최근 대부분의 기업이 정보시스템 개발을 아웃소싱에 의존하면서, 도입하고자 하는 정보시스템을 효과적으로 활용하는데 필요한 데이터와 현재 기업이 가지고 있는 데이터간의 차이에 대한 사전 분석이 성공적인 정보시스템 도입을 위해 반드시 필요하다. 그 예로 고객관계관리 시스템의 도입 사례의 경우 가장 큰 실패 요인이 사전에 기업이 가지고 있는 데이터에 대한 분석을 간과한 것에 기인하고 있다. 하지만, 아직까지 데이터 관점에서 정보시스템 도입 방법론을 체계적으로 제안한 연구가 존재하지 않았다. 본 연구에서 정보시스템 도입과 관련된 데이터 비용을 사전에 분석하여 도입 의사결정에 활용할 수 있는 정보시스템 도입 방법론을 제안하고 실제 사례에서 어떻게 활용 될 수 있는지를 사례 시뮬레이션을 통해 보여주고자 한다. 제안된 방법론을 이용해 실제 기업의 정보시스템 도입 의사결정자들은 기업의 전략에 따라 다양한 정보시스템을 디자인하고 그에 따른 데이터 관련 비용을 장, 단기적인 계획 하에서 분석 가능하므로, 도입 단계에서 숨어있는 데이터 관련 비용에 의해 발생할 수 있는 정보시스템 도입 실패에 대한 위험 부담을 사전에 방지할 수 있다.
최근 대부분의 기업이 정보시스템 개발을 아웃소싱에 의존하면서, 도입하고자 하는 정보시스템을 효과적으로 활용하는데 필요한 데이터와 현재 기업이 가지고 있는 데이터간의 차이에 대한 사전 분석이 성공적인 정보시스템 도입을 위해 반드시 필요하다. 그 예로 고객관계관리 시스템의 도입 사례의 경우 가장 큰 실패 요인이 사전에 기업이 가지고 있는 데이터에 대한 분석을 간과한 것에 기인하고 있다. 하지만, 아직까지 데이터 관점에서 정보시스템 도입 방법론을 체계적으로 제안한 연구가 존재하지 않았다. 본 연구에서 정보시스템 도입과 관련된 데이터 비용을 사전에 분석하여 도입 의사결정에 활용할 수 있는 정보시스템 도입 방법론을 제안하고 실제 사례에서 어떻게 활용 될 수 있는지를 사례 시뮬레이션을 통해 보여주고자 한다. 제안된 방법론을 이용해 실제 기업의 정보시스템 도입 의사결정자들은 기업의 전략에 따라 다양한 정보시스템을 디자인하고 그에 따른 데이터 관련 비용을 장, 단기적인 계획 하에서 분석 가능하므로, 도입 단계에서 숨어있는 데이터 관련 비용에 의해 발생할 수 있는 정보시스템 도입 실패에 대한 위험 부담을 사전에 방지할 수 있다.
While outsourcing has become a basic strategy of the information system adoption, there is an emerging needs to analyze the gap between the required data and the existing data for the new system from an adopting company's perspective. In CRM adoption failure cases, the first reason is adopting compa...
While outsourcing has become a basic strategy of the information system adoption, there is an emerging needs to analyze the gap between the required data and the existing data for the new system from an adopting company's perspective. In CRM adoption failure cases, the first reason is adopting company pay no attention to the data that will support investment and systems. So far, there is no attempt to consider data driven approach in information system adoption field. Hence, we propose Information System Adoption Model based on Data (ISAMD) and show how to use in real world by simulation. By using ISAMD, information system adoption decision maker can simulate the needed data and related cost with various information system alternatives in short term, and long term planning. ISAMD can prevent the possible threat of unexpected data cost in adopting new system at the adopting decision stage.
While outsourcing has become a basic strategy of the information system adoption, there is an emerging needs to analyze the gap between the required data and the existing data for the new system from an adopting company's perspective. In CRM adoption failure cases, the first reason is adopting company pay no attention to the data that will support investment and systems. So far, there is no attempt to consider data driven approach in information system adoption field. Hence, we propose Information System Adoption Model based on Data (ISAMD) and show how to use in real world by simulation. By using ISAMD, information system adoption decision maker can simulate the needed data and related cost with various information system alternatives in short term, and long term planning. ISAMD can prevent the possible threat of unexpected data cost in adopting new system at the adopting decision stage.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
하지만, 정보시스템에서 중요한 요소인 데이터 관점에서의 정보시스템 도입 방법론에 대한 연구는 저자들이 찾아본 기존 문헌에서 발견할 수 없었다. 다음 장에서는 데이터, 특히 데이터 관련된 비용 분석에 근거한 정보시스템 도입 방법론을 제안하고자 한다.
흔히 정보시스템 아웃소싱에 있어 데이터와 관련된 비용은 초기에 고려되지 않아 실제 시스템 도입 과정에서 예상외의 비용을 야기 시키거나 데이터 관련 작업 때문에 도입 기간이 늘어난 사례가 많았었다 (Nelson과 Kirkby, 2001). 본 논문에서는 정보시스템 도입 시 새로운 정보시스템을 활용하기 위해 요구되는 데이터관점에서 현재 기업이 가지고 있는 데이터와 그 상태, 다른 기관에서 확보를 필요로 하는 데이터 등을 분석하고, 그에 관련된 비용 분석을 통해 그 결과를 정보시스템 도입을 위한 의사결정에 활용할 수 있는 방법론을 제안하고자 한다. 최근 도입되는 정보시스템은 기업 전반의 프로세스에 걸친 대규모 정보시스템이 대부분이므로 제안되어진 방법론에서는 다양한 레벨에서의 분석이 가능하고 또 기업 전략에 따라 정보시스템의 다양한 구성이 가능하기 때문에 이런 요구사항의 변화를 즉각적으로 고려할 수 있도록 설계하였다.
정보시스템의 종류에 따라 도입 방법에 있어 데이터 비용 관련 의사결정 과정이 단순할 수 도 있고 복잡할 수도 있다. 본 시뮬레이션에서는 ISAMD를 통해 기업이 추진하고자 하는 전략에 따른 다양한 과업들의 조합에 따라 시스템을 선택하고, 도입할 때 필요한 데이터 비용의 변화를 보여줌으로써 ISAMD가 전략적으로 정보시스템 도입 의사 결정을 지원할 수 있는 방법론임을 보여주고자 한다.
본 시뮬레이션에서는 전체 요구사항들 간의 우선순위를 은행의 전략적 목표 관점에서 정하고 이를 단계적으로 도입할 경우 관련된 비용과 우선순위에 변화에 의한 비용 차이를 시뮬레이션을 통해 보여주고자 한다. C은행의 첫 번째 전략적 목표는 CRM 시스템 도입으로 효율적인 마케팅 캠페인을 수행하여 수익성을 향상시키는 것이다.
본 연구에서는 정보시스템 도입을 위한 의사결정에 있어 중요한 요소인 데이터 관점에서 정보시스템 도입 방법론을 제안하고자 한다. 특히 경제적 관점에서 정보시스템 도입으로 인해 발생할 수 있는 데이터와 관련된 잠재적 비용을 사전에 분석하여 이를 정보시스템 도입 결정 시 의사결정 변수로 활용하고자 한다.
가설 설정
데이터들 간의 의존적인 관계가 존재하는 것이 일반적이므로 다음의 그림4.1과 같은 관계가 존재한다는 것을 가정하여 비용 분석을 수행 하였다.
T 행렬은 기업에서 정보시스템을 통해 수행하고자 하는 과업과 이에 필요한 데이터와의 관계를 정의한 행렬이다. 일반적으로 CRM이나 ERP와 같은 패키지 시스템을 아웃소싱을 통해 도입할 경우, 가능한 모든 기능과 각 기능을 수행할 때 필요한 필요데이터가 사전에 시스템 상에 정의되어 있으므로, 본 연구에서는 T 행렬 이 주어지는 것으로 가정한다.
제안 방법
시뮬레이션을 위해 우리는 14개의 과업을 요구사항으로 선택 하고, 관련된 24개 데이터 필드를 필요 데이터로 인터뷰를 통해 정의하였다. 본 연구의 시뮬레이션을 위해 웹기반의 ISAMD 프로토타입 시스템을 ASP (Active Server Page) 기반으로 개발하여 사용하였다. 아울러 시뮬레이션에 활용된 14개의 요구사항은 다음과 같다.
새로운 요구사항에 필요한 데이터는 다른 데이터와는 독립적으로 존재하거나 또는 다른 데이터에 의해 파생되어 생성되는 의존적인 관계에 있다. 비용 분석에서는 위 두 가지 모든 경우에 대하여 비용 분석이 가능하도록 분석 방법을 제안한다.
이를 통해, 도입 결정 후 발생할 수 있는 운영에 필수적인 데이터의 부재나 데이터 관련한 과도한 비용 발생에 의한 문제점을 도입 의사결정 단계에서 사전에 방지할 수 있다. 뿐만 아니라 정보시스템을 업그레이드 하거나 새로운 기능을 추가할 경우에 대비하여, 사전에 데이터와 관련된 비용 관점에서 비용 분석 및 계획을 지원할 수 있도록 방법론을 설계하였다. 데이터 관련 비용은 기존의 데이터를 정제하는 비용 (transformation, cleansing and enrichment cost)과 필요 데이터를 외부에서 확보하는 비용을 포함한다.
실제 사례에 ISAMD를 적용하는 과정을 시뮬레이션 하기 위해 C은행에서의 CRM 시스템 도입 사례를 기반으로 시나리오를 작성하여 시뮬레이션을 수행하였다. 정보시스템의 종류에 따라 도입 방법에 있어 데이터 비용 관련 의사결정 과정이 단순할 수 도 있고 복잡할 수도 있다.
이 단계에서는 현재 선택된 요구사항 벡터 R에 새로운 요구사항을 추가할 경우에 대한 민감도 분석을 수행한다. i번째의 요구사항이 추가될 경우, 필요데이터 관점에서의 민감도는 다음과 같이 정의된다.
하지만, 아직까지 데이터 관점에서 정보시스템 도입 방법론을 체계적으로 제안한 연구가 존재하지 않아서, 본 연구에서 정보시스템 도입과 관련된 데이터 비용을 사전에 분석하여 도입 의사결정에 활용할 수 있는 ISAMD를 제안하고 실제 사례에서 어떻게 활용 될 수 있는지를 사례 시뮬레이션을 통해 보여주었다. 제안된 방법론에서 필요한 데이터를 분석하고 표현할 수 있는 지식 표현체계와, 요구사항과 필요 데이터를 정의하고 관련 비용을 자동적으로 계산할 수 있는 수리적 모델을 만들었으면 이 모델에 필요한 새로운 연산자들을 개발하였다. ISAMD를 이용해 실제 기업의 정보시스템 도입 의사결정자들은 기업의 전략에 따라 정보시스템을 정의하고 그에 따른 데이터 관련 비용을 장, 단기적인 계획 하에서 분석 가능하므로, 도입 단계에서 숨어있는 데이터 관련 비용에 의해 발생할 수 있는 정보시스템 도입 실패에 대한 위험 부담을 사전에 방지할 수 있다.
본 논문에서는 정보시스템 도입 시 새로운 정보시스템을 활용하기 위해 요구되는 데이터관점에서 현재 기업이 가지고 있는 데이터와 그 상태, 다른 기관에서 확보를 필요로 하는 데이터 등을 분석하고, 그에 관련된 비용 분석을 통해 그 결과를 정보시스템 도입을 위한 의사결정에 활용할 수 있는 방법론을 제안하고자 한다. 최근 도입되는 정보시스템은 기업 전반의 프로세스에 걸친 대규모 정보시스템이 대부분이므로 제안되어진 방법론에서는 다양한 레벨에서의 분석이 가능하고 또 기업 전략에 따라 정보시스템의 다양한 구성이 가능하기 때문에 이런 요구사항의 변화를 즉각적으로 고려할 수 있도록 설계하였다.
본 연구에서는 정보시스템 도입을 위한 의사결정에 있어 중요한 요소인 데이터 관점에서 정보시스템 도입 방법론을 제안하고자 한다. 특히 경제적 관점에서 정보시스템 도입으로 인해 발생할 수 있는 데이터와 관련된 잠재적 비용을 사전에 분석하여 이를 정보시스템 도입 결정 시 의사결정 변수로 활용하고자 한다. 이를 통해, 도입 결정 후 발생할 수 있는 운영에 필수적인 데이터의 부재나 데이터 관련한 과도한 비용 발생에 의한 문제점을 도입 의사결정 단계에서 사전에 방지할 수 있다.
정보시스템 도입을 아웃소싱에 의존하는 사례가 많아지면서, 기업이 가지고 있는 데이터의 질이나 추가적으로 데이터 확보에 필요한 비용에 대한 사전 분석이 정보시스템의 성공적인 도입에 중요한 요소가 되었다. 하지만, 아직까지 데이터 관점에서 정보시스템 도입 방법론을 체계적으로 제안한 연구가 존재하지 않아서, 본 연구에서 정보시스템 도입과 관련된 데이터 비용을 사전에 분석하여 도입 의사결정에 활용할 수 있는 ISAMD를 제안하고 실제 사례에서 어떻게 활용 될 수 있는지를 사례 시뮬레이션을 통해 보여주었다. 제안된 방법론에서 필요한 데이터를 분석하고 표현할 수 있는 지식 표현체계와, 요구사항과 필요 데이터를 정의하고 관련 비용을 자동적으로 계산할 수 있는 수리적 모델을 만들었으면 이 모델에 필요한 새로운 연산자들을 개발하였다.
대상 데이터
대부분의 기업 정보시스템의 규모가 매우 크기 때문에, 데이터 비용 관련 체계적인 분석을 위해서는 반드시 ISAMD와 같은 수리적인 모델이 필요하다. 시뮬레이션을 위해 우리는 14개의 과업을 요구사항으로 선택 하고, 관련된 24개 데이터 필드를 필요 데이터로 인터뷰를 통해 정의하였다. 본 연구의 시뮬레이션을 위해 웹기반의 ISAMD 프로토타입 시스템을 ASP (Active Server Page) 기반으로 개발하여 사용하였다.
이론/모형
이 경우, l번째 데이터를 의존 데이터로 k번째 데이터를 독립 데이터로 정의한다. 의존적인 관계에 있는 데이터 쌍의 경우 데이터 비용 관점에서 의존 정도를 정의하기 위해 다음과 같은 의존성 척도 (dependency measure, DM)를 사용한다.
성능/효과
기술 중심의 접근법과 FVM은 사용자 인식 조사를 통해 정보시스템 도입 및 활용도를 예측 하는 TAM 모델에서 고려되지 못한, 정보시스템을 제공하는 기업과 사용하는 기업 간의 필요한 기술 정도에 대한 인식 차이, 과업과 기술, 기술과 조직 간의 적합성을 정보시스템 도입 시 중요한 고려 사항으로 제안하였다. 하지만, 정보시스템에서 중요한 요소인 데이터 관점에서의 정보시스템 도입 방법론에 대한 연구는 저자들이 찾아본 기존 문헌에서 발견할 수 없었다.
가용성은 기업의 재무적 능력, 기존의 IT 인프라, 인적/조직적 요소를 포함한다. 이 연구에서는 새로운 정보시스템을 도입할 때, 과업에 맞는 기술을 도입해야 한다는 것뿐만 아니라 그 기술이 기업이 가지고 있는 역량과도 잘 맞아야 한다는 것을 보여주었다. 즉, 새로운 정보기술이 기존의 과업을 효율적으로 수행하는데 적합하고, 또 도입 기업이 재무적으로 충분한 투자 여력이 있고, 기존의 IT 인프라가 새로운 기술을 활용할 수 있는 준비가 되어있으며, 종업원들이 사용할 의지가 있고 관리자들이 적극적으로 리더십을 발휘할 수 있을 때, 정보시스템 도입이 성공 할 수 있다는 것이다.
정보시스템을 하나의 도구로 보는 관점에서, Bunker 등 (2007)은 도구가 요구하는 기술과 사용자들이 보유하고 있는 기술 수준의 차이를 분석하는 기술 중심의 접근법 (Skill-focused approach)를 제안하였다. 이 연구에서는 정보시스템이 요구하는 기술 수준에 대해 정보시스템 제공자와 사용자들 간의 인식의 차이가 적어야 정보시스템 도입 성공률이 높아진다는 것을 사례연구를 통해 보여주었다.
후속연구
또, 본 연구에서는 필요데이터를 데이터 필드 항목 관점에서만 고려하였지만, 실제 적용을 위해서는 필드에 포함되어 있는 값들에 대한 분석도 비용 산정에 포함되어져야 한다. 그러므로 향후 데이터 관련 비용을 추정할 수 있는 체계적인 방법론에 대한 추가적인 연구가 필요하다.
기존에 j번째 데이터를 보유하고 있을 경우 비용은 0가 될 것이다. 그렇지 않은 경우, 기존의 데이터를 정제해서 생성할 수 있다면 정제비용이 추가될 것이고, 전혀 새로운 데이터라면 외부 기관에서 획득하는 획득 비용이 발생할 것이다. 새로운 요구사항에 필요한 데이터는 다른 데이터와는 독립적으로 존재하거나 또는 다른 데이터에 의해 파생되어 생성되는 의존적인 관계에 있다.
실제로 ISAMD를 적용하는데 있어서 정보시스템을 도입하는 기업이 현재 가지고 있는 데이터의 품질을 판단하고, 데이터 관련 비용을 예상하거나 산출하는 것에 어려움이 존재한다. 또, 본 연구에서는 필요데이터를 데이터 필드 항목 관점에서만 고려하였지만, 실제 적용을 위해서는 필드에 포함되어 있는 값들에 대한 분석도 비용 산정에 포함되어져야 한다. 그러므로 향후 데이터 관련 비용을 추정할 수 있는 체계적인 방법론에 대한 추가적인 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
현재까지 정보시스템 도입에 있어 가장 많이 활용된 모델은 무엇인가?
TAM은 현재까지 정보시스템 도입에 있어 가장 많이 활용된 모델이다. Davis 등 (1989)에 의해 제안된 방법론은 이후 많은 연구자들에 의해 다양한 분야에서 정보시스템 도입의 성공 여부를 검증하는데 사용되었다 (Deng 등, 2005; Park, 2002).
TAM 모델은 어떤 한계가 있나?
Davis 등 (1989)에 의해 제안된 방법론은 이후 많은 연구자들에 의해 다양한 분야에서 정보시스템 도입의 성공 여부를 검증하는데 사용되었다 (Deng 등, 2005; Park, 2002). TAM 모델은 사용자들의 인식 조사를 통해 사용자들이 시스템을 잘 받아들이고 활용할 것인가를 예측하는 데는 견고하고 설명력이 강력한 모델이지만 정보시스템 도입에 있어 기업들이 고려해야 할 비용요소나 다른 측면을 설명하는데 있어서는 한계가 있다.
본 연구에서 제안하는 데이터 중심의 정보시스템 도입 방법론은 어떤 요소를 제공하나?
- 데이터 비용 분석을 위한 체계적인 지식 표현방법
- 수리적 모델과 특수 목적에 맞는 새로운 연산자
- 다양한 상황을 반영할 수 있는 역동적인 시스템
참고문헌 (12)
Bunker, D., Kautz, K. and Anhtuan, A. (2007). An exploration of information systems adoption: Tools and skills as cultural artefacts - The case of a management information system. IFIP International Federation for Information Processing, 235, 85-99.
Davis, F. D., Bagozzi, R. P. and Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35, 982-1003.
Deng, X., Doll, W. J., Hendrickson, A. R. and Scazzero, J. A. (2005). A multi-group analysis of structural invariance: An illustration using the technology acceptance model. Information & Management, 42, 745-759.
Joo, C. M., Cho, J. S. and Nam, H. S. (1999b). A case study on the development of an inventory management information system for the textile industry. Journal of Korean Data & Information Science Society, 10, 271-277.
Joo, C. M., Lee, B. G. and Jung, H. S. (1999a). An information system for production management of the injection molding factory. Journal of Korean Data & Information Science Society, 10, 251-259.
Kang, J. C. (2004). A study on the factors associated with the success of CRM in the insurance company. Journal of Korean Data & Information Science Society, 15, 141-172.
Kautz, K., Henriksen, H. Z., Breer-Mortensen, T. and Poulsen, H. H. (2005). IT diffusion research: An interim balance, business agility and information technology diffusion (2nd ed), Boston: Springer, 11-34.
Liang, T. P., Huang, C. W. and Yeh, Y. H. (2007). Adoption of mobile technology in business: A fit-viability model. Industrial Management & Data Systems, 107, 1154-1169.
Liang, T. P. and Wei, C. P. (2004). Introduction to the special issue: A framework for mobile commerce applications. International Journal of Electronic Commerce, 8, 7-17.
Nelson, J. and Kirkby, J. (2001). Seven key reasons why CRM fails. Gartenr Research Note, COM-13-7628.
Park, T. J. (2002). Determinants of IT usage: Test of the revised TAM. Journal of Korean Data & Information Science Society, 13, 87-96.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.