SMALL

오픈뱅킹(Open Banking)

  • 핀테크 기업이 금융서비스를 편하게 개발할 수 있게 은행 서비스를 표준화 형태로 제공하는 것입니다.
  • 금융서비스의 핵심 기능을 코어뱅킹시스템으로 구축하며, 오픈API를 활용하여 금융서비스 기능을 사용할 수 있는 플랫폼으로서의 뱅킹을 의미합니다.
  • 하나의 은행 앱으로 다른 은행의 계좌를 한번에 조회 및 송금 등의 금융서비스를 할 수 있는 것입니다.

등장배경

  • 금융 데이터를 공개하여 활용할 필요성이 생김
  • 금융 기업간의 공정한 경쟁 필요
  • 마이데이터를 이용하여 고객이 필요한 데이터만 제공 및 서비스
  • 오픈뱅킹을 통한 금융 기업의 혁신 촉진
  • 여러 은행에 분산된 개인정보의 통합관리 필요성

기대효과

  • 지급결제시장의 효율성 증가로 인한 상거래시장의 거래비용 절감
  • 금융 산업의 혁신 및 성장으로 인한 일자리 창출
  • 국내 금융 기업의 글로벌 경쟁력 강화
  • 고객의 맞춤형 금융 서비스 개발 용이
  • 개인 금융정보에 대한 보안 강화


LIST

'전공 > 신기술' 카테고리의 다른 글

페이덱스(Paydex)  (0) 2020.10.12
블록체인 클라우드 서비스(BaaS)  (0) 2020.09.14
오피니언 마이닝  (0) 2020.07.06
인슈어테크  (0) 2020.07.05
DID(Decentralized Identity)  (0) 2020.06.25
SMALL

해싱(Hashing)

  • 해싱은 데이터를 해싱 함수에 의해 주소로 변환해 해당 주소 위치에 데이터를 저장하는 방식입니다.(key-value 방식)
  • 데이터 검색시 빠르게 찾을 수 있는 장점이 있는 반면, 해시 테이블 용량 부족으로 오버플로우가 발생 가능합니다.

용어 정리

  • 해시 함수 : 데이터를 키로 변환하는 함수
  • 홈 주소 : 해시 함수로 변환된 키 값의 주소
  • 해시 테이블 : 해시 함수가 키 값 변환시 참조하는 테이블
  • 버킷 : 하나의 주소를 갖는 구역, 버킷의 크기는 레코드 몇개 들어갈 수 있는가를 의미
  • 슬롯 : 하나의 데이터를 저장할 수 있는 공간, 하나의 버킷안에 여러개의 슬롯을 가짐
  • 충돌 : 다른 데이터가 같은 키를 가지는 충돌 현상
  • 동의어 : 동일한 홈 주소로 인하여 충돌이 일어난 레코드들의 집합
  • 오버플로우 : 하나의 홈 주소의 버킷이 가득 차서 레코드를 저장할 슬롯이 없는 상태

해시 함수 종류

  • 제산함수
 - 레코드 값을 소수로 나누어 나머지 값을 주소로 지정
 - ex) h(k) = k%7

  • 중간제곱함수
 - 레코드 값을 제곱한 후에 중간 몇자리를 선택하여 주소로 지정
 - ex) k = 1024일 때, 1024*1024 = 1048576인데, 중간의 485가 주소로 지정

  • 접지함수
 - 숫자로 된 키를 같은 크기로 분리 후, 각 부분들 서로 더해서 주소로 지정
 - 이동 접지 : k = 12320324111220일 때, 123+203+241+112+20= 699가 주소로 지정
 - 경계접지 : k = 12320324111220일 때, 123+302+241+211+20= 897이 주소로 지정

  • 숫자분석함수
 - 각 숫자의 분포를 이용해 편향되지 않은 균등된 숫자를 선택해 주소로 지정

오버플로우 처리 방법

  • 선형조사법 : 오버플로우가 발생 시 다음 버킷에 빈 슬롯이 있으면 저장하는 방법
  • 이차조사법 : 선형조사법의 편향을 방지하기 위해 오버플로우 발생시 n^2의 +-씩으로 검사하여 저장하는 방법
  • 재해싱 : 여러 개의 해시함수를 사용하는 방법
  • 임의 조사법











LIST

'전공 > 자료구조' 카테고리의 다른 글

정렬 시간복잡도  (0) 2021.06.05
선택정렬(SelectionSort), 거품정렬(BubbleSort)  (0) 2020.09.17
Kruskal, Prim, Sollin 알고리즘  (0) 2020.09.13
DFS와 BFS  (0) 2020.09.13
트리 순회  (0) 2020.09.13
SMALL

최소비용 신장트리

- 최저의 비용을 갖는 신장트리

- Kruskal, Prim, Sollin 알고리즘이 있습니다.


갈망법(Greedy method)

- 최적의 해를 단계별로 구함
- 단계별로 판단 기준에 따라 최고의 결정을 내림
- 한번 내려진 결정은 롤백 불가하므로, 각 결정이 가능한 해를 도출해낼 수 있는지 확인

신장트리 제한 조건

- 그래프내에 있는 간선만 사용
- n-1개의 간선만을 사용
- 사이클을 생성하는 간선을 사용 금지

Kruskal 알고리즘

사이클을 생성하지 않는 간선들 중에서 가장 작은 가중치를 가지는 간선을 선택하여 만드는 알고리즘입니다.


Prim 알고리즘

최초 선택된 정점에 연결된 간선들 중에서 작은 가중치를 가지는 간선을 선택하여 만드는 알고리즘입니다.

Sollin 알고리즘

각 정점에 대해서, 정점에 연결된 가장 가중치 낮은 간선을 선택하여 단계별로 진행하여 만드는 알고리즘입니다.





LIST

'전공 > 자료구조' 카테고리의 다른 글

선택정렬(SelectionSort), 거품정렬(BubbleSort)  (0) 2020.09.17
해싱(Hashing)  (0) 2020.09.14
DFS와 BFS  (0) 2020.09.13
트리 순회  (0) 2020.09.13
트리(Tree)  (0) 2020.09.13
SMALL

탐색 알고리즘에 DFS와 BFS가 있습니다.


DFS(Depth First Search)

DFS는 깊이우선탐색트리로 불리며, 먼저 들어온 노드를 중심으로 계속 탐색해 나가는 방식입니다.

위의 트리를 탐색하는 순서는 A->B->D->E->C->F->G 순으로 탐색을 합니다.

DFS 구현은 스택을 사용하여 가능하기에, 주로 재귀함수를 사용합니다. 장점은 마지막 방문한 노드의 데이터만 저장하면 되기에 공간이 절약됩니다. 단점은 노드의 깊이가 깊으면 성능이 떨어지고 최단경로가 된다는 보장이 없습니다.


BFS(Breath First Search)

BFS는 넓이우선탐색트리로 불리며, 먼저 들어온 노드가 인접한 노드를 순서대로 탐색해 나가는 방식입니다.
위의 트리를 탐색하는 순서는 A->B->C->D->E->F->G순으로 탐색을 합니다.
BFS 구현은 큐를 사용하여 가능합니다. 장점은 목표노드까지의 최단경로를 보장합니다. 단점은 모든 노드들의 저장할 공간을 요구합니다.


LIST

'전공 > 자료구조' 카테고리의 다른 글

해싱(Hashing)  (0) 2020.09.14
Kruskal, Prim, Sollin 알고리즘  (0) 2020.09.13
트리 순회  (0) 2020.09.13
트리(Tree)  (0) 2020.09.13
선형구조와 비선형구조  (0) 2020.09.13
SMALL

트리 순회에는 4가지가 있다.


전위순회(Preorder Traversal)

VLR이며 ABDECFB순으로 방문한다.

중위순회(Inorder Traversal)

LVR이며 DBEAFCG순으로 방문한다.

후위순회(Postorder Traversal)

LRV이며 DEBFGCA순으로 방문한다.

레벨순회(Levelorder Traversal)

레벨 순으로 ABCDEFG순으로 방문한다.


LIST

'전공 > 자료구조' 카테고리의 다른 글

Kruskal, Prim, Sollin 알고리즘  (0) 2020.09.13
DFS와 BFS  (0) 2020.09.13
트리(Tree)  (0) 2020.09.13
선형구조와 비선형구조  (0) 2020.09.13
연산자 우선순위  (0) 2020.09.01
SMALL

트리는 노드로 이루어진 비선형 자료구조이며 계층적이다.



루트 노드(root node) : 최상위 노드를 의미하며 A가 루트 노드

단말 노드(leaf node) : 자식이 없는 노드를 의미하며 D,E,F가 단말 노드

간선(edge) : 노드 사이 연결해주는 직선을 의미

내부 노드(internal node) : 단말 노드가 아닌 노드를 의미하며 A,B,C가 내부 노드

형제(sibling) : 같은 부모를 가지는 노드를 의미 하며 B와C, D와E가 형제이다.

높이 : 루트노드부터 가장 밑의 노드까지의 깊이를 의미 하며 위의 트리는 level 2이다.

트리의 차수 : 노드 중 가장 많은 자식을 가진 노드의 갯수를 의미하며 위의 트리는 2이다.

LIST

'전공 > 자료구조' 카테고리의 다른 글

DFS와 BFS  (0) 2020.09.13
트리 순회  (0) 2020.09.13
선형구조와 비선형구조  (0) 2020.09.13
연산자 우선순위  (0) 2020.09.01
벨만포드와 다익스트라 알고리즘  (0) 2018.07.04
SMALL

자료구조는 선형구조(Linear)와 비선형구조(Non Linear)이 있습니다.


선형구조는 데이터를 순차적으로 나열시킨 것을 의미합니다.

ex) 스택, 큐, 덱, 배열, 연결리스트


비선형구조는 데이터 뒤에 여러개의 데이터가 존재할 수 있는 것을 의미합니다.

ex) 그래프, 트리

LIST

'전공 > 자료구조' 카테고리의 다른 글

트리 순회  (0) 2020.09.13
트리(Tree)  (0) 2020.09.13
연산자 우선순위  (0) 2020.09.01
벨만포드와 다익스트라 알고리즘  (0) 2018.07.04
스택, 큐, 덱  (0) 2018.05.03
SMALL

백업에는 크게 3가지 종류가 있습니다.


전체 백업(Full Backup)

전체 백업은 데이터 변경 유무랑 상관없이 전체 데이터의 복사본을 만드는 백업 방식입니다.

다른 백업 방식보다 복구가 간편하고, 복구 시간이 적게 소요됩니다.

차등 백업(Differential Backup)

차등 백업은 마지막 전체 백업 후에 변경된 모든 데이터를 백업하는 방식입니다. 
증분 백업보다 복구 시간이 적게 소요되지만 파일 변경될 때마다 파일 크기가 증가하는 단점이 있습니다.

증분 백업(Incremental Backup)

증분 백업은 일정 시간마다 변경된 데이터만 백업하는 방식입니다. 다른 백업보다 복구시간이 오래걸리는 단점이 있지만 파일 양이 적어 빠른 백업이 가능한 장점이 있습니다.

LIST

'전공 > 데이터베이스' 카테고리의 다른 글

스키마(Schema)  (0) 2020.09.15
트리거(Trigger)  (0) 2020.09.15
GRANT 구문  (0) 2020.09.08
이상현상(Anomaly)  (0) 2020.07.13
ETL  (0) 2020.01.30
SMALL

머신러닝 학습방법에는 크게 3개의 지도학습, 비지도학습, 강화학습이 있습니다.


지도학습

지도 학습은 입력에 대한 정답이 있는 것을 활용하여 학습 하는 방법이다.

ex) 5+8= 13, 10+10= 20 등을 학습하고, 1+2 ?의 문제를 해결하는 학습 방법이다.

5+8은 데이터(입력값)이며, 13은 라벨(결과값)이라고 부른다.

지도학습에는 분류(Classification)와 회기(Regression)로 또 나뉜다.

분류(Classification)

분류는 데이터를 정해진 카테고리로 분류한다.
분류 중 이진분류와 다중분류가 있습니다.

이진분류 예시
- 스펨 메일인지 일반 메일인지 yes/no로 구분가능한 것

다중분류 예시
- 호랑이인지 고양이인지 강아지인지 2가지 이상으로 구분가능한 것

회귀(Regression)

데이터들의 특징을 기준으로, 그래프를 예측하는 문제를 의미하며, 트렌드나 경향을 예측할 때 사용
ex) A대학교의 1학년의 평균 토익점수, 4학년의 평균 토익점수, B대학교의 1학년의 평균 토익점수, 4학년의 평균 토익점수 등의 데이터와 결과를 주고, C대학교의 4학년의 평균 토익점수를 예측할 수 있습니다.

비지도학습

비지도학습은 정답(라벨)이 없는 입력값(데이터)들을 군집화하여 예측하는 학습하는 방법이다.
정답이 없기에 데이터로부터 패턴 및 특징을 찾아야 하기때문에 난이도가 있다.
대표적으로 클러스터링이 있습니다. 예를 들어 동물들의 사진들을 나열하고, 어떤동물인지에 대해서는 알려주지 않았기에, 다리가 4개인 동물, 2개인 동물 이런씩으로 분류를 하여 학습을 하는 것이다.


강화학습

강화학습은 자신이 한 행동에 대해 보상을 받으며 학습하는 방법이다.

강화학습은 에이전트, 환경, 상태, 행동, 보상의 개념을 사용한다.
예를 들면, 자율주행에 강화학습을 시키면 다양한 방법으로 목적지로 가는 연습을 해서 상황에 맞게 최적의 경로로 가게 될 것이다.

그리고 강화학습은 디지털 트윈에서 적용을 해야하기에 주목할 필요가 있다.


LIST

'전공 > 인공지능' 카테고리의 다른 글

CNN, RNN  (0) 2021.06.08
데이터분석 프로세스  (0) 2021.06.07
SMALL

현재 세계는 GAFA(구글,아마존,페이스북,애플)와 BATH(바이두,알리바바,텐센트,화웨이) 기업들이 많은 플랫폼과 빅 데이터 기반으로 금융서비스 분야를 확대 중이다.

ex) amazon lending : 전자상거래 정보를 활용하여 소액대출 제공

     facebook libra : 송금,결제 서비스에 활용가능한 암호화폐 추진

     allpay,wechatpay : 온라인 고객 대상으로 결제서비스 제공

 

금융 디지털화의 주요 과제

1. 아날로그 방식의 규제는 디지털금융 시대에 맞는 혁신 촉진의 어려움

2. 다양한 플랫폼 사업자의 진입으로 금융상품 제조와 판매의 분리가 가속화로 인한 금융 플랫폼 종속 우려

3. 제조, 판매의 분리에 따른 책임소재 모호, 정보 유통의 확대로 인한 사생활 침해 및 금융이용자 보호에 대한 우려

4. 금융거래과정의 자동화로 인한 금융시장의 쏠림현상이 심화되고, 비금융 리스크가 금융부문으로 전이되어 금융시장의 불안요인으로 작용 우려

 

금융 디지털화의 과제들의 대안

1. 금융혁신의 디지털화 촉진을 위해 규제 개선작업을 지속해야함

2. 시장 참여자간의 합리적인 경쟁질서를 구축(데이터 공유 원칙도 고려)

3. 금융안정 관점에서도 점검하고 대비

  - 디지털화에 따른 금융시장 리스크 요인을 면밀히 점검, 디지털 부문에 대한 감독 강화 개선책 검토

4. 소비자가 안전하게 디지털 금융의 혜택을 누리게 해야함

  - 정보보호, 금융보안 등이 철저히 지켜지도록 모니터링

5. 사회 전반적에 미치는 영향도 모니터링

  -기존 산업과 우리사회 구성원에 미치는 영향도 짚어보고, 소외계층이 없는지, 적절한 대응방안이 무엇인지도 고민

 

 

금융 디지털화의 궁극적 목표

1. 금융 서비스 혁신에 기여

2. 소비자 편익에 기여

LIST

'전공 > 기타' 카테고리의 다른 글

가상화  (0) 2021.07.08
미들웨어  (0) 2020.10.03
데이터 경제(Data Economy)  (0) 2020.09.10
대안 신용평가  (0) 2020.09.07
공인인증서 폐지  (0) 2020.07.23

+ Recent posts