보고서 정보
주관연구기관 |
(사)한국고객관계관리협회 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 |
한국어
|
발행년월 | 2014-12 |
과제시작연도 |
2014 |
주관부처 |
미래창조과학부 Ministry of Science, ICT and Future Planning |
등록번호 |
TRKO201500006278 |
과제고유번호 |
1711021423 |
사업명 |
방송통신정책연구 |
DB 구축일자 |
2015-06-13
|
초록
▼
4. 연구 내용 및 결과
1) 민간기업의 빅데이터 활용현황 조사
○ 민간기업의 빅데이터 활용분야
민간기업이 경영활동을 함에 있어 빅데이터의 활용분야는 생산운영, 회계·재무, 인적자원관리, 공급망관리, 신규 비즈니스 모델 개발, 연구개발, 영업, 그리고 마케팅에 이르기까지 매우 폭넓을 것으로 기대되고 있다. 그 가운데 마케팅적 활용에 대한 비중이 단연 높은 것으로 확인된다. 마케팅 영역 중에서도 개별 고객에게 맞춤화된 서비스를 제공하고자 하는 CRM 분야의 활용 및 향후 활용전망은 매우 높은 것으로 나타나고 있다. 예
4. 연구 내용 및 결과
1) 민간기업의 빅데이터 활용현황 조사
○ 민간기업의 빅데이터 활용분야
민간기업이 경영활동을 함에 있어 빅데이터의 활용분야는 생산운영, 회계·재무, 인적자원관리, 공급망관리, 신규 비즈니스 모델 개발, 연구개발, 영업, 그리고 마케팅에 이르기까지 매우 폭넓을 것으로 기대되고 있다. 그 가운데 마케팅적 활용에 대한 비중이 단연 높은 것으로 확인된다. 마케팅 영역 중에서도 개별 고객에게 맞춤화된 서비스를 제공하고자 하는 CRM 분야의 활용 및 향후 활용전망은 매우 높은 것으로 나타나고 있다. 예컨대, 액센추어의 2014년 조사 “Big Success With Big Data”를 보면, 현재 기업이 빅데이터를 활용하고 있는 영역으로 고객 행동분석이 57%를 차지하였으며, 향후 5년간 빅데이터가 가장 많은 영향을 미칠 것으로 예상되는
영역으로 CRM이 63%로 가장 높게 조사된 바 있다.
○ 빅데이터의 마케팅적 활용 사례
빅데이터의 활용은 크게 전통적인 마케팅과 CRM 두 가지 축으로 나뉘어지고, 전통적인 마케팅 분야에서는 소셜 미디어와 같은 비정형 데이터 분석을 통한 시사점 도출에 좀더 집중되어 있는 반면, CRM 분야에서는 고객의 개인별 거래이력에 비정형 데이터를 접목하여 보다 정교하고 풍부한 고객 시사점을 도출하는데 초점을 두고 있음을 확인하였다.
○ 국내 기업의 고객 빅데이터 인식 및 활용 전망
국내 기업의 고객 빅데이터 인식 및 활용 전망에 대하여 CRM이 고도화 되어 있는 민간기업들의 실무자들을 대상으로 심층면접 방식으로 조사한 결과, 기업 규모 및 업종을 불문하고 민간기업들의 고객 빅데이터 활용을 활성화하기 위해 극복되어야 하는 것으로는 1) 개인정보보호법에 저촉되지 않으면서, 고객 빅데이터를 활용할 수 있는 수준과 범위에 대한 정부의 명확한 가이드라인 제시, 2) 고객 빅데이터를 활용한 다양한 민간기업 성공사례의 범지식화, 3) 빅데이터 활용측면에서 중소기업이 소외되지 않도록 하는 정부의 시스템적, 인적 투자 지원 등이 필요한 것으로 확인되었다.
○ 빅데이터 활용과정에서 현행법 위반 사례
KT소디스, 하나로텔레콤, 약학정보원, 홈플러스 사례를 집중적으로 살펴본 결과, 다른 나라에서는 별다른 문제없이 이루어지고 있는 CRM/마케팅 관련 사업이 국내에서는 수난을 겪고 있고, 그 중 일부는 법원에서 무혐의가 인정되어 사업을 계속할 수 있음에도 부도덕한 기업으로 인식되어 더 이상 사업을 진행하지 못하고 포기하거나, 여전히 적법과 불법의 경계가 애매하여 법적 리스크를 감당하지 못하고 사업을 접은 경우들이 있음을 확인하였다. 이 같은 상태가 계속 방치될 경우 국내 빅데이터 시장은 해외 기술에 의존할 수밖에 없게 될 것이다.
2) 개인정보보호 관점에서의 고객 빅데이터 활용 기술
○ 빅데이터의 위험유형과 개인정보보호
빅데이터로 초래할 수 있는 위험의 유형은 기술적, 인적, 법/제도적, 경제적, 사회문화적 위험으로 구분할 수 있다. 그 가운데 가장 정책적으로 대응이 필요한 영역은 기술적 위험 중 해킹과 사이버테러, 개인정보(프라이버시) 침해인 것으로 조사되었다. 프라이버시 침해 위험은 그 피해의 범위가 일반시민들 중 상당수에 미치고, 이미 우리 국민들이 여러 형태로 개인정보 유출 사건에 노출된 현 상황을 감안할 때, 정부에 대한 신뢰와 기업신뢰에 직결될 수 있다는 점에서 더욱 정책적 중요성을 갖는다고 볼 수 있다.
○ 빅데이터 활용 기술과 위험
빅데이터를 수집, 분석, 활용하는 과정에서 요구되는 기술들과 각 단계별 개인정보 및 프라이버시 침해 위험요인을 살펴보았다. 그 결과, 사실상 기술 그 자체가 개인정보 유출 위험도를 내포하고 있는 것이 아니라, 각 단계에서 필요 기술을 활용함에 있어서 프라이버시를 침해하거나 개인정보를 유출할 수 있는 관리적 측면의 요인이 존재함을 확인하였다. 이에 본 연구에서는 사용자 인증, 접근제어, 암호화 등의 데이터 보안 적용 기술과 대용량 개인정보 관리 모델의 활용을 제시하였다.
○ 비식별화·익명화 기술과 재식별화 방지 기술
비식별화·익명화는 개인정보보호법의 중요 원칙 중 하나로 익명처리가 가능한 경우 익명화하도록 하고 있다. 한편, 익명화된 정보는 기존의 식별정보와 결합하거나 혹은 비식별적인 익명화 정보 간의 분석 및 결합을 통해 재식별화(Re-identification) 과정을 거쳐 식별정보가 될 수 있는 위험을 항상 내포하고 있다.
이에 본 연구에서는 빅데이터의 비식별화·익명화 기술 및 재식별화를 방지하는 대표적 기술인 데이터 마스킹 기술, 가명처리, 범주화, 데이터 값 삭제 등을 살펴보고, 이와 더불어 빅데이터 환경에서 고려되어야 할 익명화 기술로서, 데이터 공개를 위한 트랜잭션 데이터 익명화 기술과 소셜 네트워크 데이터의 익명화 기술, 고객 일대일 마케팅을 위한 이메일 접촉시 개인정보보호를 위한 주소 익명화 시스템, 그리고 재식별화 방지 기술을 소개하였다.
○ 데이터의 연동·연계, 마이닝 및 프로파일링
빅데이터의 활용을 위해서 반드시 필요한 데이터의 연동·연계, 마이닝 및 프로파일링의 개념을 설명하고, 개인정보보호 관점에서 마이닝 및 프로파일링의 기준 및 한계를 제시하였다.
3) 고객 빅데이터 유형화
○ 고객 빅데이터의 정의
최근의 빅데이터 정의는 빅데이터의 가치와 활용효과 측면으로 확대되는 추세에 있어, ‘미래사회의 현안을 해결하는 신 가치창출 엔진 또는 신 부가가치 창출영역’으로서, 방대한 양의 데이터와 이를 수집하고 저장하고 분석하고 관리하는 기술과 더불어 이것이 창출해내는 비즈니스적 가치 또는 공익적 가치까지를 모두 포괄하는 방향으로 변화하고 있다(채승병 2011).
이에 본 연구에서는 빅데이터를 3V 속성을 갖는 데이터의 관점 보다는 방대한 양의 데이터에 기반한 비즈니스 가치 창출의 관점을 수용하여, ‘고객 빅데이터’를 CRM 마케팅을 위해 기업이 활용하는 기업 내외부에 존재하는 정형/비정형 데이터라 정의하였다. 고객 빅데이터를 범용적인 빅데이터와 구분하는 이유는 개인정보보호가 첨예하게 문제가 되는 영역에 초점을 둠으로써 개인정보보호와 더불어 민간기업의 빅데이터 활용활성화를 도모할 수 있는 정책입안에 도움을 줄 수 있는 방향을 모색하기 위함이다. 예컨대 공공개방 빅데이터는 개인정보 보호 이슈와 무관한 빅데이터에 해당한다. 반면, 고객 빅데이터는 기업이 소비자의 정보를 수집하고, 소비자 등도 이러한 사실을 인식한 상태에서 제공한 개인정보 뿐 아니라, 소비자 등이 기업에게 제공한다고 인식하지 않는 상태에서 데이터가 형성되는 경우를 모두 포괄한다. 예를 들어 쇼핑몰 회원 가입을 위해 제공하는 이름, 연락처, 이메일, 주소 등은 소비자 스스로 기업에게 제공한 사실을 인식할 수 있는 정보이지만, 쇼핑몰에서의 구매 내역 등은 소비자가 기업에게 제공하고 있다고 인식하지 않는 상태에서 데이터가 형성되는 경우가 많다. 또 상당수의 빅데이터는 클라우드 서비스를 통해 수집됨에 따라, 정보제공자의 의사와 관계없이 수집되는 경우가 많다. 이렇게 수집된 정보를 기업이 특정한 ‘애널리틱스(analytics)'를 이용하여 유용한 정보를 추출하는 것이 기존의 ‘개인정보'와도 다를 뿐 아니라, 개인정보를 포함하지 않는 공공 빅데이터와도 분명히 다르다.
○ 고객 빅데이터 유형화의 필요성
유형화(typology)는 복잡한 현상을 제한된 수의 속성을 가지고 체계적으로 정리하는 이론적, 경험적으로 도출된 개념(Lehnert 2007)으로서, 유사한 개념으로는 일정한 기준에 따라서 대상을 나누거나 묶어 복잡한 현상이나 사건을 보다 쉽게 이해하고 분석하며 해결할 수 있도록 하는 분류 또는 분류체계의 정립(classfication)이 있다. 정보기술이 급격히 발전하고 데이터의 복잡성이 갈수록 증가하는 상황에서 유형화는 데이터의 구조와 체계를 정의하고, 관리지침의 수립 방향을 제시해 준다는 점에서 그 중요성이 인식되어 왔다.
빅데이터는 해당 데이터로부터 유의미한 정보를 추출하여 활용하는 것을 말한다. 쇼핑몰에서 물건을 구매한 내역 그 자체가 중요한 것이 아니라, 그 정보를 통해 특정 소비자가 향후 어떠한 물건을 구매할 것인지를 예측하고, 이를 마케팅에 활용하는 것이 중요한 것이다. 결국 빅데이터의 활용을 위해서는 엄격하게 보호되어야 할 개인정보와 그렇지 않은 개인정보를 분리하여 규정하는 것이 필요하다. 그러므로, 고객 빅데이터를 활용하여 기업의 경쟁력을 제고하기 위해서는 반드시 고객 개개인의 개인정보가 안전하게 보호되고 있다는 신뢰를 소비자에게 심어줄 수 있어야 하며, 이를 위해서는 고객 빅데이터를 안전하게 활용할 수 있는 기준이 필요하다.
즉, CRM이 고도화되어 있는 업종에서 실제 다루는 고객 빅데이터를 조사하고 이에 기반하여 범용화할 수 있는 고객 빅데이터 유형을 분류하고, 유형별 활용기준을 제시함으로써 기업들이 개인정보를 보호하면서 동시에 유연한 빅데이터 활용을 도모할 수 있는 방안을 모색할 필요가 있다.
○ 고객 빅데이터 유형화 체계
선행연구들에서 제시한 빅데이터 유형 분류 체계의 차용 가능성을 검토하고, 실무자 및 전문가 의견을 종합하여 고객 빅데이터 유형화의 기준을 제시하였다. 데이터의 생명주기 관점에서 볼 때, 개인정보보호법에 의거하여 데이터는 크게 수집과 이용으로 구분할 수 있다. 이에 본 연구에서 제시하는 유형화 틀에서는 유형화의 한 축을 데이터의 수집을 기준으로 하였으며, 다른 한 축은 데이터의 이용을 기준으로 하였다. 데이터의 수집 기준은 데이터가 수집되는 본질적 특성으로서, 그 성격에 따라 기업 내부적으로 관리하는 방식과 정책적 대응 수단을 달리할 수 있다는 점에서 의미를 갖는다. 또 다른 축은 데이터의 이용 기준이다. 이는 기업이 빅데이터를 어떻게 활용하는가를 포괄한다는 점에서 의미가 있다.
데이터 수집 기준으로는 크게 1) 공개된 개인정보, 2) 고객이 기업에 제공한 정보, 3) 이용 내역정보, 4) 새롭게 생성된 정보로 구분하였다. ‘공개된 개인정보’는 ‘이용자 및 정당한 권한이 있는 자에 의해 공개 대상이나 목적의 제한 없이 합법적으로 일반 공중에게 공개된 부호, 문자, 음성, 음향 및 영상 등의 정보로서 생존하는 개인을 식별할 수 있는 정보 및 다른 정보와 쉽게 결합하여 개인을 식별할 수 있는 정보’를 말한다. 이는 공개형 SNS 메시지, 인터넷 게시글과 같이 인터넷, 신문, 방송, 출판물, 그 밖의 매체에 공개되어 있어 누구든지 접근이 가능한 상태에 있는 정보이다. 둘째, ‘고객이 기업에 제공한 정보’는‘정보주체인 고객의 동의 하에 정보처리주체인 기업이 고객으로부터 수집한 정보로서 생존하는 개인을 식별할 수 있는 정보’이다. 대표적으로 이름, 연락처, 주소, 성별, 취미, 월수입 등의 정보 등이 이에 해당한다. 셋째, ‘이용내역 정보’는 기업과 고객의 상호작용에 의해 생성된 정보로 ‘고객이 기업의 제품과 서비스를 이용하는 과정에서 자동으로 발생되는 서비스 이용기록, 인터넷 접속정보, 거래기록 등의 정보로서 생존하는 개인을 식별할 수 있는 정보 및 다른 정보와 쉽게 결합하여 개인을 식별할 수 있는 정보’를 의미한다. 거래 이력, 서비스사용이력, 고객의 소리(Voice of Customer), 홈페이지 로그 데이터 등이 이에 해당한다. 마지막으로, ‘새롭게 생성된 정보’란 ‘정보처리주체인 기업 또는 제3자가 비식별화 조치하여 수집한 공개된 개인정보, 고객이 기업에 제공한 정보 및 이용내역정보 등을 정보처리시스템을 통해 조합·분석하여 새롭게 생성된 정보’를 말한다.
빅데이터 이용 기준으로는 1) 집단 수준의 통계분석 목적, 2) 개인 수준의 통계분석 목적, 3) 1:1 마케팅 활용 목적, 4) 개인 식별 목적으로 구분하였다. ‘집단 수준의 분석 목적’이란 ‘시장 환경, 소비자 선호, 마케팅 성과 평가 등을 위해 개인 수준의 데이터를 집단 수준으로 합친 데이터(aggregated data)를 분석하는 목적’으로, 개인 수준이 아닌 집단 수준의 분석을 수행하기 때문에 개인 식별성이 없는 정보의 특성을 갖는다.
예컨대, 매장별 거래고객의 남녀비율, 상품별 매출 등이 이에 해당한다. 두 번째로 ‘개인 수준의 통계분석 목적’은 ‘개인을 대상으로 맞춤화된 개별 마케팅을 실행하기 위해 개인 수준에서 데이터를 통계 분석하는 목적’으로, 집단 수준이 아닌 개인 수준의 분석을 수행하기 때문에 집단 수준 보다는 개인 식별성이 저감된 정보의 특성을 갖는다. 예컨대, 개인별 선호 상품, 개인별 총 결제금액, 개인별 주거래 점포 등이 이에 해당한다. 셋째, ‘1:1 마케팅 활용 목적’이란 ‘이메일 발송, 문자 발송, 텔레마케팅 등 기업이 고객에게 직접적으로 마케팅 활동을 수행하는데 필요한 개인별 접촉 목적’으로 개인 식별성이 있는 정보의 특성을 갖는다. 이메일, 전화번호, 주소 등이 대표적이다. 마지막으로 ‘개인 식별 목적’은 ‘기업이 고객을 확인하는데 필요한 개인 고유의 식별 목적’으로, ID, 이름, 주민등록번호, 여권번호가 이에 해당한다.
○고객 빅데이터 유형별 위험수준 평가
개인정보 유출시 유발될 수 있는 위험은 대개 데이터 유형 가운데 개인 식별성이 높은 것은 고객이 기업에 제공한 정보 중 1:1 마케팅 목적 정보와 개인 고유 식별정보에 집중되어 있다. 그러므로, 이들은 반드시 비식별화하여 관리되어져야 한다. 반면, 공개된 개인정보, 고객이 기업에 제공한 개인정보, 이용내역 정보, 그리고 새롭게 생성된 정보를 집단 수준으로 분석 목적으로 처리한 정보의 경우에는 비식별화 조치를 한 경우 전혀 개인을 재식별할 수 없기 때문에 개인정보 및 프라이버시 침해로부터 위험이 매우 적을 것으로 평가되었다. 한편, 이들 정보를 개인 수준의 분석 목적으로 처리한 정보의 경우에는 비식별화 조치를 하였더라도 개인을 재식별할 가능성을 전혀 배제할 수 없지만, 이로 인해 심각한 문제가 초래되지는 않을 것으로 판단된다(김형성 2014). 종합컨대, 개인 고유식별 정보 및 접촉 정보에 대해서는 철저한 관리감독 체계가 요구되나, 그 이외의 정보에 대해서는 비식별화 되는 것을 전제로 한다면, 기업의 활용은 물론 데이터 유통을 검토해 볼 수 있다 하겠다.
○고객 빅데이터 유형에 따른 제도적/기술적/활용·관리적 가이드라인
빅데이터를 이용한 집단적 통계분석은 실시간으로 소비자나 국민의 여론을 분석할 수 있어 기업의 마케팅 전략이나 경영판단, 정부의 정책수립이나 예산집행 등에 있어서 매우 유용하지만, 개인 식별성을 완전히 제거해서 이용, 제공하므로 정보주체의 동의를 받을 필요는 없다. 둘째, 개인 수준의 통계분석은 내부적인 활용 목적으로만 빅데이터를 분석하는 경우, 개인별 이름, 주소, 전화번호 등은 알 필요가 없지만, 통계분석의 목적을 달성하기 위하여 대칭코드, 암호키 등을 이용하여 본인 추적성은 남겨두는 경우가 많다. 이 경우 식별 가능성은 현저히 저감된 상태이나 법률상으로는 여전히 개인정보에 해당한다. 따라서 내부 목적으로만 분석했다고 하더라도 현행법상으로는 원칙적으로 목적 외 이용에 대한 동의를 받아야 한다. 그러나 기업 내부에서만 활용할 목적으로 개인화된 통계분석을 시도할 경우, 사생활침해 위험은 그리 크지 않음에 비하여 빅데이터의 생산적 활용가치는 매우 높으므로 일정한 조건 하에 데이터의 자유로운 이용을 보장할 필요가 있다. 셋째, 일대일 마케팅을 위한 정보는 고객의 사생활 보호를 위하여 모든 데이터를 하나의 테이블에 저장하지 않고 이메일, 주소, 연락처 등 개인의 식별성이 드러나는 중요정보이므로 이를 분리해서 별도로 보관하는 방법을 취해야한다. 또한, 궁극적으로 마케팅 목적의 정보 수집. 분석에 대하여 정보주체의 명시적인 동의를 받아야 한다. 마지막으로, 개인 식별 목적의 정보는 고객의 사생활 보호를 위하여 모든 데이터를 하나의 테이블에 저장하지 않고 ID, 비밀번호, 이름, 주민등록번호, 여권번호 등 개인정보는 이를 분리해서 철저하게 비식별화하여 관리해야 한다.
4) 개인정보보호 관련 법제의 발전적 개선방향
○ 프라이버시 패러독스에 대한 고찰
본 장에서는 일반인들이 프라이버시 침해에 대해 매우 민감하면서도 일정 금액 또는 상품으로의 보상물이 제공될 경우에는 자신의 개인정보를 제공할 의사가 유발되는 태도, 즉 프라이버시에 대해 취하는 태도와 행동 사이에 괴리를 설명하는 프라이버시 패러독스에 대해 살펴보았다. 일반인들의 프라이버시 패러독스적 심리를 특정인 혹은 기업이 악용할 경우, 개인들은 쉽게 개인정보 유출 및 프라이버시 침해에 노출될 수 있기 때문에 정부차원의 적극적인 계몽 캠페인이 필요하다.
○ 빅데이터 활용과 관련한 해외 개인정보보호 법제의 비교·분석
개인정보 수집・이용에 있어서 이와 같이 포괄적인 동의원칙(옵트인 정책)을 도입하고 있는 나라는 찾아보기 어렵다. 우리나라와 동일한 옵트인 제도를 도입하고 있는 유럽연합의 경우에도 다섯가지 예외 조항을 통해 정보주체의 동의없이도 개인정보를 수집, 이용, 조합 및 제공할 수 있도록 폭넓은 예외를 인정하고 있어 이를 참고할 필요가 있다.
데이터의 수집・이용·제공시 고지의 경우, 우리나라와 달리 개인정보의 구체적인 수집항목이나 제공받을 사람을 구체적으로 알리지 않아도 되므로 정보주체의 동의를 받는데 문제가 없고 불특정 제3자를 위한 정보 제공도 가능하다.
○ 통계・연구 목적의 개인정보 처리
우리나라 개인정보보호법은 원칙적으로 역사, 통계, 과학연구 목적의 개인정보처리를 허용하고 있지 않다. 다만, 공공기관이 처리하는 개인정보 중 「통계법」에 따라 수집되는 개인정보에 대하여는 개인정보 보호법 제3장부터 제7장까지가 적용되지 아니한다(제58조제1항제1호). 공공기관이 처리하는 개인정보 중 「통계법」에 따라 수집되는 개인정보에 대하여는 개인정보 보호법 제3장부터 제7장까지가 적용되지 아니한다(제58조제1항제1호). 또 개인정보처리자가 개인정보를 통계작성 및 학술연구 등의 목적으로 이용 또는 제공하기 위해서는 특정 개인을 알아볼 수 없는 형태로 개인정보를 제공하는 경우에 한해서 정보주체의 동의가 면제된다(제18조제2항제4호).
그러나 개인정보 보호법상 특정 개인을 알아볼 수 없는 형태로 개인정보를 제공하여야 한다는 것은 결국 개인 식별성을 제거해야 한다는 것을 의미하게 된다. 따라서 국내에서는 집단적 통계분석을 목적으로 한 빅데이터는 가능하지만, 정보주체의 동의를 받는다고 해도 법을 위반하지 않고 개인화된 통계분석을 온전하게 하는 것은 사실상 불가능하다. 반면 유럽연합은 통계 목적이나 연구 목적으로 개인정보를 이용하고자 하는 경우 반드시 해당 정보의 식별성을 제거하지 않더라도 식별성을 저감하는 조치(익명화, 코드화, 희석화 등)를 취하면 동의 없이도 이용·제공이 가능하다. 이에 본 연구에서는 해외 사례를 참고하여 통계・연구 목적의 개인정보처리기준 완화, 개인정보처리 고지·동의 방법 간소화, 개인정보의 결합, 조합, 통합, 연동 등의 제한 등에 대한 법적 개선방향을 제안하였다.
Abstract
▼
4. Research Results
The focal result is related to the typology of customer big data. We defines‘Customer Big Data’as “structural/non-structural customer related data for CRM/marketing which is generated inside/outside of the company”. Customer Big Data covers from customer related data which is
4. Research Results
The focal result is related to the typology of customer big data. We defines‘Customer Big Data’as “structural/non-structural customer related data for CRM/marketing which is generated inside/outside of the company”. Customer Big Data covers from customer related data which is offered by a customer voluntarily to which is collected from a company. We reviewed previous literatures related to big data classification and discussed about possible classification to establish the typology of Customer Big Data.
The typology we suggest has two dimensions: data generation and data usage. In the perspective of data generation, it is classified by 1) personal data released by a customer to the public, 2) personal data offered by a customer to the company, 3) transaction data between a customer and a company, and 4) derivation data for a customer by a company. Otherwise, in the perspective of data usage, it is classified by 1) data analysis and usage at the aggregated level, 2) data analysis and usage at the individual level, 3) 1 to 1 marketing activity, and 4) personal identification.
목차 Contents
- 표지 ... 1
- 제 출 문 ... 3
- 목 차 ... 4
- 표 목 차 ... 8
- 그 림 목 차 ... 10
- 요 약 문 ... 11
- SUMMARY ... 23
- CONTENTS ... 26
- 제1장 서 론 ... 28
- 제1절 연구의 배경 ... 28
- 제2절 연구목표 및 범위 ... 29
- 제2장 민간기업의 빅데이터 활용현황 조사 ... 31
- 제1절 국내기업의 빅데이터 활용전망 및 준비정도 조사 ... 31
- 1. 국내기업의 빅데이터 활용 현황 및 전망 ... 31
- 2. 국내기업의 빅데이터 인식 및 활용 전망 조사 ... 33
- 제2절 고객 빅데이터를 활용한 실제 성공사례 ... 36
- 1. 마케팅 전략 개발 ... 37
- 2. 광고전략 개발 ... 38
- 3. 고객 기반 상품 개발 ... 39
- 4. 고객가치 측정 및 고객 세분화 ... 40
- 5. 고객 맞춤형 상품 추천 서비스 ... 40
- 6. 고객별 맞춤 서비스 개발 ... 41
- 7. 고객 개인별 맞춤 캠페인 활용 ... 41
- 제 3절 빅데이터 활용과정에서 현행법 위반 사례 ... 42
- 1. KT 소디스 사례 ... 42
- 2. 하나로 텔레콤 사례 ... 44
- 3. 약학정보원 사례 ... 46
- 4. 홈플러스 고객정보 매매 사례 ... 47
- 제3장 개인정보보호 관점에서의 고객 빅데이터 활용기술 조사 ... 49
- 제1절 빅데이터 위험 유형과 개인정보보호 이슈의 위험 수준 ... 49
- 1. 기술적 위험 ... 49
- 2. 인적 위험 ... 50
- 3. 법/제도적 위험 ... 50
- 4. 경제적 위험 ... 51
- 3. 사회문화적 위험 ... 51
- 제 2절 개인정보 보호 관점의 빅데이터 활용기술 유형별 위험 분석 ... 53
- 1. 빅데이터 수집-분석-활용 과정과 관련 기술 ... 53
- 2. 활용기술 유형별 개인정보 유출 및 프라이버시 침해 위험도 ... 58
- 제3 절 비식별화·익명화 기술과 재식별화 방지 기술 소개 ... 62
- 1. 대표적인 비식별화·익명화 기술 ... 63
- 2. 데이터 공개를 위한 트랜잭션 데이터 익명화 기술 ... 64
- 3. 소셜 네트워크 데이터의 익명화 기술 ... 67
- 4. 고객 이메일 접촉시 개인정보 보호를 위한 주소 익명화 시스템 ... 68
- 제4 절 데이터의 연동·연계, 마이닝 및 프로파일링의 기준·한계 설정 ... 71
- 1. 데이터의 연동 및 연계의 개념 정의 ... 71
- 2. 데이터의 연동 및 연계 기준 및 한계 ... 72
- 3. 마이닝 및 프로파일링의 개념 및 정의 ... 72
- 4. 마이닝 및 프로파일링의 기준 및 한계 ... 74
- 제 4 장 고객 빅데이터 유형화 및 안전한 활용기준 제시 ... 75
- 제1절 고객 빅데이터 유형화의 필요성 ... 75
- 1. 개인정보보호법과 개인정보의 이해 ... 75
- 2. 빅데이터의 활용 관점의 개인정보보호법 ... 77
- 3. 개인정보보호 관점의 빅데이터 유형화의 필요성 ... 78
- 제2절 빅데이터 유형에 관한 선행연구 고찰 ... 81
- 1. 빅데이터 특성 관점의 유형화 ... 81
- 2. 빅데이터 활용 관점의 유형화 ... 85
- 제3절 고객 빅데이터 유형화 ... 88
- 1. 고객 빅데이터의 정의 ... 88
- 2. 고객 빅데이터 유형화 ... 90
- 3. 고객 빅데이터 수집 및 활용 현황 실태조사 ... 94
- 4. 고객 빅데이터 유형별 위험수준 평가 ... 98
- 제4절 고객 빅데이터 유형에 따른 제도적/기술적/활용·관리적 가이드라인 ... 100
- 1. 빅데이터 수집에 관한 가이드라인 ... 100
- 2. 빅데이터 분석·활용에 관한 가이드라인 ... 104
- 3. 빅데이터 분석·저장·관리를 위한 기술에 관한 가이드라인 ... 107
- 4. 이용내역 정보의 조합·분석·처리에 관한 가이드라인 ... 108
- 제 5 장 개인정보보호 관련 법제의 발전적 개선방향 제시 ... 109
- 제1절 프라이버시 패러독스에 대한 국내외 문헌조사 및 분석 ... 109
- 제2절 빅데이터 활용과 관련한 해외 개인정보보호 법제의 비교·분석 ... 110
- 1. 개인정보 수집·이용 및 제공 기준 ... 110
- 2. 데이터의 수집·이용·제공시 고지사항 ... 111
- 3. 통계·연구목적의 개인정보 처리 기준 ... 112
- 4. 쿠키정보 등에 대한 처리기준의 불명확 ... 113
- 5. 정보주체의 사생활 보호 장치 ... 115
- 제3절 국제적 스텐다드에 입각한 국내 개인정보보호 관련법제 개정방안 제시 ... 116
- 1. 통계·연구목적의 개인정보 처리기준 완화 ... 116
- 2. 행태정보 처리원칙의 명확화 ... 117
- 3. 개인정보 처리 고지·동의방법 간소화 ... 118
- 4. 개인정보의 결합, 조합, 통합, 연동 등의 제한 ... 118
- 제6 장 결론 및 시사점 ... 120
- 참고문헌 ... 123
- 끝페이지 ... 125
※ AI-Helper는 부적절한 답변을 할 수 있습니다.