해색주의 조용한 공간

고객별 페이지 방문 패턴을 시각화하고 PB 고객과 일반 고객의 차이를 분석하기 위해, 페이지 방문 명칭의 중요도를 반영한 여러 시각화 기법을 사용할 수 있습니다. 아래에서는 이를 위한 대표적인 방법들을 설명하겠습니다.

### 1. **페이지 중요도 기반 시각화:**
   - **특성 중요도 가중치 시각화 (Feature Importance Visualization):**
     - 딥러닝 모델에서 페이지 방문 명칭의 중요도를 추출한 후, 이를 시각화하는 방법입니다.
     - **막대 그래프**: 각 페이지명의 중요도를 막대 그래프로 시각화하여, PB 고객과 일반 고객을 분류하는 데 가장 중요한 페이지명을 한눈에 파악할 수 있습니다.
     - **워드 클라우드**: 중요도가 높은 페이지명을 강조하는 워드 클라우드를 생성하여 어떤 페이지가 고객 분류에 중요한 역할을 하는지 시각적으로 표현할 수 있습니다.

### 2. **고객별 방문 경로 시각화:**
   - **페이지 이동 경로 시퀀스 플롯 (Sequence Plot):**
     - 각 고객이 방문한 페이지의 이동 경로를 시각화합니다.
     - **Sankey 다이어그램**: 고객들이 페이지 간 이동하는 흐름을 시각화하는 데 유용한 다이어그램으로, PB 고객과 일반 고객의 경로 차이를 시각적으로 비교할 수 있습니다.
     - **히트맵 (Heatmap)**: 방문 페이지의 빈도를 히트맵으로 시각화하여, 특정 페이지가 얼마나 자주 방문되는지 시각적으로 나타낼 수 있습니다. PB 고객과 일반 고객 간의 차이를 비교하기 위해 두 그룹의 히트맵을 비교합니다.

### 3. **PCA, t-SNE, UMAP 등 차원 축소 기법을 이용한 시각화:**
   - 페이지 방문 데이터를 벡터화한 후, 차원 축소 기법을 사용해 고객 분포를 2D 또는 3D로 시각화할 수 있습니다.
   - **PCA (주성분 분석)**: 고객별 페이지 방문 정보를 주성분으로 축소한 뒤, PB 고객과 일반 고객을 다른 색상으로 구분하여 플롯합니다.
   - **t-SNE** 및 **UMAP**: 페이지 방문 정보의 고차원 공간을 저차원 공간으로 축소하여, 각 고객 그룹 간의 클러스터링 패턴을 시각적으로 확인할 수 있습니다.

### 4. **고객 프로필의 페이지 방문 패턴 시각화:**
   - **레이더 차트**: 각 고객군의 페이지 방문 패턴을 하나의 차트로 표현하여, PB 고객과 일반 고객의 방문 패턴 차이를 시각적으로 비교할 수 있습니다.
   - **평균 방문 패턴 그래프**: PB 고객과 일반 고객의 평균 페이지 방문 빈도를 라인 그래프로 비교하여, 어느 페이지에서 가장 큰 차이가 나는지 확인할 수 있습니다.

### 5. **분류 모델 설명 기법을 활용한 시각화:**
   - **SHAP(Shapley Additive Explanations)** 또는 **LIME (Local Interpretable Model-agnostic Explanations)**:
     - 이 기법들은 각 고객의 예측에 기여한 페이지명을 설명할 수 있는 방법입니다.
     - SHAP 값에 따라 중요도를 시각화하여, PB 고객과 일반 고객 간의 방문 패턴 차이를 직관적으로 확인할 수 있습니다.

### 6. **클러스터링을 활용한 시각화:**
   - 고객을 페이지 방문 패턴에 따라 여러 클러스터로 나누고, 각 클러스터 내 PB 고객과 일반 고객의 비율을 시각화할 수 있습니다.
   - **K-평균 군집화(K-means clustering)**를 적용하여 방문 패턴에 따른 고객 세그먼트를 정의하고, 이를 시각적으로 표현할 수 있습니다.

위의 방법들을 조합하여 고객별 페이지 방문 패턴을 시각화하면 PB 고객과 일반 고객 간의 차이를 더욱 명확히 분석할 수 있습니다. 이를 통해 어떤 페이지가 고객 분류에 중요한 역할을 하는지, 고객들이 어떠한 페이지 경로를 통해 플랫폼을 이용하는지 이해할 수 있습니다.

PB 고객과 일반 고객의 페이지 방문 패턴을 딥러닝을 통해 분류하고 시각화하려는 경우, 관련된 코드를 확인할 수 있는 GitHub 프로젝트가 몇 가지 있습니다. 이 프로젝트들은 고객 데이터 분석 및 분류 작업을 수행하는 데 도움이 될 수 있습니다.

1. **Deep Learning을 이용한 고객 세분화**: [BrandenAdems의 고객 세분화 프로젝트](https://github.com/BrandenAdems/Customer-Segmentation-Using-Deep-Learning)에서는 TensorFlow를 사용하여 고객을 세분화하는 방법을 보여줍니다. 이 프로젝트에서는 Dense 레이어, 드롭아웃, 배치 정규화를 포함한 모델을 사용하며, 학습 손실과 정확도를 시각화하는 방법도 포함되어 있어, 이를 기반으로 PB 고객과 일반 고객의 패턴 차이를 분석할 수 있습니다.

2. **Streamlit을 활용한 고객 인사이트 및 세분화**: [MohdRasmil7의 프로젝트](https://github.com/MohdRasmil7/Customer-Insights-and-Segmentation-with-Machine-Learning)는 사용자 친화적인 웹 인터페이스를 제공하며, 고객 데이터를 클러스터로 분류하고 분석하는 방법을 제공합니다. 이를 통해 페이지 방문 패턴의 시각화 및 분석을 진행할 수 있습니다【9†source】.

이러한 프로젝트들을 참고하여 페이지 방문 데이터를 입력한 후, 중요 페이지명을 바탕으로 각 고객의 패턴을 시각화할 수 있습니다. 예를 들어, t-SNE 또는 PCA와 같은 차원 축소 기법을 사용해 고객군을 시각화하거나, 각 페이지의 중요도를 강조한 히트맵을 생성하는 등의 방법이 있습니다. 

해당 프로젝트를 직접 실행해 보거나, 자신의 데이터에 맞게 수정하여 활용할 수 있습니다.

일도 많이 하고 여슨도 많이 하고 문서작성에 주간보고도 만들다보니 어느새 8월이다. 오롯이 혼자서 일한지 8개월이 되었는데 그럭저럭 해내가면서 은행이라는 틀에 나를 맞혀가고 있다. 외국 회사에서 너무 오래 일했구나라는 생각을 많이 했는데 어찌어찌 3년차 여름이 지나가고 있네.

같이 일하는 팀장님은 애들 다 대학 졸업할때까지 버텨야 하지 않냐고 물으신다. 글쎄 그러려면 여기서 정년까지 계속해서 계약연장을 해야 한다는건데 그럴 수 있을런지 모르겠다. :) 작년 연말에 갑작스레 계약연장 불가 통보를 받고 회사 그만뒀던 차장님이 생각나서 더욱 그런지도 모르겠다.

 한동안 바빠서 아무런 생각이 없었는데, 최근에 다시 드라마랑 애니를 보기 시작했다. 아이패드로 보다가 미러플레이가 된다는 사실이 떠올라서 다시 미러링을 테스트 해보니 잘된다. 그러고 보니까 이 좋은 기능을 왜 안썼지 하는 생각이 든다. 이어폰 블루투스 연결만 되면 더할 나위 없이 좋을 것 같은데 말이지. 이런 조합이면 지금 사용하는 맥북프로를 다른 노트북으로 대체하고서도 충분히 잘 사용할 것 같다는 생각이 든다.

예전에 핑클을 좋아했던 추억이 있다. 핑클 노래가 나올때가 내 대학생 + 군시절 이기도 했어서 핑클 노래들을 들으면 그 시절 추억이 많이 떠오르기도 한다.

가장 최근의 기억은 2021년 12월 중순 KB은행 경력직 면접 보러 갔을때 들었던 핑클의 화이트였다. 당시 난 2달 반동안 계속되었던 구직에 지쳐있었고 다행히도 몇개 회사에 합격해서 연봉을 협상중이었다. 그중에 마지막으로 면잡을 보러 갔던 곳이 바로 KB였고 면잡을 기다리면서 핑클의 노래를 들었다. 그때에는 그래도 40대 초반이라도 할 수 있었는데 2년 9개월이 지금은 영락없이 40대 후반이 되어버렸다.

암튼 저 화이트 노래는 내 짧지만 힘들었던 구직 생활의 마지막을 알리는 노래였다. 그때에는 정말 힘들어서 주저 앉고 싶은 심정이었는데, 지금 생각해보니 이직하고 나서는 더욱 힘들었다는 생각이 든다. 물론 일이야 하면 되지만 모자란 지식과 경험들로 힘들긴 했지만 꾸역꾸역 따라가면서 일하고 있다.

그래도 내가 좋아하는 분야에서 일하니 즐겁기는 하다. 오늘도 야근했지만 일이 힘들다기보다는 시간이 부족한게 태반이니.

KB은행은 최종 합격했지만, 이런저런 사유로 다른 금융회사 다니고 있지만 합격시켜주신 것에는 진심으로 감사하고 있다, 지금도. 40대에 이직하는게 얼마나 힘든지 많이 느꼈고 뭐가 부족한지 많이 배웠던 시절이었다. 2021년 4월 사업철수 공지, 2021년 10월말 사직서 제출, 2021년 12월 28일 퇴직, 2022년 1월 17일 새로운 회사 출근.

2019년 ~ 2020년 해외 출장까지 다니면서 빅데이터 프로젝트 하려고 뛰어다니던 시절보면 안쓰럽고, 2021년 암담한 시절에도 어떻게든 가족들과 여행 다니고 공부했던 기억들을 보면 고생했구나 생각이 든다. 이직하고 나서는 머신러닝, 딥러닝, LLM 공부하느라 바빴다. 아직은 이 분야가 재미있다.

 일본은행에서 기준금리를 인상했고, 이로 인해서 엔캐리 청산을 우려한 상황에서 미국 증시가 폭락했고 한국 증시에는 공황 상태에서 정말 폭락 상태에 빠졌던 상황이다. 단 하루만에 투자에서만 1천만원을 잃게 되었다. 은행IRP에서는 70%가 나스닥100TR이었는데, 정말 직격탄을 맞고 수익률이 마이너스로 돌변했다. 그나마 30%가 TDF였는데, 여기도 국내 증시 급락으로 인해서 많이 빠졌다. 가장 많은 타격을 입은쪽은 퇴직계좌 IRP였는데, 여기는 워낙에 투자금액이 커서 별다른 방법이 없다. 그나마 60% 정도의 자산이 정기예금에 들어가 있는 상황이었고 포트폴리오를 최대한 넓게 가져갔지마나 여기서도 전기차 배터리는 손실이 30%까지 난 상태. 연금저축펀드도 상황이 안좋기는 매한가지인데, 여기도 전기차 배터리 펀드에 물린게 있다. 그나마 절반 정도의 자산이 안정자산으로 들어가 있어서 큰 충격이 있지는 않다.

 연초에 미국 증시 과열을 염려해서 많은 수익률과 함께 털고 마이너스 통장을 정리했는데, 지금 와서 보면 잘한 것 같기도 하다. 그때 얻은 교훈이 뭐든 수익이 나면 적당히 팔고 해야지 전체를 다 팔고 리밸런싱 하는 것은 현명한 생각이 아니라는 것. 그때 잡아 놓은 포트폴리오로 무지성 매월 분할 매수한지 거의 6개월이 지났는데, 전기차/2차전지에 물려 있는 것들은 아직도 답이 없다. 다만, 개인형IRP/연금에서 장기 투자+분할 매수한 종목들은 꾸준히 수익을 내주고 있다. 원래 IRP 예금을 천천히 투자로 옮겨갈려고 생각중이었는데, 아직은 좀 기다려야 할 것 같다.

 나중에 정말 폭락장이 올때가 된다면 그때에는 조금씩 쓸어담아야지 생각하고 있다. 무엇보다 삼성전자가 저렇게 빠질줄은 몰랐다. 

 내 투자의 대부분은 연금/IRP 계좌에 있고 투자형 계좌들은 모두 미국 지수 ETF만 갖고 있다. 미국 지수는 폭락후 어느 정도 반등에 성공했는데 한국 증시는 회복하려면 아주 먼것만 같다. 투자라는게 시간과 돈의 싸움이라고 하는데, 아직 회사 잘 다니고 있고 둘째 재수만 끝나면 그래도 숨통이 트일테니 시장이 폭락한다고 해서 투매를 하지는 않으려고 한다. 주로 지수 펀드를 사놔서 폭락을 한다고 해서 당장 급등할 일도 없기는 하다.

 다만, 중국 지수 ETF에 분산투자를 하고 있기는 한데 여기는 정말 답이 없어 보인단 말이지. 한국 주식이야 워낙에 변동성도 크고 거래량도 많다고 하지만, 중국 경제는 펀더멘탈 자체가 의심받고 있는 상황이니 말이지.

 2022년 7월 29일 한미은행에서 회사 생활을 시작했다. 어리버리 수원 지점으로 출근해서 회사 생활을 하다가 6개월만에 본부 생활을 시작했고 2021년 12월 28일을 마지막으로 그만뒀다. 그러고 보니, 한미은행이 씨티은행에 합병된 이후 가장 큰 변화는 바로 우리은행에서 다시 시작된 회사생활을 시작한 것으로 보면 될것이다. 이러니 저러니 해도 특별한 재주도 다른 준비도 되어 있지 않은 내가 회사 생활 그만두고 자영업은 할 수 없었다. 회사 생활 20년을 했으면 적게 일한 것은 아니지만 새로운 회사에서 어떻게든 자리 잡고 새로운 일을 찾아보려고 늘 노력중이다.