• Journal of the Korea Society of Computer and Information
• /
• v.26 no.1
• /
• pp.275-281
• /
• 2021

The purpose of this research is to explore what factors affect consumers' purchasing decisions when purchasing artificial intelligence artworks. The research pointed out that in the real shopping model, customer perceived value includes three dimensions: product perceived value, service perceived value and social perceived value. On this basis, an artificial intelligence work purchase decision-making influence model was constructed, and an online survey was attempted to collect data. Through analysis of the reliability, effectiveness and structural equations of SPSS24.0 and AMOS24.0, and scientific verification and analysis, we found that product cognitive value and service cognitive value have a positive impact on consumers' purchase intentions, but social cognition Value has no positive effect on consumers' purchasing intentions.

• Proceedings of the Korea Contents Association Conference
• /
• 2019.05a
• /
• pp.413-414
• /
• 2019

빅데이터는 초기에는 개념적인 접근으로 대용량의 데이터로 정의하기도 하였으나 지금은 데이터를 수집, 저장, 처리, 분석하여 가치 창출까지의 개념으로 확산되고, 최근에는 정확성(Veracity), 가변성(Variability), 시각화(Visualization) 개념까지 새롭게 추가되어 7V로 제시되기도 한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2013.10a
• /
• pp.953-954
• /
• 2013

Smartphone, Tablet PC users increases rapidly, the amount of data is an increasing number and their characteristics vary. Big Data field to collect vast amounts of data such that create new value by analyzing has attracted attention. In recent years, big data technology to use for marketing and product planning movement is growing. In this paper, we would like to analyze the trends of big data.

• 한국벤처창업학회:학술대회논문집
• /
• 2021.11a
• /
• pp.129-134
• /
• 2021

농업은 잦은 자연재해, 코로나 같은 예측하기 힘든 불확실성이 높아지는 상황이며 이를 해결하기 위해 새로운 기술적 접근방안과 돌파구 마련이 필요하다. ICT의 급속한 발전과 4차 산업혁명 시대가 도래하면서 데이터의 중요성은 더욱 커지고 있다. 빅데이터는 농업이 직면한 다양한 기술적 난제를 해결함과 동시에 생산,소비,유통 분야의 밸류체인 혁신을 통해 높은 경쟁력을 확보할 수 있게 핵심 요소가 될 것이다. 실제 농업 분야의 해외 사례를 살펴보면 주로 빅데이터에 대한 수집 분석이 기업을 중심으로 이루어지고 있고 기업의 새로운 가치 창출에 중요한 역할을 담당하고 있어 상업적 측면에서 활용가치가 매우 높음을 알 수 있다. 우리나라도 기업의 빅데이터 활용을 위한 다양한 시도가 이루어지고 있으나 아직은 대기업, 소수의 혁신기술 기반 중소기업이 대부분이다. 기업의 빅데이터 활용에 영향을 미치는 연구는 계속 진행되고 있으나, 산업별 특성이 반영되어 결과는 상이하게 나타났다. 또한 대부분의 연구가 조직 차원에서 초기 도입 의도에 영향을 주는 요인 파악에 집중하였다. 반면 기업이 빅데이터를 활용하여 성과를 창출하기 위해서는 각 분야 현업 종사자들의 지속적인 활용 의도에 영향을 미치는 요인에 관한 연구가 필요하다. 따라서 본 연구는 혁신기술 수용 의도를 파악하는데 높은 설명력을 나타내는 통합기술수용이론(UTAUT)과 혁신성향 변수를 활용하여 농업 관련 기업 종사들의 빅데이터 수용 의도에 미치는 영향 요인들을 살펴보고 경제적 혜택과 실용적 혜택의 매개 효과를 분석하고자 한다. 실제 농업 관련 기업 종사자 대상 설문을 통한 실증 연구를 통해 현장 종사자들의 빅데이터 활용 수준을 높이고 우수의 고급 인력을 확보하여 육성하기 위한 방안을 제시하여 농업관련분야 기업의 빅데이터 활성화 정책 도출에 시사점을 제시하고자 한다.

• Journal of the Korea Society of Computer and Information
• /
• v.25 no.5
• /
• pp.27-36
• /
• 2020

In this paper, we propose a method to derive valuable but hidden infromation from the data which is the core foundation in the 4th Industrial Revolution to pursue knowledge-based service fusion. The hyper-connected societies characterized by IoT inevitably produce big data, and with the data in order to derive optimal services for trouble situations it is first processed by discovering valuable information. A data-centric IoT platform is a platform to collect, store, manage, and integrate the data from variable devices, which is actually a type of middleware platforms. Its purpose is to provide suitable solutions for challenged problems after processing and analyzing the data, that depends on efficient and accurate algorithms performing the work of data analysis. To this end, we propose specially designed structures to store IoT data without losing the semantics and provide algorithms to discover the useful information with several definitions and proofs to show the soundness.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2015.05a
• /
• pp.747-753
• /
• 2015

요즘 우리의 생활 속에서 차세대 신기술로 주목할 만한 것이 바로 "빅 데이터" 이다. 하지만 빅 데이터는 아직 구체적인 개념이 모호한 상태이다. 빅 데이터란, 기존 데이터베이스 관리도구로서 데이터를 수집, 저장, 관리, 분석할 수 있는 역량을 넘어서는 대량의 정형 또는 비정형 데이터 집합 및 이러한 데이터로부터 가치를 추출하고 결과를 분석하는 기술을 의미한다. 이러한 분석된 데이터들은 여러 방면으로 활용이 가능하다. 이를 통해 기업에서는 비즈니스적인 활용이 가능하며 예측과 분석을 통해 사업전망을 내다볼 수도 있다. 따라서 본 논문에서는 비즈니스 모델 혁신을 위해 빅 데이터 기반 예측분석이 왜 필요한 지에 대해 논의하고 기업들이 혁신을 촉진하기 위해 사업전략 목표에 예측모델들을 활용하는 운영 모델을 제시하고자 한다.

• Annual Conference of KIPS
• /
• 2013.05a
• /
• pp.900-903
• /
• 2013

최근 IT와 미디어의 발전으로 인하여 데이터의 양이 많아졌다. 기존에 컴퓨터를 이용하여 인터넷을 이용했던 것을 넘어 스마트 폰의 보급으로 인한 모바일 시장이 급격이 성장함으로써 데이터의 양은 급격히 증가하고 있는 추세이다. 이와 같이, 엄청난 데이터들을 저장하고 관리하며 분석 할 수 있는 기술이 필요하게 되면서 등장한 것이 빅데이터이다. 빅데이터는 다양한 정보가 결합하고 있는데 이 데이터의 가치를 누가 먼저 효율적으로 추출해 내는 것이 기업의 성패를 가늠할 만큼 중요하게 되었다. 따라서 본 논문에서는 빅데이터를 효율적으로 품질 관리함으로써 정보의 가치를 높이고 신뢰성 있는 데이터로 만들어 활용할 수 있는 방법에 대해 연구한다.

• Journal of the Korean Data and Information Science Society
• /
• v.22 no.6
• /
• pp.1041-1051
• /
• 2011

The development of information technology provides us with more useful information but it arose to protect such information from inappropriate users. In the course of analyzing and managing the risks associated with information, it should be needed to accurately measure the value of information. We try to consider the contingent valuation method for this purpose. The contingent valuation method which is used to assess the value of public goods or nonmarket goods makes an statistical estimation for the willingness-to-pay. We show with an example how we can estimate the value of information by calculating the amount we are willing to pay the value of information that exists on the information system. Calculation is carried out by using R.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2014.07a
• /
• pp.175-176
• /
• 2014

본고에서는 교육 빅데이터의 개념, 가치, 처리 기술 및 분석 방법 등을 탐색하였다. '온라인과 오프라인 교수 학습 활동의 투입, 과정, 산출을 통해 생산되는 국가, 지역, 학교, 교사, 학생 수준의 자료'로 정의할 수 있는 교육 빅데이터는 Hadoop으로 대표되는 분산 컴퓨팅 기술을 통해 효율적으로 처리할 수 있다. 대규모 교육 자료에서 의미있고 유용한 결과를 도출하기 위해 주로 사용되는 분석 방법에는 교육 데이터 마이닝, 학습 분석학과 시각 자료 분석학이 있다. 교육 데이터 마이닝은 학생과 교사, 학교의 다양한 수준에서 자료를 폭넓게 분석하는 측면이 강한 반면에 학습 분석학은 학생 수준에서의 자료 분석에 더 초점을 맞추는 경향이 있으며, 시각 자료 분석학은 자료에 대한 분석 자체보다는 분석 결과를 효과적으로 표현하는 방식에 초점이 주어져 있다.

• Digital Contents
• /
• no.5 s.96
• /
• pp.36-41
• /
• 2001

데이터웨어하우스(Dataware House)가 자료 창고라고 하면 데이터마이닝(Data mining)은 그 창고에 있는 데이터를 가지고 실제 분석을 하는 것이다. 창고에 있는 데이터 자체는 기업에 부가가치를 줄 수는 없다. 이것을 분석하여 유용한 자료가 나와야지 그것을 가지고 행동에 옮겨 기업은 이익을 얻기 때문이다. 예를 들면 아무리 야구에 대한 지식이 머리 속에 많은 감독이라도 고민을 하여 실제 경기에서 응용할 수 있는 작전이 없다면 그 지식은 의미가 없듯이 데이터가 아무리 훌륭하고 많아도 그것을 분석하는 단계에서 문제가 있다면 아무 소용이 없다는 것이다.