- Customer 360
- Graph Data Science
편집자 주: Anand Sundarraman과의 노변담화는 GraphSummit 2022에서 발췌한 내용이에요.
Neo4j의 첫 번째 GraphSummit에서 파트너와 고객분들을 초대해서 연결된 데이터 경험에 대한 통찰력과 이야기를 공유하는 즐거움을 누렸답니다. 이 블로그 시리즈에서 더 많은 내용을 소개해 드릴 예정이니 계속 지켜봐 주세요! 시리즈의 여섯 번째 프레젠테이션에서는 싱가포르 투어의 하이라이트를 공유할게요. 에서 DBS Bank의 수석 부사장인 Anand Sundarraman과 함께 DBS가 어떻게 **Knowledge Graph**를 사용해서 사일로화된 고객 데이터를 통합하고 **Customer 360**을 달성했는지에 대한 여정을 담은 노변담화를 보실 수 있어요.
재밌게 봐주세요! 더 궁금한 점이 있다면 daniel.ng@neo4j.com으로 편하게 메일 주세요.
진행자: Anand님을 모시고 DBS에서 Knowledge Graph를 구현한 경험을 들어보는 시간을 갖게 되어 영광입니다. DBS는 디지털 혁신 분야의 선두 주자로 인정받고 있고, CEO인 Piyush Gupta는 DBS가 은행이라기보다는 기술 회사처럼 행동한다고 말하기도 했죠. 팀에서 Knowledge Graph 이니셔티브를 시작하기로 결정한 계기가 궁금해요.
Anand: 말씀하신 것처럼 저희는 은행보다는 기술 회사에 가깝다고 생각해요. 최근 슬로건은 "더 많이 살고 은행은 덜 쓰세요" 이거든요. 그래서 데이터를 한데 모으는 데 투자를 많이 시작했고, 데이터 플랫폼을 구축했어요. 일반적으로 은행은 각 시스템이 서로 다른 사일로에서 작동하기 때문에 이런 부분이 정말 어렵거든요. 그래서 첫 번째 단계는 모든 데이터를 한곳에 모으는 거였어요. 이렇게 하니 보고서나 대시보드를 만드는 건 쉬워졌지만, 깊이 있는 통찰력을 얻기는 어려웠죠. 그래서 Graph Database와 Knowledge Graph가 필요했던 거예요. 이제 미리 정의된 질문에 답하는 것뿐만 아니라, 훨씬 더 깊은 통찰력을 통해 훨씬 더 정교한 질문에도 답할 수 있게 되었어요.
진행자: 맞아요. 이제 더 정교한 질문에 답할 수 있게 된 거죠. 여기 계신 모든 분들이 미리 정의된 질문뿐만 아니라 더 정교한 질문에 답하고 싶어하실 텐데요. Anand님, Knowledge Graph를 사용해서 복잡한 질문에 어떻게 답할 수 있는지 설명해주시겠어요?
Anand: 크게 세 가지 포인트가 있어요. 첫째, 시장 분석, 신용 분석, 재무 분석 등 은행가가 수동으로 수행하는 일부 단계를 자동화하려고 노력했어요. 그래서 Knowledge Graph를 사용해서 이런 단계를 모델링했죠. 데이터 외에도 Semantic과 온톨로지를 사용해서 일부 단계를 자동화하는 데 도움을 받았어요. 이 모든 데이터를 통합함으로써 깊은 통찰력을 얻을 수 있었죠. 마지막으로, Alicia 박사님이 이야기했던 많은 데이터 과학 알고리즘도 살펴보고 있어요.
진행자: Knowledge Graph가 전체 고객 관계 및 참여 여정에 가져다준 구체적인 통찰력 유형의 몇 가지 예를 공유해주실 수 있을까요?
Anand: 일반적으로 저희는 대규모 은행으로서 기업 고객이든 소비자 영역이든 다양한 위치에 수천 명의 고객을 보유하고 있어요. 앞서 말씀드린 것처럼 모든 애플리케이션 데이터, 거래 데이터, 결제 장소, 구매 항목 등 모든 데이터를 통합했죠. 싱가포르의 ACRA 데이터나 국가 데이터 같은 외부 데이터도 많이 가지고 있고요.
이 모든 데이터를 통합해서 고객에 대한 전체적인 관점, 즉 매우 훌륭한 고객 360 뷰를 만들 수 있었어요. 그런 다음 거래 패턴, 구매 패턴, 신청한 신용 카드 종류 등을 기반으로 이 고객에게 잠재적으로 판매할 수 있는 제품을 식별할 수 있죠.
이런 고객들에게 저희 제품을 추천할 수 있는 거예요. 기업 측면에서는 고객의 구매자/공급자를 살펴볼 수 있어요. 기존 고객이 있다면, 이 고객은 누구와 거래할까요? 어디에서 구매하고 누구에게 판매할까요? 그런 공급업체나 구매자가 저희의 잠재 고객이 될 수 있을까요? 아니면 이사와 주주가 있는 회사에서는 특정 종류의 이사나 주주가 특별히 집중되어 있을까요? 특정 산업이나 지역에 특정 집중 위험이 있을 수도 있겠죠. 이런 것들이 저희가 고객과 더 잘 소통할 수 있게 해주는 단계들이에요.
진행자: 훌륭한 통찰력이네요, Anand님. 그리고 저희가 "Knowledge Graph"라는 용어를 사용하고 있지만, 실제로 이 프로젝트를 내부적으로 "Knowledge Index"라고 불렀다는 걸 알고 있어요. 이 용어는 어떻게 생각해내셨는지 조금 공유해주실 수 있을까요?
Anand: 내부적으로는 은행원들의 머릿속에 있는 지식 중 일부를 표현하려고 노력하고 있어요. 관계 관리자나 은행가가 매일 해야 할 결정이 많잖아요. 예를 들어 산업 분석이나 시장 분석을 한다고 가정하면, 그런 실제 정보를 표현하는 방법을 찾고 있는 거죠. Knowledge Graph를 사용하는 이유가 바로 그거예요.
물론 관계형 데이터베이스를 사용해서도 표현할 수 있지만, 그건 그냥 테이블과 열 또는 문서일 뿐이잖아요. 관계가 확장되는 걸 허용하지 않죠. Knowledge Graph로 표현하면 관계가 성장하고 필요가 증가함에 따라 확장할 수 있어요. 또한 사용자와의 관계에 대해 논의하기도 훨씬 직관적이에요. 마치 보드에 그림을 그리는 것과 같아요. 마인드맵 같기도 하고, 화이트보드에 그림 그리는 것 같기도 하고요. 그래서 내부적으로 "Knowledge Index"라고 부르면서 다양한 사용 사례에서 활용하고 있어요.
진행자: IQ, 즉 지능 지수라는 단어를 알고 있어서 정말 흥미롭네요. 그래프가 두뇌처럼, Neural Network처럼 생각하는 곳이 바로 여기인 것 같아요. 관계형 데이터베이스는 이런 유형의 심층적인 연결을 위해 설계되지 않았으니까요. 정말 흥미롭네요.
Graph Data Science에 대한 이전 질문으로 돌아가서, Neo4j Graph Database로 이 Knowledge Graph를 시작하고 그래프 알고리즘과 데이터 과학으로 Knowledge Graph를 향상시켰다는 걸 알고 있어요. Graph Data Science(GDS)를 탐구하기로 결정한 주요 이유는 무엇이고, 지금까지 이 Knowledge 부분에 가져다준 초기 이점은 무엇인가요?
Anand: 데이터를 수집하면서, 특히 사기 분야에서 모든 결제 및 구매자/공급자 데이터가 어떻게 상호 작용하는지, 거래가 어떻게 진행되는지 확인하고 싶었어요. 그래서 경로 찾기, 클러스터링, 커뮤니티 감지 알고리즘을 실행하기 시작했죠. 프로그램을 작성할 필요도 없었어요. 그냥 GDS 라이브러리를 호출하기만 하면 됐고, 데이터 과학자와 개발자가 사용하기가 정말 쉬웠어요. 이런 알고리즘의 결과를 매우 쉽게 얻을 수 있었죠. 아직 이 분야에서 실험 중이지만, 그 힘을 보고 매우 유망하다고 생각하고 있어요.
진행자: 정말 멋지네요. 마지막 질문입니다. 여기에는 다양한 조직과 산업 분야의 청중이 있어요. 이분들이 그래프 여정을 시작할 때 어떤 조언을 해주고 어떻게 시작할 수 있을까요?
Anand: 좋아요, 흥미로운 질문이네요. 몇 가지 포인트가 있을 것 같아요. Graph Database에 대해 많이 들어왔고 앞으로도 계속 듣게 될 거예요. 언제 도입하느냐의 문제일 뿐이죠. 검색 엔진의 Google이 되거나 모든 스트리밍 서비스의 Netflix가 되고 싶다면, 앞서나가고 싶다면 Knowledge Graph부터 시작하세요.
Alicia Frame 박사님과 대화할 때도 비슷한 질문이 나왔는데, 작은 것부터 시작해서 실험하고, 특정 사용 사례부터 시작해서 천천히 확장하라는 게 핵심이었어요. Graph Database를 사용하기 시작한 사람이라면 누구나 동의할 거라고 확신해요. 해결해야 할 하나의 특정 사용 사례 또는 하나의 특정 문제부터 시작하는 거죠. 거기에서 Graph Database의 힘을 볼 수 있고, 거기에서 확장될 거예요.
진행자: 훌륭하네요, Anand님. 시간 내주셔서 정말 감사합니다.
무료 백서 받기
- Bank
- 고객 360
- dbs
- 그래프 데이터 과학
에이치시스템즈의 LogTree는 Neo4j 기반 GraphRAG 플랫폼으로, 데이터를 자동으로 지식그래프화하고 자연어 질의로 즉시 답을 제공합니다.
'Ontology & Knowledge Graph' 카테고리의 다른 글
| COVID 시대, 지식 그래프(Knowledge Graph)가 공급망 산업을 어떻게 혁신했나 (0) | 2026.07.06 |
|---|---|
| 그래프, 인공지능을 어떻게 더 강력하게 만들까? (1) | 2026.07.06 |
| 28달러짜리 부품이 5백만 달러짜리 장비를 망가뜨리는 방법 – 그리고 GenAI가 이를 막는 방법 (1) | 2026.07.05 |
| 헬스케어 CIO들이 Knowledge Graph 기반 없이 AI 확장을 감당할 수 없는 이유 (0) | 2026.07.05 |
| Neo4j 지식 그래프로 Salesforce Agentforce 똑똑하게 만들기 (0) | 2026.07.05 |