1.

금융업 분야에서는 고객과의 관계가 늘 기업의 성공의 초석이 되어왔다. 그러나, 최근의 규제 완화의 바람과 함께, 각 금융기관 별로 현재의 고객에 대한 이해와 잠재 고객에 대한 특성 파악이 요즘처럼 요구가 된 적이 없다 해도 과언이 아니다. 경쟁이 가속화되면서, 각 금융기관에서는 타 업체와의 차별화 전략을 모색하고 있으며, 이는 바로 그들이 이미 갖고 있는 데이터의 자세한 관찰에서부터 시작이 되는 것이다. 금융업에서는 은행 계좌의 기록, 자동지급기의 기록, 신용 카드의 거래 기록, 투자 기록 등 날마다 다양한 형태의 데이터가 수집이 된다.

타 업체와의 경쟁에서 우위를 점령하기 위해서는 이러한 자료를 적절하게 제품, 가격, 프로모션등에 적용을 하여 ROI(Return On Investment)를 극대화하기 위한 방안을 모색해야 한다. 이러한 목표를 달성하기 위해서는 어떠한 고객이 다른 경쟁 업체의 어떠한 상품으로, 왜 이탈하게 될 것인가를 감지해야 하며, 또한 고객 중에서 어떠한 부류가 가장 이익을 남기는 고객인가와 특정 상품을 제공했을 경우에 반응이 높을 것이라고 예상되는 고객이 어떠한 부류인가를 파악해야 한다.

이러한 Data Mining 기법을 적용한 몇 가지 예를 살펴보기로 하자.

전세계의 많은 은행과 카드 업계에서 SAS Enterprise Miner를 이용한 Data Mining 기법을 도입하여 고객의 성향을 예측하며, 사기 감지, 고객 이탈 등의 분야에서 그 효과를 거두고 있다.

국가명	은 행 명	주 제	R O I
미국	First Union	고객 만족도 향상 mass 마케팅에서 일대일 마케팅으로의 전환	캠패인 반응 결과 60%향상
미국	Bank of America	20%의 은행고객이 150%의 이익에 공헌을 하며, 40-50%에 해당하는 고객이 은행전체의 50%를 감소시킨다	50%의 이익을 감소 시키는 고객 중 상위 20%고객을 탐지
미국	Wells Fargo	기존의 모형에 대한 불만족 해소	기존의 주 단위의 예측 모형에서 일단위로의 전환을 통해 보다 신속한 파악이 가능해짐
독일	Deutsche Bank	credit scoring 수익성 높은 고객의 행동 예측	SAS/EM을 통해 보다 정밀한 모형을 찾게 되었으며, 이에 소비되는 시간이 감축 되었다.
캐나다	Toronto Dominion Bank	다양한 모델링 기법과 실행에 있어서의 신속함을 요구	SAS/EM를 이용하여, 애초에 10주로 계획이 되었던 프로젝트가 3-4주로 단축이 됨