"의료·건강 소비 많을수록 신용위험 낮아"…뱅크샐러드, 서강대와 공동 연구 진행

간식 지출 비중 높을수록 부도 위험 높아
뱅크샐러드 소비·지출 데이터에 자산 정보까지 활용
대안신용평가모델 ''뱅크샐러드 스코어'' 개발 추진

[이데일리 이수빈 기자] 뱅크샐러드가 대안신용평가모델 ‘뱅크샐러드 스코어’를 개발하고 금융권 상용화를 추진한다. 이에 앞서 서강대학교와 함께 마이데이터를 활용해 소비행태와 신용위험의 관계를 분석하는 공동 연구를 진행했다.

뱅크샐러드와 서강대학교 남주하 명예교수 연구팀은 ‘소비행태와 개인신용위험:마이데이터 기반’ 공동 연구 논문을 발표했다. 이번 연구는 실거래 소비 데이터를 활용해 소비행태와 개인 신용위험의 관계를 실증 분석한 국내외 첫 사례로 뱅크샐러드의 약 20만건의 카드 결제 데이터와 소비 카테고리 분류 체계가 활용됐다.

연구 결과에 따르면 의료·건강 분야에 대한 지속적인 소비가 많을수록 부도 위험이 낮아지는 것으로 나타났다. 연구팀은 지속적인 건강 관리가 질병 등으로 인한 경제활동 중단 가능성을 낮추고 예기치 못한 건강 악화에 따른 재무적 유동성 부담을 완화한다고 분석했다.

반면 통신비와 편의점, 카페·간식 등 지출 비중이 높을수록 부도 위험은 높아지는 것으로 나타났다. 또 절대적인 소비 규모보다 평소와 다른 신규 소비 발생이나 지출 패턴 변화가 신용위험을 예측하는 데 유의미하게 작용하는 것으로 분석했다.

뱅크샐러드는 이번 연구 결과를 바탕으로 어니스트AI, KCB와 함께 대안신용평가모델 ‘뱅크샐러드 스코어’를 개발하고 금융권 상용화를 추진한다.

뱅크샐러드 스코어에는 소비 데이터 뿐 아니라 금융자산별 현금흐름 정보, 플랫폼 이용 패턴 등 금융·행동 데이터를 종합 반영한다. 디바이스 생체 데이터와 건강검진 수검 주기 등 건강 행동 정보까지 활용해 신용위험 예측력을 높이고 금융 거래 이력이 부족한 씬파일러(Thin Filer)에 대한 평가 범위를 넓혔다.

또 데이터 기반 최신 머신러닝(SOTA·State of the Art) 알고리즘으로 우량 차주와 고위험 차주를 정교하게 구분해 K-S 통계량(Kolmogorov-Smirnoc Statistics) 평가에서 60%를 달성했다. K-S 통계량은 신용평가모형의 주요 변별력 지표로 보통 20% 이상은 변별력 확보, 50% 이상은 변별력 우수로 평가된다.

뱅크샐러드는 통신·교통·온라인쇼핑·여행 등 28개 소비 카테고리와 119개 세부 소비 항목을 독자적으로 구축해 자산관리 서비스에 활용해왔다. 이를 학술 연구와 대안신용평가모델 개발에도 활용하며 소비·지출 데이터와 분류체계 활용 범위를 지속적으로 확대하고 있다.

뱅크샐러드 관계자는 “이번 연구는 마이데이터의 학술적 활용 가능성을 확인하고 소비 데이터가 개인의 금융 특성을 이해하는 새로운 정보로 활용될 수 있음을 보여줬다는 점에서 의미가 있다”며 “앞으로도 더 많은 고객이 금융 혜택을 누리고 포용금융을 실현할 수 있는 데이터 기반 금융 혁신을 이어가겠다”고 말했다.

어니스트AI 관계자는 “고도화된 AI 알고리즘 기술력이 적용된 뱅크샐러드 스코어가 실제 금융 현장에서 씬파일러의 신용 접근성을 넓히는 데 기여하게 될 것으로 기대한다”고 말했다.