은행은 금융위기와 같은 경제적 충격이 외부에서 발생했을 때 채무 불이행에 따른 손실 규모를 파악하고 보유하고 있는 위험자산에 대한 포트폴리오 변화를 빠르게 확인할 수 있어야 하는데요. 특히 글로벌 금융위기 이후 은행권을 대상으로 글로벌 경제 위기에 견딜 수 있는 재무 건전성 역량을 문서화하는 규제요구가 높아지면서 대형 투자은행들이 경제 상황이 극도로 나빠졌을 때
머신러닝이 마케팅 생태계 내에서 지속적으로 발전함에 따라 현대화된 알고리즘 접근법의 해석력이 중요해지고 있습니다. 지난 번 게시했던 머신러닝 해석력 관련 블로그에서 인공지능(AI)과 머신러닝을 신뢰하기 위한 필수 조건, 데이터 세트를 이해하고 해석하는 방법, 그리고 머신러닝 모델의 작동 원리에 대한 인사이트를 도출하는 변수를 표시하는 방법에 대해 설명한 바 있는데요. “우리는 머신러닝에 의해 구동되는 애플리케이션에 둘러싸여 있으며,
인공지능(AI)의 성장은 과연 디스토피아를 초래할까요? 인공지능은 굉장히 빠른 속도로 발전하고 있지만, 동시에 인공지능의 잠재적 위험성을 우려하는 목소리도 커지고 있는데요. 하지만 반대로 생각해보면 인공지능은 인간의 능력을 대체하는 것이 아니라, 인간의 능력을 향상시키기 위해 설계되었습니다. 인공지능은 이미 헬스케어, 보험, 금융, 농업 등 대부분의 산업 분야에서 인간을 돕는 중추적인 역할을 하고 있는데요. 마찬가지로 SAS는 인공지능을
인공지능(AI)이 우리에게 미치는 영향이 나날이 커지면서 일자리를 대체할 것이라는 우려도 높아지고 있습니다. 이를 위해서 인공지능의 윤리 방안과 규제에 대한 논의가 이루어지고, 기업이 알고리즘으로 인해 일자리를 빼앗긴 직원에게 재교육을 제공해야 한다는 목소리가 나오고 있는데요. 하지만 이러한 모든 내용은 인공지능이 미치는 부정적인 면에만 치우쳐 있습니다. 그렇다면 인공지능이 우리의 삶에 주는 혜택으로는 무엇이 있을까요? 인공지능,
보험 업계는 변화에 느리다는 평을 받는 보수적인 산업이지만 지난 5년간 엄청난 변화와 혁신을 경험하고 있습니다. 보험사들은 고객과 유통 관계에서 혁신을 모색하며 디지털 이니셔티브에 많은 투자를 하고 있는데요. 이와 함께 데이터 분석, 인공지능 등의 정보기술(IT)을 활용해 기존 보험 산업을 혁신하는 인슈어테크(insurtech)가 디지털 기회를 활용할 수 있는 보험 업계의 새로운 분야로 떠오르고
인공지능(AI)은 1950년대부터 머신러닝, 링크 걸기 시작 딥러닝(deep learning), 인지 컴퓨팅(cognitive computing)이 점차 발전하면서 우리와 꽤 오랜 시간을 함께 해왔습니다. 최근 달라진 점이 있다면 아마 활용할 수 있는 데이터의 양이 어마어마하게 늘었다는 것인데요. 방대한 양의 데이터 덕분에 오늘날 과거에는 불가능했던 방식으로 인공지능 기반의 모델을 학습시킬 수 있게 되었습니다. 이러한 인공지능은 지금의 세상과 거대한 데이터를 이해하는
FRTB(Fundamental review of the trading book)는 은행의 시장 리스크 관리 방식을 바꿀 것입니다. 바젤은행감독위원회(BCBS)가 FRTB를 발표하고 이 기준에 따라 전세계적으로 시장 리스크를 측정해 공시하도록 한 것인데요. 대다수 은행은 2020년 12월 데드라인과 바뀌고 있는 요구 사항을 보며 ‘기다려야 한다’는 결론을 내리고 있지만, 그저 기다리기만 하는 것은 위험한 전략이 될 수 있습니다. 금융
음식, 패션, 그리고 풍부한 문화유산으로 유명한 이탈리아의 경제 중심 밀라노는 오랜 역사를 바탕으로 개방과 혁신이 공존하는 ‘인큐베이터’ 도시인데요. 이탈리아에서 기술의 발전을 이끌고 있는 밀라노에서 10월 22일부터 24일까지 사흘간 유럽 최대 규모의 분석 컨퍼런스 ‘SAS 애널리틱스 익스피리언스(Analytics Experience) 2018'가 개최됐습니다. 이번 SAS 애널리틱스 익스피리언스에는 1,200명 이상의 전 세계 산업별 비즈니스 리더와 분석
기업의 마케팅 전략도 인공지능(AI), 사물인터넷(IoT)과 같은 혁신적인 기술이 등장하며 함께 발전하고 있습니다. 고객 중심의 IT 환경에서 많은 기업은 높은 고객 충성도를 달성하고자 고객 여정(customer journey) 최적화에 많은 노력을 기울이고 있는데요. 인공지능 역시 고객 여정을 최적화하기 위한 기술로 많은 비즈니스에 도입되고 있습니다. 인공지능 강화학습(Reinforcement learning) 모델을 적용한 대표적인 예로는 미국 게임 개발사 아타리(Atari)가 선보인
올해 초 2018년과 미래를 관통할 두 가지 기술로 '인공지능(AI)’과 ‘자동화(Automation)'를 소개해 드렸는데요. 인공지능과 자동화 기술은 사물인터넷(IoT)과 어떻게 연결될 수 있을까요? IDC 퓨처스케이프(IDC FutureScape)가 발표한 ‘2017년 전 세계 IoT 전망’ 보고서에 따르면, 2019년까지 사물인터넷에서 생성된 데이터의 40% 이상이 네트워크 엣지(edge)에 저장되어 처리되고 분석될 전망입니다. 또한 효과적인 사물인터넷 기술은 스트리밍 분석과 머신러닝을 결합해 진행될
필자는 데이터 전문가와 엔터프라이즈 시스템 컨설턴트로서 오랜 경력을 쌓아왔으며, 저자와 대학 교수로서 교육 활동도 진행하고 있습니다. 그 동안 200여 개의 개인, 50개 이상의 그룹을 위한 데이터 분석 프로젝트를 감독하면서 수많은 분석 프랙티스를 연구해왔는데요. 중요한 한 가지는 분석 프로젝트를 성공적으로 시작하기 위한 단 하나의 청사진은 존재하지 않는다는 것입니다. 하지만 다양한 성공 또는 실패
비운의 영화 배우, 파킨슨병 치료를 위해 앞장서다 타임머신과 시간 여행을 다룬 영화 하면 무엇이 가장 먼저 떠오르시나요? 전 세계적으로 가장 크게 흥행한 영화 중 하나는 단연 스티븐 스필버그 감독 제작의 SF 영화 ‘백 투 더 퓨처(Back to the Future)’일텐데요. 1985년에 개봉된 이 영화는 11주 동안 미국 박스 오피스 1위를 차지하고,
인공지능(AI)은 금융 사기 탐지, 보험 비즈니스 모델 다각화, 의료 진단 개선, 스포츠 경기 성과 향상 등 다양한 분야에서 상상을 현실화하고 성과를 도출하고 있습니다. 최근 마케팅 분야도 예측 분석, 추천 엔진 등 다양한 형태의 인공지능 알고리즘을 적극 활용하면서 혁신을 체감하고 있는데요. 대기업은 물론 중소기업에 적합한 여러 인공지능 활용 마케팅 툴이 등장하면서 변화의 속도는 더욱 빨라지고 있습니다.
모델 리스크 관리(MRM; Model Risk Management)는 새로운 주제가 아닙니다. 금융 기관은 이미 수십 년 전부터 의사결정 과정에서 모델을 활용해왔는데요. 최근 들어 MRM 관련 규제가 한층 더 형식화되고 엄격해지면서 관심이 커지고 있습니다. 유럽은행감독청(EBA; European Banking Authority)의 TRIM(Targeted Review of Internal Models)과 같은 규제는 은행에 모델 관리 컴플라이언스를 위한 더 큰 노력을
고객 인텔리전스(CI)를 위한 챗봇 이미 많은 기업들이 인공지능(AI)으로 비즈니스를 자동화하고, 더 나은 고객 경험을 제공하며, 매출을 높이고 있습니다. 이미 수년 전부터 은행은 인공지능을 활용해 잠재적인 금융 사기를 탐지하고, 통신사는 고객 이탈을 예측해왔는데요. 챗봇은 한 단계 더 나아가 인공지능을 일상 가까이로 가져왔습니다. 챗봇은 머신러닝, 딥러닝, 음성 인식(voice-to-text), 자연어처리(NLP), 추천 엔진 등 여러
유럽 일반개인정보보호법(GDPR; General Data Protection Regulation)은 유럽연합(EU) 전역은 물론 유럽연합 시민의 개인 정보를 다루는 전 세계 모든 기업에 영향을 미치고 있습니다. 이 새로운 규제의 목적은 시민에게 자신의 데이터에 대한 보다 강력한 통제권을 부여하고, 유럽 전역에 걸쳐 시행할 수 있는 통일된 규칙을 만드는 것인데요. 이에 따라 기업은 개인 데이터 기록을 수집, 처리, 업데이트,
데이터 사이언티스트들은 작업 시간의 대부분을 데이터 준비와 피처(feature) 엔지니어링에 할애합니다. 지난 블로그를 통해 데이터 준비 작업에 유용한 프로그래밍 팁을 소개해드렸는데요. 오늘은 인공지능(AI) 기반 엔터프라이즈 분석 플랫폼 ‘SAS 바이야(SAS Viya)’의 기본 템플릿 중 ‘자동화된 피처 엔지니어링 템플릿’을 활용해 손쉽게 예측 모델을 생성하는 방법을 살펴보고자 합니다. 피처는 입력과 변수(독립 변수, 설명 변수)를 의미합니다. 그리고 피처 엔지니어링은 예측
최근 독일에서 개최된 SAS 포럼에서는 데이터 과학 및 분석과 관련된 다양한 핸즈온(hands-on) 세션과 워크숍이 진행됐습니다. 이전 포럼에서는 볼 수 없었던 몇 가지 분석 동향의 큰 변화가 있었는데요. 주요 시사점을 소개합니다. 분석의 대중화 올해 워크숍의 티켓은 일찍부터 매진이었습니다. 그 자체만으로도 기분 좋은 소식이지만, 사실 더 중요한 사실을 암시하는데요. 이는 참석자 모두가
지난 7월 정부는 스마트 그리드(smart grid) 서비스가 구현되는 체험 단지 조성 등을 골자로 하는 ‘제 2차 지능형 전력망 기본 계획’을 발표했습니다. 이에 따라 올해부터 2022년까지 스마트 그리드 서비스 활성화, 각종 인프라 구축 등에 4조5,000억 원을 투자할 방침입니다. 스마트 그리드는 전기의 생산, 운반, 소비 과정에 정보통신기술(ICT)을 접목해 효율성을 높일 수 있도록
암 치료는 매우 힘든 과정입니다. 따라서 환자별 최적의 치료법을 선택하고, 환자가 효과 없는 치료법으로 인해 필요 이상의 고통을 받지 않도록 하는 것이 중요한데요. 검사를 통해 치료의 진척 상황을 측정할 수는 있지만, 많은 환자들이 치료 과정을 변경하기에는 너무 늦은 시기까지 처방의 효과를 알지 못합니다. 그렇다면 만약 특정 암 치료의 효과를 수일
인공지능(AI), 사물인터넷(IoT) 등 다양한 디지털 기술이 융합되면서 기업의 마케팅 전략도 혁신을 거듭하고 있습니다. 특히 고객이 특정 순간과 장소에서 기대하는 바를 충족시키는 ‘개인화된 경험’이 핵심 마케팅 역량으로 떠올랐는데요. 이를 위해서는 고객 데이터를 실시간으로 분석해 개별 고객의 특성과 원하는 바를 보다 잘 이해하고, 언제 어디서나 고객의 소비 여정과 함께하는 실시간 마케팅(Real-time marketing) 전략을 구현해야
IFRS 17은 보험 업계에 대대적인 변화의 바람을 일으키고 있습니다. 이 새로운 국제회계기준이 발효되는 2021년 1월은 아직 먼 미래처럼 느껴질 수 있지만, 유럽 일반개인정보보호법(GDPR) 경험을 통해 배웠듯이 모든 과정은 놀랍도록 빠르게 진행될 것입니다. 무엇보다 IT 솔루션은 급하게 구현할 수 있는 것이 아닙니다. 충분한 시간을 갖고 현명한 결정을 내리기 위해서는 지금 바로 행동에
산업용 애플리케이션, 기계, 프로세스 등을 연결하는 기술이 발전하면서 사물인터넷(IoT), 더 정확하게는 산업용 사물인터넷(IIoT) 혁신이 가속화되고 있습니다. 산업용 사물인터넷의 가장 큰 이점은 산업, IT, 운영 기술 프로세스를 단일 시스템으로 통합하고, 자동화를 통해 운영 효율성 개선과 비용 절감 효과를 누릴 수 있다는 것입니다. 실제 세계적인 오토바이 제조 업체 할리데이비슨(Harley-Davidson)은 생산 효율성과 민첩성을 목표로
새로운 국제회계기준 IFRS(International Financial Reporting Standards) 17은 보험 업계 역사에 한 획을 긋는 대대적인 변화입니다. 보험 부채의 평가 기준을 원가에서 시가로 변경하는 것을 골자로 보험사의 재무 보고 투명성을 높이기 위한 일련의 새로운 규칙을 명시하는데요. 오래 전부터 이러한 변화를 기다려온 분석가와 여러 이해관계자들에게는 매우 반가운 소식일 것입니다. 실제 IFRS 17은 다양한 국가별
그래프를 만들 때 가장 어려운 작업은 무엇일까요? 바로 데이터를 준비하는 것인데요. 오늘은 엑셀 데이터를 SAS로 가져오고, 전치하고, 첫 열의 값을 데이터 값으로 사용하고, 플롯으로 요약하는 방법을 차례대로 소개해드리고자 합니다. 오늘 예시에서는 학생 대출 채무에 관한 데이터가 사용되는데요. 몇 년 전, 학생 대출 채무가 급증하면서 큰 이슈가 됐었고, 아래는 관련 기사에서 쓰인
나만의 파라다이스를 찾아라! 여름 휴가 계획 모두 세우셨나요? 어디로 갈지 아직 고민 중이시라면! 클릭 몇 번만으로 전 세계에서 나와 가장 잘 맞는 도시를 알려주는 ‘SAS 파라다이스 파운드(SAS Paradise Found)’ 프로젝트를 소개합니다. 사람마다 매력적인 여행지와 거주지를 선택하는 기준은 다르기 마련인데요. SAS 파라다이스 컨피규레이터(Paradise Configurator)는 가족, 문화, 자연, 안전 및 인프라, 생활비, 레스토랑
국제 이주민은 전 세계 인구의 3.5% 이상을 차지하고 있습니다. 즉 2억5천만 명 이상이 출생 국가 또는 국적과 다른 나라에서 살고 있다는 뜻인데요. 모든 이주민이 한 국가에 산다면 그 인구는 세계에서 다섯 번째로 클 것입니다. 전 세계 사회경제적 환경에 큰 영향을 미치는 이주와 난민은 여러 국가와 기업이 함께 해결해야 할 국제적
지난 7월 17일, 세계 이모티콘의 날을 맞아 애플, 유튜브, 페이스북 등 글로벌 기업들은 새로운 이모티콘을 공개하고 관련 설문조사 결과를 발표하는 등 다양한 이벤트를 진행했는데요. 많은 사람들이 습관처럼 사용하는 이모티콘은 온라인 비주얼 커뮤니케이션이라는 새로운 트렌드의 핵심 요소로 자리잡았습니다. 온라인, 특히 모바일에서 빠르고 명확하게 표현을 전달해야 할 때 이모티콘은 전 세계 누구와도
머신러닝 모델 해석력 시리즈 3탄! 오늘은 머신러닝 모델의 작동 원리에 대한 인사이트를 도출할 수 있는 변수를 표시하는 두 가지 방법에 대해 자세히 살펴보고자 합니다. 머신러닝 모델 해석력 시리즈 1탄과 2탄을 놓치셨다면, 클릭해주세요! 1탄: 인공지능(AI)과 머신러닝을 신뢰하기 위한 필수 조건, 해석력! 2탄: 머신러닝 해석력 시리즈 2탄: 데이터 세트를 이해하고 해석하는 방법 데이터 과학자가 모델이
텍스트 분석과 자연어처리(NLP; Natural Language Processing)는 소비자의 감성을 분석하는 방법으로 널리 알려져 있습니다. 실제 많은 기업이 비정형 데이터 분석 기술을 이용해 소셜 미디어(SNS) 상의 고객 불만이나 댓글을 분석하고 적절히 대응하고 있는데요. 오늘날 전체 데이터의 90% 이상은 텍스트, 음성, 이미지, 영상 등 구조화되어 있지 않은 비정형 데이터입니다. 수동 분석만으로 이 모든
