[국내논문]신용조회업무 정보시스템의 재난복구 우선순위결정: 퍼지 TOPSIS 접근방법 Disaster Recovery Priority Decision for Credit Bureau Business Information System: Fuzzy-TOPSIS Approach원문보기
본 논문의 목적은 신용조회업무 정보시스템에 대한 재난복구 우선순위결정문제를 해결하기 위해서, TOPSIS 방법을 퍼지 환경에 적용시키는 것이다. 본 논문에서 각 정보시스템에 대한 평가와 평가기준에 대한 가중치는 사다리꼴 퍼지 수로 표현되는 언어적 용어로 기술된다. 여기서 두 사다리꼴 퍼지 수들 간의 거리는 vertex 방법으로 측정한다. 그리고 TOPSIS 개념에 따라서, 근접계수를 구해서 모든 정보시스템들의 우선순위를 결정한다. 이와 같은 퍼지집합과 TOPSIS의 통합방법은 다른 다기준 의사결정방법들과 비교해서 여러 장점들이 있는데, 예로써, 의사결정을 민첩하게 할 수 있도록 적은 퍼지 자료로도 파라메타 계산이 가능하고, 또한 동시에 평가 할 수 있는 대안의 수에 제약을 받지 않고, 그리고 새로운 대안이 평가과정에서 추가되어도 순위변경문제가 발생되지 않는다는 점이다. 본 논문은 9개의 평가기준과 6명의 평가자들이 평가하는 9개의 신용조회업무 정보시스템들이 포함된 실제사례에 적용했고, 그리고 업무연속성계획(BCP) 수립위한 체계적인 재난복구체계를 실무자들에게 제공하고 있다. 결론적으로 본 논문에서 제시한 퍼지 TOPSIS 방법의 적용절차는 신용조회업무 정보시스템에 대한 재난복구 우선순위결정문제를 해결하는 의사결정도구로 매우 적절한 것이다.
본 논문의 목적은 신용조회업무 정보시스템에 대한 재난복구 우선순위결정문제를 해결하기 위해서, TOPSIS 방법을 퍼지 환경에 적용시키는 것이다. 본 논문에서 각 정보시스템에 대한 평가와 평가기준에 대한 가중치는 사다리꼴 퍼지 수로 표현되는 언어적 용어로 기술된다. 여기서 두 사다리꼴 퍼지 수들 간의 거리는 vertex 방법으로 측정한다. 그리고 TOPSIS 개념에 따라서, 근접계수를 구해서 모든 정보시스템들의 우선순위를 결정한다. 이와 같은 퍼지집합과 TOPSIS의 통합방법은 다른 다기준 의사결정방법들과 비교해서 여러 장점들이 있는데, 예로써, 의사결정을 민첩하게 할 수 있도록 적은 퍼지 자료로도 파라메타 계산이 가능하고, 또한 동시에 평가 할 수 있는 대안의 수에 제약을 받지 않고, 그리고 새로운 대안이 평가과정에서 추가되어도 순위변경문제가 발생되지 않는다는 점이다. 본 논문은 9개의 평가기준과 6명의 평가자들이 평가하는 9개의 신용조회업무 정보시스템들이 포함된 실제사례에 적용했고, 그리고 업무연속성계획(BCP) 수립위한 체계적인 재난복구체계를 실무자들에게 제공하고 있다. 결론적으로 본 논문에서 제시한 퍼지 TOPSIS 방법의 적용절차는 신용조회업무 정보시스템에 대한 재난복구 우선순위결정문제를 해결하는 의사결정도구로 매우 적절한 것이다.
The aim of this paper is to extend the TOPSIS(Technique for Order Preference by Similarity to Ideal Solution) to the fuzzy environment for solving the disaster recovery priority decision problem in credit bureau business information system. In this paper, the rating of each information systems and t...
The aim of this paper is to extend the TOPSIS(Technique for Order Preference by Similarity to Ideal Solution) to the fuzzy environment for solving the disaster recovery priority decision problem in credit bureau business information system. In this paper, the rating of each information systems and the weight of each criterion are described by linguistic terms which can be expressed in trapezoidal fuzzy numbers. Then, a vertex method is proposed to calculate the distance between two trapezoidal fuzzy numbers. According to the concept of the TOPSIS, a closeness coefficient is defined to determine the ranking order of all information systems. The combination between the fuzzy set and TOPSIS brings several benefits when compared with other approaches, such that the fuzzy TOPSIS require few fuzzy judgements to parameterization, which contributes to the agility of the decision process, it does not limit the number of alternatives simultaneously evaluated, and it does not cause the ranking reversal problem when a new alternative is included in the evaluation process. This paper is demonstrated with a real case study of a credit rating agency involving 9 evaluation criteria and 9 credit bureau business information systems assessed by 6 evaluators, and provide the systematic disaster recovery framework for BCP(Business Continuity Planning) to practitioner. Finally, this paper show that the procedure of the proposed fuzzy TOPSIS method is well suited as a decision-making tool for the disaster recovery priority decision problem in credit bureau business information system.
The aim of this paper is to extend the TOPSIS(Technique for Order Preference by Similarity to Ideal Solution) to the fuzzy environment for solving the disaster recovery priority decision problem in credit bureau business information system. In this paper, the rating of each information systems and the weight of each criterion are described by linguistic terms which can be expressed in trapezoidal fuzzy numbers. Then, a vertex method is proposed to calculate the distance between two trapezoidal fuzzy numbers. According to the concept of the TOPSIS, a closeness coefficient is defined to determine the ranking order of all information systems. The combination between the fuzzy set and TOPSIS brings several benefits when compared with other approaches, such that the fuzzy TOPSIS require few fuzzy judgements to parameterization, which contributes to the agility of the decision process, it does not limit the number of alternatives simultaneously evaluated, and it does not cause the ranking reversal problem when a new alternative is included in the evaluation process. This paper is demonstrated with a real case study of a credit rating agency involving 9 evaluation criteria and 9 credit bureau business information systems assessed by 6 evaluators, and provide the systematic disaster recovery framework for BCP(Business Continuity Planning) to practitioner. Finally, this paper show that the procedure of the proposed fuzzy TOPSIS method is well suited as a decision-making tool for the disaster recovery priority decision problem in credit bureau business information system.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
셋째, 퍼지 TOPSIS 는 AHP와 같은 일관성 지수 도출이 불가능하다는 단점을 극복하기 위해서 의사결정집단으로부터 증가된 의사결정 속성들을 정교하게 도출하기 위해서 명목집단법(NGT: Nominal Group Technique)을 적용했다. 또한 신용정보회사 사례를 통해 실무적인 적용절차를 검증하고자 한다.
본 논문의 연구목적은 첫째, 문헌연구를 통해 재해복구 우선순위 평가기준을 제시하고, 둘째, 다기준 의사결정문제에서 의사결정자들의 주관적 모호성을 정성적으로 분석하는 퍼지 TOPSIS 방법을 적용하여 업무들의 복구우선순위를 결정하는 방법론을 제시하겠다. 셋째, 퍼지 TOPSIS 는 AHP와 같은 일관성 지수 도출이 불가능하다는 단점을 극복하기 위해서 의사결정집단으로부터 증가된 의사결정 속성들을 정교하게 도출하기 위해서 명목집단법(NGT: Nominal Group Technique)을 적용했다.
최적 의사결정문제는 많은 주관적 혹은 모호한 자료를 가지고, 서로 다른 평가기준 관점에서 여러 가지 대안들을 평가해야만 한다. 본 연구는 A 신용정보회사의 9개 신용조회 업무 정보시스템에 대한 재난복구 우선순위를 결정하기 위해 다기준 관점에서 퍼지 TOPSIS 방법을 적용하여 다음과 같은 이론적, 실무적 틀을 도출하였다.
본 연구는 퍼지 TOPSIS 방법을 이용하여 정보시스템의 재해복구 우선순위를 결정하고자 한다. 연구모형은 <그림 2> 절차에 따라 모형설계단계와 분석단계로 구분하고, 모형설계단계에서는 의사결정이 필요한 재해복구 우선순위 평가 기준을 도출하고 의사결정을 위한 계층모형을설계하고, 분석단계에서 퍼지 TOPSIS 방법에 따라서 분석작업을 진행하여 재해복구 우선순위 결과를 도출했다.
1) 평가기준에 대한 가중치 계산 2) 퍼지 의사결정 행렬 3) 정규화 퍼지 의사결정 행렬 4) FPIS 와 FNIS의 결정 및 거리계산 5) 근접도 계수와 대안의 우선순위결정 순으로 적용한다. 이와 같은 사례를 통해서, 정부의 정보시스템 재해복구지침을 개선할 수 있는 구체적인 재난복구 절차및 실행 방안을 제시했다.
가설 설정
넷째, 신용정보회사 사례와 같은 퍼지 환경에서 TOPSIS 적용절차를 5단계로 구체화시켰다. 1) 평가기준에 대한 가중치 계산 2) 퍼지 의사결정 행렬 3) 정규화 퍼지 의사결정 행렬 4) FPIS 와 FNIS의 결정 및 거리계산 5) 근접도 계수와 대안의 우선순위결정 순으로 적용한다. 이와 같은 사례를 통해서, 정부의 정보시스템 재해복구지침을 개선할 수 있는 구체적인 재난복구 절차및 실행 방안을 제시했다.
Chen(2000)은 퍼지 자료에 대해서 TOPSIS 방법을 적용시키는 구체적 방법을 제시하였다. 본 연구에서는 성과측정치와 가중치는 소속함수를 양의 사다리꼴 퍼지 수(positive trapezoidal fuzzynumber) #(k =1,2,...,K)로 나타낼 수 있다고 가정하고, 본 논문의 퍼지 TOPSIS 방법을 다음과 같이 5단계로 적용한다.
셋째, 신용정보회사 사례에서 의사결정행렬의 평가기준 및 대안 평가에 대한 언어적 변수는 사다리꼴 퍼지 수를 가정했다. 그리고 거리측정 에는 Vertex 거리를, 집단의 선호계산에는 산술평균을 적용했다.
제안 방법
FPIS(A+)와 FNIS(A-)를 모두 도출한 후, 의 각 항목별 퍼지 수와 의 FPIS(A+) 및 FNIS(A-) 간의 거리를 계산 하고, 평가대상이 되는 업무들별로 합계를 구한다.
K명의 의사결정자들이 동일한 기준 Cj 에 대해 개인별로 평가한 퍼지 성과측정치 Xij 를 총합하기 위해서 산술평균을 사용한다.
이러한 9개의 평가기준을 가지고, 9개의 업무정보시 스템들에 대해서, 6명의 의사결정자들(D1 ~ D6) 에게 언어적 변수로 설문조사를 하였다. 구체적으로 6명의 의사결정자들은 임원 1명(CB 기획임원)과 팀장 5명(CB1 팀장, CB2 팀장, CB3 팀장, CB4 팀장, CB5 팀장)으로 구성했고, 재난 발생 시, 신용조회업무 정보시스템이 중단되었을 때에 9개의 정보시스템의 피해손실정도를 언어적 척도로 평가하였다. 사례연구의 연구모형은 <그림 3>과 같이 재난복구 우선순위결정을 목표로 9가지 평가기준 이러한 계층구조의 목표는 재난사고발생으로 9개의 업무정보시스템들의 업무가 중단되었을 경우에, 피해손실을 최소화하기 위한 복구우선순위를 결정하는 것이고, 이러한 의사결정 문제를 해결하기 위해서 퍼지 TOPSIS 방법을 적용하였다.
셋째, 신용정보회사 사례에서 의사결정행렬의 평가기준 및 대안 평가에 대한 언어적 변수는 사다리꼴 퍼지 수를 가정했다. 그리고 거리측정 에는 Vertex 거리를, 집단의 선호계산에는 산술평균을 적용했다. 또한 6명의 의사결정자들이 9 개의 평가기준 관점에서 7개의 언어적 척도(VL, L, ML, M, MH, H, VH) 그리고 9개의 업무정보시스템에 대해서 7개의 언어적 척도(VP, P, MP, F, MG, G, VG)로 평가했다.
넷째, 신용정보회사 사례와 같은 퍼지 환경에서 TOPSIS 적용절차를 5단계로 구체화시켰다. 1) 평가기준에 대한 가중치 계산 2) 퍼지 의사결정 행렬 3) 정규화 퍼지 의사결정 행렬 4) FPIS 와 FNIS의 결정 및 거리계산 5) 근접도 계수와 대안의 우선순위결정 순으로 적용한다.
그리고 거리측정 에는 Vertex 거리를, 집단의 선호계산에는 산술평균을 적용했다. 또한 6명의 의사결정자들이 9 개의 평가기준 관점에서 7개의 언어적 척도(VL, L, ML, M, MH, H, VH) 그리고 9개의 업무정보시스템에 대해서 7개의 언어적 척도(VP, P, MP, F, MG, G, VG)로 평가했다.
이러한 재난에 대비하는 업무연속성계획(BCP) 관련연구로서, 가소진외 3인(2008)은 업무들의 복구 우선순의를 결정하기 위해 목표복구시간 (RTO: Recovery Time of Objective)와 목표복구시점(RPO: Recovery Point of Objective)을 평가기준으로 제시했다. 또한, 손실확률, 손실액, 연간 손실기대값 등 요인으로 업무별로 손실비용을 추정하여 업무들의 우선순위를 결정하였다. 김윤호(2009)는 IT기업에 BCP를 적용하기 위한 절차와 환경구축방법과 구성요소를 제시했고, 김현주 외 2인(2013)은 업무연속성계획을 적용한 재해복구시스템을 설계하였다.
본 논문에서는 각 평가기준의 가중치(w)를 측정하고, 정성적인 관점에서 대안들을 평가하기 위해서 언어적 변수를 이용하였다. 의사결정자들의 주관적 판단에 대한 모호성을 측정하고, 평가 기준과 평가대안의 중요성 판단을 위해 <표2>, <표 3>과 같은 선형 사다리꼴 소속 함수를 적용했다(Herrera & Herrera-Viedma, 2000).
본 연구는 Torbi(2014)가 제시한 10개의 평가 기준을 신용정보조회 업무시스템 재난복구 우선 순위 결정에 적용하며, 주요 업무담당자들을 대상으로 명목집단기법(NGT)으로 평가항목을 검증했다. 검증결과 ‘시장점유율 하락’은 신용정보조회업무의 중요도를 평가하는 기준으로 큰 영향이 없다고 판단하여 제외시켰다.
연구모형은 절차에 따라 모형설계단계와 분석단계로 구분하고, 모형설계단계에서는 의사결정이 필요한 재해복구 우선순위 평가 기준을 도출하고 의사결정을 위한 계층모형을설계하고, 분석단계에서 퍼지 TOPSIS 방법에 따라서 분석작업을 진행하여 재해복구 우선순위 결과를 도출했다.
의사결정자들은 각 평가기준의 중요도에 대한 답변을 7개의 언어적 변수(‘매우 낮음(very low)’, ‘낮음(low)’, ‘약간 낮음(medium low)’, ‘보통(medium)’, ‘약간높음(medium high)’, ‘높음(high)’, ‘매우 높음 (very high)’)로 답변하였으며, 답변 결과는 사다리꼴 퍼지함수를 적용한 척도로 변환하였다.
A 신용정보회사의 정보시스템 우선순위를 결정하기 위한 9개의 평가기준 (C1 ∼ C9)은 <표 4>이고, 9개의 신용조회업무정보시스템들(A1 ~ A9)은 <표 5>와 같다. 이러한 9개의 평가기준을 가지고, 9개의 업무정보시 스템들에 대해서, 6명의 의사결정자들(D1 ~ D6) 에게 언어적 변수로 설문조사를 하였다. 구체적으로 6명의 의사결정자들은 임원 1명(CB 기획임원)과 팀장 5명(CB1 팀장, CB2 팀장, CB3 팀장, CB4 팀장, CB5 팀장)으로 구성했고, 재난 발생 시, 신용조회업무 정보시스템이 중단되었을 때에 9개의 정보시스템의 피해손실정도를 언어적 척도로 평가하였다.
이와 같이 의결정자들의 평가기준에 대한 서로 다른 주관적 판단을 총합하기 위해서 산술평균을 사용한다. 퍼지 다기준 의사결정문제에서 성과측정치 # = (aij, bij, cij, dij)와 평가기준에 대한 가중치 # = (wj1, wj2, wj3, wj4)는 양의 사다리꼴 퍼지 수로 측정 가능하다.
첫째, 업무연속성계획(BCP)의 업무영향분석 (BIA)에서 의사결정자들의 주관적 판단의 모호성을 언어적 변수로 표현하는 퍼지 집합이론과 TOPSIS 방법을 융합하여 업무정보시스템의 재난복구 우선순위 결정방법을 제시하였다.
김기윤․김도형(2012)은 항만물류재해복구시스템을 구축하기 위해 퍼지 TOPSIS 방법을 사용하여 항만물류종합정보시스템 구성 시스템들의 우선순위를 결정하였으며, 기존 연구 들이 절차에 집중하였던 연구에서 탈피하여 업무영향분석(BIA)의 업무우선순위를 결정하는 계량적인 방법을 다루었다. 특히, 업무우선순위 결정에 주관성이 깊이 개입되는 모호한 자료추정에 적합한 퍼지 환경에서 다기준 의사결정방법을 적용하였다. 김기윤과 김도형(2012)의 연구는 재난복구 우선순위 결정을 위해 4개의 평가 기준(시스템 의존도, 목표복구시간, 손실, 업무대체자원)을 제시하였으나, 본 연구는 문헌연구를 통해 9개의 평가기준을 제시하여 김기윤과 김도형(2012)의 논문을 확장시켰다.
이론/모형
사례연구의 연구모형은 과 같이 재난복구 우선순위결정을 목표로 9가지 평가기준 이러한 계층구조의 목표는 재난사고발생으로 9개의 업무정보시스템들의 업무가 중단되었을 경우에, 피해손실을 최소화하기 위한 복구우선순위를 결정하는 것이고, 이러한 의사결정 문제를 해결하기 위해서 퍼지 TOPSIS 방법을 적용하였다.
본 논문의 연구목적은 첫째, 문헌연구를 통해 재해복구 우선순위 평가기준을 제시하고, 둘째, 다기준 의사결정문제에서 의사결정자들의 주관적 모호성을 정성적으로 분석하는 퍼지 TOPSIS 방법을 적용하여 업무들의 복구우선순위를 결정하는 방법론을 제시하겠다. 셋째, 퍼지 TOPSIS 는 AHP와 같은 일관성 지수 도출이 불가능하다는 단점을 극복하기 위해서 의사결정집단으로부터 증가된 의사결정 속성들을 정교하게 도출하기 위해서 명목집단법(NGT: Nominal Group Technique)을 적용했다. 또한 신용정보회사 사례를 통해 실무적인 적용절차를 검증하고자 한다.
의사결정자들의 주관적 판단에 대한 모호성을 측정하고, 평가 기준과 평가대안의 중요성 판단을 위해 , 과 같은 선형 사다리꼴 소속 함수를 적용했다(Herrera & Herrera-Viedma, 2000).
연구모형은 <그림 2> 절차에 따라 모형설계단계와 분석단계로 구분하고, 모형설계단계에서는 의사결정이 필요한 재해복구 우선순위 평가 기준을 도출하고 의사결정을 위한 계층모형을설계하고, 분석단계에서 퍼지 TOPSIS 방법에 따라서 분석작업을 진행하여 재해복구 우선순위 결과를 도출했다. 이를 위해서 정성적인 관점에서 대안들을 평가하기 위해서 언어적 변수(linguistic variable)를 이용했고, 의사결정자들의 주관적 판단의 모호성을 측정하기 위해서 선형사다리꼴 소속 함수(linear trapezoidal membership functions)를 적용했다(Gumus, 2009).
성능/효과
결론적으로, 본 연구의 퍼지집합과 TOPSIS의 통합방법의 유용에는 다른 다기준 의사결정 방법들과 비교해서 여러 장점들이 있는데, 예로써, 의사결정을 민첩하게 할수록 적은 퍼지 판단자료로 파라메타 계산이 가능하고, 또한 동시에 평가 할 수 있는 대안의 수에 제약을 받지 않고, 새로운 대안이 평가과정에서 추가되어도 순위변 경문제가 발생되지 않는다는 점이다.
둘째, 9개의 평가기준들(매출손실, 이해관계자의 지원 감소, 고객이탈, 높은 보험료, 기업의 이미지 및 평판, 국가의 규제, 인력자원 변동성, 회사 목표달성도, 기술력 손실)들은 기존 연구를 근거로 의사결정집단으로부터 명목집단법(NGT)으로 도출했다.
으로 계산 했다는 점이다. 둘째, 평가기준과 대체안의 수가 증가된 복잡한 계층구조에 적용할 때는 의사결정 속성들을 일관성 있게 도출하기 위해서 명목집단법(NGT)의 적용이 합리적이었다는 점이다.
신용정보산업은 금융기관 간에 신용정보를 공유하여 2가지 기대효과를 목표로 한다. 첫째, 대출 시행 시에 채무자에 관한 정보의 양이 증가하면 은행과 차입자간의 정보 비대칭 문제가 완화된다. 이로 인해 은행이 역 선택을 할 유인이 감소하고 채무자의 채무불이행에 대한 예측력이 향상되어 대출이 부실화 될 가능성이 낮아진다.
후속연구
끝으로 본 논문에서 제시한 퍼지 TOPSIS 방법의 한계점은, 민감도 분석을 적용하거나 일관성 지수를 도출 할 수 없다는 점이다. 그 이유는 퍼지 TOPSIS 방법의 경우 AHP와 같은 가치 측정모형들처럼 의사결정자의 선호를 정확한 수치로 추정하는 것이 아니라, 언어적 변수로 추정하기 때문이다.
그 이유는 퍼지 TOPSIS 방법의 경우 AHP와 같은 가치 측정모형들처럼 의사결정자의 선호를 정확한 수치로 추정하는 것이 아니라, 언어적 변수로 추정하기 때문이다. 앞으로의 연구에서는 파라미터 값이 가질 수 있는 구간을 보다 세분화하여 객관적으로 등급화한다면 정보시스템의 재난복구계 획수립에 보다 유용한 접근방법을 제공해 줄 수 있을 것이다.
비상계획 프로세스는 비상상황판단 → 비상상황선언 및 보고 → 비상상황 운영 → 재난복구 → 정상가동으로 진행된다. 최근까지 실무적으로는 업무복구시간(RTO) 같은 단일 속성으로만 재난 복구 의사결정을 해왔으나, 앞으로는 본 연구의 퍼지 TOPSIS 방법을 적용한 다기준 의사결정방법으로 재난복구 우선순위를 결정하는 것이 재난복구절차를 효율적으로 향상시킬 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
신용정보산업이 금융기관 간에 신용정보를 공유하여 얻고자 하는 목표는?
신용정보산업은 금융기관 간에 신용정보를 공유하여 2가지 기대효과를 목표로 한다. 첫째, 대출 시행 시에 채무자에 관한 정보의 양이 증가하면 은행과 차입자간의 정보 비대칭 문제가 완화된다. 이로 인해 은행이 역 선택을 할 유인이 감소하고 채무자의 채무불이행에 대한 예측력이 향상되어 대출이 부실화 될 가능성이 낮아진다. 둘째, 대출이 시행된 후에는 채무자가 자신의 신용이력이 공유되는 것을 의식하여 도덕적 해이와 위험추구행위를 줄이게 되므로 대출의 연체율이 하락 하게 된다. 이와 같이 신용정보의 공유는 금융기관의 신용리스크 관리에 있어서 중요한 역할을 하며 궁극적으로 금융기관의 부실대출을 감소시켜 여신자산 건전성을 향상시키는 결과를 가져오게 된다(조한욱과 남재현, 2012).
신용정보산업이란?
신용정보산업은 신용정보들을 전문적으로 수집, 분류, 가공, 관리, 유통하는 신용정보회사들과 수집된 신용정보를 토대로 개인과 기업에 대한 신용도를 평가한 결과를 금융기관에 제공하는 신용평가회사들로 구성된 산업이다. 신용정보산업은 금융기관 간에 신용정보를 공유하여 2가지 기대효과를 목표로 한다.
신용정보산업의 4가지 분야는 무엇인가?
신용정보산업은 크게 4가지 분야(신용조회, 신용조사, 채권주심, 신용평가)로 구분하는데, 신용 정보법 2조8호에 따르면, 신용조회분야는 신용정보를 수집, 처리하는 행위, 신용정보주체의 신용도, 신용거래능력 등을 나타내는 신용정보를 만들어 내는 행위 및 의뢰인의 조회에 따라 신용 정보를 제공하는 행위를 말한다. 이러한 업무행위는 신용정보가 주로 생산되고 구축되며, 온라인을 통해서 정보를 수집, 가공, 제공하기 때문에 정보시스템에 투자를 집중하였다.
참고문헌 (53)
가소진？이기정？이희성？박진섭(2008), "업무연속성계획 수립을 위한 업무영향분석 방법론 연구," 한국멀티미디어학회 추계학술발표대회논문집, 452-455.
고재철？나성진？정종수(2016), "연속성관리 구축 프레임워크 모색에 관한 연구," 한국방재안전학회지, 9(1), 1-7.
전웅찬？정승렬？민대홍(2013) "IT혁신, IT의존성 및 EA활용이 IT-비즈니스 연계에 미치는 영향 연구," 경영과 정보연구, 32(2), 359-379.
조한욱？남재현(2012), "신용정보산업과 은행의 여신자산 건전성," 산업경제연구, 25(1), 65-91.
Abdel-Razek, R. H.(1997), "How Construction Managers Would Like Their Performance to be Evaluated," Jounal of Construction Engneering Management, 123(3), 208-213.
Amin, S. H. and J. Razmi(2009), "An Integrated Fuzzy Model for Supplier Management: A Case Study of ISP Selection and Evaluation," Expert Systems with Applications, 36, 8639-8648.
Chen, C.-T., C.-T. Lin, and S.-F. Huang (2006), "A Fuzzy Approach for Supplier Evaluation and Selection in Supply Chain Management," International Journal of Production Economics, 102, 289-301.
Chen, C.-T. and H.-L. Cheng(2009), "A Comprehensive Model for Selecting Information System Project under Fuzzy Environment," International Journal of Project Management, 27, 389-399.
Chen, T.-Y. and C. Y. Tsao(2008), "The Interval-valued Fuzzy TOPSIS Method and Experimental Analysis," Fuzzy Sets and Systems, 159, 1410-1428.
Cooper, R. G. and E. J. Kleinschmidt(1987), "New Products: What Separates Winners from Losers, Jounal of Production Innovation," Management, 4(3), 169-184.
Ernest Jones, T.(2005), "Business Continuity Strategy: The Life Line," Network Security, 8, 5-9.
GPG(2013), Good Practice Guidelines 2013 Global Edition: Business Continuity Institute.
Gumus, A. T.(2009), "Evaluation of Hazardous Waste Transportation Firms by Using a Two Step Fuzzy-AHP and TOPSIS Methodology," Expert Systems with Applications, 36, 4067-4074.
Herrera, F., and E. Herrera-Viedma(2000), "Linguistic Decision Analysis: Steps for Solving Decision Problems under Linguistic Information," Fuzzy Sets and Systems, 115, 67-82.
Huang, I. B., J. Keisler, and I. Linkov (2011), "Multi-criteria Decision Analysis in Environmental Sciences: Ten Years of Applications and Trends," Science of the Total Environment, 409, 3578-3594.
Hung, Y. C., S. M. Huang, and Q. P. Lin(2005), "Critical Factors in Adopting a Knowledge Management System for the Pharmaceutical Industry," Industrial Management Data System, 105(2), 164-183.
Jahanshahloo, G. R., F. H. Lotfi and A. R. Davoodi(2008), "Extension of TOPSIS for Decision-making Problems with Interval Data," Applied Mathematics and Computation, 181, 1544-1551.
Jahanshahloo, G. R., F. H. Lotfi and M. Izadikhah(2006), "An Algorithmic Method to Extend TOPSIS for Decision-making Problems with Interval Data," Applied Mathematics and Computation, 175, 1375-1384.
Kahraman, C. and I. Kaya(2010), "A Fuzzy Multicriteria Methodology for Selection among Energy Alternatives," Expert Systems with Applications, 37, 6270-6281.
Kahraman, C., O. Engin, O. Kabak, and I. Kaya(2009), "Information Systems Outsourcing Decisions Using a Group Decisionmaking Approach," Engineering Applications of Artificial Intelligence, 22(6), 832-841.
Kaya, T. and Cengiz Kahraman(2011), "Multicriteria Decision Making in Energy Planning Using a Modified Fuzzy TOPSIS Methodology," Expert Systems with Applications, 38, 6577-6585.
Keeney, R. L. and H. Raiffa(1976), Decision with Multiple Objectives: Preference and Value Trade Offs, John Wiley and Sons.
Kutlu, A. C. and M. Ekmekcioglu(2012), "Fuzzy Failure Modes and Effects Analysis by Using Fuzzy TOPSIS-Based Fuzzy AHP," Expert Systems with Applications, 39, 61-67.
Mbugua, L. M., P. Harris, G. D. Holt, and P. O. Olomolaiye(1999), "A Framework for Determining Critical Success Factors Influencing Construction Business Performance," In Proceedings of the Association of Researchers in Construction Management, 15th Annual ARCOM Conference, 255-264.
Niazi, M., D. Wilson, and D. Zowghi(2006), Critical Success Factors for Software Process Improvement Implementation: An Empirical Study, Software Process: Improvement Practice, 11(2), 193-211.
Rabbani, M., H. R. Soufi, and S. A. Torabi(2016), "Developing a Two-Step Fuzzy Cost-Benefit Analysis for Strategies to Continuity Management and Disaster Recovery," Safety Science, 85, 9-22.
Rouhani, S., M. Ghazanfari, and M. Jafari(2012), "Evaluation Model of Business Intelligence for Enterprise Systems Using Fuzzy TOPSIS," Expert Systems with Applications, 39, 3764-3771.
Sahebjaminia, N., S. A. Torabi, and S. A. Mansouri(2015), "Integrated Business Continuity and Disaster Recovery Planning: Towards Organizational Resilience," European Journal of Operatioal Research, 242, 261-271.
Torabi, S.A. and H. Rezaei(2014), "A new framework for business impact analysis in business continuity management," Safety Science, 68, 309-323.
Walle, B. V. and A. F. Rutkowski(2006), "A Fuzzy Decision Support System for IT Service Continuity Threat Assessment," Decision Support Systems, 42, 1931-1943.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.