빅데이터의 중요성이 증가함에 따라 공공기관에서는 다양한 빅데이터 관련 인프라를 제공하고 있으며, 그 중 하나가 공공데이터이다. 공공데이터 기반의 다양한 활용 사례가 공유되고 있으며, 공공기관에서도 데이터 기반의 모델을 통해 공공의 문제를 해결하려는 움직임을 보이고 있다. 대표적으로 사회 보험 중 하나인 고용보험 케이스가 있다. 고용보험은 근로자의 권익 보호를 위해 근로자를 고용한 모든 사업주가 필수적으로 가입하여야 하는 보험이지만 가입누락의 경우가 많다. 가입누락을 막기 위한 데이터 기반의 접근이 필요하지만, 분산된 형태의 공공데이터, 수집 시기의 차이로 인해 데이터 통합이 어렵고, 체계적인 방법론이 부재한 상황이다. 본 논문에서는 공공데이터를 기반의 고용보험 가입 예측을 위한 모델 도출방법론을 제시하고자 한다. 본 방법론은 데이터 수집, 데이터 통합 및 전처리, 데이터 탐색 및 이력 데이터 분석, 예측 모델 도출을 포함하며, 프로세스 마이닝 및 데이터 마이닝을 활용한다. 또한, 사례 연구를 통해 본 방법론의 유효성을 검증한다.
빅데이터의 중요성이 증가함에 따라 공공기관에서는 다양한 빅데이터 관련 인프라를 제공하고 있으며, 그 중 하나가 공공데이터이다. 공공데이터 기반의 다양한 활용 사례가 공유되고 있으며, 공공기관에서도 데이터 기반의 모델을 통해 공공의 문제를 해결하려는 움직임을 보이고 있다. 대표적으로 사회 보험 중 하나인 고용보험 케이스가 있다. 고용보험은 근로자의 권익 보호를 위해 근로자를 고용한 모든 사업주가 필수적으로 가입하여야 하는 보험이지만 가입누락의 경우가 많다. 가입누락을 막기 위한 데이터 기반의 접근이 필요하지만, 분산된 형태의 공공데이터, 수집 시기의 차이로 인해 데이터 통합이 어렵고, 체계적인 방법론이 부재한 상황이다. 본 논문에서는 공공데이터를 기반의 고용보험 가입 예측을 위한 모델 도출방법론을 제시하고자 한다. 본 방법론은 데이터 수집, 데이터 통합 및 전처리, 데이터 탐색 및 이력 데이터 분석, 예측 모델 도출을 포함하며, 프로세스 마이닝 및 데이터 마이닝을 활용한다. 또한, 사례 연구를 통해 본 방법론의 유효성을 검증한다.
With the development of the big data environment, public institutions also have been providing big data infrastructures. Public data is one of the typical examples, and numerous applications using public data have been provided. One of the cases is related to the employment insurance. All employers ...
With the development of the big data environment, public institutions also have been providing big data infrastructures. Public data is one of the typical examples, and numerous applications using public data have been provided. One of the cases is related to the employment insurance. All employers have to make contracts for the employment insurance for all employees to protect the rights. However, there are abundant cases where employers avoid to buy insurances. To overcome these challenges, a data-driven approach is needed; however, there are lacks of methodologies to integrate, manage, and analyze the public data. In this paper, we propose a methodology to build a predictive model for identifying whether employers have made the contracts of employment insurance based on public data. The methodology includes collection, integration, pre-processing, analysis of data and generating prediction models based on process mining and data mining techniques. Also, we verify the methodology with case studies.
With the development of the big data environment, public institutions also have been providing big data infrastructures. Public data is one of the typical examples, and numerous applications using public data have been provided. One of the cases is related to the employment insurance. All employers have to make contracts for the employment insurance for all employees to protect the rights. However, there are abundant cases where employers avoid to buy insurances. To overcome these challenges, a data-driven approach is needed; however, there are lacks of methodologies to integrate, manage, and analyze the public data. In this paper, we propose a methodology to build a predictive model for identifying whether employers have made the contracts of employment insurance based on public data. The methodology includes collection, integration, pre-processing, analysis of data and generating prediction models based on process mining and data mining techniques. Also, we verify the methodology with case studies.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
Decision Tree와 더불어, Random Forest, Support Vector Machine, Neural Network 알고리즘 기반의 모델 정확도 결과를 소개한다. <그림 13>은 해당 모델링 기법 적용에 따른 정확도 결과를 나타낸다(SVM: Support Vector Machine, NN: Neural Network, RF: Random Forest).
추후 연구로 앞서 소개한 것처럼 다른 지역, 다른 산업 범위에 적용하여 해당 특성을 고려한 Context 기반의 고용 보험 예측 모델을 도출할 계획이다. 또한, 고용 보험 외에 산재 보험 등의 다른 분야에 적용하고자 한다. 이외에 Test 셋 기반이 아닌 본 모델 기반의 실제 실태 조사를 통해 본 모델을 검증할 계획이며 이를 기반으로한 정교화된 모델링 방법에 관한 연구를 수행할 계획이다.
본 논문에서는 공공기관에 수집된 데이터를 바탕으로 고용보험 가입 예측을 위한 모델 도출방법론을 제시하고자 한다. 본 방법론은 데이터수집, 데이터 통합 및 전처리, Exploratory Data Analysis & 프로세스 마이닝 기반 이력 데이터분석, 예측 모델 도출을 포함한다.
본 논문에서는 데이터 수집, 데이터 통합 및 구성, 탐색적 데이터 분석(EDA) & 프로세스 마이닝 기반 이력 분석, 예측 모델 개발을 포함한 고용보험 가입 예측 모델 개발 방법론을 제시하였다.
본 방법론 검증을 위해, 울산 내 사업장을 분류하여 편의점, 음식점, 의류점의 세 카테고리로 사례연구를 수행하였다. 본 논문에서는 울산 내 편의점사업장에 관한 분석 결과를 소개한다.
본 사례 연구는 울산 지역 내 편의점 사업장의 연관 정보를 통해 고용 보험 가입 여부를 예측하는 모델 도출을 목표로 하였다. 이를 위해, <표 2>에 해당하는 데이터가 수집되었다.
프로세스 마이닝은 Discovery (프로세스 모델 도출), Conformance(적합도 검사), Enhancement(프로세스 모델 확장)의 세 가지 주요 방향으로 구성되어 있다[11]. 본 연구 방법론에서는 Discovery를 중심으로 프로세스 마이닝을 활용하고 있으며, 이와 관련된 몇 가지 주요 알고리즘을 소개하고자 한다.
본 연구는 기존의 방식이 가지고 있던 불필요한 시간 및 비용의 소모를 줄이고, 데이터 기반으로 실제적인 고용 보험 가입 여부를 파악한데 있어 직접적인 기여점을 가진다. 이와 더불어, 본 연구는 특정 기관에 수집된 데이터가 아니라 다양한 공공데이터를 결합하여 활용함으로써, 공공데이터의 활용성 증대에 기여할 것으로 판단된다.
본 장에서는 고용보험 가입 예측 모델 개발 방법론 소개에 앞서, 방법론 내에서 주요하게 활용되는 데이터 분석 기법에 대해 소개하고자 한다. 두 개의 항목으로 구성되어 있으며, 먼저 본 방법론에서 활용되는 네 가지 데이터 기반 분류 모델에 대해 소개한다.
본 장에서는 앞서 제시한 고용보험 가입 예측 모델 방법론의 검증을 위한 사례 연구 적용 결과를 소개하고자 한다. 본 사례 연구를 위해, 실제 공공데이터를 활용하였으며, 데이터 수집, 데이터 통합 및 전처리 과정, EDA 및 프로세스 마이닝 분석, 예측 모델 도출, 결과 해석의 전체적인 과정에 대해 연구 결과를 제공한다.
도출된 예측 모델과 관련해서도 약 70% 내외의 정확도를 가진 것으로 분석되었으며, 이와 더불어 정오 분류표 내 FP(False Positive), 즉, 예측은 가입으로 나타나지만 실제는 미가입으로 발생하는 사업장에 대한 상세 확인이 필요한 것으로 판단되었다. 실무진과의 협의를 통해, 해당 사업장들은 충분히 고용보험이 필요할 수도 있는 개체들로 지속적인 실태 조사 등의 관리를 수행하기로 하였다.
기존에 해당 기관은 특정 지역 내 사업장의 고용보험 가입 여부를 파악하고 가입 누락 사업장에 대한 실태 조사를 지속적으로 수행해왔다. 이로인해, 발생하는 시간과 비용이 누적되었고, 이러한 문제를 해결하기 위한 데이터 기반의 새로운 방법을 필요로 하였다. 본 연구에서 제시한 데이터 기반의 예측 모델은 큰 규모의 불필요한 비용을 줄이고 체계적인 사업장 관리가 가능하게 할 것으로 기대된다.
추가적으로, 모바일 앱 혹은 시스템 개발을 통해 실용화 추진이 가능하다. 이에 따라, 도출된 모델을 기반으로 모바일 앱 개발을 수행할 예정이며, 해당 앱 개발은 가입 가능성이 높은 미가입 사업장에 대한 정보를 제공하는 것을 목표로 할 것이다.
이와 더불어, 본 논문에서는 프로세스 마이닝 기법을 활용한 이력 분석 방법도 제시하였다. 데이터 마이닝의 예측 알고리즘을 바로 적용하는 것이 아니라, 프로세스 마이닝 내 모델 도출 및 패턴 분석을 통해, 프로세스 관점에서의 전반적인 흐름을 파악하는 등 도출 모델의 정확도를 높이기 위한 사전 분석 기능으로 충분히 효과적임을 보여주었다.
탐색적 데이터 분석 후에 프로세스 마이닝 기반의 예측 분석이 필요하다. 해당 분석의 목적은 이력과 관련된 프로세스 모델 및 패턴을 도출하여 보험 가입과의 연관성을 파악하는 것이다. 제3.
제안 방법
즉, 가입/미가입이 확실히 구분된 475개의 사업장 중 임의로 선택된 332개의 사업장이 Training 셋에, 143개의 사업장이 Test 셋에 포함되었다. Training셋을 바탕으로 Decision Tree, Random Forest, Support Vector Machine, Neural Network 알고리즘 기반의 모델을 구성하였고, 결과는 다음과 같다.
먼저, 보험 가입 여부 현황 및 패턴 분석을 위해 각 사업장별 가입 이력 데이터를 생성하였다. 가입이력 및 사업장 정보에 대하여, 시간에 따른 이벤트화를 통해 관련 데이터를 생성하였다. 고용보험의 경우, 종업원의 유무에 따라 동일 사업장 내에서도 시기에 따른 고용보험 가입여부가 달라지기 때문에, 미가입/가입 이벤트를 가입이력 데이터에서 도출하였다.
<그림 13>은 해당 모델링 기법 적용에 따른 정확도 결과를 나타낸다(SVM: Support Vector Machine, NN: Neural Network, RF: Random Forest). 각 기법 별로 총 30번의 모델 생성 및 검증을 수행하였다. 먼저, Random Forest의 경우, 정확도 평균이 가장 높고, 표준편차도 가장 낮은 것으로 분석되었다(평균: 0.
고용보험 가입 예측 모델 도출과 더불어, 고용 상시 인원 유무 예측 모델 도출 분석을 수행하였다. 사업장에 고용 상시 인원이 있는 경우, 해당 사업장은 고용 보험 가입을 해야 하기 때문에 유사하게 고용 보험 가입 여부 예측을 할 수 있었기 때문이다.
도출된 두 가지의 데이터 중 먼저 이력 데이터를 기반으로 데이터 탐색 및 프로세스 마이닝 분석을 수행하였다. 먼저 도출된 데이터 개요는 <표 4>에 나타나 있다.
본 장에서는 고용보험 가입 예측 모델 개발 방법론 소개에 앞서, 방법론 내에서 주요하게 활용되는 데이터 분석 기법에 대해 소개하고자 한다. 두 개의 항목으로 구성되어 있으며, 먼저 본 방법론에서 활용되는 네 가지 데이터 기반 분류 모델에 대해 소개한다. 이 후에, 프로세스 마이닝 연구에 대해 간단하게 소개한다.
즉, 특정 사업장에 대해서 가입이력 데이터로부터 미가입/가입 정보를 가져온 후, 해당 정보가 발생하기 전까지의 B 기관, C 기관 내 다른 사업장 관련 정보를 삽입하여 데이터를 구성하였다. 또한, 각 기관에 저장된 기본 데이터 외에 개인/법인 구분, 고용상시 인원 수, 사업장 대표 나이, 성별 등의 다양한 파생변수를 생성하여 데이터에 포함하였다. 이와 더불어, 반대로, 모델링에 있어서 불필요한 변수는 삭제하였다.
본 논문에서는 데이터 수집, 데이터 통합 및 구성, 탐색적 데이터 분석(EDA) & 프로세스 마이닝 기반 이력 분석, 예측 모델 개발을 포함한 고용보험 가입 예측 모델 개발 방법론을 제시하였다. 또한, 울산 내 편의점 사업장 연관 데이터를 기반의 사례연구를 통해 본 방법론을 검증하였다.
본 가입이력 데이터를 기반으로 프로세스 모델 도출 분석 및 패턴 분석을 수행하였다. 먼저, <그림 9>는 도출된 고용 보험 가입이력 프로세스 모델을 나타낸다.
본 논문에서 제시하는 고용보험 가입 예측 모델 개발 방법론은 데이터 수집, 데이터 통합 및 구성, 탐색적 데이터 분석(EDA) & 프로세스 마이닝기반 이력 분석, 예측 모델 개발을 포함하여 총 네 가지 단계로 구성되어 있다.
본 방법론은 데이터수집, 데이터 통합 및 전처리, Exploratory Data Analysis & 프로세스 마이닝 기반 이력 데이터분석, 예측 모델 도출을 포함한다.
본 장에서는 앞서 제시한 고용보험 가입 예측 모델 방법론의 검증을 위한 사례 연구 적용 결과를 소개하고자 한다. 본 사례 연구를 위해, 실제 공공데이터를 활용하였으며, 데이터 수집, 데이터 통합 및 전처리 과정, EDA 및 프로세스 마이닝 분석, 예측 모델 도출, 결과 해석의 전체적인 과정에 대해 연구 결과를 제공한다. 본 방법론 검증을 위해, 울산 내 사업장을 분류하여 편의점, 음식점, 의류점의 세 카테고리로 사례연구를 수행하였다.
사업 개시 시점부터 일정 시간 후 가입한 2번 패턴을 대상으로 Dotted Chart를 통한 상세 분석을 수행하였다. <그림 10>은 Dotted Chart 기반의 본 분석의 결과를 나타낸다.
수집된 데이터를 기반으로 앞서 제Ⅲ장에서 소개한 바와 같이 두 가지 다른 방향의 데이터 분석을 위해 두 종류의 통합 데이터를 생성하였다. 먼저, 보험 가입 여부 현황 및 패턴 분석을 위해 각 사업장별 가입 이력 데이터를 생성하였다.
각 기법을 기반하여 도출된 예측 모델에 대해 정확도 측정을 통해 모델을 평가할 수 있는 단계가 필요하다. 이를 위해, 사전에 데이터 분할 방법을 통해 데이터를 Training 및 Test 형태로 구분하고, 모델 도출 후, 정오 분류표[15]를 활용하여 모델의 정확성을 파악한다. Classification 문제에서 모델의 성능을 파악하기 위한 주요 방법 중 하나이며, 본 연구에서는 Precision 수치를 활용하여 평가한다.
이와 더불어, 실제 시간에 따른 이력 작업에 관한 Dotted Chart를 통해 사업장들의 공통화된 패턴 파악 연관 분석을 수행하였다().
하지만, 앞서 설명한 것처럼 동일 사업장이라도 종업원 유무에 따라 미가입/가입이 시기에 따라 발생할 수 있기 때문에, 이를 구분하는 과정을 수행하였다. 즉, 특정 사업장에 대해서 가입이력 데이터로부터 미가입/가입 정보를 가져온 후, 해당 정보가 발생하기 전까지의 B 기관, C 기관 내 다른 사업장 관련 정보를 삽입하여 데이터를 구성하였다. 또한, 각 기관에 저장된 기본 데이터 외에 개인/법인 구분, 고용상시 인원 수, 사업장 대표 나이, 성별 등의 다양한 파생변수를 생성하여 데이터에 포함하였다.
본 방법론은 데이터수집, 데이터 통합 및 전처리, Exploratory Data Analysis & 프로세스 마이닝 기반 이력 데이터분석, 예측 모델 도출을 포함한다. 프로세스 마이닝의 프로세스 모델 도출 알고리즘, 패턴분석 방법을 통해 데이터의 특징 파악 및 지식을 도출하고, 분류 알고리즘인 Decision Tree, Random Forest, Support Vector Machine, Neural Network를 통해 고용보험 가입 예측 모델을 도출한다. 본 연구는 공공데이터의 활용성 증대, 데이터 기반의 고용보험 가입에 대한 준법 감시, 다양한 분야로의 확장 등의 주요한 기여점을 가질 것으로 판단된다.
고용보험 가입 예측 모델 도출을 위해서 사업장 관련 모든 정보를 동일 열로 구성하는 과정이 필요하였다. 하지만, 앞서 설명한 것처럼 동일 사업장이라도 종업원 유무에 따라 미가입/가입이 시기에 따라 발생할 수 있기 때문에, 이를 구분하는 과정을 수행하였다. 즉, 특정 사업장에 대해서 가입이력 데이터로부터 미가입/가입 정보를 가져온 후, 해당 정보가 발생하기 전까지의 B 기관, C 기관 내 다른 사업장 관련 정보를 삽입하여 데이터를 구성하였다.
대상 데이터
또한, 총 1,744개의 이벤트가 추출되었고, 한 사업장 당 약 2,2개의 작업을 수행한 것으로 나타났다. 기간은 2000년 1월 1일부터 2016년 3월 1일까지의 데이터를 포함하였다.
먼저, A 기관에서 보유하고 있는 사업장 고용보험 가입여부를 나타내는 가입이력 데이터를 활용하였다. 또한, B 기관에서 보유하고 있는 사업장등록, 업종변경, 휴업/폐업, 일용근로 정보, 매출액 등의 사업자 관련 다양한 정보들이 수집되었다. 이와 더불어, C 기관에서 보유하고 있는 건축물 정보 데이터를 통해 해당 사업장의 건축물 정보를 수집하였다.
예를 들어, 사업장에 이용되는 교통수단의 수에 따라 피고용인의 고용 가능성을 추정할 수 있다. 또한, 본 사례연구는 울산 지역 및 특정 산업 범위 (편의점) 내에서만 수행하였다. 하지만, 이를 타 지역으로 확장하여 지역별 특성을 고려한 모델을 개발하거나, 혹은, 산업별 특징적인 사항을 추가 반영하여 더 정교화된 모델을 도출할 수 있다.
이를 위해, <표 2>에 해당하는 데이터가 수집되었다. 먼저, A 기관에서 보유하고 있는 사업장 고용보험 가입여부를 나타내는 가입이력 데이터를 활용하였다. 또한, B 기관에서 보유하고 있는 사업장등록, 업종변경, 휴업/폐업, 일용근로 정보, 매출액 등의 사업자 관련 다양한 정보들이 수집되었다.
수집된 데이터를 기반으로 앞서 제Ⅲ장에서 소개한 바와 같이 두 가지 다른 방향의 데이터 분석을 위해 두 종류의 통합 데이터를 생성하였다. 먼저, 보험 가입 여부 현황 및 패턴 분석을 위해 각 사업장별 가입 이력 데이터를 생성하였다. 가입이력 및 사업장 정보에 대하여, 시간에 따른 이벤트화를 통해 관련 데이터를 생성하였다.
다음은 고용보험에 관한 가입여부 예측 모델 도출 결과이다. 먼저, 앞서 소개한 것처럼 데이터 분할 방법을 적용하여 70%의 데이터로 Training셋, 30%의 데이터로 Test 셋을 구성하였다. 즉, 가입/미가입이 확실히 구분된 475개의 사업장 중 임의로 선택된 332개의 사업장이 Training 셋에, 143개의 사업장이 Test 셋에 포함되었다.
본 사례 연구를 위해, 실제 공공데이터를 활용하였으며, 데이터 수집, 데이터 통합 및 전처리 과정, EDA 및 프로세스 마이닝 분석, 예측 모델 도출, 결과 해석의 전체적인 과정에 대해 연구 결과를 제공한다. 본 방법론 검증을 위해, 울산 내 사업장을 분류하여 편의점, 음식점, 의류점의 세 카테고리로 사례연구를 수행하였다. 본 논문에서는 울산 내 편의점사업장에 관한 분석 결과를 소개한다.
본 연구에서 활용된 데이터 기반 분류 모델은 Decision Tree[2, 6], Random Forest[1, 4], Support Vector Machine[10, 13], Neural Network[7, 8] 네 가지이다.
먼저 도출된 데이터 개요는 <표 4>에 나타나 있다. 울산 내 편의점 사업장수는 총 836개로 분석되었으며, 고용보험을 가입한 사업장 수는 338개, 미가입한 사업장은 137개로 분석되었다. 사업장의 대표 연령대는 20대에서 70대로 다양하였고, 성별 빈도는 여성이 남성보다 100여 명 많은 것으로 나타났다.
이와 더불어, C 기관에서 보유하고 있는 건축물 정보 데이터를 통해 해당 사업장의 건축물 정보를 수집하였다. 울산 지역 내 편의점 사업장과 관련하여 세 개의 기관에서 보유하고 있는 총 12개의 자료를 수집하여 본 연구를 수행하였다.
또한, B 기관에서 보유하고 있는 사업장등록, 업종변경, 휴업/폐업, 일용근로 정보, 매출액 등의 사업자 관련 다양한 정보들이 수집되었다. 이와 더불어, C 기관에서 보유하고 있는 건축물 정보 데이터를 통해 해당 사업장의 건축물 정보를 수집하였다. 울산 지역 내 편의점 사업장과 관련하여 세 개의 기관에서 보유하고 있는 총 12개의 자료를 수집하여 본 연구를 수행하였다.
먼저, 앞서 소개한 것처럼 데이터 분할 방법을 적용하여 70%의 데이터로 Training셋, 30%의 데이터로 Test 셋을 구성하였다. 즉, 가입/미가입이 확실히 구분된 475개의 사업장 중 임의로 선택된 332개의 사업장이 Training 셋에, 143개의 사업장이 Test 셋에 포함되었다. Training셋을 바탕으로 Decision Tree, Random Forest, Support Vector Machine, Neural Network 알고리즘 기반의 모델을 구성하였고, 결과는 다음과 같다.
프로세스 마이닝 기반 가입이력 분석을 위해서 추출된 이벤트 로그 형태의 데이터 정보는 <표 5>에 나타나 있다. 총 836개의 사업장 중 사업개시일이 2000년 이후에 해당하는 809개의 데이터만 추출하였고, 총 7개의 상태 변경 이력 작업이 포함되었다. 또한, 총 1,744개의 이벤트가 추출되었고, 한 사업장 당 약 2,2개의 작업을 수행한 것으로 나타났다.
이론/모형
이를 위해, 사전에 데이터 분할 방법을 통해 데이터를 Training 및 Test 형태로 구분하고, 모델 도출 후, 정오 분류표[15]를 활용하여 모델의 정확성을 파악한다. Classification 문제에서 모델의 성능을 파악하기 위한 주요 방법 중 하나이며, 본 연구에서는 Precision 수치를 활용하여 평가한다.
사업장에 고용 상시 인원이 있는 경우, 해당 사업장은 고용 보험 가입을 해야 하기 때문에 유사하게 고용 보험 가입 여부 예측을 할 수 있었기 때문이다. 본 예측 모델 도출을 위해서 Decision Tree 만을 적용하였고, 총 5개의 결정 변수가 발견되었고 각각은 다음과 같다: 건폐율, 총 주차 수, 프랜차이즈, 지역코드, 나이. 고용 상시 인원이 있는 것으로 예측되는 사업장의 결정 규칙은 다음과 같다(총 주차 수: 5대 이하, 건폐율: 58% 이상, 지역코드: 공업지역이 아닌 곳).
성능/효과
720으로 분석되었다. Decision Tree 기반 고용 보험 가입예측 모델 보다는 더 정확도가 높은 모델이 도출되었지만, Random Forest 기반의 모델 보다는 정확도가 낮은 것으로 분석되었다.
즉, 개별 Decision Tree로부터 도출된 결과가 완벽한 모델이 아니더라도 통합적인 관점에서는 확률적으로 올바른 결과가 나타난다는 개념이다. Random Forest의 장점은 Decision Tree에 비해 다양성이 극대화되고 이를 통해 예측 결과를 종합함으로써 예측력 및 안정성이 우수해진다는 점이다.
도출된 모델에 대하여 Test 셋 기반의 검증 결과, 즉, 정오 분류표는 <표 8>에 나타나 있다. Test 셋 내 전체 개체 중 103개의 개체가 정확하게 예측 되었고, 모델의 정확도는 약 0.720으로 분석되었다. Decision Tree 기반 고용 보험 가입예측 모델 보다는 더 정확도가 높은 모델이 도출되었지만, Random Forest 기반의 모델 보다는 정확도가 낮은 것으로 분석되었다.
다시 말하면, 유사한 시기에 다수의 사업장이 고용보험을 가입했음을 의미한다. 녹색 점 주위에 노란색 점(조사 작업)이 다수 발견되었음이 분석되었고, 이와 더불어 실무진과의 토의를 통해, 해당 시점 주위에 표본조사가 있었음을 확인할 수 있었다.
이와 반대로, 편의점 프랜차이즈 A(<그림 7> 내 붉은색)의 경우, 모든 지역에서 미가입 사업장이 발생하였다. 더불어, 편의점 사업장의 수가 가장 높은 남구의 경우, 가입 및 미가입 사업장 모두 많은 것으로 나타났다.
이와 더불어, 본 논문에서는 프로세스 마이닝 기법을 활용한 이력 분석 방법도 제시하였다. 데이터 마이닝의 예측 알고리즘을 바로 적용하는 것이 아니라, 프로세스 마이닝 내 모델 도출 및 패턴 분석을 통해, 프로세스 관점에서의 전반적인 흐름을 파악하는 등 도출 모델의 정확도를 높이기 위한 사전 분석 기능으로 충분히 효과적임을 보여주었다. 예를 들어, Dotted Chart를 통해, 실태 조사의 전후로 다수의 사업장이 고용 보험을 비슷한 시기에 가입하는 패턴을 파악하였다.
도출된 예측 모델과 관련해서도 약 70% 내외의 정확도를 가진 것으로 분석되었으며, 이와 더불어 정오 분류표 내 FP(False Positive), 즉, 예측은 가입으로 나타나지만 실제는 미가입으로 발생하는 사업장에 대한 상세 확인이 필요한 것으로 판단되었다. 실무진과의 협의를 통해, 해당 사업장들은 충분히 고용보험이 필요할 수도 있는 개체들로 지속적인 실태 조사 등의 관리를 수행하기로 하였다.
025). 두 번째로 SVM이 정확도 평균이 높았으며(평균: 0.700, 표준편차: 0.026), Neural Network 기반의 모델이 가장 정확도 낮고, 편차가 큰 것으로 분석되었다(평균: 0.612, 표준편차: 0.042). 약 0.
먼저, 매출액 분석 결과(<그림 5>) 5억~10억의 구간 빈도수(<그림 5> 내 마지막 막대)가 가장 높으며, 2억~5억의 구간 빈도수(<그림 5> 내 마지막에서 두 번째 막대)가 뒤를 이었다. 또한, 일부 사업장의 경우, 1,800만 이하의 매출액을 가진 사업장 및 15억 이상의 매출액을 가진 사업장도 있는 것으로 분석되었다.
각 기법 별로 총 30번의 모델 생성 및 검증을 수행하였다. 먼저, Random Forest의 경우, 정확도 평균이 가장 높고, 표준편차도 가장 낮은 것으로 분석되었다(평균: 0.735, 표준편차: 0.025). 두 번째로 SVM이 정확도 평균이 높았으며(평균: 0.
먼저, 매출액 분석 결과() 5억~10억의 구간 빈도수( 내 마지막 막대)가 가장 높으며, 2억~5억의 구간 빈도수( 내 마지막에서 두 번째 막대)가 뒤를 이었다.
Dotted Chart 내 푸른색 점은 사업개시 작업을 의미하며, 노란색 점은 공단 직원의 조사 작업, 녹색 점은 고용보험 가입 작업을 나타낸다. 분석 결과, 사업장에서 고용보험 가입 작업이 배치 형태로 나타나는 것을 확인할 수 있었다. 다시 말하면, 유사한 시기에 다수의 사업장이 고용보험을 가입했음을 의미한다.
Dotted Chart 내 붉은 색 점은 미가입 이벤트, 녹색 점은 가입 이벤트를 나타낸다. 분석 결과, 약 70%의 사업장이 1년 이내에 고용보험에 가입한 것으로 나타났다. 이 중 일부 사업장은 사업개시 다음날 고용보험을 가입한 경우도 있었고, 이와 반대로 약 1,400일 후에 고용보험을 가입한 사업장도 존재한 것으로 나타났다.
<표 6>은 패턴 분석을 정리한 결과를 나타낸다. 분석결과, 약 50% 이상의 사업장이 고용 보험 미가입이 지속된 상태로 사업을 수행하는 것으로 나타났고, 약 34%의 경우, 사업 개시 후 고용 보험을 가입한 것으로 나타났다. 약 5%의 사업장의 경우, 가입 후 고용 보험을 소멸한 패턴을 나타냈다.
울산 내 편의점 사업장수는 총 836개로 분석되었으며, 고용보험을 가입한 사업장 수는 338개, 미가입한 사업장은 137개로 분석되었다. 사업장의 대표 연령대는 20대에서 70대로 다양하였고, 성별 빈도는 여성이 남성보다 100여 명 많은 것으로 나타났다.
042). 약 0.671의 정확도를 가진 Decision Tree 기반의 모델을 포함하여 총 정리하면, Random Forest 기반의 고용보험 가입여부 예측 모델이 가장 효과적인 것으로 판단된다.
143개의 Test 셋을 도출된 모델에 적용하여 도출한 결과이다. 전체 개체 중 96개의 사업장에 대한 고용보험 가입 여부를 정확하게 예측하였고, 정확도는 약 0.671인 것으로 분석되었다. 이외에 예측이 어긋난 경우, 대부분 실제 가입이지만 미가입으로 예측된 개체가 많았다.
후속연구
해당 사업장의 경우, 가족 규모로 사업장을 운영하고 다른 종업원을 고용하지 않는 것으로 집계되었다. 가족 규모로 운영하는 경우, 고용보험을 따로 가입해야 할 필요가 없어서, 대다수 이러한 케이스가 발견되었지만 추가적인 고용에 대한 지속적인 확인이 필요한 것으로 사료된다.
이외에 Test 셋 기반이 아닌 본 모델 기반의 실제 실태 조사를 통해 본 모델을 검증할 계획이며 이를 기반으로한 정교화된 모델링 방법에 관한 연구를 수행할 계획이다. 마지막으로, 본 분석을 포함하여 고용보험 가입에 관한 사업장 모니터링이 가능하도록 관련 방법론 확장 및 시스템 구축을 수행할 계획이다.
제Ⅳ장에서는 사례연구를 통해 방법론을 검증하고, 제Ⅴ장에서는 본 연구의 기여점, 한계점을 포함한 시사점을 제시한다. 마지막으로, 제Ⅵ장에서는 결론 및 추후연구를 제시한다.
본 논문에서 제시한 고용 보험 가입 여부 도출 모델은 기존에 A 기관이 가진 문제점에 대한 효과적인 해결 방안이 될 것으로 기대된다. 기존에 해당 기관은 특정 지역 내 사업장의 고용보험 가입 여부를 파악하고 가입 누락 사업장에 대한 실태 조사를 지속적으로 수행해왔다.
프로세스 마이닝의 프로세스 모델 도출 알고리즘, 패턴분석 방법을 통해 데이터의 특징 파악 및 지식을 도출하고, 분류 알고리즘인 Decision Tree, Random Forest, Support Vector Machine, Neural Network를 통해 고용보험 가입 예측 모델을 도출한다. 본 연구는 공공데이터의 활용성 증대, 데이터 기반의 고용보험 가입에 대한 준법 감시, 다양한 분야로의 확장 등의 주요한 기여점을 가질 것으로 판단된다.
이로인해, 발생하는 시간과 비용이 누적되었고, 이러한 문제를 해결하기 위한 데이터 기반의 새로운 방법을 필요로 하였다. 본 연구에서 제시한 데이터 기반의 예측 모델은 큰 규모의 불필요한 비용을 줄이고 체계적인 사업장 관리가 가능하게 할 것으로 기대된다.
본 연구는 기존의 방식이 가지고 있던 불필요한 시간 및 비용의 소모를 줄이고, 데이터 기반으로 실제적인 고용 보험 가입 여부를 파악한데 있어 직접적인 기여점을 가진다. 이와 더불어, 본 연구는 특정 기관에 수집된 데이터가 아니라 다양한 공공데이터를 결합하여 활용함으로써, 공공데이터의 활용성 증대에 기여할 것으로 판단된다.
또한, 고용 보험 외에 산재 보험 등의 다른 분야에 적용하고자 한다. 이외에 Test 셋 기반이 아닌 본 모델 기반의 실제 실태 조사를 통해 본 모델을 검증할 계획이며 이를 기반으로한 정교화된 모델링 방법에 관한 연구를 수행할 계획이다. 마지막으로, 본 분석을 포함하여 고용보험 가입에 관한 사업장 모니터링이 가능하도록 관련 방법론 확장 및 시스템 구축을 수행할 계획이다.
추후 연구로 앞서 소개한 것처럼 다른 지역, 다른 산업 범위에 적용하여 해당 특성을 고려한 Context 기반의 고용 보험 예측 모델을 도출할 계획이다. 또한, 고용 보험 외에 산재 보험 등의 다른 분야에 적용하고자 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
Random Forest란 무엇인가?
Random Forest는 <그림 1>과 같이 다수의 결정 나무를 기반으로 데이터를 분류하는 방법으로, Decision Tree부터 Bagging까지의 이론적 배경을 포함하고 있다[1, 4]. Random Forest는 여러 Decision Tree에서 도출된 결과를 기반으로 가장 빈번하게 발생한 결과 값을 최종 결과로 판단하는 방식을 가진다.
Random Forest의 장점은 무엇인가?
즉, 개별 Decision Tree로부터 도출된 결과가 완벽한 모델이 아니더라도 통합적인 관점에서는 확률적으로 올바른 결과가 나타난다는 개념이다. Random Forest의 장점은 Decision Tree에 비해 다양성이 극대화되고 이를 통해 예측 결과를 종합함으로써 예측력 및 안정성이 우수해진다는 점이다.
고용 상시 인원 유무 예측 모델 도출 분석을 수행한 이유는 무엇인가?
고용보험 가입 예측 모델 도출과 더불어, 고용 상시 인원 유무 예측 모델 도출 분석을 수행하였다. 사업장에 고용 상시 인원이 있는 경우, 해당 사업장은 고용 보험 가입을 해야 하기 때문에 유사하게 고용 보험 가입 여부 예측을 할 수 있었기 때문이다. 본 예측 모델 도출을 위해서 Decision Tree 만을 적용하였고, 총 5개의 결정 변수가 발견되었고 각각은 다음과 같다: 건폐율, 총 주차 수, 프랜차이즈, 지역코드, 나이.
Rosenblatt, F., "Principles of neurodynamics. perceptrons and the theory of brain mechanisms", Brain Theory, pp.245-248, 1961.
Rowley, H.A., S. Baluja, and T. Kanade, "Neural network-based face detection", IEEE Transactions on pattern analysis and machine intelligence, Vol.20, No.1, pp.23-38, 1998.
Song, M. and W.M.P. van der Aalst, "Supporting process mining by showing events at a glance", In Proceedings of the 17th Annual Workshop on Information Technologies and Systems(WITS), pp.139-145, 2007.
Tong, S. and D. Koller, "Support vector machine active learning with applications to text classification", Journal of Machine Learning Research, Vol.2, pp.45-66, 2001.
van der Aalst, W.M.P., "Process mining: data science in action", Springer, 2016.
van der Aalst, W.M.P., A.J.M.M. Weijters, and L. Maruster, "Workflow Mining: Discovering process models from event logs", IEEE Transactions on Knowledge and Data Engineering, Vol.16, 2003.
Vapnik, V., The nature of statistical learning theory, Springer, 2000.
Weijters, A.J.M.M., W.M.P van der Aalst, and A.A. De Medeiros, "Process mining with heuristics miner-algorithm", Technische Universiteit Eindhoven, Tech. Rep. WP, Vol.166, pp.1-34, 2006.
Witten, I.H., E. Frank, M.A. Hall, and C.J. Pal, "Data Mining: Practical machine learning tools and techniques", Morgan Kaufmann, 2016.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.