이제는 매입사가 번성하는 시대입니다.
데이터 기반 서비스는 매입사가 핵심 기능에 가치를 추가하는 데 도움이 될 수 있습니다. 그러나 성공하려면 필요한 데이터 거버넌스 기능과 노하우로 무장해야 합니다.
전 세계적으로 결제 시장을 점유하려는 강한 움직임이 보이고 있습니다. 이는 현재 Apple, Facebook 및 Google을 포함한 최고 기술기업의 평가와 맞먹는 매입사의 주가수익비율에 의해 입증되며, 이는 미래 성장 및 수익성에 대한 투자자의 높은 기대치를 강조합니다. (일부 기업 가치 평가는 그림 1 참조).
그림 1: 결제 매입사가 업계 동종 업체를 앞지르고 있습니다.
전통적으로 매입사의 주요 제품은 가맹점 결제처리 및 서비스였으며 일반적으로 은행 내에서 비용을 담당하는 부서로 취급되었습니다.
.png?origin=fd "Picture1-(1).png")
그림 2: 전통적인 매입사의 기초 핵심 기능
그러나 결제산업이 지속적으로 성장함에 따라 매입사는 시장이 부여하는 높은 가치를 실현하고, 기본 기능에 가치를 추가(가맹점들이 공감할 수 있는)하는 데 집중해야 합니다.
데이터 기반의 부가가치 서비스는 매입사가 핵심 기능에 가치를 더할 수 있는 흥미로운 가능성을 제공합니다.
중소기업에 대한 관심 증가
중소기업(SME)은 복잡한 기업 부문보다 수익성이 높으며 BCG 예측에 따르면 이 부문은 2023년까지 전 세계 순 매입 수익의 70~80%를 차지할 것으로 예상됩니다(아래 그림 참조).
.png?origin=fd "Picture1-(2).png")
그림 3: 중소기업이 매입 수익을 주도할 것입니다(출처: BCG).
그러나 산업의 수직적 구조에 따라 크게 달라지는 중소기업 매입에서 수익을 창출하는 것은 쉽지 않습니다. 또한 가격 결정력은 일부 산업(예: EdTech, food & beverages 등)의 ISV(독립 소프트웨어 공급업체)에 크게 치우쳐 있습니다. 고급 데이터 애널리틱스를 통해 매입사는 이 세그먼트에 서비스를 제공하면서 계획 프로세스 중 세그먼트 수익성 애널리틱스를 실행하여 우수한 P&L(손익)을 보장할 수 있습니다.
.png?origin=fd "Picture1-(3).png")
그림 4: 수익성 분석은 중소기업에 제공하는 서비스의 '성패'를 결정짓는 요인이 됩니다.
의미 있는 애널리틱스를 유도할 수 있는 충분한 데이터 세트를 제공합니다. 이것이 바로 매입사가 여러 가맹점에 대한 트랜잭션 가시성을 통해 집계된 보기를 사용하여 고정 서비스 구축이 가능하기 때문에 개별 소기업이 할 수 없는 더 깊은 통찰력을 얻을 수 있는 이유입니다. 예를 들어, 특정 가맹점 집단의 행동과 성과를 조사하면 개별 가맹점이 경쟁업체를 벤치마킹하는 데 도움이 될 수 있습니다. 집계된 데이터는 마케팅 회사와 같은 제 3자가 구매할 수 있는 시장 조사 보고서를 생성하는 데 사용될 수 있습니다.
DAaaS(Data Analytics as a Service) 플랫폼
많은 매입사가 현재 가맹점 기반의 모든 채널에서 데이터, 가격 및 기능을 통합하는 단일 결제 허브에서 비즈니스를 운영하고 있습니다. 이러한 플랫폼은 서비스 형태인 "주문형 데이터 애널리틱스"로 강화될 수 있습니다.
.png?origin=fd "Picture1-(4).png")
그림 5: 비즈니스 기능 전반에 걸친 일반적인 분석 기능
깔끔하고 model-ready 데이터 세트의 리포지토리 역할을 할 수 있는 플랫폼은 가맹점 규모에 관계없이 모두에게 큰 힘이 됩니다. 그 외에도 매입사는 부가가치 서비스를 구축하기 위해 제 3자에게 공개함으로써 이러한 데이터를 수익화할 수 있으며, 플랫폼 네트워크 효과를 유발할 수 있습니다.
예를 들어 Cardlytics를 생각해 보십시오. 고급 애널리틱스 기술을 사용하여 은행이 소비자 구매 데이터를 활용할 수 있도록 지원합니다. 모바일 및 온라인 뱅킹 애플리케이션을 통해 소비자에게 카드와 연동된 위치기반 광고를 제공합니다. 소비자는 가까운 소매업체의 광고를 보고 신용 카드를 사용하여 해당 소매업체에서 쇼핑한 후 은행으로부터 캐쉬백 보상을 받습니다.
규제 고려 사항
데이터를 수익화하려면 기업은 처음부터 단편적인 개인정보 보호 및 규정준수 요구 사항에 대한 깊은 이해를 구축하고, 이를 새로운 제품 및 서비스를 형성하는 설계 원칙으로 사용해야 합니다. 적절한 데이터 거버넌스에 대한 사내 기술을 개발하거나 민감한 결제 및 금융 데이터를 처리한 경험이 있는 파트너와 협력하는 것이 가장 중요합니다. 또한 오픈뱅킹 및 이와 유사한 이니셔티브로 전환하는 움직임은 매입사의 기회를 침범할 수 있는 제 3자가 결제 데이터에 더 쉽게 액세스할 수 있게 되므로, 경각심을 줄 수 있습니다. 필요한 데이터 거버넌스, 노하우 및 기능으로 무장한 매입사는 고객의 개인 데이터를 상업적 목적으로 사용하는 대신 고객에게 보상이나 혜택을 제공하는 것을 고려할 수 있습니다. 현직 은행들은 가맹점(매입)과 소비자(발행)에 대한 통찰력을 가지고 있으며 소비자의 가맹점 선택에 영향을 주는 인센티브를 제공함으로써 새로운 데이터 수익 창출 기회를 잡을 수 있는 독보적인 위치에 있습니다.
조직적 고려 사항
실질적인 가치를 창출하려면 매입사는 애널리틱스 전문가와 생산적으로 일하는 방법을 배우거나 스스로 유사한 서비스를 제공하기 위해 사내 능력을 키워야 합니다. 여기에는 데이터 과학자, 데이터 엔지니어, 데이터 설계자 및 디지털 제품 관리자가 포함되지만 이에 국한되지 않습니다. 또한 비즈니스 리더는 기술 팀과 원활하게 협력하여 비즈니스 성과를 낼 수 있도록 애널리틱스에 더욱 능숙해져야 합니다. 마지막으로 AI 및 머신 러닝과 같은 고급 애널리틱스를 사용하려면 특히 데이터 거버넌스, DataOps 및 AnalyticsOps를 중심으로 조직 전체에서 새로운 기능을 구축해야 합니다.
결론
현직 APAC 은행과 매입사는 데이터 기반 결과를 통해 기존 역량을 다시 활성시킬 준비가 되어 있습니다. 상대가치평가의 증가는 매입사에 대한 성장 기대치가 상당하며, 부가가치 서비스 확대와 같은 추가 수익을 창출하는 강력한 원동력이 이들 회사의 경제를 개선하고 있음을 시사합니다. 고급 데이터 애널리틱스는 무시할 수 없는 영역입니다. 비즈니스가 발전함에 따라 유연성, 학습 및 방법 수정에 대해 "작게 시작하고 빠르게 확장"이라는 접근 방식을 배포할 수 있습니다. 결제부문의 경험이 풍부한 데이터 관리 업체와의 파트너십이 성공 요인이 될 수 있습니다.
그림 1: 결제 매입사가 업계 동종 업체를 앞지르고 있습니다.전통적으로 매입사의 주요 제품은 가맹점 결제처리 및 서비스였으며 일반적으로 은행 내에서 비용을 담당하는 부서로 취급되었습니다.
그림 2: 전통적인 매입사의 기초 핵심 기능그러나 결제산업이 지속적으로 성장함에 따라 매입사는 시장이 부여하는 높은 가치를 실현하고, 기본 기능에 가치를 추가(가맹점들이 공감할 수 있는)하는 데 집중해야 합니다.
데이터 기반의 부가가치 서비스는 매입사가 핵심 기능에 가치를 더할 수 있는 흥미로운 가능성을 제공합니다.
중소기업에 대한 관심 증가
중소기업(SME)은 복잡한 기업 부문보다 수익성이 높으며 BCG 예측에 따르면 이 부문은 2023년까지 전 세계 순 매입 수익의 70~80%를 차지할 것으로 예상됩니다(아래 그림 참조).
그림 3: 중소기업이 매입 수익을 주도할 것입니다(출처: BCG).그러나 산업의 수직적 구조에 따라 크게 달라지는 중소기업 매입에서 수익을 창출하는 것은 쉽지 않습니다. 또한 가격 결정력은 일부 산업(예: EdTech, food & beverages 등)의 ISV(독립 소프트웨어 공급업체)에 크게 치우쳐 있습니다. 고급 데이터 애널리틱스를 통해 매입사는 이 세그먼트에 서비스를 제공하면서 계획 프로세스 중 세그먼트 수익성 애널리틱스를 실행하여 우수한 P&L(손익)을 보장할 수 있습니다.
그림 4: 수익성 분석은 중소기업에 제공하는 서비스의 '성패'를 결정짓는 요인이 됩니다.의미 있는 애널리틱스를 유도할 수 있는 충분한 데이터 세트를 제공합니다. 이것이 바로 매입사가 여러 가맹점에 대한 트랜잭션 가시성을 통해 집계된 보기를 사용하여 고정 서비스 구축이 가능하기 때문에 개별 소기업이 할 수 없는 더 깊은 통찰력을 얻을 수 있는 이유입니다. 예를 들어, 특정 가맹점 집단의 행동과 성과를 조사하면 개별 가맹점이 경쟁업체를 벤치마킹하는 데 도움이 될 수 있습니다. 집계된 데이터는 마케팅 회사와 같은 제 3자가 구매할 수 있는 시장 조사 보고서를 생성하는 데 사용될 수 있습니다.
DAaaS(Data Analytics as a Service) 플랫폼
많은 매입사가 현재 가맹점 기반의 모든 채널에서 데이터, 가격 및 기능을 통합하는 단일 결제 허브에서 비즈니스를 운영하고 있습니다. 이러한 플랫폼은 서비스 형태인 "주문형 데이터 애널리틱스"로 강화될 수 있습니다.
그림 5: 비즈니스 기능 전반에 걸친 일반적인 분석 기능깔끔하고 model-ready 데이터 세트의 리포지토리 역할을 할 수 있는 플랫폼은 가맹점 규모에 관계없이 모두에게 큰 힘이 됩니다. 그 외에도 매입사는 부가가치 서비스를 구축하기 위해 제 3자에게 공개함으로써 이러한 데이터를 수익화할 수 있으며, 플랫폼 네트워크 효과를 유발할 수 있습니다.
예를 들어 Cardlytics를 생각해 보십시오. 고급 애널리틱스 기술을 사용하여 은행이 소비자 구매 데이터를 활용할 수 있도록 지원합니다. 모바일 및 온라인 뱅킹 애플리케이션을 통해 소비자에게 카드와 연동된 위치기반 광고를 제공합니다. 소비자는 가까운 소매업체의 광고를 보고 신용 카드를 사용하여 해당 소매업체에서 쇼핑한 후 은행으로부터 캐쉬백 보상을 받습니다.
규제 고려 사항
데이터를 수익화하려면 기업은 처음부터 단편적인 개인정보 보호 및 규정준수 요구 사항에 대한 깊은 이해를 구축하고, 이를 새로운 제품 및 서비스를 형성하는 설계 원칙으로 사용해야 합니다. 적절한 데이터 거버넌스에 대한 사내 기술을 개발하거나 민감한 결제 및 금융 데이터를 처리한 경험이 있는 파트너와 협력하는 것이 가장 중요합니다. 또한 오픈뱅킹 및 이와 유사한 이니셔티브로 전환하는 움직임은 매입사의 기회를 침범할 수 있는 제 3자가 결제 데이터에 더 쉽게 액세스할 수 있게 되므로, 경각심을 줄 수 있습니다. 필요한 데이터 거버넌스, 노하우 및 기능으로 무장한 매입사는 고객의 개인 데이터를 상업적 목적으로 사용하는 대신 고객에게 보상이나 혜택을 제공하는 것을 고려할 수 있습니다. 현직 은행들은 가맹점(매입)과 소비자(발행)에 대한 통찰력을 가지고 있으며 소비자의 가맹점 선택에 영향을 주는 인센티브를 제공함으로써 새로운 데이터 수익 창출 기회를 잡을 수 있는 독보적인 위치에 있습니다.
조직적 고려 사항
실질적인 가치를 창출하려면 매입사는 애널리틱스 전문가와 생산적으로 일하는 방법을 배우거나 스스로 유사한 서비스를 제공하기 위해 사내 능력을 키워야 합니다. 여기에는 데이터 과학자, 데이터 엔지니어, 데이터 설계자 및 디지털 제품 관리자가 포함되지만 이에 국한되지 않습니다. 또한 비즈니스 리더는 기술 팀과 원활하게 협력하여 비즈니스 성과를 낼 수 있도록 애널리틱스에 더욱 능숙해져야 합니다. 마지막으로 AI 및 머신 러닝과 같은 고급 애널리틱스를 사용하려면 특히 데이터 거버넌스, DataOps 및 AnalyticsOps를 중심으로 조직 전체에서 새로운 기능을 구축해야 합니다.
결론
현직 APAC 은행과 매입사는 데이터 기반 결과를 통해 기존 역량을 다시 활성시킬 준비가 되어 있습니다. 상대가치평가의 증가는 매입사에 대한 성장 기대치가 상당하며, 부가가치 서비스 확대와 같은 추가 수익을 창출하는 강력한 원동력이 이들 회사의 경제를 개선하고 있음을 시사합니다. 고급 데이터 애널리틱스는 무시할 수 없는 영역입니다. 비즈니스가 발전함에 따라 유연성, 학습 및 방법 수정에 대해 "작게 시작하고 빠르게 확장"이라는 접근 방식을 배포할 수 있습니다. 결제부문의 경험이 풍부한 데이터 관리 업체와의 파트너십이 성공 요인이 될 수 있습니다.
알고 있어
테라데이트의 블로그를 구독하여 주간 통찰력을 얻을 수 있습니다