후잉의 단점

후잉의 단점

모든 도구가 그러하듯이, 후잉도 중점을 둔 부분이 있는 만큼 반대로 불편한 부분들도 다소 있습니다. 대부분은 최적화의 문제로 어느정도는 감수할 수 있는 부분들이나, 이 기능을 중점으로 추구하는 사용자라면 안 맞을 수도 있습니다. 주로 거론되는 단점들은 아래와 같습니다.

복식부기에 대한 개념필요

복식부기라는 말은 우리가 평소에 흔히 쓰는 개념은 아닙니다. 계정에서도 설명을 드렸다시피 각 용어를 일상에서는 쓰지만, 그것을 서로 연관되어 돈의 흐름을 말하는 개념으로 쓰지는 않습니다. 후잉은 이러한 복식부기 방법을 기준으로고 있습니다. 따라서 어느정도 복식부기에 대한 이해를 필요로합니다. 복식부기가 어려운 분들은 복식부기에 대한 외부자료를 참고해주십시오.

완전한 자동입력 미지원

요즘의 핀테크들은 사용자가 거래 입력을 하지 않아도 자동으로 데이터를 수집하고 분석해주는 것을 강점으로 내세우고 있습니다. 대략 전체 수입과 지출이 얼마고, 각 분류별로 어느 정도 지출하는지 파악하기 위해서는 이 정도 수준의 분석도 유용할 것입니다.

후잉이 자동 입력을 미지원하는 데에는 두 가지 이유가 있습니다.

하나는 수집의 현실적인 어려움입니다. 여전히 한국에서 은행권의 거래 데이터를 수집하는 데는 행정적/경제적 장벽이 존재합니다. 핀테크 업체들도 수시로 수집에 장애를 맞고 인력으로 갈아 넣어 해결하고 있습니다. 이 문제는 점차적으로 해결될 기미가 보이고 있으며, 직접 수집이 안 되면 간접 수집 등의 방법으로 보완하여 해소가 가능할 것입니다.

두 번째는 수집된 데이터의 분류작업의 어려움입니다. 현재 자동 앱들은 가맹점의 정보를 기준으로 분류합니다. 카드사와 같은 방법입니다. 이를테면 카드 결제를 진행한 곳이 커피숍 사업자라면 식비로 분류하는 방식입니다. 하지만 후잉이 유용성을 가지는 부분은 단순히 사업자 정보를 기준으로 분류하지 않기 때문입니다. 커피의 경우, 문화생활을 위하여 책과 함께 커피를 마신 것인지, 회사 업무를 위해서 커피를 마신 것인지 등을 분류해야 실제로 유용한 정보가 되기 때문입니다. 그리고 이러한 것은 여전히 사용자 본인 외에는 추정할 수 있는 정보가 부족합니다. 결제 정보들은 페이앱이나 핀테크 앱 들을 필두로 점점 더 많이 수집되고 있는 분위기지만, 모든 정보를 다 수집해도 이 목적에 의한 분류는 쉽지 않다고 판단됩니다.

이 부분에 대해서 후잉이 완전히 손을 놓은 것은 아니고 우회하는 방법으로 제공하고 있습니다. 거래 데이터들을 수집하는 파트와 수집된 데이터를 사용자가 쉽게 분류하여 입력을 완료할 수 있는 파트 두 가지로 나누어서 제공하고 있습니다.

네이티브앱의 미비

데스크톱이든 모바일이든 https://whooing.com 사이트에 접속하시면 후잉을 온전히 이용 가능합니다. 다만 공식적인 iOS나 안드로이드 전용 앱이 아직까지는 없습니다. 특별한 목적이 있어서 출시를 안 하는 것은 아니고 후잉측이 웹 개발 전문이라 각 플랫폼별 최적화된 네이티브 앱을 온전히 개발할 수 없기 때문입니다. 이는 현재 상태에서 최소의 힘으로 최대한 많은 접근성을 제공하려는 웹 표준 전략에 의한 결과이기도 합니다. 추후에 네이티브 능력이 보강된다면 최적화된 앱의 개발을 생각하고 있습니다.

현재에도 네이티브앱은 몇 가지 존재합니다. 개인개발자가 후잉의 Open API를 통하여 직접 개발하고 마켓에 등록한 써드파티 앱들이 있습니다. 이에 대한 전체 리스트는 써드파티 네이티브앱에서 확인 가능합니다. 공식 웹사이트가 전반적인 기능 제공에 집중한다면, 써드파티앱들은 개인 개발자의 취향이나 특정 목적을 위해서 플랫폼에 최적화된 환경을 제공하는 차이점이 있습니다.

유료서비스

후잉은 유료서비스입니다. 돈을 아끼려고 가계부를 쓰는데 돈을 더 내야한다는 게 이해가 가지 않을 수도 있습니다. 하지만 돈을 관리하는 우리는 무조건적인 비용 통제보다는 투자대비 효용을 먼저 보아야합니다. 3,000원을 써서 30,000원을 벌 수 있다면 그것은 손해가 아닙니다. 또 무료와 유료에서의 기회비용을 생각해 볼 수도 있습니다. 무료인 경우 나의 데이터가 어떻게 활용될지 모르는 점, 사용성을 방해하는 광고, 시간이 갈수록 가치가 더해지는 데이터가 언제 소멸될지 모르는 불안감 등의 기회비용을 생각해 볼 수 있습니다.