Page 162 - 데이터과학 무엇을 하는가? 전자책

통계 모델을 사용한 세분화 작업을 할 때 전체 고객을 파산 경험 여부
에 따라 먼저 구분하고, 파산 경험이 있는 고객은 위험 관리 통계 모델의

점수에 따라 다시 고위험 과 저위험 으로 구분했다. 파산 경험이 없

는 고객은 신용카드가 4개 이하인 고객과 3개 이상인 고객으로 구분하였

고, 위험 통계 모델에 따라 다시 고위험 과 저위험 으로 나누어 관리
했다. 그러고 나서 파산/연체 가능 모델을 이용하여 신용카드가 3개 이

상인 고객을 파산/디 트 가능 고객으로 나누어 이들의 변화 추이를 관

찰했다. 관찰 후 파산을 할 수도 있어 조치를 취해야 할 고객에게는 카드

발급을 거절하는 거부 조치(Adverse Action) 코드를 제공하였는데, 미국은
카드 발급을 거절하거나 신용 평점을 고객에게 불리하게 바꿀 경우에 반

드시 고객에게 우편으로 그 이유를 알리도록 법(신용 공정관리 법 Fair Credit

Act Reporting)으로 의무화되어 있다.

필자는 세분화된 고객들을 상대로 매월 비즈니스 규정을 적용하여 자
동으로 개인별 거부 조치 코드를 생성하고 그에 따른 보고서 작성 작업

을 했다. 크 오브 아메리카의 전체 고객 데이터가 매월 테이프(tape) 파

일로 액시엄 데이터센터에 도 하면 일련의 전처리 과정을 거쳐 통계 모

델과 보고서 작성이 진행되었다. 일단 개발이 난 작업은 운영 으로
겨지고 주기적으로 결과 보고서가 생성되어 크 오브 아메리카로 전

해졌다. 보고서에는 은행 고객 세분화에 따라 당월 새로 생성된 코드와

과거 추이 분석, 마케팅 조치의 효과 분석을 수행할 수 있는 현황 통계들

도 함께 생성되었다.
통계 모델의 장점은 더 일찍 고객의 위험성을 파 하여 사전에 조치

160