2024 NH 투자증권 빅데이터 경진대회

<Point 1!> 데이터 손실 최소화를 위한 맞춤형 점수 계산
제공된 데이터에서 Z점수가 표기되지 않은 ETF가 다수 존재하여 기존 Z점수만 사용하여 분석할 경우 누락되는 ETF가 많았습니다. 이를 해결하기 위해 새로운 점수 계산 알고리즘(PCA)을 도입하여 데이터 손실을 최소화하였습니다. 이를 통해 필터링되는 ETF 수를 줄이고, 총 122개의 ETF에 대해 보다 포괄적이고 의미 있는 분석이 가능하도록 하였습니다.

<Point 2!> 투명한 상품 평가를 위한 데이터 분석과 AI의 결합
AI를 활용한 상품 평가에서는 평가 기준이 블랙박스화되어 고객에게 평가 결과 도출 과정에 대한 설명이 어려운 문제가 발생할 수 있습니다. 이러한 문제를 해결하기 위해 데이터 분석가가 논리적이고 투명한 방식으로 상품을 평가한 후, 생성형 AI(GPT)를 통해 고객에게 쉽게 이해할 수 있는 상품 설명을 제공하였습니다. 평가의 신뢰성을 확보하고, 구매를 유도할 수 있는 설득력 있는 설명을 제공하고자 했습니다.

<Point 3!> ETF 구매 고려 요소에 대한 간결하고 포괄적인 정보 제공  --->  [PDF] 참고
점수 기반의 ETF 추천에 그치지 않고, ETF 구매 시 고려해야 할 요소들을 간결하게 정리하여 제공함으로써 고객이 최소한의 노력으로 최대한의 정보를 얻을 수 있도록 하였습니다. 또한 LangChain을 활용해 다양한 언어 모델과 데이터 소스를 연결하여 자연어 처리 워크플로우를 구축함으로써 고객의 투자 결정을 보다 효율적이고 스마트하게 도와줍니다.

<Point 4!> 데이터 시각화를 통한 사용자 편의성 향상
ETF 상품 분석 결과를 태블로 시각화 자료로 제공하여 고객이 다양한 상품을 한눈에 비교하고 각각의 특징을 쉽게 이해할 수 있도록 편의성을 강화하였습니다. 시각화된 ETF 분석 결과를 직관적으로 보여줌으로써, 고객의 의사결정을 지원하고 사용자 경험을 개선하고자 했습니다.