• 제목/요약/키워드: Logistics Decision-making

검색결과 142건 처리시간 0.019초

e-Finance의 확산요인에 관한 연구 (A Study on the Diffusion Factor of e-finance)

  • 김민호;송채헌;송선옥;차순권
    • 통상정보연구
    • /
    • 제4권2호
    • /
    • pp.253-277
    • /
    • 2002
  • 현재 정보통신기술의 비약적인 발전은 물리적인 거래 패러다임을 전자방식으로 확대시키는 극적인 변화를 주도하고 있다. 주지하는 바와 같이, 금융서비스는 거래당사자간 대부분의 금융거래를 지원하고 있다. 그러므로 전자거래의 확대는 금융서비스를 제공하는 모든 금융기관들에도 영향을 미치고 있다. 이에 따라 모든 금융기관들은 정쟁에서 살아남기 위해 e-Finance 시스템을 도입하여 인터넷금융 서비스를 제공하고 있다. 본 연구의 목적은 이용자측면에서 인터넷을 이용한 e-Finance의 이용 실태와 확산요인을 분석함으로써 e-Finance 고객서비스의 질적인 향상과 신속한 확산 그리고 올바른 전략 수립에 기여하는 것이다. 본 연구는 기존문헌 검토와 요인 및 신뢰도 분석을 통해 e-Finance 자체에 대한 지각된 효율성과 지각된 신뢰 및 안전성, e-Finance 시스템에 대한 신뢰도, 기술적 요소, 고객서비스 품질 그리고 개인특성에 있어 혁신성향 등 6가지를 확산요인으로 채택한다. 로지스틱 회귀분석을 이용한 가설 검증 결과에 따르면, e-Finance시스템에 있어서 기술적 요소와 고객서비스 품질 그리고 개인 특성에 있어 혁신성향은 e-Finance의 확산여부에 각각 유의수준 0.05와 0.01%에서 통계적으로 정의 영향을 갖는 것으로 나타났다. 그렇지만 e-Finance 자체에 대한 지각된 효율성과 지각된 신뢰 및 안전성은 이의 확산여부에 별다른 영향을 미치지 않는 것으로 나타났다. 또한 e-Finance 시스템과 관련하여 시스템의 신뢰도는 통계적으로 이의 확산에 유의적이지 못하였다. 본 연구는 추후 이용자 측면에서 e-Finance 확산요인에 관해 실증적 연구를 하는데 기본적인 자료로서 이용될 수 있고, 이에 대한 기업이나 정부의 정책 수립 또는 구현과 금융기관의 고객서비스 품질정도 결정에 이용될 수 있다. 그러나 본 연구는 만족요인과 이의 e-Finance에 대한 영향을 다루지 못했다는 점과 국내 이용자만을 대상으로 했다는 점 그리고 다중희귀분석을 실시하지 못했다는 점 등 몇 가지 한계를 갖는다.

  • PDF

다중 클래스 데이터셋의 메타특징이 판별 알고리즘의 성능에 미치는 영향 연구 (The Effect of Meta-Features of Multiclass Datasets on the Performance of Classification Algorithms)

  • 김정훈;김민용;권오병
    • 지능정보연구
    • /
    • 제26권1호
    • /
    • pp.23-45
    • /
    • 2020
  • 기업의 경쟁력 확보를 위해 판별 알고리즘을 활용한 의사결정 역량제고가 필요하다. 하지만 대부분 특정 문제영역에는 적합한 판별 알고리즘이 어떤 것인지에 대한 지식은 많지 않아 대부분 시행착오 형식으로 최적 알고리즘을 탐색한다. 즉, 데이터셋의 특성에 따라 어떠한 분류알고리즘을 채택하는 것이 적합한지를 판단하는 것은 전문성과 노력이 소요되는 과업이었다. 이는 메타특징(Meta-Feature)으로 불리는 데이터셋의 특성과 판별 알고리즘 성능과의 연관성에 대한 연구가 아직 충분히 이루어지지 않았기 때문이며, 더구나 다중 클래스(Multi-Class)의 특성을 반영하는 메타특징에 대한 연구 또한 거의 이루어진 바 없다. 이에 본 연구의 목적은 다중 클래스 데이터셋의 메타특징이 판별 알고리즘의 성능에 유의한 영향을 미치는지에 대한 실증 분석을 하는 것이다. 이를 위해 본 연구에서는 다중 클래스 데이터셋의 메타특징을 데이터셋의 구조와 데이터셋의 복잡도라는 두 요인으로 분류하고, 그 안에서 총 7가지 대표 메타특징을 선택하였다. 또한, 본 연구에서는 기존 연구에서 사용하던 IR(Imbalanced Ratio) 대신 시장집중도 측정 지표인 허핀달-허쉬만 지수(Herfindahl-Hirschman Index, HHI)를 메타특징에 포함하였으며, 역ReLU 실루엣 점수(Reverse ReLU Silhouette Score)도 새롭게 제안하였다. UCI Machine Learning Repository에서 제공하는 복수의 벤치마크 데이터셋으로 다양한 변환 데이터셋을 생성한 후에 대표적인 여러 판별 알고리즘에 적용하여 성능 비교 및 가설 검증을 수행하였다. 그 결과 대부분의 메타특징과 판별 성능 사이의 유의한 관련성이 확인되었으며, 일부 예외적인 부분에 대한 고찰을 하였다. 본 연구의 실험 결과는 향후 메타특징에 따른 분류알고리즘 추천 시스템에 활용할 것이다.