금융 환경에서 데이터마이닝을 활용하는 방안에 관한 연구

Abstract

다양한 형태로 분산되어 있는 방대한 양의 데이터를 수집하여 분석하기 쉬운 형태로 변환하고 데이터웨어하우스(Data Warehouse)를 구축하며 OLAP, 데이터마이닝 등을 적용하여 고부가가치 데이터를 창출해내는 전반적인 기술을 지식공학(Knowledge Engineering or Business Intelligence)이라고 하는데 이러한 지식탐사 프로세스에 있어서 데이터마이닝은 지식을 창출해내는 핵심작업이라고 할 수 있다. 또한 오늘날 금융환경의 변화로 인해 다양한 요구에 직면한 금융업계에서는 점차 심화되고 있는 경쟁과 증대되고 있는 고객의 요구사항에 부응하여 기업의 경쟁 우위를 확보하고자 한다. 반면 대부분의 금융기관이나 카드사의 기존 정보시스템은 트랙잭션 중심으로서 단순 반복적인 의사결정을 지원하는 차원에 불과하여 다양한 비즈니스 전략을 수행하는데 있어서는 어려운 점들이 많다. 따라서 많은 기업들이 향후에 정보를 전략적으로 활용하여 비즈니스를 변화, 창조시키는 단계로 발전시키고자 하는 노력으로 데이터웨어하우스를 구축하고 OLAP 등을 적용하고 있으나 이는 단지 검증형의 분석차원의 정보를 제공 뿐이다. 본 논문에서는 데이터웨어하우스의 구축과 OLAP 차원에 머물러 있는 기존 단계에서 보다 진보한 지식탐사의 핵심인 데이터마이닝 기법을 적용하여 금융환경에서 존재하지만 알려지지 않은 유용한 패턴을 추출하고자 하였다. 따라서 금융환경에서도 특히, 은행계 카드사 고객을 대상으로 마이닝을 적용하여 신용도와 카드사용금액에 따른 고객분류와 패턴을 찾고 이를 분석, 예측에 활용하며 다양한 업무와 연계하여 의사결정에 이용할 수 있는 방안을 제시하고자 하였다. 이와 같은 작업을 통하여 기여도를 높일 수 있는 고객분류를 통한 마케팅이나 한도정책 등을 수립하는 의사결정을 지원할 수 있으며 산출된 분석결과와 자동 추출된 지식을 마케팅이나 사기행위탐지, 신용분석 등 기업의 전략적 계획수립에 긴요하게 사용할 수 있다. 결국 현재 프로세스 중심의 시스템에서 진보하여 데이터를 정보, 지식화 시키는 데이터마이닝 기법을 적용함으로써 정보의 추출과 이용을 한 단계 높이고 다양한 업무와 차원에서 활용하여 궁극적으로는 기업의 경쟁력 향상과 수익률 향상을 가져올 수 있다고 본다. ; Recently, the importance of applying Knowledge Engineering (KE) such as DW, OLAP and Dataminig in the financial field has been recognized by increasing number of expert. Especially, Datamining as the core of Knowledge Discovery is very important to find a new, useful patterns or knowledge to promote marketing strategies, reduce financial losses and risk. The Object Of Knowledge Engineering System (KE) is to deliver ?knowledge? of strategic and tactical management decision to users. KE systems and applications often require data consolidated from variety of data sources. A data warehouse is a structured extensible environment designed for the analysis of non-volatile data, logically and physically transformed from multiple data sources to align with business structure, updated and maintained for a long time period, expressed in simple business terms, and summarized for a quick analysis. Data warehousing is a process of constructing and using data warehouses. Data mining, which is also referred to as knowl edge discovery in databases, means a process of nontrivial extraction of implicit, previously unknown and potentially useful information from large databases. In this thesis, we take a financial data for customer classification in financial environment as an application domain to apply Knowledge Engineering. After we apply datamining technologies by using clementine tool to analyze and find a new, useful pattern from the constructed data-warehouse. As a result, we find patterns for customer segmentation.