뱅크샐러드가 서강대학교와 손잡고 마이데이터를 활용한 소비행태와 신용위험 간 상관관계를 분석하는 연구를 진행했다. 이번 연구 성과를 토대로 새로운 대안신용평가모델을 개발해 금융사의 신용평가 정확도를 높이고 금융 소외계층의 접근성을 확대한다는 계획이다.
뱅크샐러드는 14일 서강대학교 남주하 명예교수 연구팀과 함께 ‘소비행태와 개인신용위험: 마이데이터 기반’ 논문을 발표했다고 밝혔다. 이번 연구는 실제 카드 결제 데이터를 활용해 소비 습관과 개인 신용위험의 연관성을 실증적으로 분석한 사례다. 연구에는 뱅크샐러드가 보유한 약 20만 건의 카드 결제 데이터와 자체 소비 카테고리 분류 체계가 활용됐다.
분석 결과 의료·건강 관련 지출이 꾸준한 이용자는 부도 가능성이 상대적으로 낮은 것으로 나타났다. 연구진은 규칙적인 건강 관리가 질병으로 인한 경제활동 중단 가능성을 줄이고 예상치 못한 의료비 부담에 따른 재무적 유동성 부담을 완화하는 데 영향을 미친 것으로 해석했다.
반대로 통신비와 편의점과 카페·간식 등에 대한 소비 비중이 높은 경우에는 부도 위험이 높아지는 경향이 확인됐다. 특히 단순히 소비 금액이 많은지보다 기존과 다른 새로운 소비가 발생하거나 평소와 다른 지출 패턴이 나타나는지가 신용위험을 예측하는 데 더 중요한 변수로 분석됐다.
뱅크샐러드는 연구 결과를 바탕으로 어니스트AI, KCB와 함께 대안신용평가모델인 ‘뱅크샐러드 스코어’를 개발해 금융권 적용을 추진하고 있다. 이 모델은 소비 데이터뿐 아니라 금융자산별 현금흐름, 플랫폼 이용 행태 등 다양한 금융·행동 데이터를 함께 반영한다. 여기에 디바이스 기반 생체 데이터와 건강검진 수검 주기 등 건강 관련 행동 정보까지 결합해 신용위험 예측 성능을 높였다. 금융 거래 이력이 부족한 씬파일러까지 평가할 수 있도록 설계했다.
또 최신 머신러닝(SOTA·State of the Art) 알고리즘을 적용해 우량 차주와 고위험 차주를 보다 정교하게 구분할 수 있도록 했다. 모델 성능을 나타내는 K-S(Kolmogorov-Smirnov) 통계량은 60%를 기록했다. K-S 통계량은 신용평가모형의 대표적인 변별력 지표로 20% 이상이면 일정 수준의 변별력을 확보한 것으로, 50% 이상이면 우수한 수준으로 평가된다.
뱅크샐러드는 통신·교통·온라인쇼핑·여행 등 28개 소비 카테고리와 119개 세부 소비 항목으로 구성된 자체 분류 체계를 자산관리 서비스에 적용해 왔다. 앞으로는 이를 학술 연구와 신용평가모델 개발에도 적극 활용하며 소비 데이터의 활용 범위를 확대해 나갈 계획이다.
뱅크샐러드 관계자는 “고도화된 AI 알고리즘 기술력이 적용된 뱅크샐러드 스코어가 실제 금융 현장에서 씬파일러의 신용 접근성을 넓히는 데 기여하게 될 것으로 기대한다“고 말했다.