본 연구는 빅데이터 유통 생태계에 기반한 단계별 빅데이터 유통 모델 개발 방안을 제안한다. 제안하는 빅데이터 유통모델의 개발은 데이터 중개 및 거래 플랫폼 구축, 거래지원 시스템 구축, 데이터 유통 포털 및 빅데이터 거래소 연결망 구축과 같이 3단계로 구성된다. 데이터 중개 및 거래 플랫폼 구축 단계에서는 데이터 유통 및 거래 플랫폼이 구축되며, 총괄시스템과 등록 및 거래관리 시스템으로 구성되며, 거래지원 시스템 구축 단계에서는 원활한 데이터 거래를 위한 거래지원 시스템이 추가적으로 구축된다. 마지막 데이터 유통 포털 및 빅데이터 거래소 연결망 구축 단계에서는 여러 거래소들의 통합에 필요한 유통 관리 시스템이 구축된다. 새로운 기술, 프로세스, 데이터 과학 등을 이용하여 과거의 데이터 관리 시스템을 빠르게 대체해 나가고 있는 현대의 데이터 시장에서 데이터 유통시장 모델은 계속 진화하고 있으며, 비즈니스 업계에서 수용되고 있다. 따라서 제안하는 빅데이터 유통 모델은 멀지 않은 장래에 데이터를 관리하고 접근하기 위한 산업표준 확립 시 고려될 수 있다고 사료된다.
본 연구는 빅데이터 유통 생태계에 기반한 단계별 빅데이터 유통 모델 개발 방안을 제안한다. 제안하는 빅데이터 유통모델의 개발은 데이터 중개 및 거래 플랫폼 구축, 거래지원 시스템 구축, 데이터 유통 포털 및 빅데이터 거래소 연결망 구축과 같이 3단계로 구성된다. 데이터 중개 및 거래 플랫폼 구축 단계에서는 데이터 유통 및 거래 플랫폼이 구축되며, 총괄시스템과 등록 및 거래관리 시스템으로 구성되며, 거래지원 시스템 구축 단계에서는 원활한 데이터 거래를 위한 거래지원 시스템이 추가적으로 구축된다. 마지막 데이터 유통 포털 및 빅데이터 거래소 연결망 구축 단계에서는 여러 거래소들의 통합에 필요한 유통 관리 시스템이 구축된다. 새로운 기술, 프로세스, 데이터 과학 등을 이용하여 과거의 데이터 관리 시스템을 빠르게 대체해 나가고 있는 현대의 데이터 시장에서 데이터 유통시장 모델은 계속 진화하고 있으며, 비즈니스 업계에서 수용되고 있다. 따라서 제안하는 빅데이터 유통 모델은 멀지 않은 장래에 데이터를 관리하고 접근하기 위한 산업표준 확립 시 고려될 수 있다고 사료된다.
The major thrust of this research focuses on the development of phased big data distribution model based on the big data ecosystem. This model consists of 3 phases. In phase 1, data intermediaries are participated in this model and transaction functions are provided. This system consists of general ...
The major thrust of this research focuses on the development of phased big data distribution model based on the big data ecosystem. This model consists of 3 phases. In phase 1, data intermediaries are participated in this model and transaction functions are provided. This system consists of general control systems, registrations, and transaction management systems. In phase 2, trading support systems with data storage, analysis, supply, and customer relation management functions are designed. In phase 3, transaction support systems and linked big data distribution portal systems are developed. Recently, emerging new data distribution models and systems are evolving and substituting for past data management system using new technology and the processes in data science. The proposed model may be referred as criteria for industrial standard establishment for big data distribution and transaction models in the future.
The major thrust of this research focuses on the development of phased big data distribution model based on the big data ecosystem. This model consists of 3 phases. In phase 1, data intermediaries are participated in this model and transaction functions are provided. This system consists of general control systems, registrations, and transaction management systems. In phase 2, trading support systems with data storage, analysis, supply, and customer relation management functions are designed. In phase 3, transaction support systems and linked big data distribution portal systems are developed. Recently, emerging new data distribution models and systems are evolving and substituting for past data management system using new technology and the processes in data science. The proposed model may be referred as criteria for industrial standard establishment for big data distribution and transaction models in the future.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 메타데이터의 공유 표준화를 위해 3가지 형태의 레지스트리 연계․공유 기능을 제안한다.
본 연구에서는 전술된 빅데이터 유통 생태계 및 체계, 그리고 수반되어야 하는 기능적 요구사항들을 고려하여 한국전자통신연구원 표준연구센터에 근무하고 있는 전문가와의 인터뷰 및 브레인 스토밍을 통해 빅데이터 유통 모델 개발을 위한 3단계 과정이 설계되었다.
제안 방법
2] 참고). [Fig. 1]의 데이터/API 공급자, 빅데이터 서비스 수요자, 데이터/API거래소 연결에 필요한 요구기능을 기반으로 제안되었다. 여기서 데이터 공급자는 자신의 데이터를 API를 통해 판매하는 주체를 의미하며, 수요자는 빅데이터 서비스 제공자와 빅데이터 서비스 소비자를 모두 포함하며, [Fig.
다양한 빅데이터 분석 및 유통에 대한 연구가 진행되어 왔지만, 새로운 데이터 유통시장의 지속적인 진화와 비즈니스 업계의 수용, 그리고 멀지 않은 미래에 데이터를 관리하고 접근하기 위한 산업표준으로서 필요한 빅데이터 유통 모델 개발에 대한 연구는 없었다. 따라서 본연구에서는 빅데이터 유통시장의 개념 및 현황을 살펴보고 Feinleib[22], Turck and Zilis[23], Vitria[24], Sqrrl[25], 김사혁[26] 등이 언급한 빅데이터 산업 생태계구조를 바탕으로 빅데이터 유통 생태계의 구조와 단계별 빅데이터 유통 모델을 제안하고 요구기능 사항들을 정립하였다.
본 연구에서는 빅데이터 유통 생태계 및 체계, 그리고 이에 수반되어야 하는 기능적 요구사항들을 고려하여 1단계 데이터 중개 및 거래 플랫폼 구축, 2단계 거래지원 시스템 구축, 3단계 데이터 유통 포털 및 빅데이터 거래소 연결망 구축을 통한 빅데이터 유통 모델을 제안하였다. 데이터 중개 및 거래 플랫폼 구축 단계에서는 데이터 공급자가 API를 공급하고 수요자가 이를 제공 받을 수 있는 기본적인 기능들이 제공되는 데이터 중개 및 거래 플랫폼이 구축이 요구된다.
윤상오[14]는 빅데이터가 초래할 수 있는 20개의 실제적ㆍ잠재적 위험을 도출하였다. 이를 위험의 성격에 따라 기술적ㆍ인적ㆍ법제도적ㆍ경제적ㆍ사회문화적 위험의 5가지로 분류하고, 위험의 심각성 기준에 따라 3가지 유형으로 구분하여 총 15가지 유형으로 분류하였다. 이를 통해, 빅데이터의 위험에 대한 이해도를 높이고 정책적 대응책을 제시하였다.
이를 위험의 성격에 따라 기술적ㆍ인적ㆍ법제도적ㆍ경제적ㆍ사회문화적 위험의 5가지로 분류하고, 위험의 심각성 기준에 따라 3가지 유형으로 구분하여 총 15가지 유형으로 분류하였다. 이를 통해, 빅데이터의 위험에 대한 이해도를 높이고 정책적 대응책을 제시하였다.
제안된 데이터거래소는 현재의 금융거래소 개념을 반영하여 데이터거래가 가능하도록 하는 이른바 ‘금융거래소형 데이터거래소’로서 데이터 장터 분류 방법에서의 데이터 장터 진화단계의 최종모델을 제안하였다.
범지인ㆍ최성종[19]은 해외 빅데이터 활용사례에 대해 민간부문, 유통업체, 금융권으로 나누어 소개하고, 국내의 경우 은행, 보험 등 금융권 사례를 소개하였다. 특히 빅데이터 활용사례를 시장상황예측, 경영상 기회대응, 니즈발견, 리스크관리, 유통데이터 생산 및 활용 분야로 나누어 해당 사례를 소개하였다.
대상 데이터
주요 서비스로는 데이터 분석 및 유통 서비스, API 응용 서비스 등이 있다. 데이터 등록현황으로는 이용가능 DB상품 총 187개이며, 데이터 종류로는 소상공인 비즈 콜(Biz Call) 분석 보고서, 중국집ㆍ치킨집 등 배달 업종 이용 분석, 베이커리ㆍ영화관 등 멤버십 이용 통계 등 60여종, 공공데이터 및 교통, 여행, 게임, 미디어 데이터 등이다. 데이터 거래방법은 데이터 검색 후 이용신청이며, 시각화 툴을 이용하여 2차 분석이 가능하다.
데이터 종류는 국토·교통(12개), IT서비스(9개), 산업·경제(8개), 방송·통신(4개), 의료·보건(4개), 일반행정(3개), 통계(2개), 교육(2개), 기상·환경(1개) 10개 분야이다.
2010년 미국에서 설립된 Infochimps는 회원 가입 후 데이터를 구매ㆍ판매할 수 있는 유통시장으로, 1만 1,500여건의 공공ㆍ민간 데이터를 유ㆍ무료로 거래할 수 있다. 데이터는 다운로드 데이터 세트가 5,700여건, 데이터 API가 15건, 외부 사이트 링크가 5,300여건 등으로 구성되어있다. 2001년 미국에서 서비스가 시작된 Oddity Software는 교육, 레저, 금융, 부동산, 보험, 창업, 애완동물 등 800여건의 다양한 데이터가 판매되고 있다.
빅데이터 활용 스마트 서비스 시범사업과 공공 데이터 포털 등에서 제공받은 공공, 민간 빅데이터 세트를 제공하고 있으며, 미래 인터넷연구망(KOREAN)으로부터 얻어지는 네트워크로그 데이터를 수집하여 제공한다. 또한 스탠포드 대학, UC샌디에고 등 해외 연구용 데이터를 수집하여 제공하고 있다.
그들은 빅데이터 유통의 내용적 측면에서 ‘빅데이터 애널리틱스에 의한 경제효과’와 ‘빅데이터 활용에 의한 경제효과’로 분석 틀을 구분하고, 연구범위를 거시, 준거시, 미시 분석으로 분류하였다. 분석대상 연구사례는 SAS, TDWI, MIT, Mckinsey, GE 등 5개 기업 및 연구기관을 설정하였다. 연구 결과, 빅데이터 시장에 진출하고자 하는 기업이 다양한 이해관계자의 니즈에 맞춘 빅데이터 축적ㆍ유통 방안을 마련하고, 관련 비즈니스 모델을 개발하는데 도움이 된다고 분석하였다.
게시방법은 국내외 빅데이터 관련 사업, 사이트와의 협조 및 자체 수집을 통해 게시하며, 거래방법은 데이터 원본출처를 방문하여 다운로드 방식이다. 빅데이터 활용 스마트 서비스 시범사업과 공공 데이터 포털 등에서 제공받은 공공, 민간 빅데이터 세트를 제공하고 있으며, 미래 인터넷연구망(KOREAN)으로부터 얻어지는 네트워크로그 데이터를 수집하여 제공한다. 또한 스탠포드 대학, UC샌디에고 등 해외 연구용 데이터를 수집하여 제공하고 있다.
성능/효과
새로운 기술, 프로세스, 데이터 과학 등을 이용하여 과거의 데이터 관리 시스템을 빠르게 대체해나가고 있는 현대의 데이터 시장에서 새로운 데이터 유통시장 모델은 계속 진화하고 있으며, 비즈니스 업계에서 수용되고 있다. 따라서 본 연구에서 제시한 빅데이터유통 모델은 멀지 않은 장래에 데이터를 관리하고 접근하기 위한 산업표준 확립의 기준으로 의의를 가진다.
분석대상 연구사례는 SAS, TDWI, MIT, Mckinsey, GE 등 5개 기업 및 연구기관을 설정하였다. 연구 결과, 빅데이터 시장에 진출하고자 하는 기업이 다양한 이해관계자의 니즈에 맞춘 빅데이터 축적ㆍ유통 방안을 마련하고, 관련 비즈니스 모델을 개발하는데 도움이 된다고 분석하였다. 이영환ㆍ전희주ㆍ윤정연[21]은 데이터 생태계의 진화에 따른 데이터거래소 설립 모델을 제안하였다.
후속연구
빅데이터 유통 플랫폼과 유통 시장은 정부의 공공 데이터는 물론이고 기업이 모아둔 데이터를 누구에게나 매매가 가능하다. 이를 위해, 향후 연구로 빅데이터 유통 시장 및 생태계 확립과 빅데이터 유통 시스템 개발을 위한 단계별 유통 체계 구현에 필요한 표준화 요구기능 사항발견 및 메타데이터 프레임워크 구축을 제안한다.
질의응답
핵심어
질문
논문에서 추출한 답변
데이터 유통시장이란?
데이터 유통시장 (data marketplace)은 데이터 수요자와 공급자가 수익을 위하여 데이터를 사고 파는 곳, 즉 빅데이터 거래가 실제로 일어나는 곳을 가리킨다. 이곳에서 사람들은 온라인으로 편리하게 데이터를 검색하고 사고 판매하는 것이 가능하다[27].
한국정보화진흥원의 K-ICT 빅데이터 전략센터에서의 게시방법은 무엇인가?
데이터 종류는 국토·교통(12개), IT서비스(9개), 산업·경제(8개), 방송·통신(4개), 의료·보건(4개), 일반행정(3개), 통계(2개), 교육(2개), 기상·환경(1개) 10개 분야이다. 게시방법은 국내외 빅데이터 관련 사업, 사이트와의 협조 및 자체 수집을 통해 게시하며, 거래방법은 데이터 원본출처를 방문하여 다운로드 방식이다. 빅데이터 활용 스마트 서비스 시범사업과 공공 데이터 포털 등에서 제공받은 공공, 민간 빅데이터 세트를 제공하고 있으며, 미래 인터넷연구망(KOREAN)으로부터 얻어지는 네트워크로그 데이터를 수집하여 제공한다.
빅데이터 유통시장을 통한 거래를 위해 감안해야 할 것은 무엇인가?
빅데이터 유통시장에서 등록되어 거래되는 모든 데이터는 즉시 구매하여 사용 가능하여야 하며, 이를 위해 표준화된 형식 (예: Excel, CSV, XML, JSON) 등으로 제공되어야 한다.3) 대표적인 데이터 유통시장으로 마이크로소프트사의 Azure Data Marketplace, data.
참고문헌 (29)
B. J. Choo, "Big Data Anaysis : A Study on the System Establishment for Big Data Trading Service", Korea Information Processing Society review, Vol. 21, No. 3, pp. 68-75, 2014.
J, H, Park, "Paradigm Shift of IT Industry and Industrial Engineering ; Data Science and Industrial Engineering", IE Magazine, Vol. 18, No. 4, pp. 22-24, 2011.
B. Y. Jang, Y. D. Kim, & J. S. Choi, "Big Data-based Convergence Service Industry Creation", Science and Technology Policy Institute, Policy Research 2013-20, 2013.
Y. S. Jeong, Y. T. Kim, & G. C. Park, "Multi-Attribute based on Data Management Scheme in Big Data Environment", Journal of the Korea Convergence Society, Vol. 13, No. 1, pp. 263-268, 2015.
S. H. Namn, & K. S. Noh, "A Study on the Effective Approaches to Big Data Planning", Journal of the Korea Convergence Society, Vol. 13, No. 1, pp. 227-235, 2015.
D. H. Choi, & J. O. Park, "Security Tendency Analysis Techniques through Machine Learning Algorithm Applications in Big Data Environments", Journal of the Korea Convergence Society, Vol. 13, No. 9, pp. 269-276, 2015.
M. S. Lim, J. H. Kim, & H. S. Byeon, "A Study on Characteristics of Eco-friendly Behaviors using Big Data: Focusing on the Customer Sales Data of Green Card", Journal of the Korea Convergence Society, Vol. 14, No. 1, pp. 151-161, 2015.
K. H. Choi, & J. H. Park, "The Analysis of Public Awareness about Literary Therapy by Utilizing Big Data Analysis - The aspects of convergence literature and statistics", Journal of the Korea Convergence Society, Vol. 13, No. 4, pp. 395-404, 2015.
J. A. Park, . M. Kim, H. S. Lee, & H. J. Lee, "Big Data Study about the Effects of Weather Factors on Food Poisoning Incidence", Journal of the Korea Convergence Society, Vol. 14, No. 3, pp. 319-327, 2016.
B. C. Kim, "A Study on Utilization of Big Data based on the Personal Information Protection Act", Journal of the Korea Convergence Society, Vol. 12, No. 12, pp. 87-92, 2014.
A. McAfee, & E. Brynjolfsson, "Big Data: The Management Revolution", Harvard Business Review, pp. 61-68, 2012.
J. W. Ross, C. M. Beath, & A. Quaadgras, "You may not need Big Data after all", Harvard Business Review, pp. 90-98, 2013.
B. Y. Lee, J. T. Lim, & J. S. Yoo, "Utilization of Social Media Analysis using Big Data", The Journal of the Korea Contents Association, Vol. 13, No. 2, pp. 211-219, 2013.
S. O. Yun, "A Study on the Classification of Risks Caused by Big Data", Journal of Korean Association for Regional Information Society, Vol. 16, No. 2, pp. 93-122, 2013.
S. H. Lee, & D. W. Lee, "Current Status of Big Data Utilization", Journal of Digital Convergence, Vol. 11, No. 2, pp. 229-233, 2013.
M. M. Kang, S. R. Kim, & S. M. Park, "Analysis and Utilization of Big Data", Communications of the Korean Institute of Information Scientists and Engineer, Vol. 30, No. 6, pp. 25-32, 2012.
J. C. Koh, H. U, Lee, J. U. Jeong, & K. S. Kim, "Correspondence Strategy for Big Data's New Customer Value and Creation of Business", Journal of Korea Safety Management & Science, Vol. 14, No. 4, pp. 229-238, 2012.
J. S. Kim, "Big data Utilization and related Technique and Technology Analysis", The Journal of the Korea Contents Association, Vol. 10, No. 1, pp. 34-40, 2012.
J. I. Beom, & S. J. Choi, Big Data Utilization and Implication, Korea Rural Economic Institute, CEO Focus No. 312, pp. 1-33, 2013.
S. H. Yu, & Y. H. Kim, "A Reserach Case Study on the Economic Effects of Big Data Distribution", Korea Research Academy of Distribution and Management Review, Vol. 17, No. 4, pp. 85-95, 2014.
N. Lee, H. J. Jun, & J. Y. Yoon, "A Data Exchange Model to Promote Enterpreneurial Activities in Data Industry : Benchmarking Financial Exchanges", Journal of the Korean Entrepreneurship Society, Vol. 10, No. 2, pp. 28-49, 2015.
D. Feinleib, "The big data landscape", In Big Data Bootcamp pp. 15-34, 2014.
M. Turck, & S. Zilis, "The Big Data Landscape (Version 2.0)". http://bit.ly/1Uq6mVs
Vitria, "Vitria Added To The Big Data Landscape". http://bit.ly/1NKrliC
Sqrrl, "Sqrrl's Take on the Big Data Ecosystem". http://bit.ly/1CjPvy8
S. H. Kim, "Trend Analysis for Big Data Industrial Ecosystem", Korean telecommunications policy review, Vol. 25, No. 13, pp. 77-87, 2013.
C. Li, & G. Miklau. "Pricing Aggregate Queries in a Data Marketplace", In Proceedings of the International Workshop on Web and Databases, 2012.
Y. I. Jo, "Understanding Big Data and Its Main Issues", Journal of Korean Association for Regional Information Society, Vol. 16, No. 3, pp. 43-65, 2013.
S. K. Kim, "Distribution System Research and Standard System Development for Application and Proliferation of Big Data", Electronics and Telecommunications Research Institute, 2014.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.