• 지능정보연구
• /
• 제22권1호
• /
• pp.19-41
• /
• 2016

정보통신기술의 발전과 모바일 기기 사용의 생활화로 인해 최근 많은 소비자들이 멀티채널 쇼핑(multi-channel shopping)이라는 새로운 쇼핑 행태를 보이고 있다. 온라인 쇼핑이 등장한 이후, 온라인 매장에서 상품을 구매하기 전 오프라인 매장에서 상품을 먼저 확인하는 쇼루밍(showrooming) 형태의 멀티채널 쇼핑이 한 때 대세를 이루었으나, 최근에는 스마트폰, 태블릿 PC, 스마트워치 등 스마트 기기 사용의 폭발적 증가와 옴니채널(omni-channel) 전략으로 대표되는 오프라인 채널의 대대적 반격으로 인해 오프라인 매장에서 상품을 구매하기 전 온라인(혹은 모바일)으로 정보를 먼저 확인하는 웹루밍(webrooming) 현상이 도드라지게 나타나 온라인 소매업자를 위협하고 있다. 이러한 상황에서 소비자의 온라인 쇼핑에서 웹루밍으로의 쇼핑전환 의도에 영향을 미치는 요인을 분석하는 것이 의미가 있음에도 불구하고, 기존 대부분의 선행연구는 싱글채널(single-channel) 혹은 멀티채널 쇼핑 자체에만 초점을 맞추고 있다. 이에, 본 연구에서는 밀고-당기기-이주이론(push-pull-mooring theory)을 바탕으로 소비자의 온라인 채널 쇼핑이 웹루밍 형태의 쇼핑으로 전환되는 과정을 상품정보 탐색과 구매행위로 각각 구분하여 그 영향을 실증하였다. 연구모형을 검증하기 위하여, 웹루밍 경험이 있는 수도권 소재 대학생을 대상으로 280개의 설문 표본을 수집하였다. 본 연구의 결과는 현업 마케팅 종사자에게 멀티채널 소비자들을 관리하는 데 있어 실무적인 시사점을 제공함과 동시에, 향후 다양한 형태의 멀티채널 쇼핑전환 연구로의 확장에 기여할 수 있을 것으로 기대한다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.123-139
• /
• 2019

주요 구인구직사이트의 직무분류체계가 사이트마다 상이하고 SW분야에서 제안한 'SQF(Sectoral Qualifications Framework)'의 직무분류체계와도 달라 SW산업에서 SW기업, SW구직자, 구인구직사이트가 모두 납득할 수 있는 새로운 직무분류체계가 필요하다. 본 연구의 목적은 주요 구인구직사이트의 구인정보와 'NCS(National Competaency Standars)'에 기반을 둔 SQF를 분석하여 시장 수요를 반영한 표준 직무분류체계를 구축하는 것이다. 이를 위해 주요 구인구직사이트의 직종 간 연관분석과 SQF와 직종 간 연관분석을 실시하여 직종 간 연관규칙을 도출하고자 한다. 이 연관규칙을 이용하여 주요 구인구직사이트의 직무분류체계를 맵핑하고 SQF와 직무 분류체계를 맵핑함으로써 데이터 기반의 지능형 직무분류체계를 제안하였다. 연구 결과 국내 주요 구인구직사이트인 '워크넷,' '잡코리아,' '사람인'에서 3만여 건의 구인정보를 open API를 이용하여 XML 형태로 수집하여 데이터베이스에 저장했다. 이 중 복수의 구인구직사이트에 동시 게시된 구인정보 900여 건을 필터링한 후 빈발 패턴 마이닝(frequent pattern mining)인 Apriori 알고리즘을 적용하여 800여 개의 연관규칙을 도출하였다. 800여 개의 연관규칙을 바탕으로 워크넷, 잡코리아, 사람인의 직무분류체계와 SQF의 직무분류체계를 맵핑하여 1~4차로 분류하되 분류의 단계가 유연한 표준 직무분류체계를 새롭게 구축했다. 본 연구는 일부 전문가의 직관이 아닌 직종 간 연관분석을 통해 데이터를 기반으로 직종 간 맵핑을 시도함으로써 시장 수요를 반영하는 새로운 직무분류체계를 제안했다는데 의의가 있다. 다만 본 연구는 데이터 수집 시점이 일시적이기 때문에 시간의 흐름에 따라 변화하는 시장의 수요를 충분히 반영하지 못하는 한계가 있다. 계절적 요인과 주요 공채 시기 등 시간에 따라 시장의 요구하는 변해갈 것이기에 더욱 정확한 매칭을 얻기 위해서는 지속적인 데이터 모니터링과 반복적인 실험이 필요하다. 본 연구 결과는 향후 SW산업 분야에서 SQF의 개선방향을 제시하는데 활용될 수 있고, SW산업 분야에서 성공을 경험삼아 타 산업으로 확장 이전될 수 있을 것으로 기대한다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.137-154
• /
• 2018

조류인플루엔자와 구제역 같은 동물감염병은 거의 매년 발생하며 국가에 막대한 경제적 사회적 손실을 일으키고 있다. 이를 예방하기 위해서 그간 방역당국은 다양한 인적, 물적 노력을 기울였지만 감염병은 지속적으로 발생해 왔다. 최근 빅데이터와 딥러닝 기술을 활용하여 감염병의 예측모델을 개발하고자 하는 시도가 시작되고 있지만, 실제로 활용가능한 모델구축 연구와 사례보고는 활발히 진행되고 있지 않은 실정이다. KT와 과학기술정보통신부는 2014년부터 국가 R&D사업의 일환으로 축산관련 차량의 이동경로를 분석하여 예측하는 빅데이터 사업을 수행하고 있다. 동물감염병 예방을 위하여 연구진은 최초에는 차량이동 데이터를 활용한 회귀분석모델을 기반으로 한 예측모델을 개발하였다. 이후에는 기계학습을 활용하여 좀 더 정확한 예측 모델을 구성하였다. 특히, 2017년 예측모델에서는 시설물에 대한 확산 위험도를 추가하였고 모델링의 하이퍼 파라미터를 다양하게 고려하여 모델의 성능을 높였다. 정오분류표와 ROC 커브를 확인한 결과, 기계 학습 모델보다 2017년 구성된 모형이 우수함을 확인 할 수 있었다. 또한 2017에는 결과에 대한 설명을 추가하여 방역당국의 의사결정을 돕고 이해관계자를 설득할 수 있는 근거를 확보하였다. 본 연구는 빅데이터를 활용하여 동물감염병예방시스템을 구축한 사례연구로 모델주요변수값, 이에따른 실제예측성능결과, 그리고 상세하게 기술된 시스템구축 프로세스는 향후 감염병예방 영역의 지속적인 빅데이터활용 및 분석 모델 개발에 기여할 수 있을 것이다. 또한 본 연구에서 구축한 시스템을 통해 보다 사전적이고 효과적인 방역을 할 수 있을 것으로 기대한다.