107. 신용카드 이용 한도 최적화 모델 실습
실전 데이터 분석 107: 한도 소진율 및 리스크 최적선
📊 실습 개요 (Tutorial Overview)
본 실습은 실제 비즈니스 및 학계에서 자주 마주하는 신용카드 이용 한도 최적화 모델를 주제로 다룹니다. 수집된 실제 통계 데이터셋을 바탕으로 Pandas 라이브러리를 통해 결측치를 과학적으로 정제하고, Seaborn 시각화를 통해 다중 요인의 입체적인 상관 경향을 진단합니다.
🛠️ 핵심 분석 실습 역량 (Core Skills)
- 결측치 median 대치 (`fillna`): 고객 설문 응답 누락 또는 신용 기관 연동 오류으로 발생한 월지출액 변수의 빈칸을 안전하게 채웁니다.
- 상관 시너지 데이터 분석 및 해석: 단변수 빈도 분포 점검 및 독립/종속 다변수 결합 시각화를 통해 실무 가설을 증명합니다.
🧐 실무 도메인 지식 가이드 (Domain Knowledge Guide)
💰 금융 및 핀테크 (Finance & FinTech) 금융 데이터 분석은 자산의 리스크 관리(Credit Risk), 투자 자산 평가, 이상 금융 거래 감지(FDS) 등을 해결하기 위한 통계적 검정 분야입니다.
- 리스크와 대출 부도(Default): 대출 연체 여부나 투자 손실 위험은 금융 자산 건전성을 지키기 위해 고도화된 스코어링 모형으로 분석됩니다.
- 소득 대비 부채 비율(DTI): 개인이 갚을 수 있는 능력 한도를 객관적으로 판단하는 지표로 금융 신용 여신 관리의 핵심 척도입니다.
- 자산 변동성(Volatility): 주가나 크립토 시세의 표준편차는 위험 자산의 위험도를 계산(VaR)하고 투자 포트폴리오를 다변화하는 기준이 됩니다.
Step 1: 데이터 불러오기 및 기본 정보 확인 (Data Load)
제공된 CSV 파일을 분석 컴퓨터로 불러와 로드하고, 컬럼의 타입 및 데이터 구조를 확인합니다.
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
# 한글 폰트 설정
import koreanize_matplotlib
sns.set_theme(style="whitegrid")
# 데이터 로드
df = pd.read_csv('./credit_limit_optimization.csv')
print(df.info())
print(df.head())
💻 [실행 결과]
<class 'pandas.DataFrame'> RangeIndex: 1000 entries, 0 to 999 Data columns (total 6 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 CardID 1000 non-null int64 1 Limit_K 1000 non-null float64 2 UtilizationRate_Percent 1000 non-null float64 3 MonthlySpend_K 985 non-null float64 4 DelinquencyCount 1000 non-null float64 5 LossGivenDefault 1000 non-null float64 dtypes: float64(5), int64(1) memory usage: 47.0 KB None CardID Limit_K ... DelinquencyCount LossGivenDefault 0 1070001 112.3 ... 97.7 139.9 1 1070002 83.7 ... 105.6 62.4 2 1070003 63.1 ... 120.4 83.7 3 1070004 108.5 ... 110.2 94.8 4 1070005 76.4 ... 82.0 65.6 [5 rows x 6 columns]
RangeIndex: 1000 entries, 0 to 999
Data columns (total 6 columns):
# Column Non-Null Count Dtype
— —— ————– —–
0 CardID 1000 non-null int64
1 Limit_K 1000 non-null float64
2 UtilizationRate_Percent 1000 non-null float64
3 MonthlySpend_K 985 non-null float64
4 DelinquencyCount 1000 non-null float64
5 LossGivenDefault 1000 non-null float64
dtypes: float64(5), int64(1)
memory usage: 47.0 KB
CardID Limit_K UtilizationRate_Percent MonthlySpend_K DelinquencyCount LossGivenDefault 0 1070001 112.3 37.5 87.7 97.7 139.9 1 1070002 83.7 61.2 145.5 105.6 62.4 2 1070003 63.1 31.4 133.0 120.4 83.7 3 1070004 108.5 31.1 130.3 110.2 94.8 4 1070005 76.4 62.5 64.1 82.0 65.6 ```
Step 2: 결측치 및 데이터 정제 (Data Cleaning)
수집 과정에서 빈칸으로 기록된 결측값(NaN)의 존재 여부를 진단하고, 데이터 도메인 성격에 부합하는 통계 수치 대입 기법으로 정제합니다.
# 1. 컬럼별 결측치 개수 확인
print("--- 정제 전 결측치 확인 ---")
print(df.isnull().sum())
# 2. 결측치 전처리 및 대치 수행
median_val = df['MonthlySpend_K'].median().round(1)
df['MonthlySpend_K'] = df['MonthlySpend_K'].fillna(median_val)
print(df.isnull().sum())
💻 [실행 결과]
--- 정제 전 결측치 확인 --- CardID 0 Limit_K 0 UtilizationRate_Percent 0 MonthlySpend_K 15 DelinquencyCount 0 LossGivenDefault 0 dtype: int64 CardID 0 Limit_K 0 UtilizationRate_Percent 0 MonthlySpend_K 0 DelinquencyCount 0 LossGivenDefault 0 dtype: int64
Limit_K 0 UtilizationRate_Percent 0 MonthlySpend_K 15 DelinquencyCount 0 LossGivenDefault 0
— 정제 후 결측치 확인 — CardID 0 Limit_K 0 UtilizationRate_Percent 0 MonthlySpend_K 0 DelinquencyCount 0 LossGivenDefault 0 ```
💡 분석가의 통찰 (Analyst’s Insight)
- 중앙값 대입 적용의 비즈니스 및 통계적 근거: 월지출액 정보는 긴 꼬리 분포나 일부 특이 이상치에 의해 평균이 한쪽으로 치우치기 쉬우므로 통계적 안정성이 강한 중앙값으로 결측을 대치합니다.
Step 3: 단변수 분포 분석 (Univariate EDA)
가장 먼저 핵심 변수가 전체 데이터에서 어떤 빈도와 분포를 가졌는지 단일 변수 시각화를 통해 파악해 봅니다.
plt.figure(figsize=(8, 5))
# 단변수 분석 그래프 생성
sns.histplot(data=df, x='UtilizationRate_Percent', kde=True, color='teal')
plt.title('신용카드 이용 한도 최적화 모델 빈도 분포', fontsize=14, fontweight='bold')
plt.show()
💻 [실행 결과]
💡 시각화 차트 읽는 법 & 인사이트
- 밀도 집중 대역 확인: UtilizationRate_Percent 변수의 종형 곡선 또는 비대칭 스케일을 관찰하여, 다수가 모여 있는 주류 대역과 이상 극단치 구간을 감별합니다.
Step 4: 다변수 상관관계 및 이상치 분석 (Multivariate EDA)
두 개 이상의 변수를 동시에 결합하여, 조건에 따른 수치 차이나 독립 변수와 종속 변수 간의 통계적 경향을 분석합니다.
plt.figure(figsize=(9, 6))
# 다변수 분석 그래프 생성
sns.scatterplot(data=df, x='Limit_K', y='UtilizationRate_Percent', hue='DelinquencyCount', palette='coolwarm', alpha=0.8)
plt.title('Limit_K와 UtilizationRate_Percent 상관성 및 DelinquencyCount 대조', fontsize=14, fontweight='bold')
plt.show()
💻 [실행 결과]
💡 코드 딥다이브 & 비즈니스 통찰 (Analyst’s Insight)
- 분산 경향과 위험 타겟 집중 진단: X축과 Y축 간의 선형 양/음의 관계선 흐름 속에서, DelinquencyCount 색상 점들이 특정한 영역에 쏠려 있는지 판독하여 다중 요인의 연계 시너지를 증명합니다.
Step 5: 통계적 직관과 해석 (Statistical Logic)
💡 [분석 도메인 통계 지식 한눈에 보기] 본 실습은 신용카드 이용 한도 최적화 모델를 판독하기 위한 의사결정 프레임워크를 제공합니다.
- 단순 평균(Mean) 비교의 함정을 방어하기 위해 집단 간의 표준편차(Standard Deviation) 분산을 대조하고, 다변수 회귀 검증을 통해 우연의 일치가 아님을 유의 수준(p-value)을 통해 입증하는 의사결정 습관이 중요합니다.
🎯 30분 강의 마무리 및 심화 과제
오늘 우리는 실전 데이터셋을 분석하여 판다스로 데이터를 가공 및 정제하고, 시각화를 활용하여 핵심 변수 간의 통계적 유의성을 검증했습니다. 데이터 속에서 숨겨진 패턴을 올바른 시각으로 탐색하는 능력이 데이터 사이언티스트의 가장 강력한 무기입니다.
📝 심화 과제 (Advanced Challenge)
- 결측치를 채우기 전과 후의 통계량 변화 대조: 전후의 평균값 및 분산 격차를 코드로 구해 설명력을 확인하세요.
- 타겟 변수 기준 그룹화 비교: 타겟 레이블값 유무에 따른 핵심 피처들의 중간값 테이블 요약을 출력해 분석해 보세요.