65. 이재성, 박한우@ (2015). 미국 기업의 오픈데이터 활용사례와 비즈니스 네트워크 분석 : “데이터와 기술” 분야를 중심으로. Journal of the Korean Data Analysis Society, 17(5)(B), 2525-2536.

1. Journal of the Korean Data Analysis Society (October 2015)
Vol. 17, No. 5 (B), pp. 2525-2536
미국 기업의 오픈데이터 활용사례와 비즈니스 네트워크 분석 :
“데이터와 기술” 분야를 중심으로*
이재성1
, 박한우2
1)
요 약
본 연구는 미국 기업의 오픈데이터 활용사례를 조사하고 기업들 간의 비즈니스 네트워크 분
석을 하였다. 활용방식을 분류하기 위해 Ka, Kim (2014)의 항목을 사용하였으며, 비즈니스 네트
워크 분석을 위해 Bing API를 이용하였다. 먼저, 미국의 “데이터와 기술” 관련 기업의 오픈데이
터 활용사례를 분류하기 위해 사례분석을 실시하였다. 분석 결과, 대부분의 “데이터와 기술” 관
련 기업은 “제품 및 서비스 향상” 항목과 “의사결정지원” 항목으로 분류되었으며, 1개의 기업만
이 “경영생산성 향상” 항목이었다. 이는 “데이터와 기술” 분야 기업들은 오픈데이터를 “제품 및
서비스 향상”과 “의사결정지원” 항목과 연관하여 활용하고 있지만, “경영생산성 향상” 항목과는
관계가 약하다는 것을 시사한다. 다음은 기업들 간의 비즈니스모델을 분류하여 네트워크 분석을
실시하였다. 분석결과, B2B모델과 B2C+B2B모델 기업들은 중심부에 집중되어 있었으며, 기업들
간 연결 강도도 강하였다. 반면에, B2G모델 기업들은 주변부에 위치해 있었으며, 기업들 간 연
결 강도도 약하였다.
주요용어 : 오픈데이터, 활용사례, 비즈니스 모델, 웹보메트릭스 네트워크 분석, 사례분석.
1. 서론
최근 오픈데이터에 대한 관심이 급증하면서 처리되지 않은 수많은 원시데이터(raw data)를 통해
가치창출을 하려는 움직임을 보이고 있다. 그 중 하나는 정부가 공공데이터를 무료로 사용할 수
있도록 공개하는 것이다. 실제로 많은 국가들은 공공데이터를 국민들에게 공개하는 정책을 시행중
이다. 이를 오픈데이터 정책이라고 한다. 국가가 오픈데이터 정책을 시행하는 이유는 공공데이터를
통한 비즈니스의 가치창출이라는 1차적 목표를 가지고 있기 때문이다. 40여개 이상의 국가가 오픈
데이터 포털사이트를 제공하고 있다(Hong, 2014). 그 중 미국, 영국, 일본 등이 오픈데이터 정책을
추진하고 있는 대표적인 국가이다. 미국은 2009년에 Open Government Initiative라는 이름으로 오픈
데이터 정책을 추진하였으며, 영국은 2010년에 data.gov.uk를 개설하여 정부가 보유하고 있는 오픈
데이터의 개방을 추진했으며 2012년에는 오픈데이터 전략을 마련하였다(Lee, 2012). 일본은 2012년
에 오픈데이터 활용에 대한 기본전략으로 ‘전자행정 오픈데이터’를 책정하고 오픈데이터 정책을
적극적으로 추진하고 있다(Song, Hwang, 2014). 한국은 2013년에 공공데이터의 제공 및 이용활성화
에 관한 법률을 제정하였고 행정자치부는 공공 데이터 포털인 data.go.kr을 운영하고 있다(Jung,
Park, 2015).
*
본 연구에 대해 조언을 해주신 영남대학교 동아시아문화학과 박지영 선생님께 감사드립니다.
1
712-749 경북 경산시 대동 214-1, 영남대 심리학과 석사졸업. E-mail : js0tym@naver.com
2
(교신저자) 712-749 경북 경산시 대동 214-1, 영남대 언론정보학과·동아시아문화학과·디지털융합비즈니스학과
교수. E-mail : hanpark@ynu.ac.kr
[접수 2015년 9월 3일; 수정 2015년 10월 17일; 게재확정 2015년 10월 20일]

2. 이 재 성, 박 한 우2526
위의 국가들은 모두 오픈데이터 정책을 실시하고 있지만 활용방안에서는 차이가 있다. 미국은
지역 내에서 발생하는 다양한 문제를 해결하기 위해 오픈데이터를 활용하고 있으며, 영국은 공공
부문의 가치창출을 위해 오픈데이터 정책을 추진하고 있다. 일본은 오픈데이터를 국가경쟁력 강화
를 위한 전략적 자원으로 조명하기 시작하였으며, 오픈데이터의 활용을 촉진하기 위해 인재를 육
성하고 새로운 비즈니스를 창출하도록 지원할 예정이다(Yoon, 2013).
앞선 언급을 통해 국가 간의 오픈데이터의 활용방안이 다름을 알 수 있었다. 본 연구는 앞서 언
급한 세 국가 중 오픈데이터 정책을 가장 빠르게 도입하여 오픈데이터 강국이 된 미국을 중점적으
로 조사하고자 한다. 구체적으로 미국의 오픈데이터를 활용하는 “데이터와 기술” 분야의 기업들의
활용사례를 조사하고자 한다.
2. 선행 연구
2.1. 오픈데이터의 활용사례
오픈데이터 분석에 활용되는 데이터 유형은 공공데이터, 기업데이터, 소셜데이터이다(Yoon,
2013). 문화산업분야에서는 소셜데이터를 이용하여 이미지분석(브랜드분석), 트렌드분석, 위기관리,
스토리텔링의 도구, 마케팅을 한다(Yoon, 2013). 최근 기업은 소셜데이터를 많이 활용하고 있으며
(Han, Jin, 2014), 이를 통해 비즈니스 현상 파악 및 기업이미지 관리를 하고 있다(Kim, Jin, 2013).
오픈데이터를 활용한 비즈니스 사례는 5가지 분야로 분류될 수 있다(Kim, Lee, Park, 2014). 기술적
분석, 정책동향 및 발전가능성, 개인정보보안, 활용가능성 및 사례연구, 기타(연구모형에 대한 가설
검증)가 이에 해당한다. 위의 5가지 분야 중 활용가능성 및 사례연구가 가장 많이 연구되고 있다.
연구자 뿐만 아니라 개발자들도 오픈데이터의 활용가능성에 초점을 두고 있다. 이에 따라 오픈
데이터는 다양한 장면에서 활용되고 있다. 그 중 개발자에 의한 제품개발 및 제공되는 사례가 많
다. 많은 제품 중 가장 대중화된 것은 배달관련 앱(배달의 민족, 요기요)이다(Kim, 2015). 이 두 앱
은 지도, 전화번호, 주차장 정보와 같은 오픈데이터를 활용하여 개발되었다. 또 다른 사례를 살펴
보면, 병원관련 앱(메디라떼)이 있다. 이것은 건강보험심사평가원의 데이터를 이용하여 개발되었다
는 점에서 많은 사람들의 신뢰를 얻고 있다. 이러한 데이터는 공공데이터 포털(data.go.kr)에 등록되
어 있어서 누구든지 무료로 사용할 수 있다는 장점이 있다. 공공데이터 포털에 등록된 데이터들
중에는 주차장 관련 데이터도 있다. 이러한 데이터로 개발된 주차장 관렵 앱(파킹박)은 많은 운전
자들에게 편리함을 제공하였다. 이와 같이 오픈데이터가 제품 개발에 활용되고 있다. 제품개발 뿐
만 아니라 의사결정에도 오픈데이터가 활용될 수 있다는 한 예가 있다(Kim, 2015). 한국은행은 인
수합병 대상 업체를 심사하여 승인여부를 결정하는데 이를 위해 기업 경영 분석 데이터를 사용하
여 객관적인 판단을 하였다.
이처럼 많은 분야에서 오픈데이터가 다양한 목적으로 활용되고 있다. 본 연구는 오픈데이터 정
책의 선두국가인 미국의 “데이터와 기술” 분야 기업을 중심으로 오픈데이터 활용사례를 조사하고
자 한다.
2.2. 오픈데이터 기업의 비즈니스모델
비즈니스모델은 기업의 비즈니스 수행방식에 관한 설계도이다(Magretta, 2002). 이러한 설계도는
기업이 목표를 달성하기 위해 가치추구 및 가치창출을 도와준다. 기업이 추구하는 가치가 수익으
로 이어진다면, 그 기업은 효율적인 비즈니스모델을 가지고 있다고 볼 수 있다. 즉, 비즈니스모델

3. 미국 기업의 오픈데이터 활용사례와 비즈니스 네트워크 분석 : “데이터와 기술” 분야를 중심으로 2527
이 기업의 성패를 결정한다고 해도 무방하다.
2000년대에 들어서면서 정보기술이 발달함에 따라 모든 기업들의 기본적인 하부구조나 수단이
변화되었다. 이로 인해 사업 방식이 다양해지면서 점차 비즈니스모델의 중요성이 일반화되었다
(O`Reilly, 2007). 기존 기업들은 비즈니스모델을 재설계하여 새로운 가치를 고객에게 제공하고 이
를 통해 수익을 창출함으로 기업과의 경쟁에서 우위를 점할 수 있게 된다(Casadesus-Masandell, Zhu,
2011). 이에 비해 신생 기업들은 기존 기업들의 비즈니스모델에 대응하기 보다는 이를 역이용하여
경쟁에서 우위를 점할 수 있게 된다. 최근 기업들의 고객중심 경영환경은 비즈니스모델에 영향을
주기 시작하였으며(Hahm, Lee, Kang, Kim, 2012), 2002년부터 비즈니스모델에 대한 연구도 고객중
심 가치창출에 초점을 맞추기 시작하였다(Chesbrough, Rosenbloom, 2002).
최근 기업은 오픈 이노베이션 및 오픈 비즈니스의 중요성을 인식하기 시작하였다(Vanhaverbeke,
Cloodt, 2006). 오픈 비즈니스를 실천하기 위해서는 오픈데이터를 적극적으로 활용해야 한다. 많은
기업들은 오픈데이터를 활용한 수익창출에 초점을 맞추고 비즈니스모델을 설계하는데 시간을 투자
하고 있다. 기존 기업의 비즈니스모델과 오픈데이터 기업의 비즈니스모델은 수익창출이라는 목표
는 동일하다. 그렇지만 오픈데이터 기업은 오픈데이터를 활용하여 수익창출을 도모한다는 점에서
차이를 보인다. 오픈데이터 기업은 자신만의 방법으로 오픈데이터를 이용하고 활용하는 목적도 다
르다. Song(2013)에 따르면 오픈데이터를 활용한 비즈니스모델은 매출증대 및 비용절감, 부정행위
관리(무결성 확보), 효율적인 생산과 공급, 고객만족으로 구분될 수 있다. 매출증대를 목적으로 한
기업들의 비즈니스모델은 B2C, B2B, B2G로 구분하고 있다(Fetscherin, Knolmayer, 2004). B2C는 개
인고객, B2B는 기업고객, B2G는 국가를 대상으로 수익창출을 도모하는 모델이다. 기업 유형에 따
라 비즈니스모델이 다르다. 본 연구는 미국의 “데이터와 기술” 분야의 기업들의 비즈니스모델을
분류하였으며 비즈니스 네트워크 분석을 통해 유사한 비즈니스모델을 가진 기업들 간 연결강도를
살펴보았다.
3. 연구방법
3.1. 연구문제
연구목적과 문헌 검토를 통해 2가지의 연구문제를 설정하였다.
(1) 미국의 “데이터와 기술” 기업의 오픈데이터 활용사례는 무엇인가?
(2) 미국의 “데이터와 기술” 기업의 비즈니스 네트워크는 어떠한가?
3.2. 자료
본 연구는 미국 기업의 오픈데이터 활용사례를 분류하고 유사한 비즈니스모델을 가진 기업들
간의 연결관계를 살펴보고자 한다. 미국의 Open Data Company List에 포함된 기업들의 홈페이지
주소를 분석에 사용하였다(http://www.opendata500.com/). Opendata 500은 미국 뉴욕대 GovLab에서 시
작된 연구로 현재는 정부와 공동으로 진행되고 있으며, 새로운 상품과 서비스를 개발하고 새로운
비즈니스를 만들어내기 위해 오픈데이터를 사용하는 기업들의 정보로 구성되어 있다. 리스트에는
미국 뿐만 아니라 호주, 멕시코, 이탈리아 등의 기업이 포함되어 있으며, 한국도 오픈데이터를 활
용하여 수익을 창출하는 기업을 모집하여 Opendata 500과 연계 예정에 있다. Govlab의 리스트는 총
500개의 오픈데이터 기업으로 이루어져 있으며 각 기업들은 오픈데이터 활용영역에 따라 17개의

4. 이 재 성, 박 한 우2528
부문으로 나누어져 있으며 각 부문은 Table 1에 기술되어 있다. 본 연구에서는 “데이터와 기
술”(DATA & TECHNOLOGY) 관련 기업 95개를 대상으로 하였다.
Table 1. Sectors in opendata 500
Business & Legal services Governance
Data/Technology Healthcare
Education Housing/Real Estate
Energy Insurance
Environment & Weather Lifestyle & Consumer
Finance & Investment Media
Food & Agriculture Research & consulting
Geospatial/Mapping Scientific Research
Transportation
3.3. 사례분석
사례분석은 독특한 특성을 가진 개인, 집단, 프로그램, 정책결정 등 소수사례에 대한 심층적 연
구로 연구대상의 독특한 성격을 밝히기 위해 관계 자료를 조직화하여 개인, 가족, 사회집단, 사회
적 관계와 과정 등 특정한 사회적 단위를 하나의 전체로써 파악하는 연구방법이다(Yin, 2013). Kim
(2008)은 영국의 사회적 기업 2곳에 대해 사례연구를 실시하였다. 그 결과를 바탕으로 두 기업을
성장시킨 요인을 찾아내어 한국의 기업에 적용시킬 수 있는 방법에 대해 논의하였다. 또 다른 연
구는 국내외 사회적 기업들 중 성공한 기업과 실패한 기업을 대상으로 사례연구를 실시하여 사회
적 기업의 성공요인을 확인하였다(Rha, 2010). Park, Jeon(2010)은 국내 주요 미디어 기업을 대상으
로 사례연구를 실시하였다. 사례분석을 통해 미디어 기업이 제공하는 컨텐츠 서비스의 유형을 분
류하고 사례분석을 통해 그 기업만의 새로운 비즈니스모델을 제안하였다.
본 연구는 사례분석을 통해 미국의 "데이터와 기술" 관련 기업의 활용사례를 분류하였으며, 이
를 위해 Ka, Kim(2014)에서 사용한 항목을 이용하였다. Ka, Kim(2014)은 오픈데이터의 활용가능성
에 초점을 맞추어 활용사례를 유형화하였다. 활용사례 유형은 오픈데이터 관련 선행연구를 검토하
여 독립변인과 종속변인을 설정하고 구조방정식모형을 활용하여 검증하였다는 점에서 이론적 의의
가 있다. 분석을 통해 제시된 유형을 분류한 결과 오픈데이터 사용에 영향을 미치는 요인은 제품
및 서비스 향상, 경영생산성 향상, 의사결정지원이라고 하였다. 각 항목의 개념적 정의는 다음과
같다. 제품 및 서비스 향상은 제품·서비스 개선 및 기회 발견에, 경영생산성 향상은 업무 시간, 비
용절감, 수익성 향상, 업무프로세스 개선에, 의사결정지원은 최고경영자와 관리자의 판단에 기여하
는 정도이다. 각 유형은 세부항목을 가지고 있다. 제품 및 서비스 향상은 제품 및 서비스 개선, 기
회발견으로, 경영생산성 향상은 업무시간 및 비용절감, 수익성 향상, 프로세스 개선으로, 의사결정
지원은 위험과 이슈, 정보제공, 분석과 예측으로 이루어져 있다. Kim, Lee, Park(2014)은 위의 항목
을 활용하여 기업의 오픈데이터 활용사례를 조사하였다. 분석결과, 많은 기업들이 제품 및 서비스
향상을 목적으로 오픈데이터를 활용하고 있다는 것을 알 수 있었다. 본 연구는 Ka, Kim(2014)의 항
목을 인용하여 미국의 “데이터와 기술” 기업의 오픈데이터 활용사례를 살펴보고자 하였다.
3.4. 웹보메트릭스 네트워크 분석
웹보메트릭스는 웹에서 수집한 데이터를 바탕으로 A기업의 홈페이지에서 B기업의 홈페이지를
인용하면 A기업과 B기업 간의 비즈니스 네트워크가 존재하는 것으로 간주하는 분석기법이다.

5. 미국 기업의 오픈데이터 활용사례와 비즈니스 네트워크 분석 : “데이터와 기술” 분야를 중심으로 2529
Table 2. Centrality concepts
Centrality Definition
Degree centrality
(In/OutDeg)
The number of nodes adjacent to a given node in asymmetric network is the degree
of that node
Bonacich power
centrality (In/OutBonPwr)
Nodes tied to other nodes who have high degree centrality and thus can also have
access to network flows through their indirect connections without the need to
directly maintain those ties
Average reciprocal
distance (In/OutARD)
The average of the reciprocal distance between all nodes
Eigenvector centrality
(In/OutEigen)
One of several node metrics that characterize the global prominence of a node in a
network
Betweennes centrality
Geodesics linking node j and node k which pass through node i counts the number
of shortest paths between i and k that actor j resides on
Note: Two centrality values are calculated per direction between two nodes, i.e., homepages.
Source: http://www.analytictech.com/ucinet/help/idx.htm
Park, Lee(2008)는 대통령 선거와 관련된 네트워크에 대해 알아보기 위해 웹보메트릭스 네트워크
분석을 실시했으며, 또 다른 연구에서는 대구 세계 육상 선수권 대회의 온라인 홍보 네트워크를
확인하기 위해 웹보메트릭스 네트워크 분석을 실시하였다(Park, Lim, Jeon, 2011). 2011년에는 대구
경북 미디어를 중심으로 대학생들의 선호도를 조사하기 위해 웹보메트릭스 네트워크 분석을 실시
하였으며(Park, Park, 2011), 2014년에는 서울시 교육감 선거 후보자들의 여론의 특성을 살펴보기 위
해 페이스북 메시지를 이용하여 웹보메트릭스 네트워크 분석을 실시하였다(Park, Park, 2015).
본 연구는 유사한 비즈니스모델을 가진 기업들 간의 네트워크를 확인하기 위해 95개 기업의 홈
페이지 주소를 이용하였다. 비즈니스모델별 기업 분류는 Opendata 500 홈페이지에 정리된 표를 참
고하였다(http://www.opendata500.com). 홈페이지 간의 인용 관계를 알아보기 위해 Bing 검색 API를
이용하였다. Bing 검색 API는 무료로 사용할 수 있으며 웹보메트릭스 분석과 다양한 분야의 대규
모 계량 연구를 실시하는데 중요한 정보 소스를 제공해준다(Thelwall, Sud, 2012). Bing 검색 API를
통해 해당 기업의 홈페이지 주소들 간의 상호 인용 정도를 확인하였으며, 기업들 간 네트워크 분
석을 통해 얻어진 중심성 값들에 대한 정의는 Table 2에 정리되어 있다. Betweenness를 제외한 모
든 중심성은 In과 Out 두 방향을 가지고 있다. In은 다른 홈페이지로부터 언급을 당하는 것을 의미
하며, Out은 자신의 홈페이지에서 다른 홈페이지를 언급하는 것을 의미한다.
4. 연구결과
4.1. 미국 오픈데이터 기업의 활용사례
미국의 “데이터와 기술” 관련 기업의 활용사례를 분류하기 위해 Ka, Kim(2014)에서 사용된 항목
을 인용했으며 활용사례 분류결과는 Table 3에 정리되어 있다.
활용사례에 따라 기업을 분류하기 위해 해당 기업의 홈페이지와 웹 검색 결과를 통해 얻은 정
보를 이용하였으며, 활용사례 분류는 배타적인 방식이 아닌 상대적인 방식이다. 예를 들어, A기업
은 “제품 및 서비스 개선” 항목 “정보제공” 항목에 동시에 분류될 수 있지만 “정보제공” 항목에만
분류되었다. 여기서 중요한 점은 “정보제공”이 강조되는 것이지 “제품 및 서비스 개선”이 결핍되는
것이 아니라는 것이다. 이러한 방식으로 분류한 결과를 살펴보면, 미국의 “데이터와 기술” 관련 기
업은 “제품 및 서비스 향상” 항목과 “의사결정지원” 항목에 많이 속해 있음을 알 수 있다. 이에 비
해 “경영생산성 향상” 항목에는 하나의 기업만이 속해 있다. 이는 95개의 “데이터와 기술” 관련 기

6. 이 재 성, 박 한 우2530
업이 제품 및 서비스 향상과 의사결정을 위해 오픈데이터를 활용하고 있다는 것을 보여준다.
좀 더 구체적으로 살펴보면, “제품 및 서비스 향상” 항목의 하위 유형인 “제품 및 서비스 개선”
에 34개의 기업이 분류되어 있고(35.79%), “기회발견”에는 1개의 기업이 분류되어 있다(1.05%). “의
사결정지원” 항목의 하위 유형인 “정보제공” 항목에는 44개의 기업이 분류되어 있고(46.32%), “분
석과 예측” 항목에는 15개의 기업이 분류되어 있다(15.79%). “경영생산성 향상” 항목에서는 1개의
기업이 수익성 향상을 위해 오픈데이터를 활용하였다(1.05%). “경영생산성 향상”에서 “업무시간 및
비용절감”, “프로세스 개선” 항목과 “의사결정지원”에서 “위험과 이슈” 항목에는 분류된 기업이 없
었다(0%).
종합하면, 미국의 “데이터와 기술” 관련 기업들의 오픈데이터 활용은 다음과 같다. 첫째, 특유의
기술을 통해 얻은 데이터를 고객에게 제공을 한다. 둘째, 고객이 데이터를 처리하여 비즈니스에 활
용할 수 있도록 도움을 주는 제품을 개발한다. 주로 이러한 기업은 비즈니스 솔루션을 제공하는데
오픈데이터를 활용하는 것으로 보여진다. 예를 들어, Ontodia는 데이터를 수집, 정리, 응용하여 오
픈데이터를 활용하는 조직 혹은 정부에 제공할 뿐만 아니라 데이터 솔루션도 제공하고 있다. 그렇
지만 “경영생산성 향상” 항목은 1개의 기업만이 분류된 것으로 보아 “데이터와 기술” 영역과는 거
리가 먼 것으로 여겨진다. 경영생산성의 향상은 모든 영역에서 조화가 되어야만 결과로써 나타나
는 부분이기 때문이다(Kim, Lee, Park, 2014).
Table 3. Companies in terms of their open data business strategies
Item Sub item Companies
Progress in
product & service
(제품 및 서비스
향상)
Improvement in
product & service
(제품 및 서비스
개선)
3RoundStones 5PSolutions Altova AmazonWebServices AreaVibes
BaleFireGlobal BeInformed Bing Canon Quandl Exversion Socrata
Niinja Headlight IBM Paxata Junar IFICLAIMSPatentServices
InCadence Quertle Kimonolabs LevelOneTechnologies
MicrosoftWindowsAzureMarketplace Optensity OrlinResearch PIXIA
OvertureTechnologies PalantirTechnologies PeoplePower
ProgrammableWeb SlashDB Smartronix SocialExplorer Graematter
Opportunity
detection (기회발견)
Fujitsu
Progress in
management
productivity
(경영생산성 향상)
Profitable growth
(수익성 향상)
xDayta
Supported
decision making
(의사결정지원)
Providing
information
(정보제공)
Acxiom Analytica Appallicious Ayasdi Barchart CodeN
CambridgeSemantics Captricity Caspio CivisAnalytics SAS
ComputerPackages Connotate Epsilon Equilar DataLogix DataMarket
Datamyne Enigmaio Factual IPHIX Geolytics GitHub Importio
Informatica IVESGroup OSIsoft Knoema Nautilytics NonprofitMetrics
Priceweave Splunk Towerdata ScaleUnlimited Seabourne SpaceCurve
TopCoder Teradata SpikesCavellAnalytic TableauSoftware Verdafero
Webitects WolframResearch StreamLinkSoftware
Analysis &
prediction
(분석과 예측)
AdobeDigitalGovernment ApextechLLC ClearStoryData
CrowdANALYTIX EMC SAP GooglePublicDataExplorer
LOVELANDTechnologies Lumesis Merrill Ontodia Quid
NovedaTechnologies RapidCycleSolutions REISystems
Note: Modified by the authors based on Ka and Kim(2014).
4.2. 미국 오픈데이터 기업의 비즈니스 네트워크 분석
미국 오픈데이터 기업 간 비즈니스 네트워크 현황을 그림으로 나타내기 위해 ‘Spring Embedding’

7. 미국 기업의 오픈데이터 활용사례와 비즈니스 네트워크 분석 : “데이터와 기술” 분야를 중심으로 2531
알고리즘을 사용하였다. 이 알고리즘은 네트워크 지도 작성에서 가장 많이 사용되며 가장 인용이
많이 된 홈페이지를 중심부에 위치하고 인용 강도는 두 홈페이지 간의 연결선의 굵기로 나타낸다
(Park, Lee, 2008). 즉, 많이 인용된 홈페이지는 중심에 위치하며 상대적으로 인용 빈도가 낮은 홈페
이지는 주변부에 위치한다.
Figure 1은 미국 오픈데이터 기업 간의 비즈니스 네트워크를 분석한 결과이다. 그림을 살펴보면
중심부에 두 개의 소그룹이 형성되어 있다. 첫 번째 그룹은 IBM, Fujitsu, Programmableweb, Google,
Github, Bing, Wolfram, Osisoft, Datamarket, Quandl, Importio가 포함되어 있다. 이 그룹들은
B2C+B2B 혼합모델을 가지고 있다는 공통점이 있다. 두 번째 그룹은 SAS, EMC, SAP, Splunk,
Altova, Informatica, Tableausoftware, Equilar, Teradata, Acxiom이 포함되어 있다. 이 그룹들은 B2B모
델을 가지고 있다는 공통점이 있다(두 비즈니스모델에 해당하는 기업은 Table 4에 정리되어 있으
며, 각 기업의 비즈니스모델은 Opendata 500을 따름). 이는 다른 비즈니스모델보다 B2B모델을 가진
기업들 간의 연결이 강하다는 것으로 보여진다. 이와는 반대로 B2G모델을 가진 기업인 Adobe,
Webitects, Spikescavell, Appallicious, Balefireglobal은 주변부에 위치하고 있을 뿐만 아니라 모여있지
않음을 알 수 있다. 즉, B2G모델을 가진 기업들 간의 연결은 상대적으로 약하다. 이뿐만 아니라
B2B+B2G와 B2C+B2B+B2G모델도 기업들 간의 연결이 상대적으로 약하였다. 연결 강도를 살펴보
면, 중심부에 위치한 기업들 간의 연결은 강하지만, 주변부에 위치한 기업들 간의 연결은 약하였
다. 비즈니스 네트워크 분석을 통해, 주변부에 위치할수록 선의 굵기가 가늘어진다는 것을 알 수
있다. 종합하면, B2B모델의 기업들 간 연결은 강하지만, B2G모델의 기업들 간 연결은 약하였다.
Figure 1. Network diagram on business models
다음은 네트워크 중심성 값을 이용하여 통계분석을 실시하였다. 분석결과, Outbonpwr과 Outeigen
의 상관계수와 Inbonpwr과 Ineigen의 상관계수가 1로 나타났다. 이러한 결과는 Eigenvector centrality
와 Bonacich power centrality는 동일한 개념이라는 것을 보여준다. Eigenvector centrality는 네트워크
상에서 연결된 노드 개수 뿐만 아니라 연결된 노드의 중요성도 함께 고려한다. Bonacich power
centrality는 연결된 노드의 위상에 따라 행위자의 위상도 달라진다는 것을 가정한다. 즉, 두 중심성
은 노드의 중요성(위상)을 고려한다는 공통점을 가지고 있다. 본 연구에서는 이러한 특징을 통해

8. 이 재 성, 박 한 우2532
두 중심성 모두 분석에 활용하지 않고 하나의 중심성만을 분석에 활용하였다.
Table 4. Companies in terms of their business models
Business model Companies
B2C
AreaVibes Canon CrowdANALYTIX DataMarket KimonoLabs Knoema PeoplePower Quertle
Socrata TopCoder xDayta
B2B
Acxiom Altova Ayasdi Barchart BeInformed CodeN EMC Equilar Epsilon
CambridgeSemantics ClearStoryData ComputerPackages Connotate DataLogix Datamyne
Exversion FactualGraematter IFICLAIMSPatentServices InCadence Informatica IVESGroup
OrlinResearch SAP Paxata Merrill SAS Splunk OvertureTechnologies PalantirTechnologies
Priceweave Teradata Towerdata REISystems ScaleUnlimited TableauSoftware
LevelOneTechnologies NonprofitMetrics
B2G
AdobeDigitalGovernment Apextech Appallicious BaleFireGlobal Headlight Webitects
SpikesCavellAnalytic StreamLinkSoftware
B2C+B2B
3RoundStones Bing Captricity Caspio Fujitsu GitHub IBM OSIsoft
OptensityGooglePublicDataExplorer Quandl Importio Lumesis Nautilytics
MicrosoftWindowsAzureMarketplace ProgrammableWeb WolframResearch
B2C+B2G LOVELANDTechnologies
B2B+B2G
Analytica CivisAnalytics Enigmaio Geolytics IPHIX Junar PIXIA Quid RapidCycleSolutions
ScaleUnlimited Seabourne SlashDB Socrata Niinja
B2C+B2B+B2G 5PSolutions AmazonWebServices NovedaTechnologies Ontodia
Note: Modified by the authors based on opendata500.com
Table 5. Correlation between network centrality values
OutDeg Indeg OutARD InARD OutEigen InEigen Betweenness
OutDeg 1 .898** .618** .503** .893** .832** .858**
Indeg 1 .641** .631** .899** .963** .771**
OutARD 1 .645** .736** .695** .389**
InARD 1 .587** .713** .346**
OutEigen 1 .923** .586**
InEigen 1 .603**
Betweenness 1
**Significant at p < 0.01
Table 6. Companies in terms of their business model complexity
Business model Companies
Companies
with single
business model
AreaVibes Acxiom Altova Ayasdi AdobeDigitalGovernment Apextech Appallicious
BaleFireGlobal Barchart BeInformed Canon CrowdANALYTIX CambridgeSemantics
ClearStoryData CodeN ComputerPackages Connotate DataLogix Datamyne DataMarket EMC
Epsilon Equilar Exversion Factual Graematter Headlight IFICLAIMSPatentServices InCadence
Informatica IVESGroup Kimonolabs Knoema LevelOneTechnologies Merrill SAP SAS
NonprofitMetrics OrlinResearch OvertureTechnologies PalantirTechnologies Paxata Priceweave
PeoplePower Quertle SocialExplorer Towerdata REISystems SpaceCurve Splunk
SpikesCavellAnalytic StreamLinkSoftware TableauSoftware Teradata TopCoder Verdafero
xDayta Webitects
Companies
with dual or
multiple
business model
3RoundStones Bing Captricity Caspio Fujitsu GitHub Niinja PIXIA Quid
GooglePublicDataExplorer IBM Importio Lumesis Nautilytics Junar IPHIX
MicrosoftWindowsAzureMarketplace Optensity OSIsoft ProgrammableWeb Quandl Smartronix
WolframResearch LOVELANDTechnologies Analytica CivisAnalytics Enigmaio Geolytics
RapidCycleSolutions ScaleUnlimited Seabourne SlashDB Socrata Ontodia 5PSolutions
AmazonWebServices NovedaTechnologies

9. 미국 기업의 오픈데이터 활용사례와 비즈니스 네트워크 분석 : “데이터와 기술” 분야를 중심으로 2533
정리된 중심성 값을 통한 결과는 Table 5와 같다. 첫째, In과 Outdeg 간의 Pearson 상관분석을 실
시하였다. 그 결과 기업들 간의 In과 Outdeg는 통계적으로 유의미한 상관이 있었다. 이뿐만 아니라
OutBonPwr, InBonPwr, OutARD, InARD, OutEigen, InEigen, Betweenness와의 관계도 유의미한 상관을
보였다. 결과 해석은 위의 중심성 값들 중 매개성(Betweenness)을 중심으로 살펴보았다. 분석결과는
매개성과 나머지 중심성 간의 상관이 유의미함을 보여준다. 쉽게 말해, 기업들 간 네트워크에서 매
개역할을 하는 기업이 많을수록 네트워크가 촘촘하다는 것이다.
다음은 비즈니스모델에 따라 2개의 집단(단일모델/복합모델)으로 분류하였다(Table 6). 분류된 유
형간의 네트워크 중심성이 어떠한 차이를 보이는지 살펴보기 위해 독립표본 T-Test를 실시하였다
(Table 7). 분석결과, Betweenness 중심성에서만 차이를 나타냈다[t(93)=2.426, p<.05]. 이는 복합모델
기업이 단일모델 기업보다 매개역할을 더 많이 한다는 것이다.
Table 7. Betweenness centralities of companies per their business model complexity
Complexity Mean
Single model .00
Complex model .02
Note: t(93) = 2.426, p<.05
5. 결론
본 연구에서는 미국 오픈데이터 기업의 데이터 활용사례를 살펴보고 기업들 간의 비즈니스 네
트워크 분석을 실시하였다. 분석 결과는 크게 두 가지이다.
첫째, 기업의 오픈데이터 활용사례를 분류한 결과, “데이터와 기술” 관련 기업은 “제품 및 서비
스 향상” 항목과 “의사결정지원” 항목에 집중되어 있음을 확인하였다. “데이터와 기술” 관련 기업
은 전문적인 기술을 통해 고객에게 비즈니스 솔루션을 제공하는데 오픈데이터를 사용하는 것으로
나타났다. 이는 같은 항목을 활용하여 사례연구를 실시한 Kim, Lee, Park(2014)의 연구와 유사한 결
과를 나타내었다. 본 연구에서는 미국의 “데이터와 기술” 관련 기업을 중심으로, Kim, Lee, Park
(2014)의 연구에서는 국내 및 미국 기업을 대상으로 사례분석을 실시했음에도 불구하고 유사한 결
과를 도출하였다는 점에서 의의가 있다. 둘째, 기업들 간의 비즈니스 네트워크 분석을 한 결과,
B2B모델과 B2C+B2B모델을 가진 기업이 중심부에 집중되어 있다는 것을 확인하였다. 이에 비해
B2G모델을 가진 기업은 주변부에 위치하고 있었다.
현재 한국은 오픈데이터를 적극적으로 활용하기 위해 관련 정책을 추진 중이며, Opendata 500과
의 연계를 위해 국내의 오픈데이터 기업을 모집하고 있는 것도 오픈데이터 활용의 중요성을 보여
주는 사례이다. 오픈데이터의 중요성이 대두되고 있는 상황임에도 불구하고 관련 연구 및 정책은
부족하다. 본 연구는 오픈데이터 강국인 미국 기업의 오픈데이터 활용사례를 조사함으로써 한국
기업의 오픈데이터 활용에 대한 방향성을 제시하였다는 점에서 의의가 있다. 추후에는 국내 기업
의 오픈데이터 활용사례를 조사함으로써 국가 간 활용사례를 비교해 볼 것을 제안한다.
References
Casadesus-Masanell, R., Zhu, F. (2011). Business Model Innovation and Competitive Imitation: The Case of
Sponsor-Based Business Models, Harvard Business School Working, September 1.
Chesbrough, H., Rosenbloom, S. (2002). The Role of the business model in capturing value from innovation:
evidence from Xerox Corporation's technology spin-off companies, Industrial and Corporate Change, 2(11),

10. 이 재 성, 박 한 우2534
529-555.
Fetscherin, M., Knolmayer, G. (2004). Business models for content delivery: An empirical analysis of the newspaper
and magazine industry, The International Journal on Media Management, 6(1/2), 4-11.
Hahm, Y. K., Lee, S. J., Kang, H. S., Kim, J. S. (2012). Business model components and challenges in Korean IT
companies: A comparative case study, Journal of Information Technology and Architecture, 9(1), 95-110. (in
Korean).
Han, G, H., Jin, S. H. (2014). Introduction to big data and the case study of its applications, Journal of the Korean
Data Analysis Society, 16(3), 1337-1352. (in Korean).
Hong, Y. W. (2014). A study on the invigorating strategies for open government data, Journal of the Korean Data
& Information Science Society, 25(4), 769-777. (in Korean).
Jung, K., Park, H. W. (2015). A semantic (TRIZ) network analysis of South Korea's "open public data" policy,
Government Information Quarterly, 32(3), 353-358.
Ka, H. K., Kim, J. S. (2014). Study on influencing factor affect intention to introduction of big data, The Korea
Society of Management information Systems, 2014(1), 501-510. (in Korean).
Kim, K. S. (2015). Public data becomes basecamp of success, National Information Society Agency. (in Korean).
Kim, M. H. (2008). A study on a case of social enterprise in the U.K. and some implications for Korea, Korean
Association of Social Welfare Policy, 33, 135-157. (in Korean).
Kim, S. W. (2015). Design Thinking, Dulnyouk. (in Korean).
Kim, J. S., Jin, S. H. (2013). A study on the application of opinion mining based on big data, Journal of the
Korean Data Analysis Society, 15(1), 101-113. (in Korean).
Kim, C. Y., Lee, J. W., Park, C. (2014). Prospection and classification of use type in big data according to
strategic values, The Korea Society of Management information Systems, 2014(1), 691-909. (in Korean).
Lee, M. J. (2012). Big data analytics and utilization of public data, Communications of the Korean Institute of
Information Scientists and Engineer, 30(6), 33-39. (in Korean).
Magretta, J. (2002). Why business models matter, Harvard Business Review, 50(5), 3-8.
O'Reilly, T. (2007). What is Web 2.0: Design patterns and business models for the next generation of software,
MPRA Paper No. 4578.
Park, J. Y., Jeon, B. S. (2010). Analysis on mobile content services of the domestic media companies, The Korea
Contents Association, 10(1), 160-169. (in Korean).
Park, H. W., Lee, Y. O. (2008). Examining the role of the internet during the 2007 presidential election of South
Korea : on the basis of webometrics and network analysis, Informatization Policy, 15(3), 42-64. (in Korean).
Park, H. W., Lim, Y. S., Jeon, C. N. (2011). Social network strategy for revitalizing cultural contents: Focusing on
the Daegu-Gyeongbuk region of Korea, The Institute of The Humanities Yeungnam University, 62, 449-476.
Park, J. Y., Park, H. W. (2015). An exploratory semantic analysis in the dynamics of public opinion on Facebook:
A case of the superintendent of Seoul office of education in South Korea, Journal of the Korean Data
Analysis Society, 17(3), 1557-1571. (in Korean).
Park, S. J., Park, H. W. (2011). Webometrics analysis of local media in Daegu and Gyeongbuk area, Journal of the
Korean Data Analysis Society, 13(3), 1379-1392. (in Korean).
Rha, J. Y. (2010). Business models for social enterprises, The Korean Venture Management Review, 12(4), 129-161.
(in Korean).
Song, M. J. (2013). Business model innovation using big data, Science and Technology Policy Institute, 192, 86-97.
(in Korean).
Song, H. J., Hwang, S. S. (2014). Seeking strategies for local governments to prepare for public data act, The
Korean Association for Regional Information Society, 17(2), 1-28. (in Korean).
Thelwall, M., Sud, P. (2012). Webometric research with the Bing Search API 2.0, Journal of Informetrics, 6(1),
44-52.
Vanhaverbeke, W., Cloodt, M. (2006). Open innovation in value networks, In: Chesbrough, H., Vanhaverbeke, W.,

11. 미국 기업의 오픈데이터 활용사례와 비즈니스 네트워크 분석 : “데이터와 기술” 분야를 중심으로 2535
West, J. (Eds.), Open Innovation: Researching a New Paradigm. Oxford University Press, NY.
Yin, R. K. (2013). Applications of Case Study Research, California, CA: Sage Publications.
Yoon, H. K. (2013). Research on the application methods of big data within the cultural industry, Academic
Association of Global Cultural Contents, 10, 157-179. (in Korean).
Yoon, M. Y. (2013). Implication and strategy analysis of big data in Major countries, Science and Technology
Policy Institute, 23(3), 31-43. (in Korean).
http://www.opendata500.com

12. 이 재 성, 박 한 우2536
Case Study of Open Data Companies in the United States
and Their Business Networks
Jae Sung Lee
1
, Han Woo Park
2
2)
Abstract
This study investigates how private companies in the United States make good use of
“open data” in terms of three major categories and eight minor contexts based on Ka, Kim
(2014). Next, online business networks among open data companies are analyzed using Bing
API-based webometrics tool. Specifically, a total of ninety five companies belonging to
“DATA & TECHNOLOGY” sector in Opendata500.com are chosen for current research. The
results show that the majority of companies utilized open data in order to make a progress
in product & service and supported decision making. Next, online business network analysis
reveals that companies with a particular focus on B2B and B2C+B2B business models are
located in the center of network diagram. On the other hand, B2G companies are relatively
close to the periphery.
Keywords : Open data, Case study, Business model, Webometrics network analysis,
United States.
1
Master, Dept of Psychology, YeungNam University, 214-1, Dae-dong, Gyeongsan-si, Gyeongsangbuk-do,
712-749, South Korea. E-mail : js0tym@naver.com
2
(Corresponding Author) Full Professor, Dept of Media & Communication, Dept of East Asian Cultural
Studies, Digital Convergence Business, YeungNam University, 214-1, Dae-dong, Gyeongsan-si,
Gyeongsangbuk-do, 712-749, South Korea. E-mail : hanpark@ynu.ac.kr
[Received 3 September 2015; Revised 17 October 2015; Accepted 20 October 2015]