간행물

사)한국빅데이터학회> 한국빅데이터학회지

한국빅데이터학회지 update

The Korean Journal of BigData

  • : 사)한국빅데이터학회
  • : 공학분야  >  산업공학
  • : KCI후보
  • :
  • : 연속간행물
  • : 반년간
  • : 2508-1829
  • :
  • :

수록정보
2권2호(2017) |수록논문 수 : 13
간행물 제목
2권2호(2017년) 수록논문
권호별 수록 논문
| | | |

KCI후보

1ITS 빅데이터를 활용한 도시 교통네트워크 구조분석

저자 : 김용연 ( Yong Yeon Kim ) , 이경희 ( Kyung-hee Lee ) , 조완섭 ( Wan-sup Cho )

발행기관 : 사)한국빅데이터학회 간행물 : 한국빅데이터학회지 2권 2호 발행 연도 : 2017 페이지 : pp. 1-7 (7 pages)

다운로드

(기관인증 필요)

초록보기

ITS(Intelligent Transport Systems)는 시민들의 교통이용 안전과 편의를 도모하고 교통 시스템의 효율적인 운영 및 관리를 위해 대도시를 중심으로 도입되었다. 우리나라의 경우 ITS가 전국적으로 확대되면서 도로소통상황, 교통량, 대중교통운영현황 및 관리상황, 대중교통이용현황 등 다양한 교통정보가 생성되고 있다. 본 논문에서는 ITS에서 수집되는 데이터 중 하나인 DSRC(Dedicated Short Range Communications)빅데이터를 활용하여 도시 교통구조를 네트워크 분석 기법을 통해 규명한다. 이를 통해 도심에서의 복잡한 교통현상을 단순화시키고, 차량 흐름에 따른 도시 교통의 구조적 특징을 도출한다. 분석 결과는 도시의 교통을 좀 더 쉽게 이해할 수 있도록 도와주고, 향후에 도시교통의 혼잡 해소방안, 도로 확장 계획 등의 교통정책 수립시 기초연구 자료로 활용할 수 있다.


Intelligent transportation system (ITS) has been introduced to maximize the efficiency of operation and utilization of the urban traffic facilities and promote the safety and convenience of the users. With the expansion of ITS, various traffic big data such as road traffic situation, traffic volume, public transportation operation status, management situation, and public traffic use status have been increased exponentially. In this paper, we derive structural characteristics of urban traffic according to the vehicle flow by using big data network analysis. DSRC (Dedicated Short Range Communications) data is used to construct the traffic network. The results can help to understand the complex urban traffic characteristics more easily and provide basic research data for urban transportation plan such as road congestion resolution plan, road expansion plan, and bus line/interval plan in a city.

KCI후보

2글로벌 AI 플랫폼 솔루션 서비스와 발전 방향

저자 : 이강윤 ( Kang-yoon Lee ) , 김혜림 ( Hye-rim Kim ) , 김진수 ( Jin-soo Kim )

발행기관 : 사)한국빅데이터학회 간행물 : 한국빅데이터학회지 2권 2호 발행 연도 : 2017 페이지 : pp. 9-16 (8 pages)

다운로드

(기관인증 필요)

초록보기

클라우드 서비스에 기반한 글로벌 플랫폼 솔루션 기업은 인공지능과 빅데이터 서비스를 킬러앱으로 발전시키며 기업의 산업 솔루션을 제공하며 이것은 기업의 비즈니스 밸류 체인에 큰 변화를 가져오게 할 것이다. 제조 생산의 최적화에서 디자인과 마케팅, 유통 등이 중요해 지고 SCM와 고객 데이터가 수평적으로 연결되어 관리가 필요해지면서 기업의 모든 데이터도 하나의 플랫폼을 중심으로 데이터에 기반한 통합을 이루어 기업 의사 결정 모델을 구현하는 방향으로 발전하게 된다. 이러한 변화는 기업의 소셜, 모발 솔루션과 통합되는 디지털 혁신을 리드하고 있다. 또한 기업은 다른 기술 경쟁력을 가진 기업의 기술, 플랫폼 솔루션과 Ecosystem 비즈니스 파트너로 융합하여 새로운 비즈니스 모델을 만들고 산업과 지역의 경계를 넘어 새로운 에코시스템 마켓플레이스를 만들고 있다.


Global Platform Solution Company (aka Amazon, Google, MS, IBM) who has cloud platform, are driving AI and Big Data service on their cloud platform. It will dramatically change Enterprise business value chain and infrastructures in Supply Chain Management, Enterprise Resource Planning in Customer relationship Management. Enterprise are focusing the channel with customers and Business Partners and also changing their infrastructures to platform by integrating data. It will be Digital Transformation for decision support. AI and Deep learning technology are rapidly combined to their data driven platform, which supports mobile, social and big data. The collaboration of platform service with business partner and the customer will generate new ecosystem market and it will be the new way of enterprise revolution as a part of the 4th industrial revolution.

KCI후보

3공공데이터 기반 고용보험 가입 예측 모델 개발 연구

저자 : 조민수 ( Minsu Cho ) , 김도현 ( Dohyeon Kim ) , 송민석 ( Minseok Song ) , 김광용 ( Kwangyong Kim ) , 정충식 ( Chungsik Jeong ) , 김기대 ( Kidae Kim )

발행기관 : 사)한국빅데이터학회 간행물 : 한국빅데이터학회지 2권 2호 발행 연도 : 2017 페이지 : pp. 17-31 (15 pages)

다운로드

(기관인증 필요)

초록보기

빅데이터의 중요성이 증가함에 따라 공공기관에서는 다양한 빅데이터 관련 인프라를 제공하고 있으며, 그 중 하나가 공공데이터이다. 공공데이터 기반의 다양한 활용 사례가 공유되고 있으며, 공공기관에서도 데이터 기반의 모델을 통해 공공의 문제를 해결하려는 움직임을 보이고 있다. 대표적으로 사회 보험 중하나인 고용보험 케이스가 있다. 고용보험은 근로자의 권익 보호를 위해 근로자를 고용한 모든 사업주가 필수적으로 가입하여야 하는 보험이지만 가입누락의 경우가 많다. 가입누락을 막기 위한 데이터 기반의 접근이 필요하지만, 분산된 형태의 공공데이터, 수집 시기의 차이로 인해 데이터 통합이 어렵고, 체계적인 방법론이 부재한 상황이다. 본 논문에서는 공공데이터를 기반의 고용보험 가입 예측을 위한 모델 도출방법론을 제시하고자 한다. 본 방법론은 데이터 수집, 데이터 통합 및 전처리, 데이터 탐색 및 이력 데이터 분석, 예측 모델 도출을 포함하며, 프로세스 마이닝 및 데이터 마이닝을 활용한다. 또한, 사례 연구를 통해 본 방법론의 유효성을 검증한다.


With the development of the big data environment, public institutions also have been providing big data infrastructures. Public data is one of the typical examples, and numerous applications using public data have been provided. One of the cases is related to the employment insurance. All employers have to make contracts for the employment insurance for all employees to protect the rights. However, there are abundant cases where employers avoid to buy insurances. To overcome these challenges, a data-driven approach is needed; however, there are lacks of methodologies to integrate, manage, and analyze the public data. In this paper, we propose a methodology to build a predictive model for identifying whether employers have made the contracts of employment insurance based on public data. The methodology includes collection, integration, pre-processing, analysis of data and generating prediction models based on process mining and data mining techniques. Also, we verify the methodology with case studies.

KCI후보

4데이터 분석 기법을 활용한 서비스 부품의 저장 위치 선정 방안 수립 연구

저자 : 손진호 ( Jin-ho Son ) , 신광섭 ( Kwangsup Shin )

발행기관 : 사)한국빅데이터학회 간행물 : 한국빅데이터학회지 2권 2호 발행 연도 : 2017 페이지 : pp. 33-46 (14 pages)

다운로드

(기관인증 필요)

초록보기

서비스 부품은 일반적인 완성품에 비해 종류의 다양성, 수요의 불명확성, 빠른 대응에 대한 높은 요구 등과 같이 체계적 관리의 어려움을 유발하는 속성을 가지고 있다. 특히, 서비스 부품의 입고 주기는 길지만 출고주기는 상대적으로 낮은 편이어서, 서비스 부품 저장 창고의 경우 전체 작업 중 오더 피킹이 가장 중요한 작업으로 인식되고 있다. 그러나 출고 수요에 대한 주기, 빈도, 출고량은 부품이 가지는 고유한 특징에 따라 달라지기 때문에 일관된 보관위치 결정 기준을 활용할 경우 물류 센터 내 작업 효율성을 높이는 데 한계가 존재할 수밖에 없다. 본 연구에서는 서비스 부품이 가지는 다양한 특성 데이터를 바탕으로 부품의 유형을 구분하고, 각 유형별 수요예측 모형을 개발하여 입출고를 위한 저장과 오더 피킹의 전체 거리를 최소화하기 위한 방안을 제시하였다. 이를 통해 서비스 부품의 입출고 수량을 변화시키지 않은 상태에서도 물류 센터 내 작업 효율성과 함께 공간 활용의 효율성도 동시에 향상 시킬 수 있을 것으로 예상된다.


Service part has the attribute causing a difficulty of the systematic management like a kind of diversity, uncertainty of demand, high request for quick response against general complete product. Especially, order picking is recognized as the most important work in the warehouse of the parts since inbound cycle of the service part long but outbound cycle is relatively short. But, increasing work efficiency in the warehouse has a limitation that cycle, frequency and quantity for the outbound request depend on the inherent features of the part. Through this research, not only are the types of the parts classified with the various and specified data but also the method is presented that it minimizes (that) the whole distances of the order picking and store location about both inbound and outbound by developing the model of the demand prediction. Based on this study, I expect that all of the work efficiency and the space utilization will be improved without a change of the inbound and outbound quantity in the warehouse.

KCI후보

5메타분석을 활용한 통합기술수용모형의 개선 연구: KCI 등재 논문 분석을 중심으로

저자 : 황정선 ( Jeong-seon Hwang ) , 이홍주 ( Hong Joo Lee )

발행기관 : 사)한국빅데이터학회 간행물 : 한국빅데이터학회지 2권 2호 발행 연도 : 2017 페이지 : pp. 47-56 (10 pages)

다운로드

(기관인증 필요)

초록보기

통합기술수용모형(UTAUT)은 기술수용모형(TAM, Technology Acceptance Model)의 한계점을 개선하기 위해 8가지의 기존 이론을 종합하여 제시된 것으로, 최근 신기술의 수용 및 확산과 관련된 다양한 분야에서 활용되어지고 있다. 본 연구는 메타분석을 통하여 UTAUT를 이용한 연구의 주요요인에 대해 분석과 연구모형의 일관성에 대한 검증을 하였다. 이를 통해 주요요인의 관계와 추가적 요인에 대한 결과를 제시하고 해석하였다. 아울러 선행연구와의 비교분석을 통해 차이점과 시사점을 제시하였다. 메타분석 결과, 추가적 요인으로 만족감, 쾌락동기, 태도, 지각된 즐거움이 중요한 것으로 분석되었으며, 이 결과를 바탕으로 확장된 UTAUT 모형을 제시하였다. 또한, 국내 연구의 경우 행동의도를 높이는 활동이 실제 행동으로 이어지는데 가장 중요한 요인으로 나타났다. 본 연구의 결과는 신기술이나 신제품의 수용 및 확산을 연구하는 연구자 및 신제품을 출시하고자 하는 기업에 도움을 제공할 것으로 예상한다.


The UTAUT was presented as a comprehensive of eight existing theories to improve the limit of Technology Acceptance Model (TAM), and it has been also utilizing in various fields related to acceptance and diffusion of new technology. In this study, we analyzed factors utilized in UTAUT through meta-analysis, and confirms the consistency of the model. We presented the principal factors and the additional factors. Moreover, we presented differences and suggestions through comparative analysis with previous researches. The meta-analysis showed that satisfaction, hedonic motivation, attitude, perceived enjoyment showed a important factors as additional factors. Based on this result, we presented an extended UTAUT model. In the case of Korea studies, it was found that increasing the degree of behavior intention is the most important factor leading to use behavior. The results of this research will be able to support researchers who research the acceptance and diffusion of new technologies, and companies trying to launch new products.

KCI후보

6프로모션 효과에 영향을 미치는 요인: 프랜차이즈 외식 산업의 SNS 버즈 분석을 중심으로

저자 : 정민서 ( Min-seo Jeong ) , 이철진 ( Cheol-jin Lee ) , 윤지희 ( Ji-hee Yoon ) , 정윤혁 ( Yoonhyuk Jung )

발행기관 : 사)한국빅데이터학회 간행물 : 한국빅데이터학회지 2권 2호 발행 연도 : 2017 페이지 : pp. 57-66 (10 pages)

다운로드

(기관인증 필요)

초록보기

프랜차이즈 경쟁의 심화에 따라 기업은 프로모션에 상당한 재원을 투자하고 있으며, 이에 프로모션의 효과측정의 필요성이 증가하고 있다. 본 연구는 프랜차이즈 외식 산업에서 이러한 프로모션의 효과를 조사하기 위해 대표적 소셜 네트워크 서비스인 트위터 데이터를 경험적으로 분석하였다. 먼저 프로모션의 간격과 기간, 그리고 계절이 프로모션의 효과에 영향을 미치는 요인임을 통계적으로 입증했고, 나아가 각 요인별로 프로모션의 효과에 영향을 미치는 배경을 파악하여 외식 산업 내 기업의 업종에 따른 프로모션 전략을 제안하였다.


Companies has been investing enormous resources in promotion as the market keeps changing rapidly. Therefore, there are growing needs to measure the impact of a promotion on revenue growth. To investigate the effect of promotion in franchise food service industry, this study empirically analyzed text data from Twitter, one of the dominant social network services. Our findings show that a gap between promotions, promotion duration, and season have a significant influence on a volume of twitter buzz, which represents a promotion effect in our study. Next, we tried to analyze the reason why those factors were related to the promotion effect. Finally, we suggested promotion strategies related to each influential factor depending on types of business in food service industry.

KCI후보

7의료기관 빅데이터 품질관리의 필요성과 사례 분석

저자 : 최혜린 ( Hye Rin Choi ) , 이승원 ( Seung Won Lee ) , 김영아 ( Youngah Kim ) , 이종호 ( Jong Ho Lee ) , 고홍 ( Hong Koh ) , 김현창 ( Hyeon Chang Kim )

발행기관 : 사)한국빅데이터학회 간행물 : 한국빅데이터학회지 2권 2호 발행 연도 : 2017 페이지 : pp. 67-74 (8 pages)

다운로드

(기관인증 필요)

초록보기

빅데이터의 활용은 사회 전 분야에서 중요한 역할을 하고 있으며, 특히 보건의료분야에서는 국민의 생명과 건강을 다루기 때문에 빅데이터의 역할이 더욱 중요하다. 하지만 의료 빅데이터의 품질관리에 대한 관심과 인식은 현저히 떨어지는 실정이다. 저 품질 의료 빅데이터는 국가적 손실과 국민의 건강 저해를 야기시키므로 의료 빅데이터의 품질관리가 필요하다. 이에 국내외 의료 빅데이터 품질관리 사례 및 가이드라인에 대하여 문헌 조사하여 국내 의료 빅데이터 품질관리에 대한 방향성을 제시하고자 한다. 또한, 국내 한 대형 의료기관의 의료 빅데이터 품질관리 사례로 Y의료원의 '빅데이터 품질관리 TFT' 활동과 데이터 관련 업무종사자 대상설문조사 결과를 소개하고자 한다.


The use of Bigdata plays an important role in all areas of society. Especially in the health care field, the role of Bigdata is very considerable because it deals with people's life and health. However, the interest and awareness of quality control of medical data is markedly low. Because the low-quality medical Bigdata leads to national loss and public health impairment, quality control of medical Bigdata is needed. The purpose of this research is to present the direction of medical Bigdata quality management by examining literature and cases of domestic and foreign medical Bigdata quality management practices. In addition, as a case of medical Bigdata quality control in the Y medical institution in Korea, activities of a Bigdata quality management TFT and results of a survey conducted for major data users in the hospital were presented.

KCI후보

8머신러닝을 이용한 빅데이터 품질진단 자동화에 관한 연구

저자 : 이진형 ( Jin-hyoung Lee )

발행기관 : 사)한국빅데이터학회 간행물 : 한국빅데이터학회지 2권 2호 발행 연도 : 2017 페이지 : pp. 75-86 (12 pages)

다운로드

(기관인증 필요)

초록보기

본 연구에서는 빅데이터의 품질을 진단하는 방법을 자동화하는 방법을 제안하고 있다. 빅데이터의 품질진단을 자동화해야 하는 이유는 4차 산업혁명이 이슈화 되면서 과거보다 더 많은 볼륨의 데이터를 발생시키고 이 데이터들을 활용 하려는 요구가 증가하기 때문이다. 데이터는 급증하지만 데이터의 품질을 진단하기 위해 많은 시간이 소비된다면 데이터를 활용하기 위해 많은 시간이 걸리거나 데이터의 품질이 낮아질 수 있다. 그러면 이러한 낮은 품질의 데이터로부터 의사결정이나 예측을 한다면 그 결과 또한 잘못된 방향을 제시할 것이다. 이러한 문제를 해결하기 위해 많은 데이터를 신속하게 진단하고 개선할 수 있는 머신러닝 이용한 빅데이터 품질 향상을 위한 진단을 자동화 할 수 있는 모델을 개발하였다. 머신러닝을 이용하여 도메인 분류 작업을 자동화하여 도메인 분류 작업 시 발생할 수 있는 오류를 예방하고 작업 시간을 단축시켰다. 연구 결과를 토대로 데이터 변환의 중요성, 학습되지 않은 데이터에 대한 학습 시킬 수 있는 방안 모색, 도메인별 분류 모델을 개발에 대한 연구를 지속적으로 진행한다면 빅데이터를 활용하기 위한 데이터 품질향상에 기여할 수 있을 것이다.


In this study, I propose a method to automate the method to diagnose the quality of big data. The reason for automating the quality diagnosis of Big Data is that as the Fourth Industrial Revolution becomes a issue, there is a growing demand for more volumes of data to be generated and utilized. Data is growing rapidly. However, if it takes a lot of time to diagnose the quality of the data, it can take a long time to utilize the data or the quality of the data may be lowered. If you make decisions or predictions from these low-quality data, then the results will also give you the wrong direction. To solve this problem, I have developed a model that can automate diagnosis for improving the quality of Big Data using machine learning which can quickly diagnose and improve the data. Machine learning is used to automate domain classification tasks to prevent errors that may occur during domain classification and reduce work time. Based on the results of the research, I can contribute to the improvement of data quality to utilize big data by continuing research on the importance of data conversion, learning methods for unlearned data, and development of classification models for each domain.

KCI후보

9빅데이터 품질 확장을 위한 서비스 품질 연구

저자 : 박주석 ( Jooseok Park ) , 김승현 ( Seunghyun Kim ) , 류호철 ( Hocheol Ryu ) , 이준기 ( Zoonky Lee ) , 이장호 ( Jangho Lee ) , 이준용 ( Junyong Lee )

발행기관 : 사)한국빅데이터학회 간행물 : 한국빅데이터학회지 2권 2호 발행 연도 : 2017 페이지 : pp. 87-93 (7 pages)

다운로드

(기관인증 필요)

초록보기

데이터 품질에 대한 연구는 오랜 기간 동안 수행되어 왔다. 하지만 이러한 데이터 품질관리 연구는 구조적 데이터를 대상으로 하였다. 최근에 디지털혁명 또는 4차산업혁명이 일어나면서 빅데이터에 대한 품질관리가 중요해 지고 있다. 본 논문에서는 기존 논문을 분석하여 빅데이터 품질 유형을 분류하고 비교 분석하였다. 요약하면, 빅데이터 품질 유형은 빅데이터 값, 빅데이터 구조, 빅데이터 품질 프로세스, 빅데이터 가치사슬단계, 빅데이터 모형 성숙도 등으로 분류할 수 있다. 이러한 비교 연구를 바탕으로 본 논문에서는 새로운 기준을 제시하고자 한다.


The research on data quality has been performed for a long time. However, the research focused on structured data. With the recent digital revolution or the fourth industrial revolution, quality control of big data is becoming more important. In this paper, we analyze and classify big data quality types through previous research. The types of big data quality can be classified into value, data structure, process, value chain, and maturity model. Based on these comparative studies, this paper proposes a new standard, service quality of big data.

KCI후보

10RandomForest와 XGBoost를 활용한 한국어 텍스트 분류: 서울특별시 응답소 민원 데이터를 중심으로

저자 : 하지은 ( Ji-eun Ha ) , 신현철 ( Hyun-chul Shin ) , 이준기 ( Zoon-ky Lee )

발행기관 : 사)한국빅데이터학회 간행물 : 한국빅데이터학회지 2권 2호 발행 연도 : 2017 페이지 : pp. 95-104 (10 pages)

다운로드

(기관인증 필요)

초록보기

2014년 서울시는 시민의 목소리에 신속한 응대를 목표로 '서울특별시 응답소' 서비스를 시작하였다. 접수된 민원은 내용을 바탕으로 카테고리 확인 및 담당부서로 분류 되는데, 이 부분을 자동화시킬 수 있다면 시간 및 인력 비용이 감소될 것이다. 본 연구는 2010년 6월 1일부터 2017년 5월 31일까지 7년치 민원 사례 17,700건의 데이터를 수집하여, 최근 화두가 되고 있는 XGBoost 모델을 기존 RandomForest 모델과 비교하여 한국어 텍스트 분류의 적합성을 확인하였다. 그 결과 RandomForest에 대비 XGBoost의 정확도가 전반적으로 높게 나타났다. 동일한 표본을 활용하여 업 샘플링과 다운 샘플링 시행 후에는 RandomForest의 정확도가 불안정하게 나타난 반면, XGBoost는 전반적으로 안정적인 정확도를 보였다.


In 2014, Seoul Metropolitan Government launched a response service aimed at responding promptly to civil complaints. The complaints received are categorized based on their content and sent to the department in charge. If this part can be automated, the time and labor costs will be reduced. In this study, we collected 17,700 cases of complaints for 7 years from June 1, 2010 to May 31, 2017. We compared the XGBoost with RandomForest and confirmed the suitability of Korean text classification. As a result, the accuracy of XGBoost compared to RandomForest is generally high. The accuracy of RandomForest was unstable after upsampling and downsampling using the same sample, while XGBoost showed stable overall accuracy.

12

내가 찾은 최근 검색어

최근 열람 자료

맞춤 논문

보관함

내 보관함
공유한 보관함

1:1문의

닫기