1 / 13

Big Data handling skill, Is it a key of performance ?

Big Data handling skill, Is it a key of performance ?. 기술경영학 협동과정 류성일 2012 년 12 월 10 일. 1. BigData 특징. Big Data 의 5 대 특징 : 대용량 , 다양성 , 속도↑ , 복잡성 , 분석모델無 ( 가트너 , 매킨지 , 베인 , 부즈 ). Bain & Company (2012), Navigating the Big Data challenge.

joanna
Download Presentation

Big Data handling skill, Is it a key of performance ?

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Big Data handling skill, Is it a key of performance ? 기술경영학 협동과정 류성일 2012년 12월 10일

  2. 1. BigData특징 Big Data의 5대 특징 : 대용량, 다양성, 속도↑, 복잡성, 분석모델無(가트너, 매킨지, 베인, 부즈) Bain & Company (2012), Navigating the Big Data challenge Booz&co. (2012), Benefitting from Big Data Leveraging Unstructured Data Capabilities for Competitive Advantage Gathner (2011), CEO Advisory : Bit Data Equals Big Opportunity Gathner (2011), Big Data Analytics James Manyika, Michael Chui, Brad Brown, Jacques Bughin, Richard Dobbs, Charles Roxburgh, Angela Hung Byers (2011), Big data: The next frontier for innovation, competition, and productivity, McKinsey Global Institute, McKinsey & Co.

  3. 1. BigData특징 Big Data의 분류 (IDC, 2011) IDC's Digital Universe Study, sponsored by EMC, June 2011

  4. 2. BigData 활용으로 기업이 얻는 효과 Big Data의 가치 : 투명성, 성과향상, 세그먼트, 의사결정, 신상품및BM 발굴 (McKinsey, 2011) James Manyika, Michael Chui, Brad Brown, Jacques Bughin, Richard Dobbs, Charles Roxburgh, Angela Hung Byers (2011), Big data: The next frontier for innovation, competition, and productivity, McKinsey Global Institute, McKinsey & Co.

  5. 3. BigData경쟁우위 Level BigData로 부터 경쟁우위를 얻기 위한 요건 James Manyika, Michael Chui, Brad Brown, Jacques Bughin, Richard Dobbs, Charles Roxburgh, Angela Hung Byers (2011), Big data: The next frontier for innovation, competition, and productivity, McKinsey Global Institute, McKinsey & Co. NIA (2012), 성공적인 빅데이터 활용을 위한 3대 요소 : 자원, 기술, 인력 Booz&co. (2012), Benefitting from Big Data Leveraging Unstructured Data Capabilities for Competitive Advantage

  6. 3. BigData경쟁우위 Level 1) ‘Tech. & Technique’ Level • → ‘4. BigData프로세스별 기술 Level’챕터에서… 2) ‘Access to data’Level • 데이터 원천 확보/확장을 위해 얼마나 노력하고 있는 지를 측정 • 전년도에 비해 확보 데이터 원천이 증가했는 지를 확인 3) ‘Organizational change and talent’Level • 데이터 전문가 영입 또는 육성 노력 수준을 평가 • 빅데이터 운용/분석 성과를 측정하기 위한 인사 제도 및 보상 체계 마련 수준 • 부문 리더가 빅데이터에 대한 이해를 갖추고 있는지 평가 4) ‘Data Policy’Level • 빅데이터 관련 프라이버시 침해, 보안 문제를 해결하기 위한 약관 마련, 제도 보완 • 기업 외부 및 타 부서간 Linked-Data 에 대한 소유권, 책임 등의 제도 마련

  7. 4. BigData프로세스별 기술 Level BigData프로세스 별, [Tech. & Technique] 리뷰 • Pete Warden (2011), Big Data Glossary, O’Reilly Media • 문혜정 (2011), Big Data 구축기술과 사례를 중심으로 • 안창원, 황승구 (2012), 빅데이터 기술과 주요 이슈

  8. 4. BigData프로세스별 기술 Level 1) Collecting및 Preprocess 단계 • 얼마나 풍부한 데이터 수집 방법을 도입하고 있는지를 평가 ex) 외부 Big Data 자동 수집 방법 (NIA, 2012) • 자신의 데이터가 내/외부 다른 소스의 데이터와 연계되고 인용되는 등,Linked Data가 만들어질 수 있는 수준 (다른 조직에서 데이터 시너지 효과 창출 가능성) NIA (2012), 빅데이터 시대의 데이터 자원 확보와 품질 관리 방안 2) Storage 및 Handling 단계 • 데이터를 기록/관리 캐파 향상을 위해 노력하고 있는지를 평가 • 전년도에 비해 확보 서버/스토리지 수준이 증가했는 지를 확인 • 메인프레임형 서버 → 분산형 서버로 교체 수준(예정)을 확인 • 비정형 데이터 처리 증가 수준 평가 ex) 분산형 스토리지 / 클라우드형 스토리지 운용 여부 평가 • 분산형 스토리지 혹은 클라우드형 스토리지 도입 수준 등으로 평가 • (ex: Hadoop등)

  9. 4. BigData프로세스별 기술 Level ex) 비정형 데이터를 기록/관리 수준으로 평가 • 비정형 데이터는 어느정도 구조적인 형태로 변형하여 저장해야 함(ex: Scribe, Flume, Chuckwa등의 오픈소스 솔루션) ex) Linked Data 5-Level (Berners-Lee, 2009) • 자신의 데이터가 내/외부 다른 소스의 데이터와 연계되고 인용되는 등,Linked Data가 만들어질 수 있는 수준 (다른 조직에서 데이터 시너지 효과 창출 가능성) Berners-Lee, T.(2009) Linked Data, http://www.w3.org/DesignIssues/LinkedData.html. ※ SPARQL은 RDF 트리플로 이루어진 그래프 구조의 시맨틱 웹 데이터를 효과적으로 질의하기 위한 언어 2008년 W3C의 권고안(Recommendation-http://www.w3.org/TR/rdf-sparql-query/)으로 제정된 SPARQL 1.0은 RDF, RDFS, OWL 과 같은 시맨틱웹 표준으로 기술된 시맨틱웹 데이터를 접근하기 위한 표준 4) Analysis 단계 • 데이터 분석 수준 및 범위 증대를 위해 노력하고 있는지를 평가 • 데이터 분석 과업에 투입한 시간x인력(MM)가 증가했는 지를 확인 • Hadoop등의 분산형빅데이터 분석 S/W 도입 수준을 평가 5) Expression단계 • 빅데이터 Visualization 툴 개발 노력 평가 • ‘클릭뷰’, ‘스팟파이어’ 등과 같은 데이터 Visualization 솔루션 도입 여부 평가 • 빅데이터 기반의 실시간 프리젠테이션 활용 정도 평가

  10. 5. R&D performance BSC(Balanced Scorecard)-based R&D 성과 지표 (kerssens-van Drongelen, 1997) • R&D 특성상 최종 제품이 아닌 경우가 대부분으로, 재무지표 외에 고객관점 및 혁신수행관점 등의 평가 척도가 포함됨 Kerssens-van Drongelen, I.C., and Cooke, A. (1997), Design principles for the development of measurement systems for research and development processes. R&D Management, 27, 4, 345–357.

  11. 6. 최종 연구 모형 BigData경쟁우위 Level R&DPerformance BigData프로세스별기술 Level BigDataManagement Level P7,8,9 Collecting & Preprocess P5,6 Storage & Handling Tech. & Technique P10 P4 Big data Management Level R&D Performance Analysis Access to data Expression Organizational change and talent Data Policy (moderator) 과업/프로세스의BigData연관성 BigData의요건 p2 Data Volumes How close it is to big data condition Data Structure Velocity ↑ Competitiveenvironment Processing Complexity p5 Competitive structure Analysis flexibility

  12. 7. 후속 작업 1) 추가 문헌 리뷰, 모형 단계별 측정 지표정교화 • 독립변수 : BigData프로세스별 기술 Level, BigData경쟁우위 Level • 종속변수 : R&D Performance - 조절변수 : Environment (조절변수) 2) 측정 서베이 설계 및 파일롯 테스트 • 파일롯 테스트 결과, 연구 모형 검토 및 수정 • 최종 서베이 문항 확정 3) 최종 서베이 수행 • 필요시서베이 전문 업체 용역 활용 • 여건이 허락한다면, 중/소vs대기업으로 설문 대상을 구분 4) 논문 작성 • 분석 결과의 시사점 수준에 따라, 논문의 향후 활용 방안 결정

  13. Thank you

More Related