As technology has developed and cost for data processing has reduced, big data market has grown bigger. Developed countries such as the United States have constantly invested in big data industry and achieved some remarkable results like improving advertisement effects and getting patents for custom...
As technology has developed and cost for data processing has reduced, big data market has grown bigger. Developed countries such as the United States have constantly invested in big data industry and achieved some remarkable results like improving advertisement effects and getting patents for customer service. Every company aims to achieve long-term survival and profit maximization, but it needs to establish a good strategy, considering current industrial conditions so that it can accomplish its goal in big data industry. However, since domestic big data industry is at its initial stage, local companies lack systematic method to establish competitive strategy. Therefore, this research aims to help local companies diagnose their big data capabilities through a reference model and big data capability assessment system. Big data reference model consists of five maturity levels such as Ad hoc, Repeatable, Defined, Managed and Optimizing and five key dimensions such as Organization, Resources, Infrastructure, People, and Analytics. Big data assessment system is planned based on the reference model's key factors. In the Organization area, there are 4 key diagnosis factors, big data leadership, big data strategy, analytical culture and data governance. In Resource area, there are 3 factors, data management, data integrity and data security/privacy. In Infrastructure area, there are 2 factors, big data platform and data management technology. In People area, there are 3 factors, training, big data skills and business-IT alignment. In Analytics area, there are 2 factors, data analysis and data visualization. These reference model and assessment system would be a useful guideline for local companies.
As technology has developed and cost for data processing has reduced, big data market has grown bigger. Developed countries such as the United States have constantly invested in big data industry and achieved some remarkable results like improving advertisement effects and getting patents for customer service. Every company aims to achieve long-term survival and profit maximization, but it needs to establish a good strategy, considering current industrial conditions so that it can accomplish its goal in big data industry. However, since domestic big data industry is at its initial stage, local companies lack systematic method to establish competitive strategy. Therefore, this research aims to help local companies diagnose their big data capabilities through a reference model and big data capability assessment system. Big data reference model consists of five maturity levels such as Ad hoc, Repeatable, Defined, Managed and Optimizing and five key dimensions such as Organization, Resources, Infrastructure, People, and Analytics. Big data assessment system is planned based on the reference model's key factors. In the Organization area, there are 4 key diagnosis factors, big data leadership, big data strategy, analytical culture and data governance. In Resource area, there are 3 factors, data management, data integrity and data security/privacy. In Infrastructure area, there are 2 factors, big data platform and data management technology. In People area, there are 3 factors, training, big data skills and business-IT alignment. In Analytics area, there are 2 factors, data analysis and data visualization. These reference model and assessment system would be a useful guideline for local companies.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구는 기업이 빅데이터를 도입 혹은 활용하기 이전에 시행하는 기업의 역량 수준 평가에 도움을 줄 수 있는 참조모델을 개발하고 이를 기반으로 한 수준 진단시스템을 통하여 기업의 빅데이터 도입 전략 수립에 밑거름이 되고자 하였다.
따라서 본 연구에서는 상대적으로 선행연구가 진행되고 있는 해외의 빅데이터 및 BI(Business Intelligence), KM(Knowledge Management), DM(Data Management) 등 분야의 여러 성숙도 역량 모델을 참고하여 세분화된 관리영역 및 구체적인 평가요소를 정의한 빅데이터 참조모델을 개발하고, 이를 기반으로 한 수준진단시스템을 제시함으로써 기업의 역량 수준 평가 및 빅데이터 전략 수립에 도움을 주고자 하였다.
따라서 본 연구에서는 좀 더 폭 넓은 관점 및 구체적인 요소의 도출을 목적으로 하여 빅데이터 수준진단모델에서 적용되었던 구성 요소들과 함께 타 분야에서 사용되는 기존 성숙도 모델, 역량 모델의 단계 및 구성 요소들을 추가하여 본 연구에서 제시하고자 하는 참조모델의 구성 요소들을 정의하였다.
본 연구에서는 빅데이터 관리자가 빅데이터를 어떻게 사용해야 하는지, 또한 기업의 현재 빅데이터 역량 수준을 파악하고 빅데이터 목표를 수립하기 위해 어떠한 전략을 도출해야 하는지에 관해 도움을 줄 수 있는 빅데이터 수준진단시스템을 설계하였다.
본 절에서는 제 3.2절에서 제시한 기존 모델 연구를 통해 본 연구에서 제안하는 빅데이터 참조모델의 구성 요소를 도출하고 그 개념들을 정의한다.
제안 방법
각 평가영역은 다섯 개의 성숙도 단계별로 다시 세부적으로 정의되며, 성숙도 단계별 해당하는 세부관리요소를 선행연구를 참조하여 작성하였다.
그리고 제 3.2절에서 각 선행연구 모델의 평가영역을 종합하면서 빅데이터 역량에 있어 가장 중요한 데이터 자원 영역을 함께 추가하여 아래와 같이 Organization, Resource, Infrastructure, People, Analytics 등의 다섯 개의 빅데이터 참조모델 평가영역을 도출하였다.
수준진단시스템은 5개 영역으로 구성되어 총 50개 문항으로 이루어져 있음. 기업의 빅데이터 담당자가 진단시스템을 수행하며 프로토타입의 엑셀을 기반으로 체크 및 설문 항목에 대한 응답을 작성함.
따라서 본 연구에서 제안하는 빅데이터 참조모델은 CMM의 성숙도 단계의 명칭과 기존 빅데이터 수준진단모델의 성숙도 단계 개념을 적용하여, 각 성숙도 단계를 아래와 같이 Ad Hoc, Repeatable, Defined, Managed, Optimizing의 다섯 단계로 정의하였다.
본 연구에서 제시하는 빅데이터 참조모델은 기업의 빅데이터 수준을 나타내는 성숙도 단계, 중점적으로 관리가 필요한 평가영역, 각 단계 및 영역별 빅데이터 역량을 판단하기 위한 평가요소로 구성된다. 수준진단시스템은 평가요소를 기반으로 진단항목을 도출하였으며 분석 결과, 가이드라인, 시사점을 제공한다.
본 연구의 참조모델은 CMM 모델과 달리 성숙도 1단계의 명칭을 initial 대신 Ad Hoc을 사용하였는데, Ad Hoc은 CMM에서 initial 단계의 조직의 상황을 설명하는 특징을 지칭하는 것으로 좀 더 기업의 상황을 직접적으로 표현할 수 있는 명칭이라 판단하여 단계 명을 Ad Hoc으로 수정하였다.
참조모델의 주요 구성 요소 중 하나인 평가영역은 빅데이터 역량 평가에 있어 중점적으로 다루어야 하는 영역으로 정의된다. 본 절에서는 이러한 평가영역들을 규정하기 위하여 MIS의 프로젝트 운영관리 3요소인 People, Organization, Technology에 따른 영역 구분을 기본적으로 차용하였고, Technology를 하드웨어 부분과 소프트웨어 부분으로 분리시켜 Infrastructure와 Analytics로 구분하였다.
빅데이터 수준진단시스템은 각 평가영역별로 질문 항목에 응답하는 방식으로 실시되며, 설문문항의 경우 [Figure 4]의 설문진단 항목 설계를 기초로 평가영역 당 10개씩 진단 항목이 지시되어 총 50개의 문항이 설계되었다.
참조모델의 세부관리요소를 도출하기 위하여 기존연구 모델들의 평가영역 내 세부 요소를 종합하여 본 연구의 참조모델의 평가영역 구분으로 맵핑작업을 하였으며 각 평가영역에서 주요 평가요소 항목을 도출한 결과는 다음 [Table 2]와 같다.
대상 데이터
따라서 본 연구에서는 해외의 빅데이터 분야 및 BI(Business Intelligence), KM(Knowledge Management), DM(Data Management) 등의 타 분야에서 활용되고 있는 모델을 포함하여 선행연구를 탐색하였고 본 연구의 목적에 적합한 참고 가능한 24개의 모델을 다음과 같이 추려내었다.
후속연구
본 연구에서는 국내의 기존 문헌자료가 부족하여 해외 실정에 국한된 참조모델 내 세부 요소 설계 및 진단 시스템 항목 설계가 이루어졌기 때문에, 국내 기업이 유용하게 활용하기 위해서는 국내 실상에 적합한 평가 항목 보완이 필요할 것으로 판단된다. 향후 연구과제로 추가적인 기업 데이터 및 사용 데이터의 수집을 통해 각 산업과 업종에 적합한 수준진단시스템을 개발하는 연구가 필요할 것이다.
본 연구에서는 국내의 기존 문헌자료가 부족하여 해외 실정에 국한된 참조모델 내 세부 요소 설계 및 진단 시스템 항목 설계가 이루어졌기 때문에, 국내 기업이 유용하게 활용하기 위해서는 국내 실상에 적합한 평가 항목 보완이 필요할 것으로 판단된다. 향후 연구과제로 추가적인 기업 데이터 및 사용 데이터의 수집을 통해 각 산업과 업종에 적합한 수준진단시스템을 개발하는 연구가 필요할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
빅데이터란 무엇인가?
빅데이터란 시스템, 서비스, 조직 등에서 주어진 비용, 시간 내에 처리 가능한 데이터 범위를 넘어서는 데이터를 의미하며[19], ‘그레이 데이터(Gray Data)’ 혹은 기업데이터, 오픈데이터, 소셜 데이터로 통칭하여 불린다. 빅데이터라는 단어의 시작은 2010년 2월 ‘이코노미스트’지 커버 이미지에 실린 ‘The data deluge-데이터 폭우에 대한 스페셜 리포트’이며[25], 최초의 빅데이터 정의는 Teradata Magazine Article에서 가트너의 Merv Adrian(2011) 에 의해 언급되었다[7].
국내 기업이 유용하게 활용하기 위해 국내 실상에 적합한 평가 항목 보완이 필요한 이유는 무엇인가?
본 연구에서는 국내의 기존 문헌자료가 부족하여 해외 실정에 국한된 참조모델 내 세부 요소 설계 및 진단 시스템 항목 설계가 이루어졌기 때문에, 국내 기업이 유용하게 활용하기 위해서는 국내 실상에 적합한 평가 항목 보완이 필요할 것으로 판단된다. 향후 연구과제로 추가적인 기업 데이터 및 사용 데이터의 수집을 통해 각 산업과 업종에 적합한 수준진단시스템을 개발하는 연구가 필요할 것이다.
기업의 역량 수준 평가에 도움을 줄 수 있는 참조모델을 개발한 배경은 무엇인가?
해외의 다양한 글로벌 산업군 기업들은 계속적으로 성공적인 빅데이터 활용사례의 수를 증가시켜가고 있으며, 국내에서는 평판 분석, 국가 정책 여론 파악 등 제한된 기술을 보유한 기업이 등장하였으나 글로벌 기업에 대비하여 기술 수준 및 경쟁력이 취약한 편이다[1]
참고문헌 (49)
Ahn, C.W. and Hwang, S.G., Big Data Technologies and Main Issues, The Korea Information Science Society, 2012, Vol. 30, No. 6, pp. 10-17.
Alan, P., Apoorv, D., David, S., Erik, H., and Tony, B., ECM Maturity Model Version 1.0, February 2009. Wipro and CMS Watch and Smigiel Consulting Group and Hartman Communicatie.
Andrew, M. and Erik, B., Big Data : The Management Revolution, Harvard Business Review, October 2012, pp. 60-68.
Australian National Data Service, Research Data Management Framework : Capability Maturity Guide, August 2011, Australian National Data Service, http://ands.org.au/guides/dmframework/data-management-framework.html.
BDT Insights, Big Data in the Construction Industry, 2014, http://www.bdtinsights.com/kr/?p189.
Big Data Center; Knowledge Information Sharing, https:// kbig.kr.
Bill, F., Taming the Big Data Tidal Wave : Finding Opportunities in Huge Data Streams with Advanced Analytics, Wiley and Sons, Inc., 2012, pp. 3-4.
Bill, K. and Rick, B., Why Doesn't the "Business" Drive BSM? : A Value-Driven Business Service Management Model, March 2010, BSMReview.com.
Bum, J.I. and Song, D.H., Big Data Cases and Implications. CEO Focus, NHERI, 2013, p. 312.
CBIG Consulting, Big Data Framework : CBIG Framework, http://www.cbigconsulting.com/approach/big-dataanalytics- framework/.
Chee-Sok, T., Yee-Wai, S., and William, Y., A Maturity Model of Enterprise Business Intelligence, IBIMA Publishing, 2011.
Colin, R. and Roland, J., A Conceptual Framework for Assessing the Potential Impact of Management Systems on Corporate Performance, Journal of the Korean Society for Quality Management, 2015, pp. 435-449.
David, L., Theresa, R., Apoorv, D., Mike, E., Lauren, D., John, H., and Mark, D., The DAM Maturity Model Version 2, 2012, http://dammaturitymodel.org/.
David, N. and Debra, L., Gartner Introduces the EIM Maturity Model, Gartner, 2008, pp. 1-8.
Fern, H. and Krish, K., TDWI Big Data Maturity Model Guide : Interpreting Your Assessment Score, The Data Warehousing Institute, 2013.
Gerrit, L., Frederik, M., Robert, W., and Felix, W., Business Intelligence Maturity Models : An Overview, 2010.
Ham, Y.G. and Chae, S.B., Big Data Changes Business Management, SERI, 2012.
Han, H., Seo, J.E., and Lee, H.Y., KISTI Market Report, Korea Institute of Science and Technology Information, April 2013, Vol. 13, No. 4.
Hayeon Editorial Dept., Big Data and DBMS Market Outlook, Hayeon, 2012, p. 29.
Hewlett-Packard Company, The HP Business Intelligence Maturity Model : Describing the BI Journey, Hewlett- Packard Development Company, L.P. 2007; 2009.
Hong, J.W., [K-BEC 2014 Conference] All Big Data Experts in Small Business are Here, MK Business News, 2014, http://news.mk.co.kr/newsRead.php?year2014& no507483.
International Data Cooperation, IDC Maturity Model : Cloud-A Guide for Success, Industry Developments and Models, IDC, 2013.
International Data Cooperation, Worldwide Big Data Technology and Services 2012-2015 Forecast, Market Analysis, 2012, p. 8.
Jeong, J.S., Three Factors for Successful Big Data Utilization, IT and Future Strategy, 2012, Vol. 12, No. 3.
Jeong, W.J., Why/What/How, Cloudbooks, 2014, p. 6.
John, R., Leverage a Big Data Maturity Model to Build Your Big Data Roadmap, Radcliffe Advisory Services Ltd., 2014.
Kim, H.N., Current Trends and Implications of Big Data, Communications Policy, KISDI, 2012, Vol. 24, No. 19, p. 541.
Kim, S.K. and Cho, J.H., A Proposal for the Introduction of Big Data of the Local Government, Journal of Korean Association for Regional Information Society, 2013, Vol. 16, No. 3, pp. 13-41.
Kim, Y.D. and Cho, K.H., Big Data and Statistics, Journal of Korean Data and Information Science Society, 2013, Vol. 24, No. 5, pp. 959-974.
Kyeong, K.Y., [5th WSF] Where Do Start-ups Get the Money in Seoul? Find Answer in Big Data. Edaily News, 2014, http://www.edaily.co.kr/news/NewsRead.edy? SCDJA11&newsid04040966606121064&DCDA00101& OutLnkChkY.
Lee, B.Y., Lim, J.T., and Yoo, J.S., Utilization of Social Media Analysis Using Big Data, Journal of Korea Contents Association, 2013, Vol. 13, No. 2, pp. 211-219.
Lee, H.W. and Baek, D.H., The Effect of National Aid Programs to Small Business in Global R&D Cooperation Outcome and Global Business Abilities, Journal of Society of Korea Industrial and Systems Engineering, 2014, Vol. 37, No. 4, pp. 177-186.
Lee, K.Y., Nam, G.H., Sim, J.C., Cho, K.S., and Ryu, W., Construction of Knowledge Base for The Utilization of Big Data in Public Domain. The Korea Information Science Society, 2012, Vol. 30, No. 6, pp. 40-46.
Lee, S.C., An Implication for the Big Data Utilization and Telecommunications Industry, KTOA, 2012, Vol. 60, pp. 6-11.
Lim, Y.J., Baek, S.K. and Yeon, S.J., Choice and Concentration for the Competitiveness of the Big Data Era. Information and Communications Magazine, 2012, Vol. 29, No. 11, pp. 3-10.
Mark, C.P., Bill, C., Mary, B.C. and Charles, V.W., Capability Maturity Model for Software, Version 1.1, February 1993, Software Engineering Institute/Carnegie Mellon University.
Markus, S., Big Data : Turning Data into Knowledge and Putting Knowledge to Work, the BeyeNETWORK's Financial Services Channel, 2011, http://www.b-eyenetwork. com/view/15105.
Mei-Hui, W. and Chang-Shing, L., An Intelligent PPQA Web Services for CMMI Assessment, Intelligent Systems Design and Applications, ISDA '08. 8th International Conference on, 2008, Vol. 1, pp. 229-234.
Min-Hooi, C. and Kee-Luen, W., Construct an Enterprise Business Intelligence Maturity Model (EBI2M) Using an Integration Approach : A Conceptual Framework, Business Intelligence-Solution for Business Development, InTech, 2012, pp. 1-14.
Neil, C., Bill, H., Nigel, R., and Gareth, H., Gartner's Business Analytics Framework, Gartner, 2011, pp. 1-18.
Noh, K.S. and Park, S.H., An Exploratory Study on Application Plan of Big Data to Manufacturing Execution System, Journal of Digital Convergence, 2014, Vol. 12, No. 1, pp. 305-311.
Oracle, Information Management and Big Data a Reference Architecture, Oracle White Paper, 2013.
Redwing Consulting, Organizing for Big Data, http://redwingconsulting.com/organizing-for-big-data/.
Shin, D.H. and Lee, J.G., Current Trends and Strategies of Big Data, Korean Society for Internet Information, 2014, Vol. 14, No. 2, pp. 5-17.
Shin, S.A., Kim, S.H., Song, K.B., Yoo, S.H., Jeong, K.J., and Song, R.R., 2013 Local Big Data Casebook, NIA, 2014.
Thor, O., This is the Big Data! Show Eight Cases, CIO Korea, 2012. 11. 05, http://www.ciokorea.com/slideshow/14572?slide2#stage_slide.
Tony, S., Big Data Pyramid, https://www.behance.net/gallery/Information-TechnologyArchitecture-Frameworks- Models/762648.
Wayne, E., Recently in Big Data Analytics Category. the BeyeNETWORK's Blog : Wayne Eckerson, 2011, http://www.b-eye-network.com/blogs/eckerson/archives/big_data_analyt/.
Web Age Solutions Inc., the Meta-Architecture Maturity Model, http://www.webagesolutions.com/consulting/Architecture_Maturity.html.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.