이 사람에게 돈을 빌려줘도 될까? QA 대출 심사 시스템 테스트

주요 구성 요소:
- 고객 정보 수집:
  - 고객이 앱/웹을 통해 입력하는 개인정보, 소득 정보, 직장 정보 등.
- 신용평가모델 (CSS – Credit Scoring System):
  - 외부 신용평가사(NICE, KCB 등)의 데이터를 받아와, 고객의 신용 점수를 산출하는 엔진.
- 자동 심사 룰 엔진 (Rule Engine):
  - 회사의 내부 정책(예: “소득 대비 부채 비율이 40% 이상이면 자동 거절”)을 기반으로 1차 결정을 내리는 시스템.
- 수동 심사 워크플로우:
  - 자동 심사에서 판정이 보류되거나, 특정 조건에 해당하는 건을 사람이 직접 검토하는 어드민 시스템.

‘신용평가’는 대출 심사의 가장 기본이 되는 데이터이므로, 정확한 연동이 매우 중요합니다.

테스트 케이스:
- API 연동 테스트:
  - 우리 시스템이 외부 신용평가사의 API를 올바르게 호출하고, 응답 데이터를 정확하게 파싱하여 우리 시스템에 저장하는지 확인합니다.
- 데이터 정합성 검증:
  - 신용평가사에서 제공하는 테스트용 더미(dummy) 데이터를 사용합니다.
  - 특정 고객 번호를 조회했을 때, 약속된 신용 점수와 정보가 정확히 들어오는지 검증합니다.
- 실패 처리 테스트:
  - 신용평가사 API 호출에 실패했을 때(네트워크 오류, 유효하지 않은 고객 정보 등), 우리 시스템이 멈추지 않고 적절한 예외 처리를 하는지 확인합니다.

수백 개의 복잡한 규칙이 얽혀있는 룰 엔진은 ‘결정 테이블 테스팅’과 ‘경계값 분석’ 기법을 활용하는 것이 효과적입니다.

테스트 케이스:
- 룰 경계값 테스트:
  - “DTI 40% 이하 승인”이라는 룰이 있다면, DTI가 39.9%인 경우(승인)와 40.0%인 경우(거절 또는 수동 심사 전환)를 모두 테스트합니다.
  - 이를 통해 룰의 경계가 명확하게 동작하는지 확인합니다.
- 룰 조합 테스트:
  - 여러 룰이 조합될 때의 결과를 검증합니다.
  - 예: “신용점수 800점 이상 AND DTI 40% 이하 AND 재직기간 1년 이상” 조건을 만족하는 케이스와, 하나씩 만족하지 못하는 케이스를 모두 테스트합니다.
- 데이터 정확성 검증:
  - 심사에 사용되는 모든 데이터(고객이 직접 입력한 소득, 다른 시스템에서 가져온 기존 부채 정보 등)가 정확하게 룰 엔진에 전달되는지 확인합니다.

테스트 데이터는 단순히 ‘고소득 직장인’만 있으면 안 됩니다. 소득 증빙이 어려운 프리랜서, 개인사업자, 현금 수령자 등 금융 취약 계층의 시나리오를 반드시 포함해야 합니다. 이를 통해 우리 시스템이 특정 고객 그룹을 부당하게 차별하지 않는지 검증할 수 있습니다.

대출 관련 규제(예: DSR 규제, 법정 최고 금리)는 정부 정책에 따라 수시로 변경됩니다. QA는 항상 최신 법규를 주시하고, 변경 사항이 룰 엔진에 올바르게 반영되었는지 출시 전에 반드시 검증해야 합니다. 이는 컴플라이언스팀과의 긴밀한 협업이 필수적인 영역입니다.

‘대출 심사 시스템 테스트’는 단순히 기능의 동작을 넘어, 한 사람의 인생에 중요한 영향을 미칠 수 있는 ‘결정’을 검증하는 일입니다.

QA는 기술적인 정확성은 물론, 데이터의 공정성과 법규 준수 여부까지 꼼꼼히 살피는 ‘금융 리스크 관리자’의 시각을 가져야 합니다.

잘 검증된 ‘여신 심사 시스템’은 회사의 자산을 위험으로부터 지키고, 고객에게는 필요한 순간에 힘이 되어주는 금융 서비스의 신뢰 기반이 됩니다.