빅데이터는 데이터의 양(Volume), 속도(Velocity), 다양성(Variety)에 정확성(Veracity)과 가치(Value)를 더한 5V로 정의된다. 빅데이터는 고객의 트렌드와 사회적 행동을 파악해 보다 정확한 분석으로 새로운 고객 가치를 발견하고 기업의 재무성과에 긍정적 영향을 미치는 예측을 할 수 있는 정보 소스이다. 그럼에도, 가트너(Gartner)의 2016년 조사에 따르면 빅데이터에 대한 투자는 점차 감소하고(Heudecker & Hare, 2016), 많은 빅 데이터 프로젝트는 실망스러운 결과를 보였다. 빅데이터 프로젝트의 절반 이상이 운영 환경으로 전환되지 못하고 버려질 것이라 예측했다.
Ernst & Young은 금융기관 고객의 71%가 금융 상품 및 서비스에 대한 정보를 친구, 가족 또는 동료에게서 얻는다고 보고했다(Ernst & Young & Schlich, 2012). 이것은 금융기관이나 금융상품의 선택에 고객 간의 상호작용(Customer-to-customer interaction)이 영향을 주고 있는 실마리로 볼 수 있다. 온라인 쇼핑, 온라인 브랜드 커뮤니티 등과 같은 온라인 기업에 비해 은행이 보유하고 있는 빅데이터에서 고객들의 상호작용에 대한 분석과 활용에 대한 연구는 부족한 실정이다. 특히, 소매 금융 분야의 고객 간 상호작용과 그 효과에 대한 연구는 전무하다. 본 연구는 금융기관의 빅데이터 분석 성과 창출에 초점을 두고, 고객의 상호작용을 빅데이터 분석으로 파악해 CRM관점에서 이를 활용해 가치를 창출하고 기업의 성과를 올리는 실체적인 방법을 논한다.
본 연구는 3가지 세부 연구로 구성되어 있다. 연구 1은 소매 은행(Retail bank)이 고객 간의 관계에서 고객의 사회적 맥락을 파악할 수 있는 고객 간 상호 관계 정보(CIRI; Customer Inter-Relationship Information)를 분석한다. 연구 2는 은행의 브랜드 커뮤니티 마케팅 전략 수립을 목적으로 은행의 자금 이체 데이터에 빅데이터 분석으로 은행 브랜드 커뮤니티 탐지(BBCD; Bank Brand Community detection) 프레임워크를 제안한다. 연구3은 체계적인 빅데이터 분석 가치창출 프레임워크 수립을 목적으로, 빅데이터 분석과 IPMA(Importance-Performance Matrix Analysis)를 결합한 EMBA(Evidence based decision making is Made by Big data Analysis)프레임워크를 제시하고 이를 실증한다.
본 연구의 학술적 의미는 첫째, 이전의 금융기관 CRM연구에서 거의 다루어 지지 않은 고객 간 상호작용을 빅데이터 분석으로 파악하고 응용할 수 있는 방법을 제안했다. 또한, 실제 은행의 빅데이터와 빅데이터 분석으로 제안한 방법의 적용 가능성을 검증했다. 둘째, 빅데이터 분석과 이론을 결합해 이론적인 발전에 기여하였다. 연구 결과 고개 간 관계 유형은 역할 이론(Role theory)과 사회 분류 이론(Social categorization theory)으로 해석할 수 있고, 고객 네트워크만 분석해서 탐지한 COB의 브랜드 커뮤니티는 동종 선호 이론(Homophily theory)으로 설명할 수 있다. 셋째, 분석적인 방법으로 이전의 연구와는 다른 관점에서 고객 상호관계 유형, 고객 커뮤니티 유형, 고객 이탈에 영향을 미치는 요인을 밝혔다.
본 연구의 실무적 의의는 첫째, 고객의 맥락을 더욱 깊이 알 수 있는 고객의 정보를 추출할 수 있다. 둘째, 마케팅 담당자는 확장된 고객 정보에 기반해 더욱 다양하고 유연한 마케팅 전략의 수립 및 전개가 가능하다. 셋째, 금융기관의 빅데이터 분석으로 가치를 창출하는 방법과 빅데이터의 전략적 방향성을 제시한다.