KR102484472B1 - 서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치 - Google Patents

서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치 Download PDF

Info

Publication number
KR102484472B1
KR102484472B1 KR1020210144294A KR20210144294A KR102484472B1 KR 102484472 B1 KR102484472 B1 KR 102484472B1 KR 1020210144294 A KR1020210144294 A KR 1020210144294A KR 20210144294 A KR20210144294 A KR 20210144294A KR 102484472 B1 KR102484472 B1 KR 102484472B1
Authority
KR
South Korea
Prior art keywords
data
product
seller
financial
group
Prior art date
Application number
KR1020210144294A
Other languages
English (en)
Inventor
강정석
Original Assignee
주식회사 에이젠글로벌
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 에이젠글로벌 filed Critical 주식회사 에이젠글로벌
Priority to KR1020210144294A priority Critical patent/KR102484472B1/ko
Priority to KR1020220165682A priority patent/KR20230060485A/ko
Application granted granted Critical
Publication of KR102484472B1 publication Critical patent/KR102484472B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Technology Law (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법은 판매자 금융 데이터 입력부가 판매자 금융 데이터를 수신하는 단계, 제1 금융 리스크 결정부가 금융 서비스 참조 데이터를 기반으로 제1 금융 리스크 요소를 결정하는 단계, 제2 금융 리스크 결정부가 금융 서비스 참조 데이터를 기반으로 제2 금융 리스크 요소를 결정하는 단계와 금융 리스크 결정부가 제1 금융 리스크 요소 및 제2 금융 서비스 요소 및 판매자 금융 데이터를 기반으로 금융 리스크를 결정하는 단계를 포함할 수 있다.

Description

서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치{Method for determining financial risk based on supply chain data and apparatus for performing the method}
본 발명은 서플라이 체인 데이터 기반으로 한 금융 리스크 측정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 보다 상세하게는 서플라이 체인 상에서 발생하는 데이터를 기반으로 금융 서비스를 제공하기 위한 서플라이 체인 데이터 기반으로 한 금융 리스크 측정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치에 관한 것이다.
전세계의 경제 시스템이 오프라인 경제에서 점차 온라인 경제로 변화하고 있다. 한국 시장도 예외가 아니어서, 이커머스 시장이 2020년 160조원 규모로 매년 20% 이상씩 성장하고 있다. 이커머스 시장에서 물건을 판매하는 셀러(또는 판매자)들은 물건을 구입하고, 창고에 보유하고 있다가 주문이 들어오면 배송업체를 통하여 고객에게까지 물건이 공급되는 비지니스 사이클을 갖고 있다. 자금의 수요는 전 서플라이 체인에 걸쳐서 순간 순간 일어나는 구조이지만, 현재는 서플라이 체인을 고려한 금융 서비스가 제공되고 있지 않은 상황이다. 금융 서비스가 서플라이 체인을 고려하여 이루어진다고 하더라도 아주 일부의 서플라이 체인 상에서 확실하게 담보를 가져갈 수 있는 부분인 매출 채권이 양도가 되는 범위에서 제한적으로 공급되고 있는 상황이다.
따라서, 현재 셀러들은 서플라이 체인 상의 데이터가 아닌 정보를 기반으로 금융 서비스를 제공받는다. 개인사업자는 개인에 대한 소득 및 부채 및 연체 기록으로 한 신용 정보를 기반으로 금융 서비스를 제공받는다. 또는 법인 사업자는 상장사와 외감법인의 수준이 아닌 경우, 부가세 및 회계 정보에 의존해서 금융 서비스를 제공받는다. 현재 금융 서비스 제공 방식은 셀러들의 사업 운영 과정에서 발생하는 다양한 금융 수요를 충족시키는데는 한계를 가진다. 따라서, 서플라이 체인 상에서 생성되는 셀러들의 상품의 구입, 재고 유지기간, 매출 회전율, 반품 정보, 거래하고 있는 이커머스의 수 등과 같은 수많은 서플라이 체인 상의 데이터를 고려하여 이커머스 시장 상의 판매자들을 대상으로 한 금융 서비스를 제공하기 위한 방법에 대한 연구가 필요하다.
본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은, 서플라이 체인 상에서 발생되는 서플라이 체인 데이터를 기반으로 다양한 금융 서비스를 제공하기 위한 금융 리스크를 분석하는 것을 목적으로 한다.
또한, 본 발명은, 서플라이 체인 상에서 발생되는 서플라이 체인 데이터를 기반으로 판매자, 판매자 그룹, 상품, 상품 그룹의 특성을 고려하여 보다 다양한 금융 서비스를 보다 좋은 조건으로 판매자에게 제공하기 위해 금융 리스크를 분석하는 것을 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 실시예에 따르면, 서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법은 판매자 금융 데이터 입력부가 판매자 금융 데이터를 수신하는 단계, 제1 금융 리스크 결정부가 금융 서비스 참조 데이터를 기반으로 제1 금융 리스크 요소를 결정하는 단계, 제2 금융 리스크 결정부가 상기 금융 서비스 참조 데이터를 기반으로 제2 금융 리스크 요소를 결정하는 단계와 금융 리스크 결정부가 상기 제1 금융 리스크 요소 및 상기 제2 금융 서비스 요소 및 상기 판매자 금융 데이터를 기반으로 금융 리스크를 결정하는 단계를 포함할 수 있다.
한편, 상기 금융 서비스 참조 데이터는 서플라이 체인 데이터를 기반으로 생성된 판매자 판매 변화 데이터, 판매자 그룹 판매 변화 데이터, 상품 그룹 판매 변화 데이터 또는 상품 판매 변화 데이터를 포함하고,
상기 제1 금융 리스크 요소는 현재 시점을 기준으로 상기 금융 서비스 참조 데이터를 기반으로 결정된 금융 리스크이고, 상기 제2 금융 리스크 요소는 상기 금융 서비스 참조 데이터를 기반으로 예측된 미래의 금융 리스크이고, 상기 제1 금융 리스크 요소는 제1 금융 리스크 요소(판매자), 제1 금융 리스크 요소(상품)을 포함하고, 상기 제2 금융 리스크 요소는 제2 금융 리스크 요소(판매자), 제2 금융 리스크 요소(상품)을 포함하고, 제1 금융 리스크 요소(판매자) 및 제2 금융 리스크 요소(판매자)는 상기 판매자 판매 변화 데이터, 상기 판매자 그룹 판매 변화 데이터를 기반으로 결정되고, 제1 금융 리스크 요소(상품) 및 제2 금융 리스크 요소(상품)은 상기 상품 판매 변화 데이터 및 상기 상품 그룹 판매 변화 데이터를 기반으로 결정될 수 있다.
또한, 상기 제1 금융 리스크 요소(판매자)는 제1 금융 리스크 요소(판매자) 결정 요소1, 제1 금융 리스크 요소(판매자) 결정 요소2 및 제1 금융 리스크 요소(판매자) 결정 요소3을 기반으로 결정되고, 상기 제1 금융 리스크 요소(판매자) 결정 요소1은 상기 판매자 판매 변화 데이터를 기반으로 결정되고, 상기 제1 금융 리스크 요소(판매자) 결정 요소2는 상기 판매자 그룹 판매 변화 데이터를 기반으로 결정되고, 상기 제1 금융 리스크 요소(판매자) 결정 요소3은 상기 판매자 판매 변화 데이터 및 판매자 그룹 판매 변화 데이터를 기반으로 결정되고, 제1 금융 리스크 요소(상품)는 제1 금융 리스크 요소(상품) 결정 요소1, 제1 금융 리스크 요소(상품) 결정 요소2 및 제1 금융 리스크 요소(상품) 결정 요소3을 기반으로 결정되고, 제1 금융 리스크 요소(상품) 결정 요소1은 상기 상품 판매 변화 데이터를 기반으로 결정되고, 제1 금융 리스크 요소(상품) 결정 요소2는 상기 상품 그룹 판매 변화 데이터를 기반으로 결정되고, 상기 제1 금융 리스크 요소(상품) 결정 요소3은 상기 상품 판매 변화 데이터 및 상품 그룹 판매 변화 데이터를 기반으로 결정될 수 있다.
본 발명의 다른 실시예에 따르면, 서플라이 체인 데이터 기반으로 한 금융 리스크 결정하는 금융 리스크 결정 장치는 금융 데이터 입력부가 판매자 금융 데이터를 수신하도록 구현된 판매자 금융 데이터 입력부, 금융 서비스 참조 데이터를 기반으로 제1 금융 리스크 요소를 결정하도록 구현된 제1 금융 리스크 결정부, 상기 금융 서비스 참조 데이터를 기반으로 제2 금융 리스크 요소를 결정하도록 구현된 제2 금융 리스크 결정부와 상기 제1 금융 리스크 요소 및 상기 제2 금융 서비스 요소 및 상기 판매자 금융 데이터를 기반으로 금융 리스크를 결정하도록 구현된 금융 리스크 결정부를 포함할 수 있다.
한편, 상기 금융 서비스 참조 데이터는 서플라이 체인 데이터를 기반으로 생성된 판매자 판매 변화 데이터, 판매자 그룹 판매 변화 데이터, 상품 그룹 판매 변화 데이터 또는 상품 판매 변화 데이터를 포함하고, 상기 제1 금융 리스크 요소는 현재 시점을 기준으로 상기 금융 서비스 참조 데이터를 기반으로 결정된 금융 리스크이고, 상기 제2 금융 리스크 요소는 상기 금융 서비스 참조 데이터를 기반으로 예측된 미래의 금융 리스크이고, 상기 제1 금융 리스크 요소는 제1 금융 리스크 요소(판매자), 제1 금융 리스크 요소(상품)을 포함하고, 상기 제2 금융 리스크 요소는 제2 금융 리스크 요소(판매자), 제2 금융 리스크 요소(상품)을 포함하고, 제1 금융 리스크 요소(판매자) 및 제2 금융 리스크 요소(판매자)는 상기 판매자 판매 변화 데이터, 상기 판매자 그룹 판매 변화 데이터를 기반으로 결정되고, 제1 금융 리스크 요소(상품) 및 제2 금융 리스크 요소(상품)은 상기 상품 판매 변화 데이터 및 상기 상품 그룹 판매 변화 데이터를 기반으로 결정될 수 있다.
또한, 상기 제1 금융 리스크 요소(판매자)는 제1 금융 리스크 요소(판매자) 결정 요소1, 제1 금융 리스크 요소(판매자) 결정 요소2 및 제1 금융 리스크 요소(판매자) 결정 요소3을 기반으로 결정되고, 상기 제1 금융 리스크 요소(판매자) 결정 요소1은 상기 판매자 판매 변화 데이터를 기반으로 결정되고, 상기 제1 금융 리스크 요소(판매자) 결정 요소2는 상기 판매자 그룹 판매 변화 데이터를 기반으로 결정되고, 상기 제1 금융 리스크 요소(판매자) 결정 요소3은 상기 판매자 판매 변화 데이터 및 판매자 그룹 판매 변화 데이터를 기반으로 결정되고, 제1 금융 리스크 요소(상품)는 제1 금융 리스크 요소(상품) 결정 요소1, 제1 금융 리스크 요소(상품) 결정 요소2 및 제1 금융 리스크 요소(상품) 결정 요소3을 기반으로 결정되고, 제1 금융 리스크 요소(상품) 결정 요소1은 상기 상품 판매 변화 데이터를 기반으로 결정되고, 제1 금융 리스크 요소(상품) 결정 요소2는 상기 상품 그룹 판매 변화 데이터를 기반으로 결정되고, 상기 제1 금융 리스크 요소(상품) 결정 요소3은 상기 상품 판매 변화 데이터 및 상품 그룹 판매 변화 데이터를 기반으로 결정될 수 있다.
본 발명에 의하면, 서플라이 체인 상에서 발생되는 서플라이 체인 데이터를 기반으로 다양한 금융 서비스를 제공하기 위한 금융 리스크가 분석될 수 있다.
또한, 본 발명에 의하면, 서플라이 체인 상에서 발생되는 서플라이 체인 데이터를 기반으로 판매자, 판매자 그룹, 상품, 상품 그룹의 특성을 고려하여 보다 다양한 금융 서비스를 보다 좋은 조건으로 판매자에게 제공하기 위해 금융 리스크가 분석될 수 있다.
도 1은 본 발명의 실시예에 따른 서플라이 체인 데이터 관리 장치를 나타낸 개념도이다.
도 2는 본 발명의 실시예에 따른 서플라이 체인 데이터 수집부의 동작을 나타낸 개념도이다.
도 3은 본 발명의 실시예에 따른 서플라이 체인 데이터 수집부의 동작을 나타낸 개념도이다.
도 4는 본 발명의 실시예에 따른 서플라이 체인 데이터 처리부의 동작을 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 금융 서비스 참조 데이터를 생성하는 방법을 나타낸 개념도이다.
도 6은 본 발명의 실시예에 따른 금융 서비스 참조 데이터를 생성하는 방법을 나타낸 개념도이다.
도 7은 본 발명의 실시예에 따른 금융 서비스 참조 데이터를 생성하는 방법을 나타낸 개념도이다.
도 8은 본 발명의 실시예에 따른 금융 서비스 참조 데이터를 생성하는 방법을 나타낸 개념도이다.
도 9는 본 발명의 실시예에 따른 금융 서비스 참조 데이터를 생성하는 방법을 나타낸 개념도이다.
도 10 및 도 11은 본 발명의 실시예에 따른 서플라이 체인 데이터를 기반으로 금융 리스크를 분석하는 방법을 나타낸 개념도이다.
도 12는 본 발명의 실시예에 따른 서플라이 체인 데이터를 기반으로 금융 리스크를 결정하는 방법을 나타낸 개념도이다.
도 13은 본 발명의 실시예에 따른 금융 리스크 결정 장치가 개시된다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여 지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 서플라이 체인 데이터 관리 장치를 나타낸 개념도이다.
도 1에서는 서플라이 체인 상에서 발생되는 서플라이 체인 데이터에 대한 수집, 처리 및 관리를 위한 서플라이 체인 데이터 관리 장치가 개시된다.
도 1을 참조하면, 서플라이 체인 데이터 관리 장치는 서플라이 체인 데이터 수집부(100), 서플라이 체인 데이터 처리부(110), 서플라이 체인 데이터 관리부(120) 및 프로세서(130)를 포함할 수 있다.
서플라이 체인 데이터 수집부(100)는 서플라이 체인 상에서 발생되는 서플라이 체인 데이터(150)를 수집하기 위해 구현될 수 있다. 서플라이 체인 데이터(150)는 판매자의 상품을 생산, 제조 또는 구매시 발생되는 데이터, 상품을 물류 창고에 재고로 보관시 발생되는 데이터, 물류 창고 상의 상품을 구매자에게 유통시 발생되는 데이터 등을 포함할 수 있다.
서플라이 체인 데이터는 데이터 생성 주체에 따라 다르게 구분될 수 있다. 판매자의 판매를 위한 상품의 생산, 제조 또는 구매시 발생되는 데이터는 제1 서플라이 체인 데이터(160), 상품을 물류 창고에 재고로서 보관시 발생되는 데이터는 제2 서플라이 체인 데이터(170), 물류 창고 상의 상품을 구매자에게 유통시 발생되는 데이터는 제3 서플라이 체인 데이터(180)라는 용어로 표현될 수 있다. 서플라이 체인 데이터 수집부(100)는 제1 서플라이 체인 데이터(160), 제2 서플라이 체인 데이터(170) 및 제3 서플라이 체인 데이터(180)를 수집할 수 있다.
서플라이 체인 데이터 수집부(100)는 복수의 판매자 각각의 서플라이 체인 데이터(150)를 수집할 수 있다. 서플라이 체인 데이터 수집부(100)는 주기적/비주기적 또는 이벤트 발생시 복수의 판매자 각각과 관련된 서플라이 체인 데이터(150)를 수집할 수 있다.
또한, 서플라이 체인 데이터 수집부(100)는 금융 서비스를 위한 외부 데이터를 수집할 수도 있다. 예를 들어, 상품 가격 데이터, 상품 평가 데이터 등과 같은 판매자에게 금융 서비스를 제공하기 위해 서플라이 체인 외에서 수집될 수 있는 외부 데이터에 대한 수집도 수행할 수 있다.
서플라이 체인 데이터 처리부(110)는 수집된 서플라이 체인 데이터(150)에 대한 전처리를 위해 구현될 수 있다. 서플라이 체인 데이터 처리부(110)는 수집된 서플라이 체인 데이터(150)를 금융 서비스를 위한 금융 서비스 참조 데이터(190)로서 처리하기 위해 구현될 수 있다.
서플라이 체인 데이터 처리부(110)는 서플라이 체인 데이터(150) 중 금융 서비스를 위해 활용 가능한 데이터를 필터링하여 금융 서비스 참조 데이터(190)를 결정할 수 있다. 예를 들어, 서플라이 체인 데이터 처리부(110)는 수집된 서플라이 체인 데이터(150) 중에서 변화된 서플라이 체인 데이터(150)를 1차 필터링하여 추출하고, 변화된 서플라이 체인 데이터(150)를 2차 필터링하여 판매자의 금융 서비스에 변화를 줄 수 있는 금융 서비스 참조 데이터(190)를 결정할 수 있다.
예를 들어, 서플라이 체인 데이터(150) 중에서 상품이 판매되어 구매자에게 배송되는 경우, 제2 서플라이 체인 데이터(160)에 변화가 발생될 수 있고, 제2 서플라이 체인 데이터(160)의 변화를 기반으로 판매자의 대출 가능 금액이 증가되거나 판매자의 대출 금리가 감소될 수 있다. 제2 서플라이 체인 데이터(160)와 같은 판매자의 금융 서비스에 변화를 줄 수 있는 데이터는 금융 서비스 참조 데이터(190)로 결정될 수 있다. 금융 서비스 참조 데이터(190)는 금융 서비스 장치로 제공되어 금융 서비스 장치가 판매자를 대상으로 한 금융 서비스를 제공하기 위해 사용될 수 있다.
또한, 서플라이 체인 데이터 처리부(110)는 서플라이 체인 데이터(150)를 분류할 수 있다. 분류된 서플라이 체인 데이터(150)는 판매자에게 금융 서비스를 제공하기 위해 구현될 수 있다. 예를 들어, 유사한 상품을 판매하는 판매자들에 대한 카테고리화를 통해 판매자 카테고리에서 발생되는 서플라이 체인 데이터(150)를 분석하여 판매자들의 등급을 분류하거나, 상품 판매 추이에 대한 분석을 수행하여 차별화된 금융 서비스를 제공할 수도 있다. 이러한 서플라이 체인 데이터(150)도 금융 서비스 참조 데이터(180)로서 금융 서비스 장치로 제공될 수 있다.
서플라이 체인 데이터 관리부(120)는 서플라이 체인 데이터(150)의 관리를 위해 구현될 수 있다. 예를 들어, 서플라이 체인 데이터 관리부(120)는 서플라이 체인 데이터(150) 중 임계 유효 기간이 지나서 필요없는 서플라이 체인 데이터(150)에 대한 삭제를 진행할 수 있다. 또한, 서플라이 체인 데이터 관리부(120)는 서플라이 체인 데이터(150)의 수집에 대한 관리를 위해 구현될 수 있다. 예를 들어, 서플라이 체인 데이터 관리부(120)는 판매자별 서플라이 체인 데이터(150)의 변화, 서플라이 체인 데이터(150)의 이벤트 발생 여부를 판단한 서플라이 체인 데이터(150)의 수집, 서플라이 체인 데이터(150)의 수집 주기 등에 대한 관리를 수행할 수 있다.
프로세서(130)는 서플라이 체인 데이터 수집부(100), 서플라이 체인 데이터 처리부(110), 서플라이 체인 데이터 관리부(120)의 동작을 제어하기 위해 구현될 수 있다.
도 2는 본 발명의 실시예에 따른 서플라이 체인 데이터 수집부의 동작을 나타낸 개념도이다.
도 2에서는 서플라이 체인 데이터 수집부에서 서플라이 체인 데이터를 수집하는 동작이 개시된다.
도 2를 참조하면, 서플라이 체인 데이터 수집부(200)는 복수의 판매자 장치(220), 복수의 물류 장치(260), 복수의 유통 장치(240)와 연결될 수 있다.
판매자 장치(220)는 판매자의 장치로서 판매자의 상품을 생산, 제조 또는 구매시 발생되는 제1 서플라이 체인 데이터(225)를 서플라이 체인 데이터 수집부(200)로 전송할 수 있다.
물류 장치(260)는 물류 창고 서비스 또는 풀필먼트 서비스(fulfillment service)를 제공하는 주체의 장치로서 물류 창고 서비스 또는 풀필먼트 서비스를 제공시 발생되는 제2 서플라이 체인 데이터(265)를 서플라이 체인 데이터 수집부(200)로 전송할 수 있다.
유통 장치(240)는 판매자의 상품을 구매자에게 유통하는 주체의 장치로서 유통 서비스를 제공시 발생되는 제3 서플라이 체인 데이터(245)를 서플라이 체인 데이터 수집부(200)로 전송할 수 있다.
제1 서플라이 체인 데이터(225)는 제1 식별 데이터, 제2 식별 데이터 및 상품 데이터 를 포함할 수 있다.
제1 식별 데이터는 판매자를 개별적으로 식별하기 위한 판매자 식별 데이터와 판매자의 그룹을 식별하기 위한 판매자 그룹 식별 데이터를 포함할 수 있다. 판매자 그룹은 판매자를 포함하는 그룹으로서 판매자 그룹은 판매자의 판매 상품, 판매 매체(상품을 판매하는 온라인 매체, 오프라인 매장), 판매 규모 등과 같은 판매자 특성을 기반으로 결정될 수 있다.
제2 식별 데이터는 상품을 개별적으로 식별하기 위한 상품 식별 데이터와 상품의 그룹을 식별하기 위한 상품 그룹 식별 데이터를 포함할 수 있다. 상품 그룹은 판매자를 포함하는 그룹으로서 상품 그룹은 상품의 상위 카테고리(예를 들어, TV인 경우, 가전)를 기반으로 결정될 수 있다.
상품 데이터는 판매자의 판매를 위해 생산, 제조 또는 구매된 상품의 개수, 상품 원가, 상품 판매 가격 등과 같은 상품에 대한 데이터를 포함할 수 있다.
제2 서플라이 체인 데이터(265)는 제1 서플라이 체인 데이터(225)에 물류 데이터를 추가한 데이터일 수 있다. 물류 데이터는 물류 창고 위치 데이터, 물류 창고 입고 시간 데이터, 물류 창고 출고 시간 데이터, 물류 창고 보관 가능 기간 데이터 등과 같은 물류에 관련된 데이터를 포함할 수 있다. 제2 서플라이 체인 데이터(265)는 제1 서플라이 체인 데이터(225)를 포함하여 특정 상품이 어떠한 물류 창고에 언제 입고되었고, 물류 창고에서 언제 출고되었는지에 대한 데이터를 포함할 수 있다.
제3 서플라이 체인 데이터(245)는 제2 서플라이 체인 데이터(265)에 유통 데이터를 추가한 데이터일 수 있다. 유통 데이터는 상품 판매 시점 데이터, 상품 포장 및 상품 배송 시점 데이터, 상품 반품 데이터 등과 같은 상품 유통에 대한 데이터를 포함할 수 있다.
제1 서플라이 체인 데이터(225), 제2 서플라이 체인 데이터(265) 및 제3 서플라이 체인 데이터(245) 중 일부의 데이터의 경우 검증 이후 생성되도록 설정될 수 있다. 제1 서플라이 체인 데이터(225)의 경우, 금융 서비스를 제공받는 판매자에 의해 데이터 왜곡이 발생될 수 있으므로, 제1 서플라이 체인 데이터(225)의 경우, 판매자 외의 외부 데이터(외부 감사 서버)의 검증 이후 생성되도록 설정될 수도 있다.
도 3은 본 발명의 실시예에 따른 서플라이 체인 데이터 수집부의 동작을 나타낸 개념도이다.
도 3에서는 서플라이 체인 데이터 수집부에서 복수의 판매자들 각각의 데이터를 수집하기 위한 방법이 개시된다.
도 3을 참조하면, 서플라이 체인 데이터 수집부는 이벤트 발생시 제1 서플라이 체인 데이터(310), 제2 서플라이 체인 데이터(320) 및 제3 서플라이 체인 데이터(330)를 수집할 수 있다.
복수의 판매자 장치, 복수의 물류 장치, 복수의 유통 장치 각각에서 이벤트가 발생되는 경우, 이벤트는 제1 서플라이 체인 데이터(310), 제2 서플라이 체인 데이터(320) 및 제3 서플라이 체인 데이터(330)를 생성할 수 있다. 생성된 제1 서플라이 체인 데이터(310), 제2 서플라이 체인 데이터(320) 및 제3 서플라이 체인 데이터(330)는 서플라이 체인 데이터 수집부로 전송될 수 있다.
제1 서플라이 체인 데이터(310), 제2 서플라이 체인 데이터(320) 및 제3 서플라이 체인 데이터(330) 각각을 기반으로 현재 상품의 상태 데이터(생산, 물류, 유통)가 관리될 수 있다. 생산 상태는 뮬류 창고로 보내기전 판매자가 상품을 보관하고 있는 상태이고, 물류 상태는 판매자에 의해 상품이 물류 창고로 보내진 상태이고, 유통 상태는 상품이 팔려서 유통 경로를 통해 구매자에게 전달되는 상태일 수 있다. 생산이라는 용어를 사용하나 생산은 판매자가 판매를 위해 상품을 구매하는 행위와 같은 판매자의 상품 준비 행위를 포함할 수 있다.
이벤트 발생시 상품에 대한 서플라이 체인 데이터는 업데이트될 수 있다. 예를 들어, 판매자A의 상품X에 대하여 판매자A가 상품X를 생산시 상품X에 대한 제1 서플라이 체인 데이터(310)가 생성되어 서플라이 체인 데이터 수집부로 전달될 수 있다.
상품X가 물류 창고로 보내지는 경우, 상품X에 대한 제1 서플라이 체인 데이터(310)에 물류 데이터를 추가한 상품X에 대한 제2 서플라이 체인 데이터(320)가 생성되어 서플라이 체인 데이터 수집부로 전달될 수 있다.
상품X가 판매된 경우, 상품X에 대한 제2 서플라이 체인 데이터(320)에 유통 데이터를 추가한 상품X에 대한 제3 서플라이 체인 데이터(330)가 생성되어 서플라이 체인 데이터 수집부로 전달될 수 있다.
이벤트 발생에 따라 서플라이 체인 데이터 수집부가 서플라이 체인 데이터를 수집할 수도 있으나, 서플라이 체인 데이터 수집부는 주체별, 상품별 서플라이 체인 데이터의 업데이트를 수신하여 서플라이 체인 데이터를 수집할 수도 있다.
주체별 서플라이 체인 데이터 업데이트를 위해 서플라이 체인으로 연결된 복수의 판매자 장치, 복수의 물류 장치, 복수의 유통 장치로 서플라이 체인 데이터 업데이트 요청을 전달하고, 복수의 판매자 장치, 복수의 물류 장치, 복수의 유통 장치 각각은 서플라이 체인 데이터 업데이트 요청에 따라 업데이트된 서플라이 체인 데이터를 서플라이 체인 데이터 수집부로 전송할 수 있다.
또한, 특정 상품에 대한 서플라이 체인 데이터 업데이트를 위해 서플라이 체인으로 연결된 복수의 판매자 장치, 복수의 물류 장치, 복수의 유통 장치 각각으로 상품 식별 데이터를 기반으로 한 상품별 서플라이 체인 데이터 업데이트 요청을 전달할 수 있다. 이때, 상품의 현재 상태가 생산 상태일 경우, 상품과 관련된 판매자 장치, 물류 장치 및 유통 장치로 서플라이 체인 데이터 업데이트 요청을 할 수 있다. 상품의 현재 상태가 물류 상태일 경우, 상품과 관련된 물류 장치 및 유통 장치로 업데이트 요청을 할 수 있고, 상품의 현재 상태가 유통 상태일 경우, 상품과 관련된 유통 장치로 업데이트 요청을 할 수 있다. 즉, 특정 상품에 대한 서플라이 체인 데이터 업데이트는 상품의 현재 상태를 고려하여 수행되고, 풀필요한 주체에 대한 별도의 서플라이 체인 데이터 업데이트 요청은 수행되지 않을 수 있다.
도 4는 본 발명의 실시예에 따른 서플라이 체인 데이터 처리부의 동작을 나타낸 개념도이다.
도 4에서는 서플라이 체인 데이터 처리부가 금융 서비스 참조 데이터를 생성하기 위해 서플라이 체인 데이터를 처리하는 방법이 개시된다.
도 4를 참조하면, 서플라이 체인 데이터 처리부는 데이터 저장부(410), 데이터 업데이트부(420), 제1 데이터 분류부(430), 제2 데이터 분류부(440), 제3 데이터 분류부(450), 제4 데이터 분류부(460), 제1 데이터 필터링부(435), 제2 데이터 필터링부(445), 제3 데이터 필터링부(455), 제4 데이터 필터링부(465), 금융 서비스 참조 데이터 생성부(480)를 포함할 수 있다.
데이터 저장부(410)는 서플라이 체인 데이터의 저장을 위해 구현될 수 있다. 데이터 저장부(410)는 서플라이 체인 데이터 수집부로부터 수신한 서플라이 체인 데이터를 저장할 수 있다.
데이터 업데이트부(420)는 서플라이 체인 데이터의 업데이트를 위해 구현될 수 있다. 전술한 바와 같이 주체별, 상품별, 이벤트별 서플라이 체인 데이터가 서플라이 체인 데이터 수집부에 의해 전송될 수 있고, 서플라이 체인 데이터 수집부에 의해 전송된 서플라이 체인 데이터를 기반으로 기존의 서플라이 체인 데이터를 업데이트할 수 있다.
제1 데이터 분류부(430)는 서플라이 체인 데이터를 판매자 기준으로 분류하기 위해 구현될 수 있다. 서플라이 체인 데이터는 판매자 식별 데이터를 포함하고, 제1 데이터 분류부(430)는 서플라이 체인 데이터를 판매자 각각의 식별 데이터를 기준으로 분류할 수 있다.
제2 데이터 분류부(440)는 서플라이 체인 데이터를 판매자 그룹 기준으로 분류하기 위해 구현될 수 있다. 서플라이 체인 데이터는 판매자 그룹 식별 데이터를 포함하고, 제2 데이터 분류부(440)는 서플라이 체인 데이터를 판매자 그룹 각각의 식별 데이터를 기준으로 분류할 수 있다.
제3 데이터 분류부(450)는 서플라이 체인 데이터를 상품 기준으로 분류하기 위해 구현될 수 있다. 서플라이 체인 데이터는 상품 식별 데이터를 포함하고, 제3 데이터 분류부(450)는 서플라이 체인 데이터를 상품 각각의 식별 데이터를 기준으로 분류할 수 있다.
제4 데이터 분류부(460)는 서플라이 체인 데이터를 상품 그룹 기준으로 분류하기 위해 구현될 수 있다. 서플라이 체인 데이터는 상품 그룹 식별 데이터를 포함하고, 제4 데이터 분류부(460)는 서플라이 체인 데이터를 상품 그룹 각각의 식별 데이터를 기준으로 분류할 수 있다.
제1 데이터 필터링부(435)는 제1 데이터 분류부(430)에서 분류된 데이터에 대한 필터링을 통해 금융 서비스 참조 데이터(490)를 생성하기 위해 구현될 수 있다. 제1 데이터 필터링부(435)는 판매자 기준으로 판매자에게 금융 서비스 제공시 참조 요소가 될 수 있는 서플라이 체인 데이터를 필터링하여 금융 서비스 참조 데이터 생성부(480)로 전송할 수 있다.
제2 데이터 필터링부(445)는 제2 데이터 분류부(440)에서 분류된 데이터에 대한 필터링을 통해 금융 서비스 참조 데이터(490)를 생성하기 위해 구현될 수 있다. 제2 데이터 필터링부(445)는 판매자 그룹 기준으로 판매자에게 금융 서비스 제공시 참조 요소가 될 수 있는 서플라이 체인 데이터를 필터링하여 금융 서비스 참조 데이터 생성부(480)로 전송할 수 있다.
제3 데이터 필터링부(455)는 제3 데이터 분류부(450)에서 분류된 데이터에 대한 필터링을 통해 금융 서비스 참조 데이터(490)를 생성하기 위해 구현될 수 있다. 제3 데이터 필터링부(455)는 상품 기준으로 판매자에게 금융 서비스 제공시 참조 요소가 될 수 있는 서플라이 체인 데이터를 필터링하여 금융 서비스 참조 데이터 생성부(480)로 전송할 수 있다.
제4 데이터 필터링부(465)는 제4 데이터 분류부(460)에서 분류된 데이터에 대한 필터링을 통해 금융 서비스 참조 데이터(490)를 생성하기 위해 구현될 수 있다. 제4 데이터 필터링부(465)는 상품 그룹 기준으로 판매자에게 금융 서비스 제공시 참조 요소가 될 수 있는 서플라이 체인 데이터를 필터링하여 금융 서비스 참조 데이터 생성부(480)로 전송할 수 있다.
금융 서비스 참조 데이터 생성부(480)는 필터링된 서플라이 체인 데이터를 기반으로 금융 서비스 참조 데이터(490)를 생성할 수 있다.
예를 들어, 금융 서비스 참조 데이터(490)는 판매자에게 금융 서비스를 제공하기 위한 기초가 되는 데이터일 수 있다. 금융 서비스 참조 데이터(490)를 기반으로 판매자에게 대출 한도, 대출 금리, 대출 기한 등 금융 서비스를 제공하기 위한 다양한 요소가 결정될 수 있다.
금융 서비스 참조 데이터(490)는 데이터 필터링부에 의해 필터링된 데이터를 기반으로 결정된 판매자 기준 데이터, 판매자 그룹 기준 데이터, 상품 그룹 기준 데이터, 판매자 판매 변화 데이터, 상품 판매 변화 데이터, 판매자 그룹 판매 변화 데이터, 상품 그룹 판매 변화 데이터 등을 포함할 수 있다.
도 5는 본 발명의 실시예에 따른 금융 서비스 참조 데이터를 생성하는 방법을 나타낸 개념도이다.
도 5에서는 필터링된 데이터를 기반으로 금융 서비스 참조 데이터를 생성하는 방법이 개시된다.
도 5를 참조하면, 판매자 기준 데이터(510)는 판매자의 현재까지 판매 관련 데이터를 기반으로 한 판매 상품, 판매율, 판매 실적, 반품 등과 같은 판매자에게 금융 서비스를 제공하기 위한 참조가 되는 데이터이다. 판매자 기준 데이터(510)는 판매자 식별자 데이터(515)를 기반으로 전송된 서플라이 체인 데이터를 기반으로 결정될 수 있다.
판매자 그룹 기준 데이터(520)는 판매자 그룹의 현재까지 판매 관련 데이터를 기반으로 한 판매자 그룹의 판매 상품, 판매율, 판매 실적, 반품 등과 같은 판매자에게 금융 서비스를 제공하기 위한 참조가 되는 데이터이다. 판매자 그룹 기준 데이터(520)는 판매자 그룹 식별자 데이터(525)를 기반으로 전송된 서플라이 체인 데이터를 기반으로 결정될 수 있다.
상품 그룹 기준 데이터(530)는 상품 그룹의 현재까지 판매 관련 데이터를 기반으로 한 상품 그룹의 상품 판매율, 상품 판매 실적, 상품 반품 등과 같은 판매자에게 금융 서비스를 제공하기 위한 참조가 되는 데이터이다. 상품 그룹 기준 데이터(530)는 상품 그룹 식별자 데이터(535)를 기반으로 전송된 서플라이 체인 데이터를 기반으로 결정될 수 있다.
판매자 판매 변화 데이터(550), 상품 판매 변화 데이터(580), 판매자 그룹 판매 변화 데이터(560), 상품 그룹 판매 변화 데이터(570)는 전술한 판매자 기준 데이터(510), 판매자 그룹 기준 데이터(520), 상품 그룹 기준 데이터(530)를 기준으로 변화한 데이터일 수 있다.
판매자 판매 변화 데이터(550)는 판매자의 판매에 대한 변화에 대한 데이터로서 판매자에게 제공되는 금융 서비스의 변화를 위해 참조되는 데이터일 수 있다.
상품 판매 변화 데이터(580)는 상품의 판매에 대한 변화에 대한 데이터로서 판매자에게 제공되는 금융 서비스의 변화를 위해 참조되는 데이터일 수 있다.
판매자 그룹 판매 변화 데이터(560)는 판매자 그룹의 판매에 대한 변화에 대한 데이터로서 판매자에게 제공되는 금융 서비스의 변화를 위해 참조되는 데이터일 수 있다.
상품 그룹 판매 변화 데이터(570)는 상품 그룹의 판매에 대한 변화에 대한 데이터로서 판매자에게 제공되는 금융 서비스의 변화를 위해 참조되는 데이터일 수 있다.
도 6은 본 발명의 실시예에 따른 금융 서비스 참조 데이터를 생성하는 방법을 나타낸 개념도이다.
도 6에서는 서플라이 체인 데이터를 기반으로 금융 서비스 참조 데이터 중 판매자, 판매자 그룹, 상품, 상품 그룹의 판매율 및 판매율의 변화를 결정하는 방법이 개시된다.
도 6을 참조하면, 판매율은 서플라이 체인 데이터의 전환율을 기준으로 결정될 수 있다.
예를 들어, 특정 판매자에 대한 서플라이 체인 데이터가 제1 서플라이 체인 데이터, 제2 서플라이 체인 데이터, 제3 서플라이 체인 데이터로 상대적으로 빠르게 전환되는 경우, 특정 판매자의 판매율이 상대적으로 높다고 판단될 수 있다. 즉, 특정 판매자에 대한 서플라이 체인 데이터의 변화를 기반으로 특정 판매자의 상품 판매율(이하, 판매자 판매율(610))이 결정될 수 있다.
특정 판매자 그룹에 대한 서플라이 체인 데이터가 제1 서플라이 체인 데이터, 제2 서플라이 체인 데이터, 제3 서플라이 체인 데이터로 상대적으로 빠르게 전환되는 경우, 특정 판매자 그룹의 판매율이 상대적으로 높다고 판단될 수 있다. 즉, 특정 판매자 그룹에 대한 서플라이 체인 데이터의 변화를 기반으로 특정 판매자 그룹의 상품 판매율(이하, 판매자 그룹 판매율(620))이 결정될 수 있다.
특정 상품에 대한 서플라이 체인 데이터가 제1 서플라이 체인 데이터, 제2 서플라이 체인 데이터, 제3 서플라이 체인 데이터로 상대적으로 빠르게 전환되는 경우, 특정 상품의 판매율이 상대적으로 높다고 판단될 수 있다. 즉, 특정 상품에 대한 서플라이 체인 데이터의 변화를 기반으로 특정 상품의 상품 판매율(이하, 상품 판매율(630))이 결정될 수 있다.
특정 상품 그룹에 대한 서플라이 체인 데이터가 제1 서플라이 체인 데이터, 제2 서플라이 체인 데이터, 제3 서플라이 체인 데이터로 상대적으로 빠르게 전환되는 경우, 특정 상품 그룹의 판매율이 상대적으로 높다고 판단될 수 있다. 즉, 특정 상품 그룹에 대한 서플라이 체인 데이터의 변화를 기반으로 특정 상품 그룹의 상품 판매율(이하, 상품 그룹 판매율(640))이 결정될 수 있다.
판매자 판매율(610), 판매자 그룹 판매율(620), 상품 판매율(630), 상품 그룹 판매율(640) 각각은 서플라이 체인 데이터의 변화를 기초로 결정되되 서로 다른 방식으로 결정될 수 있다.
판매자 판매율(610)은 판매자의 전체적인 상품의 판매 흐름에 대한 데이터로서 판매자가 판매하는 복수의 상품에 대한 전체적인 판매 흐름을 보여주는 데이터이다.
판매자 그룹 판매율(620)은 판매자 그룹의 전체적인 상품의 판매 흐름에 대한 데이터로서 판매자가 속한 판매자 그룹이 판매하는 복수의 상품에 대한 전체적인 판매 흐름을 보여주는 데이터이다.
판매자 그룹 판매율(620)과 판매자 판매율 간의 비교를 통해 판매자의 판매자 그룹 대비 상대적인 판매율이 결정될 수 있다.
상품 판매율(630)은 개별적인 상품의 판매 흐름에 대한 데이터로서 판매자가 판매하는 상품 각각에 대한 판매 흐름을 보여주는 데이터로서 활용될 수 있다.
상품 판매율(630)과 판매자 판매율(610)을 비교하여 판매자가 판매하는 특정 상품과 다른 상품 간의 상대적인 판매율이 결정될 수 있다.
상품 그룹 판매율(640)은 상픔 그룹의 판매 흐름에 대한 데이터로서 상품 그룹이 가지는 판매 흐름을 보여주는 데이터이다. 상품 그룹 판매율(640)과 상품 판매율(630)과의 비교를 통해 판매자가 판매하는 특정 상품과 특정 상품이 포함되는 판매 그룹 간의 상대적인 판매율이 결정될 수 있다.
판매자 판매율(610), 판매자 그룹 판매율(620), 상품 판매율(630), 상품 그룹 판매율(640)의 비교를 통해 판매자의 특성이 분석되고, 판매자 별로 서로 다른 금융 서비스의 제공이 가능하다.
도 7은 본 발명의 실시예에 따른 금융 서비스 참조 데이터를 생성하는 방법을 나타낸 개념도이다.
도 7에서는 금융 서비스 참조 데이터를 생성하기 위한 판매자 그룹 및 상품 그룹을 결정하는 방법이 개시된다.
도 7을 참조하면, 판매자 그룹(700)과 상품 그룹(750)은 다양한 데이터를 기반으로 그룹핑되어 생성될 수 있고, 판매자 그룹 계층과 상품 그룹 계층 각각에 대한 금융 서비스 참조 데이터가 생성될 수 있다.
이하, 판매자 그룹핑, 상품 그룹핑을 위한 위한 기초 데이터들은 하나의 예시로서 다양한 기초 데이터들이 그룹핑을 위해 사용될 수 있다.
판매자 그룹(700)은 상품 데이터, 매체 데이터, 매출 데이터 등을 기준으로 그룹핑될 수 있다. 판매자 각각은 상품 데이터, 매체 데이터, 매출 데이터 각각은 특정한 수치로 표현될 수 있고, 수치화된 상품 데이터, 매체 데이터, 매출 데이터 각각은 3개의 좌표축 상에 매핑될 수 있다.
예를 들어, 상품의 특성을 고려하여 유사한 상품일수록 가까운 위치에 매칭되도록 수치화될 수 있고, 매체의 특성을 고려하여 유사한 매체일수록 가까운 위치에 매칭되도록 수치화될 수 있고, 매출의 특성을 고려하여 유사한 매출일수록 가까운 위치에 매칭되도록 수치화될 수 있다.
좌표축 상의 판매자 각각의 상품 데이터, 매체 데이터, 매출 데이터에 매칭되는 좌표값이 대응될 수 있고, 공간 상에서 클러스터링을 통한 클러스터 단위로 판매자 그룹(700)이 생성될 수 있다.
유사한 방식으로 상품 그룹(750)은 상품 종류 데이터, 상품 가격 데이터, 상품 판매 매체 데이터를 기준으로 그룹핑될 수 있다. 상품 각각은 상품 종류 데이터, 상품 가격 데이터, 상품 판매 매체 데이터를 기반으로 특정한 수치로 표현될 수 있고, 수치화된 상품 종류 데이터, 상품 가격 데이터, 상품 판매 매체 데이터 각각은 3개의 좌표축 상에 매핑될 수 있다.
예를 들어, 상품의 종류을 고려하여 유사한 종류의 상품일수록 가까운 위치에 매칭되도록 수치화될 수 있고, 상품 가격의 특성을 고려하여 유사한 가격일수록 가까운 위치에 매칭되도록 수치화될 수 있고, 상품 판매 매체의 특성을 고려하여 유사한 판매 매체일수록 가까운 위치에 매칭되도록 수치화될 수 있다.
좌표축 상의 상품 각각의 상품 데이터, 매체 데이터, 매출 데이터에 매칭되는 좌표값이 대응될 수 있고, 공간 상에서 클러스터링을 통해 클러스터 단위로 상품 그룹(750)이 생성될 수 있다.
이러한 판매자 그룹 생성 방법 및 상품 그룹 생성 방법은 클러스터링 기반 그룹 생성 방법이라는 용어로 표현될 수 있다.
도 8은 본 발명의 실시예에 따른 금융 서비스 참조 데이터를 생성하는 방법을 나타낸 개념도이다.
도 8에서는 금융 서비스 참조 데이터를 생성하기 위한 판매자 그룹 및 상품 그룹을 결정하는 방법이 개시된다.
도 8을 참조하면, 판매자 그룹과 상품 그룹은 다양한 데이터를 기반으로 그룹핑되어 생성될 수 있고, 판매자 그룹 계층과 상품 그룹 계층 각각에 대한 금융 서비스 참조 데이터가 생성될 수 있다.
이하, 판매자 그룹핑, 상품 그룹핑을 위한 위한 계층을 형성하는 기초 데이터들은 하나의 예시로서 다양한 기초 데이터들이 계층화를 위해 사용될 수 있다.
계층 기반으로 판매자 그룹을 설정하기 위해 판매자 계층을 설정할 수 있다. 판매자 계층은 설정된 기준에 따라 설정될 수 있는데, 예를 들어, 판매하는 상품의 특성을 기준으로 1차 판매자 계층(810)이 설정되고, 상품을 판매하는 매체를 기준으로 2차 판매자 계층(820)이 설정되고, 매출을 기준으로 3차 판매자 계층(830)이 설정될 수 있다. 이러한 방식으로 기준을 고려하여 n개의 계층으로 판매자가 분류될 수 있다.
이때 판매자 그룹은 1차 판매자 계층 기준의 판매자 그룹(815), 2차 판매자 계층 기준의 판매자 그룹(825), 3차 판매자 계층 그룹의 판매자 그룹(835), n차 판매자 계층 그룹의 판매자 그룹(845)이 설정될 수 있다. 이러한 경우, 필요에 따라 선택적으로 x차 계층을 기준으로 한 금융 서비스 참조 데이터가 결정될 수 있다. 예를 들어, 1차 판매자 계층(810)을 사용하여 결정된 금융 서비스 참조 데이터 기반의 금융 서비스 시뮬레이션, 2차 판매자 계층(820)을 사용하여 결정된 금융 서비스 참조 데이터 기반의 금융 서비스 시뮬레이션, n차 판매자 계층(840)을 사용하여 결정된 금융 서비스 참조 데이터 기반의 금융 서비스 시뮬레이션을 통해 서로 다른 리스크 기반의 금융 서비스가 제공될 수도 있다.
유사한 방식으로 계층 기반으로 상품 그룹을 설정하기 위해 상품 계층을 설정할 수 있다. 상품 계층은 설정된 기준에 따라 설정될 수 있는데, 예를 들어, 판매하는 상품 종류를 기준으로 1차 상품 계층(850)이 설정되고, 상품 가격을 기준으로 2차 상품 계층(860)이 설정되고, 상품 매출을 기준으로 3차 상품 계층(870)이 설정될 수 있다. 이러한 방식으로 기준을 고려하여 n개의 상품 계층으로 판매자를 분류할 수 있다.
이때 상품 그룹은 1차 상품 계층 기준의 상품 그룹(855), 2차 상품 계층 기준의 상품 그룹(865), 3차 상품 계층 그룹의 상품 그룹(875), n차 상품 계층 그룹의 상품 그룹(885)이 설정될 수 있다. 이러한 경우, 필요에 따라 선택적으로 x차 상품 계층을 기준으로 한 금융 서비스 참조 데이터가 결정될 수 있다. 예를 들어, 1차 상품 계층(850)을 사용하여 결정된 금융 서비스 참조 데이터 기반의 금융 서비스 시뮬레이션, 2차 상품 계층(860)을 사용하여 결정된 금융 서비스 참조 데이터 기반의 금융 서비스 시뮬레이션, n차 상품 계층(880)을 사용하여 결정된 금융 서비스 참조 데이터 기반의 금융 서비스 시뮬레이션을 통해 서로 다른 리스크 기반의 금융 서비스가 제공될 수도 있다.
이러한 판매자 그룹 생성 방법 및 상품 그룹 생성 방법은 계층 기반 그룹 생성 방법이라는 용어로 표현될 수 있다.
도 9는 본 발명의 실시예에 따른 금융 서비스 참조 데이터를 생성하는 방법을 나타낸 개념도이다.
도 9에서는 클러스터링 기반 그룹 생성 방법, 계층 기반 그룹 생성 방법을 기반으로 금융 서비스 참조 데이터를 생성하는 방법이 개시된다.
도 9를 참조하면, 클러스터링 기반 그룹 생성 방법(910)(이하 제1 그룹 생성 방법)과 계층 기반 그룹 생성 방법(920)(이하, 제2 그룹 생성 방법)이 종합적으로 사용되어 판매자 그룹 및 상품 그룹이 결정될 수 있다.
우선 제1 그룹 생성 방법 및 제2 그룹 생성 방법으로 동일하게 그룹핑되는 판매자 및 상품은 별도의 변화 없이 동일한 판매자 그룹, 동일한 상품 그룹으로 설정될 수 있다.
제1 그룹 생성 방법과 제2 그룹 생성 방법을 기반으로 서로 다르게 그룹핑되는 판매자 그룹 및 상품 그룹에 해당하는 판매자 또는 상품은 두개의 서로 다른 판매자 그룹 및 상품 그룹을 모두 고려하여 금융 서비스 참조 데이터를 생성하기 위해 활용할 수 있다.
제1 그룹 생성 방법을 기반으로 한 판매자 그룹 및 상품 그룹은 제1 판매자 그룹(913), 제1 상품 그룹(916)이라는 용어로 표현되고, 제2 그룹 생성 방법을 기반으로 한 판매자 그룹 및 상품 그룹은 제2 판매자 그룹(923), 제2 상품 그룹(926)이라는 용어로 표현될 수 있다.
예를 들어, 판매자X가 제1 판매자 그룹A 및 제2 판매자 그룹B에 포함되는 경우, 제1 판매자 그룹A 및 제2 판매자 그룹B를 모두 고려한 금융 서비스 참조 데이터(950)가 생성되어 판매자에게 제공될 수 있다.
또 다른 예로, 상품Y가 제1 상품 그룹C 및 제2 상품 그룹D에 포함되는 경우, 제1 상품 그룹C 및 제2 상품 그룹D를 모두 고려한 금융 서비스 참조 데이터(950)가 생성되어 판매자에게 제공될 수 있다.
금융 서비스 참조 데이터(950)를 생성시 제1 판매자 그룹, 제1 상품 그룹을 더 고려하느냐, 제2 판매자 그룹, 제2 상품 그룹을 더 고려하느냐는 클러스터링 기반 그룹 생성 방법(910), 계층 기반 그룹 생성 방법(920)을 기반으로 금융 서비스를 제공한 결과를 기준으로 피드백받아서 결정될 수 있다. 금융 서비스 결과 피드백을 고려하여 판매 그룹 가중치, 상품 그룹 가중치 각각이 적응적으로 설정되어 판매자의 판매자 그룹, 상품의 상품 그룹이 적응적으로 변화될 수 있다.
도 10 및 도 11은 본 발명의 실시예에 따른 서플라이 체인 데이터를 기반으로 금융 리스크를 분석하는 방법을 나타낸 개념도이다.
도 10 및 도 11에서는 서플라이 체인 데이터를 기반으로 금융 서비스를 제공하기 위해 금융 리스크를 분석하는 방법이 개시된다.
도 10 및 도 11을 참조하면, 금융 서비스 참조 데이터로서 도 5에서 전술한 바와 같이 서플라이 체인 데이터를 기반으로 판매자 변화 데이터, 판매자 그룹 판매 변화 데이터, 상품 그룹 판매 변화 데이터, 상품 판매 변화 데이터가 생성될 수 있다.
또한, 금융 서비스 참조 데이터로서 도 6에서 전술한 바와 같이 판매자 판매율, 판매자 그룹 판매율, 상품 판매율, 상품 그룹 판매율에 대한 데이터가 생성될 수 있다.
본 발명에서는 서플라이 체인 데이터를 기반으로 생성된 금융 서비스 참조 데이터를 기반으로 판매자에게 금융 서비스를 제공시 발생할 수 있는 금융 리스크가 결정될 수 있다.
금융 리스크는 과거를 기준으로 현재 상태가 변화된 정도를 기반으로 결정된 제1 금융 리스크 요소, 미래에 대한 예측 불가능성을 기반으로 결정된 제2 리스크 측정 요소를 통해 결정될 수 있다.
1. 제1 금융 리스크 요소(판매자)와 제2 금융 리스크 요소(판매자) 결정 방법.
도 10을 참조하면, 판매자 측면에서 제1 금융 리스크 요소(판매자)(1060)와 제2 금융 리스크 요소(판매자)(1070)를 결정하기 위해 판매자 판매 변화 데이터(1000)와 판매자 그룹 판매 변화 데이터(1010)가 시계열적으로 나열될 수 있다.
제1 금융 리스크 요소(판매자)(1060)는 1) 판매자의 판매량이 늘어나는지 여부와 2) 판매자가 판매자 그룹 대비하여 판매량이 얼마나 늘어나는지를 기초로 판단될 수 있다.
1) 제1 금융 리스크 요소(판매자) 결정 요소1(1020)
판매자 판매 변화 데이터의 변화값이 양(+)의 값일수록 제1 금융 리스크 요소는 상대적으로 낮도록 설정될 수 있다. 반대로, 판매자 판매 변화 데이터의 변화값이 음(-)의 값일수록 제1 금융 리스크 요소는 상대적으로 크도록 설정될 수 있다.
2) 제1 금융 리스크 요소(판매자) 결정 요소2(1030)
판매자 그룹 판매 변화 데이터의 변화값이 양(+)의 값일수록 제1 금융 리스크 요소는 상대적으로 낮도록 설정될 수 있다. 반대로, 판매자 그룹 판매 변화 데이터의 변화값이 음(-)의 값일수록 제1 금융 리스크 요소는 상대적으로 크도록 설정될 수 있다.
3) 제1 금융 리스크 요소(판매자) 결정 요소3(1040)
판매자 판매 변화 데이터의 변화값과 판매자 그룹 판매 변화 데이터의 변화값의 차이값이 양(+)의 값일수록 제1 금융 리스크 요소는 상대적으로 낮도록 설정될 수 있다. 반대로, 판매자 판매 변화 데이터의 변화값과 판매자 그룹 판매 변화 데이터의 변화값의 차이값이 음(-)의 값일수록 제1 금융 리스크 요소는 상대적으로 크도록 설정될 수 있다.
제1 금융 리스크 요소(판매자) 결정 요소1(1020), 제1 금융 리스크 요소(판매자) 결정 요소2(1030), 제1 금융 리스크 요소(판매자) 결정 요소3(1040)를 기반으로 제1 금융 리스크 요소(판매자)(1060)가 결정되되, 제1 금융 리스크 요소(판매자) 결정 요소1(1020), 제1 금융 리스크 요소(판매자) 결정 요소2(1030), 제1 금융 리스크 요소(판매자) 결정 요소3(1050) 각각에 대한 가중치인 제1 금융 리스크 요소(판매자) 가중치(1050)가 설정되어 제1 금융 리스크 요소(판매자)(1060)가 결정될 수 있다.
제2 금융 리스크 요소(판매자)(1070)는 현재까지의 데이터를 기준으로 한 미래의 판매자 판매 변화 데이터, 판매자 그룹 판매 변화 데이터에 대한 예측일 수 있다. 현재까지 발생된 판매자 판매 변화 데이터, 판매자 그룹 판매 변화 데이터에 대한 인공지능 기반 학습이 수행될 수 있고, 학습 결과를 기반으로 현재까지 발생된 판매자 판매 변화 데이터, 판매자 그룹 판매 변화 데이터에 대한 예측값이 결정될 수 있다.
제1 금융 리스크 요소(판매자)(1060)와 제2 금융 리스크 요소(판매자)(1070)는 금융 서비스에 관련된 시간(예를 들어, 대출 기간), 금액(예를 들어, 대출 금액)에 따라 적응적으로 다르게 설정될 수 있다.
예를 들어, 대출 기간이 상대적으로 짧거나 대출 금액이 상대적으로 작은 경우, 판매자 판매 변화 데이터 및 판매자 판매 변화 데이터의 변화에 대한 민감도를 크지 않게 설정하여 제1 금융 리스크 요소(판매자)(1060)와 제2 금융 리스크 요소(판매자)가 결정될 수 있다.
반대로 대출 기간이 상대적으로 길거나 대출 금액이 상대적으로 큰 경우, 판매자 판매 변화 데이터 및 판매자 판매 변화 데이터의 변화에 대한 민감도를 크지 않게 설정하여 제1 금융 리스크 요소(판매자)(1060)와 제2 금융 리스크 요소(판매자)를 결정될 수 있다.
2. 제1 금융 리스크 요소(상품)(1160)와 제2 금융 리스크 요소(상품)(1170) 결정 방법.
도 11을 참조하면, 상품 측면에서 제1 금융 리스크 요소(상품)(1160)와 제2 금융 리스크 요소(상품)(1170)를 결정하기 위해 상품 판매 변화 데이터(1100)와 상품 그룹 판매 변화 데이터(1110)가 시계열적으로 나열될 수 있다.
제1 금융 리스크 요소(상품)(1160)은 1) 상품의 판매량이 늘어나는지 여부와 2) 상품이 상품 그룹 대비하여 판매량이 얼마나 늘어나는지를 기초로 판단될 수 있다.
1) 제1 금융 리스크 요소(상품) 결정 요소1(1120)
상품 판매 변화 데이터의 변화값이 양(+)의 값일수록 제1 금융 리스크 요소는 상대적으로 낮도록 설정될 수 있다. 반대로, 상품 판매 변화 데이터의 변화값이 음(-)의 값일수록 제1 금융 리스크 요소는 상대적으로 크도록 설정될 수 있다.
2) 제1 금융 리스크 요소(상품) 결정 요소2(1130)
상품 그룹 판매 변화 데이터의 변화값이 양(+)의 값일수록 제1 금융 리스크 요소는 상대적으로 낮도록 설정될 수 있다. 반대로, 상품 그룹 판매 변화 데이터의 변화값이 음(-)의 값일수록 제1 금융 리스크 요소는 상대적으로 크도록 설정될 수 있다.
3) 제1 금융 리스크 요소(상품) 결정 요소3(1140)
상품 판매 변화 데이터의 변화값과 상품 그룹 판매 변화 데이터의 변화값의 차이값이 양(+)의 값일수록 제1 금융 리스크 요소는 상대적으로 낮도록 설정될 수 있다. 반대로, 상품 판매 변화 데이터의 변화값과 상품 그룹 판매 변화 데이터의 변화값의 차이값이 음(-)의 값일수록 제1 금융 리스크 요소는 상대적으로 크도록 설정될 수 있다.
제1 금융 리스크 요소(상품) 결정 요소1(1120), 제1 금융 리스크 요소(상품) 결정 요소2(1130), 제1 금융 리스크 요소(상품) 결정 요소3(1140)를 기반으로 제1 금융 리스크 요소(상품)(1160)이 결정되되, 제1 금융 리스크 요소(상품) 결정 요소1(1120), 제1 금융 리스크 요소(상품) 결정 요소2(1130), 제1 금융 리스크 요소(상품) 결정 요소3(1140) 각각에 대한 가중치인 제1 금융 리스크 요소(상품) 가중치(1150)가 설정되어 제1 금융 리스크 요소(상품)(1160)이 결정될 수 있다.
제2 금융 리스크 요소(상품)(1170)은 현재까지의 데이터를 기준으로 한 미래의 상품 판매 변화 데이터(1100), 상품 그룹 판매 변화 데이터(1110)에 대한 예측일 수 있다. 현재까지 발생된 상품 판매 변화 데이터(1100), 상품 그룹 판매 변화 데이터(1110)에 대한 인공지능 기반 학습이 수행될 수 있고, 학습 결과를 기반으로 현재까지 발생된 상품 판매 변화 데이터(1100), 상품 그룹 판매 변화 데이터(1110)에 대한 예측값이 결정될 수 있다.
제1 금융 리스크 요소(상품)(1160)과 제2 금융 리스크 요소(상품)(1170)은 금융 서비스에 관련된 시간(예를 들어, 대출 기간), 금액(예를 들어, 대출 금액)에 따라 적응적으로 다르게 설정될 수 있다.
예를 들어, 대출 기간이 상대적으로 짧거나 대출 금액이 상대적으로 작은 경우, 상품 판매 변화 데이터(1100) 및 상품 그룹 판매 변화 데이터(1110)의 변화에 대한 민감도를 크지 않게 설정하여 제1 금융 리스크 요소(상품)(1160)과 제2 금융 리스크 요소(상품)(1170)이 결정될 수 있다.
반대로 대출 기간이 상대적으로 길거나 대출 금액이 상대적으로 큰 경우, 상품 판매 변화 데이터(1100) 및 상품 그룹 판매 변화 데이터(1110)의 변화에 대한 민감도를 크지 않게 설정하여 제1 금융 리스크 요소(상품)(1160)와 제2 금융 리스크 요소(상품)(1170)을 결정될 수 있다.
도 12는 본 발명의 실시예에 따른 서플라이 체인 데이터를 기반으로 금융 리스크를 결정하는 방법을 나타낸 개념도이다.
도 12에서는 제1 금융 리스크 요소와 제2 금융 리스크 요소와 판매자가 원하는 금융 서비스를 기반으로 금융 리스크를 결정하는 방법이 개시된다.
도 12를 참조하면, 제1 금융 리스크 요소는 제1 금융 리스크 요소(판매자)(1210), 제1 금융 리스크 요소(상품)(1230)을 포함할 수 있다.
제2 금융 리스크 요소는 제2 금융 리스크 요소(판매자)(1220), 제2 금융 리스크 요소(상품)(1240)을 포함할 수 있다.
금융 리스크를 결정함에 있어서, 아래와 같은 우선 순위를 기반으로 금융 리스크가 결정될 수 있다.
1) 제1 금융 리스크 요소(판매자)(1210)
2) 제2 금융 리스크 요소(판매자)(1220)
3) 제1 금융 리스크 요소(상품)(1230)
4) 제2 금융 리스크 요소(상품)(1240)
제1 금융 리스크 요소(판매자)(1210), 제2 금융 리스크 요소(판매자)(1220)는 판매자와 직접적으로 관련된 금융 리스크 요소이기 때문에 가장 우선적으로 고려되고 이 중에서 현재 발생된 데이터를 기반으로 결정된 제1 금융 리스크 요소(판매자)(1210)가 최우선으로 고려될 수 있다.
그 다음으로는 제1 금융 리스크 요소(상품)(1230), 제2 금융 리스크 요소(상품)(1240)이 고려되되, 현재 발생된 데이터를 기반으로 결정된 제1 금융 리스크 요소(상품)(1230)이 우선적으로 고려될 수 있다.
또한 본 발명의 실시예에 따르면, 대출 금액, 대출 기간을 고려하여 제1 금융 리스크 요소(판매자)(1210), 제2 금융 리스크 요소(판매자)(1220), 제1 금융 리스크 요소(상품)(1230), 제2 금융 리스크 요소(상품)(1240) 중 일부만 고려한 금융 리스크가 결정될 수 있다.
대출 금액이 상대적으로 적거나, 대출 기간이 상대적으로 짧을수록 상위 우선 순위의 금융 리스크 요소(예를 들어, 제1 금융 리스크 요소(판매자)(1210)) 만을 고려하여 금융 리스크가 결정될 수 있다. 반대로 대출 금액이 상대적으로 크거나, 대출 기간이 상대적으로 길수록 상위 우선 순위의 금융 리스크 요소 뿐만 아니라 우선 순위를 확장하여 금융 리스크가 결정될 수 있다.
또한 본 발명의 실시예에 따르면, 대출 금액이 상대적으로 커질수록 현재 발생된 데이터 기반의 제1 금융 리스크 요소(판매자)(1210), 제1 금융 리스크 요소(상품)(1230)에 대한 상대적으로 높은 가중치가 적용되어 금융 리스크가 결정될 수 있다. 대출 기간이 상대적으로 길어질수록 제2 금융 리스크 요소(판매자)(1220), 제2 금융 리스크 요소(상품)(1240)에 대한 상대적으로 높은 가중치가 적용되어 금융 리스크가 결정될 수 있다.
도 13은 본 발명의 실시예에 따른 금융 리스크 결정 장치가 개시된다.
도 13을 참조하면, 금융 리스크 결정 장치는 금융 서비스 참조 데이터 수신부(1300), 판매자 금융 데이터 입력부(1310), 제1 금융 리스크 결정부(1320), 제2 금융 리스크 결정부(1330), 금융 리스크 결정부(1340) 및 프로세서(1350)를 포함할 수 있다.
금융 서비스 참조 데이터 수신부(1300)는 서플라이 체인 데이터 관리 장치로부터 금융 서비스 참조 데이터를 수신하기 위해 구현될 수 있다. 금융 서비스 참조 데이터는 서플라이 체인 데이터를 기반으로 결정된 판매자 판매 변화 데이터, 판매자 그룹 판매 변화 데이터, 상품 그룹 판매 변화 데이터, 상품 판매 변화 데이터 등을 포함할 수 있다.
판매자 금융 데이터 입력부(1310)는 판매자가 받고자 하는 금융 서비스에 대한 정보의 입력을 위해 구현될 수 있다. 판매자가 원하는 대출 금액, 대출 기간 등에 대한 정보가 판매자 금융 데이터로서 입력될 수 있다.
여기서 판매자는 판매자로서 판매자 판매 변화 데이터, 판매자 그룹 판매 변화 데이터, 상품 그룹 판매 변화 데이터, 상품 판매 변화 데이터를 생성 가능한 판매자를 포함하는 개념이다.
제1 금융 리스크 결정부(1320)는 제1 금융 리스크를 결정하기 위해 구현될 수 있다. 제1 금융 리스크는 제1 금융 리스크 요소(판매자), 제1 금융 리스크 요소(상품)을 포함할 수 있다.
제2 금융 리스크 결정부(1330)는 제2 금융 리스크를 결정하기 위해 구현될 수 있다. 제2 금융 리스크는 제2 금융 리스크 요소(판매자), 제2 금융 리스크 요소(상품)을 포함할 수 있다.
금융 리스크 결정부(1340)는 판매자 금융 데이터, 제1 금융 리스크 요소(판매자), 제1 금융 리스크 요소(상품), 제2 금융 리스크 요소(판매자), 제2 금융 리스크 요소(상품)을 기반으로 금융 리스크를 결정하기 위해 구현될 수 있다.
프로세서(1350)는 금융 서비스 참조 데이터 수신부(1300), 판매자 금융 데이터 입력부(1310), 제1 금융 리스크 결정부(1320), 제2 금융 리스크 결정부(1330), 금융 리스크 결정부(1340)의 동작을 제어할 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (6)

  1. 서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법은,
    금융 리스크 결정 장치의 판매자 금융 데이터 입력부가 판매자 금융 데이터를 수신하는 단계;
    상기 금융 리스크 결정 장치의 제1 금융 리스크 결정부가 금융 서비스 참조 데이터를 기반으로 제1 금융 리스크 요소를 결정하는 단계;
    상기 금융 리스크 결정 장치의 제2 금융 리스크 결정부가 상기 금융 서비스 참조 데이터를 기반으로 제2 금융 리스크 요소를 결정하는 단계; 및
    상기 금융 리스크 결정 장치의 금융 리스크 결정부가 상기 제1 금융 리스크 요소 및 상기 제2 금융 리스크 요소 및 상기 판매자 금융 데이터를 기반으로 금융 리스크를 결정하는 단계를 포함하되,
    상기 제1 금융 리스크 요소는 현재 시점을 기준으로 상기 금융 서비스 참조 데이터를 기반으로 결정된 금융 리스크이고,
    상기 제2 금융 리스크 요소는 상기 금융 서비스 참조 데이터를 기반으로 예측된 미래의 금융 리스크이고,
    상기 제1 금융 리스크 요소는 제1 금융 리스크 요소(판매자)와 제1 금융 리스크 요소(상품)을 포함하고,
    상기 제2 금융 리스크 요소는 제2 금융 리스크 요소(판매자)와 제2 금융 리스크 요소(상품)을 포함하고,
    상기 제1 금융 리스크 요소(판매자)는 판매자 판매 변화 데이터의 변화값, 판매자 그룹 판매 변화 데이터의 변화값, 상기 판매자 판매 변화 데이터의 변화값과 상기 판매자 그룹 판매 변화 데이터의 변화값의 차이값을 기반으로 결정되고,
    상기 제1 금융 리스크 요소(상품)은 상품 판매 변화 데이터의 변화값, 상품 그룹 판매 변화 데이터의 변화값, 상기 상품 판매 변화 데이터의 변화값과 상기 상품 그룹 판매 변화 데이터의 변화값의 차이값을 기반으로 결정되고,
    상기 제1 금융 리스크 요소는 금융 상품의 대출 기간 및 상기 금융 상품의 대출 금액을 고려하여 상기 판매자 판매 변화 데이터, 상기 판매자 그룹 판매 변화 데이터, 상기 상품 판매 변화 데이터, 상기 상품 그룹 판매 변화 데이터의 변화 민감도를 적응적으로 설정하여 결정되고,
    상기 제2 금융 리스크 요소(판매자)는 상기 판매자 판매 변화 데이터의 변화값, 상기 판매자 그룹 판매 변화 데이터의 변화값을 기반으로 학습된 인공지능 모델을 통해 결정되고,
    상기 제2 금융 리스크 요소(상품)은 상기 상품 판매 변화 데이터의 변화값, 상기 상품 그룹 판매 변화 데이터의 변화값을 기반으로 학습된 인공지능 모델을 통해 결정되는 것을 특징으로 하는 방법.
  2. 제1항에 있어서,
    상기 판매자 그룹 판매 변화 데이터는 판매자 그룹을 기반으로 결정되고,
    상기 상품 그룹 판매 변화 데이터는 상품 그룹을 기반으로 결정되고,
    상기 판매자 그룹 및 상기 상품 그룹은 제1 그룹 생성 방법 및 제2 그룹 생성 방법으로 생성되고,
    상기 제1 그룹 생성 방법은 클러스터링 기반 그룹 생성 방법이고,
    상기 제2 그룹 생성 방법은 계층 기반 그룹 생성 방법이고,
    상기 판매자 그룹 및 상기 상품 그룹은 상기 클러스터링 기반 그룹 생성 방법 및 상기 계층 기반 그룹 생성 방법을 기반으로 한 금융 서비스의 피드백 결과를 사용하여 적응적으로 설정된 판매자 그룹 가중치, 상품 그룹 가중치를 고려하여 결정되는 것을 특징으로 하는 방법.
  3. 제2항에 있어서,
    상기 클러스터링 기반 그룹 생성 방법은 좌표축 상의 판매자 각각의 상품 데이터, 매체 데이터, 매출 데이터에 매칭되는 좌표값을 기반으로 공간 상에서 클러스터링을 통한 클러스터 단위로 상기 판매자 그룹을 결정하고, 좌표축 상의 상품 각각의 상품 데이터, 매체 데이터, 매출 데이터에 매칭되는 좌표값을 기반으로 공간 상에서 클러스터링을 통한 클러스터 단위로 상기 상품 그룹을 결정하고
    상기 계층 기반 그룹 생성 방법은 상품 특성, 상품 판매 매체 또는 상품 매출, 상품 가격을 기반으로 n 개의 판매자 계층 및 n' 개의 상품 계층 각각을 설정하고,
    상기 n개의 판매자 계층 각각에 대한 금융 서비스 시뮬레이션을 통해 결정된 금융 리스크에 따라 적어도 하나의 판매자 계층이 선택되고,
    상기 n'개의 상품 계층 각각에 대한 금융 서비스 시뮬레이션을 통해 결정된 금융 리스크에 따라 적어도 하나의 상품 계층이 선택되는 것을 특징으로 하는 방법.
  4. 서플라이 체인 데이터 기반으로 한 금융 리스크 결정하는 금융 리스크 결정 장치는,
    판매자 금융 데이터를 수신하도록 구현된 판매자 금융 데이터 입력부;
    금융 서비스 참조 데이터를 기반으로 제1 금융 리스크 요소를 결정하도록 구현된 제1 금융 리스크 결정부;
    상기 금융 서비스 참조 데이터를 기반으로 제2 금융 리스크 요소를 결정하도록 구현된 제2 금융 리스크 결정부; 및
    상기 제1 금융 리스크 요소 및 상기 제2 금융 리스크 요소 및 상기 판매자 금융 데이터를 기반으로 금융 리스크를 결정하도록 구현된 금융 리스크 결정부를 포함하고,
    상기 제1 금융 리스크 요소는 현재 시점을 기준으로 상기 금융 서비스 참조 데이터를 기반으로 결정된 금융 리스크이고,
    상기 제2 금융 리스크 요소는 상기 금융 서비스 참조 데이터를 기반으로 예측된 미래의 금융 리스크이고,
    상기 제1 금융 리스크 요소는 제1 금융 리스크 요소(판매자)와 제1 금융 리스크 요소(상품)을 포함하고,
    상기 제2 금융 리스크 요소는 제2 금융 리스크 요소(판매자)와 제2 금융 리스크 요소(상품)을 포함하고,
    상기 제1 금융 리스크 요소(판매자)는 판매자 판매 변화 데이터의 변화값, 판매자 그룹 판매 변화 데이터의 변화값, 상기 판매자 판매 변화 데이터의 변화값과 상기 판매자 그룹 판매 변화 데이터의 변화값의 차이값을 기반으로 결정되고,
    상기 제1 금융 리스크 요소(상품)은 상품 판매 변화 데이터의 변화값, 상품 그룹 판매 변화 데이터의 변화값, 상기 상품 판매 변화 데이터의 변화값과 상기 상품 그룹 판매 변화 데이터의 변화값의 차이값을 기반으로 결정되고,
    상기 제1 금융 리스크 요소는 금융 상품의 대출 기간 및 상기 금융 상품의 대출 금액을 고려하여 상기 판매자 판매 변화 데이터, 상기 판매자 그룹 판매 변화 데이터, 상기 상품 판매 변화 데이터, 상기 상품 그룹 판매 변화 데이터의 변화 민감도를 적응적으로 설정하여 결정되고,
    상기 제2 금융 리스크 요소(판매자)는 상기 판매자 판매 변화 데이터의 변화값, 상기 판매자 그룹 판매 변화 데이터의 변화값을 기반으로 학습된 인공지능 모델을 통해 결정되고,
    상기 제2 금융 리스크 요소(상품)은 상기 상품 판매 변화 데이터의 변화값, 상기 상품 그룹 판매 변화 데이터의 변화값을 기반으로 학습된 인공지능 모델을 통해 결정되는 것을 특징으로 하는 금융 리스크 결정 장치.
  5. 제4항에 있어서,
    상기 판매자 그룹 판매 변화 데이터는 판매자 그룹을 기반으로 결정되고,
    상기 상품 그룹 판매 변화 데이터는 상품 그룹을 기반으로 결정되고,
    상기 판매자 그룹 및 상기 상품 그룹은 제1 그룹 생성 방법 및 제2 그룹 생성 방법으로 생성되고,
    상기 제1 그룹 생성 방법은 클러스터링 기반 그룹 생성 방법이고,
    상기 제2 그룹 생성 방법은 계층 기반 그룹 생성 방법이고,
    상기 판매자 그룹 및 상기 상품 그룹은 상기 클러스터링 기반 그룹 생성 방법 및 상기 계층 기반 그룹 생성 방법을 기반으로 한 금융 서비스의 피드백 결과를 사용하여 적응적으로 설정된 판매자 그룹 가중치, 상품 그룹 가중치를 고려하여 결정되는 것을 특징으로 하는 금융 리스크 결정 장치.
  6. 제5항에 있어서,
    상기 클러스터링 기반 그룹 생성 방법은 좌표축 상의 판매자 각각의 상품 데이터, 매체 데이터, 매출 데이터에 매칭되는 좌표값을 기반으로 공간 상에서 클러스터링을 통한 클러스터 단위로 상기 판매자 그룹을 결정하고, 좌표축 상의 상품 각각의 상품 데이터, 매체 데이터, 매출 데이터에 매칭되는 좌표값을 기반으로 공간 상에서 클러스터링을 통한 클러스터 단위로 상기 상품 그룹을 결정하고
    상기 계층 기반 그룹 생성 방법은 상품 특성, 상품 판매 매체 또는 상품 매출, 상품 가격을 기반으로 n 개의 판매자 계층 및 n' 개의 상품 계층 각각을 설정하고,
    상기 n개의 판매자 계층 각각에 대한 금융 서비스 시뮬레이션을 통해 결정된 금융 리스크에 따라 적어도 하나의 판매자 계층이 선택되고,
    상기 n'개의 상품 계층 각각에 대한 금융 서비스 시뮬레이션을 통해 결정된 금융 리스크에 따라 적어도 하나의 상품 계층이 선택되는 것을 특징으로 하는 금융 리스크 결정 장치.
KR1020210144294A 2021-10-27 2021-10-27 서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치 KR102484472B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210144294A KR102484472B1 (ko) 2021-10-27 2021-10-27 서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치
KR1020220165682A KR20230060485A (ko) 2021-10-27 2022-12-01 서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210144294A KR102484472B1 (ko) 2021-10-27 2021-10-27 서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020220165682A Division KR20230060485A (ko) 2021-10-27 2022-12-01 서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치

Publications (1)

Publication Number Publication Date
KR102484472B1 true KR102484472B1 (ko) 2023-01-04

Family

ID=84924994

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020210144294A KR102484472B1 (ko) 2021-10-27 2021-10-27 서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치
KR1020220165682A KR20230060485A (ko) 2021-10-27 2022-12-01 서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020220165682A KR20230060485A (ko) 2021-10-27 2022-12-01 서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치

Country Status (1)

Country Link
KR (2) KR102484472B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011227852A (ja) * 2010-04-23 2011-11-10 Konica Minolta Holdings Inc サプライチェーン支援システム
KR101095167B1 (ko) * 2010-12-20 2011-12-16 대한주택보증주식회사 경기상황을 반영한 자금 위험 관리시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011227852A (ja) * 2010-04-23 2011-11-10 Konica Minolta Holdings Inc サプライチェーン支援システム
KR101095167B1 (ko) * 2010-12-20 2011-12-16 대한주택보증주식회사 경기상황을 반영한 자금 위험 관리시스템 및 방법

Also Published As

Publication number Publication date
KR20230060485A (ko) 2023-05-04

Similar Documents

Publication Publication Date Title
Aydin Keskin et al. Multiple criteria ABC analysis with FCM clustering
US20210264448A1 (en) Privacy preserving ai derived simulated world
KR102414818B1 (ko) 판매자 데이터를 기반으로 한 금융 서비스 제공 방법 및 이러한 방법을 수행하는 장치
US8065227B1 (en) Method and system for producing custom behavior scores for use in credit decisioning
KR102464995B1 (ko) 이커머스 솔루션의 구매, 판매,　재고,　물류,　유통,　정산 과정에서 발생하는　엔드 투 엔드 데이터 기반의 신용 평가 방법 및 이러한 방법을 수행하는 장치
KR102461415B1 (ko) 외부 데이터를 고려한 신용 평가 방법 및 이러한 방법을 수행하는 장치
US20220277331A1 (en) Systems and methods for procurement cost forecasting
US20140129269A1 (en) Forecasting Business Entity Characteristics Based on Planning Infrastructure
KR20230109070A (ko) 이커머스 데이터 기반 신용 평가 스코어 카드 결정 방법 및 이러한 방법을 수행하는 장치
KR102433933B1 (ko) 이커머스 판매 및 유통 관리 시스템 플랫폼 취합 데이터를 기반으로 한 신용 평가 방법 및 이러한 방법을 수행하는 장치
KR102464994B1 (ko) Wms의 이커머스 물류 이동 프로세스에서 발생하는 데이터 기반의 신용 평가 방법 및 이러한 방법을 수행하는 장치
KR20230122522A (ko) Oms 상에서 온라인 판매자 및 소비자 간 발생하는 주문 데이터 기반의 신용 평가 방법 및 이러한 방법을 수행하는 장치
KR102484472B1 (ko) 서플라이 체인 데이터 기반으로 한 금융 리스크 결정 방법 및 처리 방법 및 이러한 방법을 수행하는 장치
KR102484473B1 (ko) 서플라이 체인 데이터 기반으로 한 금융 서비스 제공 방법 및 이러한 방법을 수행하는 장치
KR102453977B1 (ko) 서플라이 체인 데이터 수집 및 처리 방법 및 이러한 방법을 수행하는 장치
JP6531059B2 (ja) ビジネスマッチングシステム及びビジネスマッチング方法
Huang et al. A framework for analyzing the US coin supply chain
Olson et al. Data mining process
JP6121017B2 (ja) 金融機関経営支援システム及びプログラム
Fernando et al. Utilization of Big Data In E-Commerce Business
CN117669994B (zh) 一种固定资产优化配置系统及方法
Kashinath et al. Prediction of Delays in Invoice Payments Using Machine Learning
Hariram et al. Customer Segmentation Analysis leveraging Machine Learning Algorithms
Mathews et al. Clustering collusive dealers in commercial taxation system
US20240242129A1 (en) Segmented machine learning-based modeling with period-over-period analysis

Legal Events

Date Code Title Description
A107 Divisional application of patent
GRNT Written decision to grant