최근 회사는 개발자 채용에 그 어느 때보다도 열심이다. 많은 개발자와 만나 P2P 금융 산업의 미래와 회사가 하는 일을 설명한다. 좋은 개발자 영입을 위해 노력하는 것이다. 그런데 생각보다 많은 개발자에게 P2P금융기업이 어떤 일을 하고, 왜 개발자가 도전할 만한 분야인지는 알려지지 않았다는 사실을 알게 됐다.
이번 글에서는 렌딧이 하는 일을 바탕으로 P2P금융회사에서 왜 고도의 소프트웨어(SW) 엔지니어링이 필수적이고, 개발자가 어떤 일에 도전할 수 있는지 설명하려고 한다.
P2P 금융회사에서는 기존 금융 회사와 달리 대출과 투자 등 모든 서비스가 온라인 상에서 이뤄진다. 특히 렌딧이 집중하는 개인신용 P2P금융은 대출 심사와 집행, 투자 모집과 운용 등 서비스 전 과정을 100% 온라인, 비대면 서비스로 구축하는 디지털 금융 플랫폼이다.
이 중 대출 서비스는 머신러닝 기반 대출자 심사평가모델 개발이 핵심이라 할 수 있다. 렌딧이 자체 개발한 렌딧 개인신용평가시스템(Lendit Credit Scoring System)을 예로 들어 보겠다. 이 시스템은 신용평가사가 제공하는 250여가지 금융 데이터를 순식간에 분석한다. 모든 대출 신청자마다 개인화 된 적정금리를 산출한다. 기존 금융권 심사평가모델과 비교할 때 가장 큰 차이점은, 머신러닝 기법을 사용해 각종 금융 데이터의 최근 12개월 간 트렌드를 분석한다는 점이다. 이를 통해 기존 금융권보다 정교하게 개인 신용을 평가할 수 있다.
이 시스템은 추가적으로 신용평가사가 제공하는 사기정보공유(Fraud Bureau)데이터, 직장 신용정보, 상환 정보 등을 종합해 반영한다. 최근에는 대출자가 제출하는 신분증 확인 과정에 머신러닝을 적용해 자동화하기 시작했다.
투자 서비스에는 실시간으로 분산투자 포트폴리오를 추천하는 알고리즘이 적용된다. 투자자가 투자할 금액을 입력하면 눈깜짝 할 사이에 현재 투자 가능한 채권을 조합해 분산투자 포트폴리오를 추천한다. 이 시스템은 포트폴리오에 조합된 모든 채권에 투자금을 일정한 비율로 고르게 분배하고 투자자가 분산투자하도록 추천한다.
특히 렌딧이 개발한 분산투자 시스템은 투자자 1명이 수백~수천개 채권을 분산하고 채권 1개를 평균 1303명, 최대 3814명(기준 2018년 6월30일 현재)이 나눠 리스크를 줄인다.
현재까지 렌딧 투자자의 분산투자 총 누적 건수는 800만건에 육박한다. 점점 더 많은 데이터가 축적되기 때문에, 이러한 데이터를 바탕으로 고객에게 제공하는 서비스 아이디어도 꾸준히 쌓인다.
"김대표님, 렌딧에서 만드는 서비스가 생각보다 훨씬 더 흥미롭네요. 추천 엔진이나 빅데이터, 딥러닝 분야 개발자라면 충분히 흥미를 갖고 도전할만한 새로운 영역인 것 같습니다."
최근 만난 한 엔지니어의 말이다. 여기서 알 수 있듯, 이 모든 것은 고도의 소프트웨어 엔지니어링이 뒷받침돼야 할 수 있다.
P2P금융산업이 가장 발전한 시장인 미국의 경우, 최대 규모인 렌딩클럽 한 회사가 미국 개인신용대출 시장 전체의 약 1.5% 이상을 차지한다. 이들이 금융 시장을 혁신하는 셈이다. 국내 P2P금융산업 역시 폭발적인 성장세를 보이는 만큼, 이 시간을 함께 할 도전정신 가득한 SW 엔지니어의 관심과 참여를 기대해 본다.
※ 외부필자의 원고는 IT조선의 편집방향과 일치하지 않을 수 있습니다.
김성준 렌딧 대표는 KAIST에서 산업디자인을 전공한 후, 미국 스탠퍼드대 대학원 기계공학 제품디자인을 공부했습니다. 2005년 NHN 인터랙티브 그래픽 디자이너로 근무하면서 올라웍스 UX디자이너로 활동했습니다. 이후 삼성전자 디자인멤버십에 참여했고, 2009년부터는 기부 프로그램인 1/2프로젝트 운영해 나눔 문화 확산을 위해 활동하고 있습니다. 2011년 미국에서 스타일세즈 창업했고, 2015년에는 국내에 들어와 P2P금융 렌딧을 설립해 운영하고 있습니다.