뱅킹의 미래를 정의할 5가지 새로운 데이터 분석 역할

이 기사는 원래 Analytics India Magazine에 게시되었습니다.
개인화에서 고객 중심 접근 방식, 예측 위험 관리, 다양한 채널에 걸친 제품 최적화 정의에 이르기까지. 은행 부문은 데이터 분석 경력 영역 전반에 걸쳐 새로운 유형의 인재를 탄생시켰습니다. 2017년 생존 은행에 대한 최근 Mckinsey 가이드에 따르면 데이터는 모든 의미 있는 결정의 중심입니다. 이는 데이터 과학자와 데이터 번역가의 증가로 이어집니다. 대량의 데이터를 분석하고 이를 신제품으로 변환하거나 최종 사용자를 위한 제품 향상을 주도하는 사람.

더욱이 '퀀트'로 통하는 퀀트 애널리스트에 대한 은행업의 의존도가 심화되고 있다. 역할이 은행 기관 전반에 걸쳐 더욱 광범위하게 확산됨에 따라 이 새로운 데이터 인재는 은행 업무의 미래를 정의할 것입니다. 빅 데이터, 분석, 디지털, 위험 완화 및 사기 방지의 주요 측면에서 기술과 전문 지식을 결합할 수 있습니다.

데이터 과학은 더 나은 미래를 가질 수 있습니까? 분명히. 그리고 금융 부문 전반에 걸쳐 다양한 역할이 분출될 것입니다. 은행이 소셜, 텍스트, 비디오 및 지리 공간과 같은 모든 종류의 대용량 데이터와 씨름하고 있습니다. 데이터 분석가는 데이터에 대한 의미를 부여하고 행동 예측 및 고객 감정 조사와 같은 고객 통찰력을 도출하는 데 주도적인 역할을 할 것입니다.

데이터 분석이 적용되는 주요 영역은 고객 중심, 비용 억제, 사이버 위협 퇴치, 글로벌 테러, 규정 준수 및 위험 관리입니다. 이들은 대부분의 새로운 역할이 등장할 영역입니다.

Analytics India Magazine 과 UpGrad 는 앞으로 등장할 몇 가지 데이터 분석 역할과 그 역할에 대해 설명합니다.

1. 사기 방지 분석가

필수 기술: 통계, 응용 수학 및 알고리즘에 대한 좋은 기초. Python, Java에 대한 전문 지식과 HBase에 대한 지식이 있어야 합니다.
잠재적 고용주: EY, Genpact, Deloitte, HPE Infosys, TCS
직무 역할: 예측 분석은 사기 완화 전략의 황금 표준이었지만 최근에 초점을 맞춘 것은 동적 머신 러닝(ML) 기반 시스템입니다. 데이터 분석 의 범위는 점점 더 커지고 있습니다. 많은 금융 기관에서 이를 배포했습니다. 대표적인 사례가 유서 깊은 회사인 마스터카드(Mastercard)입니다.

마스터카드는 지능형 분석을 위한 정교한 알고리즘을 사용하여 보다 정확한 정보를 제공할 뿐만 아니라 실제 거래에 대한 허위 거부를 줄이고 승인을 높이는 실시간 정보를 제공합니다.

작년에 출시된 마스터카드의 의사결정 인텔리전스 솔루션은 고객의 계정 정보, 기기, 위치, 구매 유형, 가맹점 등 을 활용하여 기존 계정 초과 근무 시간을 조사하고 지출 급증과 같은 이상 징후를 감지합니다.

은행 업계에서 애널리스트 의 역할 에는 고객 상담 제공, 일상적인 프로젝트 계획 및 실행, 고객이 신용 가치가 있는지 검색하는 데 시간 투자, 재무 및 시장 분석 준비가 포함됩니다. 은행은 고유한 알고리즘을 통해 ML 기술을 배포하여 고객의 지출 패턴에서 이상을 배제하고 인공 지능 기술을 활용하여 전반적인 고객 경험을 개선합니다.

2. 신용위험분석가

필수 기술: 통계 외에도 비즈니스 인텔리전스(BI) 도구 및 위험 모델링 프레임워크에 대한 지식도 중요합니다.
잠재적 고용주: Accenture, Genpact, SAS, Mckinsey, TCS
직무 역할: 신용 위험 관리는 예방 조치를 취하고 은행이 채무 불이행 가능성을 완화할 수 있도록 예방 분석에 크게 의존합니다. 2008년 모기지 위기 이후 은행은 강화된 신규 규제에 따라 신용 위험 포트폴리오를 강화했습니다.

신용 위험 분석가의 직무에는 고급 신용 분석을 통해 건전한 비즈니스 결정을 내리는 것이 포함됩니다. 여기에서 규범적 및 예측적 분석이 작동합니다. CRISIL 보고서는 이미 이 분야에서 인도의 큰 인재 격차를 지적했습니다.

3. 은행의 데이터 과학 번역가

필수 기술: 일반적인 데이터 과학 기술 외에도 탁월한 의사 소통; 산업 영역, 동향 및 신기술에 대한 이해는 필수입니다.
잠재적 고용주: Mckinsey
직무: 지금까지 거의 들어본 적 없는 프로필이며 세계 최고의 금융 기관 중 하나인 Mckinsey가 시작했습니다. Mckinsey는 전 세계적으로 선도적인 분석 중심 조직 중 하나로 정의됩니다. 그들은 최근에 분석 팀의 새로운 직함을 게시했습니다. Mckinsey에 따르면 데이터 과학 번역가는 Tableau, Hive, Hadoop, Spotfire와 같은 고급 분석 도구의 견고한 기반과 R, Python 및 SAS와 같은 프로그래밍 언어의 기초를 갖춘 사람입니다.

데이터 과학 번역가는 방대한 데이터 세트로 쉽게 작업할 수 있을 뿐만 아니라 네트워크 분석, 고객 수명 주기 관리에 능숙하며 데이터를 BI로 변환하는 핵심 기술과 의미 있는 통찰력을 갖추고 있습니다. 데이터 번역가는 또한 클라이언트 대면 역할을 하게 되며, 아마도 팀과 클라이언트 사이의 다리 역할을 할 것입니다.

4. 자금세탁방지(AML)

필수 기술: 고급 통계 방법에 대한 지식, 재무 데이터 분석에 대한 입증된 경험 및 AML 문제에 대한 지식.
잠재적 고용주: Infosys, Genpact
직무 역할: 데이터 분석은 테러리스트 및 범죄 조직으로 자금이 유입되는 것을 차단하여 글로벌 테러와 싸우는 데 큰 역할을 할 수 있습니다.

AML은 금융 기관이 AML-KYC 솔루션을 배포하고 리드를 위해 다양한 데이터 소스를 활용하는 서비스 스트림으로 성장했습니다. 자금세탁 방지의 첫 번째 단계는 규제 의무를 준수하기 위한 올바른 정보를 수집하는 것입니다. 이 정보는 올바른 BI 도구 세트를 통해 이해하고 볼 수 있어야 합니다.

프로세스를 더욱 선명하게 하려면 올바른 데이터 패턴을 찾는 데 도움이 되는 올바른 종류의 데이터를 추출하기 위해 데이터베이스에 다른 레이어를 추가해야 합니다. Genpact는 디지털 기반 비즈니스 프로세스 관리 및 혁신 분야의 글로벌 리더입니다. 실사 및 세계적 수준의 심사 플랫폼도 제공하는 AML/KYC의 고급 분석 도구를 제공합니다.

5. 고객 서비스 분석

필수 기술: SAS, R에 대한 입증된 지식, 마케팅 분석 모델 구축 경험, 문제 해결 기술 및 회귀 및 장바구니 분석과 같은 기술 지식.
잠재적 고용주: IBM, Salesforce.com, Oracle, TCS
직무: 빅데이터를 활용하여 고객 중심의 제품을 만들고 싶으신가요? 상당한 투자를 하기 전에 뉴에이지 고객들이 무엇을 클릭할 수 있는지에 대한 훌륭한 통찰력을 원하십니까? 고객의 고충 및 지출 행동과 같은 귀중한 통찰력을 발견하기 전에 많은 데이터를 활용해야 합니다.

감정 분석에서 고객 중심 상품에 이르기까지 은행은 Customer Journey Analytics 솔루션을 통해 우수한 분석 기능을 구축하여 매력적인 경험을 점점 더 많이 추진하고 있습니다. 분석 플랫폼은 주요 기회를 식별하고 미래 행동을 예측할 수도 있습니다.

고객 서비스에서 데이터 분석을 사용하면 고객 여정 전문가가 작업하는 네 가지 기본 지점이 포함됩니다.

1. 다양한 접점을 포함하여 고객 여정에 대한 데이터를 수집합니다.

2. 분석을 적용하여 고객의 문제점을 이해하고 여정을 개인화하십시오.

3. 예측 분석 및 ML 기술을 사용하여 미래 행동을 예측합니다.

4. 발견된 새로운 데이터로 플랫폼을 재작업하십시오.

마무리!

데이터 분석의 미래

글쎄, 우리가 위에서 논의한 것처럼 가까운 장래에 거대해질 데이터 분석의 범위. 은행 업무에서 데이터 분석가의 역할은 통찰력에서 분석 보고서를 수집하고 기관과 직원이 미래를 위해 더 나은 결정을 내릴 수 있도록 돕는 것입니다. 또한 기업의 성장이 원하는 결과를 얻기 위한 전략을 기반으로 하기 때문에 은행 산업에서 Analytics의 역할은 매우 중요합니다.

또 다른 분석 분야에는 위에서 논의한 데이터 과학 번역기가 포함됩니다. 인도의 데이터 과학 범위는 이전에 은행 부문이 사기를 피하기 위해 빅 데이터 및 데이터 과학을 피하기 위해 사용함에 따라 크게 증가하고 있습니다. 이제 산업이 엄청나게 부상하면서 인도에서 데이터 분석의 범위가 정비례하여 증가하고 있습니다. 데이터 분석의 미래는 비정형 데이터와 정형 데이터를 모두 다루는 데이터 과학에 달려 있습니다. 그런 다음 회사 성장을 위해 시작해야 하는 수혜자 조치에 도달할 수 있는 정도로 데이터를 정리, 마이닝 및 분석합니다. 이 모든 것이 데이터 과학에 속합니다.

2017년에 기하급수적인 성장을 준비하는 은행 부문에서 데이터 주도 혁신을 주도하는 데 열심이라면 선택해야 할 역할이 너무 많습니다. 그리고 선행 기술이 없거나 전문 과정을 통해 기술을 향상시키려는 경우 UpGrad의 데이터 과학 PG 인증에 등록할 수 있습니다! 이 과정은 IIIT-B와 협력하여 제공됩니다. 프로그램의 일환으로 교과 과정 및 업계 관련 Capstone 프로젝트를 통해 BFSI 영역을 전문화할 수 있는 기회를 얻습니다. 지금 확인하세요!