2011.06.15

'기업 내 정보 활용해 신사업 아이디어 도출' 번들의 사례

Joab Jackson | CIO

"데이터 파일을 가지는 것만으로는 제대로 써먹기 어렵다. 제대로된 질문을 던져야 한다. 데이터를 제대로 활용할 수 있는 절차가 있어야 한다. 그래야 의미있는 분석이 가능하다."

번들의 CTO 필 김의 말이다. 이 말은 모든 기업에게 유의미한 조언이다. 그러나 '에브리바디스 머니'라는 이름의 추천 서비스를 제공하고 있는 번들에게는 핵심적인 부분이다.

지난 2011년 5월 출범한 이 서비스는 소비자에게 음식점과 상점들에 대한 '보다 전체적인' 추천 엔진을 제공한다는 취지를 가지고 있다. 번들은 거대은행인 시티에서 분사한 개인 파이낸스 서비스 기업으로 제이디 셔길이 설립해 CEO를 역임하고 있다.

옐프와 자갓와 같은 유사 온라인 가이드 서비스와 번들의 서비스를 구별칫는 요소는 추천 상점이 도출되는 과정에 있다. 단골 고객들의 추천에 의지하는 이들 서비스와 달리 번들의 서비스는 시티 신용카드 사용자의 2,500만 트랜젝션과 센서스 뷰로 데이터, 써드파티 인구통계적 정보에 기반하고 있다. 필 김에 따르면 이 과정에서 개인 정보를 확인할 수 있는 각종 정보는 모두 철저히 익명처리되는 것은 물론이다.

셔길은 신용카드 트랜젝션에 기반한 추천의 유용성에 대해 설명했다. 단골들이 얼마나 자주 방문했는지, 방문 시마다 얼마의 금액을 소비했는지에 대한 정보를 제공할 수 있기 때문이라는 것이다.

그는 또 추천을 생성하는 소프트웨어가 대부분 오픈소스 도구로 이뤄져 있다고 전했다. 예를 들어 데이터는 MySQL과 마이크로소프트 SQL 서버 데이터베이스에 저장되지만 분석은 아파치 하둡 오픈소스 데이터 프로세싱 프레임워크를 통해 이뤄진다.

그에 따르면 개인정보가 삭제된 번들의 기본 데이터는 사용자가 카드청구서에서 볼 수 있는 것과 다르지 않다. 거래 발생 시간, 총비용 등이다. 이들 데이터로부터 번들의 알고리즘은 추가적인 정보를 이끌어낸다. 이를테면 음식점인지 잡화상점인지, 혹은 상점의 위치는 어디인지 등이다. 그리고 마지막으로 카드사용자의 구매패턴에 기반에 상점의 만족도를 구체화하게 된다.

예를 들어 번들은 한 음식점이 근처 지역민들이 선호하는 곳인지, 외래객이 선호하는 곳인지 파악할 수 있다. 또 써드파티 인구통계 데이터에 근거해 어느 연령대가 선호하는지, 그들의 영향력은 어느정도인지 등도 알 수 있게 되는 것이다.

잘 조직화되고 태깅된 데이터는 지속적으로 재활용될 수 있다. 이에 따라 필 김과 그의 동료들은 데이터 정리 및 활용 방안을 지속적으로 강구하고 있다. 이 중 한 아이디어는 트랜젝션 정보를 개인 금융 데이터와 겨랍하는 것이다. 회사 측은 이를 통해 사용자의 행동과 선호도에 따라 비용절감 팁을 제시할 수 있을 것으로 기대하고 있다. ciokr@idg.co.kr




2011.06.15

'기업 내 정보 활용해 신사업 아이디어 도출' 번들의 사례

Joab Jackson | CIO

"데이터 파일을 가지는 것만으로는 제대로 써먹기 어렵다. 제대로된 질문을 던져야 한다. 데이터를 제대로 활용할 수 있는 절차가 있어야 한다. 그래야 의미있는 분석이 가능하다."

번들의 CTO 필 김의 말이다. 이 말은 모든 기업에게 유의미한 조언이다. 그러나 '에브리바디스 머니'라는 이름의 추천 서비스를 제공하고 있는 번들에게는 핵심적인 부분이다.

지난 2011년 5월 출범한 이 서비스는 소비자에게 음식점과 상점들에 대한 '보다 전체적인' 추천 엔진을 제공한다는 취지를 가지고 있다. 번들은 거대은행인 시티에서 분사한 개인 파이낸스 서비스 기업으로 제이디 셔길이 설립해 CEO를 역임하고 있다.

옐프와 자갓와 같은 유사 온라인 가이드 서비스와 번들의 서비스를 구별칫는 요소는 추천 상점이 도출되는 과정에 있다. 단골 고객들의 추천에 의지하는 이들 서비스와 달리 번들의 서비스는 시티 신용카드 사용자의 2,500만 트랜젝션과 센서스 뷰로 데이터, 써드파티 인구통계적 정보에 기반하고 있다. 필 김에 따르면 이 과정에서 개인 정보를 확인할 수 있는 각종 정보는 모두 철저히 익명처리되는 것은 물론이다.

셔길은 신용카드 트랜젝션에 기반한 추천의 유용성에 대해 설명했다. 단골들이 얼마나 자주 방문했는지, 방문 시마다 얼마의 금액을 소비했는지에 대한 정보를 제공할 수 있기 때문이라는 것이다.

그는 또 추천을 생성하는 소프트웨어가 대부분 오픈소스 도구로 이뤄져 있다고 전했다. 예를 들어 데이터는 MySQL과 마이크로소프트 SQL 서버 데이터베이스에 저장되지만 분석은 아파치 하둡 오픈소스 데이터 프로세싱 프레임워크를 통해 이뤄진다.

그에 따르면 개인정보가 삭제된 번들의 기본 데이터는 사용자가 카드청구서에서 볼 수 있는 것과 다르지 않다. 거래 발생 시간, 총비용 등이다. 이들 데이터로부터 번들의 알고리즘은 추가적인 정보를 이끌어낸다. 이를테면 음식점인지 잡화상점인지, 혹은 상점의 위치는 어디인지 등이다. 그리고 마지막으로 카드사용자의 구매패턴에 기반에 상점의 만족도를 구체화하게 된다.

예를 들어 번들은 한 음식점이 근처 지역민들이 선호하는 곳인지, 외래객이 선호하는 곳인지 파악할 수 있다. 또 써드파티 인구통계 데이터에 근거해 어느 연령대가 선호하는지, 그들의 영향력은 어느정도인지 등도 알 수 있게 되는 것이다.

잘 조직화되고 태깅된 데이터는 지속적으로 재활용될 수 있다. 이에 따라 필 김과 그의 동료들은 데이터 정리 및 활용 방안을 지속적으로 강구하고 있다. 이 중 한 아이디어는 트랜젝션 정보를 개인 금융 데이터와 겨랍하는 것이다. 회사 측은 이를 통해 사용자의 행동과 선호도에 따라 비용절감 팁을 제시할 수 있을 것으로 기대하고 있다. ciokr@idg.co.kr


X