통계에 의하면 국내 중소기업들은 자금조달의 대부분을 은행 대출에 의존하고 있는 것으로 나타나고 있다. 그러나 담보가 없고 금융거래 이력도 부족한 소상공인들은 은행으로부터 대출을 받는데 어려움을 겪고 있다. 재무제표 등 은행에서 신용평가를 위하여 필요로 하는 정보를 제공하지 못하는 금융정보부족 (Thin File) 때문이다. 이러한 문제를 타개하기 위해서 최근 P2P 등 대안금융에서는 기존의 금융정보 대신 핀테크를 활용한 인구통계, 거래정보 등 차별화된 정보들을 이용하여 소규모 자금을 소상공인들에게 제공하는 새로운 신용평가기법들이 확산되고 있다. 이러한 환경 변화 패러다임 속에서 본 연구는 매출액 변동, 입지조건 등 상권정보에 기초한 빅데이터를 활용하여 소상공인들에게 자금공급을 확대할 수 있는 신용평가방안을 모색하고자 한다. 상권에서 발생하는 빅데이터를 실증적으로 분석함으로써 신용평가요소로서의 효과성을 검증하여 소상공인의 사업성 평가에 필요한 주요변수들을 도출하고자 하는 것이다. 본 연구에서는 2009년에서 2018년 2월까지 서비스업을 영위하는 서울시 소재 사업체 17,116건을 대상으로 사업체의 위치별로 발생하는 상권정보를 빅데이터 전문기업 NICE지니데이터(주)로부터 수집하여 표본을 구성하였다. 소상공인들에게서도 어렵지 않게 구할 수 있는 사업장의 입지 및 상권과 관련된 빅데이터를 수집 분석하여 이들 데이터가 기업의 부실화에 영향을 미치는가를 분석하였다. 기존에 활용되지 못한 빅데이터 변수들을 탐색하여 소상공인에 대한 효율적인 금융지원에 활용 가능성을 확인함으로써 대부분 정책자금이나 담보에 의존하여 이루어지는 소상공인대출이 일반 상업은행에서도 중소기업대출의 한 부문으로 비중 있게 이루어질 수 있도록 하기 위함이다. 본 연구는 근본적으로 정보비대칭 (Information Asymmetry)의 문제가 내재되어 있는 소상공인들의 자금조달에 관하여 전통적인 재무정보가 아닌 상권분석 변수들을 도출하고, 이 변수들이 신용평가에 효과성이 있는지 여부를 상권 빅데이터의 분석을 통하여 검증하였다는 점에서 연구의 차별성이 있다.
통계에 의하면 국내 중소기업들은 자금조달의 대부분을 은행 대출에 의존하고 있는 것으로 나타나고 있다. 그러나 담보가 없고 금융거래 이력도 부족한 소상공인들은 은행으로부터 대출을 받는데 어려움을 겪고 있다. 재무제표 등 은행에서 신용평가를 위하여 필요로 하는 정보를 제공하지 못하는 금융정보부족 (Thin File) 때문이다. 이러한 문제를 타개하기 위해서 최근 P2P 등 대안금융에서는 기존의 금융정보 대신 핀테크를 활용한 인구통계, 거래정보 등 차별화된 정보들을 이용하여 소규모 자금을 소상공인들에게 제공하는 새로운 신용평가기법들이 확산되고 있다. 이러한 환경 변화 패러다임 속에서 본 연구는 매출액 변동, 입지조건 등 상권정보에 기초한 빅데이터를 활용하여 소상공인들에게 자금공급을 확대할 수 있는 신용평가방안을 모색하고자 한다. 상권에서 발생하는 빅데이터를 실증적으로 분석함으로써 신용평가요소로서의 효과성을 검증하여 소상공인의 사업성 평가에 필요한 주요변수들을 도출하고자 하는 것이다. 본 연구에서는 2009년에서 2018년 2월까지 서비스업을 영위하는 서울시 소재 사업체 17,116건을 대상으로 사업체의 위치별로 발생하는 상권정보를 빅데이터 전문기업 NICE지니데이터(주)로부터 수집하여 표본을 구성하였다. 소상공인들에게서도 어렵지 않게 구할 수 있는 사업장의 입지 및 상권과 관련된 빅데이터를 수집 분석하여 이들 데이터가 기업의 부실화에 영향을 미치는가를 분석하였다. 기존에 활용되지 못한 빅데이터 변수들을 탐색하여 소상공인에 대한 효율적인 금융지원에 활용 가능성을 확인함으로써 대부분 정책자금이나 담보에 의존하여 이루어지는 소상공인대출이 일반 상업은행에서도 중소기업대출의 한 부문으로 비중 있게 이루어질 수 있도록 하기 위함이다. 본 연구는 근본적으로 정보비대칭 (Information Asymmetry)의 문제가 내재되어 있는 소상공인들의 자금조달에 관하여 전통적인 재무정보가 아닌 상권분석 변수들을 도출하고, 이 변수들이 신용평가에 효과성이 있는지 여부를 상권 빅데이터의 분석을 통하여 검증하였다는 점에서 연구의 차별성이 있다.
According to statistics, it is shown that domestic SMEs rely on bank loans for the majority of fund procurement. From financial information shortage (Thin file) that does not provide information necessary for credit evaluation from banks such as financial statements. In order to overcome these probl...
According to statistics, it is shown that domestic SMEs rely on bank loans for the majority of fund procurement. From financial information shortage (Thin file) that does not provide information necessary for credit evaluation from banks such as financial statements. In order to overcome these problems, recently, in alternative finance such as P2P, using differentiated information such as demographics, trading information and the like utilizing Fintech instead of existing financial information, small funds A new credit evaluation method has been expanding to provide SMEs with small amounts of money. In this paradigm of environmental change, in this research, credit evaluation which can expand fund supply to SMEs by utilizing big data based on trade area information such as sales fluctuation, location conditions etc. In this research, we try to find such a solution. By analyzing empirically the big data generated in the trade area, we verify the effectiveness as a credit evaluation factor and try to derive the main parameters necessary for the business performance evaluation of the founder of SMEs. In this research, for 17,116 material businesses in Seoul City that operate the service industry from 2009 to February 2018, we collect trade area information generated for each business location from Big Data specialized company NICE Zini Data Co., Ltd.. We collected and analyzed the data on the locations and commercial areas of the facilities that were difficult to obtain from SMEs and analyzed the data that affected the Corporate financial Distress. It is possible to refer to the variable of the existing unused big data and to confirm the possibility of utilizing it for efficient financial support for SMEs, This is to ensure that commercial lenders, even in general commercial banks, are made to be more prominent in one sector of the financing of SMEs. In this research, it is not the traditional financial information about raising fund of SMEs who have basically the problem of information asymmetry, but a trade area analysis variable is derived, and this variable is evaluated by credit evaluation There is differentiation of research in that it verified through analysis of big data from Trading-area whether or not there is an effect on.
According to statistics, it is shown that domestic SMEs rely on bank loans for the majority of fund procurement. From financial information shortage (Thin file) that does not provide information necessary for credit evaluation from banks such as financial statements. In order to overcome these problems, recently, in alternative finance such as P2P, using differentiated information such as demographics, trading information and the like utilizing Fintech instead of existing financial information, small funds A new credit evaluation method has been expanding to provide SMEs with small amounts of money. In this paradigm of environmental change, in this research, credit evaluation which can expand fund supply to SMEs by utilizing big data based on trade area information such as sales fluctuation, location conditions etc. In this research, we try to find such a solution. By analyzing empirically the big data generated in the trade area, we verify the effectiveness as a credit evaluation factor and try to derive the main parameters necessary for the business performance evaluation of the founder of SMEs. In this research, for 17,116 material businesses in Seoul City that operate the service industry from 2009 to February 2018, we collect trade area information generated for each business location from Big Data specialized company NICE Zini Data Co., Ltd.. We collected and analyzed the data on the locations and commercial areas of the facilities that were difficult to obtain from SMEs and analyzed the data that affected the Corporate financial Distress. It is possible to refer to the variable of the existing unused big data and to confirm the possibility of utilizing it for efficient financial support for SMEs, This is to ensure that commercial lenders, even in general commercial banks, are made to be more prominent in one sector of the financing of SMEs. In this research, it is not the traditional financial information about raising fund of SMEs who have basically the problem of information asymmetry, but a trade area analysis variable is derived, and this variable is evaluated by credit evaluation There is differentiation of research in that it verified through analysis of big data from Trading-area whether or not there is an effect on.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
소상공인 및 중소기업에 대한 신용평가모형에 대한 선행연구들은 공공기관에서 정책자금 지원을 위하여 활용되는 성과 평가모형과 기술성을 중심으로 한 기술신용평가나 중소기업의 관계형 금융 등에 관한 연구가 주를 이루고 있다. 따라서 본 연구에서는 선행연구를 바탕으로 소상공인의 사업부실화 등 신용사건에 유의한 영향을 주는 잠재변수들을 탐색하고, 빅데이터를 이용하여 변수들 간의 복합적인 영향관계를 추정 하고자 한다.
따라서 본 연구의 목적은 소상공인의 부실예측 모형에서 소상공인 사업장의 입지와 경쟁력 등 나타내는 상권정보의 유용성을 증명하는 것이다. 특히 신용카드의 사용 증가등으로 소상공인의 사업을 평가할 수 있는 수집 가능한 빅데이터가 증대함에 따라 현 시점에서 시장에서 소상공인의 사업장을 평가하는 상권정보가 금융기관의 신용위험관리에 얼마나 도움이 되는 것인지 살펴보고자 한다.
본 연구는 기존 신용평가 모형에서 사용되는 재무정보와 비재무정보를 제외하고 상권특성 정보만을 활용하여 사업장의 부실여부를 판별하는데 유의한가를 분석하였다. 상권정보가 소상공인의 신용평가모형의 중요한 변수임을 확인하는 것으로 기존 신용평가 모형에 상권정보를 추가함으로써 보다 예측력이 높고, 객관적인 모형을 만들 수 있을 것으로 기대한다.
본 연구는 소상공인의 자금조달을 위한 신용평가에서 상권특성변수의 효과성을 평가하기 위해 부실기업을 추출하고이에 대응할 수 있는 정상기업을 동 수로 추출하여 상권특성변수 등의 설명변수가 부실기업과 정상기업을 얼마나판별할 수 있는지를 검토해 봄으로써 신용평가 구성 항목의 유용성과 적절성을 판단해 보고자 하는 것이다. 아울러 설명변수 선택을 위한 단계별 판별분석을 통해 적합한 평가항목을 선택하였다.
과거 선행연구에서도 신용평가에 비금융정보 활용의 효과성에 대한 연구들이 지속되었으나 주로 공공정보를 중심으로 분석되어 왔다. 본 연구에서는 과거 선행연구에서분석되지 못한 개별 사업장의 입지와 업종을 중심으로 발생하는 상권정보의 활용 가능성에 대해서 연구하고자 한다.
본 연구에서는 데이터 마이닝 (Data Mining) 기법을 적용하여 단순 통계분석에서 얻을 수 없었던 심층적 실증분석을 하고자 한다. 데이터 마이닝은 “대용량의 데이터로부터 이들 데이터 내에 존재하는 관계, 패턴, 규칙 등을 탐색하고 모형화 하기 위해 알고리즘을 적용하는 단계”로 정의할 수 있다(Fayyad et al.
본 연구에서는 데이터 마이닝에서 대표적인 분류분석 방법인 판별분석을 통하여 데이터에 숨겨져 있는 의미 있는 지식을 찾아내고, 소상공인 신용평가 체계 개선에 활용하는 방법을 제시하고자 한다.
본 연구에서는 사업체의 “부실”을 종속변수로 하였으며①사업장의 휴·폐업과 ②신용평가등급 ‘D’를 받은 경우로부실로 정의하고자 한다.
본 연구에서는 소상공인의 대출 등 금융지원 확대를 위한 신용평가에 상권정보의 활용 가능성이 있는지를 탐색하기 위하여 문헌적 연구방법과 실증적 분석을 병행하고자 한다. 연구 목적 달성을 위해 먼저 분석 대상인 소상공인 현황과 소상공인 신용평가에 대한 선행연구를 파악하였다.
본 연구에서는 소상공인의 신용평가를 위하여 주변 인구, 경쟁사 현황 등 가맹점이 위치한 상권의 정보를 활용하여소상공인 부실예측모형의 유의성을 분석하고자 한다. 이용된 정보는 크게 기업특성자료와 상권특성자료로 구분된다.
본 연구의 목적은 소상공인에 대한 금융혜택 증대를 위해 신용평가에 필요한 주요변수들을 상권정보 등 시장의 빅데이터로 실증 분석함에 있다. 이에 따라 기존의 신용평가에 기준이 되는 재무제표나 금융거래이력이 미비한 소상공인의 애로사항을 해소하기 위하여, 기존의 전통적인 평가방식을 탈피한 소상공인 평가지표를 개발하고자 한다.
상권정보 등 시장의 빅데이터를 수집하여 사업장의 매출 변화 등 신용평가에 활용될 수 있는 비재무적 변수들을 실증적으로 분석함으로써 소상공인에 대한 금융혜택 증대를 모색하는 것이 본 연구의 목적이라 하겠다. 특히 본 연구는 통계자료나 설문조사에 의한 기존의 선행연구들과는 다르게 지능형 데이터 기반의 빅데이터 분석을 통한 연구결과를 제시한다는 점에서 차별성을 갖는다.
본 연구의 목적은 소상공인에 대한 금융혜택 증대를 위해 신용평가에 필요한 주요변수들을 상권정보 등 시장의 빅데이터로 실증 분석함에 있다. 이에 따라 기존의 신용평가에 기준이 되는 재무제표나 금융거래이력이 미비한 소상공인의 애로사항을 해소하기 위하여, 기존의 전통적인 평가방식을 탈피한 소상공인 평가지표를 개발하고자 한다.
이에 반해 본 논문은 사업장의 실제 매출과 사업장이 속한 유동인구 등 상권·입지 관련 빅데이터를 수집하여 공공기관의 자금지원 뿐 아니라 금융기관들의 금융지원에 직접 사용할 수 있는 신용평가방안을 도출하고자 한다.
따라서 본 연구의 목적은 소상공인의 부실예측 모형에서 소상공인 사업장의 입지와 경쟁력 등 나타내는 상권정보의 유용성을 증명하는 것이다. 특히 신용카드의 사용 증가등으로 소상공인의 사업을 평가할 수 있는 수집 가능한 빅데이터가 증대함에 따라 현 시점에서 시장에서 소상공인의 사업장을 평가하는 상권정보가 금융기관의 신용위험관리에 얼마나 도움이 되는 것인지 살펴보고자 한다.
제안 방법
독립변수는 상권특성 변수로써 개별 사업장이 위치하는 주소와 업종을 기준으로 발생하는 인구특성정보, 시설특성정보, 경쟁현황 정보 등을 수집하여 분석하였다. 상권특성정보 외에도 통제변수로서 신용등급, 업력, 7년 이내 창업자 여부, 신용평가등급 등 기업특성을 나타내는 설명변수를 추가하였다<표 6>.
또한 미국의 FICO사에서 개발하여 ‘16년부터 출시된 FICO Score XD의 경우 기존 신용정보 외에 통신료 정보, 공공요금 정보, 기타 자산정보 등다양한 대안정보를 수집하여 평점을 산출하였다.
또한 소상공인의 부실예측 모형을 설계하기 위해 전체 데이터에서 학습용 데이터와 검증용 데이터를 랜덤 추출하여 동일한 비율로 표본을 구성하고 모형을 설계하였다. 실제 데이터의 부실기업은 전체의 약 12%에 불과하므로 우량기업과 부실기업을 실제 비율로 표본 추출할 경우 우량기업에 대한 학습이 과적합하여 부실기업에 대한 학습이 이루어지기 힘들기 때문이다.
본 실험은 수집된 데이터 중 결측치를 제거한 17,116개의연구 대상을 통해 부실을 정의하고 다양한 파생변수들을 생성하였다. 이중에서 부실로 정의된 데이터는 2,011건으로 전체의 11.
본 연구는 2009년 1월부터 2018년 2월까지 서울시 서비스업종의 사업장을 대상으로 상권정보를 수집하고, 이들 사업장의 부실에 유의한 변수들을 실증적으로 분석하였다.비재무적 정보가 소상공인의 신용평가에 유의한 영향을주고 있다는 선행연구를 기반으로 서비스업 중심의 소상공인의 사업장 평가에 가장 큰 영향을 주는 유의한 상권빅데이터 변수를 선별하였다. 판별분석 결과 정상기업과 부실기업을 판별하는 상권정보로 반경 500m내 유동인구,반경 500m내 주거인구, 반경 1km 내 세대수, 반경 500m내 아파트 수, 반경 1km 내 직장인구 등이 유의한 변수로 분석되었다.
독립변수는 상권특성 변수로써 개별 사업장이 위치하는 주소와 업종을 기준으로 발생하는 인구특성정보, 시설특성정보, 경쟁현황 정보 등을 수집하여 분석하였다. 상권특성정보 외에도 통제변수로서 신용등급, 업력, 7년 이내 창업자 여부, 신용평가등급 등 기업특성을 나타내는 설명변수를 추가하였다<;표 6>.
본 연구에서는 소상공인의 대출 등 금융지원 확대를 위한 신용평가에 상권정보의 활용 가능성이 있는지를 탐색하기 위하여 문헌적 연구방법과 실증적 분석을 병행하고자 한다. 연구 목적 달성을 위해 먼저 분석 대상인 소상공인 현황과 소상공인 신용평가에 대한 선행연구를 파악하였다.
대상 데이터
본 실험은 <그림 4>와 같은 방법에 따라 진행되었다. 먼저수집된 N사의 연구대상으로 결측치와 이상치를 제거하고17,116개를 확정하였다. 이를 통해 부실을 정의하고, 업종, 매출액, 유동인구 등 다양한 상권발생정보와 우량과 부실 사업장과의 분포를 분석하여 다양한 파생변수를 생성한다.
본 데이터는 빅데이터 분석 및 제공 전문기업인 NICE지니데이타(주)에서 제공한 2009년부터 2018년 2월까지 서울시 서비스관련 업종 사업장 17,116개의 상권과 매출액에 관련된 정보와 개별 사업장의 부실화 정보를 활용하여 실험하였다.
본 연구는 2009년 1월부터 2018년 2월까지 서울시 서비스업종의 사업장을 대상으로 상권정보를 수집하고, 이들 사업장의 부실에 유의한 변수들을 실증적으로 분석하였다.비재무적 정보가 소상공인의 신용평가에 유의한 영향을주고 있다는 선행연구를 기반으로 서비스업 중심의 소상공인의 사업장 평가에 가장 큰 영향을 주는 유의한 상권빅데이터 변수를 선별하였다.
데이터처리
먼저 독립변수들과 부실사업장의 관계를 T-TEST와 카이제곱 검증을 통해 개별 변수의 단변량분석 (UnivariateAnalysis)을 실시하였다<;표 10>. 수집된 변수와 로그변환한 파생변수 총23개를 대상으로 실시한 결과 주거인구, 직장인구, 유동인구, 경쟁사수 등의 상권특성변수와 규모, 매출액, 신용등급 등의 기업특성변수 총 14개 변수가 95%유의수준 하에서 유의한 것으로 나타났다.
본 연구에서는 부실 사업장의 예측가능성을 통계적인 방법론인 판별분석을 SAS 9.4를 통해 분석하였다. 판별분석(Discriminant Analysis)은 독립변수 또는 측정치에 의해 둘중 한 집단으로 분류하는데 사용되는 통계분석 기법이다.
부실기업의 판별분석을 도출하기 위해서 23개 독립변수에 대해 두 집단의 평균이 통계적으로 유의한 차이가 보이는가를 검증하기 위한 표본분석을 실시하였다. 전체표본및 정상기업 (Budo=0)과 부실기업 (Budo=1)에 대한 기술통계는 <표 8> <표 9>과 같다.
상권정보 기반의 설명변수 군을 구성하고 사업의 부실화 여부를 종속변수로 하는 유의성분석과 판별분석 등을 실시하였으며, 분석을 위해서는 SAS사의 9.4 버전을 사용하여 분석을 수행하였다.
본 연구는 소상공인의 자금조달을 위한 신용평가에서 상권특성변수의 효과성을 평가하기 위해 부실기업을 추출하고이에 대응할 수 있는 정상기업을 동 수로 추출하여 상권특성변수 등의 설명변수가 부실기업과 정상기업을 얼마나판별할 수 있는지를 검토해 봄으로써 신용평가 구성 항목의 유용성과 적절성을 판단해 보고자 하는 것이다. 아울러 설명변수 선택을 위한 단계별 판별분석을 통해 적합한 평가항목을 선택하였다. 판별분석 결과는 <표 11>과 같으며,상권특성변수에서는 500m이내 주거인구 (RF1), 500m이내 유동인구 (범주화된 RF6), 1,000m이내 직장인구 (범주화된RF4), 경쟁점포 (범주화된 RF87)의 순서로 다른 변수보다는 판별 유의성이 높은 것으로 나타났고, 설명변수인 기업특성변수에서는 신용등급과 업종별 부도율, 업력의 순으로 유의성이 높은 것으로 나타났다.
이를 통해 부실을 정의하고, 업종, 매출액, 유동인구 등 다양한 상권발생정보와 우량과 부실 사업장과의 분포를 분석하여 다양한 파생변수를 생성한다. 이렇게 생성된 다양한 변수군을 이용하여 모형의 입력변수로 사용하며, 독립변수와 부실 사업장의 관련성을 보기 위해 빈도분석과 교차분석 및 단변량 분석 등을 통하여 변수의 유의성 검증을 실시하였다.
이론/모형
판별분석모형에서 독립변수를 판별력이 높은 순서로 단계적(Stepwise)으로 투입하는, 단계적 판별분석 방법을 사용하였다.결과적으로 선택된 상권특성 변수는 유동인구, 주거인구, 세대수, APT수 및 직장인구 변수이었다.
성능/효과
판별분석모형에서 독립변수를 판별력이 높은 순서로 단계적(Stepwise)으로 투입하는, 단계적 판별분석 방법을 사용하였다.결과적으로 선택된 상권특성 변수는 유동인구, 주거인구, 세대수, APT수 및 직장인구 변수이었다. 즉 반경 500m이내 유동인구 변수가 정상기업과 부실기업으로 판별하는 능력이 높은 것으로 나타나고, 부실기업의 반경 500m 상권 내 유동인구수가 적은 것으로 나타났다<표 12>.
둘째, 판별분석기법에 의해서만 부실예측이 이루어져 다른 통계적 기법에 의한 결과와 모형별 예측력을 비교·평가하지 않았다는 점이다.
먼저 독립변수들과 부실사업장의 관계를 T-TEST와 카이제곱 검증을 통해 개별 변수의 단변량분석 (UnivariateAnalysis)을 실시하였다<표 10>. 수집된 변수와 로그변환한 파생변수 총23개를 대상으로 실시한 결과 주거인구, 직장인구, 유동인구, 경쟁사수 등의 상권특성변수와 규모, 매출액, 신용등급 등의 기업특성변수 총 14개 변수가 95%유의수준 하에서 유의한 것으로 나타났다.
결과적으로 선택된 상권특성 변수는 유동인구, 주거인구, 세대수, APT수 및 직장인구 변수이었다. 즉 반경 500m이내 유동인구 변수가 정상기업과 부실기업으로 판별하는 능력이 높은 것으로 나타나고, 부실기업의 반경 500m 상권 내 유동인구수가 적은 것으로 나타났다<;표 12>.
비재무적 정보가 소상공인의 신용평가에 유의한 영향을주고 있다는 선행연구를 기반으로 서비스업 중심의 소상공인의 사업장 평가에 가장 큰 영향을 주는 유의한 상권빅데이터 변수를 선별하였다. 판별분석 결과 정상기업과 부실기업을 판별하는 상권정보로 반경 500m내 유동인구,반경 500m내 주거인구, 반경 1km 내 세대수, 반경 500m내 아파트 수, 반경 1km 내 직장인구 등이 유의한 변수로 분석되었다.
판별분석 결과는 과 같으며,상권특성변수에서는 500m이내 주거인구 (RF1), 500m이내 유동인구 (범주화된 RF6), 1,000m이내 직장인구 (범주화된RF4), 경쟁점포 (범주화된 RF87)의 순서로 다른 변수보다는 판별 유의성이 높은 것으로 나타났고, 설명변수인 기업특성변수에서는 신용등급과 업종별 부도율, 업력의 순으로 유의성이 높은 것으로 나타났다.
후속연구
핀테크 기술의 발달과 빅데이터 분석능력의 향상은 금융기관의 소상공인과 중소기업에 대한 신용평가 정확도와 신뢰도를 높일 수 있을 것으로 기대된다. 그리고 이러한핀테크 산업의 성장은 향후 빅데이터 분석능력의 향상과 함께 중소기업금융의 진화 방향이 새롭게 그리고 구체적으로 모색되어야 함을 시사한다.
또한 소상공인의 부실에 관한 조기경보 시스템에 부실한 재무정보를 보완하는 ‘대안(Alternative) 정보’로 상권정보의 활용도 기대한다.
향후 소상공인의 생산정보, 판매정보, 금융정보 등 다양한 빅데이터 정보원천들을 발굴하고이를 DB축적하여 소상공인의 원활한 자금지원에 도움을수 있는 빅데이터를 구축하는 작업이 지속될 필요가 있다.또한 판별분석 모형 등 통계적 기법으로 제한적인 모형이 아닌 비통계적인 방법론과의 비교를 통해 효율성이 향상된 모형 개발이 필요하다.
본 연구의 한계점과 추후 연구방향으로는 첫째, 연구목적과 데이터 취득 방법의 한계에 따라 분석대상 표본을 서울시서비스 관련 업종으로 대상을 제한하였다는 점이다. 둘째, 판별분석기법에 의해서만 부실예측이 이루어져 다른 통계적 기법에 의한 결과와 모형별 예측력을 비교·평가하지 않았다는 점이다.
본 연구는 기존 신용평가 모형에서 사용되는 재무정보와 비재무정보를 제외하고 상권특성 정보만을 활용하여 사업장의 부실여부를 판별하는데 유의한가를 분석하였다. 상권정보가 소상공인의 신용평가모형의 중요한 변수임을 확인하는 것으로 기존 신용평가 모형에 상권정보를 추가함으로써 보다 예측력이 높고, 객관적인 모형을 만들 수 있을 것으로 기대한다. 즉 본 연구결과를 토대로 상권정보가 소상공인의 신용평가모형의 중요한 변수로 활용될 수 있음이 입증됨으로써 소상공인 평가모형의 주요한 평가항목으로 활용될 수 있을 것이다.
둘째, 판별분석기법에 의해서만 부실예측이 이루어져 다른 통계적 기법에 의한 결과와 모형별 예측력을 비교·평가하지 않았다는 점이다. 셋째, 각 사업장의 부도 정보와 재정상태,경영능력 등에 관한 기업정보를 혼합한 모형을 구성하면 보다 적중률을 높일 수 있겠으나 자료 수집의 한계로 인하여 이를 시도하지 못하였다.
상권정보가 소상공인의 신용평가모형의 중요한 변수임을 확인하는 것으로 기존 신용평가 모형에 상권정보를 추가함으로써 보다 예측력이 높고, 객관적인 모형을 만들 수 있을 것으로 기대한다. 즉 본 연구결과를 토대로 상권정보가 소상공인의 신용평가모형의 중요한 변수로 활용될 수 있음이 입증됨으로써 소상공인 평가모형의 주요한 평가항목으로 활용될 수 있을 것이다. 또한 소상공인의 부실에 관한 조기경보 시스템에 부실한 재무정보를 보완하는 ‘대안(Alternative) 정보’로 상권정보의 활용도 기대한다.
추후 연구에서는 지역·업종 별로 확대된 범위의 상권빅데이터 변수와 개별 소상공인의 특성변수를 파악하여 다양한 사업 환경요인을 고려할 필요가 있겠다. 지역별 업종별다양한 파생변수를 수집 및 생성하여 객관적인 정보력을 향상시켜야 할 것이다. 향후 소상공인의 생산정보, 판매정보, 금융정보 등 다양한 빅데이터 정보원천들을 발굴하고이를 DB축적하여 소상공인의 원활한 자금지원에 도움을수 있는 빅데이터를 구축하는 작업이 지속될 필요가 있다.
추후 연구에서는 지역·업종 별로 확대된 범위의 상권빅데이터 변수와 개별 소상공인의 특성변수를 파악하여 다양한 사업 환경요인을 고려할 필요가 있겠다.
핀테크 기술의 발달과 빅데이터 분석능력의 향상은 금융기관의 소상공인과 중소기업에 대한 신용평가 정확도와 신뢰도를 높일 수 있을 것으로 기대된다. 그리고 이러한핀테크 산업의 성장은 향후 빅데이터 분석능력의 향상과 함께 중소기업금융의 진화 방향이 새롭게 그리고 구체적으로 모색되어야 함을 시사한다.
지역별 업종별다양한 파생변수를 수집 및 생성하여 객관적인 정보력을 향상시켜야 할 것이다. 향후 소상공인의 생산정보, 판매정보, 금융정보 등 다양한 빅데이터 정보원천들을 발굴하고이를 DB축적하여 소상공인의 원활한 자금지원에 도움을수 있는 빅데이터를 구축하는 작업이 지속될 필요가 있다.또한 판별분석 모형 등 통계적 기법으로 제한적인 모형이 아닌 비통계적인 방법론과의 비교를 통해 효율성이 향상된 모형 개발이 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
소상공인이란?
소상공인은 일반적으로 생계유지를 목적으로 사업을 영위하는 기업으로서 대표 1인 또는 가족위주의 영세규모로 운영되기 때문에 기장의 의무가 없어 재무정보가 아예 없거나 있어도 양적·질적으로 신뢰성이 낮은 편이다. 이처럼 재무정보가 취약하기 때문에 체계적인 신용평가가 이루어지지 못하여 소상공인은 대출시장에서 필요한 시기에 자금 조달이 어렵게 되어 유동성 위기에 처하는 등 악순환이 지속되기도 한다.
빅데이터를 이용해 소상공인들에게 자금공급을 확대하기 위한 노력에는 무엇이 있나?
이러한 환경 변화 패러다임 속에서 본 연구는 매출액 변동, 입지조건 등 상권정보에 기초한 빅데이터를 활용하여 소상공인들에게 자금공급을 확대할 수 있는 신용평가방안을 모색하고자 한다. 상권에서 발생하는 빅데이터를 실증적으로 분석함으로써 신용평가요소로서의 효과성을 검증하여 소상공인의 사업성 평가에 필요한 주요변수들을 도출하고자 하는 것이다. 본 연구에서는 2009년에서 2018년 2월까지 서비스업을 영위하는 서울시 소재 사업체 17,116건을 대상으로 사업체의 위치별로 발생하는 상권정보를 빅데이터 전문기업 NICE지니데이터(주)로부터 수집하여 표본을 구성하였다.
대안금융에서 확산되고 있는 기법은?
재무제표 등 은행에서 신용평가를 위하여 필요로 하는 정보를 제공하지 못하는 금융정보부족 (Thin File) 때문이다. 이러한 문제를 타개하기 위해서 최근 P2P 등 대안금융에서는 기존의 금융정보 대신 핀테크를 활용한 인구통계, 거래정보 등 차별화된 정보들을 이용하여 소규모 자금을 소상공인들에게 제공하는 새로운 신용평가기법들이 확산되고 있다. 이러한 환경 변화 패러다임 속에서 본 연구는 매출액 변동, 입지조건 등 상권정보에 기초한 빅데이터를 활용하여 소상공인들에게 자금공급을 확대할 수 있는 신용평가방안을 모색하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.