06| 1페이지| 3,000원| 조회(324)

인공지능, AI, 해외 진출, 블록체인, 4차 산업혁명

미리보기

닫기