WO2024005370A1 - 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치 - Google Patents

데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치 Download PDF

Info

Publication number
WO2024005370A1
WO2024005370A1 PCT/KR2023/006991 KR2023006991W WO2024005370A1 WO 2024005370 A1 WO2024005370 A1 WO 2024005370A1 KR 2023006991 W KR2023006991 W KR 2023006991W WO 2024005370 A1 WO2024005370 A1 WO 2024005370A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
economy
value
financial
generated
Prior art date
Application number
PCT/KR2023/006991
Other languages
English (en)
French (fr)
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
Publication of WO2024005370A1 publication Critical patent/WO2024005370A1/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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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
    • 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
    • G06Q30/0283—Price estimation or determination
    • 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

Definitions

  • the present invention relates to a method for measuring the value of financial data in the data economy and an apparatus for performing such method. More specifically, it relates to a method of measuring the value of financial data in a data economy to implement a data economy by measuring the value of financial data for financial services and a device for performing such method.
  • Financial data is data related to financial products such as stocks, bonds, and funds, as well as the financial industry and finance. Domestic and foreign financial companies are expanding the use of financial data to all sectors of the financial industry, including marketing, security, credit evaluation, and financial product development. Financial data reflects various factors such as the characteristics of financial transactions that occur quickly and in large quantities, individual consumption, investment type, and risk propensity, while maintaining high data accuracy. In addition, financial data is easy to combine with data from other industries such as ICT, distribution, and health care, and has a high correlation effect with other industries, including forward and backward industries, so the economic value and industrial utilization of the data are very high.
  • the purpose of the present invention is to solve all of the above-mentioned problems.
  • the purpose of the present invention is to improve the accuracy of selling and purchasing data by accurately determining the value of financial data.
  • the purpose of the present invention is to combine financial data and accurately determine the value of the combined financial data to facilitate transactions between data sellers and data buyers.
  • a representative configuration of the present invention to achieve the above object is as follows.
  • a method of measuring the value of financial data in the data economy includes a step of determining a data economy by a data economy determination device and a step of determining the value of data generated in the data economy by a data value determination device. can do.
  • the step of determining the data economy includes the data economy determining device determining a candidate data economy, and the data economy determining device dividing the candidate data economy or merging the candidate data economy into the data economy. It may include a step of deciding.
  • the data may include single data and combined data, where the single data may be data generated in one data economy, and the combined data may be a combination of data generated in each of a plurality of data economies.
  • a data trading system may include a data economy determination device implemented to determine a data economy and a data value determination device implemented to determine the value of data generated in the data economy.
  • the data economy determination device may be implemented to determine a candidate data economy and determine the candidate data economy as the data economy based on candidate data economy division or candidate data economy merging.
  • the data may include single data and combined data, where the single data may be data generated in one data economy, and the combined data may be a combination of data generated in each of a plurality of data economies.
  • the accuracy of selling and purchasing data can be improved by accurately determining the value of financial data.
  • transactions between sellers of data and buyers of data can be activated by combining financial data and accurately determining the value of the combined financial data.
  • FIG. 1 is a conceptual diagram showing a data transaction system according to an embodiment of the present invention.
  • Figure 2 is a conceptual diagram showing the operation of a data economy decision device according to an embodiment of the present invention.
  • Figure 3 is a conceptual diagram showing a method for determining characteristics of a data economy according to an embodiment of the present invention.
  • Figure 4 is a conceptual diagram showing the operation of a data value determination device according to an embodiment of the present invention.
  • Figure 5 is a conceptual diagram showing a method for determining data value according to an embodiment of the present invention.
  • Figure 6 is a conceptual diagram showing a method for determining the value of data based on the learning potential of an artificial intelligence model according to an embodiment of the present invention.
  • FIG. 1 is a conceptual diagram showing a data transaction system according to an embodiment of the present invention.
  • the data trading system includes a data collection device 100, a data economy determination device 110, a data value determination device 120, a data combination device 130, a data product creation device 140, and a data transaction. It may include device 150.
  • Data collection device 100 may be implemented to collect financial data. Financial data may include a variety of data used directly or indirectly for financial services. The data collection device 100 may be implemented to collect data generated from various devices located in the data economy.
  • the data economy determination device 110 may be implemented to determine the data economy.
  • Data economy may be the basic unit of data generation that generates financial data. Data economy can be set separately into units such as main data economy and sub data economy.
  • Service A eg, Baedal Minjok
  • Service B eg, Today's House
  • Data economy A may be established based on data generated from service A
  • data economy B may be established based on data generated from service B.
  • a data generation unit that can provide financial services on similar standards can be set as one data economy and utilized for financial services.
  • the data economy determination device 110 may adaptively change the data economy to provide financial services by additionally dividing or combining the data economy.
  • the final data economy unit to be used in financial services can be determined.
  • the determined data economy can be redefined through coordination, splitting into smaller units of the data economy for financial services or merging into larger units of the data economy.
  • the data value determination device 120 may be implemented to determine the value of data generated in the data economy.
  • the value of data may include the first value of individual data and the second value of the data when the data is combined with other data.
  • Data generated in one data economy can be expressed as single data, and the combination of data generated in a specific data economy and data generated in another data economy can be expressed as combined data. That is, combination data may be a combination of data generated based on multiple data economies.
  • the data value determination device 120 can determine the data value.
  • Data value may be determined based on benefits (e.g., economic benefits) based on the data. The method for determining data value is described in more detail below.
  • the data combination device 130 may be implemented to combine data based on data value.
  • the data combination device 130 may generate combined data when the value of the data increases based on the combination of data from different data economies.
  • the data product generating device 140 may be implemented to generate a data product.
  • Data products may include single data products and combination data products.
  • a single data product may be a product for single data, and a combined data product may be a product for combined data.
  • the data product generating device may generate a data product when a profit based on data exists or when the profit based on the data exceeds a threshold profit.
  • the data trading device 150 may be implemented for trading data products.
  • the data transaction device 150 may be implemented for data transaction between a data seller and a data buyer.
  • the data transaction device 150 may provide data sellers with information on appropriate data sales prices and provide guidance so that data sellers can set prices for data. Additionally, the data transaction device 150 may recommend data to be purchased by taking into account the characteristics of the data purchaser.
  • the data transaction device 150 may provide purchase recommendation data to data buyers based on data value.
  • Figure 2 is a conceptual diagram showing the operation of a data economy decision device according to an embodiment of the present invention.
  • the data economy determination device may primarily set a business unit that performs the same economic activity as a candidate data economy 200 in order to determine the data economy.
  • a business unit performing the same economic activity may be a single online service unit.
  • this one business unit may be set as the candidate data economy 200.
  • a platform unit where data is generated as buyers make payments and sellers make sales can be set as a candidate data economy 200.
  • the candidate data economy 200 may be determined as a data economy for financial services through division into other data economies or merging with other candidate data economies 200.
  • the candidate data economy 200 can be divided into a plurality of different data economies.
  • Candidate data economy division 210 may include business model-based division 230 and data-based division 240.
  • Business model-based division 230 is a data economy division for objects with different roles when they perform different roles based on a business model and can provide different financial services.
  • Data-based division 240 is a division performed when the same role is performed within the business model, but the characteristics of the data generated are different even when the same role is performed, so that different financial services can be provided.
  • business model-based segmentation 230 may be performed primarily, and data-based segmentation 240 may be performed secondarily.
  • the business model-based division 230 may be a division of the data economy into food sellers and food deliverers who perform different roles within the business model.
  • the products sold by each seller may be different, and the sales rate and net profit of the sold products may be different.
  • different financial services may be provided for each seller based on the data generated.
  • the candidate data economy 200 may be segmented and divided into a plurality of data economies based on data generated by the seller.
  • Candidate data economy merging 220 may be performed based on the characteristics of data generated from a plurality of candidate data economies 200. If the nature of the data generated in the plurality of candidate data economies 200 is similar and the same financial service can be provided, the plurality of candidate data economies 200 may be merged to form one data economy.
  • the data similarity of data generated in the data economy can be judged to be relatively similar as relatively similar financial services based on data are provided. For example, the lending limit and loan interest rate of a financial service (e.g., a loan) based on candidate data economy 1 and the lending limit and loan interest rate of a financial service (e.g., a loan) based on candidate data economy 2. It can be said that the more similar the interest rates are, the higher the data similarity is.
  • a predicted financial service can be extracted by inputting data generated from each of a plurality of candidate data economies into a learned financial service engine. Data similarity may be determined through comparison between predicted financial services determined in each of a plurality of candidate data economies.
  • Data gradient is the change in data characteristics over time. If the data is sales data or order data, the data change may include the change in sales data over time, the change in order data, etc.
  • Figure 3 is a conceptual diagram showing a method for determining characteristics of a data economy according to an embodiment of the present invention.
  • a method for determining the characteristics of the data economy is disclosed.
  • the characteristics of the data economy can be utilized to provide financial services based on data generated in the data economy.
  • data economy can be set by dividing into units such as main data economy 300 and sub data economy 310.
  • the main data economy 300 and the sub data economy 310 may each be set as individual data economies, or the main data economy 300 and the sub data economy 310 may be divided and set as a plurality of data economies or merged into one data economy. It can also be set to data economy.
  • the main data economy 300 is the center of the data economy and may be a data economy that forms the main business in a specific business model (or online platform) unit.
  • the main business can be determined based on the data transactions most frequently generated by multiple objects operating within the business.
  • the sub data economy 310 is a data economy that operates in conjunction with the main data economy 300 and may be a data economy that operates in conjunction with the main business.
  • the main data economy 300 may be a data economy where data generation begins
  • the sub data economy 310 may be a data economy where other data is generated based on the generated data.
  • the main data economy 300 and the sub data economy 310 can be distinguished based on the initial occurrence of data and whether other dependent data is generated based on the initial occurrence data.
  • the main data economy is a data economy formed based on data on food order transactions that occur between the food orderer and the food seller
  • the sub data economy is a data economy formed based on the data on the food order transaction that occurs between the food orderer and the food seller
  • the sub data economy is a data economy formed based on the data on the food order transaction that occurs between the food orderer and the food seller. It may be a data economy formed based on data on linked delivery transactions.
  • the main data economy and sub data economy may be divided by considering the transaction that occurs on the business model (or platform) and the entity that generates the transaction.
  • the sub data economy cannot help but be influenced by the main data economy.
  • a service such as Baedal Minjok
  • the orderer's food corresponding to the main data economy and the seller's food sale must occur for the delivery person to deliver the seller's food corresponding to the sub data economy. Therefore, there is a data economy relationship between the main data economy and the sub data economy, and this data economy relationship is utilized for financial services for the sub data economy, so that financial services for the sub data economy are financial services for the main data economy. It can be decided taking into account.
  • the data economy relevance may be determined by considering whether the sub data economy is only related to a specific main data economy or is also related to other main data economies. For example, a delivery person's delivery of a seller's food may be connected not only to Baedal Minjok but also to another delivery platform (Coupang Eats), and in this case, the data economy correlation may be relatively low.
  • the data economy relevance may be determined by considering whether the sub data economy is included in another main data economy. That is, a specific data economy may be a sub-data economy of a specific main data economy or may be included in a specific main data economy.
  • the delivery business may be set as a separate main data economy. In this case, the delivery of the seller's food may be set as not only the sub data economy, but also the main data economy from another perspective.
  • Figure 4 is a conceptual diagram showing the operation of a data value determination device according to an embodiment of the present invention.
  • the data value determination device is a first value 415 of single data 410, which is data generated in a specific data economy, and a combination of data generated in a specific data economy and data generated in another data economy. It may be implemented to determine a second value (425) of the combination data (420).
  • Table 1 below shows the values of single data (410) and combined data (420).
  • Data A, Data B, and Data C are single data (410), and Data A+B, Data A+C, Data B+C, and Data A+B+C are combined data (420).
  • a data value determination device can determine the profit that can be obtained based on single data and combined data and determine the value of the data based on the profit.
  • Data A and Data B each have a profit of 100 and a profit of 80 when they are single data, and when Data A and Data B are combined data, they have a profit of 150.
  • the value of the combined data may not be a simple sum of the individual data that makes up the combined data, and the data value determination device may determine the value of the combined data separately.
  • the first value of single data and the second value of combined data may be determined based on various criteria, but for convenience of explanation, a method of determining them by considering possible profits based on financial services is disclosed.
  • the data value determination device uses the single data to determine the first value of the single data, it can determine the financial benefit considering the loan limit and loan interest rate of financial services that can be provided additionally. In other words, the financial benefit that arises from providing additional financial services based on specific single data can be determined as the first value.
  • the data value determination device uses the combination data to determine the second value of the combination data, it can determine the primary financial benefit considering the loan limit and loan interest rate of financial services that can be provided additionally.
  • the primary financial benefit is adjusted in consideration of the degree of financial service redundancy between the individual data constituting the combination data to determine the final financial benefit, and the finally determined financial benefit may be determined as the second value.
  • the degree of financial service redundancy may be determined by considering the redundancy of financial service objects corresponding to a plurality of individual data constituting the combination data. For example, it may be assumed that the combined data is a combination of single data A and single data B. If the financial service object is related to both independent data A and independent data B, the financial service object may overlap.
  • the data value determination device can determine the data value based on the exclusive power of the data. If there are multiple entities seeking to utilize the same data, the profits that can be obtained based on the data may be dispersed. Accordingly, when an exclusive period for data is set, the data may be set by taking the exclusive period of the data into consideration when determining the value of the data. In addition, the data value determination device can determine the data value by considering the number of buyers who purchased the data.
  • Figure 5 is a conceptual diagram showing a method for determining data value according to an embodiment of the present invention.
  • the data value determination device can determine the data value by considering the future value of the data.
  • a method of determining the value of data through prediction of changes in data value over time is disclosed.
  • Changes in data value over time can be determined by considering the growth of the data economy in which the data was created.
  • the growth of the data economy is 1) the increase rate of the amount of data generated in the data economy (first data economy growth rate (510)), 2) the increase rate of objects included in the data economy (second data economy growth rate (520)), 3 ) It can be determined by considering the data economy's degree of correlation with other data economies (third data economy growth rate (530)), etc. In other words, as the data economy grows, the value of the data can be set to increase.
  • the first data economy growth rate (510), the second data economy growth rate (520), and the third data economy growth rate (530), the first data economy growth rate (510), the second data economy growth rate (530) 520) Duplicate values between values can be removed.
  • the first data economy growth rate 510 can be determined by assigning different weights to each new object and existing object. To remove duplicate values, new object data generated by new objects within the data economy and existing object data generated by existing objects can be distinguished. The first data economy growth rate 510 may assign different weights to new object data and existing object data, but may assign a relatively higher weight to new object data.
  • the third data economy growth rate 530 may be determined by considering whether the data economy is the main data economy or the sub data economy, and the degree of connection with other data economies.
  • the data economy growth rate (530) can be set relatively high.
  • Figure 6 is a conceptual diagram showing a method for determining the value of data based on the learning potential of an artificial intelligence model according to an embodiment of the present invention.
  • the value of the data of the present invention can be determined based on the performance of the artificial intelligence model learned based on the data, and the model value of the artificial intelligence model is as follows: first model value, second model value, and It may be determined based on the third model value.
  • the first model value 610 of the artificial intelligence model may be determined based on the reliability of the generated artificial intelligence model.
  • the value for an artificial intelligence model for a specific segment may be determined based on how accurate financial predictions it makes based on input data for that specific segment.
  • a specific segment may refer to the target of financial services.
  • the second model value 620 of the artificial intelligence model may be determined based on the improvement potential of the generated artificial intelligence model.
  • the second model value is based on the possibility of generating high-quality new data that can be continuously input into an artificial intelligence model, the amount of new data generated, and whether continuous reliability improvement is possible without overfitting when entering data. (1120) can be determined.
  • the third model value 630 of the artificial intelligence model may be determined based on the versatility of the generated artificial intelligence model. If an artificial intelligence model has high reliability for various financial segments, it can have a higher value than if the artificial intelligence model has high reliability only for a specific financial segment. Additionally, an artificial intelligence model that has high reliability for a variety of financial services can have a higher value than an artificial intelligence model that has high reliability only for a specific financial service.
  • a first model value judgment, a second model value judgment, and a third model value judgment may be performed for each artificial intelligence model, and a first model value judgment, a second model value judgment, and a third model value judgment may be performed based on each of the first model value judgment, the second model value judgment, and the third model value judgment.
  • the artificial intelligence model value 650 may be determined based on the first model value 610, the second model value 620, and the third model value 630.
  • the value of the data on which the artificial intelligence model was trained can be determined based on the artificial intelligence model value 650.
  • the embodiments according to the present invention described above can be implemented in the form of program instructions that can be executed through various computer components and recorded on a computer-readable recording medium.
  • the computer-readable recording medium may include program instructions, data files, data structures, etc., singly or in combination.
  • the program instructions recorded on the computer-readable recording medium may be specially designed and configured for the present invention or may be known and usable by those skilled in the computer software field.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical recording media such as CD-ROMs and DVDs, and magneto-optical media such as floptical disks. medium), and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, etc.
  • Examples of program instructions include not only machine language code such as that created by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like.
  • a hardware device can be converted into one or more software modules to perform processing according to the invention and vice versa.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

본 발명은 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 데이터 이코노미에서 금융 데이터 가치 측정 방법은 데이터 이코노미 결정 장치가 데이터 이코노미를 결정하는 단계와 데이터 가치 결정 장치가 데이터 이코노미에서 발생된 데이터의 가치를 결정하는 단계를 포함할 수 있다.

Description

데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치
본 발명은 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 보다 상세하게는 금융 서비스를 위한 금융 데이터의 가치를 측정하여 데이터 이코노미를 구현하기 위한 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치에 관한 것이다.
데이터 경제 시대에서 데이터의 활용은 데이터노믹스의 가장 중요한 핵심으로 작용하고 있고, 데이터의 활용을 위한 데이터 거래의 중요성이 지속적으로 강조되고 있다. 특히, 데이터 가치를 최대한 높이기 위해서는 데이터의 가치 평가에 대한 신뢰 및 데이터의 유통과 거래를 위한 기준이 필요하다.
금융 데이터는 주식, 채권, 펀드 등의 금융 상품은 물론이고 금융산업 및 금융과 관련된 데이터이다. 국내외 금융 회사들은 마케팅, 보안, 신용 평가, 금융 상품 개발 등 금융업 전 부문으로 금융 데이터의 활용을 확대하고 있는 추세이다. 금융 데이터는 빠르고 대량으로 발생하는 금융 거래의 특성과 개인의 소비, 투자 형태, 위험 성향 등의 다양한 요소를 반영하면서도 데이터의 정확성이 높다. 또한, 금융 데이터는 ICT, 유통, 보건의료 등 다른 산업 분야의 데이터와 결합이 용이하고, 전후방 산업을 비롯한 다른 산업과의 연관 효과도 높아 데이터의 경제적 가치와 산업적 활용도가 매우 높다.
따라서, 금융 데이터에 대한 적절한 가치 평가를 기반으로 한 데이터 이코노미의 생성이 필요하다. 관련 선행 기술로는 국내 특허(공개번호 10-2022-0022167)가 있다.
본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은, 정확한 금융 데이터 가치 판단을 수행하여 데이터의 판매 및 구매에 대한 정확도를 높이는 것을 목적으로 한다.
또한, 본 발명은, 금융 데이터를 조합하고 조합된 금융 데이터의 가치를 정확하게 판단하여 데이터의 판매자 및 데이터의 구매자의 거래를 활성화시키는 것을 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 실시예에 따르면, 데이터 이코노미에서 금융 데이터 가치 측정 방법은 데이터 이코노미 결정 장치가 데이터 이코노미를 결정하는 단계와 데이터 가치 결정 장치가 상기 데이터 이코노미에서 발생된 데이터의 가치를 결정하는 단계를 포함할 수 있다.
한편, 상기 데이터 이코노미를 결정하는 단계는 상기 데이터 이코노미 결정 장치가 후보 데이터 이코노미를 결정하는 단계와 상기 데이터 이코노미 결정 장치가 후보 데이터 이코노미 분할 또는 후보 데이터 이코노미 병합을 기반으로 상기 후보 데이터 이코노미를 상기 데이터 이코노미로 결정하는 단계를 포함할 수 있다.
또한, 상기 데이터는 단독 데이터 및 조합 데이터를 포함하고, 상기 단독 데이터는 하나의 데이터 이코노미에서 발생되는 데이터이고, 상기 조합 데이터는 복수의 데이터 이코노미 각각에서 발생되는 데이터의 조합일 수 있다.
본 발명의 다른 실시예에 따르면, 데이터 거래 시스템은 데이터 이코노미를 결정하도록 구현되는 데이터 이코노미 결정 장치와 상기 데이터 이코노미에서 발생된 데이터의 가치를 결정하도록 구현되는 데이터 가치 결정 장치를 포함할 수 있다.
한편, 상기 데이터 이코노미 결정 장치는 후보 데이터 이코노미를 결정하고, 후보 데이터 이코노미 분할 또는 후보 데이터 이코노미 병합을 기반으로 상기 후보 데이터 이코노미를 상기 데이터 이코노미로 결정하도록 구현될 수 있다.
또한, 상기 데이터는 단독 데이터 및 조합 데이터를 포함하고, 상기 단독 데이터는 하나의 데이터 이코노미에서 발생되는 데이터이고, 상기 조합 데이터는 복수의 데이터 이코노미 각각에서 발생되는 데이터의 조합일 수 있다.
본 발명에 의하면, 정확한 금융 데이터 가치 판단을 수행하여 데이터의 판매 및 구매에 대한 정확도가 향상될 수 있다.
또한, 본 발명에 의하면, 금융 데이터를 조합하고 조합된 금융 데이터의 가치를 정확하게 판단하여 데이터의 판매자 및 데이터의 구매자의 거래가 활성화될 수 있다.
도 1은 본 발명의 실시예에 따른 데이터 거래 시스템을 나타낸 개념도이다.
도 2는 본 발명의 실시예에 따른 데이터 이코노미 결정 장치의 동작을 나타낸 개념도이다.
도 3은 본 발명의 실시예에 따른 데이터 이코노미의 특성을 결정하는 방법을 나타낸 개념도이다.
도 4는 본 발명의 실시예에 따른 데이터 가치 결정 장치의 동작을 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 데이터 가치 결정 방법을 나타낸 개념도이다.
도 6은 본 발명의 실시예에 따른 인공지능 모델의 학습 가능성을 기반으로 데이터의 가치를 결정하기 위한 방법을 나타낸 개념도이다.
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 데이터 거래 시스템을 나타낸 개념도이다.
도 1에서는 복수의 데이터 이코노미를 기반으로 데이터 기반 금융서비스를 제공하기 위한 데이터 거래 시스템이 개시된다.
도 1을 참조하면, 데이터 거래 시스템은 데이터 수집 장치(100), 데이터 이코노미 결정 장치(110), 데이터 가치 결정 장치(120), 데이터 조합 장치(130), 데이터 상품 생성 장치(140) 및 데이터 거래 장치(150)를 포함할 수 있다.
데이터 수집 장치(100)는 금융 데이터를 수집하기 위해 구현될 수 있다. 금융 데이터는 금융 서비스를 위해 직접적 또는 간접적으로 사용하는 다양한 데이터를 포함할 수 있다. 데이터 수집 장치(100)는 데이터 이코노미 상에 위치한 다양한 장치에서 발생되는 데이터를 수집하기 위해 구현될 수 있다.
데이터 이코노미 결정 장치(110)는 데이터 이코노미를 결정하기 위해 구현될 수 있다. 데이터 이코노미는 금융 데이터를 발생시키는 데이터 발생의 기본 단위일 수 있다. 데이터 이코노미는 메인 데이터 이코노미와 서브 데이터 이코노미와 같은 단위로 구분되어 설정될 수 있다.
예를 들어, 판매자에게 금융 서비스(예를 들어, 대출)을 제공하기 위한 단위로서 서비스A(예를 들어, 배달의 민족), 서비스B(예를 들어, 오늘의 집)가 설정될 수 있다. 서비스A에서 발생되는 데이터를 기반으로 한 데이터 이코노미A가 설정되고, 서비스B에서 발생되는 데이터를 기반으로 한 데이터 이코노미B가 설정될 수 있다. 이와 같은 방식으로 유사한 기준으로 금융 서비스를 제공 가능한 데이터 발생 단위가 하나의 데이터 이코노미로 설정되어 금융 서비스를 위해 활용될 수 있다.
또한, 데이터 이코노미 결정 장치(110)는 데이터 이코노미를 추가적으로 분할하거나 결합하여 금융 서비스를 제공하기 위한 데이터 이코노미를 적응적으로 변화시킬 수 있다.
금융 서비스에 활용될 최종적인 데이터 이코노미의 단위를 결정할 수 있다. 결정된 데이터 이코노미는 금융 서비스를 위해 더 작은 데이터 이코노미의 단위로 분할되거나 더 큰 단위의 데이터 이코노미로 합쳐지는 조정을 통해 재정의될 수 있다.
데이터 가치 결정 장치(120)는 데이터 이코노미 상에서 발생되는 데이터에 대한 가치를 결정하기 위해 구현될 수 있다. 데이터의 가치는 개별적인 데이터가 가지는 제1 가치, 데이터가 다른 데이터와 조합되는 경우, 데이터가 가지는 제2 가치를 포함할 수 있다.
하나의 데이터 이코노미에서 발생되는 데이터는 단독 데이터, 특정 데이터 이코노미에서 발생되는 데이터와 다른 데이터 이코노미에서 발생되는 데이터의 조합은 조합 데이터라는 용어로 표현될 수 있다. 즉, 조합 데이터는 복수의 데이터 이코노미를 기반으로 발생된 데이터의 조합일 수 있다.
데이터 가치 결정 장치(120)는 데이터 가치를 결정할 수 있다. 데이터 가치는 데이터를 기반으로 한 이익(예를 들어, 경제적 이익)을 기준으로 결정될 수 있다. 데이터 가치를 결정하는 방법은 보다 구체적으로 후술된다.
데이터 조합 장치(130)는 데이터 가치를 기반으로 데이터를 조합하기 위해 구현될 수 있다. 데이터 조합 장치(130)는 서로 다른 데이터 이코노미 각각의 데이터의 조합을 기반으로 데이터의 가치가 높아지는 경우, 조합 데이터를 생성할 수 있다.
데이터 상품 생성 장치(140)는 데이터 상품을 생성하기 위해 구현될 수 있다. 데이터 상품은 단독 데이터 상품, 조합 데이터 상품을 포함할 수 있다. 단독 데이터 상품은 단독 데이터에 대한 상품이고, 조합 데이터 상품은 조합 데이터에 대한 상품일 수 있다. 데이터 상품 생성 장치는 데이터를 기반으로 한 이익이 존재하는 경우 또는 데이터를 기반으로 한 이익이 임계 이익을 넘어가는 경우, 데이터 상품을 생성할 수 있다.
데이터 거래 장치(150)는 데이터 상품의 거래를 위해 구현될 수 있다. 데이터 거래 장치(150)는 데이터 판매자와 데이터 구매자 간의 데이터 거래를 위해 구현될 수 있다. 데이터 거래 장치(150)는 데이터 판매자에게 적정 데이터 판매 가격에 대한 정보를 제공하고, 데이터 판매자가 데이터에 대한 가격을 설정할 수 있도록 가이드를 제공할 수 있다. 또한, 데이터 거래 장치(150)는 데이터 구매자의 특성을 고려하여 구매할 데이터를 추천할 수 있다. 데이터 거래 장치(150)는 데이터 가치를 기반으로 데이터 구매자에게 구매 추천 데이터를 제공할 수 있다.
도 2는 본 발명의 실시예에 따른 데이터 이코노미 결정 장치의 동작을 나타낸 개념도이다.
도 2에서는 금융 서비스를 위한 데이터를 추출하는 단위인 데이터 이코노미를 결정하기 위한 방법이 개시된다.
도 2를 참조하면, 데이터 이코노미 결정 장치는 데이터 이코노미를 결정하기 위해 동일한 경제 활동을 수행하는 비지니스 단위를 1차적으로 후보 데이터 이코노미(200)로 설정할 수 있다.
예를 들어, 동일한 경제 활동을 수행하는 비지니스 단위는 하나의 온라인 상의 서비스 단위일 수 있다. 예를 들어, 네이버의 스마트스토어, 배달의 민족, 오늘의 집과 같은 하나의 플랫폼을 통해서 비지니스가 발생되는 경우, 이러한 하나의 비지니스 단위가 후보 데이터 이코노미(200)로 설정될 수 있다. 보다 구체적으로 구매자들의 결제와 판매자들의 판매가 이루어지면서 데이터가 발생되는 하나의 플랫폼 단위가 후보 데이터 이코노미(200)로 설정될 수 있다.
후보 데이터 이코노미(200)는 다른 데이터 이코노미로의 분할 또는 다른 후보 데이터 이코노미(200)와의 병합을 통해 금융 서비스를 위한 데이터 이코노미로서 결정될 수 있다.
(1) 후보 데이터 이코노미 분할(210)
후보 데이터 이코노미(200)에서 발생되는 데이터의 성격을 기초로 후보 데이터 이코노미(200)를 분할하여 서로 다른 금융 서비스(예를 들어, 대출 한도, 대출 금리)가 제공될 수 있는 경우, 후보 데이터 이코노미(200)는 서로 다른 복수의 데이터 이코노미로 분할될 수 있다.
후보 데이터 이코노미 분할(210)은 비지니스 모델 기반 분할(230), 데이터 기반 분할(240)을 포함할 수 있다. 비지니스 모델 기반 분할(230)은 비지니스 모델을 기반으로 서로 다른 역할을 수행하여 서로 다른 금융 서비스를 제공 가능시 수행되는 역할이 상이한 객체에 대한 데이터 이코노미 분할이다. 데이터 기반 분할(240)은 비지니스 모델 내에서 동일한 역할을 수행하나, 동일한 역할을 수행하는 경우에도 발생되는 데이터의 특성이 서로 상이하여 서로 다른 금융 서비스를 제공 가능할 경우 수행되는 분할이다. 본 발명의 실시예에 따르면, 비지니스 모델 기반 분할(230)이 1차적으로 수행되고, 2차적으로 데이터 기반 분할(240)이 수행될 수 있다.
예를 들어, 배달의 민족이라는 서비스 내에서 음식 판매자, 음식 배달자의 역할은 서로 상이할 수 있다. 비지니스 모델 기반 분할(230)은 비지니스 모델 내에서 서로 다른 역할을 수행하는 음식 판매자, 음식 배달자에 대한 데이터 이코노미의 분할일 수 있다.
또 다른 예를 들어, 네이버 스마트스토어에서 판매자 간의 서로 판매하는 물건이 다를 수도 있고, 판매 물건의 판매율, 순이익 등이 서로 다를 수 있다. 즉, 동일한 역할을 수행하나 발생되는 데이터를 기초로 판매자 별로 서로 다른 금융 서비스가 제공될 수 있다. 데이터 기반 분할(240)을 통해 비지니스 모델 내에서 동일하게 판매자의 역할을 수행하는 경우에도 판매자에 의해 발생되는 데이터를 기반으로 후보 데이터 이코노미(200)는 세분화되어 복수의 데이터 이코노미로 분할될 수 있다.
(2) 후보 데이터 이코노미 병합(220)
후보 데이터 이코노미 병합(220)은 복수의 후보 데이터 이코노미(200)에서 발생되는 데이터의 성격을 기초로 수행될 수 있다. 복수의 후보 데이터 이코노미(200)에서 발생되는 데이터의 성격이 유사하고, 동일한 금융 서비스가 제공 가능한 경우, 복수의 후보 데이터 이코노미(200)는 병합되어 하나의 데이터 이코노미를 형성할 수 있다.
데이터 이코노미에서 발생되는 데이터의 데이터 유사도는 데이터를 기반으로 한 상대적으로 유사한 금융 서비스가 제공될수록 상대적으로 유사하다고 판단될 수 있다. 예를 들어, 후보 데이터 이코노미1을 기반으로 한 금융 서비스(예를 들어, 대출)의 대출 한도, 대출 금리와 후보 데이터 이코노미2를 기반으로 한 금융 서비스(예를 들어, 대출)의 대출 한도, 대출 금리가 유사할 수록 상대적으로 높은 데이터 유사도를 가진다고 할 수 있다. 데이터 유사도를 판단하기 위해 제공 가능한 금융 서비스를 판단하기 위해 학습된 금융 서비스 엔진에 복수의 후보 데이터 이코노미 각각에서 발생된 데이터를 입력하여 예측 금융 서비스를 추출할 수 있다. 복수의 후보 데이터 이코노미 각각에서 결정된 예측 금융 서비스 간의 비교를 통해 데이터 유사도가 결정될 수 있다.
또한, 데이터 이코노미에서 발생되는 데이터 변화도가 상대적으로 유사할 경우, 데이터 유사도가 상대적으로 높게 설정될 수 있다. 데이터 변화도는 시간에 따른 데이터 특성의 변화이다. 데이터가 매출 데이터 주문 데이터인 경우, 데이터 변화도는 시간에 따른 매출 데이터의 변화도, 주문 데이터의 변화도 등을 포함할 수 있다.
도 3은 본 발명의 실시예에 따른 데이터 이코노미의 특성을 결정하는 방법을 나타낸 개념도이다.
도 3에서는 데이터 이코노미의 특성을 결정하기 위한 방법이 개시된다. 데이터 이코노미의 특성은 데이터 이코노미에서 발생한 데이터를 기반으로 한 금융 서비스를 제공하기 위해 활용될 수 있다.
도 3을 참조하면, 데이터 이코노미는 메인 데이터 이코노미(300)와 서브 데이터 이코노미(310)와 같은 단위로 구분되어 설정될 수 있다. 메인 데이터 이코노미(300)와 서브 데이터 이코노미(310) 각각은 개별적인 데이터 이코노미로 설정될 수도 있고, 메인 데이터 이코노미(300)와 서브 데이터 이코노미(310)가 분할되어 복수의 데이터 이코노미로 설정되거나 병합되어 하나의 데이터 이코노미로 설정될 수도 있다.
메인 데이터 이코노미(300)는 데이터 이코노미의 중심으로서 특정 비지니스 모델(또는 온라인 플랫폼) 단위에서 메인 비지니스를 이루는 데이터 이코노미일 수 있다. 메인 비지니스는 비지니스 내에서 동작하는 복수의 객체들이 가장 많이 발생시키는 데이터 트랜잭션을 기준으로 결정될 수 있다.
서브 데이터 이코노미(310)는 메인 데이터 이코노미(300)와 연동되어 동작하는 데이터 이코노미로서 메인 비지니스와 연동되어 동작하는 데이터 이코노미일 수 있다.
또 구분 방법으로 메인 데이터 이코노미(300)는 데이터 발생의 시작이 되는 데이터 이코노미이고 서브 데이터 이코노미(310)는 발생된 데이터를 기반으로 한 다른 데이터가 발생하는 데이터 이코노미일 수 있다. 데이터의 초기 발생과, 초기 발생 데이터를 기반으로 한 다른 종속 데이터의 발생 여부를 기반으로 메인 데이터 이코노미(300)와 서브 데이터 이코노미(310)가 구분될 수 있다.
배달의 민족과 같은 서비스의 경우, 메인 데이터 이코노미는 음식 주문자와 음식 판매자 간에 발생되는 음식 주문 트랜잭션 상의 데이터를 기반으로 형성된 데이터 이코노미고, 서브 데이터 이코노미는 음식 배달자와 같은 메인 비지니스(음식료 주문)에 연동된 배달 드랜잭션 상의 데이터를 기반으로 형성된 데이터 이코노미일 수 있다.
위와 같이 비지니스 모델(또는 플랫폼) 상에서 발생되는 트랜잭션, 트랜잭션을 발생시키는 주체를 고려하여 위와 같은 메인 데이터 이코노미와 서브 데이터 이코노미가 분할될 수도 있다.
서브 데이터 이코노미는 메인 데이터 이코노미로부터 영향을 받을 수 밖에 없다. 예를 들어, 배달의 민족과 같은 서비스의 경우, 메인 데이터 이코노미에 대응되는 주문자의 음식 주문과 판매자의 음식 판매가 있어야 서브 데이터 이코노미에 대응되는 판매자의 음식에 대한 배달자의 배달이 이루어질 수 있다. 따라서, 메인 데이터 이코노미와 서브 데이터 이코노미 간의 데이터 이코노미 연관도가 존재하고 이러한 데이터 이코노미 연관도는 서브 데이터 이코노미에 대한 금융 서비스를 위해 활용되어 서브 데이터 이코노미에 대한 금융 서비스는 메인 데이터 이코노미에 대한 금융 서비스를 고려하여 결정될 수 있다.
데이터 이코노미 연관도는 서브 데이터 이코노미가 특정 메인 데이터 이코노미에만 연관되어 있는지 다른 메인 데이터 이코노미와도 연관되어 있는지 여부를 고려하여 결정될 수 있다. 예를 들어, 판매자의 음식에 대한 배달자의 배달은 배달의 민족뿐만 아니라 다른 배달 플랫폼(쿠팡 이츠)와도 연결될 수 있고, 이러한 경우, 데이터 이코노미 연관도는 상대적으로 낮아질 수 있다.
또한, 데이터 이코노미 연관도는 서브 데이터 이코노미가 다른 메인 데이터 이코노미에 포함되어 있는지 여부를 고려하여 결정될 수 있다. 즉, 특정 데이터 이코노미는 특정 메인 데이터 이코노미의 서브 데이터 이코노미일 수도 있고, 또한, 특정 메인 데이터 이코노미에 포함될 수도 있다. 예를 들어, 배달 비지니스가 별도의 메인 데이터 이코노미로 설정될 수도 있고 이러한 경우, 판매자의 음식에 대한 배달자의 배달은 서브 데이터 이코노미뿐만 아니라, 다른 관점에서는 메인 데이터 이코노미로도 설정될 수 있다.
도 4는 본 발명의 실시예에 따른 데이터 가치 결정 장치의 동작을 나타낸 개념도이다.
도 4에서는 데이터 가치 결정 장치가 데이터의 가치를 결정하는 동작이 개시된다.
도 4를 참조하면, 데이터 가치 결정 장치는 특정 데이터 이코노미에서 발생되는 데이터인 단독 데이터(410)의 제1 가치(415), 특정 데이터 이코노미에서 발생되는 데이터와 다른 데이터 이코노미에서 발생되는 데이터의 조합인 조합 데이터(420)의 제2 가치(425)를 결정하기 위해 구현될 수 있다.
아래의 표1은 단독 데이터(410) 및 조합 데이터(420)의 가치를 나타낸 표이다.
데이터의 조합 이윤 현재와의 차이
1 A 100 0
2 B 80 -20
3 C 50 -50
4 A+B 150 +50
5 A+C 130 +30
6 B+C 110 +10
7 A+B+C 160 +60
데이터A, 데이터B, 데이터C는 단독 데이터(410)이고, 데이터A+B, 데이터A+C, 데이터B+C, 데이터A+B+C는 조합 데이터(420)이다.
예를 들어, 데이터 가치 결정 장치는 단독 데이터 및 조합 데이터를 기반으로 얻을 수 있는 이윤을 결정하고 이윤을 기반으로 데이터의 가치를 결정할 수 있다.
데이터A, 데이터B 각각은 단독 데이터일 경우, 이윤 100, 이윤 80을 가지게 되고, 데이터A, 데이터B는 조합 데이터일 경우, 150의 이윤을 가지게 된다. 조합 데이터의 가치는 조합 데이터를 이루는 단독 데이터의 단순합은 아닐 수 있고, 데이터 가치 결정 장치는 조합 데이터의 가치를 별도로 결정할 수 있다.
단독 데이터의 제1 가치 및 조합 데이터의 제2 가치는 다양한 기준으로 결정될 수 있으나, 설명의 편의상 예시적으로 금융 서비스를 기준으로 발생 가능한 이익을 고려하여 결정하는 방법이 개시된다.
데이터 가치 결정 장치는 단독 데이터의 제1 가치를 결정하기 위해서 단독 데이터를 사용할 경우, 추가적으로 제공 가능한 금융 서비스의 대출 한도, 대출 금리를 고려한 금융 이익을 결정할 수 있다. 즉, 특정 단독 데이터를 기반으로 추가적인 금융 서비스를 제공함으로써 발생하는 금융 이익이 제1 가치로 결정될 수 있다.
또한, 데이터 가치 결정 장치는 조합 데이터의 제2 가치를 결정하기 위해 조합 데이터를 사용할 경우, 추가적으로 제공 가능한 금융 서비스의 대출 한도, 대출 금리를 고려한 1차 금융 이익을 결정할 수 있다. 1차 금융 이익은 조합 데이터를 구성하는 단독 데이터 간의 금융 서비스 중복도를 고려하여 조정되어 최종적으로 금융 이익이 결정되고, 최종적으로 결정된 금융 이익이 제2 가치로 결정될 수 있다.
금융 서비스 중복도는 조합 데이터를 구성하는 복수의 단독 데이터에 대응되는 금융 서비스 대상의 중복을 고려하여 결정될 수 있다. 예를 들어, 조합 데이터가 단독 데이터A와 단독 데이터B의 조합인 경우가 가정될 수 있다. 금융 서비스 대상이 단독 데이터A와 단독 데이터B와 모두 관련된 경우, 금융 서비스 대상은 중복될 수 있다.
또한, 본 발명의 실시예에 따르면, 데이터 가치 결정 장치는 데이터의 독점력을 기반으로 데이터 가치를 결정할 수 있다. 동일한 데이터에 대하여 데이터를 활용하고자 하는 주체가 복수인 경우, 데이터를 기반으로 얻을 수 있는 이윤이 분산될 수 있다. 따라서, 데이터에 대한 독점 기간이 설정되는 경우, 데이터의 가치를 판단시 데이터의 독점 기간을 고려하여 데이터가 설정될 수 있다. 이뿐만 아니라 데이터 가치 결정 장치는 데이터를 구매한 구매자의 수를 고려하여 데이터 가치를 결정할 수 있다.
도 5는 본 발명의 실시예에 따른 데이터 가치 결정 방법을 나타낸 개념도이다.
도 5에서는 데이터 미래 가치를 기반으로 데이터 가치 결정 장치의 데이터 가치 결정 방법이 개시된다.
도 5를 참조하면, 데이터 가치 결정 장치는 데이터 미래 가치를 고려하여 데이터 가치를 결정할 수 있다.
시간별 데이터 가치의 변화에 대한 예측을 통해 데이터의 가치를 결정하는 방법이 개시된다.
시간별 데이터 가치의 변화는 데이터가 생성된 데이터 이코노미의 성장을 고려하여 결정될 수 있다. 데이터 이코노미의 성장은 1) 데이터 이코노미에서 발생되는 데이터의 양의 증가율(제1 데이터 이코노미 성장률(510)), 2) 데이터 이코노미에 포함되는 객체의 증가율(제2 데이터 이코노미 성장률(520)), 3) 데이터 이코노미와 다른 데이터 이코노미와의 데이터 이코노미 연관도(제3 데이터 이코노미 성장률(530)) 등을 고려하여 결정될 수 있다. 즉, 데이터 이코노미가 성장할수록 해당 데이터의 가치는 증가되도록 설정될 수 있다.
제1 데이터 이코노미 성장률(510), 제2 데이터 이코노미 성장률(520) 및 제3 데이터 이코노미 성장률(530)을 기반으로 데이터 가치를 결정하기 위해 제1 데이터 이코노미 성장률(510), 제2 데이터 이코노미 성장률(520) 간의 중복 가치가 제거될 수 있다.
데이터 이코노미에 참여하는 객체의 증가로 인한 데이터의 증가가 이루어질 수 있기 때문에 제1 데이터 이코노미 성장률(510)은 신규 객체와 기존 객체 각각에 서로 다른 가중치를 부여하여 결정할 수 있다. 중복 가치 제거를 위해서 데이터 이코노미 내에 신규 객체가 발생시킨 신규 객체 데이터와 기존 객체가 발생시킨 기존 객체 데이터가 구분될 수 있다. 제1 데이터 이코노미 성장률(510)은 신규 객체 데이터와 기존 객체 데이터 각각에 서로 다른 가중치를 부여하되 신규 객체 데이터에 상대적으로 더 높은 가중치를 부여할 수 있다.
또한 제3 데이터 이코노미 성장률(530)은 데이터 이코노미가 메인 데이터 이코노미인지, 서브 데이터 이코노미인지 여부, 다른 데이터 이코노미와의 연관도를 고려하여 결정될 수 있다.
데이터 이코노미가 메인 데이터 이코노미인 경우, 서브 데이터 이코노미인 경우보다 상대적으로 높은 가중치가 부여되어 제3 데이터 이코노미 성장률(530)이 결정될 수 있다. 또한, 다른 몇개의 데이터 이코노미와의 연결되어 있는지 또한, 연결된 데이터 이코노미가 서브 데이터 이코노미인지, 메인 데이터 이코노미인지에 따라 다른 데이터 이코노미와의 데이터 이코노미 연관도가 결정되고, 데이터 이코노미 연관도가 높을수록 제3 데이터 이코노미 성장률(530)은 상대적으로 높게 설정될 수 있다.
도 6은 본 발명의 실시예에 따른 인공지능 모델의 학습 가능성을 기반으로 데이터의 가치를 결정하기 위한 방법을 나타낸 개념도이다.
도 6에서는 금융 서비스를 제공하기 위한 인공 지능 모델의 벨류를 기반으로 데이터의 가치를 결정하기 위한 방법이 개시된다.
도 6을 참조하면, 본 발명의 데이터의 가치는 데이터를 기반으로 학습되는 인공 지능 모델의 성능을 기반으로 결정될 수 있고, 인공 지능 모델의 모델 벨류는 아래와 같이 제1 모델 벨류, 제2 모델 벨류 및 제3 모델 벨류를 기반으로 결정될 수 있다.
인공 지능 모델의 제1 모델 벨류(610)는 생성된 인공 지능 모델의 신뢰도를 기반으로 결정될 수 있다. 예를 들어, 특정 세그먼트를 위한 인공 지능 모델에 대한 벨류는 특정 세그먼트에 대한 입력 데이터를 기반으로 얼마나 정확한 금융 예측이 수행되는 지를 기반으로 결정될 수 있다. 특정 세그먼트는 금융 서비스의 대상을 의미할 수 있다.
인공 지능 모델의 제2 모델 벨류(620)는 생성된 인공 지능 모델의 개선 가능성을 기반으로 결정될 수 있다. 예를 들어, 인공 지능 모델로 계속적으로 입력 가능한 퀄리티 높은 신규 데이터가 생성될 가능성 및 신규 데이터의 생성량, 데이터의 입력시 오버피팅없이 계속적인 신뢰도 개선이 가능할지에 대한 판단을 기반으로 제2 모델 벨류(1120)가 결정될 수 있다.
인공 지능 모델의 제3 모델 벨류(630)는 생성된 인공 지능 모델의 활용 범용성을 기반으로 결정될 수 있다. 인공 지능 모델이 특정 금융 세그먼트에 대해서만 신뢰도가 높은 것보다 인공 지능 모델이 다양한 금융 세그먼트에 대해 높은 신뢰도를 가지는 것이 보다 높은 벨류를 가질 수 있다. 또한, 인공 지능 모델이 특정 금융 서비스에 대해서만 신뢰도가 높은 것보다 인공 지능 모델이 다양한 금융서비스에 대해 높은 신뢰도를 가지는 것이 보다 높은 벨류를 가질 수 있다.
인공 지능 모델별로 제1 모델 벨류 판단, 제2 모델 벨류 판단 및 제3 모델 벨류 판단이 수행될 수 있고, 제1 모델 벨류 판단, 제2 모델 벨류 판단 및 제3 모델 벨류 판단 각각을 기반으로 한 제1 모델 벨류(610), 제2 모델 벨류(620), 제3 모델 벨류(630)를 기반으로 인공 지능 모델 벨류(650)가 결정될 수 있다.
인공 지능 모델 벨류(650)를 기반으로 인공 지능 모델을 학습시킨 데이터의 가치가 결정될 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록매체에 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 사용가능한 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. 데이터 이코노미에서 금융 데이터 가치 측정 방법은,
    데이터 이코노미 결정 장치가 데이터 이코노미를 결정하는 단계; 및
    데이터 가치 결정 장치가 상기 데이터 이코노미에서 발생된 데이터의 가치를 결정하는 단계를 포함하는 것을 특징으로 하는 방법.
  2. 제1항에 있어서, 상기 데이터 이코노미를 결정하는 단계는,
    상기 데이터 이코노미 결정 장치가 후보 데이터 이코노미를 결정하는 단계; 및
    상기 데이터 이코노미 결정 장치가 후보 데이터 이코노미 분할 또는 후보 데이터 이코노미 병합을 기반으로 상기 후보 데이터 이코노미를 상기 데이터 이코노미로 결정하는 단계를 포함하는 것을 특징으로 하는 방법.
  3. 제2 항에 있어서,
    상기 데이터는 단독 데이터 및 조합 데이터를 포함하고,
    상기 단독 데이터는 하나의 데이터 이코노미에서 발생되는 데이터이고,
    상기 조합 데이터는 복수의 데이터 이코노미 각각에서 발생되는 데이터의 조합인 것을 특징으로 하는 방법.
  4. 제2 항에 있어서,
    상기 데이터는 단독 데이터 및 조합 데이터를 포함하고,
    상기 단독 데이터는 하나의 데이터 이코노미에서 발생되는 데이터이고,
    상기 조합 데이터는 복수의 데이터 이코노미 각각에서 발생되는 데이터의 조합인 것을 특징으로 하는 방법.
  5. 제4항에 있어서,
    상기 데이터 이코노미 결정 장치는 후보 데이터 이코노미를 결정하고, 후보데이터 이코노미 분할 또는 후보 데이터 이코노미 병합을 기반으로 상기 후보 데이터 이코노미를 상기 데이터 이코노미로 결정하도록 구현되는 것을 특징으로 하는 데이터 거래 시스템.
  6. 제5 항에 있어서,
    상기 데이터는 단독 데이터 및 조합 데이터를 포함하고,
    상기 단독 데이터는 하나의 데이터 이코노미에서 발생되는 데이터이고,
    상기 조합 데이터는 복수의 데이터 이코노미 각각에서 발생되는 데이터의 조합인 것을 특징으로 하는 데이터 거래 시스템.
PCT/KR2023/006991 2022-06-30 2023-05-23 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치 WO2024005370A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2022-0080450 2022-06-30
KR1020220080450A KR102522219B1 (ko) 2022-06-30 2022-06-30 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치

Publications (1)

Publication Number Publication Date
WO2024005370A1 true WO2024005370A1 (ko) 2024-01-04

Family

ID=86128277

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/006991 WO2024005370A1 (ko) 2022-06-30 2023-05-23 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치

Country Status (2)

Country Link
KR (2) KR102522219B1 (ko)
WO (1) WO2024005370A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102522219B1 (ko) * 2022-06-30 2023-04-17 주식회사 에이젠글로벌 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002334320A (ja) * 2001-05-08 2002-11-22 Omron Corp コンテンツ価値判定装置
KR20100091380A (ko) * 2009-02-10 2010-08-19 엔에이치엔비즈니스플랫폼 주식회사 무료로 등록된 데이터의 가치를 결정하는 시스템 및 방법
KR20140009575A (ko) * 2011-07-07 2014-01-22 엠파이어 테크놀로지 디벨롭먼트 엘엘씨 애그리게이팅된 환경에서의 벤더 최적화
JP2019140433A (ja) * 2018-02-06 2019-08-22 株式会社デンソー 通信システム、基地局、および、移動局
KR102522219B1 (ko) * 2022-06-30 2023-04-17 주식회사 에이젠글로벌 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002334320A (ja) * 2001-05-08 2002-11-22 Omron Corp コンテンツ価値判定装置
KR20100091380A (ko) * 2009-02-10 2010-08-19 엔에이치엔비즈니스플랫폼 주식회사 무료로 등록된 데이터의 가치를 결정하는 시스템 및 방법
KR20140009575A (ko) * 2011-07-07 2014-01-22 엠파이어 테크놀로지 디벨롭먼트 엘엘씨 애그리게이팅된 환경에서의 벤더 최적화
JP2019140433A (ja) * 2018-02-06 2019-08-22 株式会社デンソー 通信システム、基地局、および、移動局
KR102522219B1 (ko) * 2022-06-30 2023-04-17 주식회사 에이젠글로벌 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치

Also Published As

Publication number Publication date
KR102522219B1 (ko) 2023-04-17
KR20240002900A (ko) 2024-01-08

Similar Documents

Publication Publication Date Title
Cheng et al. Does bank FinTech reduce credit risk? Evidence from China
WO2020143409A1 (zh) 预测业务指标的方法及装置
US8032448B2 (en) Detecting and measuring risk with predictive models using content mining
Havranek et al. Forecasting tourist arrivals: Google Trends meets mixed-frequency data
US7546265B1 (en) Intellectual property audit system generating a machine implemented estimated value comprising a financial quality and/or financial quantity of an intellectual property portfolio
US20050071174A1 (en) Method and system for valuing intellectual property
WO2024005370A1 (ko) 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치
Cheng et al. Adapting large language models via reading comprehension
WO2019132084A1 (ko) 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버
WO2021169659A1 (zh) 资源信息推送方法、装置、服务器及存储介质
WO2024043442A1 (ko) 금융 서비스를 위한 데이터 이코노미 설정 방법 및 이러한 방법을 수행하는 장치
Pandiangan et al. Implementation of Operational Competitiveness Rating Analysis (OCRA) and Rank Order Centroid (ROC) to Determination of Minimarket Location
CN111126629B (zh) 模型的生成方法、刷单行为识别方法、系统、设备和介质
CN111563628A (zh) 房地产客户成交时间预测方法、装置及存储介质
Hung et al. Intelligent portfolio construction via news sentiment analysis
Raj et al. Loyalty score generation for customers using sentimental analysis of reviews in e-commerce
Zhang et al. A Precision Marketing Strategy of e‐Commerce Platform Based on Consumer Behavior Analysis in the Era of Big Data
Degruy Healthcare applications of knowledge discovery in databases
JP2021197089A (ja) 出力装置、出力方法及び出力プログラム
WO2023136492A1 (ko) 이커머스 데이터 기반 신용 평가 스코어 카드 결정 방법 및 이러한 방법을 수행하는 장치
CN105809480A (zh) 一种投资产品展示方法及系统
He et al. Customer segmentation and management of online shops based on RFM model
WO2021206293A1 (ko) Ict 기반의 기업 간 네트워크 마케팅 시스템 및 그 구동방법
CN114493900A (zh) 一种新支付制度下的基金监管系统及实现方法
Lin Solution procedure for inventory models with linear and fixed backorder costs

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23831734

Country of ref document: EP

Kind code of ref document: A1