본 프로젝트는 금융 실무 데이터를 기반으로 우리카드 고객의 라이프스테이지 변화에 따른 소비 패턴을 분석한다. ELK 스택을 활용하여 소비 성장세가 뚜렷한 잠재 고객을 식별하고 데이터 기반의 정교한 타겟 마케팅 시나리오를 제안한다.
- 실무 데이터 인사이트 도출: 2023 3분기 ~ 2025년 2분기 까지의 시계열 데이터를 분석하여 유의미한 소비 트렌드 및 타겟 고객군 발굴
- 직관적인 의사결정 지원: 복잡한 금융 데이터를 Kibana 대시보드로 시각화하여 마케팅 전략 수립의 가독성 확보
- 인프라 구축: LINUX OS 환경 내 ELK 스택 설치 및 포트포워딩 설정
- 데이터 파이프라인: DuckDB를 활용하여 대량의 데이터를 전처리하고 Elasticsearch에 최적화하여 인덱싱
- 성능 최적화: 대시보드 조회 성능 향상을 위한 인덱스 매핑 최적화
향후 카드 사용량이 추가로 증가할 가능성이 있는 고객
- 현재 소비 규모가 큰 고객 ❌ -> 증가 여지보단 유지 대상
- 일시적 고액 결제 고객 (이벤트성 소비자) ❌ -> 구조적 소비 증가로 이루어질 확률 낮음
- 소비 규모가 변하지 않는 고객 ❌ -> 소비 성향 고정. 확장 가능성 낮음
어떤 집단이 향후 지출이 많아질 가능성이 있을까?
- 소득 발생 시작 ❗
- 현금 위주 소비 -> 신용카드 중심 소비로 전환
- 생활비, 자기계발, 여가 소비가 점진적으로 확대됨
- 출산 이후 지출 항목 증가 ex) 분유, 기저귀, 병원비, 육아용품
- 소비가 단기성이 아닌 지속적인 구조
- 학령기 진입을 통한 지출 영역 확장 ex) 학원, 교재, 급식, 교통비, 문화활동
- 영유아기보다 소비 금액 단위가 상승
- 지출의 안정적 반복성
- 등록금, 교육비
- 자녀 주거비, 용돈
- 자격증, 어학시험
- 취업준비
- 독신 -> 가구단위 소비 전환
- 주거, 가전, 가구, 혼수, 생활비 증가
- 새로운 카드 사용 패턴이 새롭게 추가되는 단계
통계청에서 제시한 2019년도 ~ 2023년도 연령대별 소득 평균
- 소득 상승 구간
- 결혼, 출산, 주택, 차량등 대형 소비 이벤트가 집중되어있음
- 소득 정점 구간
- 자녀 교육비 본격화
- 가구 소비규모 최대 구간
-
분석 로직:
$$DeltaValue = \sum SecondHalf - \sum FirstHalf$$ -
고객 1명의 2023 3Q ~ 2024 2Q 결제금액 총합 - 2024 3Q ~ 2025 2Q 결제금액 총합
-
Delta_Value > 0 인경우 소비량 증가 추세 ⬆ => 잠재고객✅
-
Delta_Value < 0 인경우 소비량 감소 추세 ⬇
-
Delta_Value = 0 인경우 소비량 일정 -> 소비 성향 고정 -> 제외❌
Insight: 히스토그램에서 0점 우측의 'Increase' 유저를 집중 마케팅 타겟으로 선정.
Insight: 특정 시점의 과소비가 아닌, 분기별로 꾸준히 비중이 상승하는 성장형 고객 확인.
결혼 준비 및 신혼 생활 시작 단계에서 발생하는 대규모 지출 패턴을 분석하였다.
Insight: 신혼부부 그룹 역시 0점 우측의 'Increase (+)' 그룹이 핵심 타겟이다. 결혼 전후로 소비 여력이 급격히 상승한 이 유저들을 대상으로 프리미엄 카드 발급 및 고액 할부 혜택 마케팅을 전개할 수 있다.
소비가 증가한 유저들이 실제로 어떤 분야에 지출을 집중하고 있는지 42개 세부 업종별로 분석했다.
Insight (Pie Chart):
- 유통/쇼핑 (약 47%): 유통(대) 및 유통업영리 비중이 압도적이며 일상적인 쇼핑 혜택에 민감한 그룹임을 확인했다.
- 요식업 (11.2%): 외식 및 배달 소비가 주요 지출 항목 중 하나로 나타났다.
- 잠정 고객 제안: 분석된 업종 비중에 맞춰 대형마트 할인 및 배달 앱 캐시백 서비스가 포함된 카드 상품을 제안할 수 있다.
Insight: 증가율보다 감소율이 높다. 물가 상승으로 인한 고정비(교통비, 교육비) 지출 증가가 원인으로 보인다.
Insight: 유통업, 학원, 사무통신/서적 영역에서 대부분의 소비 증가가 이루어졌다. 자녀들과 같이 이루어지는 형태의 고정비가 다수로, 다음과 같은 분야에 할인이 적용되는 것이 잠재 고객의 높은 유치가 가능할 것으로 보인다.
Insight: 자녀 영유아를 가진 고객 또한 0점 우측의 'Increase (+)' 그룹이 핵심 타겟이다. 육아 시작 이후 소비가 지속적으로 증가한 고객들이며, 향후 교육·생활비 지출 확대가 예상되는 잠정 고객군으로 판단된다.
소비가 증가한 유저들이 실제로 어떤 분야에 지출을 집중하고 있는지 42개 세부 업종별로 분석하였다.
Insight (Pie Chart):
- 유통업(대)·유통업영리 (약 58%): 대형마트 및 생활용품 중심 소비가 가장 큰 비중을 차지하며, 육아로 인한 장보기·생필품 소비 증가가 확인된다.
- 학원·사무통신/서적/학원(통합) (약 35%): 조기 교육 및 자녀 관련 서비스 소비가 이미 시작된 단계임을 시사한다.
- 보건/병원(통합): 정기적인 의료 소비가 발생하는 안정적인 지출 항목으로 확인된다.
- 잠정 고객 제안: 대형마트·온라인 쇼핑 할인, 육아·교육 업종 캐시백, 병원·약국 혜택이 결합된 카드 상품을 제안할 수 있다.
소득 안정화 및 라이프 이벤트(결혼·출산·주거 이동)가 집중되는 소비 확장 핵심 연령대를 분석하였다.
Insight: 30대 고객군에서도 0점 우측의 'Increase (+)' 그룹이 명확히 나타났다. 이전분기 대비 후반기 소비가 증가한 고객이 다수 존재하며, 소비 증가 폭이 큰 고객군이 우측 꼬리(long tail)를 형성하는 것이 특징이다.
- Kibana에 시각화 시킬 데이터들은 전처리 시켜놓아야 한다.
- 사회초년생: 소득 발생 시작에 따른 신용카드 중심 소비 전환 확인. 분기별 소비 비중이 꾸준히 상승하는 '성장형 고객' 집중 타겟팅 필요.
- 신혼부부: 가구 단위 소비 전환으로 인한 유통/쇼핑(47%) 및 요식업(11%) 비중 급증. 대형마트 할인 및 생활 밀착형 혜택 제안.
- 영유아 자녀 부모: 유통업(58%) 중심의 생필품 소비와 의료비 지출이 안정적으로 발생.
- 의무교육 자녀 부모: 물가 상승 대비 고정비(교통, 교육) 비중이 높음. 학원 및 사무통신 업종 혜택 강화 시 유입률 상승 기대.
Kibana에서 대용량의 전체 데이터를 직접 시각화하려 할 때 시스템 성능 저하 및 가독성 문제가 발생했다.
- 문제 상황 (Issue): 대용량 데이터 개별 라인 차트 렌더링 시 브라우저 메모리 한계로 인한 페이지 응답 중단 및 데이터 밀집으로 인한 경향성 파악 불능.
- 해결 방법 (Solution): 시각화 도구의 연산 부하를 줄이기 위해 선 가공(SQL) 후 시각화(Kibana) 하였다. DuckDB를 활용해 1.5GB 원본에서 성장률 상위 핵심 샘플을 선행 스코어링하여 추출함으로써 분석 효율성을 극대화하였다.
- Engineering Insight: 대규모 시계열 데이터 분석 시 Raw Data 전체를 로드하기보다 비즈니스 로직에 따른 데이터 전처리(Pre-processing) 단계가 시스템 안정성과 분석 정확도 측면에서 필수적임을 확인 할 수 있었다.
잠재 고객 선별을 위한 쿼리 작성 중, 분석 대상 유저가 예상치 못하게 급감하는 데이터 유실 문제가 발생하였다.
- 문제 상황 (Issue): 성장률 계산 쿼리 실행 시 전체 인원 중 조건에 부합하는 인원이 비정상적으로 적게 추출되는 현상.
- 원인 분석 (Root Cause): SQL WHERE 절은 비교 대상 컬럼이 NULL인 경우 해당 행을 제외한다. 8분기 중 단 한 번이라도 결제 이력이 없어 NULL이 발생한 유저들이 조건문에 의해 모두 탈락한 것이 원인이었다.
- 해결 방법 (Solution): NULL-Safe 로직을 적용하였다. COALESCE(column, 0)를 사용하여 비어있는 분기 데이터를 0으로 치환하고, 결측치를 데이터의 한 상태로 인정하여 유실 없이 전체를 대상으로 공정한 스코어링을 진행하였다.
- Engineering Insight: 실무 데이터는 결측치가 빈번하므로, 단순 필터링 시 데이터 유실(Data Loss) 위험이 크다. NULL 처리 최적화를 통해 데이터 무결성을 유지하며 정교한 분석 모델을 적용할 수 있었다.
- 카드 사용량이 증가하는 추세를 보이더라도, 해당 증가분이 유의미한지 확인 필요. ex) 1회성 결제인지 확인
- 신용카드를 이용하는 고객과 체크카드를 이용하는 고객의 소비습관을 비교하여 이를 반영한 데이터 분석 필요. ex) 체크카드 이용 고객은 안정적인 소비를 추구. 우선순위 = 신용카드 (소득 대비 추가 소비 여부 존재)
- 카드 사용량이 증가 추세를 보이는 고객의 신용카드 대금 연체 내역 조회
- 소비심리 반영 및 물가 상승률 반영
- Language/DB: SQL, DuckDB (복합 CTE 및 Delta 로직 구현)
- Search Engine: Elasticsearch (대용량 금융 데이터 인덱싱)
- Visualization: Kibana (Lens를 활용한 다차원 시각화 및 대시보드 구축)
- Collaboration: Git / GitHub, VS Code
 |
 |
 |
 |
|---|---|---|---|
| 강민영 | 이유진 | septeratz | Sungjun24s |