[특이한기자들] 대출 잘 받으려면 유흥업소 가지마라?

기자> 안녕하세요, 특종과 이슈에 강한 기자들. 경제금융부 이유나 기자입니다.

오늘은 금융권의 개인신용평가 시스템에 대해 이야기를 나눠볼까 합니다.

흔히 대출을 받을 때, 조달금리와 함께 개인 신용등급을 토대로 한도와 이율이 결정되죠.

금융사들은 보통 신용평가회사로부터 고객에 대한 신용등급을 받고, 자체 신용평가시스템을 활용해 최종 평가를 내립니다.

이 시스템을 통해 고객을 분석하고 연체율이나 부실률을 예상해 대출을 내주기 때문에, 자체 평가시스템의 역할은 굉장히 중요합니다.

그동안 연봉이나 직업, 카드 연체 이력이나, 카드 사용액 규모 등 금융정보가 주로 이용돼왔는데요.

4차산업혁명을 맞아 기술이 고도화됐고 개개인에 대한 빅데이터 수집과 활용범위가 넓어지면서, 금융정보 외에도 비금융정보를 활용한 개인신용평가 시스템이 날로 고도화되고 있습니다.

최근엔 머신러닝을 이용해 무려 최대 900여개가 넘는 데이터를 활용해 고객 신용을 평가해 점수화한다고 하는데요.

어떤 정보들이 포함되는건지, 고도화되고 있는 개인신용평가 시스템에 대해 자세히 이야기 나눠보도록 하겠습니다.

앵커> 이유나 기자, 금융사들이 고객 신용평가를 할 때 사용했던 기본 정보는 보통 연봉이나 직업 이런 것이었죠?

기자> 네. 금융사들은 나이스와 KCB 등 신용평가사로부터 고객 신용등급을 받습니다.

거기에 자체 분석시스템을 통해 고객을 분석하는데요.

기본적으로는 연봉과 연체이력, 뭐 카드사의 경우엔 카드 사용금액 등을 봅니다.

은행계 카드사는 은행예금이나 계열 증권사 주식투자 자금 등도 통합적으로 보는데요.

이런 고객 정보는 회사마다 다르지만 통상 분기나 반기에 한번 업데이트를 하는 것으로 알려져 있고요.

고객이 직장을 변경할 경우, 연봉이 달라질 경우 등 정보가 업데이트 될때도 새로 신용등급을 책정합니다.

아무래도 신용평가사로부터 고객에 대한 같은 정보를 받아도 분석시스템이 회사마다 달라 고객에 대한 점수는 따로 매기게 되는데요.

그렇다보니 금융사별로 자체 개인신용평가시스템을 고도화해서 고객을 다각도로 분석하는 것이 최근 최대 과제가 됐습니다.

앵커> 개인평가시스템을 고도화하는 이유가 고객을 깊고 세밀하게 분석하기 위해선거죠?

기자> 아무래도 고객에 대해 자세하게 분석해서 파악한다면 그만큼 맞춤형 금리제공도 가능해지겠죠.

특히 개인평가시스템 고도화는 1금융권보단 카드사나 저축은행 등 2금융권에서 더 활발한 편입니다.

아무래도 주고객 중 중저신용자의 비중이 1금융권보다 많기 때문으로 분석되는데요.

2금융사들은 고신용자보다 중저신용자들이 상대적으로 돈을 갚을 수 있는 능력이 부족한만큼, 고객을 심층적이고 다각도로 평가하기 위해서라고 설명합니다.

특히 중저신용자를 대상으로 한 대출은 기본적으로 데이터를 얼마나 축적하고 있는지 등 노하우가 중요한데요.

저축은행들의 경우, 중저신용자들을 대상으로 한 중금리대출을 꽤 오래 해온만큼 축적된 데이터도 많고, 노하우가 많이 쌓였다고 설명하고 있습니다.

특히 기존 CB사 정보만으로는 고객 변별력이 낮은만큼 자체 시스템을 고도화시키고 있는 상태입니다.

업계 관계자 설명 보시겠습니다.

[김재식 / 웰컴저축은행 전무 : 기존 CB사 체계로는 한계가 있기 때문에 웰컴저축은행은 900여개의 다양한 변수를 머신러닝 알고리즘을 통해서 스코어링을 했습니다.]

앵커> 그렇다면 최근엔 주로 어떤 정보까지 이용하나요?

기자> 앞서 말했듯 연봉이나 직업, 카드 연체이력 등은 기본적으로 이용됩니다.

흔히 생각하시는 것처럼 연봉이 높고, 안정적인 직업이라 판단될 수록 대출 승인도 더 잘나겠죠.

자금흐름 등을 보기 위해 통장에 대한 정보도 활용합니다.

최근엔 신용행동을 포함해 소비패턴 등 신용정보와는 다른 새로운 신용평가 데이터를 이용하고 있습니다.

비금융정보인 통신 이력을 활용하는게 대표적입니다.

통신이력(텔코스코어)의 경우에는 단순히 요금연체이력이나 이용요금 정보 외에도 음성통화 변화량, 데이터 사용정보, 데이터 변화량 등이 수집됩니다.

이 밖에도 해외로밍서비스 이용정보, 가입기간 개월수, 가입유형, 서비스 정지 이력, 소액결제 이용정보 등까지 포함되는데요.

만약 신용평가사로부터 받은 신용도는 6등급 이하의 낮은 고객이지만, 통신비를 연체 하지 않고 잘 이용을 해왔을 수 있잖아요.

그럴 경우 신용도에 긍정적인 영향을 미칠 수 있습니다.

금융사별로 다르지만, 이런 정보들은 머신러닝 기술을 통해 서로 결합해 새로운 데이터를 또 만들어낸다고 합니다.

그렇게 되면 한 고객을 분석하는데 이용하는 데이터는 100여개에서 최대 900여개 수준까지 달하는 곳도 있습니다.

앵커> SNS 정보를 이용한다는 이야기도 들었던거 같은데, 그건 뭔가요?

기자> SNS 정보는 해외에선 더 활발히 이용 중이지만, 아직 우리나라 모든 금융사가 개인신용도를 평가할 때 메인으로 이용하는 정보로 볼 순 어려울 것 같습니다.

우리나라의 경우 40~50대 중 경제적으로 안정돼 있지만, 페이스북이나 인스타그램 등 SNS을 안할 수도 있기 때문에 데이터 활용이 어려운 경우가 있기 때문인데요.

그러나 플러스 알파의 대안 데이터로 활용될 수 있는 가치는 충분히 있다고 합니다. 교차검증 차원에서 확인 정보로 이용하는겁니다.

예를들어 신청서에 학력사항을 기재했는데, 막상 SNS 친구 중 해당 학교에 대한 친구가 전혀 없을 경우 학력 위조를 의심해볼 수 있고요.

SNS 친구도 많고 활동이 활발한 사람의 경우, 즉 '사회적 교류가 많은 사람일수록 부정적인 평판에 약할 것이다'라고 가정해 돈을 잘 갚을 사람으로 판단하는 경우도 있다고 합니다.

돈을 지출한 곳이 부정적인 곳이냐에 따라서도 신용도가 판단될 수 있는데요.

연체이력이 없더라도 유흥업소나 도박장을 자주 출입한 것으로 나타난다면 신용도 평가는 나빠질 수 밖에 없습니다.

한 금융사의 경우, 스마트폰 GPS를 기반으로 한 테스트도 진행했다고 하더라고요.

이를테면 주거지를 '서울 강남'이라고 대출을 요청한 사람의 GPS가 계속 강원도나 경상도, 전라도 등 서울이 아닌 곳에서 뜬다면? 이 사람의 주 거주지가 서울이 아니라는 판단이 나올 수 있겠죠.

이럴 경우에도 이 정보를 신용도에 활용할 수 있는겁니다.

그러나 GPS 정보는 개인에 대한 이동경로를 노출시킨다는 점에서 개인정보보호법상에 문제가 될 수도 있는만큼, 금융사의 신용평가시스템에는 적용되지 않았다고 합니다.

앵커> 이런 정보들이 실제로 도움이 되긴 하나요?

기자> 금융사들은 확실히 도움이 된다고 말합니다.

'고객에게 플러스 가점을 주는 것'이라고 표현하기도 하는데요.

신용평가사의 신용도로는 부결이 날 사람이더라도, 다각도로 판단하면 부결이 나지 않는 경우가 많아지기 때문입니다.

신용등급이 낮아도 충실하게 갚을 수 있는 능력을 다른 요소로 판단하는 셈이죠.

한 저축은행은 개인신용평가시스템 고도화를 통해 변별력을 기존 신용등급 체계보다 3배 이상 높이고 고객 승인률은 10% 이상 높였다고 합니다.

다른 금융사들도 구체적인 수치를 밝히긴 어려워도 승인율이 늘고 부실률이 줄었다고 하더라고요.

저신용자 고객군을 넓히는 효과는 물론 고금리를 받던 저신용자들에게 적정한 금리까지 제시해줄 수 있기 때문입니다.

그러나 개인신용평가 고도화가 무조건 중저신용자들에게 긍정적인 것만은 아닙니다.

오히려 이런 신용평가를 통해서 돈을 갚을 능력이 정말 부족한 고객들을 더 잘 분류할 수 있기 때문이죠.

앵커> 빅데이터 활용에 대한 제약은 없나요? 개인정보보호의 문제도 있을 것 같은데요.

기자> 빅데이터 활용에 대해선 최근 정부도 힘을 실어주는 분위기입니다.

올 3월 금융위는 빅데이터산업 활성화를 위해 개인과 기업의 신용정보 규제를 완화하겠다고 밝혔는데요.

금융권에 집적된 정보를 활용해서 금융서비스와 상품을 다양화하겠다는 취지입니다.

미국이나 중국 등 해외에 비해 우리나라가 데이터 활용이 적다는 지적은 지속적으로 나왔던만큼, 관련 산업 성장을 위해 빅데이터를 바탕으로 금융혁신에 나서겠다는겁니다.

금융사들은 일단 활용하는 고객 정보는 모두 고객동의 절차를 필수로 받고 쓰고 있다고 설명합니다.

그러나 고객동의를 받더라도 약관 내용이 방대하거나 용어가 어려운 경우가 많아 고객 입장에선 어떤 정보를 수집하는지 정확히 파악하기 쉽지 않은 점은 문제가 아닐까 싶습니다.