[논문]빅데이타 분석을 이용한 지역내 산업클러스터 연구

정재헌

doi:10.5392/jkca.2017.17.02.543

빅데이타 분석을 이용한 지역내 산업클러스터 연구
A Study On the Industrial Clusters In a Region Using Big data 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.17 no.2, 2017년, pp.543 - 554

초록
AI-Helper

우리는 한국기업정보(KED)에서 제공하는 기업 간 거래에 관한 8만 여건의 데이터로부터, 부산, 울산, 경남 지역에 위치한 기업 간의 거래관계만으로 네트워크를 구성하고 사회네트워크 분석 기법을 사용하여 정책적으로 유용한 정보를 얻고자 하였다. 먼저 주 거래기업만으로 거래관계를 한정시켜 이 거래관계만으로 연결된 기업들로서 그룹핑(클러스터링)하여 보면 3개 이상의 기업으로 이루어진 클러스터들이 282개로 나타난다. 대부분의 클러스터들은 대기업들이 주기업이 되어 해당 클러스터의 매출액 대부분을 차지하면서 다른 클러스터와는 거래가 거의 없는 폐쇄적 위계적 거래를 하고 있는 것으로 나타났다. 네트워크 분석지표들로서 살펴보면 거래의 중심선에서 주요한 역할을 하는 대기업이 아닌 기업들이 발견되며, 어떤 클러스터들은 다른 클러스터들과 다수의 거래를 하고 있는 것으로 나타났다. 부산, 울산, 경남 지역외의 기업들과의 거래관계를 살펴보면 외부지역과의 거래관계는 외부로부터의 매입거래관계가 대부분이며 외부로의 매출거래는 거의 없는 것으로 드러났다. 정책적으로 보면 부산, 울산, 경남 지역 기업들 간의 거래관계를 좀 더 다변화해야 할 필요성이 있다. 이 경우 몇몇 다소 개방적인 거래를 주도하는 예외적인 기업들 및 클러스터들을 적극 활용할 필요성이 있다.

Abstract ▼ AI-Helper

We tried to get useful information from social network analysis on the transaction network for the companies in Busan, Ulsan, Kyong-nam region using more than 80 thousand company transaction data obtained from Korean enterprise data (KED). We found that there are 282 clusters having more than 3 companies when we made clusters composed of the companies having the transactions with each other as the first transaction partners in the region. Most of clusters have a major big company with most of sales in the clusters and have the member companies without the transaction with other cluster's member companies so that they have closed and hierarchical transaction pattern. Analysing the transaction network using the network index, we know that there are small medium size companies playing the central role in the regional transaction network and a few clusters have many transactions with other clusters. Also we found that there are very rare sale transactions to the companies outside the region and many purchasing transactions from the companies outside the region. Policy makers need to try to diversify the transaction patterns and to use the exceptional companies and clusters as the levers.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

클러스터를 이용하여 판매-구매 관계가 집중되어 하나의 덩어리로 형성된 클러스트를 파악하고, 클러스터의 특성을 이용하여 클러스터별로 차별화된 보다 정교한 정책을 개발할 수 있는 기초를 제공하고자 하였다. 또한 이들 클러스터 각각은 각기 다르게 지역 외부와의 관계가 형성되므로, 이들 개별 클러스터가 지역내 판매 구매 관계에만 머물고 있는지 아니면 지역외부에 판매 및 구매를 어느 정도 의존하고 있는지, 이들 상호간의 판매 및 구매 관계가 어떻게 형성되는지를 파악하고자 하였다. 이를 위하여 클러스터 상호간의 판매 구매 관계를 이용한 클러스터간의 투입산출표를 개발하여 제공함으로서 개별 클러스터별로 지역 자체의 성장 동력에 어떤 방향으로 영향을 미치는지를 파악하는 툴도 제공하고자 하였다.
일차적으로 클러스터 상호 간의 거래관계를 네트워크로 형성하여 살펴보았다. 또한 이들 클러스터들을 하나의 집단으로 묶어 산업연관분석과 동일한 방법으로 클러스터간 연관분석을 진행하여, 클러스터 상호간 매출 및 매입 의존도를 파악하고자 하였다. 특히 KED에서 제공된 부울경 지역 이외 기업들과 지역 내 기업들에 대한 거래망 정보를 이용하여 지역 외부의 기업들을 별도의 클러스터로 묶어 지역 내 클러스터들과 같이 클러스터 집단간 연관분석을 진행하였다.
본 연구가 특정지역에 집중하여 거래관계 네트워크를 분석하는 이유는 지역경제의 발전이 이들 지역에 위치한 지역특화산업의 발전에 달려있고, 기업과 기업사이의 거래관계를 엄밀히 분석함으로서 기업 간 거래의 현황분석과 동시에 지역경제를 발전시킬 기초자료로 활용할 수 있기 때문이다. 본 연구는 KED에서 제공되는 기업별 10개까지의 판매처를 제공하는 방대한 8만 여개의 기업거래처 데이터를 활용할 수 있어서 연구의 의의가 더해진다. 지역내 네트워크에 관한 연구는 다수 발견할 수 있지만 소수의 대표기업들을 대상으로 한 연구이거나[1][2], 기업 간 거래가 아니고 기업 및 정부기관, 학교, 연구기관과의 관계에 대한 연구 등이다[3-5].
본 연구는 거래관계 네트워크 중에서도 특정 지역 특히 부산, 울산, 경남(이하 부울경)의 동남권의 거래관계 네트워크를 사회네트워크 분석 기법에 의하여 분석하고자 한다. 본 연구가 특정지역에 집중하여 거래관계 네트워크를 분석하는 이유는 지역경제의 발전이 이들 지역에 위치한 지역특화산업의 발전에 달려있고, 기업과 기업사이의 거래관계를 엄밀히 분석함으로서 기업 간 거래의 현황분석과 동시에 지역경제를 발전시킬 기초자료로 활용할 수 있기 때문이다.
본 연구는 부울경 지역 내에 한정시켜 기업 간 거래망을 통한 네트워크를 형성하여 지리적 집적의 기반 위에서 기업 거래에 의한 군집을 찾고자 하였다. 이 네트워크 내에서 거래관계가 밀접한 기업들만을 후술하는 알고리즘에 의해 하나의 클러스터로 묶는 방향으로 클러스터링을 시행하였다.
본 연구의 의의는 지역내 네트워크의 단순 파악과 기업들의 네트워크적인 특성뿐만 아니라 네트워크의 분절된 형태인 지역내 클러스트의 파악하는데도 있다. 클러스터를 이용하여 판매-구매 관계가 집중되어 하나의 덩어리로 형성된 클러스트를 파악하고, 클러스터의 특성을 이용하여 클러스터별로 차별화된 보다 정교한 정책을 개발할 수 있는 기초를 제공하고자 하였다.
우리는 지역전체 네트워크에서 개별 기업들이 지니는 네트워크적인 특성을 살펴보고, 또한 개별 클러스터들에 속한 기업들의 평균적인 네트워크 지표도 살펴봄으로서 전체적으로 어떤 특징들을 지역 전체의 기업들이 가지고 있는지를 파악하고자 하였다. 이를 이용하여 개별기업 및 클러스터들에 대한 정책적 차별화가 가능하리라고 생각한다.
기업과 기업 간의 관계에 사회네트워크 분석 기법을 적용한 연구들을 보면, 먼저 Nakano(2007)가 있다. 이들은 일본 오이타 현의 기업 8000여개를 대상으로 거래 관계에 의해 네트워크를 구성하고 네트워크의 유형을 파악하고자 하였다. 그들은 오이타현의 기업들이 형성하고 있는 네트워크가 척도 없는 네트워크의 유형에 가까우나, 선호적 연결(특정 노드가 많은 에지를 가지면 해당 노드에 대해서 보다 많은 에지를 형성하려는 다른 노드들의 경향)이 거래관계에는 존재하지 않음으로서 거래네트워크가 정확히 척도 없는 네트워크는 아니라고 결론짓고 있다[8].
또한 이들 클러스터 각각은 각기 다르게 지역 외부와의 관계가 형성되므로, 이들 개별 클러스터가 지역내 판매 구매 관계에만 머물고 있는지 아니면 지역외부에 판매 및 구매를 어느 정도 의존하고 있는지, 이들 상호간의 판매 및 구매 관계가 어떻게 형성되는지를 파악하고자 하였다. 이를 위하여 클러스터 상호간의 판매 구매 관계를 이용한 클러스터간의 투입산출표를 개발하여 제공함으로서 개별 클러스터별로 지역 자체의 성장 동력에 어떤 방향으로 영향을 미치는지를 파악하는 툴도 제공하고자 하였다.
클러스터 내부의 거래가 특정 중심기업을 중심으로 위계적으로 집중되어 있는지 그리고 기업수에 비해 활발한 거래가 이루어지고 있는지 등을 본 절에서 살펴본다. 이것은 [표 8]에서 보이듯이 개별 클러스터에 속한 기업들만으로 상호간의 모든 거래를 포함하는 독립된 네트워크를 구성하여 프리만 연결중심성과 거래 밀도를 살펴봄으로서 가능하다.
본 연구의 의의는 지역내 네트워크의 단순 파악과 기업들의 네트워크적인 특성뿐만 아니라 네트워크의 분절된 형태인 지역내 클러스트의 파악하는데도 있다. 클러스터를 이용하여 판매-구매 관계가 집중되어 하나의 덩어리로 형성된 클러스트를 파악하고, 클러스터의 특성을 이용하여 클러스터별로 차별화된 보다 정교한 정책을 개발할 수 있는 기초를 제공하고자 하였다. 또한 이들 클러스터 각각은 각기 다르게 지역 외부와의 관계가 형성되므로, 이들 개별 클러스터가 지역내 판매 구매 관계에만 머물고 있는지 아니면 지역외부에 판매 및 구매를 어느 정도 의존하고 있는지, 이들 상호간의 판매 및 구매 관계가 어떻게 형성되는지를 파악하고자 하였다.

제안 방법

다음 전체 네트워크를 다수의 분절된 클러스터로 바꾸어 놓고, 클러스터 내부의 특성을 네트워크 분석의 지표들로서 해석하고자 하였다(4장 3절). 후술하듯이 네트워크 특성 지표를 가지고 파악할 수 있는 특성들은 몇 가지가 있지만 대표적인 것은 개별 클러스터들 내부의 위계적 특징에 관한 것이 있다.
사회네트워크 분석 지표는 다수가 있으나 우리는 개별 기업들 및 클러스터들의 중심적 지위 정도를 측정하는 세 가지 형태의 분석지표를 사용하여 주요 분석 작업을 진행하였다.
우리는 KED에서 제공되는 8만여개가 넘는 방대한 기업 거래망 데이터를 이용하여 부울경 지역내 기업들을 대상으로 거래관계에 기반하여 네트워크를 형성하고 이 네트워크에서 주거래 기업으로 연결되는 클러스터들만을 따로 떼어내어서 클러스터들을 분석함으로서 클러스터별로 차별화된 정책이 가능하도록 시도하여보았다. 추가적으로 사회네트워크 분석지표를 이용한 분석을 모든 기업들 및 개별적인 클러스터들을 대상으로 시도하였으며, 마지막으로 클러스터들간의 그리고 지역외부 기업들과의 거래관계도 투입산출표를 이용하여 분석하여 보았다.
이 경우 부울경 지역에 위치한 기업들의 거래네트워크는 다수의 분절된 네트워크로[그림 1] 분할된다. 우리는 분절된 네트워크들을 밀접한 거래관계를 가진 클러스터로 보고 이들 클러스터들을 대상으로 이하의 분석 작업을 진행하였다(4장 1절).
우리는 투입산출표를 상위 10개 클러스터와 10개 미만의 소속기업수를 가진 클러스터들을 다 합하여 하나의 클러스터로 하고 추가적으로 부울경 지역 외부 기업들도 별도의 클러스터로 하여 각 클러스터들의 지역 외부에 대한 의존도도 살펴볼 수 있도록 하였다.
우선 전체 네트워크를 대상으로 사회네트워크 분석에서 널리 알려진 툴을 적용하여 개별 기업들을 대상으로 구조적, 지위적 특성을 나타내는 지표들을 도출하여 이들의 의미를 해석하는 방법으로 네트워크 분석을 일차적으로 시도하였다(4장 2절).
본 연구는 부울경 지역 내에 한정시켜 기업 간 거래망을 통한 네트워크를 형성하여 지리적 집적의 기반 위에서 기업 거래에 의한 군집을 찾고자 하였다. 이 네트워크 내에서 거래관계가 밀접한 기업들만을 후술하는 알고리즘에 의해 하나의 클러스터로 묶는 방향으로 클러스터링을 시행하였다. 산업군들의 클러스터링이 아니라 생산자-구매자간의 기능적 연계를 직접적으로 이용할 수 있도록 거래관계의 밀접도에 따라서 기업들의 클러스터링을 진행하였다는 점은 기존의 연구와 뚜렷하게 차별화된다.
우리는 지역 내에 위치한 기업들만을 대상으로 하여 네트워크를 구성하였다. 이 네트워크를 대상으로 이하의 분석 작업을 진행하였다.
추가적으로 클러스터 상호간의 관계에 대한 통찰을 얻기 위하여 그들 상호간의 판매-구매관계에 대한 분석을 진행하였다(4장 4절). 일차적으로 클러스터 상호 간의 거래관계를 네트워크로 형성하여 살펴보았다. 또한 이들 클러스터들을 하나의 집단으로 묶어 산업연관분석과 동일한 방법으로 클러스터간 연관분석을 진행하여, 클러스터 상호간 매출 및 매입 의존도를 파악하고자 하였다.
우리는 KED에서 제공되는 8만여개가 넘는 방대한 기업 거래망 데이터를 이용하여 부울경 지역내 기업들을 대상으로 거래관계에 기반하여 네트워크를 형성하고 이 네트워크에서 주거래 기업으로 연결되는 클러스터들만을 따로 떼어내어서 클러스터들을 분석함으로서 클러스터별로 차별화된 정책이 가능하도록 시도하여보았다. 추가적으로 사회네트워크 분석지표를 이용한 분석을 모든 기업들 및 개별적인 클러스터들을 대상으로 시도하였으며, 마지막으로 클러스터들간의 그리고 지역외부 기업들과의 거래관계도 투입산출표를 이용하여 분석하여 보았다. 이상의 내용이 지역차원에서는 처음으로 시도되는 데서도 본 연구의 의의가 있다.
추가적으로 클러스터 상호간의 관계에 대한 통찰을 얻기 위하여 그들 상호간의 판매-구매관계에 대한 분석을 진행하였다(4장 4절). 일차적으로 클러스터 상호 간의 거래관계를 네트워크로 형성하여 살펴보았다.
또한 이들 클러스터들을 하나의 집단으로 묶어 산업연관분석과 동일한 방법으로 클러스터간 연관분석을 진행하여, 클러스터 상호간 매출 및 매입 의존도를 파악하고자 하였다. 특히 KED에서 제공된 부울경 지역 이외 기업들과 지역 내 기업들에 대한 거래망 정보를 이용하여 지역 외부의 기업들을 별도의 클러스터로 묶어 지역 내 클러스터들과 같이 클러스터 집단간 연관분석을 진행하였다. 이들 분석을 통하여 지역내 클러스터들 상호 간, 그리고 지역내 클러스터들의 지역외 기업들에 대한 매출 및 매입의 의존 정도를 계산할 수 있었다.

대상 데이터

본 연구는 2011년도 KED(한국기업데이타)에서 제공하는 83,071개의 기업정보 데이터에 기반한다. 이 데이터에서는 하나의 기업이 납품하는 기업 10개 까지 기업명과 매출비중을 제공하도록 되어 있다.
이것은부울경 지역의 중심 산업이 자동차 및 조선/기계 산업임을 의미한다. 우리는 지역 내에 위치한 기업들만을 대상으로 하여 네트워크를 구성하였다. 이 네트워크를 대상으로 이하의 분석 작업을 진행하였다.

이론/모형

부가적으로 개별기업들의 주소 등의 정보가 이 데이터베이스에서 제공되므로 우리는 부울경 지역에 위치한 11,727개의 기업들만을 추출하여 이들 상호간의 거래네트워크를 구축할 수 있었다. 방대한 정보를 이용하여 네트워크 구축에 필요한 에지리스트(기업, 매출기업, 매출비중의 배열로 이루어지는 네트워크 구축의 기초자료)를 추출하고 이를 네트워크로 구축하기 위해 빅데이타 분석툴로 널리 알려진 무료 소프트웨어인 R을 사용하였다. 이하에서 진행되는 다수의 분석 작업도 R을 이용한 프로그래밍으로 수작업 없이 자동화할 수 있었다.

성능/효과

10개 미만의 클러스터들에 속한 기업들과 상위 10개 클러스터들과는 1% 미만의 매입 또는 매출 거래가 나타나고 있음을 알 수 있다. 즉 소속기업수가 작은 클러스터들과 다른 클러스터들은 거래 관계가 거의 없으며,이들 작은 클러스터에 속한 기업들이 거래의 중심선에서 떨어져서 아주 적은 수의 기업들과만 지속적인 거래 관계를 유지하고 있다.
이러한 방식으로 클러스터링을 진행한 결과, 속하는 기업수가 10개 이상인 클러스터가 33개이며, 3개 이상인 경우는 282개임을 발견하였다. 10개 이상의 클러스터들에 속한 2,547개 기업(기업 수 비중 21.7%)들이 지역전체에서 차지하는 매출액 비중은 70.4%이며 3개 이상의 클러스터(소속 기업 수는 3,600개이며 그 기업수의 비중은 30.7%)들의 매출액 비중은 85%이다. 주거래기업만을 거래관계로 나타나게 하여 점으로 표시된 기업과 기업을 선으로 연결시켜 주도록 네트워크 그림을 그리면 [그림 1]로 나타난다.
정책적으로 이들을 이용해 다변화된 거래를 만들어 지역내 거래 네트워크가 외부충격에 강하도록 할 필요성이 있다. 그리고 본 논문에서는 지면 관계로 제시하지는 않았으나, 기업수가 많은 상위 클러스터뿐만 아니라 다른 클러스터들도 대부분 상위의 클러스터들과 유사한 거래패턴을 보이나 몇몇 예외도 발견하였다. 본 연구결과에서 제시된 네트워크 특성을 이용하여 클러스터별로 그리고 개별 기업별로 차별화된 성장 지원 정책을 펼 수 있는 여지가 있다.
마지막으로 부울경 지역 외부기업들과의 거래관계를 살펴본다. 마지막 열을 보면 지역 외부로의 지역 내부의 개별클러스터들의 매출은 모두 지역 외부 1단위 생산에 1% 미만의 투입이 이루어져 거래가 거의 없음을 알 수 있다. 반대로 마지막 행을 보면 개별 클러스터들의 1단위 제품 생산에 7,3,1,4 클러스터 순으로 지역 외부에서 10% 이상의 많은 투입이 이루어져 외부에 상당히 의존하고 있음을 알 수 있다.
마지막 열을 보면 지역 외부로의 지역 내부의 개별클러스터들의 매출은 모두 지역 외부 1단위 생산에 1% 미만의 투입이 이루어져 거래가 거의 없음을 알 수 있다. 반대로 마지막 행을 보면 개별 클러스터들의 1단위 제품 생산에 7,3,1,4 클러스터 순으로 지역 외부에서 10% 이상의 많은 투입이 이루어져 외부에 상당히 의존하고 있음을 알 수 있다. 이로부터 대체로 지역 내 기업들은 외부 지역 기업들에 매출은 의존하지 않으나 매입은 의존하여, 공급사슬상의 납품 기업들이 지역 외부에 많이 존재하고 있음을 알 수 있다.
다년간에 걸친 클러스터의 변화추이를 추적하는 것은 향후 연구과제로 남겨둘 수 있다. 본 연구에서는 클러스터내의 중심기업(특정 클러스터 매출액의 대부분을 차지[표 3])을 식별하기가 쉬워 다년간에 걸쳐서 동일한 클러스터를 쉽게 추적할 수 있고, 2011년도 이후 거래데이터도 KED로부터 획득이 용이하다. 따라서 향후 연구과제로서 다년간에 걸친 개별 클러스터들의 성장, 클러스터들의 산업구성, 중소기업 비중 변화, 클러스터 상호간 네트워크 구조 변화 등을 추적할 수 있고, 이들 작업들은 정책적으로 유용할 것이다.
특히 KED에서 제공된 부울경 지역 이외 기업들과 지역 내 기업들에 대한 거래망 정보를 이용하여 지역 외부의 기업들을 별도의 클러스터로 묶어 지역 내 클러스터들과 같이 클러스터 집단간 연관분석을 진행하였다. 이들 분석을 통하여 지역내 클러스터들 상호 간, 그리고 지역내 클러스터들의 지역외 기업들에 대한 매출 및 매입의 의존 정도를 계산할 수 있었다.
이러한 방식으로 클러스터링을 진행한 결과, 속하는 기업수가 10개 이상인 클러스터가 33개이며, 3개 이상인 경우는 282개임을 발견하였다. 10개 이상의 클러스터들에 속한 2,547개 기업(기업 수 비중 21.
이상을 요약하여 보면, 부울경 지역내 클러스터들은 폐쇄적이면서 위계적인 거래에 집중하고 있으나, 몇몇 기업들은 예외적인 거래패턴을 보이고 있으며, 상위의 몇몇 클러스터들도 상호간의 활발한 거래를 하고 있는 것으로 드러난다. 정책적으로 이들을 이용해 다변화된 거래를 만들어 지역내 거래 네트워크가 외부충격에 강하도록 할 필요성이 있다.

후속연구

한편 본 연구가 2011년도 한 개 연도의 데이터만을 사용한 점은 한계점일 수 있다. 다년간에 걸친 클러스터의 변화추이를 추적하는 것은 향후 연구과제로 남겨둘 수 있다. 본 연구에서는 클러스터내의 중심기업(특정 클러스터 매출액의 대부분을 차지[표 3])을 식별하기가 쉬워 다년간에 걸쳐서 동일한 클러스터를 쉽게 추적할 수 있고, 2011년도 이후 거래데이터도 KED로부터 획득이 용이하다.
본 연구에서는 클러스터내의 중심기업(특정 클러스터 매출액의 대부분을 차지[표 3])을 식별하기가 쉬워 다년간에 걸쳐서 동일한 클러스터를 쉽게 추적할 수 있고, 2011년도 이후 거래데이터도 KED로부터 획득이 용이하다. 따라서 향후 연구과제로서 다년간에 걸친 개별 클러스터들의 성장, 클러스터들의 산업구성, 중소기업 비중 변화, 클러스터 상호간 네트워크 구조 변화 등을 추적할 수 있고, 이들 작업들은 정책적으로 유용할 것이다.
그리고 본 논문에서는 지면 관계로 제시하지는 않았으나, 기업수가 많은 상위 클러스터뿐만 아니라 다른 클러스터들도 대부분 상위의 클러스터들과 유사한 거래패턴을 보이나 몇몇 예외도 발견하였다. 본 연구결과에서 제시된 네트워크 특성을 이용하여 클러스터별로 그리고 개별 기업별로 차별화된 성장 지원 정책을 펼 수 있는 여지가 있다.
3개 미만의 소속기업수를 가진 클러스터들은 그 매출액 비중이 15%이고 그 수가 8000개가 넘지만 지역내 거래 네트워크에서 중심적 거래선에서 멀어져 있는 것도 발견하였다[표 7]. 우리는 이들 기업이 다른 클러스터들과 거래망을 연결할 수 있도록 함으로서 거래의 다변화를 통한 성장기회를 제고할 수 있다는 정책적 제언을 할 수 있다.
우리는 지역전체 네트워크에서 개별 기업들이 지니는 네트워크적인 특성을 살펴보고, 또한 개별 클러스터들에 속한 기업들의 평균적인 네트워크 지표도 살펴봄으로서 전체적으로 어떤 특징들을 지역 전체의 기업들이 가지고 있는지를 파악하고자 하였다. 이를 이용하여 개별기업 및 클러스터들에 대한 정책적 차별화가 가능하리라고 생각한다.
한편 본 연구가 2011년도 한 개 연도의 데이터만을 사용한 점은 한계점일 수 있다. 다년간에 걸친 클러스터의 변화추이를 추적하는 것은 향후 연구과제로 남겨둘 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	척도 없는 네트워크 이론에서 최단거리가 줄어드는 이유는 무엇인가?	척도 없는 네트워크 이론에 의하면 우리의 기업 간 거래 네트워크에서 기업 간 거래로 연결되는 기업과 기업의 거리 곧 거래관계를 몇 번 건너뛰어야 특정 두 기업이 연결되는가를 측정하는 최단거리는 많은 연결선을 가진 허브의 존재로 급격히 줄어든다. 왜냐하면 중심 허브에 연결된 기업들이 많아지면 허브를 매개로 개별기업들 간의 최단 거리가 급격히 줄어들게 되기 때문이다[7]. 네트워크에서 지름길 역할을 담당하는 허브의 존재가 뚜렷해지면 위계성이 강하다고 할 수 있다.
	척도 없는 네트워크는 무엇인가?	이 법칙 가운데 가장 널리 알려진 법칙은 Barabas(1999)에 의해 알려진 척도 없는 네트워크 이론이다[6]. 척도 없는 네트워크는 다수의 연결선을 가진 점 곧 허브가 존재하며 이 허브가 중심적인 역할을 네트워크에서 수행하여 이 허브가 공격당하면 네트워크 내에서 점과 점을 잇는 선의 연쇄가 급격히 파괴된다는 이론이다. 또한 척도 없는 네트워크에서는 많은 연결선을 가진 점들은 점의 연결선에 반비례하여 급격히 그 숫자가 줄어든다[7].
	마샬의 산업지구론이 강조하는 것은?	산업클러스터에 대한 학문적 정책적 관심은 산업클러스터가 지역에서 활동하는 기업의 경쟁력에 중요한 영항 특히 기업의 혁신활동에 중요한 영향을 미친다는데서 출발한다. 최초의 클러스터론은 마샬의 산업지구론이며 이 모델은 동일한 산업과 지역에 속한 중소기업의 혁신역량을 강조하고 있다[12]. 산업지구는 일반적으로 한 산업부문의 생산과 분배과정에서 특화된 중소기업간의 강한 지역적 분업에 기초하고 있는 지리적으로 국지화된 생산체제로 정의된다[13][14].

참고문헌 (23)

김선덕, 홍성호, 이만형, "충청북도 300대 기업 네트워크 특성분석: 판매관계를 중심으로," 한국콘텐츠학회논문지, 제14권, 제9호, pp.437-449, 2014

원문보기 상세보기
정재헌, "대기업과 중소기업 간 거래네트워크 구조와 특성," 중소기업연구, 제37권, 제4호, pp.77-103, 2015.
송미경, 이만형, 조병설, 홍성호, "충북에 소재한 대학이 수행한 공동 연구프로젝트의 네트워크분석 및 클러스터정책에 관한 시사점," 지역연구, 제9권, 제1호, pp.105-124, 2013.
최영출, "지역전략산업의 네트워크구조분석," 정책분석평가학회보, 제9권, 제1호, pp.277-304, 2009.
홍성호, 김경미, 백운성, 이만형, "사회네트워크분석기법에 근거한 충남자동차부품산업의 지식네트워크 분석," 국토계획, 제5권, 제1호, pp.183-196, 2010.
A. L. Barabasi and R. Albert, "Emergence of scaling in random network," Science, Vol.286, pp.509-512, 1999.

상세보기
A. L. Barabasi, Linked: how everything is connected to everything else and what it means for business, Science, and everyday life, London: Plume, 2002.
T. Nakano and D. R. White, "The large-scale network of a tokyo industrial distict: small-world, scale-free, or depth hierachy?, Working Paper, Center of Organizational Innovation, Columnia University, 2007
T. Mizuno, W. Souma, and T. Watanabe, "The Structure and revolution of buyer-supplier networks," Plos one, Vol.9, No.7, pp.44-56, 2014.
Y. Fujiwara and H. Aoyama, "Large-scale Structure of a Nation-wide Production Network," The European Physical Journal B, Vol.77, pp.565-580, 2010.

상세보기
T. Ohnishi, H. Takayasu, and M. Takayasu, "Hubs and authorities on Japanese inter-firm network: characterization of nodes in very large directed networks," Progress of Theoretical Physics Supplement, Vol.179, pp.157-166, 2009.

상세보기
A. Marshall, Principle of Economics, London: acmillian, 1890
S. Brusco, "Small firms and industrial districts: the experience of Italy" in KEEBLE D. and WEAVER E. (Eds) New Firms and Regional Development in Europe, CroomHelm, London, 1986.
R. Camagni, Innovation Networks :SpatialPerspectives, London: Belhaven press, 1991.
M. Storper and A. J. Scott, "The geographical foundations and social regulation of flexible production complexes," in WOLCH J. and DEAR M. (Eds), The Power of Geography, Allen & Unwin, London. 1988.
M. Porter, On Competition, MA: Harvard Business School Press, 1998.
Malizia and Fesser, Understanding Local Economic Development, Center for Urban Policy Research, 1999.
Roelandt and Hertog, "Cluster Analysis and Cluster-based Policy Making in OECD Counties," In Boosting Innovation: The Cluster Approach, Paris: OECD, 1999.
Beokholt and Thuraux, "Public Policies to facilate Cluster," In Boosting Innovation: The Cluster Approach, Paris: OECD. 1999.
S. Czamanski and L. A. Ablas, "Identification of industrial clusters and complexes: a comparison of methods and findings," Urban Studies, Vol.16, pp.61-80, 1979.

상세보기
W. R. Latham, "Needless complexity in the identification of industrial complexes," Journal of Regional Science, Vol.16, pp.45-55, 1976.

상세보기
E. J. Feser and E. M. Bergman, "National industry cluster templates: a framework for applied regional analysis," Regional Studies, Vol.34, No.1, pp.1-19, 2000.

상세보기
삼성경제연구소.한국산업기술평가원, 주요산업 집적지별 발전 전략수립 한국의 클러스터맵 작성을 중심으로, 2004.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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