# 금융시스템에 딥러닝 적용하기
## The Past
•
금융시스템의 과거
◦
주로 대면 채널을 지원하는 IT System의 Operation에만 집중하였다.
◦
시중은행의 Legacy System은 Unix기반의 C & C++ 언어를 활용한다.
## Present
•
금융시스템의 현재
◦
다양한 채널과의 인터페이스와 신기술 접목에 내부 복잡도만 증가되었다.
•
카카오 뱅크 아키텍처
◦
LG CNS가 제작한 전북은행 코어를 구매하여 해당 코어를 비대면 채널에 맞추어 커스텀 하였다
◦
전북은행 코어는 Linux기반의 Java 언어를 활용한다.
◦
비대면 채널만 지원한다는 건 후단의 Core Interface의 간결함을 보장할 수 있다.
◦
판매하는 상품의 수가 예금, 적금, 신용도가 높은 고객의 신용대출로 리스크가 없는 상품을 다루고 있다.
◦
콜센터와 대면 채널의 인건비 및 임대료를 절감할 수 있지만 취약계층과 소외계층이 접근하기는 어렵다
◦
중금리 대출을 하는 것을 전제로 뱅킹 라이센스를 받았지만 아직 해당 내역은 검토 중인 것으로 보인다.
◦
카카오 뱅크 미니를 통하여 미성년 고객들의 Risk Profile을 고도화 하려함
•
유닉스와 리눅스의 차이
•
C++ 과 Java의 차이
## Future
신뢰할 수 있고 검증된 데이터로 제조되지 않은 약물은 그 효과를 입증할 수 없습니다.
따라서 인간의 생명이나 생명과 다르지 않은 돈을 다루는 딥러닝은 증거 기반 모델링을 준용할 수밖에 없다.
A drug that is not manufactured with reliable and validated data cannot prove its effectiveness.
Therefore, deep learning that deals with human life or money that is not different from life has no choice but to apply evidence-based modeling.
The end should not be the means.
The essence of finance is the establishment of a stable and lasting trust relationship.
•
금융시스템의 미래
◦
고객 성향 분석과 고객 Risk Profile을 어떤 식으로 구성해야 할까?
◦
전자상거래에 추천시스템은 상품 Life Cycle이 다른 금융 시스템에 적합하지 않다.
◦
다양한 상품이 있는 경우 상품에 대한 분석을 어떤 식으로 해서 고객에게 제공해야 할까?
◦
NAS란 무엇인가?
◦
NAS의 문제
◦
(참고) 딥러닝 모델에서 NAS와 ENAS란?
