[인터뷰] 핀테크의 데이터 사이언티스트는 어떤 일을 할까?

데이터 시대다. 데이터로 모든 의사결정을 할 수 있고, 심지어 미래까지 예측할 수 있다. 미국에서는 대선 시기마다 구글의 빅데이터에 주목하며 당선자를 예측하기도 한다. 그만큼 데이터에 대한 중요성과 신뢰도가 높아지고 있다.

IT기업에서도 데이터를 적극적으로 활용하고 있다. 플랫폼에 유입된 사용자의 활동성을 파악하고 여기에 맞는 마케팅 전략을 세우거나 사용자인터페이스(UI)를 개선한다. 기업에서 이런 역할을 하는 사람을 ‘데이터 사이언티스트’라고 한다. 데이터를 분석하고 거기에 맞게 모델링을 한다.

IT기업 중에서도 핀테크 기업의 데이터 사이언티스트는 어떤 역할을 할까. 대출 비교 플랫폼 핀다의 데이터 사이언티스트는 데이터를 기반으로 비사용자를 주사용자로 만드는 일을 한다. 데이터를 활용해 핀다의 잠재 사용자를 골라내는 역할을 하는데, 실제로 이 작업을 통해 주사용자가 늘었다는 것이 회사측의 설명이다.

핀다의 김동준 데이터 사이언티스트는 보험사, 배달플랫폼을 거쳐 지난해 회사에 합류했다. 그를 만나 핀테크의 데이터 사이언티스트는 무슨 일을 하는지, 어떤 점에서 일에 대한 만족감을 느끼는지 물어봤다.

반갑습니다. 본인 소개 부탁드립니다.

안녕하세요. 핀다에서 데이터 분석과 모델링 업무를 하고 있는 김동준입니다. 데이터 사이언스 파트와 데이터 플랫폼 파트 두 쪽에 다 속해 있고, 핀다에 합류한지는 1년이 조금 넘었습니다.

데이터 사이언스 파트와 데이터 플랫폼 파트는 어떻게 구별이 되는 건가요?

데이터 분석이나 모델링을 위주로 하는 직군이 데이터 사이언티스트고요. 데이터 플랫폼 파트는 데이터 엔지니어, 즉 개발자라고 볼 수 있어요.

요즘 ‘데이터사이언티스’는 각광받는 직업 중 하나인데요. 어떤 일을 하나요?

의사결정에 상당 부분 기여를 하는 업무라고 볼 수 있어요. 양질의 정보를 제공하는데 중요한 역할을 해요. 예를 들어, 과거에는 대부분 감에 의존해서 서비스를 개발했다고 하면 이제는 꽤 괜찮은 서비스를 먼저 만든 다음 기존 서비스와 비교를 해요. 새로운 서비스의 지표와 통계가 유의미적으로 개선된 것이 맞는지 확인을 한 다음 서비스를 출시하는 것이죠.

최근 데이터 분석을 통해 만든 기능이나 유의미한 결과가 나온 사례가 있을까요?

핀다가 앱 서비스다보니 모바일 광고를 많이 하는데요. 예를 들어, 모바일 게임 중간에 나오는 광고 등을 이용하고 있는데, 사실 광고비에 엄청난 금액을 소모하고 있거든요. 이때 데이터 분석을 통해 광고 비용을 효율화하는 작업을 했어요. 회사가 집행하는 광고비용을 최적화할 수 있도록 디타게팅을 개선하는데 중점을 뒀어요. 쉽게 말해, 핀다 앱에 들어왔다가 이탈한 사용자를 공략하기 위한 광고를 개편하는 작업이죠.

타깃팅은 흔한 용어인데, 디타게팅은 무엇이죠?

모수에서 공략하는 사용자군을 일부러 제외하는 것을 말하는데요. 광고를 봐도 핀다 앱을 안 쓸 것 같은 사용자가 있고, 굳이 광고를 하지 않아도 들어오는 사용자가 있는데요. 1차적으로 두 사용자군을 분류해요. 그런 다음, 유입되는 사용자에 따라 다른 전략을 사용해요.

결과적으로, 광고를 노출했을 때 핀다를 사용하지 않을 가능성이 높은 고객은 디타깃팅을 통해 걸러내는 과정을 거치죠. 즉, 광고를 봐도 유입이 안 될 것 같은 고객에게 광고를 노출시키지 않아요. 여기에 의도적으로 클릭 수를 늘리는 어뷰징 사례도 제외할 수 있고, 광고 노출 횟수를 조절해서 의미 없이 광고가 과도하게 나가지 않도록 통제할 수 있어요. 광고비용을 낮추고 효율화하는 것이 목표에요.

신기하네요. 사용자군을 어떻게 나눌 수 있죠?

가장 먼저 사용자의 활동성을 살펴봐야 해요. 일반적으로 광고로 앱에 들어오는 사용자는 자연스럽게 유입되는 사용자인 오가닉 유저(Organic user)보다 대부분 활동성이 안 좋아요. 오가닉 유저들은 대출이 필요하니까 스스로 앱에 들어온 거고, 광고를 통해 들어온 사용자는 그 정도의 필요성이 있는 건 아니니까요. 그런데 저희는 오히려 리타깃 사용자들의 활동성이 더 좋았어요.

정리하자면, 앱을 덜 쓸 것 같은 사용자를 거르고 디타게팅을 통해 이 반대의 사용자에게 광고를 노출했다는 이야기네요. 그렇다면 광고 비용이 굉장히 효율적으로 쓰이겠네요. 그런데, 전 직장과 현 직장에서 다루는 데이터의 성격이나 업무가 많이 다를 것 같은데요.

아무래도 핀다에는 개인정보가 많은 편이에요. 신용점수나 대출 보유 현황 같은 건 민감정보인 동시에 의미있는 정보잖아요. 개인적으로는 더 의미있는 데이터를 다루는 일을 해보고 싶어서 이직을 했고요. 데이터만 놓고 봤을 때는 전 직장에선 주로 잘 정리가 된, 정형화된 데이터를 보유하고 활용했는데 핀다에서는 금융사 별로 받아오는 데이터가 다양해 내부에서 이를 통일하는 표준화 작업이 꼭 필요해요.

또 핀다는 데일리 앱이 아니고 사용자에게 금융상품을 소개해주는 목적성이 뚜렷하다보니 로직에 더 집중하는 경향이 있죠. 전 회사에 있을 때는 배달 플랫폼이다보니 사용자인터페이스(UI)와 사용자경험(UX)에 더 집중을 했었거든요. 그런데 핀다는 금융사 대출 여부나 현황을 실시간으로 파악해야 해서 도메인이 더 복잡한 편이에요.

말씀한대로 핀다는 서비스의 목적성이 뚜렷한데요. 관련해 핀다에 합류하고 가장 인상 깊었던 경험이 있을까요?

이직하고 나서 가장 놀랐던 것은 도메인의 투자자본수익률(ROI)이 높았던 것인데요. 대부분의 플랫폼들은 아직까지 광고에 대한 의존도가 높고 사용자 수가 수익을 좌우하는 편이에요. 반면, 핀다는 사용자가 원하는 대출을 받았을 때 곧바로 수익이 발생하는 구조이고요.

또 플랫폼 부정 이슈도 피할 수 없기 마련인데, 핀다는 일을 잘하면 사용자에게 좋은 피드백이 와요. 대출이 필요한 사람들에게 기여할 수 있어서 보람이 커요.

기억에 남는 피드백이 있다면요?

업무 특성상 고객에게 직접적인 피드백을 받는 것은 아니지만 지표만 봐도 느껴져요. 일례로 핀다는 서비스의 재사용 비율이 높은 편이에요. 데이터 측면에서 설명을 하면, 핀다에서 첫 대출을 받고 다음 달 다시 비교대출 서비스(한도조회)를 사용하는 사용자가 약 45% 정도 돼요. 금융 서비스 특성상 자주 쓰진 않지만, 한 번 핀다를 통해 대출을 받으면 주기적으로 방문한다는 이야기죠. 이런 지표나 긍정적인 후기를 보면 힘을 얻곤 해요.

핀다가 한창 성장 중인 것으로 알고 있는데요. 데이터 측면에서 성장을 체감하시나요?

핀다가 성장 궤도에 오른지 얼마 안 된 만큼, 모든 지표가 큰 폭으로 올랐어요. 기존에는 비교대출이 주요 서비스였다면, 최근 6개월 사이 오토리스, 오토론, 마이데이터로 도메인이 확장되고 있어요. 다루는 도메인이 점차 확대되는 것이 최근 느낀 가장 큰 변화인 것 같아요.

항상 대출 관련 데이터를 살펴보면, 금융이나 대출에 대한 인식이 많이 달라졌을 것 같아요.

핀다에서 일하면서 대출의 중요성을 더 절감하고 있어요. 일례로 대출이 안 나오는 사용자가 광고를 보고 반복해서 조회를 경우가 많아요. 대출이 얼마나 급하지 보여주는 지표인데요. 이런 지표를 보면서 금융 정보를 잘 전달하는 것이 얼마나 중요한지 느끼고 있어요.

신용대출의 경우 금리가 저렴한 상품을 알아보는 것이 어려워요. 발품을 파는 것이 쉽지 않은데, 이런 문제를 해결해 줄 서비스가 그동안 너무 없었던 것이 아닌가 생각이 들더라고요. 또 2금융권이더라도 1금융권 못지않게 낮은 금리의 대출을 받을 수 있는 경우가 있는데, 모르는 사용자들도 많아요. 아직 금융 정보 공개나 인식개선이 필요하다는 것을 느끼고 있어요.

요즘 플랫폼 사용률이 늘면서 대출에 대한 정보공개나 인식이 많이 달라지지 않았나요?

현재 핀다 사용자가 130만명 정도인데요. 국내 성인이 2500만명인 점을 고려하면 사용자는 훨씬 적은 수치죠. 또 대출을 받는 걸 두려워하시는 분들도 많은 것 같아요. 대출이 아예 없는 게 좋은 건 아닌데, 이런 인식을 개선하는 것이 어려워요.

그렇군요. 지금까지 데이터 사이언티스트가 핀테크에서 어떤 일을 하는지 얘기해봤는데요. 데이터 사이언티스트를 꿈꾸는 분들에게 한 마디 부탁드려요.

데이터 사이언티스트는 무엇을 해야 서비스나 문제를 개선을 할 수 있는지 쉽게 파악할 수 있어 직관적인 판단이 가능해요. 서비스 개선에 대한 의지와 확신을 가지고 일을 할 수 있어 보람을 느낄 수 있고요. 지표를 트래킹하고 데이터를 기반으로 어떤 면에서 서비스를 개선해야 할지 알 수 있다는 점에서 장점이 커요.