이 기사는 2020년 08월 26일 07:00 thebell 에 표출된 기사입니다.

신한카드는 최근 언택트(Untact) 수요가 늘고 있는 시장환경 변화에 발맞춰 디지털 변수를 고려한 리스크관리 정책을 펼치고 있다. 기존 신용평가 모형에 금융정보 외에 비대면 거래정보 등 비정형 정보를 추가하며 새로운 유형의 위기상황을 모니터링하고 있다. 아울러 비대면 거래 등의 운영리스크를 최소화하기 위해 업무 프로세스를 개선하고 있다.

송주영 신한카드 리스크관리본부 상무(CRO)는 "신한카드의 신용평가시스템(CSS, Credit Scoring System)는 다양한 고객군, 상품, 전략에 특화된 머신러닝(ML)을 보유하고 있는 점이 장점"이라며 "향후 비금융 데이터 확충에 집중할 것"이라고 말했다.

신한카드 빅데이터센터는 다양한 비금융정보를 도입한 상태다. 예컨대 자영업자 평가를 위한 상권정보, 부동산정보, 생활패턴정보, 모바일·웹 이용정보 등과 관련된 신규데이터를 발굴해나가고 있다. 이를 통해 고객에 대한 다각도의 신용평가가 가능해졌다. 외부 신용평가 점수와 별개로 차별화된 신용평가모형을 구축하고 있다.


이러한 변화는 코로나19로 저성장, 저금리 시대가 장기화되면서 비대면 거래 수요가 증가한 게 발단이 됐다. 여전업계가 새로운 패러다임을 맞이하게 됐고, 그에 상응하는 새로운 리스크관리체계가 필요해진 상황이다. 리스크를 세분화하는 작업이 불가피한 셈이다.

송 상무는 "활용할 수 있는 데이터가 많을 수록 여신고객 변별력이 강화된다"며 "때문에 CSS고도화를 통해 우수한 시스템을 구축할 뿐 아니라 기존에 활용치 않았던 비금융데이터 등 특화항목을 발굴하는 노력을 지속하고 있다"고 말했다.

신한카드는 옛 카드사태 이후 CSS를 정교화하는 작업을 지속해왔다. 카드 이용한도 판단에 활용하는 BSS(Behavior Scoring System)나 신규 카드회원의 입회 여부, 초기한도를 결정하는데 쓰는 ASS(Application Scoring System) 모두 CSS에 속하는 시스템이다.

신한카드의 CSS 진화과정은 2017년이 변곡점이었다. 당시 신한카드 사상 처음으로 ML기술을 접목시킨 CSS를 내놓은 것이다. ML이란 컴퓨터 스스로 방대한 데이터를 수집하고 분석해 미래를 예측하는 인공지능 기술이다. 이를 신용평가에 응용하면 좀 더 세밀한 고객평가와 금리 차등화가 가능하다.

차별점도 확실해졌다. 예컨대 개인사업자(SOHO) 모형, 중금리 대출상품 특화 ML모형, 채권회수모형 등은 신한카드만이 보유하고 있는 신용평가 모형이다. 자영업자 모형의 경우 신한카드 빅데이터센터에서 보유한 가맹점 매출이나 상권정보를 기반으로 한다. 채권회수모형 또한 연체 고객에 대한 효율적인 회수 활동을 위해 자체적으로 개발한 모델이다.

작년에는 ML을 확대 적용했다. 대표적인 케이스가 노후화됐던 채권회수모형을 고도화한 점이다. 기존에 활용하지 않았던 비금융데이터들을 접목했다. 대표적으로 부동산 자가여부나 가압류 정보, 거주지역, 직장 출퇴근 일수 등을 신규 활용정보로 도입한 셈이다.

신규 데이터와 ML 등 새로운 분석기법을 반영하자 변별력을 크게 높일 수 있었다. 기존에 활용 가능한 변수가 10~15개였다면 100~150개에 달하는 변수를 신용평가에 접목할 수 있게 된 셈이다. 주요 모형들은 월별로 모니터링을 해나가고 있다.

송 상무는 핀테크 기술이 리스크관리에 도움이 되는 건 사실이지만 또 다른 리스크를 키울 수 있다고 강조한다. 이른바 운영리스크로 분류되는 IT리스크다. 금융채널이 비대면, 온라인화 되면서 전산장애나 사기(Fraud), 카드 위·변조, 고객정보 탈취(스미싱, 해킹) 등 리스크가 출현했기 때문이다.

신한카드는 매년 리스크전략을 수립할 때 운영리스크 한도를 설정해 리스크량을 산출하고 있다. 신한카드 관계자는 "리스크량에 상응하는 자기자본을 축적해나가고 있다"며 "비대면 본인인증 체계나 업무 프로세스를 선제적으로 점검하고 있다"고 설명했다.