[논문]빅데이터 분류 기법에 따른 벤처 기업의 성장 단계별 차이 분석

정병호

doi:10.17662/ksdim.2019.15.4.197

빅데이터 분류 기법에 따른 벤처 기업의 성장 단계별 차이 분석
The Difference Analysis between Maturity Stages of Venture Firms by Classification Techniques of Big Data 원문보기

디지털산업정보학회논문지 = Journal of the Korea Society of Digital Industry and Information Management, v.15 no.4, 2019년, pp.197 - 212

정병호 (한국외국어대학교 경영정보학과)

Abstract ▼ AI-Helper

The purpose of this study is to identify the maturity stages of venture firms through classification analysis, which is widely used as a big data technique. Venture companies should develop a competitive advantage in the market. And the maturity stage of a company can be classified into five stages. I will analyze a difference in the growth stage of venture firms between the survey response and the statistical classification methods. The firm growth level distinguished five stages and was divided into the period of start-up and declines. A classification method of big data uses popularly k-mean cluster analysis, hierarchical cluster analysis, artificial neural network, and decision tree analysis. I used variables that asset increase, capital increase, sales increase, operating profit increase, R&D investment increase, operation period and retirement number. The research results, each big data analysis technique showed a large difference of samples sized in the group. In particular, the decision tree and neural networks' methods were classified as three groups rather than five groups. The groups size of all classification analysis was all different by the big data analysis methods. Furthermore, according to the variables' selection and the sample size may be dissimilar results. Also, each classed group showed a number of competitive differences. The research implication is that an analysts need to interpret statistics through management theory in order to interpret classification of big data results correctly. In addition, the choice of classification analysis should be determined by considering not only management theory but also practical experience. Finally, the growth of venture firms needs to be examined by time-series analysis and closely monitored by individual firms. And, future research will need to include significant variables of the company's maturity stages.

주제어

표/그림 (24)

그림 <그림 1> 제품 및 기업 수명주기 출처: https://marketing-insider.eu/marketing-explained/part-iiidesigning-a-customer-driven-marketing-strategy-and-mix/product-life-cycle-stages
그림 <그림 2> 계층적 군집분석 예시 출처: https://www.datanovia.com/en/lessons/divisive-hierarchical-clustering/
그림 <그림 3> k-평균 군집분석 예시 출처: https://www.brandidea.com/kmeans.html
그림 <그림 4> 의사결정트리 예시 출처: https://www.displayr.com/what-is-a-decision-tree/
그림 <그림 5> 인공신경망 예시 출처: https://medium.com/coinmonks/the-artificial-neuralnetworks-handbook-part-1-f9ceb0e376b4
그림 <그림 6> 연구 프로세스
표 <표 1> 표본의 특성
표 <표 2> 변수의 설명
표 <표 3> 인지된 기업성장 단계 현황
표 <표 4> K-평균 군집 결과
표 <표 5> 계층적 군집분석 결과
표 <표 6> 의사결정트리 분류 예측표
표 <표 7> 의사결정트리 독립변수 중요도
표 <표 8> 의사결정트리 분류결과
표 <표 9>인공신경망 분류 예측표
표 <표 10> 인공신경망 독립변수 중요도
표 <표 11> 인공신경망 분류결과
표 <표 12> 분류 분석별 정리 현황
표 <표 13> 기업성장 단계별 경쟁력 차이 : 인지된 응답
표 <표 14> 기업성장 단계별 경쟁력 차이 : K-평균 군집
표 <표 15> 기업성장 단계별 경쟁력 차이 : 계층 군집
표 <표 16> 기업성장 단계별 경쟁력 차이 : 의사결정 트리
표 <표 17> 기업성장 단계별 경쟁력 차이 : 인공신경망
표 <표 18> 집단별 평균값 비교 현황

질의응답

핵심어	질문	논문에서 추출한 답변
	벤처기업이란 무엇인가?	벤처기업이란 벤처(venture)와 기업(company)의 합성어로 모험적 사업 또는 금전상의 위험을 감수한 사업을 의미한다[6]. 미국에서는 다른 기업보다 상대적으로 사업 위험성은 높으나 성공하면 높은 수익의 기회를 가진 기업이나 벤처캐피탈에서 투자를 받은 기업을 벤처기업으로 보고 있다.
	벤처기업의 목적은 무엇인가?	벤처기업은 새로운 첨단 제품 및 서비스의 아이디어를 사업화를 실현시키고자 하는 목적을 가지고 탄생되는 기업으로서 초기 시장의 안착과 시간이 지남에 따른 안정화가 매우 중요한 요소가 되겠다[6].
	K-평균 군집분석의 동작 방식은?	K-평균 군집분석은 주어진 데이터를 K개의 클러스터로 묶는 알고리즘이다. 각 클러스터와 거리 차이의 분산을 최소화시키는 방식으로 동작한다. 이러한 알고리즘은 자율 학습의 한 형태로서 레이블이 없는 입력 데이터에 레이블을 설정하는 역할을 수행하게 된다[19].

참고문헌 (21)

S. Klaus, The 4th industrial revolution World Economic Forum. New York: Crown Business, 2016.
Laudon, Kenneth C., and Jane P. Laudon. Management information system, Pearson Education India, 2016.
Turban, Efraim, et al. Electronic commerce 2018: a managerial and social networks perspective, Springer, 2017.
Robbins, S. P. and Judge, T., Essentials of organizational behavior, NJ: Prentice Hall, 2012.
Berry, Michael JA, and Gordon S. Linoff. Data mining techniques: for marketing, sales, and customer relationship management. John Wiley & Sons, 2004.
Gompers, Paul Alan, and Joshua Lerner. The venture capital cycle. MIT press, 2004.
Klepper, S. "Entry, exit, growth, and innovation over the product life cycle," The American economic review, 1996, pp.562-583.
Scott, M., & Bruce, R. "Five stages of growth in small business. Long range planning," Vol. 20, No. 3, 1987, pp.45-52.

상세보기
Kazanjian, R. K. "Relation of Dominant Problems to Stages of Growth in Technology-Based New Ventures," Academy of Management Journal, Vol. 31, No. 2, 1988, pp.257-279.

상세보기
Churchill, N. C., & Lewis, V. L. "The five stages of small business growth," Harvard business review, 1983, Vol. 61, No. 3, pp.30-50.
Hesterly, W., & Barney, J. Strategic management and competitive advantage. Upper Saddle River, NJ, 2010.
Chandler, Alfred Dupont. "Strategy and structure: Chapters in the history of the industrial enterprise," Vol. 120, MIT press, 1990.
Gilbert, B. A., McDougall, P. P., & Audretsch, D. B. "New venture growth: A review and extension," Journal of management, Vol. 32, No. 6, 2006, pp.926-950.

상세보기
데이터분석전문가가이드 2016, 한국데이터진흥원
Erevelles, S., Fukawa, N., & Swayne, L. "Big Data consumer analytics and the transformation of marketing," Journal of Business Research, 2016, Vol. 69, No. 2, pp.897-904.

상세보기
Hassani, H., & Silva, E. S. "Forecasting with big data: A review," Annals of Data Science, Vol. 2, No. 1, 2015, pp.5-19.

상세보기
Cao, L. "Data science: a comprehensive overview," ACM Computing Surveys (CSUR), 2017, Vol. 50, No. 3, pp.43:1-43:42.
Gandomi, A., & Haider, M. "Beyond the hype: Big data concepts, methods, and analytics," International journal of information management, Vol, 35, No. 2, 2015, pp.137-144.

상세보기
Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. Multivariate data analysis, 2006.
2017년 벤처기업정밀실태조사 - 중소벤처기업부
정병호, 김병초, "빅데이터 분석의 역량 강화를 위한 거꾸로 교실 설계 연구," 디지털산업정보학회 논문지, 제13권, 제2호, 2017, pp.127-145.

원문보기 상세보기

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