이미나 렌딧 홍보총괄
![[발언대] P2P금융 살리는 엔지니어 파워](http://contents.dt.co.kr/images/201708/2017083102102269047001[1].jpg "[발언대] P2P금융 살리는 엔지니어 파워")
지난 8월10일, 삼성동 구글 캠퍼스서울에는 평일 저녁 시간임에도 100명이 넘는 개발자들이 모여 들었다. 렌딧, 코빗, NBT, 샌드버드 등 성장세가 큰 스타트업 12개사가 참여한 개발자 채용 행사인 '캠퍼스 리쿠르팅데이'가 열렸기 때문이다.
P2P금융기업에서 엔지니어 채용은 굉장히 중요한 일이다. P2P금융은 자금이 필요한 쪽과 자금을 빌려 주는 쪽이 만나는 장을 만들어 주는 플랫폼 사업이다. 특히 렌딧처럼 개인신용대출을 취급하는 경우, 대출 고객 모집, 대출 고객에 대한 신용평가, 투자 고객 모집 등 전 과정이 온라인에서 이뤄진다. 따라서 대출을 받을 수 있는 사람을 정확하게 심사하고 그 사람의 신용도에 적합한 적정금리를 산출해 내는 과정이 매우 중요하다.
렌딧은 약 250여 가지의 금융 데이터로 대출 심사를 진행한다. 투자도 3가지의 분산 투자 포트폴리오를 추천해 주는데, 추천 알고리듬에 의해 전 과정이 자동화돼 있다.
P2P금융회사는 은행보다 더 많은 금융 정보를 토대로 훨씬 더 세밀하고 정교하게 대출 신청 고객을 분석해 내야 한다. 고신용자를 대상으로 대출을 하는 은행이나 신용등급이 낮아도 고금리 대출을 하는 제2금융권과 달리, 모든 대출자들에게 개인화된 적정금리를 산출해 내야 하기 때문이다.
또한 다수의 대출자와 투자자를 실시간으로 연결하려면 데이터 간의 연결 고리가 더 복잡해진다. 통계학적인 접근을 넘어 빅데이터를 분석하는 머신러닝 전문가가 반드시 필요한 분야다.
최근 렌딧은 창업 후 27개월 간 축적된 대출 데이터를 토대로 심사평가모델을 고도화 하는 작업을 하고 있다. 규모와 팀의 퀄리티가 지속적으로 발전하고 있다. 시장도 고퀄리티의 기술을 요하고 있다.
투자자들을 위한 분산투자 추천 알고리듬도 축적 데이터를 업데이트하는 중이다. 이처럼 외부 접근이 어려운 금융 관련 대용량 데이터를 다룰 수 있다는 점은 엔지니어들에게 매력적인 부분이다.
"그러니 엔지니어 여러분, 우리 함께 260조원 개인신용대출 시장을 혁신해 봐요"
[ 저작권자 ⓒ디지털타임스, 무단 전재 및 재배포 금지 ]
