• 벤처창업연구
• /
• 제16권6호
• /
• pp.131-144
• /
• 2021

조직의 양손잡이(organizational ambidexterity) 구조는 기업이 새로운 기회를 포착하는 탐색(exploration) 활동과 자원을 효율적으로 이용하는 활용(exploitation) 활동을 동시에 추구할 수 있도록 설계한 조직 전략이다. 이러한 양손잡이 구조는 현재 대부분 여유 자원이 풍부한 대기업을 대상으로 연구가 이루어지고 있으며, 상대적으로 여유 자원 보유 수준이 낮은 스타트업의 양손잡이 조직구조 필요성에 대한 연구는 아직 많지 않다. 하지만, 최근 전 세계적으로 창업생태계가 고도화되면서 벤처에 투자하는 모험자본이 급속하게 증가하고 있으며, 이러한 현상은 스타트업에 많은 투자가 이루어지고 급성장할 수 있는 환경이 조성되면서 스타트업의 양손잡이 조직구조의 필요성과 적용 가능성에 대한 논의가 필요한 시점이다. 이에 본 연구는 새로운 아이디어로 시장의 문제를 해결하며 꾸준히 시장에서 탐색 활동을 하고 있는 스타트업(start-up)이 이러한 탐색 활동과 동시에 누적되어 가는 기업의 자원을 활용할 수 있는 역량을 갖추는 것이 기업성과에 영향을 미칠 것이라는 가설을 검증하였다. 본 연구의 가설검증을 위해 국내 140개 스타트업의 설문데이터를 분석하였으며, 지금의 시장 상황처럼 불확실하고 변동성이 높은 환경에서의 양손잡이 조직에 대한 필요성을 검증하기 위하여 환경적 동태성(environmental dynamics)의 조절효과가 있는지도 분석하였다. 연구결과 스타트업의 탐색과 활용의 균형(balance)은 기업성과에 유의미한 영향이 있음이 검증되었고, 환경적 동태성의 조절효과는 비재무성과와의 관계에 유의미한 영향을 미치는 것으로 나타났다. 따라서 자원이 부족한 스타트업의 경우 기업이 성장해 가는 과정에서 발생하는 잉여자원들을 효과적으로 활용하고 새로운 사업을 탐색하는 초기 단계부터 탐색과 활용의 균형을 맞추어야 한다는 결론을 도출하였다. 즉, 장기적으로 스타트업도 효과성과 효율성을 동시에 추구할 수 있는 메커니즘을 내재화하기 위해서 양손잡이 조직의 구조화를 추구하는 것이 지속적인 성장과 생존을 위해 중요함을 확인할 수 있었다. 본 연구는 조직의 구조 관점에서 스타트업의 성장을 위한 전략적 방향을 제시하고, 급격하게 성장하는 창업벤처 분야에서 스타트업의 양손잡이 역량과 기업성과와의 영향 관계에 대한 유의미한 결과가 스타트업의 성장에 기여할 것으로 기대한다.

• 서비스연구
• /
• 제13권1호
• /
• pp.108-126
• /
• 2023

본 연구는 경기도 뉴미디어 예술방송국 경기아트온 구축 사례를 통해 블록체인 기반 문화예술공연 영상 플랫폼의 지속가능성을 탐색적으로 고찰하고, 블록체인을 활용한 영상콘텐츠 거래의 기술적 한계와 법·제도적 쟁점을 검토하였다. 연구방법은 개발자 및 운영자 심층인터뷰, 회의참여 등 참여관찰의 방법으로 진행하였다. 연구자는 블록체인 기반 공연영상 플랫폼 구축을 위한 KT와 경기아트센터의 컨소시엄 협약 단계부터 블록체인 노드, 스마트 콘트랙트, API, UI/UX 설계 및 개발, 블록체인과 콘텐츠 유통 서비스 연동 테스트 수행까지 전 과정에 참여관찰하였다. 연구문제1: '블록체인 기반 공연영상 콘텐츠 유통 공공 플랫폼에 적합한 기술 모델은 어떠한 모델인가?'에 대한 연구결과, 첫째, 블록체인 기반 예술공연 영상콘텐츠 유통 공공 플랫폼에 적합한 블록체인 형태는 블록체인 관리자가 직접 초대해야 개입이 가능한 프라이빗 형태가 적합한 것으로 판단되었다. 둘째, 경기아트온과 같은 공공 플랫폼에서는 NFT 발행 기반 예술인 저작권 관리 모델과 BC토큰과 클라우드 기반 콘텐츠 유통 모델 중 API를 통해 외부 수요기관에 콘텐츠를 제공하고 사용료 정산에 K-토큰을 사용하는 모델이 적합한 것으로 분석되었다. 셋째, 경기아트온과 같은 공공 플랫폼 초기 서비스는 콘텐츠 이용 권한을 부여된 이용자에게만 서비스를 제공하는 폐쇄형 블록체인이 적합하다는 결론에 이르렀다. 연구문제2: '블록체인 기반 공연영상 유통 공공 플랫폼 운영 시 어떠한 법·제도적 문제점을 검토해야 하는가?' 에 대한 연구결과, 첫째, 블록체인 기반의 스마트 계약은 거래 당사자들의 신원이 드러나지 않을 수 있는 블록체인 기술의 특성상 당사자 적격성 문제, 둘째, 블록체인은 보안사고가 발생하면 사용자의 손실 배상이나 구제방법이 불분명하여 손실회복이 어렵다는 문제, 셋째, 스마트 계약은 채무불이행이라는 개념이 적용될 수 없고, 스마트 계약상의 채무가 이미 이행이 이루어진 경우에도 불완전이행의 소지를 검토하여야 하는 것으로 분석되었다.

• 지능정보연구
• /
• 제22권4호
• /
• pp.109-122
• /
• 2016

최근 빅데이터 분석은 기업과 전문가뿐만 아니라 개인이나 비전문가들도 큰 관심을 갖는 분야로 발전하였다. 그에 따라 현재 공개된 데이터 또는 직접 수집한 이터를 분석하여 마케팅, 사회적 문제 해결 등에 활용되고 있다. 국내에서도 다양한 기업들과 개인이 빅데이터 분석에 도전하고 있지만 빅데이터 공개의 제한과 수집의 어려움으로 분석 초기 단계에서부터 어려움을 겪고 있다. 본 논문에서는 빅데이터 공유를 방해하는 개인정보, 빅트래픽 등의 요소들에 대한 기존 연구와 사례들을 살펴보고 정책기반의 해결책이 아닌 시스템을 통해서 빅데이터 공유 제한 문제를 해결 할 수 있는 클라이언트-서버 모델을 이용해 빅데이터를 공개 및 사용 할 때 발생하는 문제점들을 해소하고 공유와 분석 활성화를 도울 수 있는 방안에 대해 기술한다. 클라이언트-서버 모델은 SPARK를 활용해 빠른 분석과 사용자 요청을 처리하며 Server Agent와 Client Agent로 구분해 데이터 제공자가 데이터를 공개할 때 서버 측의 프로세스와 데이터 사용자가 데이터를 사용하기 위한 클라이언트 측의 프로세스로 구분하여 설명한다. 특히, 빅데이터 공유, 분산 빅데이터 처리, 빅트래픽 문제에 초점을 맞추어 클라이언트-서버 모델의 세부 모듈을 구성하고 각 모듈의 설계 방법에 대해 제시하고자 한다. 클라이언트-서버 모델을 통해서 빅데이터 공유문제를 해결하고 자유로운 공유 환경을 구성하여 안전하게 빅데이터를 공개하고 쉽게 빅데이터를 찾는 이상적인 공유 서비스를 제공할 수 있다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.