Knowledge Management Research (지식경영연구)

The Knowledge Management Society of Korea (한국지식경영학회)
권호 표지
DOI QR코드

DOI QR Code

Study on the Development Direction of Domestic Proptech Company: Focusing on the Real Estate Platform Information Provision Function

국내 프롭테크 기업의 발전방향에 대한 연구: 부동산 플랫폼 정보제공 기능을 중심으로

  • Lee, Jungyun (Department of Investment & information Engineering, Yonsei University) ;
  • Oh, Kyong Joo (Department of Industrial Engineering, Yonsei University) ;
  • Ahn, Jae Joon (Division of Data Science, Yonsei University)
  • 이정윤 (연세대학교 투자정보공학과) ;
  • 오경주 (연세대학교 공과대학 산업공학과) ;
  • 안재준 (연세대학교 SWDH융합대학 데이터사이언스학부)
  • Received : 2021.02.01
  • Accepted : 2021.03.23
  • Published : 2021.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

The real estate market is a representative imperfectly competitive market. Real estate information is characterized by being collected and utilized in a closed environment, and market participants have to pay a lot of time, effort, and costs to acquire such information. Korea's real estate public data is increasing year by year, but it is scattered by relevant ministries. So it is difficult to search and analyze, and the level of development of the industry using it is low. In the recent 4th industrial revolution, the proptech industry has developed as an industry to efficiently provide necessary information to the real estate market. In this study, based on the case of major companies in the real estate platform field among proptech companies, we looked at the types of information provided to users, and on the contrary, explored ways to utilize the data collected from users. The results of this study are expected to provide theoretical and practical implications for ways to reduce information asymmetry in the real estate market and contribute to the development of the real estate industry.

부동산 시장은 대표적인 불완전 경쟁시장이다. 부동산 정보는 폐쇄적으로 수집, 활용되는 특징이 있으며, 시장참여자는 그러한 정보 습득에 많은 시간, 노력 등의 정보탐색비용을 지불해야한다. 우리나라 부동산 공공데이터는 해마다 증가하고 있으나 관계부처마다 산재되어 있고, 탐색 및 해석이 어려우며, 데이터를 분석, 가공해서 활용하는 부동산 산업 활동의 수준이 낮다. 최근 4차산업혁명 속에서 부동산 시장에 필요한 정보를 효율적으로 제공하기 위한 산업으로서 프롭테크 산업이 발달하게 되었다. 본 연구에서는 프롭테크 기업 중 부동산 플랫폼 분야의 주요 기업의 사례를 바탕으로 사용자에게 제공하는 정보의 종류를 탐색적으로 살펴보고, 반대로 사용자로부터 수집한 데이터의 활용방안을 모색하였다. 본 연구의 결과는 부동산 시장의 정보 비대칭성을 완화하고 부동산 산업의 역량강화에 기여할 수 있는 방안에 대한 이론적, 실무적 시사점을 제공할 것으로 기대한다.

Keywords

References

  1. JLL (2020). 글로벌부동사 투명성지수 2020 보고서.
  2. KB금융지주 경영연구소 (2018). KB지식비타민: 프롭테크로 진화하는 부동산 서비스.
  3. 경응수 (2010). 감정평가론. 다산출판사.
  4. 구평회, 김민수 (2015). 인터넷 검색트렌드와 기업의 주가 및 거래량과의 관계에 대한 연구. 한국전자거래학회지, 20(2), 1-14. https://doi.org/10.7838/jsebs.2015.20.2.001
  5. 김류미 (2018). 인터넷 검색량과 투자자별 거래 및 주식수익률의 관계에 관한 실증 연구. 금융공학연구, 17(2), 53-85.
  6. 김선주, 장희순 (2020). 프롭테크시대 부동산산업의 역량강화와 대응방안. 주택도시연구, 10(3), 97-117.
  7. 김정선, 송태민, 권은주 (2014). 분석지의 확장을 위한 소셜빅데이터 활용연구-국내 '빅데이터' 수요공급 예측. 지식경영연구, 15(3), 169-188.
  8. 남희찬, 김종진 (2015). 아파트 전세가율 변동의 영향요인에 관한 연구. 주거환경, 13(2), 227-239.
  9. 박인 (2020). 부동산 거래에 부동산 블록체인의 활용에 관한 연구-국제 부동산 거래의 Propy 사례를 중심으로. 부동산경영, 21, 115-152.
  10. 방경식, 장희순 (2016). 부동산학총론. 부연사.
  11. 배상영, 정기동 (2020). 부동산 플랫폼 Biz Model 사례연구. 부동산 도시연구, 13(1), 105-129.
  12. 배성완, 유정석 (2018). 기계학습을 이용한 공동주택 가격추정: 서울 강남구를 사례로. 부동산학연구, 24(1), 69-85.
  13. 이경렬, 이경아 (2020). 언택트 시대 플랫폼 비즈니스의 인공지능(AI) 활용 사례 연구. 상품문화디자인학연구, 62, 111-120.
  14. 이경주, 김은영 (2020). 플랫폼 서비스 혁신에 있어 인공지능(AI)의 역할과 효과에 관한 연구: 카카오 그룹의 인공지능 활용 사례 연구. 지식경영연구, 21(1), 175-195. https://doi.org/10.15813/kmr.2020.21.1.010
  15. 이창로, 박기호 (2016). 단독주택가격 추정을 위한 기계학습 모형의 응용. 대한지리학회지, 51(2), 219-233.
  16. 이창로, 이기환, 김보영 (2019). 부동산 과세가치추정방법연구-AI기술의 접목을 중심으로. 한국지방세연구원 기본과제 제2019-05호.
  17. 임혜연 (2020). 프롭테크(Proptech)와 가치평가: 랜드북 AI 가치평가를 사례로. 감정평가학논집, 19(1), 53-71.
  18. 조용호 (2011). 플랫폼 전쟁. 21세기북스.
  19. 조유나, 김수현, 송규원 (2017). 헤도닉 가격 모형과 딥러닝을 이용한 주택가격예측 비교. 한국정보과학회 학술발표논문집, 1890-1892.
  20. 최병삼 (2012). 가치 창출 틀 플랫폼, 다원화혁명 이끈다. DBR, 103, 68-75.
  21. 최봉, 윤종진, 엄태휘 (2019). 서울시 공공빅데이터 활성화 방안 연구. 지식경영연구, 20(3), 73-89. https://doi.org/10.15813/kmr.2019.20.3.005
  22. 최수석 (2019). 부동산 핀테크(FinTech) 산업의 현황과 과제. 국토, 455, 32-37.
  23. 통계청 (2020). 가계금융복지조사 결과.
  24. 허윤경, 김성환 (2019). 프롭테크 기업, 부동산 산업의 새로운 미래. 한국건설산업연구원, pp. 1-38.
  25. Baum, A. (2017). PROPTECH 3.0: The future of real estate. UK: University of Oxford Research.
  26. Baum, A. (2020). PROPTECH 2020: The future of real estate. UK: University of Oxford Research.
  27. Ceh, M., Kilibarda, M., Lisec, A., & Bajat, B. (2018). Estimating the performance of random forest versus multiple regression for predicting prices of the apartments. ISPRS International Journal of Geo-Information, 7(168), 1-16.
  28. Eisenhardt, K. M., & Graebner, M. E. (2007). Theory building from cases: Opportunities and challenges. The Academy of Management Journal, 50(1), 25-32. https://doi.org/10.5465/AMJ.2007.24160888
  29. Kim, Y., Choi, S., & Yi, M. Y. (2020). Applying comparable sales method to the automated estimation of real estate prices. Sustainability, 12(14), 1-19.
  30. McKinsey Global Institute (2011). Big data: The next frontier for innovation, competition, and productivity.
  31. Nikolaos, V., & Raphael, N. (2012). Information demand and stock market volatility. Journal of Banking & Finance, 36(6), 1808-1821. https://doi.org/10.1016/j.jbankfin.2012.02.007
  32. Rubin, A., & Rubin, R. (2010). Informed investors and the internet. Journal of Business Finance and Accounting, 37, 841-865. https://doi.org/10.1111/j.1468-5957.2010.02187.x
  33. Simon, P. (2011). The age of the platform: How Amazon, Apple, Facebook, and Google have redefined business. Motion Publishing.
  34. http://proptech.or.kr
  35. https://www.disco.re
  36. https://www.etoday.co.kr/news/view
  37. http://www.internettrend.co.kr/trendForward.tsp
  38. https://www.spacewalk.tech
  39. https://www.valueupmap.com