$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

데이터 사이언티스트의 역량과 빅데이터 분석성과의 PLS 경로모형분석 : Kaggle 플랫폼을 중심으로
PLS Path Modeling to Investigate the Relations between Competencies of Data Scientist and Big Data Analysis Performance : Focused on Kaggle Platform 원문보기

대한산업공학회지 = Journal of the Korean Institute of Industrial Engineers, v.42 no.2, 2016년, pp.112 - 121  

한경진 (성균관대학교 기술경영학과) ,  조근태 (성균관대학교 기술경영학과)

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper focuses on competencies of data scientists and behavioral intention that affect big data analysis performance. This experiment examined nine core factors required by data scientists. In order to investigate this, we conducted a survey to gather data from 103 data scientists who participat...

주제어

#Big Data   #Data Scientist   #Behavioral Intention   #PLS-SEM   #SmartPLS  

질의응답

핵심어 질문 논문에서 추출한 답변
데이터 사이언티스트란 무엇인가? 데이터 사이언티스트란 “빅데이터에 대한 이론적 지식과 분석 기술에 대한 숙련을 바탕으로 통찰력, 전달력, 협동 능력을 발휘할 수 있는 전문 인력”이다(Manyika, 2011). 따라서 빅데이터의 가치를 충분히 이끌어내기 위해서는 데이터 이면의 의미를 해석해 내는 인재, 즉 데이터 사이언티스트의 역할이 중요해지고 있다.
빅데이터란 무엇인가? 빅데이터란 “기존의 컴퓨팅 기술로는 저장, 관리, 분석이 불가능할 정도로 큰 데이터의 집합 및 관련 기술과 인력(Manyika, 2011)”을 의미한다. 최근에는 빅데이터 플랫폼, 분석기법, 관련 도구까지 포괄하는 용어로 변화하고 있다.
데이터 사이언티스트가 기존의 데이터 분석가와의 차이점은 무엇인가? 우수한 데이터 사이언티스트는 다방면에 걸쳐 복합적이고 고도화된 지식과 능력을 갖추는 것이 필수적이다. 특히, 여러 분야에 걸친 전문성과 이를 복합적으로 활용하기 위한 도구인 수학, 통계학, 컴퓨터 공학 등 다양한 분야에 걸친 심도 있는 지식이 필수적이다. 이는 기존에 조직에서 데이터 분석을 수행하던 데이터 분석가(Data Analyst)와 차이가 있으며, 이들과 비교하여 한층 높은 수준의 전문성과 다양성을 요구받고 있다(Rahul, 2012).
질의응답 정보가 도움이 되었나요?

참고문헌 (36)

  1. Chiang, R. H., Goes, P., and Stohr, E. A. (2012), Business intelligence and analytics education, and program development : A unique opportunity for the information systems discipline, ACM Transactions on Management Information Systems(TMIS), 3(3), 12. 

  2. Chiang, R. M., Kauffman, R. J., and Kwon, Y. (2014), Understanding the paradigm shift to computational social science in the presence of big data, Decision Support Systems, 63, 67-80. 

    상세보기 crossref

  3. Chin, W. W. (1998), The partial least squares approach to structural equation modeling, Modern Methods for Business Research, 295(2), 295-336. 

  4. Cho, S. G., Cho, J., and Kim, S. B. (2015), Discovering meaningful trends in the inaugural addresses of United States presidents via text mining, Journal of the Korean Institute of Industrial Engineers, 41(5), 453-460. 

    원문보기 상세보기 crossref

  5. Cho, W.-S. (2013), A study on the education and training methods of Data scientist, Science and Technology Policy, 23(3), 44-55. 

  6. Cohen, J. (1977), Statistical power analysis for the behavioral sciences, Lawrence Erlbaum Associates, Inc. 

  7. Conway, D. (2010), The data science venn diagram, Dataists, Retrieved February, 9, 2012 (http://drewconway.com/zia/2013/3/26/the-datascience-venn-diagram). 

  8. Davenport and Thomas, H. (2012), The human side of big data and Highperformance analytics, International Institute for Analytics (http://www.ndm.net/datawarehouse/pdf/Research_Human_Side_of_Big_Data_and_High_Performance_Analytics.pdf). 

  9. Dhar, V. (2013), Data science and prediction, Communications of the ACM, 56(12), 64-73. 

  10. Dino, M. J. S. and de Guzman, A. B. (2015), Using partial least squares (PLS) in predicting behavioral intention for telehealth use among filipino elderly, Educational Gerontology, 41(1), 53-68. 

    상세보기 crossref

  11. Dinter, B., Douglas, D., Chiang, R. H., Mari, F., Ram, S., and Schoder, D. (2014), Big data panel at SIGDSS Pre-ICIS 2013 : A Swiss-army knife? the profile of a data scientist, Reshaping Society through Analytics, Collaboration, and Decision Support : Role of Business Intelligence and Social Media, 18, 7. 

  12. Fenn, J. and LeHong, H. (2011), Hype cycle for emerging technologies, Gartner. 

  13. Hair, J. F., Sarstedt, M., Pieper, T. M., and Ringle, C. M. (2012), The use of partial least squares structural equation modeling in strategic management research : a review of past practices and recommendations for future applications, Long Range Planning, 45(5), 320-340. 

    상세보기 crossref

  14. Hair Jr, J. F., Hult, G. T. M., Ringle, C., and Sarstedt, M. (2013), A primer on partial least squares structural equation modeling (PLSSEM), Sage Publications. 

  15. Hollis, C. (2011), IDC digital universe study : big data is here, now what. 

  16. Jung, H. and Song, S.-K. (2012), Strategy for cultivating talent in the world of big data, Journal of Internet Computing and Services, 13(3), 45-50. 

  17. Kart, L., Heudecker, N., and Buytendijk, F. (2013), Survey analysis : big data adoption in 2013 shows substance behind the hype, Gartner Report GG0255160. 

  18. Kim, M. and Koo, P. (2013), A study on big data based investment strategy using internet search trends, Journal of the Korean Operations Research and Management Science Society, 38(4), 53-63. 

    원문보기 상세보기 crossref

  19. Kim, S. W., Kim, G. G., and Yoon, B. K. (2014), A study on a way to utilize big data analytics in the defense area, Journal of the Korean Operations Research and Management Science Society, 39(2), 1-20. 

  20. Laney, D. and Kartpaper, L. (2012), Emerging role of the data scientist and the art of data science, Gartner Inc, Stamford. 

  21. LaValle, S., Lesser, E., Shockley, R., Hopkins, M. S., and Kruschwitz, N. (2013), Big data, analytics and the path from insights to value, MIT Sloan Management Review, 21, 20-32. 

  22. Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., and Roxburgh, C. (2011), Big data : The next frontier for innovation, competition, and productivity, McKinsey Global Institute. 

  23. Martinez, M. G. and Walton, B. (2014), The wisdom of crowds : The potential of online communities as a tool for data analysis, Technovation, 34(4), 203-214. 

    상세보기 crossref

  24. Nomura Research Institute (2012), The era of big data, IT Solutions Frontier. 

  25. Nunnally, J. C. and Bernstein, I. H. (1994), Psychometric theory, New York : McGraw-Hill. 

  26. Pantai, K. L. (2012), PLS path model for testing the moderating effects in the relationships among formative IS usage variables of academic digital libraries, Australian Journal of Basic and Applied Sciences, 6(7), 365-374. 

  27. Patil, D. J. (2011), Building data science teams, O'Reilly Media, Inc. 

  28. Patil, D. J. and Davenport, T. H. (2012), Data scientist, Harvard Business Review, 90, 70-76. 

  29. Rahul, D. (2012), Data/Web Analyst vs. Data Scientist (http://blogs.splunk.com/2012/05/16/analytics-staffing-for-big-data/). 

  30. Rauser, J. (2011), What is data scientist? (http://www.forbes.com/sites/danwoods/2011/10/07/amazons-john-rauser-on-what-is-a-data-scientist/). 

  31. Tenenhaus, M., Vinzi, V. E., Chatelin, Y. M., and Lauro, C. (2005), PLS path modeling, Computational statistics and data analysis, 48(1), 159-205. 

    상세보기 crossref

  32. Thorp, J. (2003), The information paradox : realizing the business benefits of information technology, McGraw-Hill Ryerson. 

  33. Venkatesh, V., Morris, M. G., Davis, G. B., and Davis, F. D. (2003), User acceptance of information technology : Toward a unified view, MIS Quarterly, 27(3), 425-478. 

    상세보기 crossref

  34. Vidgen, R. (2014), Creating business value from big data and business analytics : organizational, managerial and human resource implications (http://www.nemode.ac.uk/wp-content/uploads/2014/07/Vidgen-2014-NEMODE-big-data-scientist-report-final.pdf). 

  35. Wamba, S. F., Akter, S., Edwards, A., Chopin, G., and Gnanzou, D. (2015), How 'big data' can make big impact : Findings from a systematic review and a longitudinal case study, International Journal of Production Economics, 165, 234-246. 

    상세보기 crossref

  36. Will Cukierski (2015), Improved Kaggle Rankings (http://blog.kaggle.com/2015/05/13/improved-kaggle-rankings/). 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로