성공사례
산업별
솔루션별




Royal Bank of Canada, SAS의 도움으로 1,500만 달러 규모의 신용 사기 손실을 예방하다.

RBC(Royal Bank of Canada)는 사기성 모기지, 대출, 신용공여 신청을 사전에 적발할 수 있기를 원했습니다. 문제는 합법적인 고객에 영향을 주지 않고 사기 행위를 방지하는 것이었습니다. 결국 RBC는 SAS의 강력한 분석 기능을 활용하여 의심스러운 대출 신청을 적발해내기 위한 사기 규칙 애플리케이션을 구축하기에 이릅니다.

캐나다 정부의 보고서에 따르면,1 모기지 사기로 인한 캐나다 금융 업계의 손실이 연간 수억 달러에 이를 것으로 추정되고 있습니다. 이 같은 모기지가 은행의 신용 포트폴리오 상품 중 하나에 불과하다는 점을 감안하면, 전체 사기로 인한 업계의 연간 총 손실액은 그야말로 엄청나다고 할 수 있습니다. 따라서 RBC(Royal Bank of Canada)는 분석 소프트웨어를 사용해 합법적인 고객과의 관계에 영향을 주지 않으면서도 효과적으로 신용 사기를 예측하고 미연에 범죄 행위를 예방할 수 있기를 원했습니다.

RBC 사기 리스크/분석/적발 담당 부장 Brian Samarasekera는 “최상의 사기 방지 시나리오는 애초부터 범죄를 예방하는 것이다. 하지만 고객 관계 관리와 사기 적발은 동전의 양면과 같아서 선의의 고객을 위한 서비스에 지장을 줄 수도 있다. 모기지, 대출, 신용공여와 같은 상품은 경쟁이 치열하기 때문에, 이 경우 심기가 불편해진 선의의 고객이 이탈할 수 있다는 점을 고려해야 한다. 따라서 사기 범죄자만 정확히 찾아내고 정상 고객에게는 영향이 미치지 않도록 하는 것이 아주 중요하다”고 설명했습니다.

결국 RBC는 Samarasekera가 모기지, 대출, 신용공여의 포트폴리오에서 ‘상당히 심각한’것으로 지적했던 사기 손실 문제를 해결하기로 결정했습니다. 그는 은행의 사기 리스크, 분석, 적발 팀장으로서 비즈니스 성장과 고객 관계를 저해하지 않으면서 가능한 한 많은 사기 손실을 방지할 수 있는 적발 툴을 개발하는 일을 책임졌습니다.

신용 대출 신청서에는 자금 대출 신청 고객이 은행에 제공하는 정보가 포함되어 있습니다. Samarasekera에 따르면, SAS는 고객 정보의 신빙성을 보다 정확하게(즉, 진보적이고, 상세하고, 확증적인 수준에서) 평가하는 솔루션을 개발, 궁극적으로 사기성 신용 대출 신청과 합법적인 대출 신청을 구분할 수 있도록 해준다고 합니다.

지금까지 RBC는 기초적 수준의 사기 규칙과 네거티브 파일, 신용평가 기관의 사기 경보 등에 주로 의존해 신용 사기에 대한 적발 및 예방을 시도해 왔으나, 이제는 사기로 인한 손실을 보다 효과적으로 막을 수 있는 방법을 모색하기에 이르렀습니다.

Samarasekera는 “내/외부 소스를 망라한 이종의 데이터를 취합하는 데 어려움을 겪었던 것이 사실이다. 더욱이 초기에는 사기 사례를 예측하는 데 어떤 정보가 중요한지 조차 파악할 길이 없었다. 이런 가운데에서도 우리가 인식하고 있었던 것은 의사결정을 내리기 위해 이종 데이터를 빠짐없이 분석할 수 있는 고급 분석 툴이 필요하다는 사실이었다”고 설명했습니다.

Samarasekera의 부서에서 분석/모델링 매니저를 맡고 있는 KameronYiu는, “우리 팀이 SAS를 잘 알고 있을 뿐 아니라 이미 RBC 내에서나 업계 전체에서 SAS 소프트웨어가 강력한 분석 툴로 정평이 나 있었으므로 SAS 9.2가 솔루션 구축을 위한 최상의 옵션임을 확신했다”고 얘기합니다. 이제 RBC는 SAS Business Analytics를 통해 애플리케이션 데이터, 평가기관 제공 데이터, 네거티브 파일 데이터, 도출 값 등을 포함한 여러 이종 데이터들을 취합함으로써 정교한 데이터 마이닝, 매칭 및 관계 분석 등을 사기 적발을 위한 수단으로 활용할 수 있게 되었습니다.

Yiu는 “데이터 자체에는 아무런 문제가 없다. 데이터를 수집할 수 있는 적합한 툴만 있으면 관련 정보 전체에서 최상의 ‘엑기스’를 뽑아낼 수 있다. 또한 올바른 툴을 사용하면 계절적 피크, 반복 패턴, 인구통계 패턴 등, 데이터에서 도출 가능한 모든 유형의 정보를 찾아낼 수 있는데, 이렇듯이 우리 업무에는 우수한 데이터 관리 툴이 반드시 필요하다. SAS 덕분에 우리는 사기로 의심되는 신용 대출 신청을 적발하기 위한 일련의 사기 거래 원칙(또는 규칙)을 제시하는 의사결정 트리 모델을 구축하고 이를 검증하는 데 도움이 되는 고도로 정화된 데이터 환경을 개발•구축할 수 있었다”고 강조했습니다.

SAS가 기업 데이터 웨어하우스의 리더 Teradata와 힘을 합쳐 두 시스템의 협력 방식을 최적화한 점도 RBC에 상당한 득이 되었습니다. 두 시스템이 통합되면서 RBC는 이전 같은 복수의 소스가 아니라 Teradata Customer Enterprise Data Warehouse를 단일의 정보 소스로 삼아 SAS의 파워를 활용할 수 있게 되었고, 이로써 사기로 의심되는 지표가 포함된 최신 고객 정보를 보다 신속하게 처리할 수 있게 되었습니다.

또한 Yiu의 팀은 SAS/STAT를 활용해 사기 예측 값을 도출하고 사기 조짐을 파악하는 공간 매핑 기술을 개발했고, 이로써 사기 범죄자의 행동과 공격 가능성이 가장 높은 대상 영역 간의 관계를 파악할 수 있게 되었습니다. Yiu는 “SAS의 클러스터링 기능은 가장 중요한 예측 변수를 파악해 효과적인 모델을 구축할 수 있게 해준다. 우리는 SAS의 세분화 기술을 광범위하게 활용해 사기성 대출 신청 패턴을 파악하고 구별한다”고 힘주어 말했습니다.

오탐지율 관리에도 주효했던 SAS Business Analytics는 사기 규칙의 오탐지율을 적정한 수준으로 억제함으로써 합법적 고객에 대한 부정적 영향을 최소화할 수 있도록 해주었습니다.

Samarasekera는 “12개월 전, 경보 시스템 가동을 위한 운영/조사 환경을 강화하고 SAS 기반의 사기 규칙 엔진을 가동한 후로 약 1,500만 달러의 신용 사기 손실을 방지할 수 있었다. 이 수치는 잠재적 사기로 의심되어 조사를 통해 확인한 실제 사기 신청 액수이며, 안전하게 고객에게 제공된 대출의 경우는 여기서 모두 제외되었다”고 설명하면서 다음과 같이 덧붙였습니다. “효과적인 오탐지율 관리와 더불어 엄청난 성공을 거두었다고 평가할 수 있다.”

고객지원
기술문의, 구입문의, 일반문의
자료실
E-브로셔, White paper
데모 & 투어
뉴스레터
SAS Intelli-Zine
뉴스레터 신청
Events
이벤트와 세미나 정보
특별할인이벤트
대표전화 : 02-2191-7000
교육문의 : 02-2191-7002
기술문의 : 02-2191-7003
Global Contact List