[경제신문스크랩] 2030년 대체 데이터 200조 시장…글로벌 투자사 '풀베팅'

PE·VC 등 전 금융권 확산

"전통 데이터업체 매출 추월"

사진=게티이미지뱅크
월가 금융투자회사들의 대체 데이터 구매 금액이 빠르게 늘고 있다. 의사결정에 앞서 충분한 자료 수집이 필요하다는 인식이 자산운용사와 전 금융산업으로 확산하는 분위기다.

3일 컨설팅업체 딜로이트에 따르면 대체 데이터 제공 회사들의 글로벌 매출은 작년 110억달러(약 15조원)에서 2030년 1370억달러로 급증할 전망이다. 5년간 예상 연평균 성장률은 66%에 달한다.

대체 데이터는 10년 전까지만 해도 주로 헤지펀드만 활용했지만, 최근 투자은행(IB), 보험, 사모펀드(PE), 벤처캐피털(VC) 등 모든 유형의 투자회사로 고객층이 확산하고 있다.

미국 로펌인 로웬스타인샌들러의 2023년 설문 조사에 따르면 헤지펀드·사모펀드·벤처캐피털 응답자 109명 가운데 62%가 대체 데이터를 사용했다. 1년 전 조사의 31%에서 두 배로 늘었다. 조사 대상 헤지펀드의 57%, 사모펀드의 69%, 벤처캐피털의 49%는 대체 데이터에 연평균 100만달러 이상의 비용을 지출했다고 밝혔다. 로웬스타인샌들러는 ‘대체 데이터는 현재 투자업계의 주류’라고 표현하며 “전문 투자자의 의사 결정에 계속해서 강력한 영향을 미칠 것”이라고 말했다.

데이터 구매 증가는 내부 영업 정보를 상품화하려는 데이터 공급회사 증가와 정제·가공 기술 발달이 견인하고 있다. 방대하고 지저분한 데이터를 가공해 통찰력을 제공하는 자본시장 서비스도 늘고 있다. 딜로이트는 “대체 데이터 제공업체의 매출이 2029년부터는 기존 전통 데이터 제공업체를 뛰어넘을 것”으로 내다봤다. 기업 재무제표와 전자공시 등 누구나 볼 수 있는 데이터에 기반해 ‘직감’으로 투자하는 관행으로는 수익률 경쟁에서 이길 수 없다는 우려가 폭넓은 정보 수집 수요를 자극하고 있다는 분석이다.

국내 첫 자본시장 대체 데이터 제공업체인 한경에이셀의 김형민 대표는 “대체 데이터 이용이 알파(추가 수익) 창출 아이디어를 얻기 위한 수단으로 충분한 투자 가치를 인정받고 있다”며 “국내에서도 더 많은 정보를 바탕으로 의사결정을 내리려는 기업이 꾸준히 늘어날 것”으로 전망했다.

 

 

추가 조사

1. 국내 시장에서 대체 데이터가 빠르게 확산될 수 있는 요인과 장애물

① 확산 요인 (성장 가능성)

🔹 1) 금융 및 투자업계의 고도화된 데이터 활용 수요 증가

• 국내 금융권(은행, 증권사, 보험사)과 투자업계(사모펀드, 벤처캐피털, 헤지펀드)에서도 기존 데이터(공시자료, 기업 재무제표)만으로는 충분한 투자 판단을 내리기 어려움.
• 글로벌 시장과 경쟁해야 하는 한국 금융사들이 빠른 의사결정을 위해 대체 데이터 도입을 적극 검토 중.

🔹 2) 데이터 분석 기술(AI, 머신러닝) 발전

• 인공지능(AI), 빅데이터 분석, 머신러닝 기술이 발전하면서 비정형 데이터(소셜미디어, 웹 트래픽, 위성 이미지 등)를 실시간으로 분석하고 투자에 적용하는 것이 가능해짐.
• 데이터 가공 및 정제 기술이 발전하면서 기업들이 쉽게 활용할 수 있는 환경 조성.

🔹 3) 데이터 공급업체의 증가

• 국내에서도 한경에이셀, 신한데이터시스템, 카카오 데이터 솔루션 등 대체 데이터 제공 업체가 늘어나고 있음.
• 기업들이 직접 데이터를 수집하는 것이 아니라, 가공된 데이터를 구매하는 형태로 접근성이 높아짐.

🔹 4) 리테일 투자자(개인 투자자)들의 데이터 활용 증가

• 개인 투자자들 사이에서도 퀀트 투자(데이터 기반 투자)에 대한 관심이 증가하면서 대체 데이터에 대한 수요가 늘어남.
• 예를 들어, 네이버 데이터랩, 구글 트렌드 등을 활용하여 시장 흐름을 분석하는 개인 투자자가 늘어나는 추세.

---

② 확산 장애물 (한계점 및 어려움)

🔻 1) 데이터 규제 및 개인정보 보호 문제

• 금융권이 고객 데이터를 활용하려면 개인정보 보호법, 신용정보법 등의 규제를 준수해야 함.
• 해외 기업들은 다양한 데이터를 수집할 수 있지만, 한국에서는 개인정보 보호 규제가 엄격하여 데이터 수집 및 활용에 제약이 큼.

🔻 2) 데이터 품질 및 신뢰성 문제

• 대체 데이터는 비정형 데이터(소셜미디어, POS 데이터, 위성 이미지 등)에서 추출되므로, 데이터의 신뢰성이 전통 데이터보다 낮을 수 있음.
• 예를 들어, SNS의 감성 분석을 기반으로 투자 결정을 내린다면 가짜 뉴스나 여론 조작으로 인해 왜곡된 결과가 나올 가능성이 있음.

🔻 3) 전통 금융권의 보수적인 태도

• 국내 금융업계는 여전히 전통적인 재무 데이터와 신용평가 정보를 더 신뢰하는 경향이 있음.
• 새로운 데이터 활용에 대한 내부 교육 및 투자 의사 결정이 더딘 경우가 많음.

🔻 4) 대체 데이터의 높은 비용

• 대체 데이터를 수집하고 분석하는 데는 상당한 비용이 필요하며, 중소형 금융사나 개인 투자자가 활용하기에는 부담이 큼.
• 대형 헤지펀드나 사모펀드는 적극적으로 도입하고 있지만, 중소기업이나 스타트업에게는 진입 장벽이 높음.

---

2. 대체 데이터 사용에 따른 법적 문제 (개인정보 보호, 공정성 논란)

① 개인정보 보호 문제

• 한국에서는 개인정보 보호법과 신용정보법이 매우 엄격하여 금융 및 투자업계가 고객 데이터를 활용하는 데 제약이 많음.
• 예를 들어, **POS 데이터(카드 결제 데이터)**를 활용해 소비 패턴을 분석하는 것이 가능하지만, 이를 개인 식별이 가능한 형태로 활용하면 불법이 됨.
• 해외에서는 일부 기업들이 스마트폰 위치 데이터(예: Foursquare, SafeGraph 등)를 활용하지만, 한국에서는 개인의 위치 정보 수집 및 활용에 대한 규제가 강함.

🔹 대표적인 관련 법규

1. 개인정보 보호법: 개인을 특정할 수 있는 데이터 활용을 제한.
2. 신용정보법: 금융 데이터 및 고객 정보를 활용하는 경우 신용정보원의 승인을 받아야 함.
3. 정보통신망법: 온라인 플랫폼에서 수집된 데이터의 활용을 제한.

---

② 공정성 논란

• 일부 대체 데이터는 특정 투자자만 이용할 수 있기 때문에 정보 비대칭 문제가 발생할 수 있음.
• 예를 들어, 일부 대형 헤지펀드만 대체 데이터를 구매하여 시장 변동을 미리 예측하고 거래한다면 개인 투자자는 상대적으로 불리한 위치에 놓이게 됨.
• 기업 내부자 거래(Insider Trading)와 유사한 형태로 활용될 가능성이 있음.

🔹 공정성 이슈 사례

• 2020년 **美 증권거래위원회(SEC)**는 일부 대체 데이터 업체가 비공개 정보를 활용하여 기관투자자에게만 제공한 혐의로 조사를 진행한 바 있음.
• 한국에서도 대체 데이터의 비대칭적 활용이 문제로 대두될 가능성이 있음.

---

3. 대체 데이터를 활용하는 대표적인 기업과 성공 사례

① 해외 대체 데이터 활용 기업 및 사례

🔹 1) Quandl (캐나다)

• 금융 데이터 제공업체로, 다양한 대체 데이터를 활용하여 투자 정보를 제공.
• 웹 트래픽, 위성 이미지, 신용카드 트랜잭션 등을 분석하여 특정 기업의 매출을 예측하는 서비스 제공.
• 2018년 **나스닥(Nasdaq)**이 인수하면서 대체 데이터의 가치를 입증.

🔹 2) YipitData (미국)

• 신용카드 거래 데이터와 온라인 쇼핑 트렌드 분석을 활용해 아마존(Amazon), 테슬라(Tesla) 등의 기업 실적을 예측.
• 많은 헤지펀드들이 YipitData의 데이터를 활용하여 실적 발표 전에 주가를 예측하는 전략을 사용.

🔹 3) Orbital Insight (미국)

• 위성 이미지 데이터를 분석하여 전 세계 경제 활동을 모니터링하는 서비스 제공.
• 예를 들어, 중국 내 항구에서 화물 적재량 변화를 분석하여 글로벌 무역 흐름을 예측.

---

② 국내 대체 데이터 활용 기업 및 사례

🔹 1) 한경에이셀

• 국내 최초의 대체 데이터 제공업체로, 금융 투자자를 위한 다양한 데이터 분석 서비스 제공.
• 소셜미디어 데이터, POS 데이터, 신용카드 데이터 등을 활용하여 기업 실적 예측 및 주가 전망 제공.

🔹 2) 신한데이터시스템

• 신한은행의 데이터 분석 자회사로, 금융 데이터와 대체 데이터를 결합하여 기업 신용평가 및 투자 분석 제공.
• 신한카드의 결제 데이터 등을 활용하여 소비 트렌드를 예측.

🔹 3) 카카오 데이터 솔루션

• 카카오가 보유한 방대한 데이터를 활용하여 마케팅 및 투자 인사이트 제공.
• 카카오톡 검색어 트렌드, 모빌리티 데이터 등을 분석하여 기업 활동을 예측.

 

적용점

✅ (1) 대체 데이터의 활용

• 기존의 전통적인 금융 데이터(기업 실적, 재무제표, 경제 지표)뿐만 아니라 **비정형 데이터(소셜미디어, 위성 이미지, 웹 트래픽 등)**를 활용한 투자 전략 개발.
• 예: 소비자 카드 결제 데이터를 활용하여 특정 기업의 실적 예측.

✅ (2) 고객 세분화 및 맞춤형 서비스

• 머신러닝을 이용한 고객 행동 예측 → 맞춤형 금융 상품 추천.
• 예: 고객의 결제 패턴을 분석하여 개인화된 대출 한도 및 금리를 제공.

✅ (3) 이상 거래 탐지 및 금융 리스크 관리

• 비정상적인 거래 패턴을 감지하는 AI 기반 이상 탐지 시스템 개발.
• 예: 주식 거래에서 특정 패턴이 나타날 때 사기 가능성을 예측.

✅ (4) 퀀트 투자 및 자동화된 트레이딩 전략

• 주가 예측 모델 개발 (시계열 분석, 딥러닝 활용).
• 자동화된 트레이딩 시스템 구축 → 알고리즘 트레이딩.

✅ (5) ESG(환경·사회·지배구조) 데이터 분석

• 기업의 ESG 데이터를 정량화하여 투자 의사결정 반영.
• 예: ESG 점수가 높은 기업 중심의 포트폴리오 구성.