투이컨설팅 Strategy Planning Center 신동혁 수석 컨설턴트
디지털증권시스템 아키텍처
제공되는 핀테크 서비스 종류와 사용되는 IT기술에 따라 기관별 디지털증권시스템의 구체적인 아키텍처는 달라지지만, 일반적으로 디지털증권시스템이 갖추어야 할 아키텍처 참조모델(Reference Model)을 제시하자면 다음과 같다.
HTS→트레이딩→KRX연계→KRX매매체결까지의 서비스는 속도를 중요시하는 기존 아키텍처와 동일하다. 차별화된 요소로는 Mobile, OpenAPI Platform, BigData Platform, 클라우드 컴퓨팅(PaaS, IaaS)등이 존재한다.
1. 클라우드 컴퓨팅 서비스
클라우드 컴퓨팅은 서비스로서의 IT(IT as a Service)로, 사용자가 IT를 운영하지 않고도 활용되는 것을 의미한다. 사설(Private), 공개(Public), 하이브리드(Hybrid)가 존재하지만, 초기에는 정보공개의 한계로 인해 사설 위주의 클라우드 컴퓨팅이 도입될 것으로 예상된다.
디지털증권시스템에 적용 가능한 클라우드 컴퓨팅 서비스는 서버/스토리지 가상화를 통한 IaaS 구축, S/W 프로비저닝 기반 PaaS 제공, 유틸리티 컴퓨팅 기반 DR 구축 3가지이다.
- 서버/스토리지 가상화를 통한 IaaS 구축
현업부서의 예산으로 구매한 정보시스템의 리소스(H/W, S/W)가 여유 있음에도 불구하고, 협업의 반발로 정보시스템 자원을 효율적으로 활용하지 못하고, 매번 신규 H/W, S/W를 도입하여 정보시스템을 구축하고 있다. 이러한 방식은 서버 자원의 비효율적 활용, 전산센터의 유휴공간 부족, 전력 사용량 증가 등 부정적 현상으로 이어지고 있다.
이러한 폐단을 줄이기 위해서는 차세대 디지털증권시스템 구축시 IT부서 주도로 H/W(Server, Storage)에 대해 사설 클라우드를 구축하고, 가상화 솔루션을 기반으로 필요한 만큼의 자원만을 할당하여 시스템을 구축하여야 한다.
서버 가상화는 기업 내 서버의 활용도를 높이고, 원활한 시스템 관리를 통한 서버구입과 관리비용을 절감하고, 다양한 용도의 서버 요구를 신속히 제공할 수 있다. 특히, 온디맨드(On Demand) 확장을 필요로 하는 이용량 변화가 큰 서비스 제공을 위해 서버 가상화 서비스를 활용할 수 있다.
현재 기업에서 보유, 운영하고 있는 서버에 대한 성능 분석과 기준 수립이 필요하며, 속도가 중요 시 되는 트레이딩 서비스의 경우에는 가상화 체계 구축 시 제외 검토를 해야 한다. 성능 이슈가 없는 개발계, 테스트계는 가상화 체계 구축을 통해, 테스트 시 해당 정보시스템에 CPU, Memory 자원을 동적으로 추가 할당할 수 있다.
- S/W 프로비저닝(Provisioning) 기반 PaaS 제공
S/W 프로비저닝이란 WAS, DBMS, 어플리케이션을 포함한 S/W를 시스템에 설치/배포하고, 필요한 구성을 준비해 놓는 것으로, 신규 시스템 추가 시 표준화된 아키텍처를 기반으로 몇 번의 클릭만으로 정보시스템 운영 환경인 H/W와 S/W 플랫폼 구축이 가능하다.
개발계, 테스트계, 운영계, DR계로 구성된 환경에 H/W 가상화 S/W를 탑재하고, Web, WAS, DB, Provisioning S/W를 설치하여 사설 클라우드 컴퓨팅 기반을 마련한다. Provisioning S/W의 기능을 활용하여 테스트계의 Web, WAS, DBMS 환경설정이 몇 번의 마우스 클릭으로, 운영계, DR계에도 적용되도록 구축한다.
이때 Web, WAS 서버는 정보시스템을 Instance로 구분하는 방식과 웹 Context로 구분하는 방식이, DBMS는 정보시스템을 Instance로 구분하는 방식과 Schema Owner로 구분하는 방식이 존재한다.
SMS/NMS의 경우 모니터링만 가능하기에 문제가 발생할 경우 별도의 관리툴을 통해 문제를 해결해야 한다. 관리의 이원화된 구조로 인해 IT운영 업무의 효율성과 생산성이 떨어지는 단점을 가지고 있다. 하지만 PaaS 제공을 통해 아키텍처의 표준화가 이루어지고, Provisioning S/W에 포함된 관리 기능을 활용하여 통합 모니터링 및 관리체계를 구성하고, 정보시스템 셋업시간을 줄일 수 있다.
- 유틸리티 컴퓨팅 기반 DR 구축
DR계는 업무 연속성 제공을 위해 많은 비용을 수반하여 구축하지만, DR 전환 모의훈련 및 테스트에 주로 활용되어 효율적 장비 사용에 한계가 존재한다. H/W 및 S/W를 직접 구매하지 않고, 사용한 양만큼 비용을 지불하는 클라우드 서비스를 도입하여, DR Center내 H/W, S/W를 구성하면 비용을 절감할 수 있다.
2. Open API 서비스
Open API는 누구나 사용할 수 있도록 공개된 응용 프로그램용 API로, Open API를 조합한 새로운 서비스 창출이 가능하다. 기존에는 누구나 사용할 수 있도록 API를 공개하였으나, 최근에는 누구나 사용 가능한 API와 사용자별 차별화된 API를 구분하여 제공한다. 이를 가능하게 하는 것이 OpenAPI Gateway이다.
Open API는 SOAP과 RESTful 기반 방식으로 구분되며, 모바일 서비스엔 RESTful 기술이 주로 사용된다. 내부시스템간에는 EAI/ESB를 통해 연동하고, 외부에는 OpenAPI Gateway를 통해 서비스 제공에 대한 단일 접점을 제공한다.
OpenAPI Gateway는 내부 EAI/ESB와 연동하여 내부시스템의 데이터를 Open API 서비스 유형에 맞도록 자동 변환하여 제공한다. SOAP과 RESTful 프로토콜간 자동변환, 사용자 인증, 인증에 따른 서비스 제공, 데이터 암호화 등을 수행한다.
Open API의 개발과 서비스 제공은 상대적으로 용이하나, 이를 통한 생태계 조성은 상당히 어려우며, 기술적인 접근이 아닌 Open API 활용자의 비즈니스 모델 측면 접근이 필요하다. 생태계 조성을 IT적으로 지원하기 위해 ‘개발자 포털’을 제공하고, Open API 서비스 검색 및 디렉토리, Open API 신청과 관리, API 사용을 위한 개발정보, API 활용사례, 공모전 정보, 커뮤니티 기능 등을 제공해야 한다.
3. 빅데이터 & 머신러닝 서비스
빅데이터 기술이란 규모, 다양성, 속도, 신뢰성 측면에서 전통적인 기술과 방법으로는 다루기 어려운 데이터를 효과적이고 비용 효율적으로 처리, 분석, 표현하는 과정을 통해 사용자에게 새로운 통찰력을 제공하고, 비즈니스 가치를 창출한다.
혁신적인 서비스 대부분이 빅데이터 분석에 의한 개인화 서비스를 기반으로 하고 있다. 빅데이터 분석을 넘어 인공지능의 머신러닝(Machine Learning: 기계학습)을 적용한 지능화된 서비스가 태동하고 있다. 머신러닝은 컴퓨터가 데이터를 통해 학습하고, 사람처럼 어떤 대상이나 상황을 이해할 수 있게 해주는 기술이다.
증권업에 적용 가능한 빅데이터 서비스 영역으로는 상장사/산업별 외부환경과 주식시세와의 관계 분석, 고객 거래 데이터 분석을 기반으로 한 맞춤형 서비스 및 컨텐츠 제공, 증권사기 및 부정 분석 등을 들 수 있다. 우수고객을 대상으로 투자선호도를 파악하여, 맞춤형 투자자문과 자산관리서비스를 제공하는데 머신러닝 기술을 활용할 수 있다.
빅데이터 분석 기술은 실시간 스트리밍(스톰 등)과 배치 기반(하둡 등) 분석이 존재하며, 정형과 비정형 데이터 분석을 결합하고, 데이터 유형과 무관하게 단일화된 방식으로 데이터를 분석할 수 있도록 아키텍처가 구성되어야 한다.
고려 사항
디지털증권시스템 아키텍처는 타 기관과 차별화된 비즈니스모델 구상이 선행되어야 하며, IT의 지원 가능 여부를 검토하여야 한다. 기관에서 사용하지 않았던 최신 기술들이 사용됨에 따라, 리스크 감소와 기술 검증을 위해 선도개발 및 파일럿 수행을 고려해 보아야 한다. 데이터 측면으로는 분석지표 정립, 분석 데이터의 원천 소스 정리, 분석모형 개발이 필요하다. 또한 기술 습득을 위해 개발, 운영 인력들에 대한 기술 학습이 선행되어야 하며, 기존 IT자산에 대한 재활용 방안도 수립되어야 한다.
<끝>
