스마트 물관리 분야에서도 빅데이터 분석을 통해 경쟁력을 강화하려는 요구가 급증하면서 빅데이터에 대한 체계적인 관리(거버넌스)가 중요한 이슈로 부각되고 있다. 빅데이터 거버넌스는 데이터의 품질보장, 프라이버시 보호, 데이터 수명관리, 데이터 전담조직을 통한 데이터 소유 및 관리권의 명확화 등의 데이터 관리를 평가하고(Evaluation), 지시하며(Direction), 모니터링(Monitoring) 하는 체계적인 관리활동을 의미한다. 빅데이터 거버넌스가 확립되지 못하면 중요한 의사결정에 품질이 낮은 데이터를 사용함으로써 심각한 문제를 야기할 수 있으며, 개인 프라이버시 관련 데이터로 인해 빅브라더의 우려가 현실화될 수 있고, 폭증하는 데이터의 수명관리 소홀로 인해 IT 비용이 급증하기도 한다. 이러한 기술적인 문제가 완비되더라도 데이터 관련 문제를 전담하고 책임지는 조직과 인력이 없다면 빅데이터 효과는 지속되지 못할 것이다. 본 연구에서는 빅데이터 기반의 스마트 물관리를 위한 데이터 거버넌스 구축모델을 제시하고, 실제 물관리 업무에 적용한 사례를 소개한다.

본 연구는 빅데이터 품질 진단의 핵심 요소인 도메인 기반 품질 진단을 위한 도메인 자동 판별에 관한 연구다. 빅데이터의 가치와 활용도의 증가와 4차 산업혁명의 대두로, 법률, 의료, 금융 등 IT와 융합된 다양한 분야에서 빅데이터를 활용하여 새로운 가치를 창출하려는 노력을 진행중이다. 하지만, 신뢰도가 낮은 데이터에 기반한 분석은 과정과 결과 모두에서 치명적인 문제를 발생하며, 분석 결과에 따른 판단 또한 신뢰하기 어려워 진다. 이처럼 신뢰도가 높은 데이터의 필요성 또한 증가하였지만, 데이터의 품질 확보에 대한 연구와 그에 대한 결과는 미비하다. 본 연구는 데이터 품질 향상을 위한 진단 평가의 핵심적 요소인 도메인 기반 품질 진단에서, 수작업으로 진행되었던 도메인 판별 작업을 머신러닝을 이용하여 자동화 함으로써, 작업시간을 단축하는 것을 목표로 한다. 데이터 베이스에 저장된, 도메인이 판별되어 있는 데이터의 특성에 관한 정보들을 추출하여 변수화하고, 이를 머신러닝을 이용하여 도메인 판별을 자동화 한다. 이를 빅데이터 품질 진단에 활용하고, 품질 향상에 기여하도록 한다.

FTA체결의 증가, 식품교역 증가 및 소비자의 다양한 식품 선호도 등으로 농축수산물 및 가공식품의 수입량은 매년 증가하고 있는 추세이다. 수입식품의 안전성을 확인하는 정밀검사는 전체 수입식품건수 대비 20%정도를 차지하고 계속 증가하고 있는 반면에 정부의 수입안전관리에 필요한 예산과 인력은 그 한계점에 다다르고 있다. 수입식품 안전사고가 발생하게 되면 막대한 사회적, 경제적 손실을 야기할 수 있으므로 수입식품의 수입허용여부를 정확하게 예측하여 선제 대응하는 것은 수입안전관리의 효율성과 경제성을 획기적으로 높일 수 있게 된다. 식품분야에서는 이미 엄청난 양의 정형 데이터가 과거로부터 쌓여 왔으며 이에 대한 충분한 분석을 통한 활용은 아직은 부족한 것이 현실이다. 전체 수입건수와 중량 중에서 차지하는 가공식품의 비중은 평균 75%에 달하고 있어 식품분야에서도 빅데이터의 분석, 분석기법의 적용 등으로 다량의 데이터로부터 의미 있는 정보를 추출하는 과학적이고 자동화된 부적합탐지시스템의 연구가 절실한 상황이다. 이러한 배경에서 본 연구는 기계학습분야의 다양한 부적합 예측 모형을 적용하였으며 예측 모형의 정확도를 개선시키기 위한 방편으로 새로운 파생변수의 생성을 통한 데이터 전처리 방안을 제시하였다. 또한 본 연구에서는 기계학습분야의 일반적인 기저 분류기를 적용하여 예측 모형의 성능을 비교하였으며 여러 기저분류기 중 Gaussian Naïve Bayes예측 모형이 수입식품의 부적합을 탐지하여 예측하는 가장 좋은 성과를 보여주었다. 향후 Gaussian Naïve Bayes 예측 모형을 이용한 부적합 탐지 모형을 적용하여 수입식품의 정밀검사 비중을 낮추고 부적합률을 제고시킴으로써 수입안전관리 국가사무의 효율성과 수입통관의 신속성에 지대한 효과를 거둘 수 있으리라 기대한다.

대한민국에서 치킨집은 전 세계 맥도날드 매장 수보다 많을 정도로 자영업의 큰 비중을 차지하는 창업 업종이다. 치킨집은 꾸준히 생겨나고 있지만, 소상공인의 창업 후 폐업률은 3년 62%, 5년 71%에 육박하는 것으로 나타났다. 특히, 숙박 및 음식점의 경우 70%가 3년을, 82%가 5년을 버티지 못하는 것으로 집계되었다. 이에 본 연구는 '서울 치킨집 폐업 예측 모형'을 개발하여, 예비창업자가 개업 후보지를 선정하는 의사결정 과정에 도움을 주고자 하였다. 먼저 행정자치부 지방행정 인허가 데이터의 업소별 개 폐업 신고 일자를 중심으로 다양한 변수를 수집하였다. 이후 다양한 분류 알고리즘을 적용하고, 예측 모형의 성능을 비교하였다. 그 결과, 인공신경망(Neural Networks)이 가장 높은 정확도를 보였지만 특이도와 민감도가 불균형적이었다. 이에 비해 유연판별분석(FDA)은 인공신경망보다 정확도는 낮지만, 상대적으로 균형적인 예측 성능을 보였다.

본 연구는 관광지를 선택할 때 중요한 관광 경험 중 시각적 요소에 해당하는 색상과 관광 경험 사이의 유효한 연관성을 찾는 것에 있다. 즉 관광지별로 대표되는 색상이 실제 관광지에 대한 경험과 관련이 있는지 찾아봄으로써, 시각적 요소 중 색채의 영향력에 대해 살펴보고자 하였다. 관광지 색상을 추출하기 위해 본 연구에서는 관광지별 랜드마크 항공 사진을 사용하였고, 기술표준원의 한국 표준색 색채 분석 도구인 KSCA를 이용하여 주요 배색을 추출하였다. 그리고 색상과 색상별 형용사 간의 관계를 매칭한 IRI image scale을 통해 관광지별 주요 색상에 대한 형용사를 추출하였다. 관광 경험은 색상을 추출한 관광지에 대한 Tripadvisor 리뷰를 분석하여 주요 키워드를 도출해 내었다. 항공 사진의 유효성 검증을 위해 Tripadvisor에서 제공하는 대표 전경 사진도 함께 분석에 활용되었다. 분석 결과 색상에서 추출된 형용사과 관광지별 리뷰 주요 키워드 간의 유효한 연관성은 찾을 수 없었는데, 이는 관광지 전체의 주요 색상은 관광지 세부 경험에 비해 중요한 요인이 되지 않고 있는 것으로 판단된다. 본 연구는 색상 분석 연구와 텍스트 마이닝을 결합한 새로운 연구 방향을 제시함으로써 추후 색상을 활용한 연구에 기여하고자 하였다.

특정 지역의 고객을 대상으로 열을 공급하는 지역난방 서비스의 안정적인 운영을 위해서는 단기간의 미래 수요를 보다 정확하게 예측하고, 효율적인 방법으로 생산 및 공급하는 것이 무엇보다 중요하다. 그러나 열 소비에 영향을 미치는 요소가 매우 다양할 뿐만 아니라 개별 소비자 및 지역적 특성에 따라 소비 형태가 달라지기 때문에 일반적인 상황에도 적용될 수 있는 범용적 열 수요 예측 모형을 개발하는 것은 매우 어렵다. 따라서 본 연구에서는 실시간으로 확보할 수 있는 제한적인 정보만을 바탕으로 딥러닝 기법을 활용한 수요예측 모형을 개발하고자 한다. 해당 지역의 외기온도와 날짜로만 구성된 과거 데이터를 입력 변수로 하여 텐서플로의 인공신경망을 학습시키는 방법으로 수요 예측 모형을 개발하였다. 기존의 회귀분석 기법을 통해 예측된 수요의 정확도와의 비교를 통해 제안된 모델의 성능을 평가하였다. 본 연구의 열 수요 예측 모델은 단기적 수요 예측을 위해 실시간으로 확보할 수 있는 제한적인 변수만으로도 수요 예측의 정확도를 높일 수 있음을 보였다. 나아가 개별 지역에서는 지역적 특수성을 추가하여 수요 예측 정확도를 높이는 데 활용할 수 있을 것이다.

본 연구는 산불 발생 예측 모형의 정확도를 높이기 위해 머신러닝 기법을 적용한 연구이다. 산불 피해면적이 가장 큰 강원도를 중심으로 2003년부터 2016년까지 총 14년의 산불 자료를 이용하였다. 기상자료의 오차를 줄이기 위해 강원도를 9개의 구역으로 나누어 각 구역 관측소의 기상자료를 이용하였다. 9개의 구역으로 나누어 각 구역의 산불 예측 모형을 만들게 되면 산불이 발생한 날(majority)과 산불이 발생하지 않은 날(minority)의 비율 차이가 큰 불균형 문제가 발생한다. 불균형 문제에서는 모델의 성능이 떨어지는 현상이 발생할 수 있다. 이를 해결하기 위해 여러 샘플링 방법을 적용하였다. 또한 모델의 정확도를 높이기 위해 캐나다 산불 기상 지수(FWI)의 5가지 지수를 파생변수로 사용하였다. 모델링 방법은 통계적 방법인 로지스틱 회귀분석 방법과 머신러닝 방법인 random forest와 xgboost 방법을 사용하였다. 각 구역의 최종모델의 선택기준을 정확도, 민감도, 특이도를 고려하여 정했으며, 9개 구역의 예측 결과는 산불이 발생한 104건 중 80건의 발생 예측에 성공하였으며 산불이 발생하지 않은 9758건 중 7426건의 발생하지 않음을 예측했다. 전체의 정확도는 76.1%였다.

챗봇의 활용도가 점점 커지고 AI 시장이 커지면서, 많은 기업 들이 관심을 가지고 있다. 그리고 누구나 챗봇을 만들 수 있게, 기업들이 챗봇 빌드 서비스를 제공함으로써 성장에 더욱 박차를 가하고 있다. 이렇게 쉽게 챗봇을 만들어 메신저 플랫폼에서 서비스 할 수 있게 됨으로써 기존 애플리케이션 시장에 변화가 일어나고 있다. 본 논문에서는 기존 DB 기반 애플리케이션들을 메신저 플랫폼 기반 애플리케이션으로 설계 및 구현하는 방법론을 제시하고, 실제 구현 시 고려해야 할 사항을 정리하여, 최적의 시스템 구조를 제공한다. 이러한 방법론에 따라 교육 과정에서 수강생들에게 정보를 제공하는, 교육 Advisor의 역할을 하는 챗봇을 설계 및 구현하였다. 구현한 애플리케이션은 사용자들이 원하는 정보를 사용자의 관점에서 객관화하여 대화형 인터페이스를 통해 신속하고 직관적으로 전달한다. 이러한 서비스를 구현하고, 실제 서비스해봄으로써, 앞으로 DB 기반 정보제공 애플리케이션들이 챗봇으로 구현되어 대화형 인터페이스를 통해 양방향 소통하는 방향으로 바뀔 것을 예측한다. 이러한 서비스를 구현하고, 실제 서비스해봄으로써, 앞으로 DB 기반 정보제공 애플리케이션들이 챗봇으로 구현되어 대화형 인터페이스를 통해 양방향 소통하는 방향으로 바뀔 것이다. 기업의 Legacy 애플리케이션은 인터넷과 모바일 환경으로의 전환에 이어 대화형 기반의 의사결정을 지원하는 챗봇이 Digital Transformation의 중요한 역할을 할 것이다.

본 연구는 공공계약의 여러 가지 형태 중 나라장터(KONEPS)를 통해 체결된 물품구매, 용역, 시설공사 등의 계약 자료를 수집하여 공공계약에서 입찰참가자수의 영향요인을 분석한다. 공공계약에서 입찰참가자수가 중요한 이유는 경쟁성 확보를 통한 합리적 계약 체결여부를 판단하는 최소한의 기준이 될 수 있으며, 발주기관의 예산절감 또는 입찰참가자의 수익성과 밀접한 관계가 있기 때문이다. 연구 목적은 공공계약에서 입찰참여자들의 입찰참여 여부는 어떤 요인에 의해 결정되는지를 분석하여 현재 공공계약에서 입찰참여에 관한 문제점과 정책적 시사점을 제시하기 위한 것이다. 본 연구는 5만여 공공기관이 나라장터로 발주하여 30만여 개인사업자 및 법인이 참여한 435만여 물품구매, 용역, 시설공사 등 많은 계약 건을 비교 분석함으로써 기존의 샘플링 기반 연구와의 차별성을 가진다. 연구모형으로 공고일수, 예산금액, 계약방법, 낙찰방법 등을 독립변수로, 입찰참가자수를 종속변수로 각각 도출하여 활용한다. 조사 분석은 빅데이터 및 다차원 분석기법을 사용한다. 분석결과 첫째, 공공발주 사업의 예산금액의 규모가 클수록 입찰참가자수가 적고, 이는 입찰참가자들이 예산금액이 클수록 수주할 확률이 매우 낮아진다고 인지하는 것에 기인한 것으로 공공사업에 대한 신뢰성 제고를 위하여 분리발주에 대한 제도적 장치가 필요하다는 것을 의미한다. 둘째, 계약방법으로는 제한경쟁이 일반경쟁 보다 입찰참가자수가 많고, 이는 계약방법이 입찰참가자수와 공공사업의 예산절감에 영향을 줄 수 있다는 것을 의미한다. 셋째, 공고일수는 입찰참가자수에 유의미한 영향을 미치지 않았으며 이는 나라장터를 통해 많은 개인사업자 및 법인들이 입찰정보를 숙지하고 있어 정보불균형의 문제는 심각하지 않다는 것을 의미한다. 넷째, 낙찰방법으로는 적격심사낙찰제가 최저가낙찰제 보다 입찰참가자수가 많고, 이는 낙찰방법이 입찰참가자수와 입찰참가자의 수익성에 영향을 줄 수 있다는 것을 의미한다.

본 연구는 기계학습의 하나인 신경망 분석과 음이항 회귀분석을 활용하여 경찰신고건수를 예측하고자 2016년 6월부터 2017년 5월까지 충남지방경찰청에 접수된 112신고 데이터를 이용하여 예측모델을 개발하였다. 모델을 개발하기 위해 경찰신고건수에 영향을 줄 수 있는 시간, 휴일, 휴일 전날, 계절, 기온, 강수량, 풍속, 관할면적, 인구, 외국인 수, 단독주택비율, 기타주택비율 변수 등을 활용하였다. 변수의 종류에 따라 몇몇은 경찰신고건수와 양의 상관관계 또는 음의 상관관계가 확인되었다. 사용된 두 개의 방법론을 비교한바, 신경망분석의 예측 결과는 예측 값과 실제 값의 상관계수 0.7702, RMSE 2.557이고, 음이항 회귀분석은 상관계수 0.7158, RMSE 2.831으로 나타났다. 신경망분석은 해석가능성은 낮지만, 음이항 회귀분석에 비해 예측력이 뛰어나다는 것이 확인되었다. 향후 경찰관서에서 본 연구의 예측모델을 기초로 하여 최적의 경찰력 배치를 할 수 있을 것으로 기대된다.

본 논문은 농지에 구축된 LoRa기반 무선통신망으로부터 수집되는 다양한 환경 센싱 데이터를 스마트폰의 스크린에 증강시켜 시각화하는 증강현실 기반의 농업용 환경 정보 관리 시스템을 제안한다. 제안된 시스템은 사용자가 스마트폰 카메라로 농지를 비추면 그곳에 설치된 다양한 센서로부터 수집된 환경 정보를 스마트폰 스크린의 영상에 증강시켜 시각화한다. 따라서 기존 시스템이 농업 시설물을 검색한 후 센서를 선택하는 번거로운 과정을 거친 후 나열식으로 환경 정보를 제공하는 것에 비해 제안하는 시스템은 이러한 과정 없이 스마트폰의 카메라 영상에 증강되어 나타난다. 원하는 정보를 습득하는 방식이 그림이나 영상인 특징 때문에 보다 더 쉽게 정보를 제공받을 수 있어 농업 재배지의 편리한 모니터링 및 효율적인 관리가 가능하다.

산업 및 학계에서 빅데이터 분석 기술에 대한 활용 사례와 범위가 증가하면서, 이와 함께 빅데이터 분석 전문가에 대한 기업체들의 수요도 늘고 있다. 이러한 추세에 맞게 대학교들은 새로운 빅데이터 분석 교육과정들을 개발하여 수년 전부터 빅데이터 분석 전문가 양성을 위한 교육과정들을 제공하기 시작하였다. 본 연구에서는 9개 국내 대학, 20개 해외 대학의 빅데이터 분석 관련 석사과정 커리큘럼을 조사하였다. 국내 대학 프로그램과 해외 대학 프로그램을 비교한 결과, 한 학교 프로그램 당 평균 과목수는 국내 대학 프로그램이 더 많으나, 과목의 다양성 측면에서는 더 부족한 것으로 나타났다.