안녕하세요, 고위드 데이터 팀의 맹준영입니다. 저는 데이터 분석가로 시작해 약 4년째 고위드에 몸담고 있으며, 지금은 DPM(데이터 프로덕트 매니저)으로 일하고 있습니다. 고위드의 데이터를 어떻게 경쟁력 있는 자산으로 만들고, 이를 통해 우리의 미션에 기여할지 고민하고 설계하는 역할을 맡고 있죠.
앞으로 고위드 데이터 팀이 비즈니스에 어떤 임팩트를 내고 있는지, 어떤 문제들을 해결해나가고 있는지 차례로 이야기해보려 합니다.
고위드는 혁신 기업인 스타트업에 법인카드를 발급하고 있습니다. 법인카드는 결국 신용을 바탕으로 합니다. 이 회사를 얼마나 신뢰할 수 있는지, 누군가는 정확하게 판단해야 하죠. 저희 데이터 팀이 바로 그 판단을 시스템으로 구축하는 곳입니다.
일반적인 데이터 분석 리포트를 넘어, 고위드 데이터 팀은 답 자체를 시스템으로 만들어 의사결정의 핵심 엔진을 담당합니다. 스타트업 신용평가는 기존 금융 기관의 방법론으로는 한계가 많습니다. 재무제표는 실시간 변동성을 반영하기 어렵고, 공개된 정보도 적을 뿐더러 기업의 성장 속도가 매우 빠르기 때문입니다. 그래서 고위드 데이터 팀은 다른 방식을 선택했습니다. 매일 쌓이는 실시간 데이터를 기반으로 기업의 성장 가능성과 신용을 판단하는 것입니다. 이것이 핀테크 데이터 팀으로서 고위드가 가진 차별점입니다.
데이터 팀이 풀고 있는 문제
스타트업의 재무 상태를 외부에서 명확하게 파악하는 일은 결코 쉽지 않습니다.
일 년에 한 번 제출하는 재무제표는 스타트업의 역동적인 변화를 담아내기에는 너무 느립니다. 어제까지 빠르게 성장하던 회사가 오늘 흔들릴 수도 있는 것이 스타트업 생태계의 현실이죠. 기존 금융사의 신용평가 모델은 이런 속도를 따라가기 어렵습니다. 또한, 공개된 데이터가 부족하고, 실적의 변동성이 크며, 산업군별 특성도 제각각이라는 점도 난관입니다.
고위드에게는 이러한 한계를 뛰어넘을 수 있는 강력한 자산이 있습니다. 바로 매일 실시간으로 쌓이는 데이터입니다. 데이터 팀은 이 데이터를 바탕으로 세 가지 핵심 질문에 답을 찾아야 합니다.
질문 | 의미 |
|---|---|
이 법인이 안정적인가 | 신용 판단 |
한도를 얼마나 줘야 하는가 | 리스크 허용 범위 산출 |
위험해지고 있는가 | 이상 신호 사전 감지 |
겉으로는 단순해 보이지만, 각 질문에 정확하게 답을 내리려면 데이터 수집부터 기업 상태 추론, 이상 신호 감지까지 이어지는 긴 파이프라인이 필요합니다. 고위드 데이터 팀은 이 파이프라인 전체를 만들고 운영합니다.
데이터에서 의사결정까지 — 우리가 일하는 구조
데이터 팀은 DIKW 피라미드(Data, Information, Knowledge, Wisdom)를 업무 구조의 핵심으로 삼고 있습니다. 날것의 데이터를 수집하고(Data), 이를 의미 있는 정보로 변환하며(Information), 기업의 상태를 깊이 있게 파론단하고(Knowledge), 최종적으로 비즈니스 의사결정까지 이끄는(Wisdom) 흐름을 따르는 것입니다.
이러한 흐름에 따라 데이터 팀의 제품도 구분됩니다. 데이터를 정제하는 파이프라인, 기업의 안정성을 수치화하는 모델, 이 점수를 기반으로 한도를 산정하거나 위험을 감지하는 의사결정 엔진이 그것입니다. 더 나아가, 이 엔진이 실제 고객 서비스 안에서 원활하게 작동하도록 만드는 것까지, 데이터 팀이 모든 과정을 책임집니다.
이처럼 유기적인 흐름 속에서 각 직무는 고유한 역할을 담당합니다.
직군 | 흐름에서의 역할 |
|---|---|
DPM (데이터 프로덕트 매니저) | 어떤 문제를 가장 먼저 해결할지 결정합니다. 우선순위를 잘못 잡으면, 아무리 잘 만든 모델도 소용없죠. |
DAE (데이터 애널리틱스 엔지니어) | 데이터 흐름의 시작을 담당합니다. 흩어진 원천 데이터를 분석 가능한 형태로 만듭니다. 파이프라인의 신뢰성이 팀 전체의 신뢰성으로 직결됩니다. |
DS (데이터 사이언티스트) | 정리된 데이터로 기업의 상태를 파악하는 모델을 구축합니다. 연체 가능성, 성장성, 비정상적인 패턴 등 중요한 판단을 수치로 표현하죠. |
DA (데이터 애널리스트) | 모델의 산출물을 현장에서 즉시 활용할 수 있는 의사결정 엔진으로 가공합니다. 모델의 판단이 곧 의사결정으로 이어지려면, 현장 적용이 가능한 형태로 구조화하는 과정이 필수입니다. |
PE (프로덕트 엔지니어) | 이렇게 완성된 의사결정 엔진이 실제 고객 서비스 내에서 안정적으로 구동되도록 만듭니다. |
실제로 무엇이 달라졌는가
이러한 체계를 구축하기 전과 후, 고위드의 연체율은 90% 이상 줄었습니다.
실시간 데이터만으로 기업의 상태를 정확히 파악할 수 있다는 사실이 처음부터 명확했던 것은 아닙니다. 어떤 데이터 신호가 유의미한지, 어떤 패턴이 단순히 노이즈인지 구분하는 작업에 상당한 시간이 필요했습니다. 그 과정에서 때로는 잘못된 판단을 내리기도 했고, 모델을 전면 수정해야 하는 시행착오도 겪었습니다. 지금 안정적으로 작동하는 구조는 그 수많은 노력과 시행착오의 결과물인 셈입니다.
앞으로 풀어야 할 문제
지금까지 고위드 데이터 팀은 "이 법인이 안정적인가"라는 질문에 집중해 왔습니다.
이 질문에 더욱 정확하게 답하는 일은 앞으로도 계속될 것입니다. 모델의 정밀도를 꾸준히 높이고, 아직 감지하지 못하는 잠재적 위험 패턴을 줄이며, 판단의 근거를 더욱 명확하고 설명 가능하게 만드는 것은 끝없는 숙제입니다.
동시에, 새로운 질문이 우리 앞에 나타나고 있습니다. 바로 "이 법인에게 지금 무엇을 제안해야 하는가."입니다. 법인의 상태를 데이터로 깊이 있게 이해할 수 있게 되면, 단순히 위험을 관리하고 방지하는 것을 넘어, 자금이 필요한 적절한 시점에 최적의 금융 솔루션을 제안할 수 있게 됩니다. 리스크 관리에서 시작하여 적극적인 금융 제안까지, 고위드 데이터 팀이 풀어야 할 문제의 범위는 더욱 넓어지고 있습니다.
다음 글에서는 위험 법인을 사전에 예측하는 모델을 고위드 데이터 팀이 어떻게 만들었는지, 어떤 문제에 직면했고 이를 어떻게 해결해나갔는지 자세히 이야기해드리겠습니다.
고위드 데이터 팀에서 이러한 흥미로운 문제들을 함께 풀어나갈 동료를 찾고 있다면, 채용 페이지에서 열려 있는 포지션을 확인해보세요.