금융회사는 자금이 필요해 개인대출을 받을 고객에게 금융시장에서 다양한 거래정보를 이용하여 대출 가능여부 및 한도 금액을 받기 위해 심사를 거처 대출실행을 이행 하게 된다. 고객이 주어진 스케쥴 대로 매달 정상 상환하여 정상 채권으로 잘 마무리 되면 좋지만 해당 고객이 부실, 파산, 채무불이행 등의 개인채무조정을 하게 되면 회사는 막대한 손실을 입게 된다.
개인채무조정은 신용회복위원회에서 운영하는 채무조정 중 하나이다. 해당 고객의 현 소득으로 본인의 채무를 정상적인 상환을 할 수 없는 채무자를 대상으로 실질적인 변제가능성을 고려해 채무를 변경하여 채무자의 경제적 회생을 지원 하는 절차이다. 고객의 입장에서는 자신의 채무를 줄이는데 좋은 제도 이지만 회사의 입장에서는 수익이 떨어지는 주요 원인이 될 것이다. 이를 방지하기 위해서는 기존의 CSS(Credit Scoring System)와 접목해 새로운 방식을 도입해 워크아웃을 예측 하여야 한다.
기존 사례들은 대출 실행 이후 쌓인 고객의 대출 정보와 거래내역 등의 시계열 데이터를 머신러닝 기법을 사용하여 워크아웃 예측을 하였는데, 본 연구는 고객이 대출신청 전 가조회(사전조회)를 하게 되는데 이 데이터를 사용 머신러닝 기법을 사용하여 워크아웃을 예측하는 것을 제안 하였다. 여러 모델을 만들어 실제 데이터에 대입하여 보고 워크아웃 예측율이 높은 모델을 선정하고 예측률을 높이는 변수의 조합을 찾아보는 것을 목적으로 한다.