오피니언-동일 업종 내 화재위험의 상대평가 중요하다

최명영 과장 | 기사입력 2021/05/31 [00:00]

오피니언-동일 업종 내 화재위험의 상대평가 중요하다

최명영 과장 | 입력 : 2021/05/31 [00:00]

화재 발생을 정확하게 예측하는 것은 상당히 어렵다. 

 

하지만 이것은 인간의 생명과 재산을 보호하는 데 있어 매우 중요해 많은 위험관리기관이 관련 연구를 수행하고 있다. 

 

화재보험협회는 화재로 인한 피해를 경감하기 위해 화재 위험 예측 및 평가 방법을 연구하고 있다. 

 

특수건물에 대한 안전점검을 수행하고 위험을 평가해 결과물을 요약한 후 손해보험회사로 전달, 특수건물 화재보험에 적용할 수 있도록 지원한다.

 

화재 빈도·심도 2차원정보 제공

 

위험을 평가하는 기법에는 여러 방법이 있는데 여기서는 언더라이팅 자료 조회시스템을 통해 지난해 12월부터 손보사에 제공하고 있는 안전점검 및 사고 데이터에 기반한 동일 업종 내 위험의 상대평가 서비스에 대해 소개하고자 한다.

 

신규지수는 기존 협회에서 제공하는 화재위험도지수와는 달리 화재의 빈도와 심도의 2차원 정보를 제공한다. 

 

위험도지수의 각 구성요소 배점을 달리해 화재 빈도 및 심도 결과에 최적화된 배점을 도출하는 것이 특징이다. 

 

또 이 기법은 과거 데이터를 입력변수로 활용해 종속변수를 예측하는 것으로 모형 구축용 데이터와 성능평가용 데이터의 구분이 필수다.

 

협회는 2011~2017년 안전점검 및 화재 데이터를 최적화해 모형을 구축한 후 2018~2019년의 신규 지수를 산출하고 이를 실제 사고 결과값과 비교했다.

 

구축된 모형의 예측정확도는 성능 평가 때 데이터 마이닝 분야에서 활용되는 ‘Lift Value’를 사용했다.

 

화재 빈도를 예로 들면 ‘Baseline lift’는 전체 물건 수 중 화재가 발생한 물건 수인 평균 화재 발생률을 나타내고 ‘Top 10% lift’는 신규지수를 내림차순으로 정렬해 상위 10% 물건의 화재 발생률을 보여준다. 

 

‘Lift Value’가 클수록 상대적으로 위험한 상위 10% 물건의 화재 발생률이 평균 화재 발생률 대비 높은 것으로 예측 성능이 우수하다고 할 수 있다.

 

모형 구축 후 신규지수를 산출하고 성능을 예측한 결과 화재의 빈도 및 심도는 기존 대비 각각 39% 및 16% 개선됐다. 

 

위험도지수 개선 연구를 통해 이 방법론의 유효성이 확인됐고 SCI급 논문에 게재됐다. 화재는 매우 복잡한 요소에 의해 발생되므로 예측하기가 쉽지 않다. 

 

이를 위한 시도는 오래 전부터 있어 왔는데 최근 들어서는 미국방화협회, 뉴욕 소방국, 애틀랜타 소방국에서 머신러닝 기법을 도입해 관리하려는 움직임을 보이고 있다. 

 

이같은 분석 모델 구축 때 가장 중요한 것이 양질의 분석용 데이터를 구하는 것인데 데이터 분석에 있어 통용되는 “Garbage in, Garbage out(GIGO, 쓰레기가 들어가면 쓰레기가 나온다)”라는 말에서도 알 수 있듯이 입력 데이터의 품질이 매우 중요하다.

 

공장물건외 특수건물에도 적용

 

협회는 수십년간 축적된 점검 노하우 및 품질 관리를 통해 양질의 균질화된 정보를 도출하고자 지속 노력하고 있다. 

 

또 이같은 정보를 토대로 건물의 화재 위험을 예측하기 위한 다양한 연구를 수행하고 있다.

 

현재 동일 업종 내 위험의 상대평가 서비스는 공장물건에 한해 제공되고 있지만 이 서비스가 시장에서 보다 널리 활용된다면 공장물건 외 특수건물에도 제공될 수 있다. 

 

또 더 나아가 공장물건 중 샘플이 충분한 특정 업종에 지수를 최적화해 예측 정확도를 높이는 것도 가능할 것이다.

 

최명영 화재보험협회 위험관리지원센터 과장

  • 도배방지 이미지

관련기사목록
동양생명, ‘시원한 여름나기 사랑의 커피’
광고
광고
광고
광고
광고
광고