SlideShare uma empresa Scribd logo
1 de 44
혁신기술로서의 빅데이터
국내 기술수용 초기 특성연구
Ph. D 김 정 선
SK텔레콤 T-Valley. PL
Ⅰ.연구의배경및접근
2
연구의목적및배경
 국내 시장의 빅데이터 기술수용에 대하여 체계적으로 연구
된 사례가 미흡
-대부분의 연구들은 빅데이터 기술현황 및 종류 혹은 해외
적용 사례에 대해
 국내 빅데이터 기술은 초기 시장에 해당되므로 그 기술수
용에 관련한 연구가 반드시 필요
- 특정 기술의 초기 시장 내에서의 기술수용 특성에 따라
향후 신기술의 확산이 매우 다른 양상으로 펼쳐질 것이기
때문
연구의목적및배경
 기술의 확산은 해당 기술 수용자 측면의 인지된 혜택과 위
험요인, 경제적 효용성 등에 따라 가속화되기도 하고 확산
의 단절 현상이 생기기도 함
 빅데이터 기술은 그 구성이 매우 복합적이고 다면적인데
다가 아직까지 완성형태의 제품(서비스)형 기술이 아닌 경
우가 대부분이어서 수용자 입장에서는 기술수용의도에 대
한 영향요인 역시 복합적일 것으로 예상, 그러므로 이러한
기술 및 수용자 특성을 고려한 기술수용에 대한 초기 특성
연구모형을 개발하고 검증하는 작업이 필요
연구의방법론적접근
 본 연구에서는 기술수용모델을 기본 틀로 하여 혁신확산
이론(IDT)과 과업기술적합성(TTF)이론 등을 활용한 빅데
이터 기술 특성에 적합한 통합적 모형을 만들고, 이를 활용
하여 국내 초기 시장의 빅데이터 기술수용의 특성을 파악
- 기술수용모델(TAM) 연구는 그 모형의 적합성과 다양한
이론과의 통합적 접근이 용이하기 때문에 새로운 기술이
시장에 소개되면 보편적으로 적용되는 연구모델
본연구의“빅데이터기술”정의
 “기업의 기존 IT시스템에 적용되거나 신규 서비스를 위하
여 활용되는 다양하고 이질적인 성격의 데이터 및 이를 수
집, 저장, 처리, 분석, 관리하기 위한 제반의 기술”
혁신기술로서의빅데이터
혁신기술 특성 빅데이터 관련성 특징
새로움
(Newness)
기술의 창의성
빅데이터 기술은 창의적 접근을 통해 새롭게 발현된
혁신이며 이들 기술은 단절된 것이 아니라 서로 연
결되고 융합되어 새로운 가치를 창출
차별성
(differentiation)
데이터의 차별성
원 천 적 으 로 유 형 이 다 른 이 질 적 인 이 종
(heterogeneous)의 데이터를 수집, 결합하여 처리,
분석하는 기술임
외부효과
(externality)
Open Data &
Open API
정부주도의 공공데이터 개방 및 빅데이터 플랫폼을
통한 긍정적 외부효과 창출
경제성
(economic value)
신규 사업을 통한 경제적
효익 창출
빅데이터 기술적용을 통한 비용 효율화 및 빅데이터
기반의 신규 사업을 통한 경제적 이윤 창출
혁신기술수용
 소비자행동관점
 Rogers의 혁신채택이론 내 단계별 확산
 혁신기술 혹은 신제품 수용자의 숫자가 늘어날수록 혁신확산이
이루어진다고 볼 수 있으며 이것이 초기 시장의 혁신기술 수용
자들에게 주목하는 이유
 그런데 빅데이터 기술수용에서는 기업의 목적 및 필요성에 따라
다른 기술수용 의도가 생기게 됨
 기업이 내부의 업무효율성과 본연의 과업목적을 달성하기 위하
여 빅데이터 기술을 수용하는 경우도 있지만, 빅데이터 기술을
수용하여 이를 기반으로 시장 내에 또 다른 서비스 및 보완기술
을 제공하기 위해서도 기업 내의 빅데이터 기술수용이 이루어지
고 있음
 이러한 경우 기술수용은 2차적 기술기반의 제품 혹은 서비스 제
공을 위한 활용자로서의 양상을 보이게 됨
수용자에대한이원화관점적용
 ‘기술이용자’란 업무효율화를 위해 기술을 단순 수용하는
수용자이다.
 ‘기술활용자’란 빅데이터 기술을 수용하여 2차적인 가치
즉, 아이디어 및 추가 기술적용 등을 통해 보완재와 서비스
를 제공하기 위해 기술을 활용하는 수용자이다.
연구의 의의
 빅데이터 기술의 특성을 고려한 통합적 연구모형 제시
-기술수용모델(TAM)을 기본으로 하여 혁신확산이론(IDT) 및 과
업기술적합성(TTF)이론을 근간 이론으로
-통합적인 모델구성은 실제 시장 적용에 대한 적합성 확보 및 연
구의 전반적인 설명력을 증대시킬 수 있을 것으로 기대
 기술수용모델을 기술수용 목적에 따라 이원화된 관점으로 나누
어 적용하는 연구의 기초를 제공
 국내 빅데이터 기술의 초기 시장의 현황을 이해할 수 있는
실증 자료를 체계적으로 제공
 단순히 수용을 위한 행동의도를 연구하는 것이 아니라 빅데이터
기술의 지속적 사용의도를 종속변인으로 설정하여 수용 후 단계
(post-adoption stage)까지를 연구함으로써 아직까지 시장 내 기
대와 우려가 모두 높은 수준에 있는 빅데이터 기술에 대하여 지속
적 혁신기술 확산을 위한 전략적 시사점을 도출하고자 함
논문의구성
 제1장에서는 연구의 배경을 밝히고 본 연구의 목적 및 학문적 의의를 기술
 제2장에서는 빅데이터 기술관련 선행연구 및 혁신기술 수용과 관련한 다양한 이
론을 고찰
 제3장에서는 선행 연구결과 및 심층 인터뷰 결과를 바탕으로 연구모델 수립 설
계를 진행하였으며 수립된 연구모형과 관련한 측정도구 및 분석방법을 상술
 제4장에서는 실증조사를 통한 구조방정식 모형 검정을 통해 빅데이터 기술수용
영향요인을 검정
혁신확산이론 및 과업기술적합이론을 활용한 통합적 관점의 연구모형 내
TAM의 매개효과 여부 검증
수용목적에 따른 ‘기술이용자’ 그룹과 ‘기술활용자’ 그룹으로 나누고
조절효과 분석을 통한 경로별 차이를 검증
 제5장에서는 연구결과를 바탕으로 빅데이터 기술의 초기 시장 내에서 기업의 빅
데이터 기술 수용목적에 따른 기술이용자 측면과 빅데이터 기술 활용자 측면의
시사점을 제시, 본 연구의 함의 및 시장에 대한 제언, 그리고 연구가 지닌 한계점
을 밝힘
Ⅱ.BigData국내외현황
12
빅데이터정의
기관 정의
매킨지(2011) 데이터의 크기로 인해 기존의 데이터 베이스 도구로는 다룰 수 없는 데이터의 모임
가트너
(2011)
빅데이터란 엄청난 양과 빠른 속도 그리고 다양성을 갖춘 정보
3V로 정의 : Volume, Variety, Complexity
Volume : 데이터 규모가 엄청남을 의미
Variety : 로그기록, 소셜, 위치정보 등 데이터의 종류가 증가로 텍스트 외 멀티미디어 등 비정형화된 데이터의 유형이 다
양화 되는 것 의미
Complexity : 구조화되지 않은 데이터, 데이터 저장방식의 차이, 중복성 문제 등 데이터 종류가 확대되고 외부 데이터의
활용 등으로 관리대상이 증가됨으로써 점차적으로 데이터 관리 및 처리가 복잡화되고 심화되어 새로운 처리 및 관리기법
이 요구되는 상황을 의미
IDC(2011)
대규모의 다양한 데이터로부터 수집, 검색, 분석을 신속하게 처리하여 경제적인 가치발굴을 수행하도록 설계된 차세대 기
술 및 아키텍쳐
위키피디아
기존 데이터베이스 관리도구의 데이터 수집·저장·관리·분석의 역량을 넘어서는 대량의 정형 또는 비정형 데이터 세트[1] 및
이러한 데이터로부터 가치를 추출하고 결과를 분석하는 기술[2]을 의미
SAS
4V로 정의 : Volume, Variety, Velocity, Value
Volume, Variety는 가트너 정의와 동일하나 Velocity는 센서나 모니터링 등 사물정보, 스트리밍 정보 등 실시간성 정보가
증가하고 있고, 이러한 실시간성으로 인한 데이터 생성, 이동과 유통의 속도가 증가하고 있으며 대규모 데이터처리 및 가치 있
는 실시간성 정보활용을 위해 데이터 처리 및 분석 속도가 매우 중요하게 되었음을 의미
Value는 새로운 가치를 창출하는 것을 의미
노무라 연구소
빅데이터를 처리할 수 있는 인재・조직, 데이터 처리・축적・분석기술, 데이터 자원 등을 빅데이터의 3요소로 정의하고
3요소의 조화로운 발전이 데이터의 특성과 컴퓨팅 파워의 발달에 따라 실생활 적용이 빠르게 확산될 것으로 전망
국가정보화전략위
원회
대량으로 수집한 데이터를 활용,분석하여 가치있는 정보를 추출하고 생성된 지식을 바탕으로 능동적으로 대응하거나
변화를 예측하기위한 정보화 기술
14
BigData
빅데이터Hypecycle
Big Data !!
Big Data 환경
16
BigData종류
17
18
BigData특성
【 시장에서의 Big Data 활용 기대 】【 Big Data 시장 구조 】
51%
36%
27%
24%
20%
11%
6%
0% 20% 40% 60%
기존 서비스 개선
전략 방향 수립
CRM 향상
신제품 개발
고객 체험 강화
신시장 개척
규제 대응
※ 응답자 51%가 기존 서비스/상품 개선 효과가 있다고 응답
※ EIU(Economist Intelligence Unit), 전세계 Senior Executives 586명
대상
기업 공공
양적으로
규모가 매우 큰
데이터
비정형/
비구조화 된
데이터까지
수시로
생성되는
다량의 데이터
Volume Variety Velocity
빅
데
이
터
사
업
자
이
용
자
Enabler
Pathfinder
Big Data를 핵심 기반으로 새로운 사업
(Google, facebook, Telco.)
Big Data에 필요한 기술 지원 사업
(IBM, EMC, Cloudera 등)
• 생산성 혁신
• 마케팅 혁신
• 리스크 관리
• 선제적 사회현안 해결
• 맞춤형 대국민 서비스
• 데이터 기반 정책수립
의사결정 지원
 시장에서의 Big Data에 대한 기대는
기존 서비스/상품 개선이 가장 큼 (EIU,
2011)
BigData전망
19
 내부 가치에 대한 지속적인 발굴
 고객 이해 강화를 위한 새로운 관점과 Data확보
 ICT기술 기반 New Technology Leader
 Big Data기반 새로운 Biz모델 발굴
BigData전망
20
출처: Star Base 21
2.BigData전망
 초기 빅데이터 시장,
기업 IT 효율 개선 및 전략 수립 지원에 초점
 사물인터넷, 웨어러블 등
데이터 수집 경로 대폭 확대
7.3 11.8
18.6
28.6 28.5
38.4
50.1
2011 2012 2013 2014 2015 2016 2017
 빅데이터 시장 대중화 임박…
모범 사례 발굴이 급선무
 대형 IT 벤더의 적극적인 사업 추진, 다양한 빅데이터 기술
활용 사례
출현 등이 여전히 핵심 성장 동력으로 꼽히며, 각국 정부의 오
픈데이터
정책 등 데이터 공유 트렌드 역시 빅데이터 대중화에 긍정적
으로 기여 웨어러블과 결합하며 개인화되는 빅데이
터…
B2B2C로 발전 中
 폭증하는 데이터에 일일이 대응 불가…
’셀프서비스’ 방식에 주목
빅데이
터
개인화
자동화
솔루션
247 327 419 547 674100 151
237
325
413
2014 2015 2016 2017 2018
스토리지 제품
 데이터 공유, 거래 형태에 대한 제도적 장
벽,
빅데이터 성장에 악영향
 정부 보유 데이터 개방 통한 민간 활용 이제
갓 출발
규제장
벽
완화요
구오픈
데이터
정책
 제도 개선 및 ‘데이터 브로커’ 촉진 위한
정부 결단 기대
 민간 중심의 오픈데이터 정책 수립…
인력 확충 등 후속 지원 필요
 국내 빅데이터 시장, 실제 기업의 예산 투입 저조…
공공 프로젝트가 대부분
 빅데이터 관련 시장의 성장세는 뚜렷하지만, 실제 기업이 빅데
이터 활용을
위한 환경을 설계, 구축, 관리할 역량과 예산은 부족해 시장 성
장에
걸림돌로 작용
Mobile operators should focus on specific business area of Big Data
Typical Monetization Methods for Big Data
Data Sales
Solution
Development
Target
Marketing
Internal
Optimization
Initial
Business Area
Potential
Business Area
Insight
Consulting
Ease of Sales High Profit Margin
1.BigData현황
22
시범 사업명 참여 기관 주요 내용
빅데이터 기반 유통시장
상품판매 분석 서비스
대한상공회의소
클루닉스
- 23개 유통사의 판매정보를 분석하여 지역 슈
퍼마켓 등 중소상인을 위한 시즌별 인기 상품
분석정보
- 날씨/지역 맞춤형 상품추천
- 연관 구매상품 추천 등 데이터 기반 마케팅
정보 제공
빅데이터 분석 기반 외
국인 관광산업 지원
오픈메이트, BC카드,
NICE평가정보,
한국관광공사, KT
- 중국 관광객 트렌드를 복합 분석하여 추가 관
광지 개발
- 맛집, 쇼핑, 명소 등을 지도 기반의 맞춤형 관
광정보로 제공
의료정보 빅데이터 기반
맞춤형 유의질병 및
병원 정보 제공
에이디벤처스,
건강보험심사평가원,
라인웍스
- 진료정보 빅데이터 분석을 통해 발생 질환별
예상
- 유의 질병정보 및 맞춤형 병원 정보 제공
자동차 부품기업 공동활
용
빅데이터 플랫폼 구축
메타빌드,
솔바테크놀로지,
자동차부품연구원
- 자동차 부품 제조사가 공동활용 가능한 빅데
이터 플랫폼을 제공
- 생산공정 데이터(15개종 130여 항목)의 정밀
분석으로 제품 품질향상
【 2014 미래부-NIA 빅데이터 관련 주요 시범사업 현황 】
23
1.BigData현황
통
신
 자사 고객 DB 기반, 정교한 Audience Targeting 제공
-자사 고객의 활동 (Online, Mobile, TV Channel)에
대해 고객向 정형,비정형 Data를 수집, 분석, 정제
IT
LBS 및 마케팅 DB 판매
-가입 고객 정보 및 위치 정보를 기반으로, 유통인구
DB 등 마케팅 DB 구축 및 판매
 위치 기반 Push형 프로모션 서비스
-성별, 연령대 등 개인 정보 및 고객의 위치 정보
보유
-영국 내 스마트폰 보유자의 50%가 위치기반 쿠폰
이용 구매 경험을 보유했음
 Mobile Marketing 및 M-commerce (Wallet) 사업
-영국 기반 MNO (Mobile Network Operator)인 EE,
Telefonica UK, Vodafone UK 합작, 영국 내 Mobile
이용자의 80% cover
-“wallet”: Loyalty card, 쿠폰, 신용 카드를 아우르는
M- commerce platform
 자사 고객 대상 Target Marketing & Forecasting
-검색어, 안드로이드 사용자 및 모바일 사용 행태
정보 기반, 빅데이터 플랫폼 기반 분석을 통한 광고
및 링크 최적화
 자사 고객 대상 Real Time Target Marketing
-Facebook내의 individual 비정형 정보
(사용자 Demographic 정보, 관심사, 심리상태, 위치
정보 등) 및 검색어결과 DB보유
- 결과 바탕, FBX (실시간 광고 플랫폼)활용한 맞춤
광고 제작 사업 실시
유
통
금
융
DB, Marketing Solution 및 consulting 제공
-고객 Demographic 정보, 소비정보, 가맹점
결재정보, 구매자 정보 보유
-Analystic 업체인 뮤시그마 인수, marketing solution
및 consulting 사업
 Target Marketing solution 제공
-모바일 광고 및 퍼블리싱 플랫폼 사용자 정보를
바탕으로 Target Marketing
 Target Marketing & Customized Action
-고객 Demographic 정보, 상품 추천 시스템 DB,
고객별 구매 특성 분석 정보 보유
-개인별 상품 검색, 구매 패턴 분석 통한 쿠폰 자동
발송
전
문
서
비
스
 마케팅 DB, Solution 및 마케팅 대행
-개인별 상세 Demographic 정보,이벤트, 기호, 성향
정보 보유
-DB cleansing, Integration을 통한 DB 판매, 관리,
현행화, Mgmt. 컨설팅
【 Industry별 시장 동향 】
텔레포니카
스페인
오투
영국
에이티 앤 티
미국
위브
영국
마스터카드
미국
구글
페이스북
탭조이
아마존
액시움
 다양한Industry내기업들이자사에축적된고객DB기반정밀분석을통하여내부적으로는Targetmarketing
효율화를수행하고,외부적으로는Data자원을활용하여사업영역을확장하고있음
24
2.BigData산업별현황
- 로손: 포인트 카드로 고객이 같은 상품을 구입하는 반복 구매에 주목, 히트 상품 탄생
- 세븐일레븐: 상품의 동시 구매 패턴을 파악하여 관련 매출이 35%로 상승
- 사용자 데이터에 기반한 맞춤형 서비스 제공
- 주행거리연동보험: 혼잡 시간대, 사고다발 지역의 운행 빈도가 낮은 운전자에 보험료 할인
- 차량 내 운행기록 장치를 통해 실제 운전 행태를 수집, 분석하여 체계적인 보험료 설정방식을 구축, 고객 신뢰 확
- 사고 발생시, 사고정보/현장사진을 GPS로 고객센터에 전송,
고객센터의 1800종 이상 차종 DB와 비교분석 후 수리비내역 즉시 전송, 사고수습 단축
- 일별 배송정보 분석, 소비자의 물류서비스 이용 패턴 파악
- 교통상황, 수신자 상황, 지리적, 환경적 요소 고려하여 최적화된 배송경로 실시간 제공
→ 배송 실패율 제로 수준, 불필요한 연비 지출 절감
- 수요 증가를 예측하여 허브시설 확충 → 물류센터 확장, 차량 증편을 위한 투자규모 결정
- 농지작업 실적과 작물이미지 등을 분석 → 수확량 증가, 품질을 향상시키는 식품, 농업 클라우드 서비스 개시
- 센서를 통해 기후와 토양환경 측정, 과거 수확실적 분석 → 최적의 파종, 농약살포, 수확 시점 제공
- 실증실험 진행 결과 양배추 수확이 30%가량 늘어나는 성과 확인
구매, 소비 관련 데이터 → 고객 행동 패턴 파악 → 고객 니즈 발견고객 니즈 분석
미래 예측
데이터를 통해 과거와 현재의 규칙성과 상관관계 파악 → 수요 및 추세 예측
예측과 통찰력에 객관성, 신속성, 정확성, 지속성을 더하는 효과
- 전문적 인력 관리에 빅데이터 활용
- 테마파크 입장객 수, 예약호텔 객실 수, 올랜도 지역 날씨 등 변동 요소 분석
→ 향후 6주 간 필요한 직원 수와 업무분량 예측
정형, 비정형 데이터의 빠른 분석을 통해 실시간 대응력 강화 → 치열해지는 경쟁에 효과적으로
대응
실시간 대응성 강
화
고객의 개별 상황에 대한 정확한 이해 → 가장 적합한 서비스 방식 파악 → 효과적인 서비스 제
공
맞춤형 서비스
경험과 직관에 의한 의사결정이 아닌, 풍부하고 합리적인 데이터 기반 의사결정기준 제시
과학적 의사결정 지
원
25
2.BigData산업별현황
빅데이터시장현황과전망
Ⅲ.연구문제및모델
27
연구모델구성을위한접
근
혁신확산이론 과업기술적합성이론 기업 및 전문가 인터뷰
변수 요인 항목 기존연구
TAM과 관련된
독립변수
주관적 규범
(Subjective norm)
4 Davis(1989),Taylor&Todd(1995a),Venkatesh&Davis(2000),Yang&Kang(2002),Kim(2000)
과업기술적합성
이론(TTF)과 관련된
독립변수
과업기술적합성
(Task-Technology Fit)
4
Goodhue(1955), Folz-Murphy 등(1998),
Zigurs(2000), Dishaw(2002), Elske(2005)
DeLone & McLean(2003)
혁신확산모델과
관련된 독립변수
조직의 혁신성
(innovativeness)
8
Moore&Benbasat(1991),Adamsetal.(1992),Grover&Goslar(1993),Allen(1998),Chen(2000)
, Scott & Bruce(1994), Agarwal & Prasad(1997), 오창규(2002), Rogers(2003), 이화용
(2004),박은아(2007),김해룡,양필석(2008),김성개(2009)
TAM
매개변수
인지된 용이성
(Perceived ease
of use)
5
Adamsetal.(1992),Chenetal.(2002),Davis(1986,1989),Hendericksonetal.(1993),Mathieson(1991),Moon&
Kim(2001),Moore&Benbasat(1991),Straubetal.(1997),Szajna(1994),Jeong(2000),Jang(20
04),Kim(2000),Moon&Kim(2001),Lee(2002)
인지된 유용성
(Perceived usefulness)
5
Adams et al.(1992), Davis(1986, 1989), Henderickson et al.(1993), Mathieso
n(1991), Moon & Kim(2001), Moore & Benbasat (1991), Straub et al.(1997
)
사용에 대한 태도
(Attitude to use)
5
Hendrickson et al(1993), Straub et al(1995), Adams et al(1992), Taylor and Tod
d(1995)
사용에 대한 행동의도
(Behavioral intention to
use)
4
Davisetal.(1989), Venkatesh&Davis(1996, 2000),Jacksonetal.(1997),Subramanian(1994
), Mathieson(1991), Venkatesh & Morris(2000), Moon&Kim(2001),Szajna(1996),Taylor&T
odd(1995),Moon&Kim(2001),Jang(2004),Lee(2002)
종속변수
(variable)
빅데이터 지속사용의도
(Big Data loyalty)
2 Lee(2002), Yoo, Donthu, & Lee(2000), Yoo & Donthu(2001)
연구모델의개발도
구
외생변인에대한 로지스틱회귀분석결
과
변수 ba S.E.b OR(95%CI)c
P
조직의 혁신성 -.039 .016 .962(.933-.992 .013
주관적규범 -.005 .029 .995(.940-1.053 .860
과업기술적합성 .140 .034 1.150(1.077-1.229) .000
상수 -1.507 .681 .221 .027
* 주:*기준범주: 이용목적수용자, a Standardized coefficients, b Standard error, c Adjusted odds ratio(95% Confidence interval)
기술이용자 변인
기술활용자 변인
연구문제
[연구문제 1] 조직의 혁신성, 주관적 규범, 과업기술적합성 등의 외생변인과 기술
수용모델의 변인이 지속사용 의도에 미치는 경로별 영향도는 어떠한가?
[연구문제 2] 조직의 혁신성, 주관적 규범, 과업기술적합성 등 외생변인은 TAM
변인을 매개하는가?
[연구문제 3] 조직의 혁신성, 주관적 규범, 과업기술적합성 등의 외생변인과 기술
수용모델의 변인과의 각 경로에서 기술수용 목적에 따른 ‘기술이용자’와 ‘기술활
용자’ 그룹 간의 차이가 있는가?
[연구문제 4] 조직의 혁신성, 주관적 규범, 과업기술적합성 등 외생변인과 기술수
용모델의 변인과의 각 경로에서 업무영역에 따라 차이가 있는가? 또한 각 업무영
역별로 가장 큰 영향을 가지는 영향요인은 무엇인가?
연구결과
[연구문제 1] 조직의 혁신성, 주관적 규범, 과업기술적합성 등의 외생변인과 기술
수용모델의 변인이 지속사용 의도에 미치는 경로별 영향도는 어떠한가?
연구결과
[연구문제 1] 조직의 혁신성, 주관적 규범, 과업기술적합성 등의 외생변인과 기술
수용모델의 변인이 지속사용 의도에 미치는 경로별 영향도는 어떠한가?
가설 가설 결과
H1 조직의 혁신성은 기술의 인지된 유용성에 정(+)의 효과를 갖는다. 기각
H2 조직의 혁신성은 기술의 수용의도에 정(+)의 효과를 갖는다. 기각
H3 주관적 규범은 기술의 인지된 유용성에 정(+)의 효과를 갖는다. 채택
H4 과업기술적합성은 기술의 인지된 유용성에 정(+)의 효과를 갖는다. 채택
H5 과업기술적합성은 기술의 인지된 용이성에 정(+)의 효과를 갖는다. 채택
H6 과업기술적합성은 기술의 수용의도에 정(+)의 효과를 갖는다. 채택
H7 인지된 용이성은 인지된 유용성에 정(+)의 효과를 갖는다. 채택
H8 인지된 유용성은 태도에 정(+)의 효과를 갖는다. 채택
H9 인지된 용이성은 태도에 정(+)의 효과를 갖는다. 기각
H10 태도는 수용의도에 정(+)의 효과를 갖는다. 채택
H11 수용의도는 지속적 사용의도에 정(+)의 효과를 갖는다. 채택
연구결
과
[연구문제 2] 조직의 혁신성, 주관적 규범, 과업기술적합성 등 외생변인은 TAM
변인을 매개하는가?
경로 경로계수 표준오차 C.R. p-value
조직의 혁신성 → 지속사용의도 -.079 .119 -1.465 .143
주관적 규범 → 지속사용의도 .263 .061 4.447 ***
과업기술적합성 → 지속사용의도 .506 .090 7.549 ***
외생변인과 종속변인의 매개효과 검증
경로 총효과 직접효과 간접효과 간접효과 설명
조직의 혁신성 → 지속사용의도 -.022 -.035 .014 TAM 비매개
주관적 규범 → 지속사용의도 .157 .046 .111 TAM 매개
과업기술적합성 → 지속사용의도 .445 .052 .393 TAM 매개
외생변인의 종속변인 경로별 직․간접효과
연구결
과
[연구문제 3] 조직의 혁신성, 주관적 규범, 과업기술적합성 등의 외생변인과 기술
수용모델의 변인과의 각 경로에서 기술수용 목적에 따른 ‘기술이용자’와 ‘기술활
용자’ 그룹 간의 차이가 있는가?
외생변수 내생변수
기술이용자(A) 기술활용자(B)
교차 타
당성
표준화계
수
표준오
차
p-
value
SMC
표준화 계
수
표준 오
차
p-
value
SMC
조직의 혁신성향
유용성
-.041 .066 .570
.416
.034 .087 .599
.537주관적 규범 .368* .064 .016 .066 .098 .484 A>B
과업기술적합성 .290** .080 .014 .655** .114 .005 A<B
용이성 .204* .071 .014 .123 .088 .168
과업기술적합성 용이성 .249* .080 .010 .062 .136 .151 .456 .018
유용성
태도
.706** .054 .007
.491
.507* .166 .023
.259
A>B
용이성 -.015 .076 .734 .010 .169 .792
태도
수용의도
.637** .067 .006
.673
.760** .076 .004
.666
과업기술적합성 .351* .083 .016 .115 .084 .319 A>B
조직의 혁신성향 -.047 .070 .476 .027 .083 .957
수용의도 지속적 사용 .931** .022 .007 .868 .918** .029 .009 .843
(*p<.05, **p<.01), SMC(Squared Multiple Correlation)
연구결
과
기술이용자 그룹의 경로별 표준화계수 도해
기술활용자 그룹의 경로별 표준화계수 도해
가설 가설
기술이용자
(A)
기술활용자
(B)
교차
타당성
결과
H15
조직의 혁신성 → 유용성 경로는 기술이용자그룹에게 보다 유
의할 것이다
-.041 .034 - 기각
H16
조직의 혁신성 → 수용의도 경로는 기술이용자 그룹에게 보다
유의할 것이다
-.047 .040 - 기각
H17
주관적 규범 → 유용성 경로는 기술수용 목적에 따른 차이가 있
다
.368* .066 A>B 채택
H18
과업기술적합성 → 유용성 경로는 기술활용자 그룹에 보다 유
의할 것이다
.290** .655** A<B 채택
H19
과업기술적합성 → 용이성 경로는 기술활용자 그룹에 보다 유
의할 것이다
.249* .136 - 기각
H20
과업기술적합성 → 수용의도 경로는 기술활용자 그룹에 보다
유의할 것이다
.351* .115 A>B 기각
H21 용이성 → 유용성 경로는 기술수용 목적에 따른 차이가 있다 .204* .123 - 기각
H22 유용성 → 태도 경로는 기술이용자 그룹에 보다 유의할 것이다 .706** .507* A>B 채택
연구결
과
[연구문제 4] 조직의 혁신성, 주관적 규범, 과업기술적합성 등 외생변인과 기술수
용모델의 변인과의 각 경로에서 업무영역에 따라 차이가 있는가? 또한 각 업무영
역별로 가장 큰 영향을 가지는 영향요인은 무엇인가?
외생변수
내생 변
수
Staff(A) 영업관리판매(B) IT기타(C)
교차
타당성
표준화
계수
표준
오차
p-
value
SMC
표준화
계수
표준
오차
p-
value
SMC
표준화
계수
표준
오차
p-
value
SMC
조직의 혁
신성향
유용성
-.151 .367 .122
.539
.128*
.083 .041
.484
-.041 .120 .518
.481
A<B
주관적 규
범
.101 .040 .122 .326*** .066 .000 .294*** .061 .001 A<B
과업기술
적합성
.718***
.087 .000 .383*** .114 .000 .355*** .093 .000 A>B,C
용이성 .115 .075 .053 .033 .080 .626 .227** .098 .002 A,B<C
과업기술
적합성
용이성 .099 .057 .237 .009 .188 .118 .062 .035 .438*** .074 .000 .189 A,B<.C
유용성
태도
.694*** .114 .000
.467
.445*** .066 .000
.360
.701*** .103 .000
.477
B<A<C
용이성 -.079 .110 .283 .342*** .075 .000 -.023 .113 .740 A,C<B
태도
수용 의
도
.588*** .097 .000
.607
.744*** .130 .000
.595
.662*** .084 .000
.717
과업기술
적합성
.298*** .083 .000 .017 .099 .842 .346*** .083 .000 B<A,C
조직의
혁신성향
.040 .374 .551 -.010 .088 .900 .065 .140 .268
수용의도
지속적
사용
.835*** .075 .000 .697 .859*** .107 .000 .738 .907*** .090 .000 .824
(*p<.05, **p<.01), SMC(Squared Multiple Correlation), 집단비교는 bootstrapping검정을 통하여 0.05수준에 유의한 값으로 비교
Staff직 그룹의 경로별 표준화계수 도해
영업관리판매직 그룹의 경로별 표준화계수 도해
IT기타직 그룹의 경로별 표준화계수 도해
가설 가설 Staff(A)
영업관리판매
(B)
IT기타 (C)
교차
타당성
결과
H23
조직의 혁신성 → 유용성은 업무영역에 따라 차이
가 있다.
-.151 .128 -.041 A<B 채택
H24
조직의 혁신성 → 수용의도는 업무영역에 따라 차
이가 있다.
.040 -.010 .065 - 기각
H25
주관적 규범 → 유용성은 업무영역에 따라 차이가
있다.
.101 .326** .294*** A<B 채택
H26
과업기술적합성 → 유용성은 업무영역에 따라 차
이가 있다.
.718*** .383** .454** A>B,C 채택
H27
과업기술적합성 → 용이성은 업무영역에 따라 차
이가 있다.
.099 .188 .438*** A,B<C 채택
H28
과업기술적합성 → 수용의도는 업무영역에 따라
차이가 있다.
.298*** .017 .346*** B<A,C 채택
H29 용이성 → 유용성은 업무영역에 따라 차이가 있다. .115 .033 .227** A,B<C 채택
H30 유용성 → 태도는 업무영역에 따라 차이가 있다. .694*** .445*** .701*** B<A<C 채택
H31 용이성 → 태도는 업무영역에 따라 차이가 있다. -.079 .342*** -.023 A,C<B 채택
H32 태도 → 수용의도는 업무영역에 따라 차이가 있다. .588*** .744*** .662*** A=B=C 기각
H33
수용의도 → 지속적 사용의도는 업무영역에 따라
차이가 있다.
.835*** .859*** .907*** A=B=C 기각
구분
Staff
이용목적 수용자
Staff
활용목적 수용자
영업관리판매직
이용목적 수용자
영업관리판매직
활용목적 수용자
IT기타
이용목적수용자
ba ORb ba ORb ba ORb ba ORb ba ORb
조직의 혁신성 .021 1.021 .046 1.047 -.005 .995 -.041 .960 .074 1.077***
주관적
규범
.047 1.048 .055 1.057 .046 1.047 -.065 .937 -.089 .915*
과업기술
적합성
-.277 .758***
-.224 .800***
-.222 .801***
-.045 .956 -.189 .828***
유용성 .194 1.214***
.122 1.129 .079 1.083 .083 1.087 .110 1.116**
용이성 -.038 .963 -.026 .975 -.045 .956 .059 1.061 -.038 .963
사용태도 -.022 .979 -.003 .997 .053 1.055 -.090 .914 .008 1.008
사용의도 -.081 .922 -.238 .788**
-.160 .852*
-.088 .916 -.165 .848**
지속적 사용의
도
.062 1.064 .429 1.535**
.156 1.169 .364 1.439**
.245 1.278**
업무영역별 이용목적 수용자와 활용목적 수용자에 미치는 영향요인
연구결과요약및시사점
 첫째, 실증 데이터를 통해 조사한 국내 빅데이터 시장의 모습은 기술이용목적 수용자와 기술활용목적 수용자 측
면 모두 활발하게 진행되고 있으며, 다양한 산업에 걸쳐 대기업 위주로 도입 또는 검토되고 있는 것으로 확인되
었다. 기업의 구성원이 인지하는 조직의 혁신성향에 대한 응답평균도 1,000명이상의 대기업이 유의하게 높은
것으로 나타났는데, 이는 대기업이 혁신정도가 높다는 슘페터의 가설을 입증하는 선행연구와 상응하는 결과이
다.
 둘째, 빅데이터 기술도입의 주도는 기업 내에서 연령과 근속연수가 높은 부장 및 임원 등 관리직급에 의해서 주
도적으로 검토되고 있으며, 기술영역별로는 H/W와 S/W보다는 분석 기반기술 및 서비스 위주로 도입 또는 검토
되고 있었다. 다만 지속적 사용의도에 대해서는 H/W, S/W영역이 타 기술영역보다 크게 나타나는 바, 현재 시장
내의 기반기술 및 서비스 부문에서 성공사례를 만드는 것이 국내 빅데이터 기술의 초기시장 활성화에 중요하다
고 판단된다.
 셋째, 기술수용모델(TAM)의 내부변인은 관련 선행연구의 결과와 같이 유의하게 나타났으나, 외부변인으로 설
정한 ‘조직의 혁신성’, ‘주관적 규범’, ‘과업기술적합성’ 등은 그 결과가 다르게 나타났다. 특히 ‘기술이용자’ 영향요
인으로 설정한 ‘조직의 혁신성’ 요인은 그 영향력이 검증되지 않았다. 오히려 ‘기술활용자’ 측면의 ‘과업기술적합
성’ 요인이 유의한 것으로 나타나 초기 국내 빅데이터 기술수용은 ‘기술활용자’ 측면에서 보다 활발하게 진행되
고 있는 것으로 해석이 가능하였다.
 넷째, 경로별 인과관계에서 외생변인 중 가장 영향도가 높은 것은 ‘기술활용자’ 영향요인으로 설정한 ‘과업기술
적합성’으로 확인되었는데, 이는 기업이 기술수용 시 과업의 필요성 및 목적성에 따른 기술도입을 우선적으로
고려하고 있음을 확인시켜 주는 결과이다.
 다섯째, 연구모델의 전체 경로에서 빅데이터 기술은 ‘조직의 혁신성’ 요인보다는 ‘주관적 규범’ 요인의 영향도가
유의하게 나타나 혁신기술의 도입을 결정하는 수용자에 대한 사회적 영향이 보다 크게 작용하고 있음을 추론하
는 것이 가능하였다. 이는 빅데이터 기술을 도입하면 기술 도입을 하지 않은 다른 누군가 보다 상대적으로 우월
하게 보일 것임을 지각하는 것을 의미한다. 특히 ‘주관적 규범’ 요인은 ‘유용성’까지의 경로에서 ‘기술이용자’와
‘기술활용자’ 그룹으로 나누어 분석 시 ‘기술이용자’ 그룹에서만 보다 유의한 영향력을 가지는 것으로 나타났다.
연구결과요약및시사점
 여섯째, 초기 빅데이터 시장의 기술이용목적 수용자와 기술활용목적 수용자의 연구모형의 조절효과 검
증 시 각 경로의 직접효과는 ‘기술이용자’와 ‘기술활용자’ 그룹 간 차이가 있음이 확인되었다. ‘주관적 규
범’ 요인은 ‘기술이용자’에만 효과를 가짐이 증명되었고, ‘기술이용자’ 그룹의 경우는 ‘주관적 규범’과 ‘과
업기술적합성’의 영향 후 기술의 인지된 용이성과 인지된 유용성을 거쳐 지속적 사용의도에 이르는 모
든 경로가 정(+)의 방향으로 유의함을 나타냈다. 반면 ‘기술활용자’ 그룹의 경우 다른 외생변인들은 유의
하지 않았으며 예비연구를 통해 ‘기술활용자’ 그룹의 영향요인으로 설정된 ‘과업기술적합성’ 요인만이
유의하게 영향을 가지고 이후 ‘인지된 유용성’을 거쳐 ‘지속적 사용의도’까지 정(+)의 방향으로 유의함을
나타냈다.
 일곱째, 초기 빅데이터 시장의 기업 내 담당 업무영역별 지속적 사용의도에 대한 인과관계 분석 결과, 세
집단 간의 경로가 대부분 유의한 차이를 보였다. 다소 보수적이고 정적인 업무를 진행하는 Staff직의 경
우 빅데이터 기술수용 과정에 ‘과업기술적합성’과 그 ‘유용성’의 영향도가 큼이 확인되었으며, 영업관리
판매직은 ‘조직의 혁신성’이 ‘유용성’에 영향을 가짐이 확인되었다. 또한 ‘주관적 규범 → 유용성’ 경로에
서 Staff직은 유의하지 않았으나, 영업관리 판매직과 IT기술직은 유의하게 정(+)의 영향을 가지는 것으로
확인되어 해당 기술의 도입에 따른 ‘주관적 규범’을 보다 강하게 느끼고 있음을 알 수 있었다.
 마지막으로 외생변인인 ‘주관적 규범’과 ‘과업기술적합성’은 기술수용모델(TAM)에 대한 매개효과가 유
의한 것으로 나타났다. 이를 통해 조직 구성원의 주관적 규범 및 과업과 기술의 적합성이 높을수록 빅데
이터 기술수용의 영향이 큰 것으로 해석이 가능하다. 이러한 점에서 여타 IT기술(u-Health, 스마트기술
등)의 도입초기에 나타나는 현상과 비슷한 경향을 보이며, 조직 내에서 빅데이터라는 새로운 기술을 도
입할 경우 이용목적 및 활용목적 등의 목적에 따른 기술수용 태도를 고려하여 구성원의 적절한 배치가
필요할 것으로 판단된다.
연구의한계점
 연구 대상이 국내 빅데이터 기술 도입에 관한 시장 내의 영향요인 연구에 한정되므로 기타 해외국가와도
비교연구가 필요할 것
 본 연구에서 적용하고 검증한 외생변인 외에 다양한 추가변인에 대한 설정과 검증이 추가되어야 할 것인
데, 이는 빅데이터라는 기술의 특성을 반영하여 지속적으로 확장, 적용되어야 할 것
 본 연구에서 수행한 기술수용모델의 수용 목적에 따른 조절변인의 확장과 더불어 다양한 비즈니스 영역
및 산업 종류별로 해당 모형의 연구가 추가되어야 할 필요가 있다. 이는 초기 시장에서의 빅데이터 기술
에 대한 수요가 기업이 속한 산업군에 따라 차이가 있을 것으로 예상되기 때문.
 마지막으로 본 연구에서는 국내 빅데이터 기술 수용주기상 초기시장의 특성 연구를 진행하였는 바 시장
의 성숙도에 따른 추가적인 후속연구가 이루어져야 할 것.

Mais conteúdo relacionado

Mais procurados

빅 데이터 비즈니스 모델
빅 데이터 비즈니스 모델빅 데이터 비즈니스 모델
빅 데이터 비즈니스 모델datasciencekorea
 
20120924134035 빅데이터시대,ai의새로운의미와가치
20120924134035 빅데이터시대,ai의새로운의미와가치20120924134035 빅데이터시대,ai의새로운의미와가치
20120924134035 빅데이터시대,ai의새로운의미와가치Webometrics Class
 
빅데이터 활용사례 by GoldenWired INC.
빅데이터 활용사례 by GoldenWired INC.빅데이터 활용사례 by GoldenWired INC.
빅데이터 활용사례 by GoldenWired INC.Byounghee Kim
 
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)Saltlux zinyus
 
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)Wonjin Lee
 
빅데이터란?
빅데이터란?빅데이터란?
빅데이터란?Yoseop Shin
 
건설분야에서의 빅데이터 활용의 잠재적 가치제안
건설분야에서의 빅데이터 활용의 잠재적 가치제안건설분야에서의 빅데이터 활용의 잠재적 가치제안
건설분야에서의 빅데이터 활용의 잠재적 가치제안메가트렌드랩 megatrendlab
 
데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁
데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁
데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁datasciencekorea
 
[2016 데이터 그랜드 컨퍼런스] 1 1. bk1(위세아이텍) 2016데이터그랜드컨퍼런스-머신러닝동향과 산업별 활용_김종현-final
[2016 데이터 그랜드 컨퍼런스] 1 1. bk1(위세아이텍) 2016데이터그랜드컨퍼런스-머신러닝동향과 산업별 활용_김종현-final[2016 데이터 그랜드 컨퍼런스] 1 1. bk1(위세아이텍) 2016데이터그랜드컨퍼런스-머신러닝동향과 산업별 활용_김종현-final
[2016 데이터 그랜드 컨퍼런스] 1 1. bk1(위세아이텍) 2016데이터그랜드컨퍼런스-머신러닝동향과 산업별 활용_김종현-finalK data
 
빅 데이터, 새로운 통찰력
빅 데이터, 새로운 통찰력빅 데이터, 새로운 통찰력
빅 데이터, 새로운 통찰력현주 유
 
[2016 데이터 그랜드 컨퍼런스] 2 5(빅데이터). 유비원 비정형데이터 중심의 big data 활용방안
[2016 데이터 그랜드 컨퍼런스] 2 5(빅데이터). 유비원 비정형데이터 중심의 big data 활용방안[2016 데이터 그랜드 컨퍼런스] 2 5(빅데이터). 유비원 비정형데이터 중심의 big data 활용방안
[2016 데이터 그랜드 컨퍼런스] 2 5(빅데이터). 유비원 비정형데이터 중심의 big data 활용방안K data
 
국내외 보건의료 빅데이터 현황 및 과제
국내외 보건의료 빅데이터 현황 및 과제국내외 보건의료 빅데이터 현황 및 과제
국내외 보건의료 빅데이터 현황 및 과제atelier t*h
 
스마트 시티의 빅데이터 분석론 - 최준영
스마트 시티의 빅데이터 분석론 - 최준영스마트 시티의 빅데이터 분석론 - 최준영
스마트 시티의 빅데이터 분석론 - 최준영datasciencekorea
 
Personal 빅데이터 주요 이슈 및 기술적 대응 방안
Personal 빅데이터 주요 이슈 및 기술적 대응 방안Personal 빅데이터 주요 이슈 및 기술적 대응 방안
Personal 빅데이터 주요 이슈 및 기술적 대응 방안메가트렌드랩 megatrendlab
 
빅데이터 이용 사례 분석
빅데이터 이용 사례 분석빅데이터 이용 사례 분석
빅데이터 이용 사례 분석ko donghwi
 
[2016 데이터 그랜드 컨퍼런스] 6 3(전략, 솔루션).크레딧데이터 공공데이터를 활용한 생활의 질 향상
[2016 데이터 그랜드 컨퍼런스] 6 3(전략, 솔루션).크레딧데이터 공공데이터를 활용한 생활의 질 향상[2016 데이터 그랜드 컨퍼런스] 6 3(전략, 솔루션).크레딧데이터 공공데이터를 활용한 생활의 질 향상
[2016 데이터 그랜드 컨퍼런스] 6 3(전략, 솔루션).크레딧데이터 공공데이터를 활용한 생활의 질 향상K data
 
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big dataK data
 

Mais procurados (20)

빅 데이터 비즈니스 모델
빅 데이터 비즈니스 모델빅 데이터 비즈니스 모델
빅 데이터 비즈니스 모델
 
20120924134035 빅데이터시대,ai의새로운의미와가치
20120924134035 빅데이터시대,ai의새로운의미와가치20120924134035 빅데이터시대,ai의새로운의미와가치
20120924134035 빅데이터시대,ai의새로운의미와가치
 
빅데이터 활용사례 by GoldenWired INC.
빅데이터 활용사례 by GoldenWired INC.빅데이터 활용사례 by GoldenWired INC.
빅데이터 활용사례 by GoldenWired INC.
 
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
 
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
 
금융산업의 빅데이터 활용 및 이슈
금융산업의 빅데이터 활용 및 이슈금융산업의 빅데이터 활용 및 이슈
금융산업의 빅데이터 활용 및 이슈
 
빅데이터란?
빅데이터란?빅데이터란?
빅데이터란?
 
건설분야에서의 빅데이터 활용의 잠재적 가치제안
건설분야에서의 빅데이터 활용의 잠재적 가치제안건설분야에서의 빅데이터 활용의 잠재적 가치제안
건설분야에서의 빅데이터 활용의 잠재적 가치제안
 
데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁
데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁
데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁
 
[2016 데이터 그랜드 컨퍼런스] 1 1. bk1(위세아이텍) 2016데이터그랜드컨퍼런스-머신러닝동향과 산업별 활용_김종현-final
[2016 데이터 그랜드 컨퍼런스] 1 1. bk1(위세아이텍) 2016데이터그랜드컨퍼런스-머신러닝동향과 산업별 활용_김종현-final[2016 데이터 그랜드 컨퍼런스] 1 1. bk1(위세아이텍) 2016데이터그랜드컨퍼런스-머신러닝동향과 산업별 활용_김종현-final
[2016 데이터 그랜드 컨퍼런스] 1 1. bk1(위세아이텍) 2016데이터그랜드컨퍼런스-머신러닝동향과 산업별 활용_김종현-final
 
공공기관의 빅데이터 구현 전략
공공기관의 빅데이터 구현 전략공공기관의 빅데이터 구현 전략
공공기관의 빅데이터 구현 전략
 
Bigdata
BigdataBigdata
Bigdata
 
빅 데이터, 새로운 통찰력
빅 데이터, 새로운 통찰력빅 데이터, 새로운 통찰력
빅 데이터, 새로운 통찰력
 
[2016 데이터 그랜드 컨퍼런스] 2 5(빅데이터). 유비원 비정형데이터 중심의 big data 활용방안
[2016 데이터 그랜드 컨퍼런스] 2 5(빅데이터). 유비원 비정형데이터 중심의 big data 활용방안[2016 데이터 그랜드 컨퍼런스] 2 5(빅데이터). 유비원 비정형데이터 중심의 big data 활용방안
[2016 데이터 그랜드 컨퍼런스] 2 5(빅데이터). 유비원 비정형데이터 중심의 big data 활용방안
 
국내외 보건의료 빅데이터 현황 및 과제
국내외 보건의료 빅데이터 현황 및 과제국내외 보건의료 빅데이터 현황 및 과제
국내외 보건의료 빅데이터 현황 및 과제
 
스마트 시티의 빅데이터 분석론 - 최준영
스마트 시티의 빅데이터 분석론 - 최준영스마트 시티의 빅데이터 분석론 - 최준영
스마트 시티의 빅데이터 분석론 - 최준영
 
Personal 빅데이터 주요 이슈 및 기술적 대응 방안
Personal 빅데이터 주요 이슈 및 기술적 대응 방안Personal 빅데이터 주요 이슈 및 기술적 대응 방안
Personal 빅데이터 주요 이슈 및 기술적 대응 방안
 
빅데이터 이용 사례 분석
빅데이터 이용 사례 분석빅데이터 이용 사례 분석
빅데이터 이용 사례 분석
 
[2016 데이터 그랜드 컨퍼런스] 6 3(전략, 솔루션).크레딧데이터 공공데이터를 활용한 생활의 질 향상
[2016 데이터 그랜드 컨퍼런스] 6 3(전략, 솔루션).크레딧데이터 공공데이터를 활용한 생활의 질 향상[2016 데이터 그랜드 컨퍼런스] 6 3(전략, 솔루션).크레딧데이터 공공데이터를 활용한 생활의 질 향상
[2016 데이터 그랜드 컨퍼런스] 6 3(전략, 솔루션).크레딧데이터 공공데이터를 활용한 생활의 질 향상
 
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
 

Destaque

국가의 신성장 동력으로서 공간정보의 가치와 활용 2016-0603
국가의 신성장 동력으로서 공간정보의 가치와 활용 2016-0603국가의 신성장 동력으로서 공간정보의 가치와 활용 2016-0603
국가의 신성장 동력으로서 공간정보의 가치와 활용 2016-0603datasciencekorea
 
온라인 데이터 분석을 통한 선거예측- 김찬우, 조인호
온라인 데이터 분석을 통한 선거예측- 김찬우, 조인호온라인 데이터 분석을 통한 선거예측- 김찬우, 조인호
온라인 데이터 분석을 통한 선거예측- 김찬우, 조인호datasciencekorea
 
텍스톰을 이용한 SNA 분석 -전채남
텍스톰을 이용한 SNA 분석 -전채남텍스톰을 이용한 SNA 분석 -전채남
텍스톰을 이용한 SNA 분석 -전채남datasciencekorea
 
빅데이터 기술을 활용한 뉴스 큐레이션 서비스 - 온병원
빅데이터 기술을 활용한 뉴스 큐레이션 서비스 - 온병원빅데이터 기술을 활용한 뉴스 큐레이션 서비스 - 온병원
빅데이터 기술을 활용한 뉴스 큐레이션 서비스 - 온병원datasciencekorea
 
Data-driven biomedical science: implications for human disease and public health
Data-driven biomedical science: implications for human disease and public healthData-driven biomedical science: implications for human disease and public health
Data-driven biomedical science: implications for human disease and public healthdatasciencekorea
 
Structures of Twitter Crowds and Conversations Six distinct types of crowds t...
Structures of Twitter Crowds and Conversations Six distinct types of crowds t...Structures of Twitter Crowds and Conversations Six distinct types of crowds t...
Structures of Twitter Crowds and Conversations Six distinct types of crowds t...datasciencekorea
 
DATA CENTRIC EDUCATION & LEARNING
 DATA CENTRIC EDUCATION & LEARNING DATA CENTRIC EDUCATION & LEARNING
DATA CENTRIC EDUCATION & LEARNINGdatasciencekorea
 
Data Centric Art, Science, and Humanities
Data Centric Art, Science, and HumanitiesData Centric Art, Science, and Humanities
Data Centric Art, Science, and Humanitiesdatasciencekorea
 
Studying Social Selection vs Social Influence in Virtual Financial Communities
Studying Social Selection vs Social Influence in Virtual Financial CommunitiesStudying Social Selection vs Social Influence in Virtual Financial Communities
Studying Social Selection vs Social Influence in Virtual Financial Communitiesdatasciencekorea
 
Analyzing Big Data to Discover Honest Signals of Innovation
Analyzing Big Data to Discover Honest Signals of InnovationAnalyzing Big Data to Discover Honest Signals of Innovation
Analyzing Big Data to Discover Honest Signals of Innovationdatasciencekorea
 
데이터사이언스학회 5월 세미나 데이터저널리즘과 트위터네트워크 분석
데이터사이언스학회 5월 세미나 데이터저널리즘과 트위터네트워크 분석데이터사이언스학회 5월 세미나 데이터저널리즘과 트위터네트워크 분석
데이터사이언스학회 5월 세미나 데이터저널리즘과 트위터네트워크 분석datasciencekorea
 
International Collaboration Networks in the Emerging (Big) Data Science
International Collaboration Networks in the Emerging (Big) Data ScienceInternational Collaboration Networks in the Emerging (Big) Data Science
International Collaboration Networks in the Emerging (Big) Data Sciencedatasciencekorea
 
도시의 마음, 그 발현 - Emergent Mind of City
도시의 마음, 그 발현 - Emergent Mind of City도시의 마음, 그 발현 - Emergent Mind of City
도시의 마음, 그 발현 - Emergent Mind of Citydatasciencekorea
 
Deep Learning - 인공지능 기계학습의 새로운 트랜드 :김인중
Deep Learning - 인공지능 기계학습의 새로운 트랜드 :김인중Deep Learning - 인공지능 기계학습의 새로운 트랜드 :김인중
Deep Learning - 인공지능 기계학습의 새로운 트랜드 :김인중datasciencekorea
 
A Unified Music Recommender System Using Listening Habits and Semantics of Tags
A Unified Music Recommender System Using Listening Habits and Semantics of TagsA Unified Music Recommender System Using Listening Habits and Semantics of Tags
A Unified Music Recommender System Using Listening Habits and Semantics of Tagsdatasciencekorea
 
소셜 텍스트 빅 테이터를 통해 분석한 화장품 유통구조 시사점
소셜 텍스트 빅 테이터를 통해 분석한 화장품 유통구조 시사점소셜 텍스트 빅 테이터를 통해 분석한 화장품 유통구조 시사점
소셜 텍스트 빅 테이터를 통해 분석한 화장품 유통구조 시사점datasciencekorea
 
R의 이해와 활용_데이터사이언스학회
R의 이해와 활용_데이터사이언스학회R의 이해와 활용_데이터사이언스학회
R의 이해와 활용_데이터사이언스학회datasciencekorea
 
소셜미디어 분석방법론과 사례
소셜미디어 분석방법론과 사례소셜미디어 분석방법론과 사례
소셜미디어 분석방법론과 사례datasciencekorea
 
데이터 시각화의 글로벌 동향 20140819 - 고영혁
데이터 시각화의 글로벌 동향   20140819 - 고영혁데이터 시각화의 글로벌 동향   20140819 - 고영혁
데이터 시각화의 글로벌 동향 20140819 - 고영혁datasciencekorea
 
Bayesian Network 을 활용한 예측 분석
Bayesian Network 을 활용한 예측 분석Bayesian Network 을 활용한 예측 분석
Bayesian Network 을 활용한 예측 분석datasciencekorea
 

Destaque (20)

국가의 신성장 동력으로서 공간정보의 가치와 활용 2016-0603
국가의 신성장 동력으로서 공간정보의 가치와 활용 2016-0603국가의 신성장 동력으로서 공간정보의 가치와 활용 2016-0603
국가의 신성장 동력으로서 공간정보의 가치와 활용 2016-0603
 
온라인 데이터 분석을 통한 선거예측- 김찬우, 조인호
온라인 데이터 분석을 통한 선거예측- 김찬우, 조인호온라인 데이터 분석을 통한 선거예측- 김찬우, 조인호
온라인 데이터 분석을 통한 선거예측- 김찬우, 조인호
 
텍스톰을 이용한 SNA 분석 -전채남
텍스톰을 이용한 SNA 분석 -전채남텍스톰을 이용한 SNA 분석 -전채남
텍스톰을 이용한 SNA 분석 -전채남
 
빅데이터 기술을 활용한 뉴스 큐레이션 서비스 - 온병원
빅데이터 기술을 활용한 뉴스 큐레이션 서비스 - 온병원빅데이터 기술을 활용한 뉴스 큐레이션 서비스 - 온병원
빅데이터 기술을 활용한 뉴스 큐레이션 서비스 - 온병원
 
Data-driven biomedical science: implications for human disease and public health
Data-driven biomedical science: implications for human disease and public healthData-driven biomedical science: implications for human disease and public health
Data-driven biomedical science: implications for human disease and public health
 
Structures of Twitter Crowds and Conversations Six distinct types of crowds t...
Structures of Twitter Crowds and Conversations Six distinct types of crowds t...Structures of Twitter Crowds and Conversations Six distinct types of crowds t...
Structures of Twitter Crowds and Conversations Six distinct types of crowds t...
 
DATA CENTRIC EDUCATION & LEARNING
 DATA CENTRIC EDUCATION & LEARNING DATA CENTRIC EDUCATION & LEARNING
DATA CENTRIC EDUCATION & LEARNING
 
Data Centric Art, Science, and Humanities
Data Centric Art, Science, and HumanitiesData Centric Art, Science, and Humanities
Data Centric Art, Science, and Humanities
 
Studying Social Selection vs Social Influence in Virtual Financial Communities
Studying Social Selection vs Social Influence in Virtual Financial CommunitiesStudying Social Selection vs Social Influence in Virtual Financial Communities
Studying Social Selection vs Social Influence in Virtual Financial Communities
 
Analyzing Big Data to Discover Honest Signals of Innovation
Analyzing Big Data to Discover Honest Signals of InnovationAnalyzing Big Data to Discover Honest Signals of Innovation
Analyzing Big Data to Discover Honest Signals of Innovation
 
데이터사이언스학회 5월 세미나 데이터저널리즘과 트위터네트워크 분석
데이터사이언스학회 5월 세미나 데이터저널리즘과 트위터네트워크 분석데이터사이언스학회 5월 세미나 데이터저널리즘과 트위터네트워크 분석
데이터사이언스학회 5월 세미나 데이터저널리즘과 트위터네트워크 분석
 
International Collaboration Networks in the Emerging (Big) Data Science
International Collaboration Networks in the Emerging (Big) Data ScienceInternational Collaboration Networks in the Emerging (Big) Data Science
International Collaboration Networks in the Emerging (Big) Data Science
 
도시의 마음, 그 발현 - Emergent Mind of City
도시의 마음, 그 발현 - Emergent Mind of City도시의 마음, 그 발현 - Emergent Mind of City
도시의 마음, 그 발현 - Emergent Mind of City
 
Deep Learning - 인공지능 기계학습의 새로운 트랜드 :김인중
Deep Learning - 인공지능 기계학습의 새로운 트랜드 :김인중Deep Learning - 인공지능 기계학습의 새로운 트랜드 :김인중
Deep Learning - 인공지능 기계학습의 새로운 트랜드 :김인중
 
A Unified Music Recommender System Using Listening Habits and Semantics of Tags
A Unified Music Recommender System Using Listening Habits and Semantics of TagsA Unified Music Recommender System Using Listening Habits and Semantics of Tags
A Unified Music Recommender System Using Listening Habits and Semantics of Tags
 
소셜 텍스트 빅 테이터를 통해 분석한 화장품 유통구조 시사점
소셜 텍스트 빅 테이터를 통해 분석한 화장품 유통구조 시사점소셜 텍스트 빅 테이터를 통해 분석한 화장품 유통구조 시사점
소셜 텍스트 빅 테이터를 통해 분석한 화장품 유통구조 시사점
 
R의 이해와 활용_데이터사이언스학회
R의 이해와 활용_데이터사이언스학회R의 이해와 활용_데이터사이언스학회
R의 이해와 활용_데이터사이언스학회
 
소셜미디어 분석방법론과 사례
소셜미디어 분석방법론과 사례소셜미디어 분석방법론과 사례
소셜미디어 분석방법론과 사례
 
데이터 시각화의 글로벌 동향 20140819 - 고영혁
데이터 시각화의 글로벌 동향   20140819 - 고영혁데이터 시각화의 글로벌 동향   20140819 - 고영혁
데이터 시각화의 글로벌 동향 20140819 - 고영혁
 
Bayesian Network 을 활용한 예측 분석
Bayesian Network 을 활용한 예측 분석Bayesian Network 을 활용한 예측 분석
Bayesian Network 을 활용한 예측 분석
 

Semelhante a 2015-4 혁신기술로서의 빅데이터 국내 기술수용 초기 특성연구- 김정선

빅데이터 기술 및 시장동향
빅데이터 기술 및 시장동향빅데이터 기술 및 시장동향
빅데이터 기술 및 시장동향atelier t*h
 
지능정보시대를 위한 빅데이터, 이대로 좋은가
지능정보시대를 위한 빅데이터, 이대로 좋은가지능정보시대를 위한 빅데이터, 이대로 좋은가
지능정보시대를 위한 빅데이터, 이대로 좋은가r-kor
 
2016 국가정보화백서(국문 )-빅데이터 part-2016-12
2016 국가정보화백서(국문 )-빅데이터 part-2016-122016 국가정보화백서(국문 )-빅데이터 part-2016-12
2016 국가정보화백서(국문 )-빅데이터 part-2016-12Donghan Kim
 
더웨이 교육 프로그램 The Way Education Program
더웨이 교육 프로그램 The Way Education Program더웨이 교육 프로그램 The Way Education Program
더웨이 교육 프로그램 The Way Education ProgramDavid (Seok) Young Han
 
1.고객을 이해하는 빅데이터 (4차산업혁명: 고객과의 소통 신기술의 진화)
1.고객을 이해하는 빅데이터 (4차산업혁명: 고객과의 소통 신기술의 진화)1.고객을 이해하는 빅데이터 (4차산업혁명: 고객과의 소통 신기술의 진화)
1.고객을 이해하는 빅데이터 (4차산업혁명: 고객과의 소통 신기술의 진화)doo rip choi
 
DLAB company info and big data case studies
DLAB company info and big data case studiesDLAB company info and big data case studies
DLAB company info and big data case studiesDLAB
 
마인즈랩 사업소개 20151031_v1.0
마인즈랩 사업소개 20151031_v1.0마인즈랩 사업소개 20151031_v1.0
마인즈랩 사업소개 20151031_v1.0Taejoon Yoo
 
Customized Big Data Report 소개(minds lab) v1.0_full
Customized Big Data Report 소개(minds lab) v1.0_fullCustomized Big Data Report 소개(minds lab) v1.0_full
Customized Big Data Report 소개(minds lab) v1.0_fullTaejoon Yoo
 
Big Data and Data Visualization(Inforgraphics) 2012년 KISTI(한국정보과학기술연구원) 발표 자료
Big Data and Data Visualization(Inforgraphics) 2012년 KISTI(한국정보과학기술연구원) 발표 자료Big Data and Data Visualization(Inforgraphics) 2012년 KISTI(한국정보과학기술연구원) 발표 자료
Big Data and Data Visualization(Inforgraphics) 2012년 KISTI(한국정보과학기술연구원) 발표 자료Seul Koo
 
[코세나, kosena] 빅데이터 구축 및 제안 가이드
[코세나, kosena] 빅데이터 구축 및 제안 가이드[코세나, kosena] 빅데이터 구축 및 제안 가이드
[코세나, kosena] 빅데이터 구축 및 제안 가이드kosena
 
마케팅인사이트 회사소개서
마케팅인사이트 회사소개서마케팅인사이트 회사소개서
마케팅인사이트 회사소개서mktarcadia
 
온라인 마케팅을 위한 빅데이터 분석
온라인 마케팅을 위한 빅데이터 분석온라인 마케팅을 위한 빅데이터 분석
온라인 마케팅을 위한 빅데이터 분석수보 김
 
디지털 사이니지 산업 생태계 분석 및 연구 2017_ Digital signage eco research
디지털 사이니지 산업 생태계 분석 및 연구 2017_ Digital signage eco research 디지털 사이니지 산업 생태계 분석 및 연구 2017_ Digital signage eco research
디지털 사이니지 산업 생태계 분석 및 연구 2017_ Digital signage eco research M&M Networks
 
JnJ Insight_How_Digital Marketers Use Big Data
JnJ Insight_How_Digital Marketers Use Big DataJnJ Insight_How_Digital Marketers Use Big Data
JnJ Insight_How_Digital Marketers Use Big DataJnJinteractive
 
기업의 Social research 도입의 필요성과 과제 에스코토스
기업의 Social research 도입의 필요성과 과제 에스코토스기업의 Social research 도입의 필요성과 과제 에스코토스
기업의 Social research 도입의 필요성과 과제 에스코토스SCOTOSS
 
빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20
빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20
빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20Donghan Kim
 

Semelhante a 2015-4 혁신기술로서의 빅데이터 국내 기술수용 초기 특성연구- 김정선 (20)

개인정보 보호와 빅데이터기술의 산업화
개인정보 보호와 빅데이터기술의 산업화개인정보 보호와 빅데이터기술의 산업화
개인정보 보호와 빅데이터기술의 산업화
 
빅데이터 기술 및 시장동향
빅데이터 기술 및 시장동향빅데이터 기술 및 시장동향
빅데이터 기술 및 시장동향
 
지능정보시대를 위한 빅데이터, 이대로 좋은가
지능정보시대를 위한 빅데이터, 이대로 좋은가지능정보시대를 위한 빅데이터, 이대로 좋은가
지능정보시대를 위한 빅데이터, 이대로 좋은가
 
Beyond Big Data MEGA MART_V0.9
Beyond Big Data MEGA MART_V0.9Beyond Big Data MEGA MART_V0.9
Beyond Big Data MEGA MART_V0.9
 
2016 국가정보화백서(국문 )-빅데이터 part-2016-12
2016 국가정보화백서(국문 )-빅데이터 part-2016-122016 국가정보화백서(국문 )-빅데이터 part-2016-12
2016 국가정보화백서(국문 )-빅데이터 part-2016-12
 
더웨이 교육 프로그램 The Way Education Program
더웨이 교육 프로그램 The Way Education Program더웨이 교육 프로그램 The Way Education Program
더웨이 교육 프로그램 The Way Education Program
 
1.고객을 이해하는 빅데이터 (4차산업혁명: 고객과의 소통 신기술의 진화)
1.고객을 이해하는 빅데이터 (4차산업혁명: 고객과의 소통 신기술의 진화)1.고객을 이해하는 빅데이터 (4차산업혁명: 고객과의 소통 신기술의 진화)
1.고객을 이해하는 빅데이터 (4차산업혁명: 고객과의 소통 신기술의 진화)
 
DLAB company info and big data case studies
DLAB company info and big data case studiesDLAB company info and big data case studies
DLAB company info and big data case studies
 
마인즈랩 사업소개 20151031_v1.0
마인즈랩 사업소개 20151031_v1.0마인즈랩 사업소개 20151031_v1.0
마인즈랩 사업소개 20151031_v1.0
 
Customized Big Data Report 소개(minds lab) v1.0_full
Customized Big Data Report 소개(minds lab) v1.0_fullCustomized Big Data Report 소개(minds lab) v1.0_full
Customized Big Data Report 소개(minds lab) v1.0_full
 
금융권의 빅데이터 활용과 이슈 점검
금융권의 빅데이터 활용과 이슈 점검금융권의 빅데이터 활용과 이슈 점검
금융권의 빅데이터 활용과 이슈 점검
 
Big Data and Data Visualization(Inforgraphics) 2012년 KISTI(한국정보과학기술연구원) 발표 자료
Big Data and Data Visualization(Inforgraphics) 2012년 KISTI(한국정보과학기술연구원) 발표 자료Big Data and Data Visualization(Inforgraphics) 2012년 KISTI(한국정보과학기술연구원) 발표 자료
Big Data and Data Visualization(Inforgraphics) 2012년 KISTI(한국정보과학기술연구원) 발표 자료
 
[코세나, kosena] 빅데이터 구축 및 제안 가이드
[코세나, kosena] 빅데이터 구축 및 제안 가이드[코세나, kosena] 빅데이터 구축 및 제안 가이드
[코세나, kosena] 빅데이터 구축 및 제안 가이드
 
마케팅인사이트 회사소개서
마케팅인사이트 회사소개서마케팅인사이트 회사소개서
마케팅인사이트 회사소개서
 
온라인 마케팅을 위한 빅데이터 분석
온라인 마케팅을 위한 빅데이터 분석온라인 마케팅을 위한 빅데이터 분석
온라인 마케팅을 위한 빅데이터 분석
 
디지털 사이니지 산업 생태계 분석 및 연구 2017_ Digital signage eco research
디지털 사이니지 산업 생태계 분석 및 연구 2017_ Digital signage eco research 디지털 사이니지 산업 생태계 분석 및 연구 2017_ Digital signage eco research
디지털 사이니지 산업 생태계 분석 및 연구 2017_ Digital signage eco research
 
JnJ Insight_How_Digital Marketers Use Big Data
JnJ Insight_How_Digital Marketers Use Big DataJnJ Insight_How_Digital Marketers Use Big Data
JnJ Insight_How_Digital Marketers Use Big Data
 
기업의 Social research 도입의 필요성과 과제 에스코토스
기업의 Social research 도입의 필요성과 과제 에스코토스기업의 Social research 도입의 필요성과 과제 에스코토스
기업의 Social research 도입의 필요성과 과제 에스코토스
 
빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20
빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20
빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20
 
보험사, 빅데이터에 답을 묻다
보험사, 빅데이터에 답을 묻다보험사, 빅데이터에 답을 묻다
보험사, 빅데이터에 답을 묻다
 

2015-4 혁신기술로서의 빅데이터 국내 기술수용 초기 특성연구- 김정선

  • 1. 혁신기술로서의 빅데이터 국내 기술수용 초기 특성연구 Ph. D 김 정 선 SK텔레콤 T-Valley. PL
  • 3. 연구의목적및배경  국내 시장의 빅데이터 기술수용에 대하여 체계적으로 연구 된 사례가 미흡 -대부분의 연구들은 빅데이터 기술현황 및 종류 혹은 해외 적용 사례에 대해  국내 빅데이터 기술은 초기 시장에 해당되므로 그 기술수 용에 관련한 연구가 반드시 필요 - 특정 기술의 초기 시장 내에서의 기술수용 특성에 따라 향후 신기술의 확산이 매우 다른 양상으로 펼쳐질 것이기 때문
  • 4. 연구의목적및배경  기술의 확산은 해당 기술 수용자 측면의 인지된 혜택과 위 험요인, 경제적 효용성 등에 따라 가속화되기도 하고 확산 의 단절 현상이 생기기도 함  빅데이터 기술은 그 구성이 매우 복합적이고 다면적인데 다가 아직까지 완성형태의 제품(서비스)형 기술이 아닌 경 우가 대부분이어서 수용자 입장에서는 기술수용의도에 대 한 영향요인 역시 복합적일 것으로 예상, 그러므로 이러한 기술 및 수용자 특성을 고려한 기술수용에 대한 초기 특성 연구모형을 개발하고 검증하는 작업이 필요
  • 5. 연구의방법론적접근  본 연구에서는 기술수용모델을 기본 틀로 하여 혁신확산 이론(IDT)과 과업기술적합성(TTF)이론 등을 활용한 빅데 이터 기술 특성에 적합한 통합적 모형을 만들고, 이를 활용 하여 국내 초기 시장의 빅데이터 기술수용의 특성을 파악 - 기술수용모델(TAM) 연구는 그 모형의 적합성과 다양한 이론과의 통합적 접근이 용이하기 때문에 새로운 기술이 시장에 소개되면 보편적으로 적용되는 연구모델
  • 6. 본연구의“빅데이터기술”정의  “기업의 기존 IT시스템에 적용되거나 신규 서비스를 위하 여 활용되는 다양하고 이질적인 성격의 데이터 및 이를 수 집, 저장, 처리, 분석, 관리하기 위한 제반의 기술”
  • 7. 혁신기술로서의빅데이터 혁신기술 특성 빅데이터 관련성 특징 새로움 (Newness) 기술의 창의성 빅데이터 기술은 창의적 접근을 통해 새롭게 발현된 혁신이며 이들 기술은 단절된 것이 아니라 서로 연 결되고 융합되어 새로운 가치를 창출 차별성 (differentiation) 데이터의 차별성 원 천 적 으 로 유 형 이 다 른 이 질 적 인 이 종 (heterogeneous)의 데이터를 수집, 결합하여 처리, 분석하는 기술임 외부효과 (externality) Open Data & Open API 정부주도의 공공데이터 개방 및 빅데이터 플랫폼을 통한 긍정적 외부효과 창출 경제성 (economic value) 신규 사업을 통한 경제적 효익 창출 빅데이터 기술적용을 통한 비용 효율화 및 빅데이터 기반의 신규 사업을 통한 경제적 이윤 창출
  • 8. 혁신기술수용  소비자행동관점  Rogers의 혁신채택이론 내 단계별 확산  혁신기술 혹은 신제품 수용자의 숫자가 늘어날수록 혁신확산이 이루어진다고 볼 수 있으며 이것이 초기 시장의 혁신기술 수용 자들에게 주목하는 이유  그런데 빅데이터 기술수용에서는 기업의 목적 및 필요성에 따라 다른 기술수용 의도가 생기게 됨  기업이 내부의 업무효율성과 본연의 과업목적을 달성하기 위하 여 빅데이터 기술을 수용하는 경우도 있지만, 빅데이터 기술을 수용하여 이를 기반으로 시장 내에 또 다른 서비스 및 보완기술 을 제공하기 위해서도 기업 내의 빅데이터 기술수용이 이루어지 고 있음  이러한 경우 기술수용은 2차적 기술기반의 제품 혹은 서비스 제 공을 위한 활용자로서의 양상을 보이게 됨
  • 9. 수용자에대한이원화관점적용  ‘기술이용자’란 업무효율화를 위해 기술을 단순 수용하는 수용자이다.  ‘기술활용자’란 빅데이터 기술을 수용하여 2차적인 가치 즉, 아이디어 및 추가 기술적용 등을 통해 보완재와 서비스 를 제공하기 위해 기술을 활용하는 수용자이다.
  • 10. 연구의 의의  빅데이터 기술의 특성을 고려한 통합적 연구모형 제시 -기술수용모델(TAM)을 기본으로 하여 혁신확산이론(IDT) 및 과 업기술적합성(TTF)이론을 근간 이론으로 -통합적인 모델구성은 실제 시장 적용에 대한 적합성 확보 및 연 구의 전반적인 설명력을 증대시킬 수 있을 것으로 기대  기술수용모델을 기술수용 목적에 따라 이원화된 관점으로 나누 어 적용하는 연구의 기초를 제공  국내 빅데이터 기술의 초기 시장의 현황을 이해할 수 있는 실증 자료를 체계적으로 제공  단순히 수용을 위한 행동의도를 연구하는 것이 아니라 빅데이터 기술의 지속적 사용의도를 종속변인으로 설정하여 수용 후 단계 (post-adoption stage)까지를 연구함으로써 아직까지 시장 내 기 대와 우려가 모두 높은 수준에 있는 빅데이터 기술에 대하여 지속 적 혁신기술 확산을 위한 전략적 시사점을 도출하고자 함
  • 11. 논문의구성  제1장에서는 연구의 배경을 밝히고 본 연구의 목적 및 학문적 의의를 기술  제2장에서는 빅데이터 기술관련 선행연구 및 혁신기술 수용과 관련한 다양한 이 론을 고찰  제3장에서는 선행 연구결과 및 심층 인터뷰 결과를 바탕으로 연구모델 수립 설 계를 진행하였으며 수립된 연구모형과 관련한 측정도구 및 분석방법을 상술  제4장에서는 실증조사를 통한 구조방정식 모형 검정을 통해 빅데이터 기술수용 영향요인을 검정 혁신확산이론 및 과업기술적합이론을 활용한 통합적 관점의 연구모형 내 TAM의 매개효과 여부 검증 수용목적에 따른 ‘기술이용자’ 그룹과 ‘기술활용자’ 그룹으로 나누고 조절효과 분석을 통한 경로별 차이를 검증  제5장에서는 연구결과를 바탕으로 빅데이터 기술의 초기 시장 내에서 기업의 빅 데이터 기술 수용목적에 따른 기술이용자 측면과 빅데이터 기술 활용자 측면의 시사점을 제시, 본 연구의 함의 및 시장에 대한 제언, 그리고 연구가 지닌 한계점 을 밝힘
  • 13. 빅데이터정의 기관 정의 매킨지(2011) 데이터의 크기로 인해 기존의 데이터 베이스 도구로는 다룰 수 없는 데이터의 모임 가트너 (2011) 빅데이터란 엄청난 양과 빠른 속도 그리고 다양성을 갖춘 정보 3V로 정의 : Volume, Variety, Complexity Volume : 데이터 규모가 엄청남을 의미 Variety : 로그기록, 소셜, 위치정보 등 데이터의 종류가 증가로 텍스트 외 멀티미디어 등 비정형화된 데이터의 유형이 다 양화 되는 것 의미 Complexity : 구조화되지 않은 데이터, 데이터 저장방식의 차이, 중복성 문제 등 데이터 종류가 확대되고 외부 데이터의 활용 등으로 관리대상이 증가됨으로써 점차적으로 데이터 관리 및 처리가 복잡화되고 심화되어 새로운 처리 및 관리기법 이 요구되는 상황을 의미 IDC(2011) 대규모의 다양한 데이터로부터 수집, 검색, 분석을 신속하게 처리하여 경제적인 가치발굴을 수행하도록 설계된 차세대 기 술 및 아키텍쳐 위키피디아 기존 데이터베이스 관리도구의 데이터 수집·저장·관리·분석의 역량을 넘어서는 대량의 정형 또는 비정형 데이터 세트[1] 및 이러한 데이터로부터 가치를 추출하고 결과를 분석하는 기술[2]을 의미 SAS 4V로 정의 : Volume, Variety, Velocity, Value Volume, Variety는 가트너 정의와 동일하나 Velocity는 센서나 모니터링 등 사물정보, 스트리밍 정보 등 실시간성 정보가 증가하고 있고, 이러한 실시간성으로 인한 데이터 생성, 이동과 유통의 속도가 증가하고 있으며 대규모 데이터처리 및 가치 있 는 실시간성 정보활용을 위해 데이터 처리 및 분석 속도가 매우 중요하게 되었음을 의미 Value는 새로운 가치를 창출하는 것을 의미 노무라 연구소 빅데이터를 처리할 수 있는 인재・조직, 데이터 처리・축적・분석기술, 데이터 자원 등을 빅데이터의 3요소로 정의하고 3요소의 조화로운 발전이 데이터의 특성과 컴퓨팅 파워의 발달에 따라 실생활 적용이 빠르게 확산될 것으로 전망 국가정보화전략위 원회 대량으로 수집한 데이터를 활용,분석하여 가치있는 정보를 추출하고 생성된 지식을 바탕으로 능동적으로 대응하거나 변화를 예측하기위한 정보화 기술
  • 16. Big Data !! Big Data 환경 16
  • 19. 【 시장에서의 Big Data 활용 기대 】【 Big Data 시장 구조 】 51% 36% 27% 24% 20% 11% 6% 0% 20% 40% 60% 기존 서비스 개선 전략 방향 수립 CRM 향상 신제품 개발 고객 체험 강화 신시장 개척 규제 대응 ※ 응답자 51%가 기존 서비스/상품 개선 효과가 있다고 응답 ※ EIU(Economist Intelligence Unit), 전세계 Senior Executives 586명 대상 기업 공공 양적으로 규모가 매우 큰 데이터 비정형/ 비구조화 된 데이터까지 수시로 생성되는 다량의 데이터 Volume Variety Velocity 빅 데 이 터 사 업 자 이 용 자 Enabler Pathfinder Big Data를 핵심 기반으로 새로운 사업 (Google, facebook, Telco.) Big Data에 필요한 기술 지원 사업 (IBM, EMC, Cloudera 등) • 생산성 혁신 • 마케팅 혁신 • 리스크 관리 • 선제적 사회현안 해결 • 맞춤형 대국민 서비스 • 데이터 기반 정책수립 의사결정 지원  시장에서의 Big Data에 대한 기대는 기존 서비스/상품 개선이 가장 큼 (EIU, 2011) BigData전망 19
  • 20.  내부 가치에 대한 지속적인 발굴  고객 이해 강화를 위한 새로운 관점과 Data확보  ICT기술 기반 New Technology Leader  Big Data기반 새로운 Biz모델 발굴 BigData전망 20
  • 21. 출처: Star Base 21 2.BigData전망  초기 빅데이터 시장, 기업 IT 효율 개선 및 전략 수립 지원에 초점  사물인터넷, 웨어러블 등 데이터 수집 경로 대폭 확대 7.3 11.8 18.6 28.6 28.5 38.4 50.1 2011 2012 2013 2014 2015 2016 2017  빅데이터 시장 대중화 임박… 모범 사례 발굴이 급선무  대형 IT 벤더의 적극적인 사업 추진, 다양한 빅데이터 기술 활용 사례 출현 등이 여전히 핵심 성장 동력으로 꼽히며, 각국 정부의 오 픈데이터 정책 등 데이터 공유 트렌드 역시 빅데이터 대중화에 긍정적 으로 기여 웨어러블과 결합하며 개인화되는 빅데이 터… B2B2C로 발전 中  폭증하는 데이터에 일일이 대응 불가… ’셀프서비스’ 방식에 주목 빅데이 터 개인화 자동화 솔루션 247 327 419 547 674100 151 237 325 413 2014 2015 2016 2017 2018 스토리지 제품  데이터 공유, 거래 형태에 대한 제도적 장 벽, 빅데이터 성장에 악영향  정부 보유 데이터 개방 통한 민간 활용 이제 갓 출발 규제장 벽 완화요 구오픈 데이터 정책  제도 개선 및 ‘데이터 브로커’ 촉진 위한 정부 결단 기대  민간 중심의 오픈데이터 정책 수립… 인력 확충 등 후속 지원 필요  국내 빅데이터 시장, 실제 기업의 예산 투입 저조… 공공 프로젝트가 대부분  빅데이터 관련 시장의 성장세는 뚜렷하지만, 실제 기업이 빅데 이터 활용을 위한 환경을 설계, 구축, 관리할 역량과 예산은 부족해 시장 성 장에 걸림돌로 작용
  • 22. Mobile operators should focus on specific business area of Big Data Typical Monetization Methods for Big Data Data Sales Solution Development Target Marketing Internal Optimization Initial Business Area Potential Business Area Insight Consulting Ease of Sales High Profit Margin 1.BigData현황 22
  • 23. 시범 사업명 참여 기관 주요 내용 빅데이터 기반 유통시장 상품판매 분석 서비스 대한상공회의소 클루닉스 - 23개 유통사의 판매정보를 분석하여 지역 슈 퍼마켓 등 중소상인을 위한 시즌별 인기 상품 분석정보 - 날씨/지역 맞춤형 상품추천 - 연관 구매상품 추천 등 데이터 기반 마케팅 정보 제공 빅데이터 분석 기반 외 국인 관광산업 지원 오픈메이트, BC카드, NICE평가정보, 한국관광공사, KT - 중국 관광객 트렌드를 복합 분석하여 추가 관 광지 개발 - 맛집, 쇼핑, 명소 등을 지도 기반의 맞춤형 관 광정보로 제공 의료정보 빅데이터 기반 맞춤형 유의질병 및 병원 정보 제공 에이디벤처스, 건강보험심사평가원, 라인웍스 - 진료정보 빅데이터 분석을 통해 발생 질환별 예상 - 유의 질병정보 및 맞춤형 병원 정보 제공 자동차 부품기업 공동활 용 빅데이터 플랫폼 구축 메타빌드, 솔바테크놀로지, 자동차부품연구원 - 자동차 부품 제조사가 공동활용 가능한 빅데 이터 플랫폼을 제공 - 생산공정 데이터(15개종 130여 항목)의 정밀 분석으로 제품 품질향상 【 2014 미래부-NIA 빅데이터 관련 주요 시범사업 현황 】 23 1.BigData현황
  • 24. 통 신  자사 고객 DB 기반, 정교한 Audience Targeting 제공 -자사 고객의 활동 (Online, Mobile, TV Channel)에 대해 고객向 정형,비정형 Data를 수집, 분석, 정제 IT LBS 및 마케팅 DB 판매 -가입 고객 정보 및 위치 정보를 기반으로, 유통인구 DB 등 마케팅 DB 구축 및 판매  위치 기반 Push형 프로모션 서비스 -성별, 연령대 등 개인 정보 및 고객의 위치 정보 보유 -영국 내 스마트폰 보유자의 50%가 위치기반 쿠폰 이용 구매 경험을 보유했음  Mobile Marketing 및 M-commerce (Wallet) 사업 -영국 기반 MNO (Mobile Network Operator)인 EE, Telefonica UK, Vodafone UK 합작, 영국 내 Mobile 이용자의 80% cover -“wallet”: Loyalty card, 쿠폰, 신용 카드를 아우르는 M- commerce platform  자사 고객 대상 Target Marketing & Forecasting -검색어, 안드로이드 사용자 및 모바일 사용 행태 정보 기반, 빅데이터 플랫폼 기반 분석을 통한 광고 및 링크 최적화  자사 고객 대상 Real Time Target Marketing -Facebook내의 individual 비정형 정보 (사용자 Demographic 정보, 관심사, 심리상태, 위치 정보 등) 및 검색어결과 DB보유 - 결과 바탕, FBX (실시간 광고 플랫폼)활용한 맞춤 광고 제작 사업 실시 유 통 금 융 DB, Marketing Solution 및 consulting 제공 -고객 Demographic 정보, 소비정보, 가맹점 결재정보, 구매자 정보 보유 -Analystic 업체인 뮤시그마 인수, marketing solution 및 consulting 사업  Target Marketing solution 제공 -모바일 광고 및 퍼블리싱 플랫폼 사용자 정보를 바탕으로 Target Marketing  Target Marketing & Customized Action -고객 Demographic 정보, 상품 추천 시스템 DB, 고객별 구매 특성 분석 정보 보유 -개인별 상품 검색, 구매 패턴 분석 통한 쿠폰 자동 발송 전 문 서 비 스  마케팅 DB, Solution 및 마케팅 대행 -개인별 상세 Demographic 정보,이벤트, 기호, 성향 정보 보유 -DB cleansing, Integration을 통한 DB 판매, 관리, 현행화, Mgmt. 컨설팅 【 Industry별 시장 동향 】 텔레포니카 스페인 오투 영국 에이티 앤 티 미국 위브 영국 마스터카드 미국 구글 페이스북 탭조이 아마존 액시움  다양한Industry내기업들이자사에축적된고객DB기반정밀분석을통하여내부적으로는Targetmarketing 효율화를수행하고,외부적으로는Data자원을활용하여사업영역을확장하고있음 24 2.BigData산업별현황
  • 25. - 로손: 포인트 카드로 고객이 같은 상품을 구입하는 반복 구매에 주목, 히트 상품 탄생 - 세븐일레븐: 상품의 동시 구매 패턴을 파악하여 관련 매출이 35%로 상승 - 사용자 데이터에 기반한 맞춤형 서비스 제공 - 주행거리연동보험: 혼잡 시간대, 사고다발 지역의 운행 빈도가 낮은 운전자에 보험료 할인 - 차량 내 운행기록 장치를 통해 실제 운전 행태를 수집, 분석하여 체계적인 보험료 설정방식을 구축, 고객 신뢰 확 - 사고 발생시, 사고정보/현장사진을 GPS로 고객센터에 전송, 고객센터의 1800종 이상 차종 DB와 비교분석 후 수리비내역 즉시 전송, 사고수습 단축 - 일별 배송정보 분석, 소비자의 물류서비스 이용 패턴 파악 - 교통상황, 수신자 상황, 지리적, 환경적 요소 고려하여 최적화된 배송경로 실시간 제공 → 배송 실패율 제로 수준, 불필요한 연비 지출 절감 - 수요 증가를 예측하여 허브시설 확충 → 물류센터 확장, 차량 증편을 위한 투자규모 결정 - 농지작업 실적과 작물이미지 등을 분석 → 수확량 증가, 품질을 향상시키는 식품, 농업 클라우드 서비스 개시 - 센서를 통해 기후와 토양환경 측정, 과거 수확실적 분석 → 최적의 파종, 농약살포, 수확 시점 제공 - 실증실험 진행 결과 양배추 수확이 30%가량 늘어나는 성과 확인 구매, 소비 관련 데이터 → 고객 행동 패턴 파악 → 고객 니즈 발견고객 니즈 분석 미래 예측 데이터를 통해 과거와 현재의 규칙성과 상관관계 파악 → 수요 및 추세 예측 예측과 통찰력에 객관성, 신속성, 정확성, 지속성을 더하는 효과 - 전문적 인력 관리에 빅데이터 활용 - 테마파크 입장객 수, 예약호텔 객실 수, 올랜도 지역 날씨 등 변동 요소 분석 → 향후 6주 간 필요한 직원 수와 업무분량 예측 정형, 비정형 데이터의 빠른 분석을 통해 실시간 대응력 강화 → 치열해지는 경쟁에 효과적으로 대응 실시간 대응성 강 화 고객의 개별 상황에 대한 정확한 이해 → 가장 적합한 서비스 방식 파악 → 효과적인 서비스 제 공 맞춤형 서비스 경험과 직관에 의한 의사결정이 아닌, 풍부하고 합리적인 데이터 기반 의사결정기준 제시 과학적 의사결정 지 원 25 2.BigData산업별현황
  • 29. 변수 요인 항목 기존연구 TAM과 관련된 독립변수 주관적 규범 (Subjective norm) 4 Davis(1989),Taylor&Todd(1995a),Venkatesh&Davis(2000),Yang&Kang(2002),Kim(2000) 과업기술적합성 이론(TTF)과 관련된 독립변수 과업기술적합성 (Task-Technology Fit) 4 Goodhue(1955), Folz-Murphy 등(1998), Zigurs(2000), Dishaw(2002), Elske(2005) DeLone & McLean(2003) 혁신확산모델과 관련된 독립변수 조직의 혁신성 (innovativeness) 8 Moore&Benbasat(1991),Adamsetal.(1992),Grover&Goslar(1993),Allen(1998),Chen(2000) , Scott & Bruce(1994), Agarwal & Prasad(1997), 오창규(2002), Rogers(2003), 이화용 (2004),박은아(2007),김해룡,양필석(2008),김성개(2009) TAM 매개변수 인지된 용이성 (Perceived ease of use) 5 Adamsetal.(1992),Chenetal.(2002),Davis(1986,1989),Hendericksonetal.(1993),Mathieson(1991),Moon& Kim(2001),Moore&Benbasat(1991),Straubetal.(1997),Szajna(1994),Jeong(2000),Jang(20 04),Kim(2000),Moon&Kim(2001),Lee(2002) 인지된 유용성 (Perceived usefulness) 5 Adams et al.(1992), Davis(1986, 1989), Henderickson et al.(1993), Mathieso n(1991), Moon & Kim(2001), Moore & Benbasat (1991), Straub et al.(1997 ) 사용에 대한 태도 (Attitude to use) 5 Hendrickson et al(1993), Straub et al(1995), Adams et al(1992), Taylor and Tod d(1995) 사용에 대한 행동의도 (Behavioral intention to use) 4 Davisetal.(1989), Venkatesh&Davis(1996, 2000),Jacksonetal.(1997),Subramanian(1994 ), Mathieson(1991), Venkatesh & Morris(2000), Moon&Kim(2001),Szajna(1996),Taylor&T odd(1995),Moon&Kim(2001),Jang(2004),Lee(2002) 종속변수 (variable) 빅데이터 지속사용의도 (Big Data loyalty) 2 Lee(2002), Yoo, Donthu, & Lee(2000), Yoo & Donthu(2001) 연구모델의개발도 구
  • 30. 외생변인에대한 로지스틱회귀분석결 과 변수 ba S.E.b OR(95%CI)c P 조직의 혁신성 -.039 .016 .962(.933-.992 .013 주관적규범 -.005 .029 .995(.940-1.053 .860 과업기술적합성 .140 .034 1.150(1.077-1.229) .000 상수 -1.507 .681 .221 .027 * 주:*기준범주: 이용목적수용자, a Standardized coefficients, b Standard error, c Adjusted odds ratio(95% Confidence interval) 기술이용자 변인 기술활용자 변인
  • 31. 연구문제 [연구문제 1] 조직의 혁신성, 주관적 규범, 과업기술적합성 등의 외생변인과 기술 수용모델의 변인이 지속사용 의도에 미치는 경로별 영향도는 어떠한가? [연구문제 2] 조직의 혁신성, 주관적 규범, 과업기술적합성 등 외생변인은 TAM 변인을 매개하는가? [연구문제 3] 조직의 혁신성, 주관적 규범, 과업기술적합성 등의 외생변인과 기술 수용모델의 변인과의 각 경로에서 기술수용 목적에 따른 ‘기술이용자’와 ‘기술활 용자’ 그룹 간의 차이가 있는가? [연구문제 4] 조직의 혁신성, 주관적 규범, 과업기술적합성 등 외생변인과 기술수 용모델의 변인과의 각 경로에서 업무영역에 따라 차이가 있는가? 또한 각 업무영 역별로 가장 큰 영향을 가지는 영향요인은 무엇인가?
  • 32. 연구결과 [연구문제 1] 조직의 혁신성, 주관적 규범, 과업기술적합성 등의 외생변인과 기술 수용모델의 변인이 지속사용 의도에 미치는 경로별 영향도는 어떠한가?
  • 33. 연구결과 [연구문제 1] 조직의 혁신성, 주관적 규범, 과업기술적합성 등의 외생변인과 기술 수용모델의 변인이 지속사용 의도에 미치는 경로별 영향도는 어떠한가? 가설 가설 결과 H1 조직의 혁신성은 기술의 인지된 유용성에 정(+)의 효과를 갖는다. 기각 H2 조직의 혁신성은 기술의 수용의도에 정(+)의 효과를 갖는다. 기각 H3 주관적 규범은 기술의 인지된 유용성에 정(+)의 효과를 갖는다. 채택 H4 과업기술적합성은 기술의 인지된 유용성에 정(+)의 효과를 갖는다. 채택 H5 과업기술적합성은 기술의 인지된 용이성에 정(+)의 효과를 갖는다. 채택 H6 과업기술적합성은 기술의 수용의도에 정(+)의 효과를 갖는다. 채택 H7 인지된 용이성은 인지된 유용성에 정(+)의 효과를 갖는다. 채택 H8 인지된 유용성은 태도에 정(+)의 효과를 갖는다. 채택 H9 인지된 용이성은 태도에 정(+)의 효과를 갖는다. 기각 H10 태도는 수용의도에 정(+)의 효과를 갖는다. 채택 H11 수용의도는 지속적 사용의도에 정(+)의 효과를 갖는다. 채택
  • 34. 연구결 과 [연구문제 2] 조직의 혁신성, 주관적 규범, 과업기술적합성 등 외생변인은 TAM 변인을 매개하는가? 경로 경로계수 표준오차 C.R. p-value 조직의 혁신성 → 지속사용의도 -.079 .119 -1.465 .143 주관적 규범 → 지속사용의도 .263 .061 4.447 *** 과업기술적합성 → 지속사용의도 .506 .090 7.549 *** 외생변인과 종속변인의 매개효과 검증 경로 총효과 직접효과 간접효과 간접효과 설명 조직의 혁신성 → 지속사용의도 -.022 -.035 .014 TAM 비매개 주관적 규범 → 지속사용의도 .157 .046 .111 TAM 매개 과업기술적합성 → 지속사용의도 .445 .052 .393 TAM 매개 외생변인의 종속변인 경로별 직․간접효과
  • 35. 연구결 과 [연구문제 3] 조직의 혁신성, 주관적 규범, 과업기술적합성 등의 외생변인과 기술 수용모델의 변인과의 각 경로에서 기술수용 목적에 따른 ‘기술이용자’와 ‘기술활 용자’ 그룹 간의 차이가 있는가? 외생변수 내생변수 기술이용자(A) 기술활용자(B) 교차 타 당성 표준화계 수 표준오 차 p- value SMC 표준화 계 수 표준 오 차 p- value SMC 조직의 혁신성향 유용성 -.041 .066 .570 .416 .034 .087 .599 .537주관적 규범 .368* .064 .016 .066 .098 .484 A>B 과업기술적합성 .290** .080 .014 .655** .114 .005 A<B 용이성 .204* .071 .014 .123 .088 .168 과업기술적합성 용이성 .249* .080 .010 .062 .136 .151 .456 .018 유용성 태도 .706** .054 .007 .491 .507* .166 .023 .259 A>B 용이성 -.015 .076 .734 .010 .169 .792 태도 수용의도 .637** .067 .006 .673 .760** .076 .004 .666 과업기술적합성 .351* .083 .016 .115 .084 .319 A>B 조직의 혁신성향 -.047 .070 .476 .027 .083 .957 수용의도 지속적 사용 .931** .022 .007 .868 .918** .029 .009 .843 (*p<.05, **p<.01), SMC(Squared Multiple Correlation)
  • 36. 연구결 과 기술이용자 그룹의 경로별 표준화계수 도해 기술활용자 그룹의 경로별 표준화계수 도해
  • 37. 가설 가설 기술이용자 (A) 기술활용자 (B) 교차 타당성 결과 H15 조직의 혁신성 → 유용성 경로는 기술이용자그룹에게 보다 유 의할 것이다 -.041 .034 - 기각 H16 조직의 혁신성 → 수용의도 경로는 기술이용자 그룹에게 보다 유의할 것이다 -.047 .040 - 기각 H17 주관적 규범 → 유용성 경로는 기술수용 목적에 따른 차이가 있 다 .368* .066 A>B 채택 H18 과업기술적합성 → 유용성 경로는 기술활용자 그룹에 보다 유 의할 것이다 .290** .655** A<B 채택 H19 과업기술적합성 → 용이성 경로는 기술활용자 그룹에 보다 유 의할 것이다 .249* .136 - 기각 H20 과업기술적합성 → 수용의도 경로는 기술활용자 그룹에 보다 유의할 것이다 .351* .115 A>B 기각 H21 용이성 → 유용성 경로는 기술수용 목적에 따른 차이가 있다 .204* .123 - 기각 H22 유용성 → 태도 경로는 기술이용자 그룹에 보다 유의할 것이다 .706** .507* A>B 채택
  • 38. 연구결 과 [연구문제 4] 조직의 혁신성, 주관적 규범, 과업기술적합성 등 외생변인과 기술수 용모델의 변인과의 각 경로에서 업무영역에 따라 차이가 있는가? 또한 각 업무영 역별로 가장 큰 영향을 가지는 영향요인은 무엇인가? 외생변수 내생 변 수 Staff(A) 영업관리판매(B) IT기타(C) 교차 타당성 표준화 계수 표준 오차 p- value SMC 표준화 계수 표준 오차 p- value SMC 표준화 계수 표준 오차 p- value SMC 조직의 혁 신성향 유용성 -.151 .367 .122 .539 .128* .083 .041 .484 -.041 .120 .518 .481 A<B 주관적 규 범 .101 .040 .122 .326*** .066 .000 .294*** .061 .001 A<B 과업기술 적합성 .718*** .087 .000 .383*** .114 .000 .355*** .093 .000 A>B,C 용이성 .115 .075 .053 .033 .080 .626 .227** .098 .002 A,B<C 과업기술 적합성 용이성 .099 .057 .237 .009 .188 .118 .062 .035 .438*** .074 .000 .189 A,B<.C 유용성 태도 .694*** .114 .000 .467 .445*** .066 .000 .360 .701*** .103 .000 .477 B<A<C 용이성 -.079 .110 .283 .342*** .075 .000 -.023 .113 .740 A,C<B 태도 수용 의 도 .588*** .097 .000 .607 .744*** .130 .000 .595 .662*** .084 .000 .717 과업기술 적합성 .298*** .083 .000 .017 .099 .842 .346*** .083 .000 B<A,C 조직의 혁신성향 .040 .374 .551 -.010 .088 .900 .065 .140 .268 수용의도 지속적 사용 .835*** .075 .000 .697 .859*** .107 .000 .738 .907*** .090 .000 .824 (*p<.05, **p<.01), SMC(Squared Multiple Correlation), 집단비교는 bootstrapping검정을 통하여 0.05수준에 유의한 값으로 비교
  • 39. Staff직 그룹의 경로별 표준화계수 도해 영업관리판매직 그룹의 경로별 표준화계수 도해 IT기타직 그룹의 경로별 표준화계수 도해
  • 40. 가설 가설 Staff(A) 영업관리판매 (B) IT기타 (C) 교차 타당성 결과 H23 조직의 혁신성 → 유용성은 업무영역에 따라 차이 가 있다. -.151 .128 -.041 A<B 채택 H24 조직의 혁신성 → 수용의도는 업무영역에 따라 차 이가 있다. .040 -.010 .065 - 기각 H25 주관적 규범 → 유용성은 업무영역에 따라 차이가 있다. .101 .326** .294*** A<B 채택 H26 과업기술적합성 → 유용성은 업무영역에 따라 차 이가 있다. .718*** .383** .454** A>B,C 채택 H27 과업기술적합성 → 용이성은 업무영역에 따라 차 이가 있다. .099 .188 .438*** A,B<C 채택 H28 과업기술적합성 → 수용의도는 업무영역에 따라 차이가 있다. .298*** .017 .346*** B<A,C 채택 H29 용이성 → 유용성은 업무영역에 따라 차이가 있다. .115 .033 .227** A,B<C 채택 H30 유용성 → 태도는 업무영역에 따라 차이가 있다. .694*** .445*** .701*** B<A<C 채택 H31 용이성 → 태도는 업무영역에 따라 차이가 있다. -.079 .342*** -.023 A,C<B 채택 H32 태도 → 수용의도는 업무영역에 따라 차이가 있다. .588*** .744*** .662*** A=B=C 기각 H33 수용의도 → 지속적 사용의도는 업무영역에 따라 차이가 있다. .835*** .859*** .907*** A=B=C 기각
  • 41. 구분 Staff 이용목적 수용자 Staff 활용목적 수용자 영업관리판매직 이용목적 수용자 영업관리판매직 활용목적 수용자 IT기타 이용목적수용자 ba ORb ba ORb ba ORb ba ORb ba ORb 조직의 혁신성 .021 1.021 .046 1.047 -.005 .995 -.041 .960 .074 1.077*** 주관적 규범 .047 1.048 .055 1.057 .046 1.047 -.065 .937 -.089 .915* 과업기술 적합성 -.277 .758*** -.224 .800*** -.222 .801*** -.045 .956 -.189 .828*** 유용성 .194 1.214*** .122 1.129 .079 1.083 .083 1.087 .110 1.116** 용이성 -.038 .963 -.026 .975 -.045 .956 .059 1.061 -.038 .963 사용태도 -.022 .979 -.003 .997 .053 1.055 -.090 .914 .008 1.008 사용의도 -.081 .922 -.238 .788** -.160 .852* -.088 .916 -.165 .848** 지속적 사용의 도 .062 1.064 .429 1.535** .156 1.169 .364 1.439** .245 1.278** 업무영역별 이용목적 수용자와 활용목적 수용자에 미치는 영향요인
  • 42. 연구결과요약및시사점  첫째, 실증 데이터를 통해 조사한 국내 빅데이터 시장의 모습은 기술이용목적 수용자와 기술활용목적 수용자 측 면 모두 활발하게 진행되고 있으며, 다양한 산업에 걸쳐 대기업 위주로 도입 또는 검토되고 있는 것으로 확인되 었다. 기업의 구성원이 인지하는 조직의 혁신성향에 대한 응답평균도 1,000명이상의 대기업이 유의하게 높은 것으로 나타났는데, 이는 대기업이 혁신정도가 높다는 슘페터의 가설을 입증하는 선행연구와 상응하는 결과이 다.  둘째, 빅데이터 기술도입의 주도는 기업 내에서 연령과 근속연수가 높은 부장 및 임원 등 관리직급에 의해서 주 도적으로 검토되고 있으며, 기술영역별로는 H/W와 S/W보다는 분석 기반기술 및 서비스 위주로 도입 또는 검토 되고 있었다. 다만 지속적 사용의도에 대해서는 H/W, S/W영역이 타 기술영역보다 크게 나타나는 바, 현재 시장 내의 기반기술 및 서비스 부문에서 성공사례를 만드는 것이 국내 빅데이터 기술의 초기시장 활성화에 중요하다 고 판단된다.  셋째, 기술수용모델(TAM)의 내부변인은 관련 선행연구의 결과와 같이 유의하게 나타났으나, 외부변인으로 설 정한 ‘조직의 혁신성’, ‘주관적 규범’, ‘과업기술적합성’ 등은 그 결과가 다르게 나타났다. 특히 ‘기술이용자’ 영향요 인으로 설정한 ‘조직의 혁신성’ 요인은 그 영향력이 검증되지 않았다. 오히려 ‘기술활용자’ 측면의 ‘과업기술적합 성’ 요인이 유의한 것으로 나타나 초기 국내 빅데이터 기술수용은 ‘기술활용자’ 측면에서 보다 활발하게 진행되 고 있는 것으로 해석이 가능하였다.  넷째, 경로별 인과관계에서 외생변인 중 가장 영향도가 높은 것은 ‘기술활용자’ 영향요인으로 설정한 ‘과업기술 적합성’으로 확인되었는데, 이는 기업이 기술수용 시 과업의 필요성 및 목적성에 따른 기술도입을 우선적으로 고려하고 있음을 확인시켜 주는 결과이다.  다섯째, 연구모델의 전체 경로에서 빅데이터 기술은 ‘조직의 혁신성’ 요인보다는 ‘주관적 규범’ 요인의 영향도가 유의하게 나타나 혁신기술의 도입을 결정하는 수용자에 대한 사회적 영향이 보다 크게 작용하고 있음을 추론하 는 것이 가능하였다. 이는 빅데이터 기술을 도입하면 기술 도입을 하지 않은 다른 누군가 보다 상대적으로 우월 하게 보일 것임을 지각하는 것을 의미한다. 특히 ‘주관적 규범’ 요인은 ‘유용성’까지의 경로에서 ‘기술이용자’와 ‘기술활용자’ 그룹으로 나누어 분석 시 ‘기술이용자’ 그룹에서만 보다 유의한 영향력을 가지는 것으로 나타났다.
  • 43. 연구결과요약및시사점  여섯째, 초기 빅데이터 시장의 기술이용목적 수용자와 기술활용목적 수용자의 연구모형의 조절효과 검 증 시 각 경로의 직접효과는 ‘기술이용자’와 ‘기술활용자’ 그룹 간 차이가 있음이 확인되었다. ‘주관적 규 범’ 요인은 ‘기술이용자’에만 효과를 가짐이 증명되었고, ‘기술이용자’ 그룹의 경우는 ‘주관적 규범’과 ‘과 업기술적합성’의 영향 후 기술의 인지된 용이성과 인지된 유용성을 거쳐 지속적 사용의도에 이르는 모 든 경로가 정(+)의 방향으로 유의함을 나타냈다. 반면 ‘기술활용자’ 그룹의 경우 다른 외생변인들은 유의 하지 않았으며 예비연구를 통해 ‘기술활용자’ 그룹의 영향요인으로 설정된 ‘과업기술적합성’ 요인만이 유의하게 영향을 가지고 이후 ‘인지된 유용성’을 거쳐 ‘지속적 사용의도’까지 정(+)의 방향으로 유의함을 나타냈다.  일곱째, 초기 빅데이터 시장의 기업 내 담당 업무영역별 지속적 사용의도에 대한 인과관계 분석 결과, 세 집단 간의 경로가 대부분 유의한 차이를 보였다. 다소 보수적이고 정적인 업무를 진행하는 Staff직의 경 우 빅데이터 기술수용 과정에 ‘과업기술적합성’과 그 ‘유용성’의 영향도가 큼이 확인되었으며, 영업관리 판매직은 ‘조직의 혁신성’이 ‘유용성’에 영향을 가짐이 확인되었다. 또한 ‘주관적 규범 → 유용성’ 경로에 서 Staff직은 유의하지 않았으나, 영업관리 판매직과 IT기술직은 유의하게 정(+)의 영향을 가지는 것으로 확인되어 해당 기술의 도입에 따른 ‘주관적 규범’을 보다 강하게 느끼고 있음을 알 수 있었다.  마지막으로 외생변인인 ‘주관적 규범’과 ‘과업기술적합성’은 기술수용모델(TAM)에 대한 매개효과가 유 의한 것으로 나타났다. 이를 통해 조직 구성원의 주관적 규범 및 과업과 기술의 적합성이 높을수록 빅데 이터 기술수용의 영향이 큰 것으로 해석이 가능하다. 이러한 점에서 여타 IT기술(u-Health, 스마트기술 등)의 도입초기에 나타나는 현상과 비슷한 경향을 보이며, 조직 내에서 빅데이터라는 새로운 기술을 도 입할 경우 이용목적 및 활용목적 등의 목적에 따른 기술수용 태도를 고려하여 구성원의 적절한 배치가 필요할 것으로 판단된다.
  • 44. 연구의한계점  연구 대상이 국내 빅데이터 기술 도입에 관한 시장 내의 영향요인 연구에 한정되므로 기타 해외국가와도 비교연구가 필요할 것  본 연구에서 적용하고 검증한 외생변인 외에 다양한 추가변인에 대한 설정과 검증이 추가되어야 할 것인 데, 이는 빅데이터라는 기술의 특성을 반영하여 지속적으로 확장, 적용되어야 할 것  본 연구에서 수행한 기술수용모델의 수용 목적에 따른 조절변인의 확장과 더불어 다양한 비즈니스 영역 및 산업 종류별로 해당 모형의 연구가 추가되어야 할 필요가 있다. 이는 초기 시장에서의 빅데이터 기술 에 대한 수요가 기업이 속한 산업군에 따라 차이가 있을 것으로 예상되기 때문.  마지막으로 본 연구에서는 국내 빅데이터 기술 수용주기상 초기시장의 특성 연구를 진행하였는 바 시장 의 성숙도에 따른 추가적인 후속연구가 이루어져야 할 것.

Notas do Editor

  1. .
  2. .
  3. .
  4. .