[논문]빅데이터 기반 대학생 학자금 대출 현황 분석

김정준; 장성준; 이용수

doi:10.7236/jiibc.2019.19.5.229

초록
AI-Helper

한국장학재단에서 학자금 대출제도가 시행되기 전에는 은행 등 금융회사를 통해 학자금 대출제도가 시행되고 있었지만, 한국장학재단 설립된 이후는 재단이 직접 학자금을 대출함으로써 정부의 역할은 강화되었다. 하지만, 학자금 대출의 상환실적이 저조하여 향후 학자금 대출의 상당한 부실과 정부의 재정적 부담이 우려되고 있다. 더구나 학자금 대출은 저소득층 지원을 위하여 대학을 졸업한 이후에도 상환이 이루어지기 때문에 채무자의 향후 취업률과 소득수준이 개선되지 않는 한 학자금 대출의 상환율이 개선될 가능성은 매우 희박하다. 본 논문에서는 빅데이터 기반 시스템에서 수집, 저장, 처리, 분석 단계를 거쳐 학자금 대출의 상환 금액을 최종 시각화 그래프를 표현하였다. 이는 학자금 대출에 대한 금액을 눈으로 확인하여 현재 학자금 대출제도에 대한 부담을 줄일 방안을 다양하게 생각해 낼 수 있는 근거자료가 될 수 있다.

Abstract ▼ AI-Helper

Before the scholarship loan system was implemented at the Korea Scholarship Foundation, the government's role was strengthened by the direct lending of student funds to banks and other financial institutions. However, the low repayment performance of student loans has raised concerns over the future...

Before the scholarship loan system was implemented at the Korea Scholarship Foundation, the government's role was strengthened by the direct lending of student funds to banks and other financial institutions. However, the low repayment performance of student loans has raised concerns over the future of student loans and the government's financial burden. Moreover, since student loans are repaid even after graduating from college to support low-income families, it is highly unlikely that the repayment rate of student loans will improve unless the employment rate and income level of the borrower improve. In this paper, the final visualization graph is presented of the repayment amount of the student loan through the collection, storage, processing and analysis phase in the Big Data-based system. This could be the basis for visually checking the amount of student loans to come up with various ways to reduce the burden on the current student loan system.

Keyword

표/그림 (17)

그림 그림 1. Sandbox 공유 폴더 마운트 Fig. 1. Mount Sandbox Shared Folders
그림 그림 2. 리눅스에서 하둡으로 파일 이동 Fig. 2. Move files from Linux to Hadoop
그림 그림 3. 하이브에서 테이블 생성 Fig. 3. Create Table in Hive
그림 그림 4. HDFS 데이터를 Hive로 입력 Fig. 4. Enter HDFS data as Hive
그림 그림 5. 하이브에 저장된 데이터를 Select 결과 Fig. 5. The result of selecting the data stored in the Hive
그림 그림 6. 원하는 데이터만 다른 테이블로 저장 Fig. 6. Save only the desired data to a different table
그림 그림 7. 새로 정제한 테이블 데이터를 리눅스로 이동 Fig. 7. Move newly purged table data to Linux
그림 그림 8. 최종 정제된 데이터 Fig. 8. Final Refined Data
그림 그림 9. 대학소재지 데이터프레임 코드 Fig. 9. Code of data frames at university site
그림 그림 10. 대학소재지 통합 상환 파일 Fig. 10. University Location Integrated Payback File
그림 그림 11. 주민등록상 통합 상환 파일 Fig. 11. Integrated repayment file for resident registration
그림 그림 12. 주민등록지 기준 금액 코드 Fig. 12. code of the amount based on the resident registration site
그림 그림 13. 주민등록지 기준 금액 막대그래프 표현 Fig. 13. Bargraph of the amount based on the resident registration site
그림 그림 14. 대학소재지 기준 금액 막대 그래프 표현 Fig. 14. Bargraph of the amount based on University Location
그림 그림 15. 최근 5년간 주민등록지 기준 금액 코드 Fig. 15. Code for the amount based on the resident registration site for the last five years
그림 그림 16. 주민등록지 기준 평균 금액 원형 그래프 표현 Fig. 16. Average amount based on resident registration paper circular graph representation
그림 그림 17. 대학소재지 기준 평균 금액 원형 그래프 표현 Fig. 17. Average amount of money based on university site circular graph representation

AI 본문요약
AI-Helper

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

문제 정의

학자금 대출을 이용한 대학생들은 졸업할 경우 큰 금액의 빚을 지고 사회생활을 시작해야 하는 부담이 있다. 이에 본 논문에서는 학자금 대출 현황을 분석하여 대학생들을 대상으로 부담을 줄일 방안을 모색한다. 학자금대출 현황 데이터는 공공 데이터 포털(www.

제안 방법

다양한 운영체제(윈도우, 유닉스, 리눅스, 맥 등)에서 구동이 가능해 접근성이 편리하며, 빅데이터 플랫폼에서 제공하는 다양한 도구들과 연동하여 데이터를 손쉽게 불러오고, 현재 많이 사용되는 정형 데이터베이스 중 하나인 MySQL과 연동을 통한 데이터 분석 및 시각화가 가능하기 때문에 본 논문에서 분석 프로그램으로 R Studio를 사용하였다[9].
수집한 데이터는 일반 상환과 취업 후 상환이 있으며 세부적인 기준으로 대학소재지와 주민등록상 거주지로 나뉜다. Hive를 사용한 처리 과정을 수행하기 위해 윈도우에 있는 csv파일을 리눅스로 이동시킨 후 하둡 공간 내부로 복사하였다. 처리 과정을 통해 필요한 데이터 컬럼만 골라내 테이블을 구성, 새로운 파일로 저장하였다^[1].
Hive를 사용한 처리 과정을 수행하기 위해 윈도우에 있는 csv파일을 리눅스로 이동시킨 후 하둡 공간 내부로 복사하였다. 처리 과정을 통해 필요한 데이터 컬럼만 골라내 테이블을 구성, 새로운 파일로 저장하였다^[1].
다음 단계는 상세한 분석 및 표현 작업을 위해 Windows 환경에서 R Studio를 사용하였다. 위에서 말한 일반 상환과 취업 후 상환으로 나뉘어 있는 두 가지 데이터를 통합하는 작업을 비롯하여 필요한 데이터로 정제하는 작업들을 다수 거친 후, 쉽게 알아볼 수 있도록 그래프를 통한 도식화를 진행하여 결과물을 도출하였다^[2].
윈도우에 수집한 데이터가 있는 data 디렉토리와 Sandbox내의 /mnt/share 디렉토리를 마운트 하여 데이터를 HDFS로 전달할 작업을 진행하였다.
대학소재지 및 주민등록지 통합 상환 파일을 이용하여 막대그래프을 이용하여 연도별 통합 금액을 확인하였으며, 코드는 그림 12와 같다.
학자금 대출을 받는 유형은 일반 상환과 취업 후 상환 두 가지로 분류된다. 두 유형을 합쳐 지역별 학자금 대출 현황을 분석하였다. 지역별로 분석할 경우 주민등록상 거주지와 대학소재지 현황으로 분리하여 분석하였다.
두 유형을 합쳐 지역별 학자금 대출 현황을 분석하였다. 지역별로 분석할 경우 주민등록상 거주지와 대학소재지 현황으로 분리하여 분석하였다.

대상 데이터

수집한 데이터는 일반 상환과 취업 후 상환이 있으며 세부적인 기준으로 대학소재지와 주민등록상 거주지로 나뉜다.
이에 본 논문에서는 학자금 대출 현황을 분석하여 대학생들을 대상으로 부담을 줄일 방안을 모색한다. 학자금대출 현황 데이터는 공공 데이터 포털(www.data.go.kr)에서 수집하였다.
본 논문에서 분석 하고자하는 학자금 대출 현황의 데이터는 공공 데이터 포털에서 조회후 다운로드하여 수집하였다. 수집된 데이터는 2015년에 업로드된 학자금 대출 통계정보이며, URL은 다음과 같다.
본 논문에서 분석 하고자하는 학자금 대출 현황의 데이터는 공공 데이터 포털에서 조회후 다운로드하여 수집하였다. 수집된 데이터는 2015년에 업로드된 학자금 대출 통계정보이며, URL은 다음과 같다.
수집한 데이터는 주민등록상 거주지(일반 상환, 취업 후 상환), 대학소재지(일반 상환, 취업 후 상환) 4가지의 csv 파일을 이용하였다.

데이터처리

마지막 ‘분석’은 R studio를 이용하여 최종 결과물 데이터를 보다 쉽게 이해할 수 있도록 그래프로 도식화 하였다.

이론/모형

본 논문에서 활용한 Hortonwork SandBox의 버전은 2.1이며, 수집에 필요한 스쿱(Sqoop), 플룸(Flume), 저장에 필요한 하둡(Hadoop), 처리에 필요한 피그, 하이브(Pig, Hive) 등 다양한 오픈소스 도구를 하나로 묶어 실행만 하면 손쉽게 빅데이터 플랫폼을 사용할 수 있다[6-7].

성능/효과

1) university_location_job/nor 변수에 최종 정제된 대학소재지 취업 후 상환, 일반 상환 두 파일을 변수에 저장한다. 2) university_location 변수에 취업 후 상환, 일반 상환 두 테이블을 통합한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	R Studio의 장점은 무엇인가?	분석에 사용한 프로그램은 R Studio를 사용하였으며, R은 오픈소스로 이루어져 무료로 사용이 가능하고, 다양한 라이브러리를 지원하기 때문에 대규모 데이터의 분석 결과를 직관적으로 이해할 수 있는 시각화 기능이 뛰어나다[8].
	빅데이터의 처리과정은 무엇으로 구성되는가	빅데이터의 처리과정은 대체적으로 수집, 저장, 처리, 분석 및 시각화 5단계로 구성되며, 각 단계 마다 오픈 소스로 이루어진 파일을 다운로드 받아 사용 하고자 하는 PC의 환경에 맞추어 설치가 진행된다. 하지만, 기본적인 컴파일 단계나 환경설정의 어려움을 느끼는 사용자를 위해 Hortonwork에서 제공하는 Sandbox를 사용하면 편리하게 빅데이터의 처리과정 중 수집, 저장, 처리 단계를 이용할 수 있다[5].
	공공 데이터 포털이 제공하는 정보는 무엇이며, 어떠한 사이트인가?	공공 데이터 포털은 국가기관, 지방자치단체, 공공기관 등이 법령 등에서 정하는 목적을 위하여 생성 또는 취득하여 관리하고 있다. 데이터베이스, 전자화된 파일 등 광(光) 또는 전자적 방식으로 처리된 공공 데이터를 민간에 제공함으로써, 민간 활용을 통한 신규 비즈니스와 일자리 창출, 국민편익을 향상하기 위한 사이트이다[3-4].

참고문헌 (9)

Ashish Thusoo, Joydeep Sen Sarma, Namit Jain, Zheng Shao, Prasad Chakka, Suresh Anthony, Hao Liu, Pete Wyckoff, Raghotham Murthym, "Hive: a warehousing solution over a map-reduce framework", Proceedings of the VLDB Endowment, Vol. 2, No. 2, pp. 1626-1629, Aug 2009. DOI: https://doi.org/10.14778/1687553.1687609

상세보기
Yeoung-Eun Yang, "The Study of repayment burdens of student loan program guaranteed by government and Income Contingent Loan by University Type and Income Level", Department of Education The Graduate School of Ewha Womans University, pp. 1-107, Jan 2011.
Man-Jai Lee, "Big Data and the Utilization of Public Data", Internet and information Security, Vol. 2, No. 2, pp. 47-64, Nov 2011.
Hyo-Jin Song, Sung-Soo Hwang, "Seeking Strategies for Local Goverments to Prepare for Public Data Act", The Korean Association for Regional Information Society, Vol. 17, No. 2, pp. 1-28, June 2014.
Jeong-Joon Kim, Kwang-Jin Kwak, Don-Hee Lee, Yong-Soo Lee, "Study of Trust Bigdata Platform," Journal of The Institute of Internet, Broadcasting and Communication, Vol. 16, No. 6, pp. 225-230, Dec, 2016. DOI: https://doi.org/10.7236/JIIBC.2016.16.6.225

원문보기 상세보기
HortonWorks Data Platform (HDP) Support, https://ko.hortonworks.com/services/support/enterprise/
HortonWorks HDP 2.1 Introduction Component, https://ko.hortonworks.com/licenses/
Hadley Wickham, "Advanced R", http://adv-r.had.co.nz/
Jeffrey S. Racine, "R Studio: A Platform-Independent IDE for R and Sweave", Journal of Applied Econometrics, Vol. 27, No. 1, pp. 167-172, Oct 2011. DOI: https://doi.org/10.1002/jae.1278

상세보기

이 논문을 인용한 문헌

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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

[국내논문] 빅데이터 기반 대학생 학자금 대출 현황 분석
Analysis of Current Situation of University Student Loans Based on Bigdata 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

Keyword

표/그림 (17)

표/그림 (17)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

활용도 분석정보

활용도 Top5 논문

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 빅데이터 기반 대학생 학자금 대출 현황 분석 Analysis of Current Situation of University Student Loans Based on Bigdata 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

Keyword

표/그림 (17) 모든 표/그림 보기

표/그림 (17) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

김정준 (39)

활용도 분석정보

활용도 Top5 논문 더보기

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 빅데이터 기반 대학생 학자금 대출 현황 분석
Analysis of Current Situation of University Student Loans Based on Bigdata 원문보기

초록
AI-Helper

표/그림 (17)

표/그림 (17)

AI 본문요약
AI-Helper

활용도 Top5 논문