[증권] Credit Suisse - 데이터와 AI로 금융 서비스 현대화

원문: 링크

산업: 금융 서비스
솔루션: 투자를 위한 대안적 데이터, 데이터 기반 ESG, 추천 엔진, 거래 강화
플랫폼 사용 사례: 델타 레이크, 데이터 사이언스, 머신 러닝, ETL
클라우드: Azure

 

"비즈니스의 모든 영역에서 ML과 AI를 도입할 수 있는 능력은 고객을 위해 더 많은 가치를 창출하는 데 결정적인 역할을 했습니다. Azure 데이터브릭스와 MLflow는 이러한 가치를 제공할 수 있는 핵심 요소입니다." 
- Anurag Sehgal, 전무 이사, 글로벌 시장 책임자, 크레딧 스위스

 

빅 데이터와 AI의 도입이 증가하고 있음에도 불구하고 대부분의 금융 서비스 회사는 여전히 데이터 유형, 개인 정보 보호, 그리고 규모와 관련하여 상당한 어려움을 겪고 있습니다. 크레딧 스위스는 이러한 장애물을 극복하기 위해 조직 전반에서 운영 및 머신 러닝의 속도와 규모를 높이기 위해 Azure Databricks와 같은 개방형 클라우드 기반 플랫폼을 표준화하고 있습니다. 이제 크레딧 스위스는 데이터와 분석을 성공적으로 활용하여 신제품을 더 빠르게 시장에 출시하고, 성장하며, 운영 효율성을 창출하는 디지털 트랜스포메이션을 추진할 수 있습니다.

인력 전문성과 수동 프로세스의 한계 극복하기

고객의 높은 기대치를 충족시키는 것은 항상 금융 서비스 기관(FSI)의 주요 목표였습니다. 그러나 대부분의 FSI는 구식 시스템과 관계 기반 비즈니스 모델로 인해 오늘날 고객이 기대하는 수준의 경험을 제공하는 데 어려움을 겪고 있습니다. 크레딧 스위스는 이러한 도전을 극복하기 위해 레거시 모델에서 디지털 및 데이터 기반 접근 방식으로의 전환을 계획하고 있으며, 방대한 양의 고객 및 거래 데이터를 활용하는 여정에 나섰습니다.

크레딧 스위스의 글로벌 시장 책임자인Anurag Sehgal 전무이사는 "은행 산업은 기본적으로 인간 중심의 기반 위에 구축되어 왔으며, 강력한 관계가 거래로 이어지고 전문가의 판단에 따라 의사 결정이 이루어집니다"라고 말합니다. "고객이 요구하는 수준의 서비스를 계속해서 제공하기 위해서는 데이터를 최우선으로 비즈니스 모델을 발전시켜야 했습니다."

그러나 수동 프로세스의 한계와 온프레미스 시스템의 성능 확장에 따른 복잡성뿐만 아니라 '더 스마트한' 의사결정을 내리는 데 활용할 수 있는 데이터의 부족이라는 문제에 직면했습니다. "금융 시장 및 가격 데이터에만 액세스할 수 있었기 때문에, 우리는 고객에게 고유하고 지능적인 추천을 제공하는 데 한계가 있었습니다."라고 Sehgal은 설명합니다.

크레딧 스위스는 데이터 분석을 통해 비즈니스를 개선하고 성장시키기 위한 아이디어를 촉진하고, 실험과 신속한 프로토타입 제작을 가능하게 하며, 상업적으로 실행 가능한 아이디어를 제품 및 실행 가능한 비즈니스 벤처에 포함시킬 수 있는 통합된 데이터 분석 플랫폼을 필요로 했습니다.

 

아이디어를 더 빠르고 효율적으로 실현하기 

이 여정의 첫 번째 단계는 다양한 워크로드를 지원하기 위해 온디맨드 방식으로 확장할 수 있고, 클라우드에 구애받지 않는 기능을 활용할 수 있도록 여러 클라우드를 지원할 수 있는 유연하고 확장 가능한 아키텍처를 확인하는 것이었습니다. 또한, 머신러닝과 AI를 위한 차세대 기술을 지원할 수 있어야 했습니다. 이를 위해 크레딧 스위스는 데이터, AI/ML 및 디지털 기능의 에코시스템이 포함된 기본 퍼블릭 클라우드 기반 플랫폼으로 전환하고, 핵심 분석 플랫폼으로 Azure Databricks를 선택했습니다.

크레딧 스위스의 Anurag Sehgal 전무이사는 "기계 학습은 현재 우리가 하는 모든 일의 핵심 원동력입니다. 그리고 데이터 기반 조직이 되기 위한 여정에서 Databricks는 중요한 역할을 해왔습니다."라고 말합니다. "데이터 브릭스 덕분에 데이터 분석을 통해 비즈니스를 개선하고 성장시킬 수 있었으며, 상업적으로 실행 가능한 성숙한 아이디어를 제품 및 비즈니스 벤처로 발전시키는 모델을 실험하고 신속하게 프로토타이핑할 수 있었습니다."

크레딧 스위스의 Sehgal 팀은 데이터를 실행 가능한 데이터로 만들기 위해 첫 번째 단계로 인프라가 데이터의 양을 처리할 수 있는지 확인했습니다. 데이터브릭스의 클러스터 관리 기능을 사용하여 클러스터 프로비저닝을 간소화함으로써 대량의 내부 및 외부 데이터를 신속하게 수집할 수 있었습니다. 이는 데이터 처리 인프라의 제약을 해결하는 핵심 요소였습니다. 이제 Sehgal 팀은 독점 데이터와 타사 데이터뿐만 아니라 실시간으로 스트리밍되는 정형 및 비정형 데이터를 포함한 다양한 데이터 유형을 활용할 수 있게 되었습니다.


데이터가 다운스트림으로 원활하게 흐르면서 모델 관리 수명 주기를 간소화하기 위해 Sehgal 팀은 MLflow로 전환했습니다. 이를 통해 모델을 더 빠르게 테스트, 실험하고 프로덕션에 배포할 수 있게 되었습니다. Sehgal은 "우리가 하는 일의 대부분은 머신 러닝과 AI에 관한 것입니다. MLflow는 모델 수명 주기 관리를 개선하는 데 핵심적인 역할을 해왔으며, 이러한 모델의 결과와 결과를 시각화할 수 있게 해줍니다."라고 설명합니다.

데이터와 AI로 금융 서비스를 새로운 차원으로 끌어올리기

오늘날 데이터와 분석은 크레딧 스위스가 하는 모든 일의 핵심입니다. 데이터 인사이트를 활용하여 새로운 글로벌 시장으로 진출하고 고객을 만족시킬 수 있는 새로운 상품과 서비스를 개발할 수 있었습니다.

 

예를 들어, 이제 영업팀은 실시간 상품 추천을 통해 고객에게 서비스를 제공하고, 비즈니스 사용자(헤지펀드, 투자 관리자)는 Tableau와의 통합을 통해 데이터 분석을 활용하여 비즈니스 인텔리전스를 얻을 수 있습니다. 또한, 증권 거래자는 고객을 위해 더 현명한 투자 결정을 내릴 수 있도록 추천 및 이상 징후 탐지를 제공할 수 있습니다. 이렇게 다양한 이해 관계자에게 정보를 제공할 수 있게 되었습니다.

 

데이터브릭스는 크레딧 스위스 팀이 대체 데이터 및 ESG 데이터를 포함하여 분석을 시작할 수 있는 새로운 데이터 유형을 열어주었습니다. 이제 비즈니스는 최첨단 디지털 역량과 데이터 기반 인텔리전스를 활용하여 효율성과 성장을 촉진하는 새로운 상품과 서비스의 가능성을 창출할 수 있게 되었습니다. 세갈은 "비즈니스의 모든 측면에 ML과 AI를 포함할 수 있는 능력은 고객을 위해 더 많은 가치를 창출하는 데 결정적인 역할을 했습니다."라고 결론을 내립니다. "Azure 데이터브릭스와 MLflow는 이러한 가치를 제공할 수 있는 능력의 핵심입니다."