제 1절 빅데이터 분석과 전략 인사이트

 

 

1. 빅데이터 열풍과 회의론

- 거품현상, 빅데이터도 시간이 지나면 웹 2.0 소셜 같은 한 때의 유행처럼 잊혀질 것이다.

- 2013년 말을 기점으로 주춤해 지며 대중의 관점이 식어감

- 고객관계관리(CRM)을 통해 경험한 부정적 학습효과 : 거액 하드웨어 투자효과 거두지 못함

- 기존의 분석 프로젝트를 빅데이터로 과대포장 : 신뢰성 의심, 개념적 혼란, 기반이 흔들림

- 성과 창출이 관건이나 쉽지 않기 때문에 근본적인 어려움을 피해나가자는 얄팍한 유혹이 문제

 

2. 왜 싸이월드는 페이스북이 되지 못했나?

- 분석에 기초한 전략적 통찰력 부족

- 데이터분석 기반 경영문화의 부재, 직관에 근거한 의사결정

- 데이터 분석에 기초해 전략적 통찰 얻고 효과적인 의사결정 내리고 주체적인 성과내는 체계가 없음

- vs. 구글, 링크드인, 페이스북 : 데이터 분석에 따른 내부 의사결정에 결정적 정보 제공

 

• 기존 관행을 그냥 따를 뿐 중요한 시도를 하지 않는다

• 경영진의 의사결정은 정확성이나 공정한 분석을 필요로 하지 않으며 오히려 정반대로 직관적 결정을 귀한 재능으로 칭송한다. 그렇지 못한 CEO는 똑똑하지만 직관력 이 떨어지는 것으로 여겨진다.

• 분석적 실험을 갈망하거 나 능숙하게 해내는 사람이 거의 없어， 적절한 방법조차 제대로 익히지 못한 사람들에게 분석 업무가 주어진다.

• 사람들은 아이디어 자체보다는 아이디어를 낸 사람이 누구인지 관심을 두는 경향이 있

 

- OLAP 인프라는 있었지만 경영진의 직관력은 보조하거나 상황 확인을 위한 협소한 문제에 집중

- 전략적인 분석은 치열한 시장에서 기업 생존을 좌우할 정도

- 핵심고객이 불만족 상황, 핵심 고객가치는 대변화를 요구하였지만 실패

- 링크드인 '당신이 알 수도 있는 사람들'

 

3. 빅데이터 분석, 'Big'이 핵심 아니다.

- 데이터를 보유하는 관심은 과유불급이고 혼란을 야기할 수 있음

- 데이터에 기초한 의사결정이 필요

- 양보다 유형의 다양성 관련 : 잠재적 보상은 다양항 소스와 신종 소스를 분석할 수 있는 능력, 양이 아님

- 어떤 기각과 통찰을 얻을 수 있느냐의 문제, 비용이 아니라 분석적 방법과 성과에 대한 이해 부족

 

4. 전략적 통찰이 없는 분석의 함정

- 기업의 양질의 데이터 기반을 구축하면 경영사는 더 나은 의사결정을 내리는데 관심의 초점을 옮긴다.

- 분석 활용과 사업성 사이의 상관관계, 5배 이상 차이남

- 분석적 통찰력을 갖춘 응답을 통해 분석 내재화의 어려움 파악 가능

- 일차원적이고 부분적인 분석만 하면 전략적 통찰이 없는 분석에 빠질 수 있음

→ 아메리카 항공 : 복잡한 최적화는 오히려 비즈니스에 마이너스, 쓸모없는 저가격 비즈니스 모델 활용

→ 사우스웨스트 항공 : 매우 단순한 모델, 단일기종활용을 통한 비용, 복잡성 줄임

※ 단순히 분석을 많이 사용 것은 경쟁 우위가 아님, 어디에 포커스를 두어야 하는지 확인

 

5. 일차적인 분석과 전략 도출 위한 가치 기반 분석

- 일차원분석은 업계동향을 알고 경쟁사들의 활동을 알 수 있음, 내부문제에 포커스

 

전략적 인사이트

- 가치 기반을 분석, 사업과 트렌드에 큰 그림 필요

- 인구통계학적 변화, 경제사회 트렌드, 고객니즈변화, 대변화 예측 : 폭넓게 확인 필요

- 분석은 중요한 기회 발굴, 경영진의 지원, 강력한 모멘텀을 만들 수 있음

 

제 2절 전략 인사이트 도출을 위해 필요한 역량

 

1. 데이터 사이언스의 의미와 역할

- 데이터로 부터 의미있는 정보를 추출해내는 학문

- 정형, 비정향을 막론하고 다양한 데이터 대상으로 효과적인 구현 및 전달하는 포괄적 개념

- 전략적 통찰을 추구하고 비즈니스 핵심 이슈에 답하고 사업의 성과를 견인

Ex) 링크드인 : 당신이 알 수도 있는 사람들 : 삼각관계 원리

 

2. 데이터 사이언스의 구성 요소

- IT 영역 + 분석적(Analytics) 영역 + 비즈니스 컨설팅(비즈니스 분석) 영역

- 깔끔한 패턴이나 통찰력 있는 해결책, 비즈니스가 나아갈 방향 제시

- 데이터 사이언티스트가 갖춰야할 역량

- 강력한 호기심

- 하드스킬 : 분석 기술 관련

- 소프트 스킬 : 분석, 전달, 협력

 

3. 데이터 사이언스 : 과학과 인문의 교차로

- 진정한 차별화는 전략적 통찰과 관련된 소프트 스킬

- 통찰력 있는 분석 = 직관, 전략, 경영 프레임워크, 경험 → 큰 그림을 그릴 수 있어야함

 

4. 전략적 통찰력과 인문학의 부할

사회경제적 변화

1) 단순세계화에서 복잡한 세계화로의 변화 : 디버전스의 동역학이 작용

2) 비즈니스의 중심이 제품생산에서 서비스로 이동 : 고객과의 인터페이스

3) 경제와 산업의 논리가 생산에서 시장창조로 변경 : 새로운 현지화, 암묵지(무형자산) 중요

 

5. 데이터 사이언티스트에 요구되는 인문학적 사고의 특성과 역할

- 비판 : 인문학의 정수, 익숙한 것을 불편하게 볼 때 기존의 상식을 뒤집은 곳에서 출발

- 첫 번째 차원은 단순히 정보를 활용한다고 할 수 있는 수준 : 패턴 파악

- 두 번째 차원은 통찰력을 제시하는 단계 : 핵심적인 문제 파악

→ 정량 분석(데이터과학) + 인문학적 통찰에 따른 합리적 추론 + 강한 호기심

 

6. 데이터 분석 모델링에서 인문학적 통찰력의 정용 사례

- 금융업 '신용리스크 모델' : 벤치마킹 모델이 없어지고 새로운 현실에 맞는 모델이 필요해짐

- 인간을 바라보는 관점 : 어떤 관점에서 어떤 데이터가 필요하고 어떤 기술을 활용해야 하나

1) 성향적 관점

2) 행동적 관점(신용 행동을 근거로 판단)

3) 상황적 관점(깨진 유리창의 법칙) - 주위에 암 환자가 많은 분들에게 암보험 판매

- 인문학은 고정된 사고방식에서 벗어나 혁신 생각하고 창의성을 토대로 새로운 가치 창출 원천

 

제 3절 빅데이터 그리고 데이터 사이언스의 미래

 

1. 빅데이터의 시대

- 회사 상품 광고 모델 결정, 선거 결과 예측, 주식 선별  등 활용

- 비용절감, 시간절약, 매출증대, 고객서비스향상, 신규비즈니스 창출, 내부 의사결정 지원

 

2. 빅데이터 회의론을 넘어 : 가치 패러다임의 변화

- 변화의 물결, 예측하지 못했던 전환이나 위기에 빨리 적응 할 수 있는 능력

- 세상의 변화를 읽고, 숨은 뜻과 흐름, 세상이 어떤 방향으로 가는지 알아내는 작업 필요

- '가치 패러다임' : 특정기간 지배적으로 작용하는 부의 원천

1) 디지털화 : 빌게이츠의 오피스 프로그램

2) 연결 : 구글의 검색, 네이버, 고리의 무한 증대, 사물인터넷의 성숙

3) 에이전시 : 복잡한 연결을 얼마나 효과적이고 믿을 만하게 관리해주는가

 

3. 데이터 사이언스의 한계와 인문학

- 모든 분석은 가정에 근거, 실제 외부 요인은 계속해서 변화함, 수집된 데이터 내에서 정확할 뿐

- 데이터 분석의 미완벽성, 인문학자 처럼 의구심을 가지고, 불일치를 고찰하고, 위험을 살펴야함

제 1절 빅데이터의 이해

 

1. 정의

빅데이터란?

- 큰 데이터

- 복잡성 증가로 인한 기존 툴로 다루기 어려운 데이터세트의 집합

- “빅데이터는 일반적인 데이터베이스 소프트웨어로 저장 관리 분석할 수 있는 범위를

초과하는 규모의 데이터다."(McKinsey， 2011)

- “빅데이터는 다양한 종류의 대규모 데이터로부터 저렴한 비용으로 가치를 추출하고

데이터의 초고속 수집· 발굴· 분석을 지원하도록 고안된 차세대 기술 및 아키텍처다." (IDC, 2011)

- 인재나 조직까지도 빅데이터 개념에 포함

- “빅데이터란 대용량 데이터를 활용해 작은 용량에서는 얻을 수 없었던

새로운 통찰이나 가치를 추출해 내는 일이다.

나아가 이를 활용해 시장, 기업 및 시민과 정부의 관계 등 많은 분야에 변화를 가져오는 일이다."

(Mayer-Schönberger&Cukier, 2013)

→  ‘기존의 작은 데이터 처리 분석으로는 얻을 수 없었던 통찰과 가치를 창출하는 새로운 방식’

 

3V

- 데이터의 양(Volume)

- 데이터 유형과 소스 측면의 다양성 (Variety)

- 데이터 수집과 처리 측면에서 속도(Velocity)

 

빅데이터 정의의 범주 및 효과

→ 기존 방식으로는 얻을 수 없었던 통찰 및 가치 창출

→ 사업방식, 시장, 사회, 정부등에서 변화화 혁신 주도

 

2. 출현 배경

새로 등장한 것이 아니라 기존의 데이터, 처리방식, 사람과 조직 차원의 '변화'

→ '패러다임 전환'

 

빅데이터 출현 배경

1) 산업계 : 고객 데이터 축적

- 양질 전환 법칙

- 거대한 가치 창출이 가능할 만큼 충분한 규모 → 보유 데이터로 숨어있는 가치 발굴

2) 학계 : 거대 데이터 활용 과학 확산

- 인간 게놈 프로젝트 (시간과 비용이 줄어듬)

- 스위스 제네바 대형 강입자충돌기, 나사이 기후시물레이션 등의 슈퍼컴퓨터

→ 기술 아키텍처 및 통계 도구들의 지속적 발전

3) 관련 기술 발전 : 디지털화, 저장기술, 인터넷보급, 모바일혁명, 클라우드 컴퓨팅

- 아날로그의 디지털화 : 편리성 새선, 동일한 복제품 생산 가능, 비용절감

- 인터넷 발전 : 광고, 양면시장모델, 미디어시장에서 비지니스모델 반영(야후, 구글)

- 사용자 로그 정보 : 사용자의 프로파일링, 아이덴티티로 인해 광고를 매칭 정확도 향상

- 클라우드 컴퓨팅 : 처리 비용을 획기적으로 낮춤, 맵리듀스 활용

- 개별 기업의 고객 데이터 축적 및 활용 증가,  인터넷 확산，저장 기술의 발전과 가격 하락，

   모바일 시대의 도래와 스마트 단말의 보급 클라우드 컴퓨팅 기술 발전

   SNS와 사물네트워크 확산 등

 

ICT(Information and Communications Technologies) 발전과 빅데이터 출현

 

3. 빅데이터 기능

 

1) 산업혁명이 석탄이나 철

- 자원과 유통의 혁명적 변화, 제조업에서 서비스업까지

2) 21세기의 원류

- 에너지원 = 정보, 생산 향상, 새로운 산업 생성

3) 렌즈

- 현미경 렌즈, 게놈프로젝트

- 구글 'Ngram Viewer'  : 남북전쟁이후 미국 are → is  로 변화되는 상황을 그래프로 표현

4) 플랫폼

- 공동 활용의 목적으로 구축된 유무형의 구조물,

- OS 플랫폼

- 페이스북

- API(Application Program Interface)

 

4. 빅데이터가 만들어 내는 본직적인 변화

 

1) 사전처리 → 사후처리

- 산업혁명 : 정보의 사전처리 방식, 조립과정에서 사람과 기계간이 역할 조정, 표준화된 문서

- 사후처리 : 데이터를 다양한 방식으로 조합해 숨은 정보를 찾는 방식

- 로그데이터 분석 → 광고활용, 데이터 마이닝 활용

2) 표본조사 → 전수조사

- 표본조사 : 비용, 도구의 걸림돌로 인해 적은 데이터로 풍부한 결과 목표

- 클라우팅 기술 발전에 따라 도구 발전으로 비용이 문제가 되지 않음

- 샘플링이 주지 못하는 패턴이나 정보를 제공 → 새로운 시스템, 불법 거래 적발 가능

- 표본조사는 활용성 측면에서 융통성이 떨어짐

- 전수조사는 다양한 질문에 다양한 방식으로 재가공 가능, 융통성 유지

3) 질 → 양

- 회귀분석에서 새로운 변수가 추가되면 설명력 하락, 변수가 무한하면 100에 수렴

- 구글 자동 번역 시스템 구축 : 양의 중요성 / 수십억 말뭉치(corpus) 오역까지 수용

- 자료가 많아질수록 양질의 정보가 많아짐, 몇 개의 오류는 대세에 영향을 주지 못함

- 제외되는 사례도 다른 변수에는 정보를 갖고 있기에 대용량의 정보가 더 많은 가치 추출

4) 인과관계 → 상관관계

- 인과관계 : 이론 기초, 변인 결정후 시험통해 이론적틀에 맞춰 분석, 고비용 모델

- 수십억개의 수학적 모델 분석을 통한 키워드의 상관관계들로 확인 가능

- 상관관계는 빠른 분석이 가능해서 타이밍을 놓칠 일이 없음

- 아비바(Aviva) : 보험회사의 보험가입자의 데이터 활용

- 인과관계도 필요하지만 신속한 의사결정이 필요하면 상관관계로 예측 가능함

 

제 2절 빅데이터의 가치와 영향

 

1. 빅데이터의 가치

 

사치 산정이 어려운 이유

1) 데이터 활용 방식 : 재사용, 재조합, 다목적용 개발

- 누가 어디서 언제 재활용할지 알 수 없음

- 창의적 조합은 기존에 풀 수 업는 문제를 해결하는데 도움을 줌

- 평소의 가치와 추가 정보 제공까지 수반 되어짐 (상품진열cctv - 범죄활용)

2) 새로운 가치 창출

- '기존에 없던 가치' 창출 : 킨들이 독자분석, 페이스북의 소셜그래프

3) 분석 기술 발전

- 클라우드 분산 컴퓨팅에 따른 저렴한 비용으로 활용도가 높아짐

- 텍스트 마이닝 기법, 데이터가 주식 가치에 반영이 되지 않음

 

2. 빅데이터의 영향

 

빅데이터가 가치를 반들어내는 방식

- 투명성 제고로 연구개발 및 관리 효율성 제고

- 시물레이션을 통한 수요 포착 및 주요 변수 탐색으로 경쟁력 강화

- 고객 세분화 및 맞춤 서비스 제공

- 알고리즘 활용한 의사결정 보조 또는 대체

- 비즈니스 모델과 제품, 서비스 혁신

 

1) 기업 : 혁신, 경쟁력 제고, 생산성 향상

- 신사업발굴, 원가절감, 제품차별과, 기업활동 투명성 제고, 경쟁력

2) 정부 : 환경 탐색, 상황분석, 미래대응

- 사회변화추정하고 재해정보 추출

- 사회관계망 분석, 시스템 다이내믹스, 복잡계이론 → 미래의제 도출

- 미래 사회에 따른 법제도 및 거버넌스 시스템, 성장 전략, 안보 정보 제공

3) 개인 : 목적에 따라 활용

- 정치인, 가수 등 활용

→ 맞춤형 서비스 저렴한 비용, 적시에 필요한 정보 얻음 기회비용 절약

→ 생활 전반의 스마트화

 

제 3절 비즈니스 모델

 

1. 빅데이터 활용 사례

 

1) 기업

- 구글 검색 : 로그데이터 활용한 기존의 페이지 링크, 차원의 신호 추가 검색결과 개선

- 월마트 : 경쟁력 강화 구매패턴 분석

- 의료부분 개선 : 생산성 향상, 3천억 절감, 왓슨 사용

2) 정부

- 대국민 서비스 개선

- NSA(National Security Agency) : 국가 안전 확보 활동

3) 개인

- 정치인, 가수

 

2. 빅데이터 활용 기본 테크닉

 

1) 연관 규칙 학습 (Association rule learning)

- 계산대의 데이터 활용 : 커피를 구매하는 사람은 탄산 음료를 더 많이 사는가?

- 어떤 변인들 간에 주목할 만한 상관관계가 있는지

- 상관관계가 높은 상품 진열, 로그 데이터 분석하여 행위자 색출 등

2) 유형 분석 (Classification tree analysis)

- 이 사용자는 어떤 특성을 가진 집단에 속하는가

- 새로운 사건을 속하게 될 범주는 찾아내는 통계적 분류를 위해 훈련용 분류 갖춰야함

- 문서 분류, 조직 나눌 때, 수강생 특성에 따라 분류

3) 유전 알고리즘 (Genetic algorithrns)

- 최대의 시청률을 얻으려면 어떤 프로그램을 어떤 시간대에 방송해야 하는가?

- 최적화가 필요한 문제의 해결책을 자연선택, 돌연변이 등과 같은 매커니즘 통해 '진화'시킴

- 응급실에 의사 배치, 효율적 차개발위해 원자재와 엔지니어링 결함 등

4) 기계 학습 (Machine learning) 

- 기존 시청 기록을 바탕으로 시청자가 현재 보유한 영화 중에서 어떤 것을 가장 보고싶을까?

- 데이터를 통한 학습할 수 있는 소프트웨어 포함

- 훈련 데이터로부터 학습한 알려진 특성을 활용한 '예측'하는 일에 초첨

- 이메일 스팸 걸러내기, 사용자 기호에 따른 추천 서비스

5) 회귀 분석 (Regression analysis)

- 구매자의 나이가 구매 차량의 타입에 어떤 영향을 미치는가?

- 독립변수를 조작하여 종속변수가 어떻게 변하는지 두 변인간의 관계 파악

- 만족도에 따른 충성도 영향, 이웃과 규모에 따른 집값의 영향

6) 감정 분석 (Sentiment analysis)

- 새로운 환불 정책에 대한 고객의 평가는 어떤가

- 특정 주제에 대해 말하거나 글을 쓴 사람의 감정 분석

- 고객 코멘트, 소셜미디어 의견 바탕으로 고객 원하는 것을 찾아내는 것

7) 소셜 네트워크 분석 (Social network analysis)

- 특정인과 다른 사람이 몇촌 정도의 관계인가

- 오피니언 리더, 여향력 있는 사람 발견

- 고객들간이 소셜 관계 파악

 

→ 상관관계 발견, 소비자 유형 분류, 보유자원 할당, 적정요금 책정

→ 다양한 비즈니스 모델 개발 (분석 테크닉 + 창의적 재조합)

 

제 4절 위기 요인과 통제 방안

 

1. 위기요인

 

1) 사생활 침해

원인 :

- M2M 시대에 따른 정보 수집 센서들의 수가 점점 늘어남

- 개인 정보 가치 증가에 따른 사업자가 개인 정보 습득에 많은 자원 투자

- 빅브라더가 사람들의 일상생활 전반을 감시할 수 있는 기술적 기반

문제 :

- 특정 데이터가 본래 목적 외의 가공되어 활용되면서 사회, 경제적 위험으로 변형

- 익명화 기술의 문제 : 누구인지 밝혀진다.

- 미국의 NSA가 17억건의 정보 수집을 함

2) 책임 원칙 훼손

- 분석 대상이 되는 사람이 예측 알고리즘이 희생양이 될 가능성

- 경찰관의 컴퓨터 알고리즘 분석에 따라 특정 지역 순찰

- 영화 '마이너리티 리포트' 범죄 예측 프로그램, 잠재적 위협에 따라 책임 묻기

- 어떤 사람이 특정 집단에 속해서 자신 시용도와 무관하고 부당하게 차별 당할 수 있음

3) 데이터 오용

- 사람들이 필요한 것은 현실에 대한 인식을 바탕에 두고 있음, 사람들 의견 따르지 않음

- 잘못된 지표를 사용함 : 베트남 전쟁사례, 구글 검색 알고리즘에 따른 거래 사이트 퇴출

 

2. 통제방안

 

1) 동의에서 책임으로

- 소비자 프라이버시 보호 3대 권고 사항

- 기업은 상품 개발 단계에서부터 소비자 프라이버시 보호 방안을 적용(Privacy by Ðesign)

- 기업은 소비자에게 공유 정보 선택 옵션 제공(Simplified Choice for Business and Consumers)

- 소비자에게 수집된 정보 내용 공개 및 접근권 부여 (Greater Transparency)

- 사용자 정보가 가공될 때 매번 동의가 불가능 하여 '개인정보 사용자의 책임'으로 해결 필요

- 개인 정보 사용 주체가 보다 적극적인 보호 장치 강구 해야함

2) 결과 기반 책임 원칙 고수

- 행동결과를 처벌해야 함, 실제 결과에 대해서만 처벌

- 예측 자료에 의한 불이익 당할 가능성 최소화 하는 장치 마련

3) 알고리즘 접근 허용

- 구글 검색 알고리즘의 부당한 적용

- 객관적 인증방안 도입, 알고리즘 부당함 반증할 방법 명시하여 공개

→ '알고리즈미스트'전문가 필요

 

제 5절 미래의 빅데이터

 

1) 데이터 : 모든 것의 데이터화

- 사물인터넷, 웨어러블 등을 통한 모든 것들이 데이터화

- 창의적으로 재활용되어 가치를 만들어 낼 수 있음 (편의점 컵을 통한 선거결과예측)

- 기존 기업의 모델 변경 (나이키의 의류, 액서사리 등)

2) 기술 : 진화하는 알고리즘, 인공지능

- 구글 검색엔진, 넷플릭스의 추천 알고리즘 : 데이터 양 증가에 따른 정확도 증가

- 인공신경망 개발, 스스로 학습이 가능한 인공지능 : 필수 불가결한 기술

- IBM의 왓슨 → 이러한 기계적 판단이 어느 선까지 허용되고 통제 될 수 있는가

3) 인력 : 데이터 사이언티스트, 알고리즈미스트

- 통찰력, 전달력, 협업 능력을 갖춘 전문 인력

- 데이터 사이언티스트 : 다각적 분석 통해 인사이트 도축, 전략방향제시 및 활용

- 알고리즈미시트는 사이언티스트가 한 일로 부당한 피해가 없도록 막기 위해서 필요

- 컴퓨터, 수학, 통계, 비즈니스(도메인) 지식 필요

제 1절 데이터와 정보

 

1. 데이터의 정의

 

데이터란?

- 1646년 영국 문헌에서 처음 등장 주어진것이란 과거분사형

- 1940년 컴퓨터 시대 도래 이후 관념적, 추상적 개념 → 기술적 사실적 변화

- 옥스퍼드 대사전 : 데이터를 추론과 추정의 근거를 이루는 사실

다른 객체와의 상호관계 속에서 가치를 갖는 것

- 객관적 사실이라는 존재적 특성 + 추론, 예측, 전망, 추정을 위한 근거의 당위적 특성

 

데이터 유형

정성적 데이터 : 기술이 가능함, 설문조사의 주관식 답,  SNS상의 글 (=비정형데이터) → 분석비용

정량적 데이터 : 수치로 명확하게 표현, 데이터 관리 시스템으로 저장, 검색, 분석

 

암묵지와 형식지

암묵지 : 학습과 체험을 통해 개인에게 습득되었지만 겉으로 들어나지 않는 지식

오랜 경험을 통해 개인에게 습득된 무형의 지식

다른사람에게 공유되기 어렵다

공통화(Socialization) , 내면화(Internalizaion)

형식지 : 형상화된 지식, 유형의 대상이기에 지식의 전달과 공유가 매우 용이

조직원 개인의 지식 공유, 발전 가능

표출화(ExternaIization) , 연결화(Combination)

 

암묵지와 형식지의 상호작용 : 지식 형성의 중요한 기초

현장 경험을 통해 축적된 내면화된 지식

→ 조직의 지식으로 공통화를 위해서는

→ 개인의 암묵지를 표출화하고

→ 다른 개인이 본인의 지식에 연결

→ 새로운 경험을 부가하여 다시 내면화 하는 과정

 

2. 데이터와 정보의 관계

 

DIKW 피라미드

데이터, 정보, 지식을 통해 최종적으로 지혜를 얻어내는 과정을 계층구조로 설명

데이터의 정확성은 향후 데이터 간의 관계 및 현상의 분석(정보)과 적용(지식)

더 나아가 미래를 예측하고 창의적 산물을 도출(지혜)하는 데 지대한 영향을 미치며

가치창출에 핵심적인 역할을 수행

 

제 2절 데이터베이스 정의와 특징

 

1. 용어의 연역

데이터베이스(database)

- 1950년대 미국정부 자국군대의 군비상황 관리를 위한 도서관 설립 '데이터의 기지'

- 1963년 6월 미국 SDC '컴퓨터 중심의 데이터베이스 개발과 관리' : 쉽게 검색하는 작업

: 대량의 데이터를 축척하는 기지

- 1965년 2차 심포지엄 : 시스템을 통한 체계적 관리와 저장 의미를 담은 '데이터베이스 시스템'

- 1963년 GE의 C.바크만 : 데이터베이스 관리 시스템 IDS개발 → 데이터 모델 기반 관리 시스템

- 1970년대 유럽 '데이터베이스' 단일어 일반화, 1970년 후반 미국에서 사용

※ 우리나라는 1975년 미국의 CAC가 KORSTIC을 통해 서비스 되면서 이용

자기테이프형태의 배치방식 → 온라인 정보검색 시스템 → 데이터 연구개발(80년 중반)

 

2. 데이터베이스의 정의

다양한 정보기술의 발달과 인터넷이 확산등으로 현대적 개념이 적용된 용어로 정의

체계적으로 정렬된 데이터의 집합

-  “문자，기호，음성，화상，영상 등 상호 관련된 다수의 콘텐츠를

정보 처리 및 정보통신 기기에 의하여 체계적으로 수집 ·축적하여

다양한 용도와 방법으로 이용할 수 있도록 정리한 정보의 집합제”

- EU의 데이터베이스의 법적 보호에 관한 지침 :  “체계적이 거나 조직적으로 정리되고 전자식

또는 기타 수단으로 개별적으로 접근할 수 있는 독립된 저작물, 데이터 또는 기타 소재의 수집물”

-  국내 ‘저작권법’ : “소재를 체계적으로 배열 또는 구성한 편집물로서 개별적으로

그 소재에 접근하거나 그 소재를 검색할 수 있도록 한 것”

- 컴퓨터 용어사전 등 :  “동시에 복수의 적용 업무를 지원할 수 있도록 복수 이용자의 요구에 대응해서

데이터를 받아들이고 저장, 공급하기 위하여 일정한 구조에 따라서 편성된 데이터의 집합”

 “관련된 레코드의 집합 소프트웨어로는 데이터베이스관리시스템을 의미한다"

※ DBMS : 데이터베이스를 구축, 유지하는 소프트웨어

      + 데이터베이스 = 데이터베이스 시스템

 

3. 데이터베이스의 특징

텍스트나 숫자 그래프 + 멀티미디어까지 저장가능, 정보를 저장하는 지식 베이스, 복합체로 진화

 

1) 통합된 데이터 : 동일한 내용, 중복이 허용되지 않음

2) 저장된 데이터 : 검퓨터가 접근할 수 있는 저장 매체에 저장

3) 공용 데이터 : 여러 사용자가 서로 다른 목적으로 데이터 공동 이용, 대용량화, 구조복잡

4) 변화되는 데이터 : 저장하는 내용이 한 상태를 나타냄, 변화하지만 현재의 정확한 데이터 유지

 

- 정보의 축적 및 전달 : 기계가독성, 검색가능성, 원격조작성

- 정보이용 : 정보요구에 따라 신속하게 원하는 정보 획득하여 경제적으로 찾아냄

- 정보관리 : 일정한 질서와 구조에 따라 정리, 저장하고 검색, 관리

→ 방대한 양의 정보를 체계적으로 축적하고 새로운 내용 추가나 갱신 용이

- 정보기술 발전 :  정보처리, 검색·관리 소프트웨어, 관련 하드웨어, 정보 전송을 위한 네트워크 기술 등의 발전

- 경제, 산업적 측면 : 인프라로서 특성 → 효율성 제고, 국민의 편의 증진하는 수단

 

제 3절 데이터베이스 활용

 

1. 기업내부 데이터베이스

정보통신망 구축 → 기업경영전반 모든 자료 연계, 체계구축, 운영 → 전사시스템

단순 수집에서 탈피 '분석'이 중심이 되는 시스템 구축

단순 자동화 OLTP(Online Transaction Processing) →  OLAP (Online Analytical Processing) 로 변화

2000년대 이후  

- CRM(Consumer Relationship Management, 고객관계 관리) : 고객분석, 마케팅전략

- SCM(Supply Chain Management, 공급망관리) : 시간과 비용 최적화

SCM은 일반적으로 자재구매 데이터 생산·재고 데이터 유통·판매 데이터 고객 데이터로 구성

특히 유통·판매 및 고객 데이터가 CRM과 연동되기 때문에 CRM과 SCM은 상호 밀접한 관련

 

가. 제조부분

기업별 고유 시스템 형태 → 솔루션 유형(전 공정을 포함하는 범위)

 ERP(Enterprise Resource Planning) + SCM

실시간 기업(RTE)은 기업의 비즈니스 프로세스를 투명하고 민첩하게 유지하여

환경 변화에 따른 적응 속도를 최대화하여 지연시간을 없애는 정보화 전략

대기업-중소기업 협업적 IT화

 ERP 시스템 도입과 함께 DW, CRM, BI(Business Intelligence) 등의 인하우스 DB 구축

 

나. 금융부분

2000년대 초반 EAI(Enterprise Applications Integration), ERP, e-CRM, 인터넷뱅킹

2000년대 중반 DB 마케팅, 방카슈랑스, BI기반 시스템 구축

최근  EDW(Enterprise Data Warehouse)의 확장이 데이터베이스 시장 확대에 기여할 것으로 예상

 

다. 유통부분

CRM + SCM

상거래를 위한 각종 인프라 및 KMS(Knowledge Management System)를 위한 별도의 백업시스템도 구축

균형성과관리(BSC), 핵심성과지표(KPI), 웹 리포팅 등의 다 고객 분석 툴을 통해 기존 데이터베이스와 연계

전자태그(RFID)는 사물과 주변 정보를 접촉 없이도 무선주파수로 전송·처리가 가능한 인식기술

 

2. 사회기반구조로서의 데이터베이스

90년대 사회간접자본(SOC) 차원에서 EDI(Electronic Data Interchange, 전자문서교환)

→ 부가가치통신망(VAN)을 통한 정보망이 구축

1995년에 조세전산망, 1996년에는 조달·국방·물류종합망· 의료정보망·산업정보망

90년대 후반  지리， 교통부문의 데이터베이스 구축이 본격적으로 시작

00년대  의료· 교육·행정 등 사회 각 부문으로 공공 DB의 구축·이용, 인터넷 보편화 일반가정에서도 가능

 

가. 물류부분

'실시간 차량추적 :  운행중인 차량의 위치 및 상태를 실시간으로 파악하여 관제

CVO서비스(Commercial Vehicle Operation System, 화물운송정보)

EDI서비스， 데이터베이스 서비스(물류정보) 부가서비스

한국통신 - 기업물류정보 제공

한국물류정보통신 - 해양수산 데이터베이스 개발

종합물류정보망 연계

 민간 기업 물류 VAN은 2000년 이후 활성화 → 택배/물류 회사 발전

 

나. 지리부분

1995년 시작된 국가지리정보체계(NGIS) 구축 - 국가표준설정, 활용체계 개발

2000년 1단계 사업이 종료 :  국가 수치지형도의 구축

단,  데이터 포뱃인 DXF(Data eXchange Format)로 구축되어 표현 한계

2005년 2차 단계 :  토지종합정보망(LMIS) 및 공공제한 관련 정보，7대 지하시설물 지리정보

GIS, RS(Remote Sensing), GPS(Global Positioning System) , ITS(Intelligent Transport System)

기술을 통합하여 새로운 GIS 응용에 활용하는 4S 통합기술

LBS(Location Based Service) 기술， SIM(Spatial Information Management),

공간 DBMS 등 GIS 관련 정보기술의 비약적인 발전

 

다. 교통부분

동적(실시간) 교통정보 :  지능형교통시스템(ITS Intelligent Transport System), 교통방송

정적(비실시간) 교통정보 :  교통정책 및 계획 수립 등에 필요한 교통 분야별 기초자료 및 통계

 

라. 의료부분

1996년부터 53개 기관을 대상으로 의료EDI 상용서비스가 제공

2002년 의료법 개정에 따른 전자의무기록

의료정보시스템  → u-헬스 등장 → 환자중심의 병원 경영기법

 

마. 교육부분

대학정보화 : 대학도서관 소장자료

교육정보 공동활용체제 : 에뉴넷

교육행정정보시스템 (NEIS. National Education Information System)