고객사는 베트남 전역에 대규모 네트워크를 보유한 주요 주식상업은행 중 하나입니다. 2024년 말 기준 총자산이 약 508조 3,300억 VND에 달할 정도로 빠르게 성장했습니다. 고객 기반과 대출 포트폴리오, 거래량이 크게 증가하면서 방대한 데이터를 관리하는 일이 내부 팀에게 중요한 과제로 떠올랐습니다.
베트남 중앙은행이 2025년 1월 1일까지 은행들이 상세한 신용정보 보고서를 CIC에 제출하도록 요구하면서 이러한 부담은 더욱 커졌습니다. 고객사는 새로운 규제 요건을 충족하기 위해 기존 데이터 처리 프로세스를 전면적으로 개선해야 했습니다.
복잡한 데이터 엔지니어링을 수행하면서 은행 업무 프로세스까지 깊이 이해할 수 있는 기술 파트너가 필요했던 고객사는 Synodus에 협력을 요청했습니다. 이에 양사는 지능적이고 안정적이며 완전히 자동화된 규제 보고 시스템을 처음부터 구축하는 대규모 프로젝트를 시작했습니다.
주요 과제
프로젝트 초기 분석을 통해 기존 보고 프로세스에서 다음과 같은 주요 문제점을 확인했습니다.
데이터 분산: 규제 보고서 작성에 필요한 데이터가 하나의 시스템에 통합되어 있지 않았습니다. 대신 코어뱅킹 시스템, 개별 대출 시스템, 회계 소프트웨어 등 여러 내부 애플리케이션에 분산되어 있었습니다.
과도한 수작업과 운영 리스크: 시스템을 개선하기 전에는 은행 직원들이 원천 데이터를 직접 추출하고, 대규모 Excel 파일에 복사한 뒤 규제 요건 충족 여부를 일일이 확인해야 했습니다. 이러한 수작업 방식은 잘못된 숫자를 입력하거나 데이터를 중복 처리하고 필수 항목을 누락할 위험이 높았습니다. 또한 특정 데이터가 처음 어디에서 생성되었는지 추적하기도 어려웠습니다.
엄격한 규제 요건과 촉박한 일정: 규제기관은 모든 데이터가 정확하고 완전하며 정해진 기한 내에 제출될 것을 요구했습니다. 새로운 규제가 시행되기 전에 전체 플랫폼을 구축하고 테스트한 후 안전하게 배포해야 했기 때문에 프로젝트 일정도 매우 촉박했습니다.
문제 해결을 위한 접근 방식
이러한 과제를 해결하기 위해 개발자, 분석가, 디자이너, QA 엔지니어로 구성된 20명의 전문 인력을 프로젝트에 투입했습니다.
전체 시스템은 .NET 마이크로서비스 아키텍처를 기반으로 여러 개의 독립적인 서비스로 구성했습니다. 각 서비스는 독립적으로 운영되면서도 서로 원활하게 연동될 수 있도록 설계했습니다.
주요 기술 솔루션은 다음과 같습니다.
- Apache Kafka 기반 데이터 처리: 코어뱅킹 시스템에서 발생하는 방대한 데이터 흐름을 처리하기 위해 Apache Kafka를 도입했습니다. Kafka는 여러 차선으로 구성된 고속도로처럼 수백만 건의 데이터가 시스템 성능 저하 없이 빠르고 안정적으로 이동할 수 있도록 지원합니다.
- Redis 기반 고속 데이터 처리: 은행 담당자가 문서를 확인하거나 내보내기 위해 오랜 시간을 기다리지 않도록 Redis를 적용했습니다. 이를 통해 보고서 미리보기 결과를 거의 즉시 확인할 수 있도록 성능을 개선했습니다.
- Kubernetes(K8s) 기반 안정적인 운영 환경: 전체 애플리케이션을 Kubernetes 환경에서 운영하도록 구축했습니다. K8s는 시스템을 지속적으로 모니터링하고 보고 마감 시점에 데이터 처리량이 급증하는 상황에도 자동으로 대응하여 시스템 장애를 방지합니다.
데이터 처리 전 과정을 자동화하기 위해 데이터 추출, 변환, 적재(ETL)를 수행하는 지능형 데이터 파이프라인도 설계했습니다. 이제 시스템은 원천 데이터를 자동으로 수집하고 정제한 뒤 규제기관이 요구하는 공식 형식으로 변환합니다.
또한 자동 데이터 검증 규칙을 구축했습니다. 예를 들어 대출 데이터에 고객 ID가 누락된 경우 최종 제출 전에 시스템이 이를 자동으로 감지할 수 있습니다.
마지막으로 안전한 Maker-Checker 승인 워크플로를 애플리케이션에 직접 구현했습니다.
프로젝트 성과
Synodus와 고객사의 긴밀한 협업을 통해 의미 있는 성과를 달성했습니다. 데이터 처리 전 과정을 자동화함으로써 기존의 복잡하고 부담이 컸던 수작업 업무를 빠르고 원활한 디지털 프로세스로 전환할 수 있었습니다.
| 프로젝트 도입 전 | 솔루션 도입 후 |
|---|---|
| 은행 내부의 여러 애플리케이션에 데이터가 분산되어 있음 | 중앙 집중식 데이터 처리: 모든 내부 시스템이 자동으로 연동됨 |
| 수작업으로 Excel에 데이터를 입력하여 오입력 위험이 높음 | 자동 검증: 누락되거나 잘못된 데이터 항목을 시스템이 즉시 감지 |
| 이메일을 통한 부서별 검토로 인해 처리 속도가 느리고 많은 업무 부담 발생 | 역할 기반 워크플로: 애플리케이션 내에서 명확한 승인 절차(Maker-Checker)를 통해 처리 |
| 엄격한 규제 기한을 놓칠 위험이 높음 | 규제 기한 준수율 100%: 2025년 1월 1일 이전에 Circular 15 대응 준비 완료 |
이제 고객사는 규제 보고 업무를 더욱 안정적으로 운영할 수 있게 되었습니다. 모든 보고서에는 명확한 감사 추적 기록(Audit Trail)이 남기 때문에 관리자는 몇 초 만에 특정 데이터가 어느 원천 시스템에서 생성되었는지 확인할 수 있습니다. 이를 통해 은행 직원들은 수천 시간의 업무 시간을 절감했으며, 복잡한 스프레드시트 작업 대신 고객 서비스에 더욱 집중할 수 있게 되었습니다.
향후 계획
Synodus가 구축한 플랫폼은 향후 확장을 위한 안정적이고 지속 가능한 기반이 되었습니다. 앞으로 고객사가 이 플랫폼을 확장해 다른 복잡한 규제 보고 업무까지 처리할 수 있도록 지원하고, 중앙 집중식 컴플라이언스 데이터 웨어하우스를 구축하며, 지능형 데이터 분석을 적용해 데이터 오류를 사전에 감지할 수 있도록 지원할 계획입니다.
데이터가 여러 시스템에 분산되어 있거나 복잡한 업무 프로세스로 어려움을 겪고 있다면, Synodus가 함께하겠습니다.
How useful was this post?
Click on a star to rate it!
Average rating / 5. Vote count:
No votes so far! Be the first to rate this post.
