이 기사는 2017년 06월 20일 07:53 thebell 에 표출된 기사입니다.

언제부터인가 빅데이터라는 말은 비즈니스와 짝을 이뤄 여기저기 오르내리고 있다. 빅데이터는 수치 뿐만 아니라 문자와 영상까지 다양한 형태를 아우르는 방대한 데이터를 일컫는다. 과거 아날로그 시대와 비교해 그 규모가 월등히 크다. 어렴풋이 개념을 이해한다고 해도 빅데이터가 어떻게 새로운 사업 분야에 녹아 드는지 알기란 쉽지 않다.

여기 이해를 돕는 좋은 예시가 있다. 개인 신용 대출 분야에 집중하는 P2P 금융 업체 렌딧의 사례다.

데이터 '덕후'로 알려진 렌딧 창업자들은 빅데이터 기반의 독특한 신용평가 모델을 고안했다. 바로 렌딧 크레딧 스코어링 시스템(CSS, Credit Scoring System)이다. 이는 1차 필터링을 거친 대출 고객의 금융 데이터와 행동 패턴(User Behavior), SNS 등을 종합적으로 분석해 자체적인 등급을 산출하는 구조다. 이때 대출 신청자의 행동 패턴을 통해 '상환 의지와 신중함' 등 정성적 요소도 추가적으로 반영한다.

일반적인 금융 업체는 특정 시점 데이터를 통해 대출 고객의 신용도를 판단한다. 하지만 렌딧은 지난 1년 여 간 금융 활동을 살펴 그 사람의 특정 패턴과 트렌드를 분석한다.

일례로 지난 1년 간 2등급에서 4등급으로 떨어진 고객과 6등급에서 4등급으로 등급이 상향 조정된 고객이 있다고 하자. 특정 시점에 두 사람은 동일한 신용 등급을 보유하고 있다. 전자는 1년간 빚이 늘거나 연체가 발생해 신용등급이 하락했다. 반면 후자는 신용카드 수를 줄여가며 꾸준히 빚을 청산했다. 그렇다면 렌딧은 후자의 신용를 더 좋게 평가할 수 있다는 의미다. 빅데이터가 숫자 중심의 금융이 빚어낸 공백을 채워나가는 키워드인 셈이다.

신생 스타트업의 한 끗 다른 전략은 투자 시장의 신뢰를 이끌어 냈다. 3년간 누적 대출 500억 원을 실행하며 개인신용대출 분야 1위를 지킬 수 있었던 비결이기도 하다.

렌딧은 보다 정교한 데이터 분석을 위해 설립 초기부터 개인신용대출에 집중해 왔다. 거주지와 직업이 상이한 개개인들이 보유한 250여 가지 금융 데이터와 행동 양식 기반 비금융 데이터는 훌륭한 자산이기 때문이다. 현재까지 렌딧이 축적한 데이터만 해도 약 2000만 건에 이른다. 렌딧의 경쟁력은 해를 거듭하며 풍성해지고 있다. 바로 빅데이터의 힘이다.