[논문]빅데이터 처리 프로세스에 따른 빅데이터 위험요인 분석

이지은; 김창재; 이남용

doi:10.9716/kits.2014.13.2.185

문제 정의

현재까지 빅데이터 위험요인을 제시하는 연구는 있었지만, 위험요인의 분류 체계가 광범위하여 요인의 세분화가 부족하고 상호배타적 분류가 되지 않았다. 따라서 본 논문은 빅데이터 시스템을 도입하기 위해 데이터 처리 프로세스에 따른 순차적 위험 분류를 하고 검증한다.
따라서 본 논문은 빅데이터 전 부분에서 위험요인을 다루는 기존 논문들과 달리, 빅데이터 시스템 도입 시, 데이터 처리 프로세스에 따른 위험요인들에 대해 연구한다. 문헌 연구를 통해 추출한 빅데이터의 위험요인을 전문가들의 의견을 수렴하여 데이터 수집, 데이터 저장, 데이터 분석, 분석데이터 가시화 및 활용의 각 프로세스별로 분류한다.
본 논문에서는 빅데이터의 위험요인뿐 아니라 데이터웨어하우스, 미래 인터넷 기술 등 빅데이터와 관련된 분야의 위험이나 문제점을 다룬 10개의 문헌에서 위험요인을 도출한다. 도출된 위험요인은 아래 [그림 2]와 같이 각 위험요인을 빅데이터 처리 프로세스와 공통에 분류한다.
본 논문의 요인분석에서 채택된 위험요인들 사이의 상대적 위험도 분석을 위하여 과 같이 위험도 평균값에 따라 요인 내 순위와 전체 요인 순위를 제시하였다.
향후 연구는 본 연구의 위험요인을 바탕으로 각 프로세스별 위험요인을 회피하기 위해 기술적 또는 정책적인 대안을 연구 할 예정이다. 이로써 실제 빅데이터 활용 현장에서 위험요인에 따른 대책을 적용하여 위험을 회피할 수 있는 결과를 얻을 것이다.

가설 설정

6을 초과하여 유효한 것으로 나타났다. 제시된 변수와 종속 변수의 강도는 동일한 것으로 가정하여 가중치는 1.0으로 동일하게 준다.

제안 방법

각 빅데이터 처리 프로세스별 위험요인은 위험성에 따라 5점 척도를 적용하여 요인 분석을 수행하고, 척도 평균값을 이용하여 요인별 위험도를 순위화하였다. 데이터는 통계 패키지인 SPSS v.
첫 번째 프로세스인 데이터 수집과 통합 단계에서 형태와 소재에 무관한 다양한 데이터를 수집하고, 데이터 저장과 관리 단계에서 수집된 대량의 데이터를 실시간으로 저장하고 관리할 수 있는 분산 컴퓨팅을 한다. 데이터 분석과 처리 단계에서 데이터에 내재된 가치를 추출하기 위한 분석을 수행한다. 마지막 프로세스인 데이터 분석 가시화 단계에서 IT 비전문가가 데이터 분석을 수행할 수있는 환경을 제공하고 분석결과를 가시적으로 제공한다[4].
문헌 연구를 통해 추출한 빅데이터의 위험요인을 전문가들의 의견을 수렴하여 데이터 수집, 데이터 저장, 데이터 분석, 분석데이터 가시화 및 활용의 각 프로세스별로 분류한다. 또한 위험요인의 위험도를 검증하기 위해 관련 분야의 전문가를 대상으로 설문지를 통해 위험도에 대한 위험 수치를 부여한다.
따라서 본 논문은 빅데이터 전 부분에서 위험요인을 다루는 기존 논문들과 달리, 빅데이터 시스템 도입 시, 데이터 처리 프로세스에 따른 위험요인들에 대해 연구한다. 문헌 연구를 통해 추출한 빅데이터의 위험요인을 전문가들의 의견을 수렴하여 데이터 수집, 데이터 저장, 데이터 분석, 분석데이터 가시화 및 활용의 각 프로세스별로 분류한다. 또한 위험요인의 위험도를 검증하기 위해 관련 분야의 전문가를 대상으로 설문지를 통해 위험도에 대한 위험 수치를 부여한다.
본 논문은 선행연구를 통해 설정된 빅데이터의 위험요인을 전문가 설문조사를 통해 각 요인의 위험도를 통계적으로 검증하였다. 그 결과 데이터 수집 프로세스 발생 가능한 위험요인은 프라이버시 침해 등 6개의 요인이 있으며 개인 정보 보안에 관련된 위험요인들이 위험도가 가장 높게 나타났다.
본 논문의 위험요인 검증 방법은 빅데이터 위험과 관련된 선행연구를 기반으로 위험요인을 추출하여 빅데이터 처리 프로세스별 위험요인을 분류한다. 연구자에 의해 분류된 위험요인은 빅데이터 관련전문가에게 의뢰하여 수정 및 재분류하여 프로세스별 발생 가능한 위험요인 분류의 신뢰성을 확보하였다.
본 연구에서는 [그림 1]과 같이 빅데이터의 데이터 처리 프로세스를 데이터 수집, 데이터 저장, 데이터 분석, 분석 데이터 가시화로 구분하여 위험요인을 분류한다. 빅데이터 처리 프로세스에 공통적으로 적용 가능한 위험요인은 ‘공통’으로 분류한다.
본 연구에서는 빅데이터 위험요인에 대한 분류를 제안하기 위해 앞서 서술한 연구 외에 빅데이터 위험요인에 적용 가능하다 판단한 추병완[5]의 미래 인터넷 기술의 윤리 문제에 대한 문헌과 Paulraj Ponniah[15]의 데이터웨어하우징의 문제점을 빅데이터 위험요인에 보완하였다. 현재까지 빅데이터 위험요인을 제시하는 연구는 있었지만, 위험요인의 분류 체계가 광범위하여 요인의 세분화가 부족하고 상호배타적 분류가 되지 않았다.
본 연구의 모델은 빅데이터 처리 프로세스에 따라 순차적으로 발생 가능한 위험요인을 파악하여 사전 대비를 통해 위험을 회피 할 수 있다. 또한 각 프로세스의 위험이 발생 시 위험도에 따라 요인별로 체계적으로 위험에 대응하여 효율적이고 효과적인 빅데이터 시스템에 적용이 가능할 것이다.
전문가의 의견을 수렴하여 관련연구의 위험요인 중 유사한 개념의 요인들은 그룹화하고, 일반화된 요인들은 세분화하여 연구에 맞게 재설정하여 총 30개의 요인이 추출되었다. 설정된 위험요인은 데이터 수집, 데이터 저장, 데이터 분석, 데이터 분석 가시화 및 활용 프로세스, 공통에 분류한다. 본 연구의 위험요인은 <표 1>와 같이 각 요인별로 분류하고 조작적 정의한다.
본 논문의 위험요인 검증 방법은 빅데이터 위험과 관련된 선행연구를 기반으로 위험요인을 추출하여 빅데이터 처리 프로세스별 위험요인을 분류한다. 연구자에 의해 분류된 위험요인은 빅데이터 관련전문가에게 의뢰하여 수정 및 재분류하여 프로세스별 발생 가능한 위험요인 분류의 신뢰성을 확보하였다. 최종적으로 분류된 위험요인은 빅데이터를 활용하고 있는 기업의 전문가를 대상으로 방문 및 e-mail을 통해 설문 조사를 실시하여, 유효 데이터 80건을 확보하였다.
이러한 선행 연구에 따라 본 논문은 빅데이터의 데이터 처리 프로세스를 데이터 수집, 데이터 저장, 데이터 분석, 분석 데이터 가시화 및 활용 프로세스로 구분하고 각 프로세스별 위험요인을 분류한다.
또한 빅데이터 처리 프로세스라는 구체적 영역에서 객관적이고 신뢰성 있는 분류가 이루어지지 않았다. 이러한 점을 보완하여 본 연구에서는 빅데이터 도입에서 활용까지의 위험요인을 빅데이터 처리 프로세스인 데이터 수집, 데이터 저장, 데이터 분석, 분석 데이터 가시화 및 활용 프로세스에 따라 제시하였다. 본 연구를 통해 빅데이터 위험요인의 이해를 높이고, 빅데이터 처리 개선을 위해 빅데이터 처리 프로세스라는 세분화된 영역에서 위험에 대한 구체적인 학술적 연구의 기반이 될 것이다.
본 연구의 위험요인은 김기환[1] 등의 빅데이터 위험요인과 Paulraj Ponniah[15]의 데이터웨어하우스 위험요인 연구를 통해 도출한 빅데이터 위험요인들을 근거로 한다. 전문가의 의견을 수렴하여 관련연구의 위험요인 중 유사한 개념의 요인들은 그룹화하고, 일반화된 요인들은 세분화하여 연구에 맞게 재설정하여 총 30개의 요인이 추출되었다. 설정된 위험요인은 데이터 수집, 데이터 저장, 데이터 분석, 데이터 분석 가시화 및 활용 프로세스, 공통에 분류한다.
첫 번째 프로세스인 데이터 수집과 통합 단계에서 형태와 소재에 무관한 다양한 데이터를 수집하고, 데이터 저장과 관리 단계에서 수집된 대량의 데이터를 실시간으로 저장하고 관리할 수 있는 분산 컴퓨팅을 한다. 데이터 분석과 처리 단계에서 데이터에 내재된 가치를 추출하기 위한 분석을 수행한다.

대상 데이터

관련연구를 통한 빅데이터 처리 프로세스에 따른 위험요인 총 30개를 와 같이 요인 분석을 수행하여 총 27개의 유효 변수가 채택되었다.
연구자에 의해 분류된 위험요인은 빅데이터 관련전문가에게 의뢰하여 수정 및 재분류하여 프로세스별 발생 가능한 위험요인 분류의 신뢰성을 확보하였다. 최종적으로 분류된 위험요인은 빅데이터를 활용하고 있는 기업의 전문가를 대상으로 방문 및 e-mail을 통해 설문 조사를 실시하여, 유효 데이터 80건을 확보하였다.

데이터처리

데이터 분석 프로세스에서 저장되어있는 다양한 데이터를 목적에 따라 분석하여 내재된 가치를 추출하고 효율적인 처리를 위해 대규모의 심층적 통계처리를 한다.

이론/모형

본 연구의 위험요인은 김기환[1] 등의 빅데이터 위험요인과 Paulraj Ponniah[15]의 데이터웨어하우스 위험요인 연구를 통해 도출한 빅데이터 위험요인들을 근거로 한다. 전문가의 의견을 수렴하여 관련연구의 위험요인 중 유사한 개념의 요인들은 그룹화하고, 일반화된 요인들은 세분화하여 연구에 맞게 재설정하여 총 30개의 요인이 추출되었다.

성능/효과

공통 요인 4개 변수 중 ‘시스템적 오류’가 단일 성분으로 기각되었고, 빅데이터 인식 부족, 빅데이터 플랫폼 부재, 도입 비용의 요인이 한 성분으로 분석되었다.
분석 데이터 가시화 및 활용 프로세스에서 활용 부작용의 책임, 소유권 분쟁 등 7개의 위험요인이 발생 가능하며, 이를 대비하기 위해 출처가 명확한 원천데이터의 활용이 필요로 한다. 공통적으로 빅데이터 플랫폼 부재 등 3개의 위험요인이 유효했으며, 빅데이터 도입 환경의 미흡함을 나타내는 요인이 높은 위험순위를 가졌다. 따라서 빅데이터 활용의 가치와 위험 등 전반적인 인식 확산이 요구된다.
본 논문은 선행연구를 통해 설정된 빅데이터의 위험요인을 전문가 설문조사를 통해 각 요인의 위험도를 통계적으로 검증하였다. 그 결과 데이터 수집 프로세스 발생 가능한 위험요인은 프라이버시 침해 등 6개의 요인이 있으며 개인 정보 보안에 관련된 위험요인들이 위험도가 가장 높게 나타났다. 데이터 저장 프로세스에서는 4개의 위험요인이 발생 가능하며 이 또한 빅데이터 보안에 관련 위험요인이 높은 위험도를 나타냈다.
윤상오[2]는 빅데이터가 초래할 수 있는 위험을 기술적, 인적, 법제도적, 경제적, 사회문화적 위험으로 분류하였다. 기술적 위험 중에서 해킹이나 사이버테러, 천재지변과 사고, 법제도적 위험 중에서 개인정보 침해, 법제도적 충돌과 혼란, 경제적 위험에서 산업경쟁력 약화, 사회문화적 위험에서 빅데이터로 인한 사회적 병리현상 등이 정책적 대응 우선순위가 높게 나타났다. 조영임[4]은 빅데이터 도입관련 주요 쟁점으로 플랫폼 부재, 정보보안, 개인사생활 침해, 정보의 범위와 깊이 등을 제시하였다.
데이터 사용에 있어 안전한 환경을 형성해야 한다. 데이터 분석 프로세스에서 분석 방법 기준의 다양성 등 7개의 위험요인이 분석되었고, 빅데이터 인적 자원에 관한 위험도가 높게 평가되었다. 즉, 해당 프로세스에서는 데이터 사이언스 양성 등 실력 있는 빅데이터 전문가를 육성하여 위험에 대비해야 한다.
데이터 수집 프로세스에서 총 7개의 변수의 분석 결과, ‘정보보안 측면’, ‘원천 데이터 측면’, ‘기술 측면’으로 3개의 하위 요인으로 분류되었다.
데이터 저장 프로세스에서 외부 접근권한 통제 미흡, 외부 공격, 빅데이터 암호화 표준정의 부재, 데이터 저장 기술 부족은 해당 프로세스에서 발생 가능한 요인으로 분석되었고, 변수 ‘데이터 노화’는 나머지 변수 4개와 다른 성분으로 나타나 기각한다.
그 결과 데이터 수집 프로세스 발생 가능한 위험요인은 프라이버시 침해 등 6개의 요인이 있으며 개인 정보 보안에 관련된 위험요인들이 위험도가 가장 높게 나타났다. 데이터 저장 프로세스에서는 4개의 위험요인이 발생 가능하며 이 또한 빅데이터 보안에 관련 위험요인이 높은 위험도를 나타냈다. 따라서 데이터 수집과 저장 프로세스에서는 위험요인을 대비하기 위해 빅데이터 개인정보보호 가이드라인 등과 같은 법적 지침을 이행하고, 데이터 필터링이나 접근 권한에 따른 통제 등과 같은 기술적 대안이 필요하다[3].
데이터 분석 프로세스에서는 분석 전문 인력의 부족과 분석 조작 등 전문적인 인적 자원의 부족이나 오류가 높은 위험 순위를 가졌다. 분석 데이터 가시화 및 활용 프로세스에서 빅데이터 활용의 부작용에 대한 책임 기준 모호, 빅데이터 소유권 분쟁 등의 요인이 높은 위험도를 나타냈다. 즉, 빅데이터가 가공된 후 활용 시에 사회적 부작용에 대한 문제가 위험하다고 설명할 수 있다.
분석 요인은 고유값이 1 이상이고, 요인 분석 결과 요인적재량은 0.5 이상이며, 한 요인에서 나눠진 성분의 변수가 3개 이상 묶인 경우를 유의한 것으로 판단하였다. 설문구성의 신뢰성은 크론바흐 알파(Cronbach’s alpha) 값이 모두 0.
설문구성의 신뢰성은 크론바흐 알파(Cronbach’s alpha) 값이 모두 0.6을 초과하여 유효한 것으로 나타났다.
연구 결과, 데이터 수집 프로세스와 데이터 저장 프로세스에서 프라이버시 침해, 빅데이터 암호화 표준정의 부재 등 정보보안에 관한 위험요인이 상대적 높은 위험도를 나타냈다. 데이터 분석 프로세스에서는 분석 전문 인력의 부족과 분석 조작 등 전문적인 인적 자원의 부족이나 오류가 높은 위험 순위를 가졌다.

후속연구

본 연구의 모델은 빅데이터 처리 프로세스에 따라 순차적으로 발생 가능한 위험요인을 파악하여 사전 대비를 통해 위험을 회피 할 수 있다. 또한 각 프로세스의 위험이 발생 시 위험도에 따라 요인별로 체계적으로 위험에 대응하여 효율적이고 효과적인 빅데이터 시스템에 적용이 가능할 것이다.
본 논문을 통해 첫째, 빅데이터 처리 프로세스별 위험요인을 제시함으로써 위험을 회피할 수 있는 기회를 만들고, 둘째, 빅데이터 처리 프로세스별 위험요인을 위험도에 따라 순위를 부여하여 각 프로세스별 우선 대비가 가능함을 기대한다.
이러한 점을 보완하여 본 연구에서는 빅데이터 도입에서 활용까지의 위험요인을 빅데이터 처리 프로세스인 데이터 수집, 데이터 저장, 데이터 분석, 분석 데이터 가시화 및 활용 프로세스에 따라 제시하였다. 본 연구를 통해 빅데이터 위험요인의 이해를 높이고, 빅데이터 처리 개선을 위해 빅데이터 처리 프로세스라는 세분화된 영역에서 위험에 대한 구체적인 학술적 연구의 기반이 될 것이다.
향후 연구는 본 연구의 위험요인을 바탕으로 각 프로세스별 위험요인을 회피하기 위해 기술적 또는 정책적인 대안을 연구 할 예정이다. 이로써 실제 빅데이터 활용 현장에서 위험요인에 따른 대책을 적용하여 위험을 회피할 수 있는 결과를 얻을 것이다.

핵심어	질문	논문에서 추출한 답변
	빅데이터 처리 프로세스는 어떻게 되는가?	첫 번째 프로세스인 데이터 수집과 통합 단계에서 형태와 소재에 무관한 다양한 데이터를 수집하고, 데이터 저장과 관리 단계에서 수집된 대량의 데이터를 실시간으로 저장하고 관리할 수 있는 분산 컴퓨팅을 한다. 데이터 분석과 처리 단계에서 데이터에 내재된 가치를 추출하기 위한 분석을 수행한다. 마지막 프로세스인 데이터 분석 가시화 단계에서 IT 비전문가가 데이터 분석을 수행할 수있는 환경을 제공하고 분석결과를 가시적으로 제공한다[4].
	빅데이터란?	빅데이터란 데이터를 수집, 통합, 저장, 관리, 분석 등의 데이터 처리 시, 기존 데이터베이스의 수용을 초과하는 대량의 정형 및 비정형 데이터 집합이다[13]. 또한 이러한 데이터로부터 새로운 핵심 가치를 추출하고 결과를 분석하는 기술을 포함한다[14].
	빅데이터가 혁신적인 기술로 주목받는 이유는?	현재, 빅데이터가 정부나 기업에서 분석되고 가공되어 가치를 생성한 결과가 증가함에 따라, 혁신적인 기술로 주목되고 있다. 따라서, 빅데이터를 이용하기 위한 기술적 및 환경적 발전도 지속되고 있다.

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

빅데이터 처리 프로세스에 따른 빅데이터 위험요인 분석
The Analyzing Risk Factor of Big Data : Big Data Processing Perspective 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (15)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

빅데이터 처리 프로세스에 따른 빅데이터 위험요인 분석 The Analyzing Risk Factor of Big Data : Big Data Processing Perspective 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (15)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

빅데이터 처리 프로세스에 따른 빅데이터 위험요인 분석
The Analyzing Risk Factor of Big Data : Big Data Processing Perspective 원문보기

AI 본문요약
AI-Helper