지식정보 자산인 빅데이터(Big Data)활용에 관한 연구

 : 데이터 연구자(Data Researchers)의 관점에서 본 사례분석의 시사점

저자 김선영 
형태사항 vii, 88 p. ; 26 cm
일반주기 지도교수: 엄길청
학위논문사항 학위논문(석사)-- 경기대학교 서비스경영전문대학원 : 자산관리서비스전공 2016. 2
발행국 경기도
언어 한국어
출판년 2016
소장기관 경기대학교 중앙도서관(수원캠퍼스)

 
초록
과일을 파는 상점에서는 사과, 배, 감 등을 한군데 섞어놓고 팔지 않는다. 사과는 사과끼리 배는 배끼리 같은 종류별로 나누어 진열한다. 뿐만 아니라 동일한 종류의 과일이라도 크기별로 분류한다. 심지어 신선도(新鮮度)에 따라 구분하기도 한다. 일상생활에서 복잡한 문제에 마주치게 될 때, 그 현안을 여러 각도에서 분류와 재분류 해보면 그 실체를 정확하게 파악하는데 도움이 된다. 고대 그리스의 철학자 아리스토텔레스는 학문을 이론학(theoretike episteme : 자연학, 수학, 형이상학), 실천학(praktike episteme : 정치학, 윤리학, 경제학), 제작학(poietike episteme : 수사학, 사학) 으로 분류했다. 그가 이 처럼 학문을 분류했던 이유는 나름대로 체계를 세워 분류함으로서 세상을 보다 종합적이고 통합적으로 이해하려고 했기 때문이다. 2008년 세계적인 금융위기 이후 빅데이터(Big Data)라는 단어가 봇물을 이루고 있다. 빅데이터'라는 시대적인 빅이슈(Big Issue)를 정확하게 파악하는 방법 중 하나는 지금까지 이루어진 빅데이터 분석사례들을 ‘다양한 각도’에서 분류해보는 것이다. 본 연구는 그 ‘다양한 각도’ 중 한 가지 관점을 통해, 선행된 빅데이터 분석사례들을 분류했다, 그 목적은 첫째, 빅데이터 선행분석결과들을 체계적으로 보여줌으로서 빅데이터 분석을 시도하려는 당사자들에게 정확한 목표와 방향을 제시 하려는 것이며, 둘째, 빅데이터 분석을 도입하고 싶어도 그럴만한 자원을 보유하고 있지 못한 기업이나 단체에게 체계적으로 분류된 선행 분석결과들을 이용(利用) 또는 원용(遠用) 할 수 있게 하려는 것이다.
그 방법론으로서 빅데이터 생성과 제공의 의도성(意圖性)에 따라 쓰레기통 모델, 라이프메트릭스 모델, 소셜메트릭스 모델, 크라우드 소싱모델 등 총 4개의 모델로 분류하여 연구를 진행했다. 연구를 통해 소개된 각 모델들을 정리해본 결과 가장 큰 특징은 다음과 같다. 메트릭스 모델 분석의 경우 첫째, 우리나라에서는 메트릭스 모델, 쇼셜메트릭스 모델, 크라우드소싱 모델에 의한 분석은 거의 찾아볼 수 없었고 쓰레기통 모델분석이 주류를 이루고 있다. 이것은 처음부터 빅데이터를 분석할 목적으로 자료를 생성하고 축적하지 않았음을 보여주고 있다. 둘째, 서울시가 교통사고를 분석할 때 자신이 갖고 있는 행정데이터 뿐만이 아니라 기상청, SKT, 교통안전공단 등 외부자료를 적극적으로 활용함으로서 입체적인 분석을 시행할 수 있었다. 이는 빅데이터를 분석할 때 데이터를 공유하면 시너지효과를 얻을 수 있음을 보여준 사례로 평가된다. 셋째, 외국의 경우 쓰레기통 모델분석 분야에 데이터를 사고파는 데이터중개업이라는 새로운 직군(職群)을 출현시켰다. 라이프메트릭스 모델의 경우에는 종업원 또는 고객에게 센서 등 웨어러블 기기를 착용시키는 의도적이고 노골적인 자료수집 행위가 수반된다. 이는 자칫 잘못하면 피실험자 집단인 종업원과 고객들을 통제하려는 목적으로 이해될 수 있다. 그러나 쓰레기통모델에서는 발견할 수 없는 획기적인 결과들이 도출될 가능성이 높다. 쇼셜메트릭스 모델의 경우 피실험자집단의 규모가 라이프메트릭스 모델 보다는 큰 단위로 이루어고 있으며, 데이터를 수집하는 장비로 스마트폰이 많이 이용된다. 이는 스마트폰의 기능이 다양해지고 보급률이 높아질수록 더 정교하고 다양한 데이터들을 수집할 수 있기 때문에 특정한 지역 또는 국민전체를 긍정적으로 변화시킬 수 있을 것으로 기대된다. 라이프메트릭스 모델이나 쇼셜메트릭스 모델 모두 센서산업과 센서운용(運用)업 이라는 새로운 직업을 탄생시켰다. 크라우드소싱 모델의 경우 피실험자가 자발적으로 데이터를 제공한다는 점에서 라이프메트릭스 모델이나 쇼셜메트릭스 모델에서 문제가 될 수 있는 개인의 프라이버시 침해 논란으로 부터 자유스럽다. 정부나 지방자치단체는 민간에서처럼 국민이나 시민들에게 센서를 부착케 하거나 스마트폰에 앱을 깔아 실시간으로 데이터를 수집하기는 어렵다. 따라서 정부가 에너지절약이나 전염병예방 등 캠페인성 정책을 수행할 경우 크라우드 소싱 방법을 택한다면 국민들의 자발적인 참여를 통해 정책의 효과를 배가 시킬 수 있을 것으로 기대된다.
빅데이터의 유형을 위의 4개 모델로 분류하여 분석한 연구의 총합적인 결론은 아래와 같이 여섯 가지이다. 첫째, 빅데이터는 사회적 자산으로 평가 될 수 있다. 둘째, 빅데이터는 공유할수록 가치가 커진다. 셋째, 빅데이터분석을 시도하기 전에 정확한 목표설정이 필요하다. 넷째, 빅데이터분석에 내부 자료에만 의존해서는 안 된다. 다섯째, 센서를 이용한 새로운 빅데이터 생산도 필요하다. 여섯째, 타인의 빅데이터 분석결과를 이용하는 것도 한 가지 방법이다.

 
목차
제 1 장 서 론 1
제 1 절 연구의 배경 및 목적 1
1. 연구의 배경 1
2. 연구의 목적 4
제 2 절 연구의 대상 및 방법 5
1. 연구의 대상 5
2. 연구의 방법 5
제 2 장 이론적 배경과 선행연구 고찰 8
제 1 절 이론적 배경 8
1. 쓰레기통 모델(Garbagecan)모델 8
2. 라이프 메트릭스(Life Metrics) 모델 9
3. 소셜 메트릭스 (Social Metrics) 모델 10
4. 클라우드 소싱 (Crowd Sourcing) 모델 12
제 2 절 선행연구 고찰 13
1. 선행연구 13
2. 선행연구와 본 연구의 차이점 19
제 3 장 사례분석 23
제 1 절 쓰레기통(Garbagecan) 모델 사례분석 23
제 2 절 라이프 메트릭스(Life Metrics) 모델 사례분석 49
제 3 절 소셜 메트릭스 (Social Metrics) 모델 사례분석 58
제 4 절 클라우드 소싱 (Crowd Sourcing) 모델 사례분석 63
제 4 장 결론 67
제1절 연구 결과의 종합 67
제2절 연구 결과의 시사점 70
제3절 연구의 한계 및 향후 연구계획 77

주제어
빅데이터, 데이터리서처, 데이터연구자, 사례분석