"웬수같은 '데이터마이닝' 무엇에 쓰는 물건인고?"

• 일상생활에 흔한 통계기법…IT 기술발전으로 고도화

|스물네번째 마당- 데이터마이닝(Data mining)|

독자 여러분, 안녕하세요. 이제 장마가 시작됐네요. 머지않아 태풍도 몰려올텐데요, 약국가는 태풍이 좀 일찍 들이닥친 것 같습니다. 바로 의약품 공급-청구불일치 서면조사 때문이죠.

서면조사는 지난해 심사평가원이 진행했던 청구불일치 약국 데이터 분석의 후속조치의 일환이에요.

그런데 요새 일선 약국가에서는 하소연이 줄을 잇고 있어요. 데일리팜 기자들도 꽤 많은 문의전화를 받고 있답니다. 들어보면 "웬수같은 데이터마이닝" 얘기가 꼭 나와요.

이번에는 '그놈의 데이터마이닝'이 무엇에 쓰는 물건이길래, 약국가를 이렇게 헤집어 놓는지 한 번 살펴볼까요? 폭우에 대비하는 농민의 마음으로 말이에요. 자, 눈을 부릅뜨세요, 시작합니다!

눈을 부릅뜨고~!

데이터마이닝은 일종의 통계 활용기법이라 할 수 있어요. 백과사전을 살펴보면 '많은 데이터 가운데 숨겨져 있는 유용한 상관관계를 발견해 미래에 실행 가능한 정보를 추출해 내고 의사 결정에 이용하는 과정'을 아우르고 있다네요. 어렵죠?

패스트푸드점을 예로 들어볼까요. 요즘 이런 곳에서 파는 음식들은 햄버거와 후라이드 치킨, 파이, 치즈스틱, 샐러드, 콜라, 환타, 사이다, 아이스크림, 커피 정도를 꼽을 수 있겠네요. 이 메뉴들도 맛과 양에 따라 각각 종류를 달리하고 있고요.

메뉴가 다양하다보니 한 해 매출과 구매 경향을 바로바로 분석, 예측할 수 있어야 새 상품을 기획할 수 있겠죠. 상품은 개발된 것일 수도 있고, 맛있고 경제적인 세트 매뉴일 수도 있고요.

그런데 매뉴 기획과 개발은 그냥 하는 게 아녜요. 여기에 사용되는 것이 데이터마이닝입니다.

햄버거만 사면 콜라를 살 확률, 햄버거와 치킨을 사면 콜라를 살 확률, 햄버거와 치즈스틱을 사면 콜라를 살 확률, 치즈스틱만 사면 콜라를 살 확률 등 POS 데이터를 집계해 보면 고객들의 구매 성향을 가장 유력하게 추측할 수 있어요.

세트 메뉴를 만든다면 당연히 가장 많이 팔릴 메인 매뉴를 통계 추출을 통해 확정한 뒤, 예상 수익까지 가늠하는 기획을 세우는 겁니다.

이 메뉴, 누가 어떻게 언제 어느지역에서 많이 먹을까?

이 같은 데이터마이닝은 우리 생활 곳곳에 있어요. 신용카드사, 은행, 민간보험사 등 고객을 기반으로 '집계'가 가능한 모든 곳이 해당된다고 보면 크게 틀리지 않을 거에요.

약국에서도 개개별로 POS와 청구 데이터 실적을 갖고 내방고객의 시간, 구매 패턴, 조제 주력상병, 일반약 판매와 조제 비율 등등 갖가지 조합을 갖고 경영분석을 잘하시는 약사님이 많아요. 이것도 일종의 데이터마이닝 활용 예로 볼 수 있답니다.

건강보험에도 이 데이터마이닝이 매우 정교하게 활용되고 있어요. 가장 대표적인 것이 건보공단의 '건강보험 급여관리 시스템(NHI-BMS, 구 FDS)'과 현재 개발 중인 장기요양 '부당감지 시스템(Frud Detection System, FDS)'이죠.

NHI-BMS는 건보재정 누수를 막고 부당청구를 근절하기 위해 현지확인과 현지조사 과정에서 가장 유의미하게 나타났던 부당 사례들과 급여자료들을 융합해 적발률을 높인 시스템인데, 개발 초기 의료계의 반발이 극심했었어요.

심사평가원 산하 의약품관리종합정보센터와 급여조사실의 데이터마이닝도 있어요. 요즘 약국가를 '멘붕'으로 몰아넣은 화제의 데이터마이닝이 바로 심평원의 시스템입니다.

양 기관 모두 갖고 있는 데이터마이닝 시스템의 공통점은 요양기관 유형별로 흔하고 뻔한 삭감 사례와 유형들을 그룹핑해 묶고 현지조사 또는 현지확인 전에 그 기획성이나 주제에 맞게 설정해 추출하는 방식으로 운영되고 있대요.

현지조사나 확인 후 또 다시 발견된 통계적으로 유의미한 사례들을 분석해 계속 정교화시키고 있다고 해요.

그 유형과 가짓수도 수십여개에 달하는데, 그룹핑된 유형을 어떻게 조합하느냐에 따라 기하급수적인 교차분석이 이뤄져, 적발률이 100%에 가깝다고 해요. 의약사들이 '현지조사 나오면 안 걸리는 데가 없다더라'고 말하는 것도 이 때문인거죠.

특히나 IT가 발달하고 의약품의 유통과 흐름이 잡히기 시작하면서 제품 출하-구입-(처방-)조제가 정교하게 분석이 가능해져 많은 변화가 생겼죠. 민간보험업계가 보험자 정보를 달라고 틈만나면 주장하는 것도 같은 맥락이죠.

진일보된 건강패턴 분석이나 의약사들이 전혀 몰랐거나 의식하지 못했던 사각지대도 이 데이터마이닝으로 추출, 확인해 낼 수 있게 된 셈이에요.

데이터마이닝이 복잡하고 다양해지는 것이 어찌보면 우리가 사는 세상을 단편적으로 보여주고 있는 것 같기도 하네요. 폭우 조심하세요!