본 연구의 목적은 빅데이터 도입을 통해 비즈니스 가치를 향상시키고자 하는 기업의 경영자들에게 데이터 품질관리의 가치를 전달하고 데이터 품질관리의 성공 요인에 집중하는 것이 빅데이터 도전과제의 하나를 해결할 수 있는 방안임을 제시하고자 한다. 정보기술의 급속한 발전으로 데이터의 양적 팽창이 이루어지고 대용량, 비정형 데이터를 처리하고 분석하는 기술도 병행해서 발전함에 따라 ...
본 연구의 목적은 빅데이터 도입을 통해 비즈니스 가치를 향상시키고자 하는 기업의 경영자들에게 데이터 품질관리의 가치를 전달하고 데이터 품질관리의 성공 요인에 집중하는 것이 빅데이터 도전과제의 하나를 해결할 수 있는 방안임을 제시하고자 한다. 정보기술의 급속한 발전으로 데이터의 양적 팽창이 이루어지고 대용량, 비정형 데이터를 처리하고 분석하는 기술도 병행해서 발전함에 따라 데이터 분석을 통해 경쟁력을 향상시키고자 빅데이터 도입을 고려하는 기업들이 점점 증가하고 있다. 기존의 빅데이터에 관한 연구들은 기술적 이슈와 잠재 가치에 대한 논의는 활발한 반면 빅데이터의 품질에 대한 논의는 부족했는데, 최근에는 빅데이터를 도입하면서 몇 가지 해결해야 할 도전과제의 하나로 데이터 품질 이슈를 제기하고 있는 연구들을 찾아 볼 수 있다. 또한, 외부에서 확보한 데이터만 가지고 유용한 분석 결과를 생성하는 것은 한계가 있다는 사실을 제시하고 있다. 아직 기존에 보유한 내부 데이터의 분석도 제대로 수행하지 못하고 있는 기업들이 많은 현실을 고려할 때 최신 기술이나 기법의 도입만이 빅데이터의 출발점이라 할 수 없을 것이라는 견해들이 있으며 연구자도 이에 동의하는 바이다. 이에, 본 연구에서는 빅데이터 분석의 근간이라 할 수 있는 기업 내부 데이터의 품질관리 활동을 성공적으로 할 수 있도록 하는 영향요인이 무엇이며, 데이터 품질관리 활동이 업무 운영과 전략적 의사결정을 위한 데이터 활용을 촉진함으로써 고객지향성과 경영성과에 유의한 영향을 미치는지 가설을 설정하고 검증하였다. 기업 내부 데이터에 대한 품질관리 활동이 경영성과에 유의한 영향을 준다면 앞으로 빅데이터에 대한 품질관리 활동은 경영성과에 더 큰 영향력을 미칠 것이라는 판단에 기인한 것이다. 이를 위해 빅데이터와 데이터 품질관리, 품질경영에 대한 문헌 연구를 수행하였고, 정보시스템데이터 처리 또는 사용에 대한 경험이 있고 데이터 품질 개념에 대해 이해도를 가진 운영자 및 사용자를 대상으로 설문을 통해 연구모형을 검증하고 분석하였다. 본 연구의 분석 결과를 요약하면 다음과 같다. 첫째, 데이터 품질관리에 영향을 주는 요인에 대해 연구를 하였다. 데이터 품질관리 영향요인으로 설정한 데이터 품질관리 인식, 경영층 지원, 경영환경 중 데이터 품질관리 인식과 경영환경은 데이터 구조설계 관리와 데이터베이스 관리에는 정(+)의 영향을 미치는 것으로 나타났으나 데이터 활용 관리에 정(+)의 영향을 미친다는 가설은 기각이 되었다. 반면에 경영층 지원은 데이터 활용 관리에도 정(+)의 영향을 미치는 것으로 나타남으로써, 경영층 지원은 모든 데이터 품질관리 활동에 유의한 영향을 미친다는 것을 알 수 있다. 그리고 데이터 품질관리 활동 유형에 관계없이 공통적으로 데이터 품질관리 영향요인은 경영층 지원, 데이터 품질관리 인식, 경영환경 순으로 영향도가 높게 나타났다. 둘째, 데이터 품질관리 활동이 데이터 활용을 촉진시키는지 살펴보았는데 데이터베이스 관리와 데이터 활용 관리는 데이터 활용 수준에 정(+)의 영향을 주었으나, 데이터 구조설계 관리는 유의한 영향을 주지 못하는 것으로 나타났다. 이는 데이터 구조설계 품질은 사용자의 편의성, 접근성 보다는 정보시스템의 운영 효율성 측면과 연관성이 더 높기 때문인 것으로 판단된다. 안정적으로 사용자가 원하는 시간 내에 데이터가 제공될 수 있도록 하는 데이터베이스 관리 활동이나 직접적으로 데이터 오류에 대한 측정 및 개선활동을 수행하는 데이터 활용 관리가 사용자들의 데이터 활용 수준 향상과 직접적인 관련성이 높음을 알 수 있었다. 셋째, 데이터 활용 수준이 비재무적 경영성과에 영향을 주는지 분석 하였다. 데이터 활용 수준은 고객지향성에 정(+)의 영향을, 고객지향성은 경영성과에 정(+)의 영향을 미치는 것으로 나타났다. 또한, 데이터 활용 수준은 고객지향성을 매개로 하지 않더라도 경영성과에 직접적으로도 정(+)의 영향을 주었다. 그러나 상관관계 분해를 통해 데이터 활용 수준이 고객지향성을 매개로 하여 경영성과에 영향을 주는 간접효과도 있음을 확인하였다. 넷째, 제조, 금융ㆍ통신, 기타 3가지 산업분류로 구분하여 산업분류가 연구모형에 조절 효과가 있는지 추가적으로 살펴보았으나, 유의성이 없었다. 그 원인을 파악하고자 One Way ANOVA 분석을 수행하여 3개 집단별 비교를 해보았다. 그 결과, 데이터 품질관리 인식은 집단 간에 유의한 차이가 없었으나 경영층 지원, 경영환경, 데이터 구조설계 관리, 데이터 활용 관리, 경영성과 5개 변수에 대해서는 금융ㆍ통신 산업과 기타 산업 집단 간에는 유의한 차이가 있었다. 산업간 데이터 활용 수준이 유의미한 차이를 보이지 않았는데 설문항목에 대한 내용을 살펴본 결과 일반적으로 데이터를 업무처리에 직접적으로 활용하는 수준에 머물러 있으며 분석과 의사결정에 데이터를 충분히 활용하지 않고 있기 때문에 데이터 활용 수준이 산업 집단 간 유의미한 차이가 나타나지 않는 것으로
본 연구의 목적은 빅데이터 도입을 통해 비즈니스 가치를 향상시키고자 하는 기업의 경영자들에게 데이터 품질관리의 가치를 전달하고 데이터 품질관리의 성공 요인에 집중하는 것이 빅데이터 도전과제의 하나를 해결할 수 있는 방안임을 제시하고자 한다. 정보기술의 급속한 발전으로 데이터의 양적 팽창이 이루어지고 대용량, 비정형 데이터를 처리하고 분석하는 기술도 병행해서 발전함에 따라 데이터 분석을 통해 경쟁력을 향상시키고자 빅데이터 도입을 고려하는 기업들이 점점 증가하고 있다. 기존의 빅데이터에 관한 연구들은 기술적 이슈와 잠재 가치에 대한 논의는 활발한 반면 빅데이터의 품질에 대한 논의는 부족했는데, 최근에는 빅데이터를 도입하면서 몇 가지 해결해야 할 도전과제의 하나로 데이터 품질 이슈를 제기하고 있는 연구들을 찾아 볼 수 있다. 또한, 외부에서 확보한 데이터만 가지고 유용한 분석 결과를 생성하는 것은 한계가 있다는 사실을 제시하고 있다. 아직 기존에 보유한 내부 데이터의 분석도 제대로 수행하지 못하고 있는 기업들이 많은 현실을 고려할 때 최신 기술이나 기법의 도입만이 빅데이터의 출발점이라 할 수 없을 것이라는 견해들이 있으며 연구자도 이에 동의하는 바이다. 이에, 본 연구에서는 빅데이터 분석의 근간이라 할 수 있는 기업 내부 데이터의 품질관리 활동을 성공적으로 할 수 있도록 하는 영향요인이 무엇이며, 데이터 품질관리 활동이 업무 운영과 전략적 의사결정을 위한 데이터 활용을 촉진함으로써 고객지향성과 경영성과에 유의한 영향을 미치는지 가설을 설정하고 검증하였다. 기업 내부 데이터에 대한 품질관리 활동이 경영성과에 유의한 영향을 준다면 앞으로 빅데이터에 대한 품질관리 활동은 경영성과에 더 큰 영향력을 미칠 것이라는 판단에 기인한 것이다. 이를 위해 빅데이터와 데이터 품질관리, 품질경영에 대한 문헌 연구를 수행하였고, 정보시스템 데이터 처리 또는 사용에 대한 경험이 있고 데이터 품질 개념에 대해 이해도를 가진 운영자 및 사용자를 대상으로 설문을 통해 연구모형을 검증하고 분석하였다. 본 연구의 분석 결과를 요약하면 다음과 같다. 첫째, 데이터 품질관리에 영향을 주는 요인에 대해 연구를 하였다. 데이터 품질관리 영향요인으로 설정한 데이터 품질관리 인식, 경영층 지원, 경영환경 중 데이터 품질관리 인식과 경영환경은 데이터 구조설계 관리와 데이터베이스 관리에는 정(+)의 영향을 미치는 것으로 나타났으나 데이터 활용 관리에 정(+)의 영향을 미친다는 가설은 기각이 되었다. 반면에 경영층 지원은 데이터 활용 관리에도 정(+)의 영향을 미치는 것으로 나타남으로써, 경영층 지원은 모든 데이터 품질관리 활동에 유의한 영향을 미친다는 것을 알 수 있다. 그리고 데이터 품질관리 활동 유형에 관계없이 공통적으로 데이터 품질관리 영향요인은 경영층 지원, 데이터 품질관리 인식, 경영환경 순으로 영향도가 높게 나타났다. 둘째, 데이터 품질관리 활동이 데이터 활용을 촉진시키는지 살펴보았는데 데이터베이스 관리와 데이터 활용 관리는 데이터 활용 수준에 정(+)의 영향을 주었으나, 데이터 구조설계 관리는 유의한 영향을 주지 못하는 것으로 나타났다. 이는 데이터 구조설계 품질은 사용자의 편의성, 접근성 보다는 정보시스템의 운영 효율성 측면과 연관성이 더 높기 때문인 것으로 판단된다. 안정적으로 사용자가 원하는 시간 내에 데이터가 제공될 수 있도록 하는 데이터베이스 관리 활동이나 직접적으로 데이터 오류에 대한 측정 및 개선활동을 수행하는 데이터 활용 관리가 사용자들의 데이터 활용 수준 향상과 직접적인 관련성이 높음을 알 수 있었다. 셋째, 데이터 활용 수준이 비재무적 경영성과에 영향을 주는지 분석 하였다. 데이터 활용 수준은 고객지향성에 정(+)의 영향을, 고객지향성은 경영성과에 정(+)의 영향을 미치는 것으로 나타났다. 또한, 데이터 활용 수준은 고객지향성을 매개로 하지 않더라도 경영성과에 직접적으로도 정(+)의 영향을 주었다. 그러나 상관관계 분해를 통해 데이터 활용 수준이 고객지향성을 매개로 하여 경영성과에 영향을 주는 간접효과도 있음을 확인하였다. 넷째, 제조, 금융ㆍ통신, 기타 3가지 산업분류로 구분하여 산업분류가 연구모형에 조절 효과가 있는지 추가적으로 살펴보았으나, 유의성이 없었다. 그 원인을 파악하고자 One Way ANOVA 분석을 수행하여 3개 집단별 비교를 해보았다. 그 결과, 데이터 품질관리 인식은 집단 간에 유의한 차이가 없었으나 경영층 지원, 경영환경, 데이터 구조설계 관리, 데이터 활용 관리, 경영성과 5개 변수에 대해서는 금융ㆍ통신 산업과 기타 산업 집단 간에는 유의한 차이가 있었다. 산업간 데이터 활용 수준이 유의미한 차이를 보이지 않았는데 설문항목에 대한 내용을 살펴본 결과 일반적으로 데이터를 업무처리에 직접적으로 활용하는 수준에 머물러 있으며 분석과 의사결정에 데이터를 충분히 활용하지 않고 있기 때문에 데이터 활용 수준이 산업 집단 간 유의미한 차이가 나타나지 않는 것으로
The purpose of this thesis is to offer the importance of data quality management to the corporation’s managers who want to enhance their value of business through adopting big data and suggest that focusing on successful factors of data quality management can solve one of the challenges of big data....
The purpose of this thesis is to offer the importance of data quality management to the corporation’s managers who want to enhance their value of business through adopting big data and suggest that focusing on successful factors of data quality management can solve one of the challenges of big data. Since the rapid development of information technology, there has been a quantitative expansion of data and developed technologies to process these gigantic, atypical data as well. Therefore, the number of corporations that want to adopt big data is increasing because successful data analysis can increase their competitiveness in the market. While the former researches on big data mostly dealt with the technological issues of big data and discussed on its potential value, the quality issues of big data was mostly neglected. However, increasing number of researches has brought up quality issues of big data these days as one of the challenges that one needs to address. Also, they also point out that there is a limit to obtain useful analysis results by using data that have been acquired from outside resources. There are also opinions that simply adopting the latest technologies or techniques is not the starting point of applying big data when we observe the fact that a lot of enterprises do not thoroughly analyze the existing data within the company. The writer also agrees with this opinion. Therefore, this research tries to explore the positive factors of successfully managing the enterprises’ data quality, which could be considered as the foundation of big data analysis and verifies the hypothesis that as the data quality management promotes data utilization for better business management and tactical decision-making, it brings positive effects on customer orientation and business performance. If the quality management of the data within the company affects the business performance positively, then one can assume that big data quality management will bring significant consequences in business performance. For this reason, different references about big data, data quality management, and business quality management have been researched. In addition, a research model has been investigated and analyzed through a survey to those managers and users who have some experience on processing information data and who understand the concept of data quality. The following paragraphs sum up the conclusion of this research. First, the causes that impact the data quality management have been researched. From the influential factors of data quality management such as data quality management recognition, management-level support, and management environment, data quality management recognition and management environment showed positive effects on data structure design management and database management while the hypothesis that data utilization management will give positive effects was dismissed. On the other hand, because the management-level support also showed positive effects on data utilization management, we can conclude that management-level support gives positive impacts on all of the data quality management activities. Regardless of the different data quality management types, overall, the management-level support showed the highest influential factor on data quality management, followed by data quality management recognition and business environment. Second, the observation on whether the data quality management promotes the use of data or not was made. Database management and data utilization management showed positive effects on data usage level but data structure design management did not show notable effect. This is because the quality of data structure design is more related with dealing with the efficiency of information system management rather than users’ convenience and accessibility. There is a direct relation between database management that provides stable data that the users need within the given time or data utilization management that directly conducts measuring data errors for improvement, and the increase of users’ data utilization level. Third, analysis on the effects of the data utilization level on non-financial business performance was made. The data utilization level showed positive results for customer-orientation, which also led to positive effects on the business performance. In addition, data utilization level positively affected the business performance directly even without mediating the customer-orientation factor. However, when breaking the down the correlation between them, data utilization level also had indirect effect to the business performance when the customer-orientation factor was included. Fourth, three different industries, manufacturing, finance and telco, and others have been categorized. The writer observed that different industries did not have any moderating effects on the research model. To analyze the cause for this reason, I have compared three different groups by conducting One Way ANOVA analysis. As a result, there was no difference in data quality management recognition among the groups but the other five variables such as; management class support, management environment, data structure design management, data utilization management, and business performance, all showed significant difference between the finance and telco industry and other industry groups. Data utilization level does not show notable difference among the industries because the survey items reveal that, generally, most of the industries stay at the level where they use their data directly with the business process and their data has not been analyzed thoroughly enough to affect their decision-making process. Lastly, through this research, I want to emphasis to those readers and business managers who are considering in adopting big data that rather than expecting positive features of big data by simply acquiring the external resource dat
The purpose of this thesis is to offer the importance of data quality management to the corporation’s managers who want to enhance their value of business through adopting big data and suggest that focusing on successful factors of data quality management can solve one of the challenges of big data. Since the rapid development of information technology, there has been a quantitative expansion of data and developed technologies to process these gigantic, atypical data as well. Therefore, the number of corporations that want to adopt big data is increasing because successful data analysis can increase their competitiveness in the market. While the former researches on big data mostly dealt with the technological issues of big data and discussed on its potential value, the quality issues of big data was mostly neglected. However, increasing number of researches has brought up quality issues of big data these days as one of the challenges that one needs to address. Also, they also point out that there is a limit to obtain useful analysis results by using data that have been acquired from outside resources. There are also opinions that simply adopting the latest technologies or techniques is not the starting point of applying big data when we observe the fact that a lot of enterprises do not thoroughly analyze the existing data within the company. The writer also agrees with this opinion. Therefore, this research tries to explore the positive factors of successfully managing the enterprises’ data quality, which could be considered as the foundation of big data analysis and verifies the hypothesis that as the data quality management promotes data utilization for better business management and tactical decision-making, it brings positive effects on customer orientation and business performance. If the quality management of the data within the company affects the business performance positively, then one can assume that big data quality management will bring significant consequences in business performance. For this reason, different references about big data, data quality management, and business quality management have been researched. In addition, a research model has been investigated and analyzed through a survey to those managers and users who have some experience on processing information data and who understand the concept of data quality. The following paragraphs sum up the conclusion of this research. First, the causes that impact the data quality management have been researched. From the influential factors of data quality management such as data quality management recognition, management-level support, and management environment, data quality management recognition and management environment showed positive effects on data structure design management and database management while the hypothesis that data utilization management will give positive effects was dismissed. On the other hand, because the management-level support also showed positive effects on data utilization management, we can conclude that management-level support gives positive impacts on all of the data quality management activities. Regardless of the different data quality management types, overall, the management-level support showed the highest influential factor on data quality management, followed by data quality management recognition and business environment. Second, the observation on whether the data quality management promotes the use of data or not was made. Database management and data utilization management showed positive effects on data usage level but data structure design management did not show notable effect. This is because the quality of data structure design is more related with dealing with the efficiency of information system management rather than users’ convenience and accessibility. There is a direct relation between database management that provides stable data that the users need within the given time or data utilization management that directly conducts measuring data errors for improvement, and the increase of users’ data utilization level. Third, analysis on the effects of the data utilization level on non-financial business performance was made. The data utilization level showed positive results for customer-orientation, which also led to positive effects on the business performance. In addition, data utilization level positively affected the business performance directly even without mediating the customer-orientation factor. However, when breaking the down the correlation between them, data utilization level also had indirect effect to the business performance when the customer-orientation factor was included. Fourth, three different industries, manufacturing, finance and telco, and others have been categorized. The writer observed that different industries did not have any moderating effects on the research model. To analyze the cause for this reason, I have compared three different groups by conducting One Way ANOVA analysis. As a result, there was no difference in data quality management recognition among the groups but the other five variables such as; management class support, management environment, data structure design management, data utilization management, and business performance, all showed significant difference between the finance and telco industry and other industry groups. Data utilization level does not show notable difference among the industries because the survey items reveal that, generally, most of the industries stay at the level where they use their data directly with the business process and their data has not been analyzed thoroughly enough to affect their decision-making process. Lastly, through this research, I want to emphasis to those readers and business managers who are considering in adopting big data that rather than expecting positive features of big data by simply acquiring the external resource dat
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.