• 지능정보연구
• /
• 제27권1호
• /
• pp.83-102
• /
• 2021

2020년 8월 정부는 한국판 뉴딜을 뒷받침하기 위한 공공기관의 역할 강화방안으로서 각 공공기관별 역량을 바탕으로 5대 분야에 걸쳐 총 20가지 과제를 선정하였다. 빅데이터(Big Data), 인공지능 등을 활용하여 대국민 서비스를 제고하고 공공기관이 보유한 양질의 데이터를 개방하는 등의 다양한 정책을 통해 한국판 뉴딜(New Deal)의 성과를 조기에 창출하고 이를 극대화하기 위한 다양한 노력을 기울이고 있다. 그중에서 한국무역보험공사(KSURE)는 정책금융 공공기관으로 국내 수출기업들을 지원하기 위해 여러 제도를 운영하고 있는데 아직까지는 본 기관이 가지고 있는 빅데이터를 적극적으로 활용하지 못하고 있는 실정이다. 본 연구는 한국무역보험공사의 수출신용보증 사고 발생을 사전에 예측하고자 공사가 보유한 내부 데이터에 기계학습 모형을 적용하였고 해당 모형 간에 예측성과를 비교하였다. 예측 모형으로는 로지스틱(Logit) 회귀모형, 랜덤 포레스트(Random Forest), XGBoost, LightGBM, 심층신경망을 사용하였고, 평가 기준으로는 전체 표본의 예측 정확도 이외에도 표본별 사고 확률을 구간으로 나누어 높은 확률로 예측된 표본과 낮은 확률로 예측된 경우의 정확도를 서로 비교하였다. 각 모형별 전체 표본의 예측 정확도는 70% 내외로 나타났고 개별 표본을 사고 확률 구간별로 세부 분석한 결과 양 극단의 확률구간(0~20%, 80~100%)에서 90~100%의 예측 정확도를 보여 모형의 현실적 활용 가능성을 보여주었다. 제2종 오류의 중요성 및 전체적 예측 정확도를 종합적으로 고려할 경우, XGBoost와 심층신경망이 가장 우수한 모형으로 평가되었다. 랜덤포레스트와 LightGBM은 그 다음으로 우수하며, 로지스틱 회귀모형은 가장 낮은 성과를 보였다. 본 연구는 한국무역보험공사의 빅데이터를 기계학습모형으로 분석해 업무의 효율성을 높이는 사례로서 향후 기계학습 등을 활용하여 실무 현장에서 빅데이터 분석 및 활용이 활발해지기를 기대한다.

• Asia Marketing Journal
• /
• 제12권4호
• /
• pp.55-78
• /
• 2011

외식업계에서는 충성도제고를 위한 장기적 고객 관리 프로그램으로서 사용금액 대비 일정률의 포인트를 적립해주는 고객보상(로열티)프로그램을 시행해왔으며, 단기적인 매출 증대를 목적으로 신용카드사나 이동통신사와의 전략적 제휴를 통해 소비자에게 할인혜택을 제공하는 제휴할인카드를 경쟁적으로 도입하고 있다. 포인트 적립과 제휴카드할인 프로그램은 추구하는 목적은 서로 다르나 소비자에게는 동일한 구매시점에 둘 중에서 하나를 선택해야하는 경합적인 대안이 된다. 일반적으로 소비자는 손실에 대해 더 민감하게 반응하는 위험회피 성향을 보이며, 실용적 동기에 의한 취득 및 거래효용의 관점에서 할인이 강력한 구매 동기가 되므로, 분리된 이익으로서의 포인트 적립 보다 할인 혜택을 제공함으로써 손실의 감소로 인식되는 제휴카드할인이 더 선호될 것으로 예상할 수 있다. 기업의 입장에서도 제휴기업간의 비용분담을 통해 보다 적은 비용으로 큰 소비자 할인혜택을 제공할 수 있다는 비용효율의 장점 및 경쟁 대응 필요성 때문에 제휴카드할인을 도입하게 된다. 그러나 할인판촉은 실제적인 비용이 투입되므로 매출의 증가를 통해 비용 보다 큰 수익이 보장될 때만 의미를 가지는 촉진 수단이다. 외식업의 경우 방문객수가 증가해야 매출의 증대를 이룰 수 있으며 운영효율이 향상된다. 테이블당 고객수 증가는 공간효율을 높여주어 이익개선에 기여가 크다. 따라서 제휴카드할인이 실제적인 기업성과향상을 가져오려면 할인이 객수의 증가 특히 테이블당 객수의 증가에 기여를 해야 한다. 제휴카드할인이 객수증가 및 이익률의 향상에 도움이 되는지의 여부를 알아보기 위하여 패밀리 레스토랑업체의 실제 매출 데이터를 사용하여 검증해 본 결과 포인트 적립제도는 객수 증가와 유의적 관계를 보이지 않은 반면 제휴할인은 객수 증가에 실제적인 영향이 있음이 밝혀졌으며, 할인율이 증가하면 테이블당 고객수도 증가하며 약 25%의 할인이 제공되면 추가로 한 명의 고객이 유인되는 효과가 있었다. 또한 수익성의 측면에서는 1인당 지불금액 즉 객단가는 할인율의 증가에 따라 하락하는 경향을 보였지만 객수의 증가로 인한 추가이익이 추가비용을 상쇄하고 있어서 제휴할인카드의 도입이 비용 대비 효과의 측면에서 적극적으로 고려할 수 있는 촉진 수단임이 입증되었다. 본 연구는 기업의 실측 데이터를 활용하고 있다는 점에서 소비자 태도나 의도의 변화를 기준으로 기업의 의사 결정 정보를 제공하고자한 기존연구보다 현실적인 접근을 하고 있다. 즉, 기업의 실제 데이터로 제휴카드할인 프로그램의 효과를 측정하였고, 포인트 적립 및 차감제도를 직접 비교함으로써 기업에게 향후 마케팅 전략 수립에 관한 현실적인 시사점을 제공하였다는 점에서 연구의 의의를 찾을 수 있을 것이다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제36권3호
• /
• pp.313-334
• /
• 2022

본 연구는 학교 밖 청소년을 대상으로 한 수학중심 융합인재교육을 통한 수학학습의 특성을 분석하는 연구이다. 수학교육의 사각지대에 있는 학교 밖 청소년들에게 융합인재 교육의 기회를 제공하고 미래사회에 필요한 인재를 양성하기 위한 필요성으로 출발하였다. 이에 본 연구에서는 수학과 음악의 융합인재교육을 통해 학교 밖 청소년들의 수학학습의 특성이 어떻게 변화될 수 있는지 고찰하기 위한 목적으로 수행되었다. 이를 위해 ○○광역시 학교 밖 청소년 지원센터에서 고등학교 졸업 검정고시 수학 학습반을 수강하고 있는 학교 밖 청소년을 연구 대상으로 선정하였고, 수학-음악 융합인재교육을 위한 자료 개발 및 수업적용, 적용결과에 대한 자료 분석을 순차적으로 진행하였다. 학교 밖 청소년을 대상으로 검정고시와 연계한 수학과 음악 융합인재교육을 실시한 결과, 학교 밖 청소년들에게서 수학에 대한 정의적 영역 및 문제풀이 전략의 긍정적 변화를 살펴볼 수 있었다. 또한, 학교 밖 청소년들의 수학학습 발전가능성을 확인할 수 있었다. 본 연구를 기점으로 학교 밖 청소년들을 위한 수학중심 융합인재교육 프로그램의 개발 및 다양한 유형의 학생을 대상으로 하는 수학중심 융합인재교육에 대한 연구가 활성화되기를 기대한다.

• 지능정보연구
• /
• 제21권3호
• /
• pp.79-99
• /
• 2015

부도 예측은 회계와 재무 분야에서 꾸준히 연구되고 있는 분야이다. 초기에는 주로 다중판별분석(multiple discriminant analysis)와 로짓 분석(logit analysis)과 같은 통계적 방법을 이용하였으나, 1990년대 이후에는 경영 분야의 분류 문제를 위해 많은 연구자들이 인공신경망(back-propagation neural network), 사계기반추론(case-based reasoning), 서포트 벡터 머신(support vector machine) 등과 같은 인공지능을 통한 접근법을 이용하여 통계적 방법보다 분류 성과 측면에서 우수함을 입증해왔다. 기존의 기업의 부도에 관한 연구에서 많은 연구자들이 재무비율을 이용하여 부도 예측 모형을 구축하는 것에 초점을 맞추어왔다. 부도예측에 관한 연구가 꾸준히 진행되고 있는 반면, 부도의 세부적인 유형을 예측하여 제시하는 것에 대한 연구는 미흡한 실정이었다. 따라서 본 연구에서는 수익성, 안정성, 활동성 지표를 중심으로 국내 비외감 건설업 기업들의 부도 여부뿐만 아니라 부도의 세부적인 유형까지 예측 가능한 모형을 개발하고자 한다. 본 연구에서는 부도 유형을 예측하기 위해 두 개의 인공신경망 모형을 결합한 하이브리드 접근법을 제안하였다. 첫 번째 인공신경망 모형은 부도예측을 위한 역전파 인공신경망을 이용한 모형이며, 두 번째 인공신경망 모형은 부도 데이터를 몇 개의 유형으로 분류하는 자기조직화지도(self-organizing map)을 이용한 모형이다. 실험 결과를 통해 정의된 5개의 부도 유형인 심각한 부도(severe bankruptcy), 안정성 부족(lack of stability), 활동성 부족(lack of activity), 수익성 부족(lack of profitability), 회생 가능한 부도(recoverable bankruptcy)는 재무 비율에 따라 유형별로 상이한 특성을 갖는 것을 확인할 수 있었다. 본 연구 결과를 통해 신용 평가 분야의 연구자와 실무자들이 기업의 부도의 유형에 대한 유용한 정보를 얻을 것으로 기대한다.

• 지능정보연구
• /
• 제18권4호
• /
• pp.59-77
• /
• 2012

기업의 성장성, 수익성, 안정성, 활동성, 생산성 등에 대한 다양한 분석이 은행, 신용평가기관, 투자자 등 많은 이해관계자에 의해 실시되고 있고, 이에 대한 다양한 경영분석 지표들 또한 정기적으로 발표되고 있다. 본 연구에서는 이러한 경영분석 지표를 이용하여 어떤 기업이 가까운 미래에 유상증자를 실시하는지를 데이터마이닝을 통해 예측하고자 한다. 본 연구를 통해 어떠한 지표가 유상증자 여부를 예측하는데 도움이 되는가를 살펴 볼 것이며, 그 지표들을 이용하여 예측할 경우 그 예측의 정확도가 어느 정도인지를 분석하고자 한다. 특히 1997년 IMF 금융위기 전후로 유상증자를 결정하는 변수들이 변화하는지, 그리고 예측의 정확성에 분명한 차이가 존재하는지 분석한다. 또한 유상증자 실시 시기를 경영분석 지표 발표 후 1년 내, 1~2년 내, 2~3년 내로 나누어 예측 시기에 따라 예측의 정확성과 결정 변수들의 차이가 존재하는지도 분석한다. 658개의 유가증권상장법인의 경영분석 데이터를 이용하여 실증 분석한 결과, IMF 이후의 유상증자 예측모형이 IMF 이전의 예측모형에 비해 예측 정확도가 높았고, 학습용 데이터의 예측 정확도와 검증용 데이터의 예측 정확도 차이도 IMF 이후가 낮게 나타났다. 이러한 결과는 IMF 이후 재무자료의 정확도가 높아졌고, 기업에게 유상증자의 목적이 더욱 명확해졌다고 해석될 수 있다. 또한 예측기간이 단기인 경우 경영분석 지표 중 안전성에 관련된 지표들의 중요성이 부각되었고, 장기인 경우에는 수익성과 안전성뿐만 아니라 활동성과 생산성 관련지표도 유상증자를 예측하는 데 중요한 것으로 파악되었다. 그리고 모든 예측모형에서 산업코드가 유상증자를 예측하는 중요변수로 포함되었는데 이는 산업별로 서로 다른 유상증자 유형이 존재한다는 점을 시사한다. 본 연구는 투자자나 재무담당자가 유상증자 여부를 장단기 시점에서 예측하고자 할 때 어떠한 경영분석지표를 고려하여 분석하는 것이 바람직한지에 대한 지침을 제공하는데 그 의의가 있다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.