고품질의 법인식별기호(LEI) 데이터는 전 세계 조직이 신뢰하고 신뢰할 수 있도록 하는 데 핵심적인 역할을 합니다. 그러나 이러한 품질은 일관성이 없고 느리며 비용이 많이 드는 임시적이고 일회성인 수동 '정리'를 통해서는 실현할 수 없습니다. 대신, 수작업을 줄이면서 대규모로 품질을 개선할 수 있도록 설계된 감사 가능하고 반복 가능한 워크플로우에 대한 요구가 점점 더 커지고 있습니다.
제때 갱신이 이루어지지 않았음을 나타내는 만료 LEI를 언제 '폐지'하여 법인의 운영이 중단되었는지 확인해야 하는지에 대한 이의 제기를 생각해 보십시오. 이를 어떻게 대규모로 달성할 수 있을까요? 그리고 결정적으로, 명확하고 일관되며 검증 가능한 증거로 어떻게 의사 결정을 뒷받침할 수 있을까요?
이 블로그 게시물에서는 포르투갈 은행의 데이터 관리 부서의 데이터 과학자인 Ana Sofia Afonso가 이러한 이의 제기를 어떻게 해결했는지 설명합니다. 머신러닝(ML) 및 AI 기반 알고리즘과 엄격한 품질 관리 및 전문가 검증을 결합하여 폐지 대상 LEI를 식별함으로써 국내 및 국제 기준 시스템 전반에서 데이터 일관성과 거버넌스를 강화했습니다. 이는 모든 LEI 데이터 사용자가 글로벌 LEI 시스템 전반에서 적시성, 정확성 및 신뢰성을 향상하는 데 어떻게 도움을 줄 수 있는지에 대한 청사진을 제시합니다.
국가 기준데이터 환경에서의 LEI 이해
포르투갈의 모든 거주 법인은 법적 및 재정적 목적을 위해 국가식별기호를 보유해야 합니다. 그러나 LEI는 특정 규제 상황에서만 의무적으로 사용해야 합니다. 그 결과 전반적인 LEI 적용 범위는 여전히 제한적입니다. 또한 LEI 수명 주기 이벤트는 법인의 실제 법적 지위 변화보다는 외부 보고 의무에 의해 촉발되는 경우가 많습니다.
이는 구조적인 이의 제기를 야기합니다. 국가별 사업자등록부가 발전함에 따라 특히 기준데이터 갱신을 중단한 법인의 LEI 데이터는 동기화되지 않을 수 있습니다. 시간이 지남에 따라 몇 가지 반복되는 문제가 발생하는 것을 관찰했습니다:
만료된 LEI를 신중하게 해석해야 하는 이유
이러한 이의 제기에 대응하여 우리는 LEI 수명 주기 전반에 걸쳐 데이터 품질을 효율적이고 효과적으로 개선하고 글로벌 기준데이터에 대한 신뢰를 강화하기 위한 접근 방식을 모색하기 시작했습니다.
초기 분석에서 얻은 주요 인사이트는 만료된 LEI가 관련 법인의 비활성화를 의미하지 않는다는 것이었습니다. 미갱신은 법인의 해지가 아니라 단순히 보고 의무의 변경을 반영할 수 있습니다. 반대로 법인의 LEI가 만료되었거나 아직 발급되어 있는 동안 법인은 이미 법적으로 비활성 상태일 수 있습니다.
가장 중요한 고려 사항은 LEI를 잘못 폐지하는 것은 법인이 운영을 중단한 것으로 잘못 인식될 수 있기 때문에 아예 폐지하지 않는 것보다 더 나쁘다는 점입니다. 결과적으로 해당 법인은 거래 또는 일반적인 사업 수행 능력에 지장을 받을 수 있습니다. 즉, '소멸' 상태를 자동 퇴직 트리거로 사용하는 것은 상당한 거버넌스 리스크를 초래할 수 있으며, 따라서 모든 솔루션은 보수적이고 증거에 기반하며 완전한 감사가 가능한 것이어야 했습니다.
결과적으로 실질적인 이의 제기는 다음 사항을 구분하는 것이었습니다:
a) 갱신되지는 않았지만 여전히 활성 법인에 해당하는 LEI, 그리고
b) 포르투갈에서 법적으로 비활성 상태인 법인과 관련된 LEI.
우리의 접근 방식: 권위 있는 국가 데이터에 대한 교차 점검에서의 AI 활용
이러한 차별화를 달성하기 위해서는 여러 데이터 소스를 안정적으로 통합하고 일관된 증거 기반 품질 관리를 적용해야 했습니다. 우리의 접근 방식은 간단한 원칙을 기반으로 구축되었습니다: LEI 수명 주기 결정은 권위 있는 국가 정보에 의존해야 하며, 통제되고 확장 가능한 방식으로 실행되어야 합니다.
이를 위해 GLEIF, 외부 소스 및 국가 사업자등록부의 데이터를 법인참조정보 환경에 지속적으로 통합하여 법인 신원, 법적 지위 및 LEI 등록 상태에 대한 통합된 뷰를 제공합니다. 그런 다음 머신러닝 및 AI 기반 알고리즘을 적용하여 법인 이름과 식별기호를 표준화하고 데이터 세트 전반에서 유사성 점수를 계산하여 업데이트가 필요한 시점을 식별하기 위해 권위 있는 국가 출처와 LEI 기록을 대규모로 교차 점검할 수 있습니다.
일단 유효성이 확인되면 업데이트는 GLEIF의 API 지원 대량 이의 제기 시설을 통해 운영되므로 수작업이 크게 줄어들고 내부 프로세스가 간소화됩니다. 동시에 이 시설은 독립적인 제3자 정보 검증을 가능하게 함으로써 추가적인 보증 계층을 추가합니다. 이를 통해 검증 가능한 LEI 폐기가 일관되고 효율적이며 완전한 추적성을 가지고 처리되는 동시에 불필요한 임시 또는 수동 개입을 피할 수 있습니다.
또한 워크플로 전반에 걸쳐 사람의 감독이 여전히 필수적이라는 점도 중요합니다. 복잡하거나 모호한 사례는 전문가의 검토를 위해 에스컬레이션되어 자동화가 거버넌스를 대체하는 것이 아니라 강화할 수 있도록 합니다.
결과: 결과: 사후 대응적 조사에서 통제된 프로세스로 전환
이 접근 방식을 적용한 결과 명확하고 측정 가능한 결과를 얻을 수 있었습니다.
첫째, 갱신 행위만이 아니라 검증된 법적 비활성 상태를 기반으로 진정으로 폐지할 자격이 있는 LEI를 식별했습니다.
둘째, 폐기와 무관한 데이터 품질 문제, 특히 식별기호의 정확성과 관련된 상당수의 문제를 발견했습니다. 이러한 불일치 문제를 해결함으로써 국가 기준데이터베이스와 GLEIF 기록 간의 전반적인 정합성이 개선되었습니다.
셋째, LEI 등록 상태에 대한 종단 분석 결과 만료 및 폐지된 LEI의 증가는 시스템 데이터 저하보다는 실제 법인 수명 주기 역학을 주로 반영하는 것으로 나타났습니다. 이 시간 차원을 통합하는 것은 데이터를 올바르게 해석하는 데 필수적인 것으로 입증되었습니다.
마지막으로, 임시적인 수동 조사에서 명확한 기준과 문서화된 결과에 의해 지원되는 반복 가능하고 감사 가능한 워크플로우로 전환하여 일관성과 거버넌스를 모두 강화했습니다.
글로벌 LEI 시스템 전반의 데이터 품질 향상
이러한 접근 방식은 실현된 상당한 운영상의 이점 외에도 글로벌 LEI 시스템에 대한 우리의 강력한 의지를 나타냅니다. 당사는 적시에 정보를 공유하고 표준 갱신 주기 외에 LEI 기준데이터를 업데이트함으로써 최고의 데이터 품질 표준을 유지하고 LEI 기준데이터가 정확하고 최신 상태로 유지되도록 적극적으로 지원하고 있습니다. 이는 포르투갈 경제 및 그 밖의 지역에서 신뢰와 투명성을 증진하는 데 중요한 역할을 합니다.
감사
이 작업은 여러 기여자들의 지식, 경험, 관점을 결합한 협업적 팀워크의 결과이며, 이들의 공동 노력이 이 결과를 가능하게 했습니다. 이 작업의 개발에 있어 토론, 피드백, 헌신을 아끼지 않은 모든 분들께 진심으로 감사드리며, 특히 Maria do Carmo Moreno와 Bruno Gonçalo Tenório에게 특별히 감사의 말씀을 전하고 싶습니다. 이 작업에 표현된 견해는 반드시 해당 기관의 견해를 대변하는 것은 아니며 전적으로 저자의 주제에 대한 해석 및 분석으로 이해해야 합니다.
블로그 게시물에 댓글을 추가하려면 영어 GLEIF 웹사이트 블로그 기능을 이용하여 댓글을 추가해주십시오. 이름과 성을 써서 자신이 누구인지 밝혀주십시오. 이름은 댓글 옆에 표시됩니다. 이메일 주소는 공개되지 않습니다. 토론 게시판을 이용하거나 게시물을 등록하는 것은 GLEIF 블로그 정책 약관을 준수하는 것에 동의하는 행위이므로, 해당 약관을 주의 깊게 읽어주십시오.
아나 소피아 아폰소는 방코 데 포르투갈의 데이터 관리 부서에 근무하는 데이터 과학자입니다. 그녀는 금융학 석사 학위를 받았습니다. Ana Sofia는 복잡하고 파편화된 데이터를 통계 생산 및 전략을 위한 신뢰할 수 있는 인사이트로 변환하는 일을 전문으로 합니다. 그녀의 업무는 Python 및 SQL, 데이터 파이프라인, 분석 및 시각화, 점점 더 발전하는 통계, 기계 학습, 기능 엔지니어링, 최신 데이터 엔지니어링 관행에 걸쳐 모델 품질, 워크플로 효율성 및 데이터 신뢰성을 개선하는 데 중점을 두고 있습니다.
