최근 인터넷과 모바일 환경을 기반으로 금융과 IT가 융합된 핀테크(Fintech) 산업이 급속히 성장하고 있으며 간편성, 편리성 등으로 무장한 핀테크 서비스는 모든 금융서비스의 온라인 모바일 화를 주도하고 있다. 그러나 핀테크 산업의 급격한 성장에도 불구하고, 핀테크 기술에 대한 세부기술 분류와 주요 시장국의 기술개발 동향을 분석하고 기술기획을 지원하기 위한 연구는 매우 미흡한 실정이다. 이에 본 연구는 핀테크 기술의 비정형 데이터 형태의 특허 데이터를 이용하여 토픽모델링 기법을 통해, 핀테크 세부 기술을 추출하고 정의한다. 도출된 핀테크 세부 기술에 대해 Hot&Cold topic 을 파악하여 핀테크 기술의 트렌드를 파악한다. 또한 핀테크 산업의 주요 기술에 대한 주요 시장국인 미국, 한국, 중국의 기술개발 동향을 각각 분석한다. 마지막으로 핀테크 세부 기술 간 네트워크 분석을 통해 기술 간의 연계 관계를 살펴본다. 본 연구를 통해 파악된 핀테크 산업 기술 동향은 핀테크 산업분야의 정책 수립과 핀테크 관련 기업의 기술 전략 수립에 효과적으로 활용될 수 있을 것으로 기대된다.
최근 인터넷과 모바일 환경을 기반으로 금융과 IT가 융합된 핀테크(Fintech) 산업이 급속히 성장하고 있으며 간편성, 편리성 등으로 무장한 핀테크 서비스는 모든 금융서비스의 온라인 모바일 화를 주도하고 있다. 그러나 핀테크 산업의 급격한 성장에도 불구하고, 핀테크 기술에 대한 세부기술 분류와 주요 시장국의 기술개발 동향을 분석하고 기술기획을 지원하기 위한 연구는 매우 미흡한 실정이다. 이에 본 연구는 핀테크 기술의 비정형 데이터 형태의 특허 데이터를 이용하여 토픽모델링 기법을 통해, 핀테크 세부 기술을 추출하고 정의한다. 도출된 핀테크 세부 기술에 대해 Hot&Cold topic 을 파악하여 핀테크 기술의 트렌드를 파악한다. 또한 핀테크 산업의 주요 기술에 대한 주요 시장국인 미국, 한국, 중국의 기술개발 동향을 각각 분석한다. 마지막으로 핀테크 세부 기술 간 네트워크 분석을 통해 기술 간의 연계 관계를 살펴본다. 본 연구를 통해 파악된 핀테크 산업 기술 동향은 핀테크 산업분야의 정책 수립과 핀테크 관련 기업의 기술 전략 수립에 효과적으로 활용될 수 있을 것으로 기대된다.
Recently, based on Internet and mobile environments, the Fintech industry that fuses finance and IT together has been rapidly growing and Fintech services armed with simplicity and convenience have been leading the conversion of all financial services into online and mobile services. However, despit...
Recently, based on Internet and mobile environments, the Fintech industry that fuses finance and IT together has been rapidly growing and Fintech services armed with simplicity and convenience have been leading the conversion of all financial services into online and mobile services. However, despite the rapid growth of the Fintech industry, few studies have classified Fintech technologies into detailed technologies, analyzed the technology development trends of major market countries, and supported technology planning. In this respect, using Fintech technological data in the form of unstructured data, the present study extracts and defines detailed Fintech technologies through the topic modeling technique. Thereafter, hot and cold topics of the derived detailed Fintech technologies are identified to determine the trend of Fintech technologies. In addition, the trends of technology development in the USA, South Korea, and China, which are major market countries for major Fintech industrial technologies, are analyzed. Finally, through the analyses of networks between detailed Fintech technologies, linkages between the technologies are examined. The trends of Fintech industrial technologies identified in the present study are expected to be effectively utilized for the establishment of policies in the area of the Fintech industry and Fintech related enterprises' establishment of technology strategies.
Recently, based on Internet and mobile environments, the Fintech industry that fuses finance and IT together has been rapidly growing and Fintech services armed with simplicity and convenience have been leading the conversion of all financial services into online and mobile services. However, despite the rapid growth of the Fintech industry, few studies have classified Fintech technologies into detailed technologies, analyzed the technology development trends of major market countries, and supported technology planning. In this respect, using Fintech technological data in the form of unstructured data, the present study extracts and defines detailed Fintech technologies through the topic modeling technique. Thereafter, hot and cold topics of the derived detailed Fintech technologies are identified to determine the trend of Fintech technologies. In addition, the trends of technology development in the USA, South Korea, and China, which are major market countries for major Fintech industrial technologies, are analyzed. Finally, through the analyses of networks between detailed Fintech technologies, linkages between the technologies are examined. The trends of Fintech industrial technologies identified in the present study are expected to be effectively utilized for the establishment of policies in the area of the Fintech industry and Fintech related enterprises' establishment of technology strategies.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
전체적으로 2000년도 이전까지는 등록 건수가 대부분 50건 내외로 미미한 수준이었으며, 2000년도 이후로 급격히 증가하고 있는 것을 알 수 있다. 따라서 본 연구는 2000년도 이후의 핀테크 기술 동향을 분석한다.
본 연구는 최근 급속히 성장하고 있는 핀테크 기술 동향을 분석하기 위해 핀테크 기술 관련 특허데이터를 수집하여 토픽모델링을 수행하고 기술간 네트워크 분석을 수행하였다. 분석을 위해 특허 검색 웹 사이트 윕스온 (www.
닫힌 길 커뮤니티는 일련의 Random walk 과정을 통해 커뮤니티를 발견하며 각 노드를 하나의 커뮤니티로 취급해 점차 더 큰 그룹을 병합하면서 클러스터링 한다. 본 연구에서는 토픽모델링을 통해 생성된 토픽들에 대해 네트워크 중심성 분석 및 토픽 간의 관계를 시각화하여 토픽 간의 관계를 분석한다.
이와 같은 핀테크 산업의 급격한 성장에도 불구하고 핀테크 산업에 대한 연구는 미흡한 실정이다. 이에 본 연구는 특허 데이터를 이용하여 핀테크 산업의 기술 동향을 분석한다.
제안 방법
본 연구에서는 모델을 평가하는 지표로 Perplexity 값을 기반으로 최적의 토픽 수 K를 선택하였다[25]. Perplexity 값은 토픽의 수가 증가할수록 감소하는 경향이 나타났기 때문에 해석의 용이성을 위해 감소 폭이 작아지는 지점에서 토픽의 수를 결정했다.
각 기술(토픽)의 연도별 추이를 상승과 하락으로 판단하는 기준으로 선형 회귀분석의 회귀계수 값을 이용하였고[25], 잔차분석을 통해 회귀모형의 적합성을 검토하였다. 각 기술(토픽)에 대해 연도별로 추세를 파악하기 위해서 독립변수로는 연도를, 종속변수로는 핀테크 기술의 연도별 비중 평균값을 사용하여 시계열 선형회귀 분석을 수행하였고, 유의수준5%에서 유의한 확률을 가지는 토픽들과 Durbin-Watson 값이 1.5이상 2.5이하인 토픽들만을 대상으로 회귀계수 값이 양수(+)이면 Hot 핀테크 기술(토픽), 음수(-)이면 Cold 핀테크 기술(토픽)로 구분하였다[2].
따라서 본 연구는 비정형 데이터인 특허데이터를 활용하여 텍스트마이닝의 대표적인 분석 기법인 토픽 모델링 기법을 통해 핀테크 세부기술을 도출하고 정의하여 기술 동향 분석을 수행한다.
분석결과로 20개의 핀테크 세부기술을 추출 및 정의하고, 이 토픽들에 대해 연도 별 기술개발 동향을 파악하였다. 또한 국가별로 토픽 비중이 상승추세를 보이는 Hot 핀테크 기술과 하락추세를 보이는 Cold 핀테크 기술을 도출하여 핀테크 기술의 트렌드를 분석하였다[2]. 마지막으로 도출된 토픽들 간의 네트워크를 구축하여 기술들의 연관 관계를 파악하였다.
이러한 결과를 통해 전반적으로 모바일 결제, 인증/보안, NFC, 금융 데이터분석 분야의 기술들이 최근 IT기술이 발전함에 따라 핀테크 기술 분야에서 활발히 개발되고 있는 것을 알 수 있었으며, 주택담보 대출, ATM, 주식/펀드와 관련된 기술들은 핀테크 기술이 개발되기 전부터 존재하던 전자 금융 분야로 최근에는 개발이 더딘 것을 확인 할 수 있었다. 또한 본 연구는 토픽모델링으로 도출된 주제들에 대하여 네트워크 분석을 수행하였다. 그 결과 [Topic13] 모바일결제, [Topic16]플랫폼, [Topic20]온라인 상거래, [Topic18]은행계좌 관리, [Topic8]자산관리 분야의 기술이 연결 중심성이 높게 나타난 것을 알 수 있다.
핀테크 관련 특허 데이터에 토픽 모델링(Topic modeling) 기법을 적용하여 핀테크 세부 기술을 추출하여 정의하고, 추출된 핀테크 세부 기술에 대해 유망 기술(Hot topic)과 쇠퇴 기술 (Cold topic)을 도출한다[2]. 또한 핀테크 산업의 주요 시장국인 미국, 한국, 중국의 기술개발 활동 현황을 국가별로 살펴본다. 마지막으로 추출된 핀테크 세부 기술에 할당된 상위 키워드의 동시발생 매트릭스를 구축하고 시각화하여 각 토픽별 관계를 살펴본다.
또한 국가별로 토픽 비중이 상승추세를 보이는 Hot 핀테크 기술과 하락추세를 보이는 Cold 핀테크 기술을 도출하여 핀테크 기술의 트렌드를 분석하였다[2]. 마지막으로 도출된 토픽들 간의 네트워크를 구축하여 기술들의 연관 관계를 파악하였다.
또한 핀테크 산업의 주요 시장국인 미국, 한국, 중국의 기술개발 활동 현황을 국가별로 살펴본다. 마지막으로 추출된 핀테크 세부 기술에 할당된 상위 키워드의 동시발생 매트릭스를 구축하고 시각화하여 각 토픽별 관계를 살펴본다. 본 연구를 통해 파악된 핀테크 산업 기술 동향은 핀테크 산업분야의 정책 수립과 핀테크 관련 기업의 기술 전략 수립에 효과적으로 활용될 수 있을 것으로 기대된다.
먼저 대문자를 소문자로 변경(Lowercase)하고 특수 문자, 조사, 관사 등 분석에 불필요한 불용어(Stopwords)를 제거하였다. 다음으로 표준단어로 변환 (Stemming)하는 작업을 수행하였다.
본 연구는 기술의 핵심요소를 요약적으로 기술해 놓은 특허초록(Abstract)인 텍스트 형태의 비정형 데이터를 분석하기 위해 R program을 이용하여 전처리 과정을 진행한다.
분석결과로 20개의 핀테크 세부기술을 추출 및 정의하고, 이 토픽들에 대해 연도 별 기술개발 동향을 파악하였다. 또한 국가별로 토픽 비중이 상승추세를 보이는 Hot 핀테크 기술과 하락추세를 보이는 Cold 핀테크 기술을 도출하여 핀테크 기술의 트렌드를 분석하였다[2].
본 연구는 최근 급속히 성장하고 있는 핀테크 기술 동향을 분석하기 위해 핀테크 기술 관련 특허데이터를 수집하여 토픽모델링을 수행하고 기술간 네트워크 분석을 수행하였다. 분석을 위해 특허 검색 웹 사이트 윕스온 (www.wipson.com)으로부터 핀테크 관련 기술조사를 통해 작성된 검색식을 사용하여 2016년 7월까지 출원공개된 미국, 한국, 중국특허를 총 4.681건 수집한 특허 데이터에 토픽모델링을 적용해 핀테크 세부 기술을 추출한 후 정의하였다. 추출한 기술들에 대해 회귀분석을 수행 하여 유의미한 기술에 대한 상승추세를 보이는 Hot 토픽과 하락 추세를 보이는 Cold 토픽을 분석하였다.
다음으로 표준단어로 변환 (Stemming)하는 작업을 수행하였다. 위 과정을 거쳐 만들어진 키워드들을 바탕으로 문서와 키워드 간의 빈도수를 값으로 갖는 매트릭스인 Document-Term matrix를 구축했다. 최종적으로 4,681개의 문서에서 6,348개의 단어로 이루어진 Document-Term matrix를 가지고 토픽모델링 분석을 수행하였다.
이에 본 연구는 특허 데이터를 이용하여 핀테크 세부 기술을 도출하고, 트렌드를 분석한다. 핀테크 관련 특허 데이터에 토픽 모델링(Topic modeling) 기법을 적용하여 핀테크 세부 기술을 추출하여 정의하고, 추출된 핀테크 세부 기술에 대해 유망 기술(Hot topic)과 쇠퇴 기술 (Cold topic)을 도출한다[2].
com)으로 부터 2016년 7월까지 출원공개된 미국, 한국, 중국 특허를 수집하여 전처리 과정을 통해 어간을 추출한다. 전처리 과정을 거친 데이터에 토픽모델링 기법을 통하여 핀테크 세부 기술을 추출하여 정의하고 기술개발 동향을 분석한다.
본 연구의 한계점과 향후 연구방향은 다음과 같다. 첫째, 특허출원 후 약 18개월 후에 특허가 공개되는 특허 제도 특성상 2014년도까지의 데이터를 유효구간으로 정의하여 분석을 진행하였다. 따라서 최신 기술이 반영되지 못한 한계가 있다.
최근 10년간의 토픽들의 연도별 추세를 Hot토픽과 Cold토픽으로 구분하여 살펴본다. 각 기술(토픽)의 연도별 추이를 상승과 하락으로 판단하는 기준으로 선형 회귀분석의 회귀계수 값을 이용하였고[25], 잔차분석을 통해 회귀모형의 적합성을 검토하였다.
위 과정을 거쳐 만들어진 키워드들을 바탕으로 문서와 키워드 간의 빈도수를 값으로 갖는 매트릭스인 Document-Term matrix를 구축했다. 최종적으로 4,681개의 문서에서 6,348개의 단어로 이루어진 Document-Term matrix를 가지고 토픽모델링 분석을 수행하였다.
최종적으로 샘플링을 5000회 반복하여 총 20개의 토픽을 추출하였다. Table 4는 각 토픽에서 높은 빈도로 출현하는 단어와 토픽의 명칭을 나타낸 것이다.
681건 수집한 특허 데이터에 토픽모델링을 적용해 핀테크 세부 기술을 추출한 후 정의하였다. 추출한 기술들에 대해 회귀분석을 수행 하여 유의미한 기술에 대한 상승추세를 보이는 Hot 토픽과 하락 추세를 보이는 Cold 토픽을 분석하였다.
토픽모델링을 이용해 도출한 20개의 주제에 대한 동시출현단어 행렬을 생성하고, 이를 기반으로 R 패키지 “igraph”의 walktrap.community 함수를 사용하여 네트워크 시각화를 하였다.
특허출원 후 약 18개월 후에 특허가 공개되는 특허제도 특성상 2014년도까지의 데이터를 유효구간으로 정의하여 분석을 진행하였다. 핀테크 분야에서는 미국 특허의 점유율이 다른 국가에 비해 높으며, 중국 특허가 그 뒤를 따르는 것으로 나타나고 있다.
이에 본 연구는 특허 데이터를 이용하여 핀테크 세부 기술을 도출하고, 트렌드를 분석한다. 핀테크 관련 특허 데이터에 토픽 모델링(Topic modeling) 기법을 적용하여 핀테크 세부 기술을 추출하여 정의하고, 추출된 핀테크 세부 기술에 대해 유망 기술(Hot topic)과 쇠퇴 기술 (Cold topic)을 도출한다[2]. 또한 핀테크 산업의 주요 시장국인 미국, 한국, 중국의 기술개발 활동 현황을 국가별로 살펴본다.
핀테크 세부 기술을 추출하기 위해 전처리 과정을 거친 특허 초록 정보에 LDA 알고리즘을 통한 토픽모델링을 수행하였다. 이를 위해 R 패키지 “Topicmodels”을활용하였으며, LDA 모델의 파라미터 추정을 위해 Gibbs Sampling 방식을 사용하였다[23].
대상 데이터
1과 같다. 먼저 특허 검색 웹 사이트 윕스온(www.wipson.com)으로 부터 2016년 7월까지 출원공개된 미국, 한국, 중국 특허를 수집하여 전처리 과정을 통해 어간을 추출한다. 전처리 과정을 거친 데이터에 토픽모델링 기법을 통하여 핀테크 세부 기술을 추출하여 정의하고 기술개발 동향을 분석한다.
본 연구에서는 특허 검색 웹 사이트 윕스온 (www.wipson.com)으로 부터 핀테크 관련 기술조사를 통해 작성된 검색식을 사용하여 1990년 1월 1일부터 2016년 7월까지 출원공개 된 미국, 한국, 중국특허를 총 4.681건 수집하였으며, Table 2와 같이 제목, 년도, 초록, 국가로 구성된 데이터베이스를 구축 하였다.
데이터처리
최근 10년간의 토픽들의 연도별 추세를 Hot토픽과 Cold토픽으로 구분하여 살펴본다. 각 기술(토픽)의 연도별 추이를 상승과 하락으로 판단하는 기준으로 선형 회귀분석의 회귀계수 값을 이용하였고[25], 잔차분석을 통해 회귀모형의 적합성을 검토하였다. 각 기술(토픽)에 대해 연도별로 추세를 파악하기 위해서 독립변수로는 연도를, 종속변수로는 핀테크 기술의 연도별 비중 평균값을 사용하여 시계열 선형회귀 분석을 수행하였고, 유의수준5%에서 유의한 확률을 가지는 토픽들과 Durbin-Watson 값이 1.
이론/모형
Gerrish와 Blei는 동적 토픽 모델(Dynamic Topic Model)을 이용하여 논문 데이터에서 시간의 흐름에 따른 주제들의 내용 변화를 파악하여 이를 개별 문헌의 영향력을 측정하는 데 적용하였다[15].
복잡하고 많은 양의 데이터 셋에서 잘못된 추정으로 실제 주제의 수와 차이가 크게 되면 과적합(Overfitting) 등의 문제로 모형의 객관성이 결여 될 수있다[24]. 본 연구에서는 모델을 평가하는 지표로 Perplexity 값을 기반으로 최적의 토픽 수 K를 선택하였다[25]. Perplexity 값은 토픽의 수가 증가할수록 감소하는 경향이 나타났기 때문에 해석의 용이성을 위해 감소 폭이 작아지는 지점에서 토픽의 수를 결정했다.
이를 위해 R 패키지 “Topicmodels”을활용하였으며, LDA 모델의 파라미터 추정을 위해 Gibbs Sampling 방식을 사용하였다[23].
성능/효과
국가별로 핀테크 기술개발의 트렌드를 분석한 결과 미국이 모바일결제분야 뿐만 아니라 금융데이터분석분야까지 확대되며 핀테크 산업이 가장 활발히 진화하는 모습을 보였고, 중국이 그 뒤를 따르는 것을 확인 할 수 있었다. 한국은 미국과 중국에 비해 아직은 모바일결제 시장을 중심으로 핀테크 산업이 시작하려는 초기단계에 있는 것으로 판단된다.
전처리 과정에서 표준형변환(Stemming)을 수행하였기 때문에 일부단어들은 어미가 제거된 형태로 나타나는 것을 볼수 있다. 그 결과 Topic 1 은 ATM(Automated banking), Topic 2는 거래 및 교환, Topic 3은 NFC(Near field communication), Topic 4는 금융 데이터 관리, Topic 5는 금융 소프트웨어, Topic 6은 주택 담보 대출, Topic 7은 디스플레이, Topic 8 자산관리, Topic 9는 보안, Topic 10은 인터넷 전문 은행, Topic 11은 경매 및 입찰, Topic 12는 재무 리스크 관리, Topic 13은 모바일 결제, Topic 14는 신용카드 결제, Topic 15는 금융데이터 분석, Topic16은 플랫폼, Topic 17은 모바일 교통카드, Topic 18은 은행 계좌관리, Topic 19는 주식/펀드, Topic 20은 온라인 상거래로 토픽을 정의 하였다.
또한 본 연구는 토픽모델링으로 도출된 주제들에 대하여 네트워크 분석을 수행하였다. 그 결과 [Topic13] 모바일결제, [Topic16]플랫폼, [Topic20]온라인 상거래, [Topic18]은행계좌 관리, [Topic8]자산관리 분야의 기술이 연결 중심성이 높게 나타난 것을 알 수 있다. 이 기술들은 핀테크 기술의 핵심 분야라고 할 수 있다.
그 결과 전체 데이터의 경우 Hot 토픽으로 [Topic13] 모바일결제, [Topic9]인증/보안, [Topic3]NFC, [Topic10] 인터넷 전문은행, [Topic15]금융 데이터분석 분야의 기술이 도출되었고, Cold 토픽으로 [Topic6]주택담보대출, [Topic14]신용카드결제, [Topic1]ATM, [Topic19]주식/ 펀드, [Topic2]거래 및 교환 분야가 도출되었다.
네트워크 분석 결과 [Topic13]모바일결제, [Topic16] 플랫폼, [Topic20]온라인상거래, [Topic18]은행 계좌관리, [Topic8]자산관리 분야의 기술이 연결 중심성이 높게 나타난 것을 알 수 있다[Fig. 8]. 이 기술들은 핀테크 기술의 핵심 분야라고 할 수 있으며, 전자금융 플랫폼 성격의 기술이다.
본 연구는 기존의 단순한 핀테크 기술 및 산업 동향 분석과 달리 핀테크 산업 기술에 대한 특허데이터의 초록을 이용하여 텍스트마이닝 기법으로 분석을 수행하였다는 점과, 일반적으로 특허 분석에 주로 사용하는 전통적인 계량서지학적 방법론이 아닌 토픽모델링과 네트워크 분석을 수행하여 분석한 점에서 큰 의의가 있다. 본 연구를 통해 파악된 핀테크 산업 기술 동향은 핀테크 산업 분야의 정책 수립과 핀테크 관련 기업의 기술 전략 수립에 효과적으로 활용될 수 있을 것으로 기대된다.
중국은 Hot 토픽으로 [Topic9]인증/보안, [Topic3]NFC 기술이 도출된 반면, Cold 토픽으로 [Topic1]ATM, [Topic14]신용카드 결제가 도출되었다. 이러한 결과를 통해 전반적으로 모바일 결제, 인증/보안, NFC, 금융 데이터분석 분야의 기술들이 최근 IT기술이 발전함에 따라 핀테크 기술 분야에서 활발히 개발되고 있는 것을 알 수 있었으며, 주택담보 대출, ATM, 주식/펀드와 관련된 기술들은 핀테크 기술이 개발되기 전부터 존재하던 전자 금융 분야로 최근에는 개발이 더딘 것을 확인 할 수 있었다. 또한 본 연구는 토픽모델링으로 도출된 주제들에 대하여 네트워크 분석을 수행하였다.
중국의 경우, 2004년부터 점진적으로 증가하다가 2014년도까지 급격히 증가하여 꾸준히 상승하는 추세를 보임을 알 수 있다. 전체적으로 2000년도 이전까지는 등록 건수가 대부분 50건 내외로 미미한 수준이었으며, 2000년도 이후로 급격히 증가하고 있는 것을 알 수 있다. 따라서 본 연구는 2000년도 이후의 핀테크 기술 동향을 분석한다.
이를 통해 모바일결제 기술은 다양한 기술이 융합된 핀테크 기술의 핵심 분야로 판단된다. 최종적으로 핀테크 시장이 성장할수록 모바일결제분야 보다는 금융소프트웨어와 데이터분석, 그리고 자산관리 부문까지 투자가 확대되며 핀테크 산업이 발전하는 것을 확인 하였다.
이 기술들은 핀테크 기술의 핵심 분야라고 할 수 있다. 특히 모바일결제 기술이 가장 높은 연결 중심성을 가지고 있음을 확인할 수 있었다. 이를 통해 모바일결제 기술은 다양한 기술이 융합된 핀테크 기술의 핵심 분야로 판단된다.
후속연구
따라서 최신 기술이 반영되지 못한 한계가 있다. 둘째, 본 연구에서는 핀테크 주요 국가로 미국, 한국, 중국으로 제한하여 분석을 진행하였으나, 이들 국가가 핀테크 기술의 개발 동향을 모두 포괄 하지는 못한다. 따라서 추후 최신 기술이 반영된 특허데이터와 보다 많은 국가를 추가적으로 분석할 필요가 있다.
둘째, 본 연구에서는 핀테크 주요 국가로 미국, 한국, 중국으로 제한하여 분석을 진행하였으나, 이들 국가가 핀테크 기술의 개발 동향을 모두 포괄 하지는 못한다. 따라서 추후 최신 기술이 반영된 특허데이터와 보다 많은 국가를 추가적으로 분석할 필요가 있다.
마지막으로 추출된 핀테크 세부 기술에 할당된 상위 키워드의 동시발생 매트릭스를 구축하고 시각화하여 각 토픽별 관계를 살펴본다. 본 연구를 통해 파악된 핀테크 산업 기술 동향은 핀테크 산업분야의 정책 수립과 핀테크 관련 기업의 기술 전략 수립에 효과적으로 활용될 수 있을 것으로 기대된다.
마지막으로 추출된 핀테크 세부 기술에 할당된 상위 키워드의 동시발생 매트릭스를 구축하고 시각화하여 각 토픽별 관계를 살펴본다. 본 연구를 통해 파악된 핀테크 산업 기술 동향은 핀테크 산업분야의 정책 수립과 핀테크 관련 기업의 기술 전략 수립에 효과적으로 활용될 수 있을 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
핀테크란 무엇인가?
간편성, 편리성 등으로 무장한 핀테크 서비스는 모든 금융서비스의 온라인· 모바일 화를 주도하고 있다[1]. 핀테크(Fintech)는 ‘금융(Financial)’과 ‘기술(Technique)’ 의 합성어로써, 온라인(웹, 모바일 등) 및 오프라인 상에서 제공되는 금융소비자의 이용편의성, 활용성을 고려한 진화된 형태의 ‘금융IT 서비스’로 볼 수 있다[1].
핀테크 기업은 어떻게 구분되는가?
핀테크 기업은 몇 가지 유형으로 구분될수 있다. 미국 벤처캐피탈 정보 제공 기업인 CB인사이트는 100개의 핀테크 스타트업 기업을 대출(Lending), 자금이체(Money transfer), 지급/결제 기술(Payment/billing tech), 전자화폐(Digital currency), 개인금융(Personal finance), 금융기관용 툴(Institutional tool)의 7가지의 유형으로 구분하고 있다[4]. 기존 금융서비스는 금융기관을 중심으로 이루어졌으나, 핀테크 환경에서는 소규모 비금융기관도 혁신적인 기술과 아이디어를 활용하여 직접 소비자를 대상으로 금융서비스를 제공할 수 있어 핀테크 서비스가 기존 금융서비스의 생태계 변화에 영향을줄 수 있을 것으로 예상되고 있다[3].
핀테크 기업들은 어느 분야에서 서비스를 제공하고 있는가?
세계 각국에서 핀테크 산업이 급속히 확산되면서 선진국을 중심으로 ‘현금 없는 사회’ 만들기가 실현되고 있다. 핀테크 기업들은 클라우드 펀딩, P2P 대출(Peer to peer lending), 자산관리, 결제, 데이터 처리, 신용 평가, 디지털 화폐, 외환, 정보보안등 다양한 분야에서 서비스를 제공하고 있으며, 이러한 기업들의 공통점은 금융 시장과 금융 시스템을 더욱 효율적으로 만드는데 기술을 이용한 다는 것이다[2]. 핀테크 기업은 몇 가지 유형으로 구분될수 있다.
참고문헌 (26)
S. J. Im, "Security Trend on fintech," TTA Journal, vol. 158, pp. 72-79, 2015.
S. H. Seo, "Fintech trend analysis using topic modeling of BM patents," Graduate School of Seoul National University of Science and Technology, 2016.
Korea Electronics Association Patent Assistance Center, FinTech Patent Analysis Report, 2015, http://www.ipac.kr/Biz/PaReportView.aspx?kindpa&SEQ568. (accessed Sep. 10, 2016)
CB Insights, The Periodic Table of FinTech, 2014, http://www.cbinsights.com/blog/fin-tech-periodic-table/2014. (accessed Sep. 10, 2016)
K. H. Park, "Analysis on the Characteristics of Knowledge Flows In Korea Using U.S. Patent Data," Korea Institute of Intellectual Property, vol. 1, no. 2, pp. 66-93, 2006.
B. P. Abraham, S. D. Moitra, "Innovation assessment through patent analysis," Technovation, vol. 21, no. 4, pp. 245-252, 2001. DOI: https://doi.org/10.1016/S0166-4972(00)00040-7
B. G. Jeong, J. W. Kim, J. H. Yun, "Patent-based competitive intelligence analysis of augmented reality technology : Application of topic modeling," The Korean Institute of Industrial Engineers, vol. 2015, no. 11, pp. 2265-2270, 2015.
B. G. Yoon, Y. T. Park, "A text-mining-based patent network: Analytical tool for high-technology trend" The Journal of High Technology Management Research vol. 15, no. 1, pp. 37-50, 2004.
H. S. Park, K. S. Kim, S. C. Choi, J. H. Yoon, "A patent intelligence system for strategic technology planning," Expert Systems with Applications vol. 40, no. 7, pp. 2373-2390, 2013. DOI: https://doi.org/10.1016/j.eswa.2012.10.073
A. Abbas, L. Zhang, S. U. Khan, "A literature review on the state-of-the-art in patent analysis," World Patent Information, vol. 37, pp. 3-13, 2014. DOI: https://doi.org/10.1016/j.wpi.2013.12.006
Y. J. Jeong, B. G. Yoon, "Technology Planning through Technology Roadmap: Application of Patent Citation Network," Journal of the Korea Academia-Industrial Cooperation Society, vol. 12, no. 11, pp. 5227-5237, 2011. DOI: https://doi.org/10.5762/KAIS.2011.12.11.5227
K. S. Shin, H. R. Choi, H. C. Lee, "Topic Model Analysis of Research Trend on Renewable Energy," Journal of the Korea Academia-Industrial cooperation Society, vol. 16, no. 9, pp. 6411-6418, 2015. DOI: http://dx.doi.org/10.5762/KAIS.2015.16.9.6411
H. J. Min, "Bigdata trend diversified analysis using Topic modeling," Graduate School of Seoul National University of Science and Technology, 2015.
T. L. Griffiths, M. Steyvers, "Finding scientific topics," Proceedings of the National Academy of Sciences, vol. 101, no. 1, pp. 5228-5235, 2004. DOI: https://doi.org/10.1073/pnas.0307752101
S. M. Gerrish, D. M. Blei, "A Language-based Approach to Measuring Scholarly Impact," MACHINE LEARNING -INTERNATIONAL WORKSHOP THEN CONFERENCE-, vol. 27, pp. 375-382, 2010.
M. Song, S. Y. Kim, "Detecting the knowledge structure of bioinformatics by mining full-text collections," Scientometrics, vol. 96, no. 1, pp. 183-201, 2013. DOI: https://doi.org/10.1007/s11192-012-0900-9
J. H. Park, M. Song, "A Study on the Research Trends in Library & Information Science in Korea using Topic Modeling," Journal of the Korean Society for Information Management, vol. 30, no. 1, pp. 7-32, 2013. DOI: https://doi.org/10.3743/kosim.2013.30.1.007
D. M. Blei, A. Y. Ng, M. I. Jordan, "Latent dirichlet allocation," the Journal of machine Learning research, vol. 3, pp. 993-1022, 2003.
S. K. Kim, "A Study on the Research Trends in Domestic Industrial Engineering using Topic Modeling," Graduate School of Seoul National University of Science and Technology, 2016.
L. C. Freeman, "Centrality in social networks conceptual clarification," Social networks, vol. 1, no. 3, pp. 215-239, 1979. DOI: https://doi.org/10.1016/0378-8733(78)90021-7
M. H. Heo, "Introduction to social network analysis using R," freeaca, pp. 115-120, 2012
B. Grun and K. Hornik., "Topicmodels: An R package for fitting topic models" Journal of Statistical Software, vol. 40, no. 13, pp. 1-30, 2011. DOI: https://doi.org/10.18637/jss.v040.i13
G. J. Kim, "A Study on Development of a Technology Forecasting System using Topic-Based Patent Analysis," Graduate School of Korea University, 2015.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.