선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 즉, 비즈니스지원단의 온라인사이트를 빅데이터 분석기법에 의해 분석하고 빅데이터 분석의 효과인 즉시성을 활용한다면 예산집행 효율성과 지원단 운영의 효과를 극대화할 수 있을 것으로 보인다. 이와 같은 배경에서 본 연구는 비정형 데이터인 비즈니스지원단의 온라인 상담질문에 대해 R프로그램으로 빅데이터 분석을 실시하고 상담 요구 항목을 분석하여 향후 온라인 상담사업의 효율성 제고와 효과적인 운영 방향에 대한 정책적 시사점을 도출하고자 수행하였다.
제안 방법
- 본 연구는 Fig. 1과 같이 비즈니스지원단의 온라인 사이트의 ‘상담·현장클리닉’ 메뉴에 게재된 VOC(Voice of Customer) 제목에 대해 ‘저장된 문서를 수집하고 검색 대상의 색인으로 포함시키는 기술’인 크롤링(Crawling) 을 하여 Excel파일로 저장하고 R프로그램에서 인터프리터 방식으로 불러들인 후 애로 해소 지원 서비스의 요구 분석과 추세분석을 실시하였다[15].
- 텍스트마이닝 기법 중 하나인 워드클라우드(Word Cloud)는 하나의 텍스트에 출현하는 단어들의 빈도수를 계산하여 그 크기를 비례적으로 표출하는 시각화 차트로 많이 사용되고 있다[9]. 본 연구에서는 R프로그램을 이용하였다. R은 통계데이터 수정과 분석에 사용되는 스크립트언어이며 CRAN(Comprehensive R Archive Network, http://cran.
- 연구는 크게 상담사례 제목 분석과 현장클리닉 제목 분석으로 구분하여 수행하였다. 상담상례 제목 분석은 다시 각 사례들의 상담 분야별 빈도분석과 상담제목의 주요 키워드분석, 연관어분석을 실시하였으며 현장클리닉은 상담사례처럼 분야가 구분되어 있기는 하나 사례가 212건에 불과하므로 분야별 빈도분석을 실시하지 않고 키워드분석만 실시하였다.
- 상담질문의 시계열분석을 위해 기간을 3분하여 해당 기간별 핵심 키워드의 추세를 다음과 같이 워드클라우드와 Bar차트로 시각화하였다.
- 연구는 크게 상담사례 제목 분석과 현장클리닉 제목 분석으로 구분하여 수행하였다. 상담상례 제목 분석은 다시 각 사례들의 상담 분야별 빈도분석과 상담제목의 주요 키워드분석, 연관어분석을 실시하였으며 현장클리닉은 상담사례처럼 분야가 구분되어 있기는 하나 사례가 212건에 불과하므로 분야별 빈도분석을 실시하지 않고 키워드분석만 실시하였다.
대상 데이터
- 1과 같이 비즈니스지원단의 온라인 사이트의 ‘상담·현장클리닉’ 메뉴에 게재된 VOC(Voice of Customer) 제목에 대해 ‘저장된 문서를 수집하고 검색 대상의 색인으로 포함시키는 기술’인 크롤링(Crawling) 을 하여 Excel파일로 저장하고 R프로그램에서 인터프리터 방식으로 불러들인 후 애로 해소 지원 서비스의 요구 분석과 추세분석을 실시하였다[15]. 2018년 3월 25일 현재 기준으로 게재되어 있는 연구대상 상담사례의 질문은총 7,226건이었으며 현장클리닉 사례 질문은 212건이었다.
- 본 연구의 대상은 중소벤처기업부가 운영하고 있는 비즈니스지원단의 온라인 사이트 내의 게시판이며 주소는 www.bizinfo.go.kr이다[14]. 비즈니스지원단은 변호사, 관세사, 변리사, 경영ㆍ기술지도사 등의 전문가 1,500여 명이 등록된 전문가 풀(Pool)이다.
- 2. 상담질문의 키워드 시계열분석과 동일하게 수행하였으나 분석대상 사례가 212건으로 상담사례보다 상대적으로 데이터수가 적었고 또한 시기별 분석을 실시하기에는 데이터의 분포가 적합하지 않아(2009년 39건, 2010년 116건, 2011년 42건, 2016년 9건, 2017년 6건) 기간별 구분 분석은 실시하지 않았다.
- 상담질문의 핵심 키워드에 대한 기간별 시계열 분석은 Table 1과 같은 절차에 의하여 행하였다. 시계열분석을 위해 분석기간인 2009년부터 2018년까지의 10개년을 2009-2011, 2012-2015, 2016-2018 등과 같이 3개 구간으로 구분하였다.
데이터처리
- 11개 상담분야로 구분되어 있는 상담사례는 1단계로 상담게시판의 질문을 모두 크롤링하여 분석데이터로 가져 온 후 2단계에서 R을 활용하여 Fig. 2와 같은 코딩으로 빈도분석을 실시하였고 3단계에서 연도별 순위를 추출하였다.
- 전체 상담질문에 대해서는 연관분석도 실시하였다. 연관분석은 네트워크 분석 방법 중 하나로써, 주요 키워드 (단어)들의 근접 출현 정보를 이용하여 단어(키워드)간의 관련성을 분석하여 핵심적인 역할을 하는 키워드를 추출하고 텍스트 내에서의 단어 간 연결 관계를 분석하는 것이다[17].
이론/모형
- 빅데이터는 정형 데이터 뿐 만 아니라 스키마와 메타 데이터를 포함하는 반정형 데이터와 텍스트, 이미지, 동영상, 음성 등과 같이 구조화되지 않은 비정형 (unstructured)데이터를 포함한다. 비정형데이터 마이닝은 Text Mining, Opinion Mining, Network Analysis등의 기법을 사용하여 실시한다[6].
성능/효과
- 둘째, 법무 분야의 상담 요구 빈도는 10년간 시종일관 낮게 나타났다.
- 2009년~2011년인 3개년 간 분석결과는 Fig. 7과 Fig. 8 에서와 같이 ‘지원’, ‘절차’, ‘마케팅’, ‘인증’, ‘등록’, ‘수출’ 등의 빈도수가 가장 많았다.
- 본 연구에서는 선행연구에서와 같이 제4차 산업혁명 시대가 급속히 진전되는 시점에서 기존의 분석 틀인 정형적 데이터 분석과 아울러 비정형데이터 분석을 실시하면 정책수립의 효과성과 효율성을 제고할 수 있다는 것을 확인할 수 있었다. 따라서 본 연구의 가장 큰 성과로는 정부에 대한 중소기업의 기대와 요구 사항이 증가하고 있는 시점에서 중소기업 지원시책의 중요한 정책 중의 하나인 비즈니스지원단의 온라인 사이트에 상담사례만을 나열하는 식으로 게시할 것이 아니라 실시간으로 빅데이터 분석을 실시하고 그 결과를 운영에 반영한다면 중소기업의 상담요구에 보다 더 신속하고 정확한 대응을 할 수 있으리라는 시사점을 도출한 것이 라고 할 수 있다.
- 본 연구에서는 선행연구에서와 같이 제4차 산업혁명 시대가 급속히 진전되는 시점에서 기존의 분석 틀인 정형적 데이터 분석과 아울러 비정형데이터 분석을 실시하면 정책수립의 효과성과 효율성을 제고할 수 있다는 것을 확인할 수 있었다. 따라서 본 연구의 가장 큰 성과로는 정부에 대한 중소기업의 기대와 요구 사항이 증가하고 있는 시점에서 중소기업 지원시책의 중요한 정책 중의 하나인 비즈니스지원단의 온라인 사이트에 상담사례만을 나열하는 식으로 게시할 것이 아니라 실시간으로 빅데이터 분석을 실시하고 그 결과를 운영에 반영한다면 중소기업의 상담요구에 보다 더 신속하고 정확한 대응을 할 수 있으리라는 시사점을 도출한 것이 라고 할 수 있다.
- 상담분야별 빈도분석 결과 Fig. 3에서와 같이 상담사례 총 7,226건 중 창업에 관한 상담이 1,331건(18.42%)으로 가장 많았으며 경영전략, 인사노무, 금융 등이 2위에서 5위를 차지했다. 한편 법무와 정보화, 수출입 등에 관한 상담이 가장 적은 순서였는데 법무에 관한 상담이 상대적으로 적은 것은 법무부가 ‘법무부 9988 중소기업법률지원단(www.
- 본 연구에서는 다음과 같은 결론을 얻을 수 있었다. 첫째, 상담카테고리 중 경영전략과 인사노무 분야는 10년간 빈도수 순위가 4위권 이하로 내려간 적이 없으므로 이 분야에 대한 상담과 현장클리닉을 강화해야 할 것이다. 둘째, 법무 분야의 상담 요구 빈도는 10년간 시종일관 낮게 나타났다.
후속연구
- 넷째, 온·오프라인에서 이루어지는 상담 사항에 대해 수시로 빅데이터 분석을 실시하여 상담카테고리를 업데이트할 필요가 있다.
- 첫째, 비즈니스지원단의 인적자원 구성, 보유 자격증 분포 등에 대한 분석을 실시하지 못하였으므로 기술과 정보화 등의 분야에 대한 상담사례가 저조한 것이 상담 전문 인력 부족에 의한 것은 아닌지에 대한 문제를 명쾌히 규명하지 못하였다. 둘째, 상담빈도수가 급증한 분야나 키워드에 대한 원인이 되는 사상을 찾아 인과관계를 밝히는 연구를 실시하지 못하였다. 셋째 ‘법무부 9988 중소기업법률지원단 사이트와의 운영 효율성에 대한 비교분석은 수행하지 못하였다.
- 셋째 ‘법무부 9988 중소기업법률지원단 사이트와의 운영 효율성에 대한 비교분석은 수행하지 못하였다.
- 셋째, 상담질문의 키워드 시계열분석 결과에서 ‘지원’이라는 키워드의 빈도수가 공통적으로 높게 나타났으므로 각종 세제지원, 정책자금지원 등과 같은 내용을 FAQ로 재구성하여 공지하는 것이 필요할 것이다.
- 정부의 정책과 제도 혹은 시설 운영에 대해 몇몇 빅데이터 분석도 수행되었지만 비즈니스지원단의 상담사례를 분석하는 것은 중소기업의 애로사항을 신속하게 해결한다는 관점에서 매우 중요한 연구라고 할 수 있다. 즉, 비즈니스지원단의 온라인사이트를 빅데이터 분석기법에 의해 분석하고 빅데이터 분석의 효과인 즉시성을 활용한다면 예산집행 효율성과 지원단 운영의 효과를 극대화할 수 있을 것으로 보인다. 이와 같은 배경에서 본 연구는 비정형 데이터인 비즈니스지원단의 온라인 상담질문에 대해 R프로그램으로 빅데이터 분석을 실시하고 상담 요구 항목을 분석하여 향후 온라인 상담사업의 효율성 제고와 효과적인 운영 방향에 대한 정책적 시사점을 도출하고자 수행하였다.
- 한편 본 연구는 이러한 성과와 아울러 몇 가지 한계점을 가지고 있다. 첫째, 비즈니스지원단의 인적자원 구성, 보유 자격증 분포 등에 대한 분석을 실시하지 못하였으므로 기술과 정보화 등의 분야에 대한 상담사례가 저조한 것이 상담 전문 인력 부족에 의한 것은 아닌지에 대한 문제를 명쾌히 규명하지 못하였다. 둘째, 상담빈도수가 급증한 분야나 키워드에 대한 원인이 되는 사상을 찾아 인과관계를 밝히는 연구를 실시하지 못하였다.
- 향후에는 PAJEK, UCINET과 같은 다양한 분석기법을 활용하고, 이를 통해 중소기업 비즈니스지원단의 지원업무에 있어서 어떻게 고객별 세분화에 따른 타깃 마케팅을 할 것인가, 어떻게 상담수요를 예측하여 적합한 서비스를 제공할 것인가, 어떻게 고객의 상담 요구 활동을 활성화시킬 것인가 등에 대한 연구를 수행할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.