Improve risk calculations and regulatory reporting

규제 보고 관련 도전 과제

전 세계 규제 기관의 보고 요건이 갈수록 복잡해짐에 따라 최근 몇 년 사이 기업들이 부담하는 규제 보고 비용 및 자원 부담 역시 급증했습니다. 지속적인 변화에 발맞추기 위해 금융 기업은 확장되는 데이터 요구 사항을 보다 효율적이고 정확하게 충족시키는 동시에, 성과 개선 및 성장 촉진을 위해 데이터 아키텍처를 전략적으로 발전시킬 방법을 마련해야 합니다.

많은 금융 서비스 조직들이 여전히 규제 보고서 작성에 엄청난 시간과 노동력을 낭비하고 있습니다. 데이터 품질 검사를 수행하고 데이터 사일로를 없애주는 자동화 시스템이 없다면 은행은 수많은 시간을 보고서 검토에 할애해야 합니다. 그래야만 그들의 규제 보고서가 정확하다는 확신을 얻을 수 있기 때문입니다. 원하는 만큼 세밀화된 데이터에 대한 액세스 여부는 또 다른 도전 과제입니다. 다양한 시스템은 저마다 다양한 수준의 데이터를 수집하기 때문입니다. 예를 들어 대출 시스템은 계정 및 거래 수준에서 데이터를 수집하고, 대출 생성 시스템은 조회 수준에서 데이터를 수집하고, 신용카드 시스템은 카드 및 거래 수준에서 데이터를 수집합니다. 일관적인 세분화 수준을 갖춘 데이터를 분석할 수 있다면, 금융 기관은 자사의 운영, 고객 및 시장에 대한 전방위적인 이해도를 얻을 수 있습니다. 또한 데이터를 맥락 속에서 볼 수 있고, 데이터가 비일관적인 방식으로 집계 또는 분리되는 경우 누락될 가능성이 있는 관계, 패턴, 추세를 파악할 수 있습니다.

이와 같은 문제를 해결하기 위해 금융 서비스 조직은 위험 계산, 규제 보고, 규정 준수에 대한 접근을 총체적 프로세스로 재정의하고, 데이터 수집, 분석, 보고(규제 당국에 대한 보고서 제출 최종 단계 포함)에 이르는 엔드투엔드 자동화 및 거버넌스를 추구하고 있습니다.

머신러닝 및 AI를 통해 규정을 준수하고, 보다 효과적으로 위험 부담 관리하기

다음의 아키텍처는 고급 분석 기술, AI 및 머신러닝 등 Oracle의 다양한 구성 요소와 기능을 서로 결합하는 방법을 보여줍니다. 이를 통해 규제 보고서 작성 및 위험 계산을 위한 포괄적인 데이터 플랫폼을 생성해 데이터 통합, 데이터 품질, 표준화, 처리, 계보, 민첩성을 높일 수 있습니다. 이 데이터 플랫폼은 금융 당국이 규제 요건을 충족시키고, 시의적이고 정확한 보고서를 생성하고, 효과적인 위험 계산을 수행하는 데 필요한 강력한 기반을 제공합니다.

이 이미지는 헬스케어용 Oracle Data Platform이 성능 모니터링을 통해 가치 기반 치료를 지원하는 방법을 보여줍니다. 본 플랫폼의 구성 요소들은 다음의 5가지 제품군으로 분류됩니다:

1. 1. 데이터 소스, 검색
2. 2. 수집, 변환
3. 3. 유지, 선별, 생성
4. 4. 분석, 학습, 예측
5. 5. 측정, 실행

데이터 소스, 검색 제품군에는 3가지 범주의 데이터가 포함됩니다.

1. 1. Oracle Apps에는 Fusion SaaS, Oracle E-Business Suite, EPM이 포함됩니다.
2. 2. 비즈니스 기록(제1자 데이터)은 거래, 수익, 마진으로 구성됩니다.
3. 3. 제3자 데이터에는 환율, 시장 피드 및 상품 가격 등으로부터 수집한 데이터가 포함됩니다.

수집, 변환 제품군은 4가지 기능으로 구성됩니다.

1. 1. 일괄 전송은 OCI FastConnect, OCI Data Transfer, MFT, OCI CLI를 사용합니다.
2. 2. 일괄 수집은 OCI Data Integration, Oracle Integration Cloud, Data Studio를 사용합니다.
3. 3. 변경 데이터 캡처는 OCI GoldenGate 및 Oracle Data Integrator를 사용합니다.
4. 4. 스트리밍 수집은 OCI Streaming, Kafka Connect, DB Tools를 사용합니다.

4가지 기능 모두 유지, 선별, 생성 제품군 내 클라우드 스토리지에 단방향으로 연결됩니다.

유지, 선별, 생성 제품군은 5가지 기능으로 구성됩니다.

1. 1. 서빙 데이터 저장소는 Autonomous Data Warehouse를 사용합니다.
2. 2. Compute Farms는 HPC를 사용합니다.
3. 3. 클라우드 스토리지는 OCI Object Storage를 사용합니다.
4. 4. 일괄 처리는 OCI Data Flow를 사용합니다.
5. 5. 거버넌스는 OCI Data Catalog를 사용합니다.

이상의 기능들은 해당하는 제품군 내에서 서로 연결됩니다. 클라우드 스토리지/데이터 레이크는 서비스 데이터 저장소에 단방향으로 연결되고, 일괄 처리 및 컴퓨트 팜과는 양방향으로 연결됩니다.

2가지 기능이 분석, 학습, 예측 제품군에 연결됩니다: 서빙 데이터 저장소는 분석 및 시각화 기능에 단방향으로 연결되며, AI 서비스 기능에 양방향으로 연결됩니다. 클라우드 스토리지는 AI 서비스 기능에 연결됩니다.

분석, 학습, 예측 제품군은 3가지 기능으로 구성됩니다.

1. 1. 분석 기술과 시각화는 GraphStudio, Oracle Analytics Cloud, ISV를 사용합니다.
2. 2. AI 서비스에는 OCI Anomaly Detection, OCI Language, OCI Forecasting, OCI Vision이 포함됩니다.
3. 3. 서빙 데이터 저장소, 분석 및 시각화, 객체 스토리지는 OCI Data Catalog에 메타데이터를 공급합니다.

측정, 실행 제품군은 데이터 분석이 위험 계산 및 규제 보고 솔루션 지원에 응용되는 방식을 수집합니다. 이 애플리케이션들은 2개의 그룹으로 나뉩니다.

1. 1. 첫 번째 그룹인 '사람 및 파트너'에는 규정 및 규제 준수 보고와 위험 집계 및 보고가 포함됩니다.
2. 2. 두 번째 그룹인 '애플리케이션'에는 신용 위험 분석 및 시장 위험, 발생 가능한 최대 손실 금액 분석, 운영 위험 분석, 유동성 위험 분석, 스트레스 테스트 및 시나리오 분석이 포함됩니다.

3가지 주요 제품군(수집 및 변환, 유지 및 선별, 생성 및 분석, 학습 및 예측)에는 인프라, 네트워크, 보안 솔루션, IAM 등이 지원됩니다.

금융 서비스 기관이 위험 계산, 규제 보고서 작성 프로세스 간소화 및 정확도 증대를 위해 데이터를 아키텍처에 삽입할 수 있는 3가지 주요 방법이 있습니다.

• 먼저 트랜잭션 시스템 및 핵심 뱅킹 애플리케이션으로부터 데이터를 수집해야 합니다. 이 데이터는 제3자 소스로부터 수집한 고객 데이터를 통해 보강될 수 있습니다. 제3자 소스에는 소셜 미디어에서 수집한 비정형 데이터가 포함될 수 있습니다. 변경 데이터 캡처를 필요로 하는 실시간, 또는 실시간에 가까운 데이터 추출이 빈번하게 이루어집니다. Oracle Cloud Infrastructure(OCI) GoldenGate를 사용하여 트랜잭션, 위험, 고객 관리 시스템으로부터 정기적으로 데이터를 수집합니다. 또한 OCI GoldenGate는 모놀리식 아키텍처에서 사용되는 일괄 수집 및 추출, 변환, 로드 프로세스 대신 지속적 변환 및 로드 프로세스를 수행하는 엔터프라이즈 데이터 원장 및 다국어 데이터 스트림을 활용하여 '데이터 제품'들을 관리하는, 진화하는 데이터 메시 아키텍처의 핵심 구성요소이기도 합니다.
• 이제 우리는 스트리밍 수집을 사용해 실시간 거래 데이터를 수집할 수 있습니다. 예를 들어 거래가 실행되면, 해당 거래에 첨부된 모든 정보가 수집되고, 이후 계정 및 원장 업데이트, 위험 재계산, 정산 프로세스 시작을 위해 배포됩니다. 이 데이터는 장기적인 지속성을 위해 HDFS/S3 커넥터를 통해 원시 상태(변환되지 않은 양식)로 수집되며, 데이터가 클라우드 스토리지에 저장되기 전에 일부 기본 변환/집계 작업이 수행됩니다. 데이터 수집과 동시에 스트리밍 분석을 수행하여 여러 소스로부터 대용량의 데이터들을 실시간으로 필터링, 집계, 상관관계 파악, 분석할 수 있습니다. 덕분에 금융 기관은 비즈니스 위협 및 위험을 감지할 수 있게 됩니다. 상호 연관된 이벤트 및 식별된 패턴들은 (수동으로) 되돌릴 수 있으며, 원시 데이터는 OCI Data Science를 사용해 검사할 수 있습니다. 또한 작업을 트리거하기 위해 이벤트가 생성될 수 있습니다. 이와 같은 작업은 이메일 또는 SMS를 통해 사기 가능성을 통지하거나, 손상된 직불 카드의 사용을 차단하거나, 내부 프로세스를 간소화하는 방식으로 고객에게 중점을 두고 이루어질 수 있습니다. 예를 들어 규정 준수 팀에 잠재적 문제가 파악되었음을 알릴 수 있습니다. OCI GoldenGate Stream Analytics는 스트리밍 데이터에 대한 실시간 분석 연산을 수행하는 인메모리 기술입니다.
• 위험을 정확히 파악 및 예측하기 위해서는 과거의 성과 데이터, 추세 및 패턴에 대한 액세스가 필요합니다. 이를 위해서는 보통 OCI Data Transfer Service와 같은 일괄 전송 방식 및 서비스를 사용해 온프레미스 데이터 저장소로부터 대량의 트랜잭션 데이터, 기타 운영 지표 및 데이터세트(시장 데이터, 상품 가격 등)를 로드해야 합니다.
• 실시간 데이터 처리에 대한 수요가 증가하고 있기는 하지만, 코어 뱅킹, 고객, 금융 시스템으로부터 데이터를 추출하는 가장 일반적인 방식은 추출, 변환, 로드 프로세스를 통한 일괄 수집입니다. 일괄 수집은 스트리밍 방식의 수집을 지원하지 않는 시스템으로부터의 데이터 임포트(예: 구형 메인프레임 시스템) 또는 신용 및 모기지 데이터와 같이 실시간 분석이 필요하지 않은 데이터에 사용됩니다. 이 데이터는 높은 수준의 데이터 품질/무결성을 갖춘, 고도로 정형화된 데이터이며, 정해진 일정에 따라 종종 트랜잭션 애플리케이션/시스템을 통해 대량으로 처리됩니다(예: 정시 15분마다 매시간 또는 매일 정오에 처리. 복잡한 프로세스 수용을 위해 기간이 이보다 길어질 수 있습니다). 소스 처리가 완료된 후 수행하는 일괄 수집은 수집 방식 중에서도 연산 및 네트워크 효율성이 높은 방식입니다. 일괄 수집은 10분 또는 15분 간격으로 자주 이루어질 수 있지만, 개별 트랜잭션이 아닌 트랜잭션 그룹 단위로 데이터를 추출 및 처리하는 만큼 본질적으로는 대량 수집에 해당하는 방식입니다. OCI는 전용 OCI Data Integration 및 OCI Compute 인스턴스에서 구동되는 Oracle Data Integrator와 같이 다양한 일괄 수집 서비스를 제공합니다. 볼륨 및 유형에 따라 데이터를 객체 스토리지로 로드하거나, 영구적 저장을 위해 정형 관계형 데이터베이스로 직접 로드할 수 있습니다.

데이터 지속성 및 처리는 3개의 구성 요소(선택적으로 4개)에 기반합니다.

• 수집된 원시 데이터는 알고리즘을 위해 클라우드 스토리지에 저장되며, OCI Object Storage는 기본 데이터 지속성 계층으로 사용됩니다. OCI Data Flow의 Spark는 트랜잭션, 위치, 애플리케이션, 지리적 매핑 데이터 등의 데이터들에 대한 기본 일괄 처리 엔진입니다. 일괄 처리는 기본 노이즈 처리, 누락된 데이터 관리, 사전 정의된 아웃바운드 데이터 세트에 기반한 필터링을 비롯한 여러 작업으로 구성된 과정입니다. 처리된 데이터는 요구되는 처리 방식 및 사용된 데이터 유형에 따라 객체 스토리지의 다양한 계층 또는 영구 관계형 저장소에 다시 작성됩니다.
• 처리된 데이터 세트는 데이터 지속성, 선별, 분석 관련 작업 및 최종적으로는 Oracle Autonomous Data Warehouse를 통해 제공되는 서빙 데이터 저장소에 최적화된 형태로 로드될 수 있도록 클라우드 스토리지로 반환됩니다. 이제 데이터는 선별 및 쿼리 성능을 보장하는 최적화된 관계형 형식으로 저장됩니다. 또는 아키텍처별 환경설정에 따라 Oracle Big Data Service를 관리형 Hadoop 클러스터로 사용하여 같은 결과를 얻을 수도 있습니다. 본 사용 사례에서는 머신러닝 모델의 학습에 필요한 모든 데이터가 객체 스토리지에 원시 형태로 저장됩니다. 모델 학습을 위해 과거 패턴들을 트랜잭션 레벨 기록과 결합함으로써 잠재적 위험을 식별하고 레이블을 지정할 수 있습니다. 이러한 데이터 세트를 기기 데이터 및 지리 공간 데이터 등 다른 데이터와 결합한 뒤 데이터 과학 기술을 적용함으로써 기존 모델을 개선하고, 잠재적 사기를 보다 잘 관리 및 예측할 수 있는 신규 모델을 개발할 수 있습니다. 이러한 유형의 지속성은 외부 테이블 및 하이브리드 파티션을 통해 액세스되는 데이터 저장소의 일부인 스키마에 대한 데이터 저장에도 활용할 수 있습니다.
• 수집 섹션에 설명한 것처럼, 금융 서비스 조직은 과거 시장 데이터, 실시간 거래 데이터, 경제 지표 등 엄청난 양의 데이터를 다룹니다. 고성능 컴퓨팅(HPC)은 대규모 데이터세트의 종합 위험 평가를 위한 효율적인 처리 및 분석을 가능하게 합니다. 금융 위험 예측 과정에는 Monte Carlo 시뮬레이션, 옵션 가격 모델, 위험 요소 모델 등 복잡한 수학적, 통계적 모델이 활용됩니다. 각각의 모델은 정확하고 신속한 계산 및 시뮬레이션 수행을 위한 상당한 연산 성능을 필요로 합니다. 컴퓨트 팜 내 HPC 시스템은 클라우드 컴퓨팅 원칙을 사용해 이와 같은 복잡한 모델을 극도로 리소스 효율적인 방식으로 처리하는 데 필요한 연산 리소스를 제공합니다.

분석, 학습, 예측 기능은 3가지 기술을 바탕으로 구축됩니다.

• Oracle Analytics Cloud와 같은 분석 및 시각화 서비스는 서빙 데이터 스토어에서 선별된 데이터를 바탕으로 분석 기능을 제공합니다. 여기에는 기술 분석(히스토그램 및 차트를 활용하여 현재 위험 식별 추세 및 플래그가 지정된 활동 설명), 시계열 분석을 비롯한 예측 분석(미래 패턴 예측, 추세 파악, 불확실한 결과의 발생 확률 예측), 처방 분석(최적의 의사결정을 지원하기 위한 적절한 조치 제안)등이 포함됩니다. 이 분석 기술은 "이번 분기에 플래그가 지정된 위험과 이전 분기의 위험은 어떻게 다른가?" 등의 질문에 답을 제공할 수 있습니다.
• 고급 분석 외에도 여러 머신러닝 모델이 개발, 훈련, 배포됩니다. 학습된 모델들은 현재 및 과거의 트랜잭션 데이터 모두를 바탕으로 실행될 수 있으며, 이를 통해 금융 기관이 위험을 보다 효과적으로 예측 및 관리할 수 있게 지원합니다(예: 거래 패턴과 행동 패턴을 일치시켜 자금 세탁 시도 감지). 그 결과물은 서빙 계층에 저장되며, Oracle Analytics Cloud와 같은 분석 도구를 통해 보고됩니다. 모델 훈련을 최적화하기 위해 모델 및 데이터를 OCI Data Science와 같은 머신러닝 시스템에 입력하여 보다 효과적인 위험 분석을 위한 추가 훈련을 진행할 수 있습니다. 이 모델들은 서빙 데이터 저장소 내에 배포된 API를 통해 액세스할 수 있으며, OCI GoldenGate 스트리밍 분석 파이프라인의 일환으로 내장할 수도 있습니다.
• 또한 클라우드 전용 인공지능 서비스가 제공하는 고급 기능을 활용할 수 있습니다.
• OCI Anomaly Detection은 주요 인시던트에 플래그를 지정함으로써 탐지 및 해결 속도를 향상시킬 수 있는 비즈니스별 고급 이상 징후 탐지 모델을 간단히 구축할 수 있도록 지원하는 인공지능 서비스입니다. 이 사용 사례에서는 규정 비준수를 식별하고, IFRS 9, IFRS 17, CECL, LDTI, OECD, Basel 및 다양한 표준 및 요구 사항의 비준수 여부를 모니터링하기 위해 각 모델을 배포합니다. 프로세스 수정 및 개선을 위해 이 식별 방식과 과거의 해결 데이터를 함께 사용할 수 있습니다. 신용, 유동성, 시장, 기업 성과 위험 평가 등 위험 평가를 위해 OCI Anomaly Detection을 사용해 성능 지표를 모니터링함으로써 현재의 성과와 거래가 전체적인 위험 증가에 영향을 미치지 않도록 감시할 수 있습니다.
• 또한 OCI Anomaly Detection을 사용해 범주별로 준수/비준수 발생 횟수를 모니터링하여 비즈니스에 발생한 특정 변화가 비정상적인 규정 준수 추세 증가를 야기하지는 않는지 확인할 수 있습니다. OCI Anomaly Detection은 규정 준수 규칙을 사용하여 최근의 거래에서 해당 규칙이 비정상적으로 사용되었는지 여부를 확인해 규정 비준수의 근본 원인을 파악할 수도 있습니다.
• OCI Forecasting은 성과 지표와 시장 상황, 고객 행동 등 외부 요소를 예측하는 데 사용할 수 있으며, 이를 통해 곧 닥쳐올 위험의 발생 확률을 분석하고, 이를 식별할 수 있습니다.
• OCI Language와 OCI Vision은 위험 관리 활동을 위한 데이터 보강을 지원하기 위해 문서 및 텍스트를 수집할 수 있습니다.
• 데이터 거버넌스 역시 또 하나의 주요 구성요소입니다. 데이터 거버넌스는 데이터 레이크하우스 생태계의 모든 데이터 소스에 대한 데이터 거버넌스 및 메타데이터 관리(기술 및 비즈니스 관련 모든 메타데이터)를 제공하는 무료 서비스인 OCI Data Catalog를 통해 구현됩니다. 또한 OCI Data Catalog는 저장 방식에 관계없이 모든 데이터를 빠르게 검색할 수 있는 방법을 제공하기 때문에 Autonomous Data Warehouse에서 OCI Object Storage로의 쿼리를 위한 중요한 구성 요소이기도 합니다. 이를 통해 최종 사용자, 개발자, 데이터 과학자는 아키텍처 내의 모든 영구 데이터 저장소에서 공통의 액세스 언어(SQL)를 사용할 수 있습니다.
• 마지막으로 큐레이팅되고 테스트를 거친 고품질의 관리형 데이터 및 모델을 데이터 메시 아키텍처 내에서 데이터 제품(API) 형태로 노출시킴으로써 금융 서비스 기업 전반에 배포할 수 있습니다.

딱 맞는 데이터 플랫폼으로 위험도 계측 및 규제 보고 성능 향상

Oracle Data Platform은 금융 서비스 제공 기관이 빠르게 변화하는 위험 관리 및 규제 보고 환경에 대응하고, 전 세계 규제 당국의 보고 요건 복잡성 증가에 대처하고, 정확한 세분성 수준에서 데이터에 액세스할 수 있도록 지원합니다. Oracle의 솔루션은 위험 데이터 관리를 위한 통합 환경과 프레임워크를 제공합니다. 이를 통해 조직은 규제 보고서 작성에 드는 귀중한 시간과 리소스를 줄일 수 있습니다. 자동화 솔루션은 품질 규칙을 적용하고, 데이터 사일로를 제거해 줍니다. 이를 통해 기업 조직은 규제 보고서 제출에 확신을 가질 뿐 아니라 위험 부담을 더 잘 파악하고, 관리하고, 최소화 할 수 있게 됩니다.