[논문]CART 방법론을 사용한 클라우드 컴퓨팅 도입 의사 결정 모델링

백승현; 장병윤

doi:10.9709/jkss.2014.23.4.189

CART 방법론을 사용한 클라우드 컴퓨팅 도입 의사 결정 모델링
Cloud Computing Adoption Decision-Making Modeling Using CART 원문보기

한국시뮬레이션학회논문지 = Journal of the Korea Society for Simulation, v.23 no.4, 2014년, pp.189 - 195

초록
AI-Helper

본 논문에서는 장소와 시간의 제약을 받지 않는 클라우드 컴퓨팅 도입 의사 결정 모델링에 대한 연구를 진행하였다. 연구에서는 65명의 응답자에게 수집 된 패널데이터와 데이터마이닝 방법 중 하나인 CART(회귀분류나무)를 사용하여 의사결정 모델을 구축하였다. 모델링에는 2단계로 진행되는데 첫 번째 단계에서는 패널데이터를 사용하여 도입 의사를 결정하는데 영향을 미치는 문항들을 선택하고 2 번째 단계에서는 선택된 문항을 사용하여 도입 의사 결정 모델을 구축하였다. 문항 선택을 통하여 설문지 수집 문항수를 25개에서 5개로 줄일 수 있어 응답자에게 빠른 답변을 얻을 수 있고 데이터의 사이즈가 작기 때문에 모델 구축 시간을 줄일 수 있는 장점을 보여주었다.

Abstract ▼ AI-Helper

In this paper, we conducted a study on place-free and time-free cloud computing (CC) adoption decision-making model. Panel survey data which is collected from 65 people and CART (classification and regression tree) which is one of data mining approaches are used to construct decision-making model. In this modeling, there are 2 steps: In the first step, significant questions (variables) are selected. After that, the CART decision-making model is constructed using the selected variables. In the variable selection stage, the 25 questions are reduced to 5 ones. The benefits of question reduction are quick response from respondent and reducing model-construction time.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

Table 1은 각 변수들과 연관된 질문들의 키워드를 보여준다. 궁극적인 목적은 회사의 클라우드 컴퓨터 채택에 영향을 미치는 요인이 무엇인지를 알고자 한다. 또한 선택된 요인을 사용하여 클라우드 컴퓨터 채택 예상 모형을 만들고자 한다.
컴퓨팅 환경은 1세대는 1980년대 그리드 컴퓨팅으로 2세대는 1990년대의 유틸리티 컴퓨팅으로 진전되었고 2001년에 3세대인 SaaS(Software as a Service)로 그리고 최근에는 클라우드 컴퓨팅으로 발전되었다. 그리드 컴퓨팅 시대에는 여러 대의 컴퓨터를 병렬로 사용하여 특정한 문제를 푸는 것을 목표로 하였다. 유틸리티 컴퓨팅은 가상 플래폼을 제공하기 위해 클러스터를 사용했으며 계량화된 비즈니스 모델을 사용하였다.
이러한 폭발적인 증가추세에 따라 본 논문에서는 기업의 클라우드 컴퓨팅 도입 의사와 관련하여 설문조사를 통한 패널데이터를 획득하여 데이터 마이닝 방법론중 하나인 CART(Classification and Regression Tree) 방법을 사용하여 도입의사와 관련한 요인분석을 하였고 도입의사결정을 위한 모델을 제시하였다.

가설 설정

; 2) 자동화하기가 쉽고 이상치의 영향을 적게 받으며 결측치를 쉽게 다룰 수 있다.; 3) 변수를 변환시킬 필요가 없고 변수 부분 선택이 자동으로 이루어진다. CART 모델의 단점은 데이터의 변화에 민감하기 때문에 데이터의 작은 변화에 완전히 다른 모형을 형성한다는 점이다(Shmueli 외, 2010).

제안 방법

1단계에서 데이터를 독립변수와 종속변수로 나누고 2단계에서 훈련 집합과 시험 집합으로 데이터를 분리하여 모델을 만드는데 훈련 집합을 사용하고 결정변수를 선택하는데 시험 집합을 사용하려고 한다. 3단계에서 훈련 집합과 시험 집합을 사용하여 의미 있는 결정변수를 찾고 4단계에서 선택된 결정 변수만으로 모델을 구한다.
실제 사용되는 상용 클라우드 시스템인 GoogleDocs 사용경험을 중심으로 연구가 진행되었다. 기업이나 공공기관의 클라우드 컴퓨팅의 적합성을 보기보다는 개인의 클라우드 컴퓨팅 적합성을 평가하였다. Lim 외(2012)는 클라우드 환경에서 음악 스트리밍 서비스를 이용하는 사용자들의 음악 행태의 변화를 알아보기 위해 스트리밍 방식과 다운로드 방식을 비교하여 연구를 실시하였고 설문과 인터뷰 방식을 사용하여 클라우드 환경에서의 콘텐츠 소비 형태를 예측할 수 있도록 실증분석을 진행하였다.
궁극적인 목적은 회사의 클라우드 컴퓨터 채택에 영향을 미치는 요인이 무엇인지를 알고자 한다. 또한 선택된 요인을 사용하여 클라우드 컴퓨터 채택 예상 모형을 만들고자 한다. 학력사항 질문을 뺀 나머지 문항은 5지선다형으로 구성되어 있다.
이러한 폭발적인 증가추세에 따라 본 논문에서는 기업의 클라우드 컴퓨팅 도입 의사와 관련하여 설문조사를 통한 패널데이터를 획득하여 데이터 마이닝 방법론중 하나인 CART(Classification and Regression Tree) 방법을 사용하여 도입의사와 관련한 요인분석을 하였고 도입의사결정을 위한 모델을 제시하였다. 또한 설문분석을 위해 사용된 문항들은 25개로 기업의 클라우드 컴퓨팅 도입과 관련된 업무를 하는 직장인이나 연구자들에게 많은 시간을 할애하도록 하여 정확한 응답을 가져오지 못하는 부분이 존재할 것으로 판단되어 요인분석을 통해 가장 중요한 핵심 문항만 선택하려고 한다.
본 연구에서는 기업의 클라우드 컴퓨팅을 채택하는지 에 대한 여부를 판단하는 의사결정모형과 데이터 마이닝 기법 중 하나인 CART를 사용해서 패널데이터 분석을 하였다. 위의 결과들을 살펴보면 패널데이터 분석에 데이터 마이닝 방법론 중 하나인 CART가 유용함을 볼 수 있었고 클라우드 컴퓨팅 도입여부를 판별하는 데에 사용되는 자료수집 시 응답자에게 25개 문항을 제공하는 것보다 5개의 문항을 제공해서 빠른 답변을 요구할 수 있도록 제시하였고 두 결과의 정확도 부분에서는 큰 차이가 없다는 것을 보여주었다.
데이터의 분석을 위해서 CART 방법을 사용하였으며 사용한 소프트웨어는 MATLAB를 사용하였다. 우선 데이터를 사용하여 2단계 분석 방법을 사용하였으며 1단계에서는 CART를 활용하여 의미 있는 요인을 선택하였고 2단계에서는 선택된 요인을 이용하여 예측할 수 있는 의사결정모델을 도출하였다. 우선 25개의 변수(문항)을 독립변수로 사용하였으며 전반적인 적용수준에 관련한 한 문항을 종속변수(1: 채택, 2: 불채택)로 하였습니다.
Low 외(2011)는 첨단산업에 속한 기업들의 클라우드 컴퓨팅의 채택에 영향을 미치는 요인을 조사하였다. 이 연구에서 조사한 여덟 가지 요인은 상대적 이점, 복잡성, 호환성, 최고경영관리지원, 기업규모, 기술 준비, 경쟁압박 그리고 거래 파트너의 압력이다. 실증분석을 위한 설문조사에서는 대만의 하이테크 산업에 속하는 111개의 기업으로부터 데이터를 수집하였고 로지스틱 회귀분석을 사용하여 분석하였다.
보통 실험을 위해서 데이터를 훈련 집합과 시험 집합으로 분리한다. 훈련 집합을 사용하여 모델을 구축하고 주어진 모델의 정확성은 시험 집합을 이용하여 확인한다. 본 연구에서는 훈련 집합과 시험 집합이 동일하다.

대상 데이터

데이터는 IT 업종에 종사하는 전문가들에게서 수집되었다. 총 26개의 문항이 존재하며 수집 분야는 총 5가지로 구성되는데 여기에는 개인적 요소, 내부조직요소, 기술적 요소, 환경적 요소, 전반적인 적용수준이 속한다.
Woo 외(2011)는 클라우드 컴퓨팅 환경에서 개인이 프로젝트를 수행할 때 나타나는 성과에 대한 실증 분석을 진행하였다. 실제 사용되는 상용 클라우드 시스템인 GoogleDocs 사용경험을 중심으로 연구가 진행되었다. 기업이나 공공기관의 클라우드 컴퓨팅의 적합성을 보기보다는 개인의 클라우드 컴퓨팅 적합성을 평가하였다.
분석 프레임으로 기술 수용 모델(TAM)과 러프 집합 이론(RST)을 사용하였다. 실증 분석은 타이완의 IT/MIS 기업을 대상으로 진행되었다. Low 외(2011)는 첨단산업에 속한 기업들의 클라우드 컴퓨팅의 채택에 영향을 미치는 요인을 조사하였다.
총 65명의 응답자로부터 데이터를 획득하였으며 자료 취급을 위하여 IBM에서 제공하는 SPSS와 마이크로소프트의 엑셀을 사용하였다.

데이터처리

이 연구에서 조사한 여덟 가지 요인은 상대적 이점, 복잡성, 호환성, 최고경영관리지원, 기업규모, 기술 준비, 경쟁압박 그리고 거래 파트너의 압력이다. 실증분석을 위한 설문조사에서는 대만의 하이테크 산업에 속하는 111개의 기업으로부터 데이터를 수집하였고 로지스틱 회귀분석을 사용하여 분석하였다.

이론/모형

데이터의 분석을 위해서 CART 방법을 사용하였으며 사용한 소프트웨어는 MATLAB를 사용하였다. 우선 데이터를 사용하여 2단계 분석 방법을 사용하였으며 1단계에서는 CART를 활용하여 의미 있는 요인을 선택하였고 2단계에서는 선택된 요인을 이용하여 예측할 수 있는 의사결정모델을 도출하였다.
Wu(2011)는 공급업체와 기업사용자를 위한 SaaS 도입에 영향을 미치는 중요 요인을 탐색하였다. 분석 프레임으로 기술 수용 모델(TAM)과 러프 집합 이론(RST)을 사용하였다. 실증 분석은 타이완의 IT/MIS 기업을 대상으로 진행되었다.
그리드 컴퓨팅 시대에는 여러 대의 컴퓨터를 병렬로 사용하여 특정한 문제를 푸는 것을 목표로 하였다. 유틸리티 컴퓨팅은 가상 플래폼을 제공하기 위해 클러스터를 사용했으며 계량화된 비즈니스 모델을 사용하였다. SaaS에서는 가상화 뿐만 아니라 애플리케이션의 가치에도 의미를 부여하였다.

성능/효과

CART 모델의 장점을 보면 다음과 같다 : 1) 대용량의 데이터를 분석할 때 유용하고 모델 생성 후에도 대량의 샘플을 처리하는 것이 쉽다.; 2) 자동화하기가 쉽고 이상치의 영향을 적게 받으며 결측치를 쉽게 다룰 수 있다.; 3) 변수를 변환시킬 필요가 없고 변수 부분 선택이 자동으로 이루어진다.
다시 말해서, 5개의 문장만으로 기업의 클라우드 컴퓨팅 도입여부를 알 수 있다. 또한 연구결과를 통해 알 수 있듯이, 기존의 패널자료수집에 어려움을 가진 연구자들에게 CART 요인분석 및 의사결정 모델을 제시하여 보다 정확한 자료수집 및 모델링 기법의 가능성을 보여주었다.
또한 전체변수를 사용할 때의 모델과 선택변수를 사용하여 만든 최적의 모델의 정확도를 비교해 보면 전체변수 사용 시에는 86% 이고 선택변수를 사용할 시에는 85%의 결과를 보여줌으로써 전체 항목을 수집하지 않더라고 선택된 5문항으로 채택여부를 결정하는데 큰 차이를 보여주지 않는 것으로 보여준다.
본 연구에서는 기업의 클라우드 컴퓨팅을 채택하는지 에 대한 여부를 판단하는 의사결정모형과 데이터 마이닝 기법 중 하나인 CART를 사용해서 패널데이터 분석을 하였다. 위의 결과들을 살펴보면 패널데이터 분석에 데이터 마이닝 방법론 중 하나인 CART가 유용함을 볼 수 있었고 클라우드 컴퓨팅 도입여부를 판별하는 데에 사용되는 자료수집 시 응답자에게 25개 문항을 제공하는 것보다 5개의 문항을 제공해서 빠른 답변을 요구할 수 있도록 제시하였고 두 결과의 정확도 부분에서는 큰 차이가 없다는 것을 보여주었다. 다시 말해서, 5개의 문장만으로 기업의 클라우드 컴퓨팅 도입여부를 알 수 있다.

후속연구

앞의 결과에서 선택된 변수 중 최적의 모델에 포함되지 않은 변수는 X9으로 나타난다. 위의 결과로서 확인할 수 있는 것은 클라우드 컴퓨팅의 최적의 모델은 X5, X10, X13, X17, X22의 5개의 설문문항으로 확인되며 이 설문 문항을 이용하여 기업의 채택여부를 확인 가능하며 설문 데이터가 수집된다면 위의 결과에 넣어 확인해 보면 기업의 클라우드 컴퓨팅 채택여부가 판명된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	클라우드 컴퓨팅이란 무엇인가?	클라우드 컴퓨팅은 응용프로그램을 처리하기 위해 로컬 서버나 개인용 컴퓨팅 장치들을 가지지 않고 인터넷상에서 IT 기반을 바탕으로 서버, 저장장치 또는 응용 프로그램과 같은 컴퓨팅 자원을 공유하는 안정된 컴퓨팅 환경을 제공하는 것을 말한다. 클라우드 컴퓨팅 환경에서는 소프트웨어는 웹브라우저 상에서 클라이언트 사용자에게 유료로 제공된다.
	클라우드의 용어의 출현은 무엇에서부터 논의되기 시작하였는가?	클라우드 컴퓨팅의 이념은, 2007년에 통신 채널의 급속한 발전과자신의 정보시스템을 확장하는 비즈니스 및 개인사용자의 요구의 기하급수적 증가 덕분에 인기를 얻었다. 클라우드라는 용어의 출현은 2008년 주제 인터넷 학회중 하나에서 논의되기 시작하였다. 이러한 논의의 결과로 클라우드 컴퓨팅의 다른 버전들이 제안되었다.
	클라우드 컴퓨팅은 어떻게 사용되고 전파되었는가?	이러한 논의의 결과로 클라우드 컴퓨팅의 다른 버전들이 제안되었다. 이러한 버전들 중 하나 때문에, 처음으로 구 글 회장인 에릭 슈밋에 의해 사용되었고 후에 대중매체를 통해서 전파되었다(Arutyunov, 2012). 클라우드 컴퓨팅은 군대나 연구 목적의 슈퍼 컴퓨팅이나 고성능 컴퓨텅 처리 능력에 적용, 재무 포트폴리오, 소비자 마케팅 분석과 같은 고객 관련 응용 분야에서 필요한 거대한 계산에 사용, 그리고 데이터 저장소를 제공하고 대규모의 컴퓨터 게임 등에 활용되도록 만들어졌다.

참고문헌 (20)

Arutyunov, V. V. (2012), "Cloud Computing: Its History of Development, Modern State, and Future Considerations", Scientific and Technical Information Processing, Vol. 39, No. 3, pp. 173-178.

상세보기
Tara, S. B., Eric, N. W., Jennifer, E. L., Emily, C. J. (2011), "Cloud Computing Adoption and Usage in Community Colleges", Behaviour & Information Technology, Vol. 30, No. 2, pp. 231-240.

상세보기
Wu, W. (2011), "Mining Significant Factors Affecting the Adoption of SaaS Using the Rough Set Approach", Journal of Systems and Software, Vol. 84, No. 3, pp. 435-441.

상세보기
Low, C., Chen, Y., Wu, M. (2011), "Understanding the Determinants of Cloud Computing Adoption", Industrial Management & Data Systems, Vol. 111, No. 7, pp. 1006-1023.

상세보기
Breiman, L., Friedman, J. H., Olshen, R. A., Stone, C. J. (1984), "Classification and Regression Trees", Belmont: Wadsworth.
Quinlan, J. R. (1993), "C4.5 Programs for Machine Learning", Mateo: Morgan Kaufmann.
Shmueli, G., Patel, N. R., Bruce, P. C. (2010), "Data Mining for Business Intelligence-Concepts, Techniques, and Applications in Microsoft Office Excel with XLMiner", New York: Wiley.
Kang, W. (2012), "Recent Trends of Cloud Computing Services", Internet & Security Issue, Vol. 12, No. 6, pp. 3-30.
Choi, J., Han, S., Kang, H., Kim, E. (1998), "Data Mining Decision Tree Analysis Using AnswerTree", Seoul: SPSS Academy.
Choi, J., Seo, D. (1999), "Decision Trees and Its Applications", Statistics Analysis Study, Vol. 4, No. 1, pp. 61-83.
Hong, Y., Kang, S., Kim, S. (2012), "Evaluation of the Usability of Local Web Portal Cloud Storage Services - Focused on Naver NCloud and Daum Cloud", Journal of Digital Design, Vol. 12, No. 1, pp. 165-175.

상세보기
Kim, D., Lee, J., Park, Y. (2011), "A Study of Factors Affecting the Adoption of Cloud Computing", Journal of Society for e-Business Studies, Vol. 17, No. 1, pp. 111-136.

원문보기 상세보기
Rim, S., Kong, D., Shim, S., Han, Y. (2012), "A Study on the Significant Factors Affecting the Adoption of Enterprise Cloud Computing", Journal of the Korea Society of IT Services, Vol. 11, No. 1, pp. 173-196.

원문보기 상세보기
Kim, S. Kim, G. (2011), "An Empirical Study on the Factors Affecting the Adoption of Mobile Cloud and the Moderating Effect of Mobile Trust", The e-Business Studies, Vol. 12, No. 1, pp. 281-310.

상세보기
Kim, S., Kim, S., Oh, S. (2012), "A Study on Librarians' Perspectives of Cloud Computing Service", Journal of Korean Library and Information Science Society, Vol. 43, No. 1, pp. 241-259.

원문보기 상세보기
Woo, H., Shim, J., Lee, J. (2011), "A Study on Project Performance in Cloud Computing : Focus on User Experience of GoogleDocs", Journal of Society for e-Business Studies, Vol. 16, No. 1, pp. 71-100.
Lim, M., Kim, M., Chun, Y. (2012), "Music Listening Behavior in the Cloud", HCI 2012, Alpensia Resort, pp. 1034-1036.
Barnatt, C. (2010), "A Brief Guide to Cloud Computing", London: Robison.
Shim, Y. (2009), "Technology Trends and Virtualization based Management Techniques for Cloud Computing", KNOM Review, Vol. 12, No. 1, pp. 20-32.
Yang, S., Lee, J. (2004), "Improved Segmentation Method of Decision Tree Using Fuzzy Theory", Proceedings of 2014 Korean Institute of Industrial Engineers, pp. 44-51.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증