KR101857630B1

KR101857630B1 - 지능형 징수 관리 시스템 및 지능형 징수 관리 방법

Info

Publication number: KR101857630B1
Application number: KR1020170104015A
Authority: KR
Inventors: 이영도
Original assignee: 이영도
Priority date: 2017-08-17
Filing date: 2017-08-17
Publication date: 2018-05-14

Abstract

본 명세서에서 개시하는 지능형 징수 관리 시스템 및 지능형 징수 관리 방법은 납부자 관련 정보를 수집 및 분석하여 효율적인 납부 통지가능 기술에 관한 것으로, 지능형 징수 관리 시스템은 데이터베이스(10)로부터 납부자의 개인정보와 납부이력 정보를 추출하는 정보 추출부(100)와 상기 추출된 납부자의 납부이력 정보에 근거하여, 납부자의 납부 예상일을 추정하는 납부패턴 분석부(200), 상기 추출된 납부자 개인정보의 변경이 있을 경우, 새로운 납부패턴을 생성하여 상기 납부 예상일을 보정하는 개인정보 분석부(300) 및 상기 납부 예상일에 대응하여 납부자에게 통지하는 통지부(400)를 포함한다.

Description

지능형 징수 관리 시스템 및 지능형 징수 관리 방법{Intelligent collection and management system and method}

본 명세서에서 개시하는 기술은 납부자 관련 정보를 수집 및 분석하여 효율적인 납부 통지를 통한 지능형 징수 관리 시스템 및 지능형 징수 관리 방법 에 관한 것이다.

공과금이나 세금을 효율적으로 부과하고 징수하기 위한 여러 가지 시스템 또는 방법들이 개발되어 왔으며, 최근에는 인터넷이나 모바일을 이용한 시스템도 많이 개발되고 있다.

이러한 시스템들은 공과금의 고지, 수납 및 조회 등의 업무와, 납부자의 관리 업무 등을 효율적으로 처리하도록 설계되어 있다.

일본 공개특허 제2001-142971호에 의하면, 세금 미납자에 대한 데이터를 출력하여 징수 관리하는 납세정보 관리시스템이 제시되어 있으며, 일본 공개특허 제2003-203143에 의하면, 납부 기한 내에 납부를 시행하지 않은 체납자에 대하여 소정 수속이 이루어질 때까지 컴퓨터로 관리를 실행하는 체납자 관리시스템이 제시되어 있다.

또한, 한국 공개특허 제2007-0096568호에 의하면, 휴대폰의 메신저 기능을 통해 납세 고지 및 결재를 실행하는 시스템에 대해 제시하고 있으며, 한국 공개특허 제2009-0002113호에 의하면, 납부자가 공과금을 조회하도록 구성된 공과금 통장 서비스를 제공하는 방법에 대해 제시하고 있다.

그리고 한국 등록특허공보 제10-1422562호(2014.07.24. 공고, “지능형 징수 관리 시스템”)에는 납부자의 인적사항, 주소, 납부 기록, 상담 내용이 저장되어 있는 데이터베이스로부터 납부자의 개인 정보와 납부이력 정보를 추출하는 정보 추출 수단과, 상기 추출된 개인 정보별로 납부자를 그룹화 하는 그룹화 수단과, 그룹화된 각 그룹에 속하는 납부자의 납부이력 정보에 근거하여, 각 그룹에 가중치를 부여하는 가중치 설정 수단과, 납부자 개인의 납부이력 정보와, 납부자가 속한 그룹의 가중치에 근거하여, 납부자의 등급을 결정하는 등급 결정 수단과, 상기 납부자의 등급에 따라 납부통지 방법을 결정하여, 납부자에게 통지하는 납부 통지 수단을 포함하여 이루어짐으로써, 납부자의 정보나 납부 특성 등을 이용하여 체납 발생을 사전에 감소시킬 수 있고, 편리하고 유용한 납부 서비스를 제공할 수 있는 기술이 개시되어 있다.

본 명세서에서 개시하는 지능형 징수 관리 시스템 및 지능형 징수 관리 방법은 납부자의 개인적인 환경변화에 맞추어 효율적인 납부 통지가 가능한 지능형 징수 관리 시스템 및 지능형 징수 관리 방법을 제공하고자 한다.

본 명세서에서 개시하는 지능형 징수 관리 시스템은 데이터베이스(10)로부터 납부자의 개인정보와 납부이력 정보를 추출하는 정보 추출부(100)와 상기 추출된 납부자의 납부이력 정보에 근거하여, 납부자의 납부 예상일을 추정하는 납부패턴 분석부(200), 상기 추출된 납부자 개인정보의 변경이 있을 경우, 새로운 납부패턴을 생성하여 상기 납부 예상일을 보정하는 개인정보 분석부(300) 및 상기 납부 예상일에 대응하여 납부자에게 통지하는 통지부(400)를 포함한다.

상기 납부패턴 분석부(200)는 관리자가 기한을 설정하는 기한 설정부(210) 및 설정된 기한 이내에 납부이력 정보에 포함된 납부일자의 평균 일을 추정하여 납부 예상일로 지정하는 예상일 지정부(220)를 포함한다.

상기 개인정보 분석부(300)는 개인정보가 변경된 항목을 판독하는 정보 변경 판독부(310)와 개인정보가 변경된 경우에는 개인정보가 변경된 시점부터의 납부이력 정보에 근거하여, 변경 납부 예상일을 추정하는 보정 납부패턴 분석부(320) 및 납부 예상일을 변경 납부 예상일로 보정하는 예상일 보정부(330)를 포함한다.

상기 개인정보 분석부(300)는 납부자의 납부이력 정보에 근거하여, 납부일자의 변경을 판독하는 패턴 변경 판독부(340)를 더 포함한다.

상기 개인정보 분석부(300)는 개인정보가 변경된 항목을 판독하는 정보 변경 판독부(310)와 개인정보가 변경된 경우에는 개인정보가 변경된 시점부터의 납부이력 정보에 근거하여, 변경 납부 예상일을 추정하는 보정 납부패턴 분석부(320) 및 개인정보의 변경된 항목과 상기 변경 납부 예상일을 항목별 납부 예상일로 설정하는 항목별 패턴 설정부(350)를 포함하되, 개인정보가 변경된 항목이 항목별 납부 예상일의 항목과 동일한 지를 판독하는 항목 판단부(360)와 개인정보가 변경된 항목이 동일할 경우에 납부 예상일을 변경 납부 예상일로 보정하는 예상일 보정부(330)를 포함한다.

상기 정보 추출부(100)는 데이터베이스(10)로부터 경제지표 정보를 더 추출하며, 경제지표정보에 근거하여, 추가 납부 예상일을 추정하는 경제 반영부(500)를 더 포함한다.

상기 경제 반영부(500)는 추출된 경제지표로부터 경제성장 유/무를 판단하는 성장 판단부(510) 및 경제성장으로 판단되지 않으면, 납부 예상일과 다른 일자의 추가 납부 예상일을 추정하는 추가 납부 예상일 지정부(520)를 포함한다.

상기 지능형 납부 관리 시스템에는 납부자를 그룹화 하는 그룹핑부(600)를 더 포함한다.

상기 그룹화된 각 그룹에 속하는 납부자의 납부이력 정보에 근거하여, 각 그룹에 가중치를 부여하는 가중치 설정부(700)를 더 포함한다.

상기 납부자 개인의 납부이력 정보와, 납부자가 속한 그룹의 가중치에 근거하여, 납부자의 등급을 결정하는 등급 결정부(800)를 더 포함한다.

본 명세서에서 개시하는 지능형 납부 관리 방법은 정보 추출부(100)가 데이터베이스로부터 납부자의 개인 정보와 납부이력 정보를 추출하는 정보 추출 과정(S100)과 납부패턴 분석부(200)가 납부자의 납부이력 정보에 근거하여, 납부자의 납부 예상일을 추정하는 납부패턴 분석 과정(S200), 개인정보 분석부(300)가 납부자의 납부이력정보와 개인정보의 변경에 근거하여, 납부 예상일을 보정하는 개인정보 분석과정(S300) 및 통지부(400)가 보정된 납부 예상일에 대응하여 납부자에게 통지하는 납부 통지 과정(S400)을 포함한다.

상기 개인정보 분석과정(S300)은 정보 변경 판독부(310)가 개인정보가 변경된 항목을 판독하는 정보 변경 판독과정(S310)과 보정 납부패턴 분석부(320)가 개인정보가 변경된 경우에는 개인정보가 변경된 시점부터의 납부이력 정보에 근거하여, 변경 납부 예상일을 추정하는 보정 납부패턴 분석과정(S320) 및 예상일 보정부(330)가 납부 예상일을 변경 납부 예상일로 보정하는 예상일 보정과정(S330)을 포함한다.

상기 정보 추출부(100)가 데이터베이스(10)로부터 경제지표정보를 추출하고, 경제지표 분석부(500)가 경제지표정보에 근거하여, 추가 통지를 결정하는 경제지표 분석과정(S500)을 더 포함한다.

상기 그룹핑부(500)가 추출한 개인 정보별로 납부자를 그룹화 하는 그룹화 과정(S600)을 더 포함한다.

지능형 징수 관리 시스템 및 지능형 징수 관리 방법은 납부자의 납부 패턴을 분석하고 이에 따라 납부 예상일을 추정하며, 추정된 납부 예상일을 납부자의 개인정보의 변화에 대응하여 납부 예상일을 보정하여 납부 통지가 진행됨으로써, 납부자의 개인사정에 대응하는 일자에 납부통지가 이루지는 바, 납부자의 세금납부에 대한 편의성이 증대되어 체납 발생이 감소될 수 있는 효과가 있다.

지능형 징수 관리 시스템 및 지능형 징수 관리 방법은 개인정보 분석부의 패턴 변경 판독부와 항목별 패턴설정부 및 항목 판단부를 통해서 납부자의 개인정보 변경에 실시간으로 대응할 수 있는바, 납부자의 개인사정에 대응하는 최적의 날짜에 납부통지를 진행할 수 있는 효과가 있다.

지능형 징수 관리 시스템 및 지능형 징수 관리 방법은 경제 반영부를 통해서 납부자의 예상 납부일 이전에 경제성장도에 따라서 추가적인 납부통지를 진행함으로써, 경제상황이 나빠짐에도 불구하고 평소의 소비패턴에 맞추어 납부하여야 하는 비용을 소진하기 이전에 납부를 독려할 수 있는 효과가 있다.

지능형 징수 관리 시스템 및 지능형 징수 관리 방법은 납부자의 개인 정보별로 납부자를 그룹화하고, 그룹별로 납부 특성을 분석함으로써, 납부자 개인의 납부 특성뿐만 아니라 주변 환경 요소까지 포함한 납부 특성을 얻을 수 있다. 따라서 더욱 효율적인 납부 통지 방법이나 체납 방지 방법을 설계하고 실현할 수 있다.

지능형 징수 관리 시스템 및 지능형 징수 관리 방법은 납부자의 납부 특성과 상기 그룹별 납부 특성을 이용하여 납부자의 등급을 설정함으로써, 등급의 신뢰성을 높일 수 있고, 이러한 등급을 이용함으로써 납부자를 더욱 용이하게 관리할 수 있다.

도 1은 일 실시 예에 따른 지능형 징수 관리 시스템의 구성을 개략적으로 나타낸 블록도이다.
도 2는 일 실시 예에 따른 개인정보 분석부를 개략적으로 나타낸 블럭도이다.
도 3은 다른 일 실시 예에 따른 개인정보 분석부를 개략적으로 나타낸 블럭도이다.
도 4는 일 실시 예에 경제 반영부를 개략적으로 나타낸 블럭도이다.
도 5는 다른 일 실시 예에 따른 지능형 징수 관리 시스템의 구성을 개략적으로 나타낸 블록도이다.
도 6은 일 실시 예에 따른 지능형 징수 관리 방법의 개략적인 흐름도이다.
도 7은 일 실시 예에 따른 납부패턴 분석과정의 개략적인 흐름도이다.
도 8은 일 실시 예에 따른 개인정보 분석과정의 개략적인 흐름도이다.
도 9은 다른 일 실시 예에 따른 개인정보 분석과정의 개략적인 흐름도이다.
도 10은 또 다른 일 실시 예에 따른 개인정보 분석과정의 개략적인 흐름도이다.
도 11은 일 실시 예에 따른 경제 반영과정의 개략적인 흐름도이다.
도 12은 다른 일 실시 예에 따른 지능형 징수 관리 방법의 개략적인 흐름도이다.

본 명세서에서 개시하는 지능형 징수 관리 시스템을 첨부된 도면을 참조하여 대략적으로 설명하면 정보 추출부(100)와 납부패턴 분석부(200), 개인정보 분석부(300) 및 통지부(400)를 포함한다.

상기 납부패턴 분석부(200)는 기한 설정부(210) 및 예상일 지정부(220)를 포함한다.

상기 개인정보 분석부(300)는 정보 변경 판독부(310)와 보정 납부패턴 분석부(320) 및 예상일 보정부(330)를 포함한다.

상기 개인정보 분석부(300)는 패턴 변경 판독부(340)를 더 포함한다.

상기 개인정보 분석부(300)는 항목별 패턴 설정부(350) 및 항목 판단부(360)를 더 포함한다.

상기 지능형 납부 관리 시스템은 경제 반영부(500)를 더 포함한다.

상기 경제 반영부(500)는 성장 판단부(510) 및 추가 납부 예상일 지정부(520)를 포함한다.

상기 지능형 납부 관리 시스템에는 그룹핑부(600)를 더 포함한다.

상기 지능형 납부 관리 시스템에는 가중치 설정부(700)를 더 포함한다.

상기 지능형 납부 관리 시스템에는 등급 결정부(800)를 더 포함한다.

본 명세서에서 개시하는 지능형 징수 관리 방법을 첨부된 도면을 참조하여 대략적으로 설명하면 정보 추출 과정(S100)과 납부패턴 분석 과정(S200), 개인정보 분석과정(S300) 및 납부 통지 과정(S400)을 포함한다.

상기 개인정보 분석과정(S300)은 정보 변경 판독과정(S310)과 보정 납부패턴 분석과정(S320) 및 예상일 보정과정(S330)을 포함한다.

상기 지능형 납부 관리 방법에는 경제지표 분석과정(S500)을 더 포함한다.

상기 지능형 납부 관리 방법에는 그룹화 과정(S600)을 더 포함한다.

이하 본 명세서에서 개시하는 지능형 징수 관리 시스템 및 지능형 징수 관리 방법의 대표적인 실시 예를 통해서 상세하게 설명한다.

일 실시 예에 따른 도 1을 참조한 지능형 징수 관리 시스템은 데이터베이스(10)로부터 납부자의 개인정보와 납부이력 정보를 추출하는 정보 추출부(100)와 상기 추출된 납부자의 납부이력 정보에 근거하여, 납부자의 납부 예상일을 추정하는 납부패턴 분석부(200), 상기 추출된 납부자 개인정보의 변경이 있을 경우, 새로운 납부패턴을 분석하여 상기 납부 예상일을 보정하는 개인정보 분석부(300) 및 상기 납부 예상일에 대응하여 납부자에게 통지하는 통지부(400)를 포함할 수 있다.

본 실시 예에서의 지능형 징수 관리 시스템은 납부자가 납부일이 정해진 금액을 보유하고 있는 상황 등의 개인사정을 납부패턴 분석부(200)와 개인정보 분석부(300)를 통해서 납부 예상일을 추정함으로써, 납부자가 실제로 납부할 수 있는 상황에 근접하여 납부통지가 이루어지도록 한다. 이러한 납부 관리 시스템은 납부자의 개인사정에 맞추어 납부 통지를 함으로써, 미납 확률을 낮출 수 있는 효과가 있다.

상기 정보 추출부(100)는 데이터베이스(10)로부터 납부자의 개인정보와 납부이력 정보를 추출하도록 구성된다. 정보 추출부(100)는 납부자의 개인 정보와 납부이력 정보를 추출한다. 납부자의 개인 정보와 납부이력 정보는 납부자의 인적사항, 주소, 납부 기록, 상담 내용 등이 저장되어 있는 데이터베이스(100)로부터 전문(full text)을 판독하고, 텍스트마이닝(text mining) 기법 등을 이용하여 정보가 추출된다.

상기 개인 정보는 납부자의 성별, 연령, 주소지, 주거형태, 결혼여부(미혼/기혼), 재산 및 소득 현황, 직장정보 등에 관한 정보이며, 상기 납부이력 정보는 납부일, 납부수단, 고지방법, 체납액, 체납일수, 체납빈도, 체납 사유, 납입 현황 등에 관한 정보이다. 여기서, 주거형태는 크게 아파트, 다가구 주택, 다세대 주택 등을 의미하고, 납입 현황은 건강보험료, 국세 등의 납입 현황을 의미한다.

상기 정보 추출부(100)는 GIS(Geographic Informaition System)와 같은 지리 정보 시스템과 연동하여, 정확한 정보를 더 수집 및 추출할 수도 있다. 또한, 추출된 개인 정보와 납부이력 정보는 관리를 용이하게 하기 위해서 분류하고 코드화시킬 수 있다.

상기 납부패턴 분석부(200)는 상기 추출된 납부자의 납부이력 정보에 근거하여, 납부자의 납부 예상일을 추정하도록 구성된다. 납부패턴 분석부(200)는 관리자가 기한을 설정하는 기한 설정부(210)를 포함한다. 납부패턴 분석부(200)는 설정된 기한 이내에 납부이력 정보에 포함된 납부일자의 평균 일을 추정하여 납부 예상일로 지정하는 예상일 지정부(220)를 포함한다.

일례로, 관리자가 최근 3년이라는 기한을 기한 설정부(210)를 통해서 설정하면, 납부자의 최근 3년동안 납부한 일자의 평균 값(날짜)을 추출한다. 추출된 평균 값이 예상일 지정부(220)에 의해서 납부 예상일로 추정되는 것이다.

이러한 납부패턴 분석부(200)는 납부이력을 통해서 납부자가 실제로 납부할 수 있는 상황을 추정하는 것이다.

상기 개인정보 분석부(300)는 상기 추출된 납부자 개인정보의 변경이 있을 경우, 새로운 납부패턴을 분석하여 상기 납부 예상일을 보정하도록 구성된다. 개인정보 분석부(300)는 대략적으로 정보 변경 판독부(310)와 보정 납부패턴 분석부(320) 및 예상일 보정부(330)를 포함할 수 있다.

정보 변경 판독부(310)는 개인정보가 변경된 항목을 판독한다.

보정 납부패턴 분석부(320)는 개인정보가 변경된 경우에는 개인정보가 변경된 시점부터의 납부이력 정보에 근거한 새로운 납부패턴을 생성하여 변경 납부 예상일을 추정한다.

일례로, 납부자의 개인정보가 2017년 3월에 변경이 있을 경우에 2017년 3월부터 현재까지의 납부이력 정보에 근거한 새로운 납부패턴을 생성하고, 새로운 납부패턴에 근거한 평균 납부 일을 변경 납부 예상일로 추정한다.

예상일 보정부(330)는 납부 예상일을 상기 보정 납부패턴 분석부(320)에 의한 변경 납부 예상일로 보정한다.

일례로, 예상일 보정부(330)는 상기에서 설명된 납부패턴 분석부(200)를 통해서 추정된 납부 예상일의 일자를 상기에서 설명된 보정 납부패턴 분석부(320)를 통해서 추정된 변경 납부 예상일의 일자로 변경한다.

이러한 개인정보 분석부(300)는 개인정보의 변경을 납부자의 개인사정으로 추정함으로써, 납부자의 납부일자가 개인사정 즉 개인정보에 따라서 납부 예상일을 실제 납부가 가능한 상황에 근접하게 추정할 수 있는 것이다.

나아가, 정보 변경 판독부(310)를 통해서 납부일의 변동이 일시적인 것인지, 지속될 것인지를 판단할 수도 있다.

상기 통지부(400)는 납부 예상일에 대응하여 납부자에게 통지하도록 구성된다. 통지부(400)는 납부 예상일에 맞추어 모바일과 이메일, 우편 및 방문 등의 방법으로 납부고지서 또는 안내문 등을 통지하는 것이다.

한편, 통지부(400)는 납부패턴 분석부(200)를 통한 납부 예상일에 맞추어 통지할 수 있고, 개인정보 분석부(300)를 통한 보정된 납부 예상일에 맞추어 통지할 수도 있으며, 상기 납부 예상일과 보정된 납부 예상일에 맞추어 반복적으로 통지할 수도 있다.

한편, 상기 정보 변경 판독부(310)와 보정 납부패턴 분석부(320) 및 예상일 보정부(330)로 구성된 개인정보 분석부(300)는 도 2에서와 같이, 패턴 변경 판독부(340)를 더 포함하여 실시 될 수 있다.

패턴 변경 판독부(340)는 납부자의 납부이력 정보에 근거하여, 납부패턴의 변경을 판독한다. 패턴 변경 판독부(340)를 좀 더 상세히 설명하면 납부이력 정보를 근거로 최근에 납부된 납부일자가 납부 예상일과 다른 날에 납부된 것인지를 판독한다.

상기 패턴 변경 판독부(340)를 포함하는 개인정보 분석부(300)의 정보 변경 판독부(310)는 납부패턴이 변경된 경우에 개인정보가 변경된 항목을 판독한다. 보정 납부패턴 분석부(320)는 개인정보가 변경된 경우에는 개인정보가 변경된 시점부터의 납부이력 정보에 근거하여, 변경 납부 예상일을 추정한다. 예상일 보정부(330)는 납부 예상일을 변경 납부 예상일로 보정한다.

상기에서 설명한 개인정보 분석부(300)는 납부자의 납부일자를 실질적으로 영향을 끼치는 개인사정을 우선적으로 추출할 수 있도록 하는 것이다. 이러한 개인정보 분석부(300)는 실질적으로 납부일자의 변경에 영향을 미치는 개인사정을 개인정보로부터 추출할 수 있는바, 더욱 정확한 납부자의 개인사정에 근접한 통지를 진행할 수 있게 한다.

한편, 상기 정보 변경 판독부(310)와 보정 납부패턴 분석부(320) 및 예상일 보정부(330)로 구성된 개인정보 분석부(300)는 도 3에서와 같이, 항목별 패턴 설정부(350) 및 항목 판단부(360)를 더 포함하여 실시 될 수 있다.

항목별 패턴 설정부(350)는 상기에서 설명된 정보 변경 판독부(310)를 통한 개인정보의 변경된 항목과 상기에서 설명된 보정 납부패턴 분석부(320)를 통한 변경 납부 예상일을 항목별 납부 예상일로 설정하여 데이터베이스(10)에 저장한다.

항목 판단부(360)는 개인정보가 변경된 항목이 항목별 납부 예상일의 항목과 동일한 지를 판독한다.

본 실시 예에서의 정보 추출부(100)는 항목별 납부 예상일 정보를 추가적으로 더 추출한다. 예상일 보정부(330)는 개인정보가 변경된 항목이 동일할 경우에 납부 예상일을 변경 납부 예상일로 보정한다.

본 실시 예를 좀 더 상세히 설명하면, 상기에서 설명된 납부패턴 분석부(200)를 통해서 추정된 납부 예상일이 15일인 상태에서 납부자가 20일에 납부를 할 경우, 정보 변경 판독부(310)에 의해서 변경된 개인정보(직장정보)와 납부일자가 판독된다.

그 후, 항목 판단부(360)는 항목별 납부 예상일의 항목과 동일한지를 판독하고, 동일한 개인정보의 항목(직장정보)이 아닐 경우에는 보정 납부패턴 분석부(320)를 통해서 개인정보의 항목(직장정보)이 변경된 날로부터 하여 새로운 납부패턴을 생성하여 변경 납부 예상일을 추정한다.

그 후, 항목별 패턴 설정부(350)는 변경된 개인정보의 항목(직장정보)과 그 항목에 대응하는 변경 납부 예상일을 포함하는 항목별 납부 예상일을 데이터베이스(10)에 저장하고, 예상일 보정부(330)를 통해서 최종적으로 납부 예상일을 보정하게 된다.

한편, 데이터베이스(10)에 직장정보에 관한 항목별 납부 예상일이 저장되어 있을 경우에는 항목 판단부(360)가 저장된 변경 납부 예상일 근거로 예상일 보정부(330)가 납부 예상일을 보정하도록 한다.

상기에서 설명한 항목별 납부 예상일에 포함된 변경 납부 예상일은 20일과 15일의 차이 값인 -5일이 된다. 즉, 변경 납부 예상일은 기존의 납부 예상일에서 5일을 뺀 날이 되는 것이다.

다른 일례로, 변경 납부 예상일은 직장정보의 항목이 변경되면, 그 직장정보에 포함된 급여 일을 기준으로 추정할 수 있다.

상기 항목별 패턴 설정부(350) 및 항목 판단부(360)를 더 포함하는 개인정보 분석부(300)는 변경 납부 예상일을 개인정보의 변경된 항목만으로 간단하게 추정할 수 있는 효과가 있다. 상기 개인정보 분석부(300)는 보정 납부패턴 분석부(320)에 사용되는 납부이력 정보가 충분하지 않더라고 충분히 정확도가 높은 납부 예상일을 추정할 수 있는 효과가 있다.

한편, 상기 패턴 변경 판독부(340)와 항목별 패턴 설정부(350) 및 항목 판단부(360)를 조합하여 실시 할 수도 있다.

다른 일 실시 예에 따른 도 4를 참조한 지능형 징수 관리 시스템은 경제 반영부(500)를 더 포함하여 실시할 수 있다.

경제 반영부(500)는 대략적으로 성장 판단부(510) 및 추가 납부 예상일 지정부(520)를 포함할 수 있다.

성장 판단부(510)는 데이터베이스(10)로부터 추출된 경제지표를 통해서 경제성장 유/무를 판단한다.

일례로, 경제성장률 정보를 제공하는 IMF와 ADB, 한국은행 등의 각종 기관을 통해서 경제성장률 정보를 종합하여 평균적인 성장률을 도출하여 +값일 경우에는 경제성장 가능할 것으로 판단하고, -값일 때에는 경제성장이 불가능할 것으로 판단한다.

나아가, 경제성장률을 특정기간 대의 성장률 대비, 상승 값을 기준으로 판단할 수도 있다.

추가 납부 예상일 지정부(520)는 상기 성장 판단부(510)를 통해서 경제성장으로 판단되지 않으면, 납부 예상일과 다른 일자의 추가 납부 예상일을 추정한다.

본 실시 예에서의 정보 추출부(100)는 데이터베이스(10)로부터 경제지표 정보를 더 추출한다. 물론 데이터베이스(10)에는 IMF와 ADB, 한국은행 등의 각종 기관을 통한 다양한 경제정보들이 저장된다.

이러한 경제 반영부(500)는 납부자의 경제상황을 예측하여 납부를 독려함으로써, 납부자의 경제상황이 나빠지는 상황에서도 사치성 상품을 구매하기 이전에 세금 납부가 먼저 이루어지도록 하는 효과가 있다.

다른 일 실시 예에 따른 도 5를 참조한 지능형 징수 관리 시스템은 그룹핑부(600)를 더 포함하여 실시할 수 있다.

그룹핑부(600)는 정보 추출부(10)에 의해 추출된 개인 정보를 납부자별로 그룹화 된다. 상세하게는 개인정보의 성별, 연령별, 주소지별, 주거형태별, 결혼여부 및 직장별로 납부자를 그룹화 한다. 나아가 납부이력 정보의 동일한 납부일 별로 그룹화 할 수도 있다.

한편, 본 실시 예에서의 상기 통지부(400)는 상기 그룹별로 통지 횟수를 달리 할 수 있다.

상기 그룹핑부(600)를 포함하는 지능형 징수 관리 시스템은 도 5와 같이, 가중치 설정부(700)를 더 포함하여 실시할 수 있다.

가중치 설정부(700)는 상기 그룹화에 의해 생성된 각 그룹에 속하는 납부자의 납부이력 정보에 근거하여, 적절한 가중치를 부여한다. 즉, 각 그룹별로 체납 특성을 분석하고, 그 결과에 따라 가중치를 부여한다.

예를 들어, 그룹화된 주소지별로 납부자의 체납액, 체납일수, 체납빈도를 평균하여, 평균값이 높은 주소지에 대해서는 상대적으로 높은 가중치를 부여하고 평균값이 낮은 주소지에 대해서는 상대적으로 낮은 가중치를 부여할 수 있다. 다른 예로서, 납부자의 체납 사유와 같은 납부이력 정보의 경우에는, 체납을 해결할 가능성이 낮은 사유에 대해서는 상대적으로 높은 가중치를 부여하고 체납을 해결할 가능성이 높은 사유에 대해서는 상대적으로 낮은 가중치를 부여할 수 있다. 이러한 가중치 부여를 위해서 RFM(Recency, Frequency, Monetary) 통계 이론 등을 적용할 수 있다.

이와 같이 가중치를 부여하는 데에 있어서, 납부자의 개인적인 납부 특성뿐만 아니라 거주 환경과 같은 외부 조건도 함께 사용되므로, 더욱 정확하고 세밀하게 납부자의 체납 가능성 등을 판단할 수 있다.

상기 가중치 설정부(700)를 포함하는 지능형 징수 관리 시스템은 도 5와 같이, 등급 결정부(800)를 더 포함하여 실시할 수 있다.

한편, 등급 결정부(800)는 납부자의 납부이력 정보와, 납부자가 속한 그룹의 가중치에 근거하여, 납부자의 등급을 결정한다. 좀 더 상세하게 설명하면, 등급 결정부(800)는 납부이력 정보 중에서 체납액, 체납일수, 체납빈도에 따라 납부자에게 기본 등급점수를 부여하고, 상기 기본 점수에 납부자가 속하는 각각의 그룹의 가중치를 부여하여 납부자의 최종 등급점수를 산출한다. 산출된 최종 등급점수에 따라 납부자의 등급을 결정한다.

납부자의 등급은 필요에 따라 적정한 개수로 설정할 수 있으며, 예를 들어, 낮은 등급은 성실 납세자를 의미하고 높은 등급은 악성 체납자를 의미하는 것으로 설정할 수 있다.

한편, 본 실시 예에서의 상기 통지부(400)는 상기 등급별로 통지 횟수를 달리 할 수 있다.

상기 다양한 실시 예를 통해서 설명한 지능형 징수 관리 시스템은 용이한 설명을 위해서 한정한 것일 뿐, 각 구성요소들을 다양하게 조합하여 실시 될 수 있다.

한편, 입출력 장치를 구비한 하나의 통상적인 서버로 구성될 수도 있고, 이와는 달리 다수의 서버에 분산되어 구성될 수도 있다. 본 실시 예에서는 하나의 서버를 이용한 경우를 나타내었다. 이러한 서버는 데이터베이스(10)와 상시적으로 통신하여, 연속적으로 갱신되는 데이터베이스(10)의 납부자 관련 정보를 판독한다.

본 명세서에서 개시하는 지능형 징수 관리 방법에 대해서 설명한다.

일 실시 예에 따른 도 6을 참조한 지능형 징수 관리 방법은 서버가 데이터베이스(10)로부터 납부자의 개인정보와 납부이력 정보를 추출하는 정보 추출과정(S100)과 서버가 상기 추출된 납부자의 납부이력 정보에 근거하여, 납부자의 납부 예상일을 추정하는 납부패턴 분석과정(S200), 서버가 상기 추출된 납부자 개인정보의 변경이 있을 경우, 새로운 납부패턴을 분석하여 상기 납부 예상일을 보정하는 개인정보 분석과정(S300) 및 서버가 상기 납부 예상일에 대응하여 납부자에게 통지하는 납부 통지과정(S400)를 포함할 수 있다.

상기 정보 추출과정(S100)은 서버의 정보 추출부(100)가 데이터베이스(10)로부터 납부자의 개인정보와 납부이력 정보를 추출하도록 구성된다. 정보 추출과정(S100)은 서버 의 정보 추출부(100)가 납부자의 개인 정보와 납부이력 정보를 데이터베이스(10)로부터 추출한다. 납부자의 개인 정보와 납부이력 정보는 납부자의 인적사항, 주소, 납부 기록, 상담 내용 등이 저장되어 있는 데이터베이스(10)로부터 전문(full text)을 판독하고, 텍스트마이닝(text mining) 기법 등을 이용하여 정보를 추출한다.

상기 납부패턴 분석과정(S200)은 도 7을 참조한 바와 같이, 서버의 납부패턴 분석부(200)가 상기 추출된 납부자의 납부이력 정보에 근거하여, 납부자의 납부 예상일을 추정하도록 구성된다. 납부패턴 분석과정(S200)은 단말기를 통해서 관리자가 기한을 설정하는 기한 설정과정(S210)를 포함한다. 납부패턴 분석과정(S200)은 서버가 설정된 기한 이내에 납부이력 정보에 포함된 납부일자의 평균 일을 추정하여 납부 예상일로 지정하는 예상일 지정과정(S220)를 포함한다.

상기 개인정보 분석과정(S300)은 도 8을 참조한 바와 같이, 서버의 개인정보 분석부(300)가 상기 추출된 납부자 개인정보의 변경이 있을 경우, 새로운 납부패턴을 분석하여 상기 납부 예상일을 보정하도록 구성된다. 개인정보 분석과정(S300)은 대략적으로 정보 변경 판독과정(S310)과 보정 납부패턴 분석과정(S320) 및 예상일 보정과정(S330)을 포함할 수 있다.

정보 변경 판독과정(S310)은 서버의 정보 변경 판독부(310)가 개인정보가 변경된 항목을 판독한다.

보정 납부패턴 분석과정(S320)은 상기 개인정보가 변경된 경우, 서버의 보정 납부패턴 분석부(320)가 개인정보가 변경된 시점부터의 납부이력 정보에 근거한 새로운 납부패턴을 생성하여 변경 납부 예상일을 추정한다.

예상일 보정과정(S330)은 서버의 예상일 보정부(330)가 납부 예상일을 상기 보정 납부패턴 분석과정(S320)에 의한 변경 납부 예상일로 보정한다.

이러한 개인정보 분석과정(S300)은 서버가 개인정보의 변경을 납부자의 개인사정으로 추정함으로써, 납부자의 납부일자가 개인사정 즉 개인정보에 따라서 납부 예상일을 실제 납부가 가능한 상황에 근접하게 추정할 수 있는 것이다.

나아가, 정보 변경 판독과정(S310)를 통해서 납부일의 변동이 일시적인 것인지, 지속될 것인지를 판단할 수도 있다.

상기 납부 통지과정(S400)은 서버의 통지부(400)가 납부 예상일에 대응하여 납부자에게 통지하도록 구성된다. 납부 통지과정(S400)은 납부 예상일에 맞추어 모바일과 이메일, 우편 및 방문 등의 방법으로 납부고지서 또는 안내문 등을 통지하는 것이다.

한편, 납부 통지과정(S400)은 납부패턴 분석과정(S200)를 통한 납부 예상일에 맞추어 통지할 수 있고, 개인정보 분석과정(S300)를 통한 보정된 납부 예상일에 맞추어 통지할 수도 있으며, 상기 납부 예상일과 보정된 납부 예상일에 맞추어 통지할 수도 있다.

상기에서 개시된 일 실시 예에서의 정보 변경 판독과정(S310)과 보정 납부패턴 분석과정(S320) 및 예상일 보정과정(S330)으로 구성된 개인정보 분석과정(S300)은 도 9에서와 같이, 패턴 변경 판독과정(S340)를 더 포함하여 실시 될 수 있다.

패턴 변경 판독과정(S340)은 서버의 패턴 변경 판독부(340)가 납부자의 납부이력 정보에 근거하여, 납부패턴의 변경을 판독한다. 패턴 변경 판독과정(S340)을 좀 더 상세히 설명하면 서버의 패턴 변경 판독부(340)가 개인정보의 납부이력 정보를 근거로 최근에 납부된 납부일자가 납부 예상일과 다른 날에 납부된 것인지를 판독한다.

상기 패턴 변경 판독과정(S340)을 포함하는 개인정보 분석과정(S300)의 정보 변경 판독과정(S310)은 납부패턴이 변경된 경우, 패턴 변경 판독부(340)가 개인정보가 변경된 항목을 판독한다. 보정 납부패턴 분석과정(S320)은 개인정보가 변경된 경우에는 개인정보가 변경된 시점부터의 납부이력 정보에 근거하여, 변경 납부 예상일을 추정한다. 예상일 보정과정(S330)은 납부 예상일을 변경 납부 예상일로 보정한다.

상기에서 설명한 개인정보 분석과정(S300)은 납부자의 납부일자를 실질적으로 영향을 끼치는 개인사정을 우선적으로 추출할 수 있도록 하는 것이다. 이러한 개인정보 분석과정(S300)은 실질적으로 납부일자의 변경에 영향을 미치는 개인사정을 개인정보로부터 추출할 수 있는바, 더욱 정확한 납부자의 개인사정에 근접한 통지를 진행할 수 있게 한다.

상기 정보 변경 판독과정(S310)과 보정 납부패턴 분석과정(S320) 및 예상일 보정과정(S330)으로 구성된 개인정보 분석과정(S300)은 도 10에서와 같이, 항목별 패턴 설정과정(S350) 및 항목 판단과정(S360)를 더 포함하여 실시 될 수 있다.

항목별 패턴 설정과정(S350)은 서버의 항목별 패턴 설정부(350)가 개인정보의 변경된 항목과 상기에서 설명된 보정 납부패턴 분석과정(S320)을 통한 변경 납부 예상일을 항목별 납부 예상일로 설정한다.

항목 판단과정(S360)은 서버의 항목 판단과정(360)이 개인정보가 변경된 항목이 항목별 납부 예상일의 항목과 동일한 지를 판독한다.

본 실시 예에서의 예상일 보정과정(S330)은 개인정보가 변경된 항목이 동일할 경우에 납부 예상일을 변경 납부 예상일로 보정한다.

상기 항목별 패턴 설정과정(S350) 및 항목 판단과정(S360)를 더 포함하는 개인정보 분석과정(S300)은 변경 납부 예상일을 개인정보의 변경된 항목만으로 간단하게 추정할 수 있는 효과가 있다. 상기 개인정보 분석과정(S300)는 보정 납부패턴 분석과정(S320)에 사용되는 납부이력 정보가 충분하지 않더라고 충분히 정확도가 높은 납부 예상일을 추정할 수 있는 효과가 있다.

다른 일 실시 예에 따른 도 11을 참조한 지능형 징수 관리 방법은 경제 반영과정(S500)을 더 포함하여 실시할 수 있다.

경제 반영과정(S500)은 대략적으로 성장 판단과정(S510) 및 추가 납부 예상일 지정과정(S520)를 포함할 수 있다.

성장 판단과정(S510)은 서버의 성장 판단부(510)가 데이터베이스(10)로부터 추출된 경제지표로부터 경제성장 유/무를 판단한다.

추가 납부 예상일 지정과정(S520)은 서버의 납부 예상일 지정부(520)가 상기 성장 판단과정(S510)을 통해서 경제성장으로 판단되지 않으면, 납부 예상일과 다른 일자의 추가 납부 예상일을 추정한다.

본 실시 예에서의 정보 추출과정(S100)은 데이터베이스(10)로부터 경제지표 정보를 더 추출한다. 물론 데이터베이스(10)에는 IMF와 ADB, 한국은행 등의 각종 기관을 통한 다양한 경제정보들이 저장된다.

이러한 경제 반영과정(S500)은 납부자의 경제상황을 예측하여 납부를 독려함으로써, 납부자의 경제상황이 나빠지는 상황에서도 사치성 상품을 구매하기 이전에 세금 납부가 먼저 이루어지도록 하는 효과가 있다.

다른 일 실시 예에 따른 도 12를 참조한 지능형 징수 관리 방법은 그룹핑과정(S600)과 가중치 설정과정(S700) 및 등급 결정과정(S800)을 선택적으로 더 포함하여 실시할 수 있다.

그룹핑과정(S600)은 서버의 그룹핑부(600)가 상기 추출된 개인 정보를 납부자별로 그룹화 한다. 이러한 그룹화는 성별, 연령별, 주소지별, 주거형태별, 결혼여부, 직장정보 별로 실행할 수 있다.

가중치 설정과정(S700)은 서버의 가중치 설정부(700)가 상기 그룹화에 의해 생성된 각 그룹에 속하는 납부자의 납부이력 정보에 근거하여, 적절한 가중치를 부여한다. 즉, 각 그룹별로 체납 특성을 분석하고, 그 결과에 따라 가중치를 부여한다.

등급 결정과정(S800)은 서버의 등급 결정부(800)가 납부자의 납부이력 정보와, 납부자가 속한 그룹의 가중치에 근거하여, 납부자의 등급을 결정한다. 좀 더 상세하게 설명하면, 등급 결정과정(S800)은 납부이력 정보 중에서 체납액, 체납일수, 체납빈도에 따라 납부자에게 기본 등급점수를 부여하고, 상기 기본 점수에 납부자가 속하는 각각의 그룹의 가중치를 부여하여 납부자의 최종 등급점수를 산출한다. 산출된 최종 등급점수에 따라 납부자의 등급을 결정한다.

본 발명은 상기한 바람직한 실시 예와 첨부한 도면을 참조하여 설명되었지만, 본 명세서에서 개시하는 사상 및 범위 내에서 상이한 실시 예를 구성할 수도 있다. 따라서 본 명세서에서 개시하는 범위는 첨부된 청구범위에 의해 정해지며, 본 명세서에 기재된 특정 실시 예에 의해 한정되지 않는 것으로 해석되어야 한다.

10 : 데이터베이스
100 : 정보 추출부
200 : 납부패턴 분석부
210 : 기한 설정부
220 : 예상일 지정부
300 : 개인정보 분석부
310 : 정보 변경 판독부
320 : 보정 납부패턴 분석부
330 : 예상일 보정부
340 : 패턴 변경 판독부
350 : 항목별 패턴 설정부
360 : 항목 판단부
400 : 통지부
500 : 경제 반영부
510 : 성장 판단부
520 : 추가 납부 예상일 지정부
600 : 그룹핑부
700 : 가중치 설정부
800 : 등급 결정부
S100 : 정보 추출 과정
S200 : 납부패턴 분석 과정
S300 : 개인정보 분석과정
S400 : 납부 통지 과정
S500 : 경제 반영과정
S600 : 그룹핑과정
S700 : 가중치 설정과정
S800 : 등급 결정과정

Claims

데이터베이스(10)로부터 납부자의 개인정보와 납부이력 정보를 추출하는 정보 추출부(100);
상기 추출된 납부자의 납부이력 정보에 근거하여, 납부자의 납부 예상일을 추정하는 납부패턴 분석부(200);
상기 추출된 납부자 개인정보의 직장정보에 변경이 있을 경우, 새로운 납부패턴을 생성하여 상기 납부 예상일을 보정하는 개인정보 분석부(300); 및
상기 납부 예상일에 대응하여 납부자에게 통지하는 통지부(400)를 포함하고,
개인정보 분석부(300)는
개인정보가 변경된 항목을 판독하는 정보 변경 판독부(310);
개인정보의 직장정보가 변경된 경우에는 개인정보가 변경된 시점부터의 납부이력 정보에 근거하여, 변경 납부 예상일을 추정하는 보정 납부패턴 분석부(320); 및
납부 예상일을 변경 납부 예상일로 보정하는 예상일 보정부(330)를 포함하며,
정보 추출부(100)는 경제성장률 정보를 제공하는 경제정보들이 저장된 데이터베이스(10)로부터 경제지표 정보를 더 추출하며,
경제지표 정보에 근거하여, 추가 납부 예상일을 추정하는 경제 반영부(500)를 더 포함하되,
경제 반영부(500)는
추출된 경제지표로부터 경제성장 유/무를 판단하는 성장 판단부(510); 및
경제성장으로 판단되지 않으면, 납부 예상일과 다른 일자의 추가 납부 예상일을 추정하는 추가 납부 예상일 지정부(520)를 포함하여,
개인정보의 변경을 납부자의 개인사정으로 추정함으로써, 납부자의 납부일자가 개인사정에 맞추어 납부 예상일을 실제 납부가 가능한 상황에 근접하게 추정할 수 있는 지능형 징수 관리 시스템.
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제