코로나 이전 국내 면세산업은 2000년 이후 관광 수요의 증가와 함께 꾸준한 성장세를 보였다. 급증한 수요에 대응하기 위해 면세점들은 매출액 위주의 경쟁전략을 유지해왔으며, 이에 따라 효율적인 운영보다는 규모 측면의 성장을 위한 방안 수립에만 집중해왔다. 기존 연구에서는 면세상품 관련 마케팅이나 제도적 지원방안 수립에 관한 연구가 주를 이루었으며 실제 운영단계인 물류 관리 측면에서의 연구는 부족했다. 이에 본 연구에서는 면세점 운영의 효율성 향상을 위한 적정재고 수립 방식을 제시하기 위해 출국자 예측모형과 장래 상품 판매량을 선형회귀방정식을 활용하였다. 이와 더불어, 실증연구를 통해 본 정책을 도입할 때 기대효과를 비용적 측면과 현장 운영 측면에서 분석하였다. 본 연구 결과를 바탕으로 면세점에서 발생하는 과다재고문제를 진단하고 공급주기를 개선함으로써 비용 절감 및 생산성 향상이 가능할 것으로 예상된다.

지역난방 시스템은 서비스 지역 내 열 수요처들을 네트워크로 연결하여 중앙의 저비용 고효율 열 생산설비를 통해 열을 공급하는 에너지 시스템이다. 효율적인 열 공급 시시스템 운영을 위하여 지역 내 열 수요를 정확하게 예측하고 이를 바탕으로 열 생산 계획을 최적화하는 것이 중요하다. 본 연구에서는 지역 내 열수요처별 열 사용량 패턴에 대한 빅데이터 정보로 기계실별 실시간 열량계 정보를 반영한 열수요 예측모형을 제시하였다. 기존에도 열 수요예측에 활용되던 지역 전체 열수요 실적 합계와 함께 수요처별로 설치되어 있는 열량계로부터 실시간으로 수집한 개별 열수요 실적을 예측모형에 반영함으로써 열 수요처별로 상이한 열사용 패턴을 반영한 열 수요 예측이 가능할 것으로 기대된다. 지역난방 기업의 실제 열수요 실적을 바탕으로 열수요 예측 정확도를 측정한 결과 계절에 상관없이 기본 모형 대비 열량계 빅데이터를 반영할 경우 정확도가 올라가는 것으로 분석되었으며, 향후 열수요처별 다양한 형태의 데이터를 추가로 반영함으로써 열 수요 예측 정확도 향상이 가능할 것으로 예측된다.

소상공인은 우리나라 서민경제의 중요한 부분을 담당하고 있으나, 과다경쟁, 수익성 악화, 생활밀착형 업종편중 등의 어려움에 직면하고 있다. 이를 위해, 정부는 소상공인을 위한 상권분석서비스를 제공하고 있다. 그러나 다양한 기관에서 제공받은 데이터는 표준화되지 않고, 제한된 데이터로 서비스의 구성에 한계가 있다. 본 논문에서는 데이터의 정합성 문제를 해결하고, 데이터 분석서비스 확장을 위해 설문정보와 상권정보를 연계하여 분석하는 방법을 제안한다. 제안하는 연계 방법은 상권정보와 설문정보를 업종과 영역을 기준으로 동일 영역 연계, 설문 정보의 개별업체 중심 연계, 설문정보의 작은 영역과 상권의 큰 영역 연계의 세 가지 방법이다. 연계된 상권정보와 설문정보는 다양한 방법으로 활용되거나 분석서비스를 확대할 수 있다. 본 논문은 기존 상권분석 서비스의 한계 를 설문정보로 극복할 수 있는 방법을 제안하여 소상공인에게 필요한 상권분석 서비스를 확대할 수 있는 기반을 마련하였다.

빅데이터 활용 기술의 발전으로 데이터의 저장 및 공유가 늘어나면서 그에 따른 프라이버시 침해가 일어나게 되었다. 이 문제를 해결하기 위해 비식별 기술이 도입되었지만 비식별된 데이터에 대해서도 재식별이 가능하다는 것이 여러 차례 증명되었다. 재식별 가능성이 존재하기 때문에 완전히 안전할 수 없지만 그럼에도 불구하고 충분한 비식별처리가 이루어져야 하는데, 현재 법령이나 규제는 어느 정도로 비식별 처리를 해야 하는지 정량적으로 규정하고 있지 않다. 본 논문에서는 재식별 작업을 할 때 소요되는 시간을 고려하여 적절한 비식별 기준을 제시하려고 한다. 다양한 비식별 평가 모델 중에서 k-익명성 모델에 대해 집중적으로 연구하였으며 어느 정도의 k값이 적절한 지 판단하였다. 본 연구의 결과를 일반화시킬 수 있다면 각종 법률 및 규제에서 적절한 비식별 강도를 규정하는 데 사용할 수 있을 것이다.

본 연구는 가공식품의 제조·가공 업소를 대상으로 기계학습 분야의 지도학습(Supervised Learning) 예측 모형을 적용하여 부적합이 예상되는 업체를 사전에 적발하는 단속 선별시스템을 마련하여 단속 활동의 효율성을 높이고자 하였다. 본 연구에서는 머신러닝의 예측 모델링을 위한 목적 정의, 데이터의 기초 분석과 시각화, 특성 변수 도출 및 예측 모형의 선정 및 예측 등으로 기계학습 수행의 표준적인 절차에 따라 연구를 수행하였다. 종속변수는 2014년도부터 2018년까지 과거 5년 동안 지도점검 적발 건수로 설정하였고, 목적함수는 실제 부적합업체를 사전에 판정하여 단속활동이 이루어지는 것을 최대화하는 것으로 하였다. 제조가공업소의 매출액, 영업일수, 종업원 수 등 기본속성뿐만 아니라 과거 지도점검 단속 이력 정보를 반영하여 자료를 재구성하였다. 특성 변수 추출 방법을 적용하여 부적합 판정에 영향을 미치는 업체 위험, 품목 위험, 환경 위험 및 과거 위반 이력 등을 특성 변수로 도출하여 머신러닝 알고리즘을 데이터에 적용하였다. 랜덤포레스트 모형이 식품의약품안전처 지도점검 업무 목적에 가장 적합한 것으로 나타났다. 본 연구결과를 바탕으로 식품안전 관리 국가 사무가 데이터기반의 과학적인 행정 체계로 발전할 수 있는 기반이 되기를 기대한다.

이 연구는 2019년도 정부(과학기술정보통신부)의 재원으로 정보통신기술진흥센터의 지원을 받아 수행된 연구이다. 고병원성조류인플루엔자(Highly Pathogenic Avian Influenza, HPAI)는 병원성이 높은 조류인플루엔자 바이러스 감염에 의하여 발생하는 조류의 급성 전염병으로 닭, 오리 등 가금류에서 피해가 심각하게 나타난다. 고병원성 조류인플루엔자(HPAI)는 연중으로 발생하기보다는 겨울철에 집중하여 발생되는 양상을 보이며, 특정 기간에는 아예 발생하지 않는 경우가 있다. 이와 같은 HPAI의 특성으로 인해 충분한 양의 실제 데이터가 축적되지 못하는 문제점이 있다. 본 논문 연구에서는 GAN 네트워크를 활용하여 결측치를 포함하고 있는 실제와 유사한 데이터를 생성하였으며 해당 과정을 소개한다. 본 연구 결과는 HPAI가 발생하지 않은 특정 시기에 대하여 실제와 유사한 시뮬레이션 데이터를 생성하여 위험도를 측정하는데 이용될 수 있다.

본 연구에서는 인공지능 모델에 따른 한국 프로야구의 승패 예측 분석에 관한 연구를 했다. 승리할 팀과 해당 팀의 최종 리그 순위를 예측했고, 사용자의 편의를 위해 웹사이트도 구축했다. 각 1·3·5이닝 별로 가장 정확도가 높으면서도 오차가 적은 모델을 최적 모델로 선정해 승·패 결과를 예측했고, 이를 토대로 순위표를 작성했다. 결과표는 2020년 개막인 5월 5일부터 8월 30일까지의 예측 결과를 바탕으로 작성했다. 기아타이거즈가 아닌 다른 구단끼리의 경기는 실제 결과를 사용했다. 머신러닝 모델은 KNN과 AdaBoost가 최적 모델로 선정되었으며, 실제 순위와 비교해 본 결과, 경기가 진행될수록, 예측 결과의 순위 오차가 점점 작아지는 것을 확인했다. 딥러닝 모델은 89%의 정확도를 기록했고, 머신러닝 모델과 마찬가지로 경기를 진행할수록 예측 결과 순위 오차가 작아지는 것을 확인했다. 실험 결과는 한국 프로야구 승·패 결과 예측뿐 아니라 다양한 분야에서 사용할 수 있을 것으로 사료된다. 방송국에서 야구 경기를 중계하는 중 이닝별로 인공지능 알고리즘이 예상한 승·패 여부를 중계화면에 띄울 수 있다. 시청자들에게 새로운 흥미를 일으킬 수 있을 것이고, 나아가 구단의 감독들이 이닝마다 데이터를 분석해 경기 중 유동적으로 승리하기 위한 전략을 세울 수 있을 것으로 기대된다.

본 연구에서는 통신 데이터를 이용하여 기종점통행량 등 교통 모빌리티를 분석하는 방법론을 제안하였다. 모바일 기지국 위치정보 기반의 통신 데이터를 이용하여 개인의 통행사슬(Trip Chain) DB를 구축하고 일별 통행 패턴을 추출하여 통행 특성을 분석하였다. 분석의 신뢰성 제고를 위해서 기지국의 영향권을 맵 매칭하고, 통신 데이터가 가지는 Ping pong Handover 문제를 보정하는 로직을 개발하였으며, 기지국 영향권 내에서 Pass By와 Stay를 구분하는 분석기준을 제안하였다. 개발된 분석 방법을 활용하여 전국 지역 간 통행, 도시 및 지방 지역의 통행 발생과 분포를 추정하고 기존의 전통적인 분석방법론과 비교 검증하였다.

2020년에 발생한 글로벌 펜데믹 현상은 전 세계에 큰 경제 충격을 주었으며, 그 충격은 특히 유동인구 및 관광산업에 영향을 많이 받는 자영업자들에게 더 크게 작용을 하였다. 이 문제를 해결하기 위해 각 국가에서는 긴급재난지원 정책을 실행하는데, 그 기준과 범위를 선정하는 것에 어려움이 존재하였다. 위 문제를 해결하기 위하여 본 논문에서는 다음의 연구를 진행하였다. 첫째, 글로벌 펜데믹이 지역경제에 미치는 영향을 분석한 후, 그 충격을 직관적으로 설명할 수 있는 지표를 정의하였다. 둘째, 정의된 지표를 활용하여 최적의 예산정책을 지급하는 선형 모형을 수립하였다, 제시된 모형은 정부에서 쉽고 빠르게 고려할 수 있는 경제 충격지표와 최적의 해를 제시한다. 마지막으로 제안된 연구모형의 한계점과 시사점에 대해 소개한다.

최근 코로나 19 사태로 인한 경기 위축에도 불구하고, 재택근무 증가로 집에 거주하는 시간이 늘어나면서 주거환경에 관한 관심이 커지고 있으며, 이에 따라 리모델링에 대한 수요가 증가하고 있다. 또한, 정부의 부동산 정책 또한 규제 정책에서 주택공급 확대 방향으로 전환하면서 이에 따른 인테리어, 가구업계의 매출에도 가시적인 영향이 있을 것으로 예상한다. 정확한 수요예측은 재고 관리와 직결되는 문제로 정확한 수요예측은 불필요한 재고를 보유할 필요가 없어 과잉생산으로 인한 물류, 재고 비용을 줄여줄 수 있다. 하지만 정확한 수요를 예측하기 위해서는 지속적으로 변화하는 경제동향, 시장동향, 사회적 이슈등 외부요인을 모두 고려하여 분석해야 하기 때문에 어려운 문제이다. 본연구에서는 가구 부자재를 생산하고 있는 제조업체에 대하여 신뢰성 있는 결과 도출을 위해 인공지능기반 시계열 분석 방법으로, LSTM 모형, 1D-CNN 모형을 비교 분석하였다.

본 연구는 최근 빠르게 발전하는 인공지능 기술의 변화 트렌드를 분석하고 향후 발전 방향을 전망함으로써 부산지역의 인공지능 신산업 육성 방향을 설정하고자 수행하였다. 방향 설정을 위해 수행하였다. 이를 위해 최근 빠르게 시장에 출시되고 있는 인공지능 기술의 동향을 조사하고 부산지역의 실태와 여건을 분석하였다. 시장에 출시되고 있는 인공지능 기술을 지역 특화산업에 활용하기 위한 지원책을 도출하고자 하였다. 인공지능은 '초연결', '초지능', '초융합'으로 대표되는 4차 산업혁명의 핵심 키워드로, 인공지능기반의 데이터 활용 기술은 제조공정에서 서비스까지 다양한 분야에 활용될 수 있으며, 이를 통한 기술 간·산업 간 장벽이 허물어지는 초융합의 시대로 접어들고 있다. 본 연구에서는 이러한 추세에 따라 부산을 인공지능 도시로 육성하기 위한 추진 방향을 주요 지자체 간 인공지능 연관 생태계 비교·분석을 토대로 도출하였다. 본 연구에서 부산을 'AI City'로 육성하기 위한 핵심정책이라고 할 수 있는 인공지능 산업생태계조성 방안을 제시하고자 하였다. 부산의 AI 산업생태계 육성 방안은 궁극적으로 인공지능 산업을 부산의 미래 먹거리로 육성하기 위한 정책방향 설정을 목적으로 한다.

본 논문은 농식품 소비자패널 데이터에서 소비자의 유형을 나눌 때에 변수간 연관성이 많은 장바구니 분석에서 전처리 방법과 차원축소의 방법을 제안한다. 군집분석은 다변량 자료에서 관측 개체를 몇 개의 군집으로 나눌 때 널리 사용되는 분석기법이다. 하지만 여러 개의 변수가 연관성을 가진 경우에는 차원축소를 통한 군집분석이 더 효과적일 수 있다. 본 논문은 1,987 가구를 대상으로 조사한 식품소비 데이터를 K-means 방법을 사용하여 군집화하였으며, 군집을 나누기 위해 17개의 변수를 선정하였고, 17개의 다중공선성 문제와 군집을 나누기 위한 차원축소의 방법 중 주성분 분석과 요인분석을 비교하였다. 본 연구에서는 주성분분석과 요인분석 모두 2개의 차원으로 축소하였으며 주성분분석에서는 3개의 군집으로 나뉘었지만 분석하고자 하였던 소비 패턴에 대한 군집의 특성이 잘 나타나지 않았으며 요인분석에서는 분석가가 보고자 하는 소비 패턴의 특징이 잘 나타났다.

이 연구는 2018년도 정부(농림축산식품부)의 재원으로 농림식품기술기획평가원의 지원을 받아 수행된 연구이다. 고병원성 조류인플루엔자(Highly Pathogenic Avian Influenza, HPAI)는 해외로부터 철새를 통해 유입되고 있으나 어떤 경로를 통해 농가에 확산하는지 정확히 밝혀진 바 없다. 그리고 발생 농가에서 유입되는 농가 간의 전이도 차량이 주요 원인이라고 추정할 뿐, 전파 주요 원인이 정확히 밝혀진 것은 아니다. 하지만 가장 빈번하게 농가에 방문하는 차량의 방문유형이 가축 운반 및 사료 운반과 같은 농가와 시설 간의 방문이기 때문에 발생 농가에 들른 차량과 시설의 관계를 분석할 필요가 있다. 본 논문 연구에서는 농림축산검역본부에서 제공하는 KAHIS(Korea Animal Health Integrated System) 데이터를 기반으로, HPAI Virus 전이의 주요 원인을 확인하고자 한다.

본 연구의 목적은 서울시 중학생의 진로성숙도 예측 요인을 찾기 위해 머신러닝 기법(Decision Tree, Random Forest, XGBoost)을 서울교육종단연구 4~6차년도 데이터에 적용하였다. 적용에 따라 도출된 세 가지 머신러닝 모형의 변수 중요도와 각 지표별 성능을 확인하였다. 또한 XGBoostExplainer 패키지를 활용하여 모형을 해석하였으며, 데이터 전처리와 분석 모두 R과 R Studio를 활용하였다. 그 결과 각 모형별로 변수 중요도 순위는 다소 차이가 있으나 '성취목표', '창의성', '자아개념', '부모자녀와의 관계', '회복탄력성'이 높은 순위를 보였다. 또한 XGBoostExplainer를 활용하여 패널별 진로성숙도에 정적·부적 영향을 주는 요인을 탐색하였고, '성취목표'가 진로성숙도 예측 최우선 요인임을 찾을 수 있었다. 본 연구결과를 바탕으로 머신러닝 및 변수선택 방법의 비교연구와 서울교육종단연구 코호트별 비교연구가 수행되어야 함을 제언하였다.

우리나라의 영세 소상공인과 자영업자의 비중이 주요 선진국에 비해 과도하게 높고 빈번한 창업과 폐업이 반복되어 국가 경제에 막대한 피해를 초래하고 있다. 이러한 문제를 해결하기 위해 소상공인을 위한 다양한 연구가 진행 중이며, 정부는 소상공인을 위해 빅 데이터를 이용한 상권정보 분석 서비스를 제공하고 있다. 상권정보 분석 서비스 중 서울시에서 운영하는 우리마을가게 상권분석서비스는 소상공인 관련 빅 데이터 분석 서비스를 제공하기 위해 지속적인 서비스 개선을 진행하고 있다. 그러나 다양한 기관에서 제공받은 빅 데이터를 통합하여 서비스를 구축하였기 때문에 데이터 신뢰성의 한계, 데이터 분석의 한계, 서비스 구성의 한계가 존재한다. 이러한 한계를 극복하기 위해 본 논문에서는 빅 데이터 기반의 상권 서비스와 연계 분석이 가능한 위치기반 설문조사시스템을 제안한다. 제안된 설문조사시스템은 설문정보와 상권정보를 연계하여 빅 데이터 상권 분석 서비스를 확장할 수 기반을 마련하였다.

WHO는 3월 11일을 기준으로 COVID-19를 유행병으로 선포하였다. 국내에서는 27,000명의 확진자가 발생하였으며, 전세계적으로는 5,000만명이 넘는 확진자가 발생하였다. 이처럼 COVID-19으로 인한 감염이 확산되면서 역학조사의 중요성이 다시 한 번 대두되고 있는 상황이다. 하지만 지난 대구 경북 사례를 시작으로 다수의 확진자가 발생하였고, 현재 역학조사 방식에 한계가 있음을 인지하였다. 이에 질병관리본부는 스마트시티 데이터허브 기술을 활용한 역학조사 지원시스템을 개발하여 역학조사에 활용하였다. 본 논문에서 제안하는 시스템은 역학조사 지원시스템의 일부로 대용량의 이동통신사 데이터를 처리하기 위한 빅데이터 기반 역학조사 지원 시스템이다. 본 시스템을 통해 기존에는 어려웠던 이동통신사 데이터의 이상치 처리나 2명 이상의 접촉자가 발생한 핫스팟 지역 생성 등의 처리가 가능해졌다. 그 결과, 이상치 처리는 요청건당 30초, 핫스팟의 경우 평균 10분 이내에 처리할 수 있게 되었다. 본 연구는 빅데이터 시스템을 역학조사에 접목하고 역학조사를 지원한 첫 사례로써, 빅데이터 시스템의 역학조사에 대한 실용적 활용 가능성을 제시하고 있다.

위험에 대한 인간의 반응은 인지적 요인뿐만 아니라 정서적 요인에도 유의미한 영향을 받는다는 경험적 연구에도 불구하고, 정보 프라이버시 연구에서는 감정적 요인의 역할이 제대로 규명되지 않고 있다. 본 연구는 정서적 관점에서 위치기반 서비스(Location-based service) 사용자의 프라이버시 위험에 대한 대응행위를 탐색하고자 한다. 구체적으로, 본 연구는 세 가지 유형의 개인정보 위협(수집, 해킹, 2차 사용), 두 가지 감정적 반응(걱정, 분노) 및 대응행위(지속적인 사용의도)의 관계를 탐색하였다. 이를 위해 위치기반서비스(Location-based service) 사용자 552 명에 대해 설문조사를 실시하였다. 특정 개인정보 위협에 대한 인식과 특정 감정적 반응의 결합이 지속적 사용의도에 미치는 영향을 분석하기 위해 데이터마이닝 기법 중 하나인 연관규칙(association rule)을 활용하여 분석을 진행하였다. 그 결과 위험에 대한 인식과 정서적 반응의 결합에 따라 사용의도에 차이가 나타났으며, 대체로 개인정보의 2차 사용에 대해 분노의 감정이 유발될 경우 사용의도가 가장 크게 감소하는 것으로 나타났다. 본 연구는 정보 프라이버시 사용자 연구에 감정적 요인을 포함함으로써, 기존의 인지적 접근방식 편향을 보완하고 프라이버시 대응행위에 대한 포괄적 이해를 제공한다는 점에서 학문적 의의가 있다.

산업 분야를 막론하고 머신러닝의 관심이 매우 높아지고 있으나, 머신러닝이 지닌 설명 불가능성은 여전히 문제로 남아있어 적극적인 업무 적용에 어려움이 있다. 본고에서는 증권사 금융 고객을 대상으로 이탈예측 모델 개발 사례를 소개하고 SHAP Value 기법을 사용하여 설명 가능한 머신러닝 모델 개발 시도와 해석 가능성 도출에 대한 연구 결과를 소개한다. 총 6가지 고객이탈 모델을 비교 분석하였으며, SHAP Value와 고객의 자산 변화에 따른 유형 분류 및 데이터 분석을 통해 고객 이탈 원인을 추론한다. 본 연구 결과를 토대로, 향후 마케팅 담당자의 실제 고객 마케팅 수행에 있어 원인 추론이 가능한 이탈 예측 결괏값을 사용하고 고객별 마케팅 여부를 점검하는 등의 종합적 판단 지표로 활용할 수 있을 것으로 판단된다.

정보통신기술의 발달과 더불어 게임 산업이 성장하면서 유저의 게임데이터는 다양한 플레이 및 옵션에 따라 초 단위로 기록되며 방대한 양의 게임데이터를 빅데이터 기반으로 분석할 수 있게 되었다. 비즈니스와 결합하여 다양한 분야에서 수익창출을 위한 새로운 가치를 발견하는 것에 빅데이터를 활용하고 있지만, 게임 산업에서의 빅데이터 활용은 미흡한 실정이다. 본 연구에서는 리그오브레전드의 게임데이터를 이용하여 라인 별 승패예측모형을 구축한 뒤 세분화 된 라인의 특성을 반영한 변수 중요도를 도출하여 일반 게임유저가 승률을 올리기 위해 전적검색사이트를 이용하여 사전에 팀 구성원에 대한 정보를 제공받을 수 있도록 한다.

우리나라는 3면이 바다로 해양을 활용하고 지키는 것이 국력의 근간이 된다고 볼 수 있다. 최근 IOT와 5G망에 보급되며, 통신 인프라를 바탕으로 다양한 정보를 제공하려고 하는 시도가 민,관에서 계속되고 있다. 본 연구에서는 정부 기관 'K' 에서 제공하는 해양 정보 서비스(KOXX 웹서비스, KBH 웹서비스 AJH 앱서비스)의 서비스 개선을 목적으로 온라인 설문조사를 진행하였다. 온라인 설문조사를 통해 국민들의 해양정보 필요성에 대한 조사와 정보 수집에 주로 사용하는 사이트를 조사하였다. 아울러 정부기관 'K'에서 제공하는 KOXX 웹서비스, KBH 웹서비스 , AJH 앱서비스의 사이트의 UX, UI 문제점과 개선점에 대한 설문조사를 이어서 진행 하였다. 정부기관 'K' 의 해양정보 서비스에 대한 인지도와 사용 경험을 확인하였다. 이후, FGI의 전 단계로 다양한 사용자들에게 실제 서비스를 이용하게 한 후의 사용성도 조사하였다. 여기서, 단순히 제공 서비스 홈페이지 및 어플리케이션의 디자인만을 보고 평가하는 것이 아닌 실제 사용자의 해양정보 수집에 대한 경험을 조사하였다. 그 결과 사용자들은 접근성과, 정보의 신뢰도, 제공매체, 제공 정보의 중요도 등 해양 정보서비스와 관련된 다양한 의견을 제시하였다. 본 연구결과는 다양한 연령대와 직업군을 가진 사용자들이 요구하는 해양 관련 데이터와 정보제공의 방안을 확인할 수 있는 자료로 활용될 수 있을 것이다.