룰 기반의 접근 방식이 IT 인프라 유연성에 미치는 영향에 관한 사례 연구

장희재 국민대학교 비즈니스IT전문대학원 2011 국내석사

오늘날 조직들은 갈수록 치열해지는 경쟁환경, 불확실한 경제상황, 높아만 져 가는 고객과 파트너사의 요구사항, 그리고 매번 바뀌는 정부 규제 등으로 인한 많은 어려움에 직면해 있다. 이처럼 급속히 변화하는 비즈니스 환경 속에서 조직은 조직의 경쟁우위 확보를 위해서 비즈니스 신속성이 요구된다. 조직의 비즈니스는 IT인프라에 기반하며, 조직은 조직의 신속한 프로세스 변화를 위해 유연한 IT인프라를 필요로 한다. 이러한 필요에 따라 등장한 비즈니스 룰 엔진은 업무 담당자의 비즈니스 노하우 및 전문지식에 대한 처리는 물론, 기업의 비즈니스 로 직 까지 처리하여 새로운 비즈니스 모델 변화와 개선요구에 대해 즉각적으로 대응할 수 있는 유연한 IT 인프라를 구축하는 도구이다. 따라서 본 논문에서는 비즈니스 룰 엔진에 대한 관련 문헌과 연구자료를 연구하고, 실제 사례에 적용해 봄으로써 비즈니스 룰 엔진 도입에 따른 IT 인프라의 유연성이 조직의 비즈니스에 미치는 영향을 분석하여 향후 조직의 비즈니스 룰 엔진 도입을 계획하는데 도움을 주고자 하였다. 실제 도입 사례를 통한 분석 결과, 비즈니스 룰 엔진 도입 후 조직의 프로세스 변화에 민첩한 대응이 가능해짐으로써 조직의 업무 생산성을 향상시켰으며, 유지보수 효율성 또한 향상되었다. 위 결과에 따라 본 연구는 비즈니스 룰 엔진의 도입으로 인해 조직이 보유한 IT 인프라의 유연성이 향상되면 조직은 민첩하게 프로세스 변화에 대응할 수 있고, 이는 결과적으로 조직의 비즈니스 성과에 긍정적인 영향을 미칠 것이라고 결론을 맺는 바이다.

AI 프로젝트 성공에 영향을 미치는 요인에 관한 연구

김계숙 국민대학교 비즈니스IT전문대학원 2022 국내박사

현대 기업은 생존을 위한 비용절감, 지속적인 성장, 그리고 경쟁력 강화를 위하여 인공지능(AI) 기술 도입을 고려한 기업 전략을 수립하는데 어려운 도전과 큰 변화를 겪고 있다. 이제는 디지털 트랜스포메이션을 넘어 AI기반 디지털 트랜스포메이션 시대로 들어섰다. 그러나 기업이 AI 프로젝트를 성공적으로 수행하기 위한 체계적인 접근과 연구는 부족한 상태이며, 국내 AI 산업 환경에서 AI 프로젝트 성공요인에 대한 연구 분석은 거의 찾아볼 수 없다. AI 일상화를 추진하는 정부와, AI 기술을 통한 혁신적인 서비스와 신제품을 개발하는 테크 기업, 그리고 혁신을 이루기 위해 AI 기술 도입을 고려하는 전통적인 기업들은 현 시점에서 "무엇이 AI 프로젝트를 성공적으로 이끄는가?"에 대한 연구가 필요한 시점이다. 또한 조직 안에서 각자 어떠한 역할로 AI 프로젝트를 성공적으로 이끌 수 있는지에 대한 구조적 인과관계를 연구할 필요가 있다. 본 논문은 2개의 에세이로 구성되었다. 첫번째 에세이는 ‘무엇이 인공지능(AI) 프로젝트를 성공적으로 이끄는가?’이다. 이는 AI 프로젝트 성공에 영향을 미치는 주요 요인을 도출하고, 성공요인별 중요도와 우선순위를 부여하는 것을 목적으로 한다. 두번째 에세이는 ‘조직은 어떻게 AI 프로젝트 성공을 이끄는가?’에 대한 연구문제이다. 앞선 연구에서 밝혀진 주요 성공요인이 기업 조직안에서 누가, 어떻게, 얼마만큼 영향을 미치는지를 밝혀내는 것을 목적으로 한다. 이를 위해 국내와 해외 이론과 사례 연구를 검토하여 성공요인을 도출하고, AI 프로젝트 전문가 인터뷰를 통해 17개의 AI 프로젝트 성공 요인을 최종 선정하였다. 에세이 1은 TOE 프레임워크를 활용하여 계층 모형을 작성하였다. 연구 분석 대상은 2개 그룹으로 AI 프로젝트를 도입하여 직접 활용하는 기업에 소속된 AI 전문가들과 다양한 기업들에게 AI도입을 지원해주는 서비스 기업, 즉 기술 자문, 플랫폼, 어플리케이션을 제공하는 공급기업에 소속된 AI 전문가들을 대상으로 조사하였다. 조사결과는 AHP 방법을 활용하여 분석하였다. 17개 성공요인을 3개 계층으로 나누고 분석한 결과, 1차 계층으로 조직적 요인, 기술적 요인, 환경적 요인 순으로 중요하게 나타났다. 조직적 요인 중에서는 ‘전략/명확한 비즈니스 니즈’와 ‘AI 구현/활용 역량’, 그리고 ‘부서 간 협업/커뮤니케이션’이 가장 중요한 요인으로 나타났다. 기술적 요인 중에서는 AI 학습을 위한 ‘데이터 가용성과 품질’이 가장 중요한 요인으로 도출되었으며, 이어서 ‘IT 인프라/호환성’이 중요하게 응답되었다. 환경적 요인에서는 AI를 직접 사용할 ‘고객의 준비와 지지’가 중요한 요인으로 나타났다. 3차 계층으로 17개 개별 성공요인의 총합적 중요도를 살펴보면 데이터의 가용성과 품질(0.2245)이 가장 중요하고, 전략/명확한 비즈니스 니즈(0.1076)가 두번째로, 고객준비/지지(0.0763) 세번째로 중요한 요인으로 분석되었다. AI 프로젝트 실행경험이 보다 많은 AI공급기업에 소속된 전문가들은 데이터 가용성과 품질(0.1679), 전략/명확한 비즈니스 니즈(0.1195), AI구현/활용역량 (0.0709), 최고경영진 지원(0.0693), 프로젝트 챔피언(0.0692) 순서로 성공요인 중요도를 응답하였으며, 이는 AI활용기업 전문가들과 AI공급기업 전문가들이 판단하는 성공요인 중요도에 차이점 있음을 발견할 수 있었다. 이러한 연구 결과는 AI 도입을 검토 중이거나 실행중인 기업, AI 도입을 지원하는 서비스 공급기업, AI 산업을 육성하고자 하는 정부 정책 입안자들에게 프로젝트의 성공적인 실행, 육성을 위한 가이드로 활용될 수 있으며, 높은 수준의 학술적 연구를 위한 연구자들에게도 기초연구자료로 기여할 것이라 기대된다. 에세이 2는 AI 프로젝트 성공에 가장 중요한 요인인 TOP 2 요인, 데이터 가용성과 품질, AI전략/명확한 비즈니스 니즈 요인을 중심으로 기업 조직의 중요 구성원인 최고경영진, 프로젝트 챔피언, 부서 구성원들이 AI 프로젝트 성공에 어떻게, 얼마만큼 영향력을 주는지에 대한 연구이며, 구조적 인과 관계를 실증적으로 검증하고자 하였다. 최근 1년이내에 종료한 AI 프로젝트 249개를 대상으로 설문을 수집하여 IBM SPSS statistics 20 프로그램과 Smart PLS 4.0 프로그램을 사용하여 분석하였다. 성공요인 측정항목에 탐색적 요인분석(EFA)과 확인적 요인분석(CFA)을 실시했으며, 구조방정식 모형분석에 확인적 요인분석(CFA)과 구조방정식 모형분석(Structural Equation Model Analysis; SEM)을 실행하였다. 분석결과, 최고 경영진 지원이 프로젝트 챔피언 존재와 역할, 부서간 협업/커뮤니케이션에 직접적이며, 유의미한 가장 큰 긍정적 영향력을 보였다. 프로젝트 챔피언은 AI전략/명확한 비즈니스 니즈 요인에, 부서간 협업/커뮤니케이션은 데이터 가용성과 품질 요인에 직접적이고 유의미한 긍정적 영향력을 미쳤다. AI 프로젝트 성공에 직접적으로 유의미한 가장 큰 긍정적 영향력을 미친 요인은 AI전략/명확한 비즈니스 니즈였고, 다음으로 최고경영진 지원, 데이터 가용성과 품질 순이었다. 데이터 가용성과 품질은 에세이 1에서 가장 중요도 높은 요인으로 분석되었으나, 구조방정식을 통한 연구에서는 그 영향도가 AI전략/명확한 비즈니스 니즈보다는 낮게 분석되었다. 가장 중요한 성공요인으로 발견된 AI전략/명확한 비즈니스 니즈 요인은 프로젝트 챔피언과 최고경영진 지원, 부서간 협업/커뮤니케이션 요인 순으로 모두 직접적이고, 유의미한 긍정적 영향을 받고 있었다. 두번째로 중요한 성공요인인 데이터 가용성과 품질 요인에는 부서간 협업/커뮤니케이션과 AI전략/명확한 비즈니스 니즈 요인이 직접적이고, 유의미하게 영향을 받았다. AI 프로젝트 성공에 직접적, 간접적 영향력을 합하여 가장 큰 영향력을 발휘한 요인은 기업내 가장 큰 권한과 영향력을 보유한 최고 경영진의 지원이었다. 본 연구에서는 최고 경영진의 지원이 직접적인 AI 프로젝트 성공에 미치는 영향력보다 프로젝트 챔피언, 부서간 협업과 소통 촉진, AI 전략 수립에 보다 더 직접적이고 큰 영향력을 미치는 것을 발견할 수 있었다. 본 연구 결과는 AI 프로젝트의 성공에 있어서 AI개발자가 아닌 기존 조직 구성원들이 어떤 역할로 AI 프로젝트 성공에 긍정적인 영향력을 행사할 수 있는 지를 249개의 AI 프로젝트 연구를 통해 엄격한 기준으로 입증하였다. 연구 결과는 AI 도입을 현재 검토 중 이거나 현재 프로젝트를 실행 중인 경영진과 실무자들에게 AI 전략수립과 명확한 비즈니스 니즈의 중요성을 일깨워 주고, 조직 구성원 각자 역할을 제시 한 연구라 할 수 있다. 현업은 AI 기술에 대한 이해를 갖추어야 하며, 프로젝트 팀의 기술 전문가들은 AI를 도입하는 기업의 당면한 문제와 현업에 대한 이해를 바탕으로 AI 전략과 명확한 비즈니스 니즈를 구체화하는 데 중점을 둬야 한다. 이러한 접근은 AI 프로젝트의 성공에 필수적인 기반이 되며, 기업의 경영진, 실무자들뿐 만 아니라 AI 도입을 촉진하고자 하는 정부 정책 입안자들에게도 실용적인 시사점을 제공할 수 있는 유익한 연구 결과로 기대된다. Modern enterprises are facing difficult challenges and major changes to establish corporate strategies that take into account the adoption of artificial intelligence (AI) technology to reduce costs for survival, sustain growth, and enhance competitiveness. Now, we have entered the era of AI-based digital transformation beyond digital transformation. However, there is a lack of systematic approach and research on how companies can successfully implement AI projects, and there are few research analyses on AI project success factors in the Korean AI industry environment. The Korean government, which is promoting the daily use of AI, tech companies that are developing innovative services and new products through AI technology, and traditional companies that are considering adopting AI technology to achieve innovation are now in need of research on "What drives AI project success?" and the structural cause-and-effect relationship of how each role in the organization can make an AI project successful. This thesis consists of two essays. The first essay is entitled " What drives AI project success?". It aims to identify the main factors that influence the success of AI projects and to assign importance and priority to each success factor. The second essay addresses the research question "How do organizations make AI project successful?". It aims to identify who, how, and to what extent the key success factors identified in the previous study are influenced by the corporate organization. To this end, we reviewed domestic and international theories and case studies to derive success factors, and selected 17 AI project success factors through interviews with AI project experts. Essay 1 utilizes the TOE framework to create a hierarchical model. The research analyses two groups of AI experts: AI experts in companies that directly implement AI projects and utilize them, and AI experts in service companies that support the adoption of AI in various companies, i.e. providers of technical advice, platforms, and applications. The results were analyzed using the AHP method. The 17 success factors were analyzed in three tiers, with organizational factors, technical factors, and environmental factors being the most important in the first tier. Among the organizational factors, 'strategy/clear business needs', 'AI implementation/utilization capability', and 'cross-departmental collaboration/communication' were the most important factors. Among technical factors, "data availability and quality" was identified as the most important factor for AI training, followed by "IT infrastructure/compatibility". For environmental factors, "customer readiness and support" for direct use of AI was the most important factor. Looking at the aggregate importance of the 17 individual success factors in the third tier, data availability and quality (0.2245) is the most important, followed by strategy/clear business need (0.1076) and customer readiness/adoption (0.0763). Experts from AI vendors, who have more experience in executing AI projects, ranked the importance of success factors in the following order: data availability and quality (0.1679), strategy/clear business need (0.1195), AI implementation/utilization capability (0.0709), top management support (0.0693), and project champion (0.0692), indicating a difference in the importance of success factors between experts from AI adopters and experts from AI vendors. These findings can be used as a guide for successful project implementation and fostering for companies that are considering or implementing AI, service providers that support AI adoption, and government policy makers who want to foster the AI industry, and are also expected to contribute as basic research data for researchers for high-level academic research. Essay 2 is a study of how and to what extent key members of the corporate organization, namely CEOs, project champions, and department members, influence the success of AI projects, focusing on the top two most important factors for AI project success: data availability and quality, and AI strategy/clear business need, and seeks to empirically verify structural causality. Surveys were collected from 249 recently completed AI projects within the past year and analyzed using IBM SPSS statistics 20 and Smart PLS 4.0. Exploratory factor analysis (EFA) and confirmatory factor analysis (CFA) were conducted on the success factor measures, and confirmatory factor analysis (CFA) and structural equation model analysis (SEM) were conducted on the structural equation model. The results showed that top management support had the largest direct and significant positive impact on project champion presence and role, and cross-functional collaboration/communication. Project champion had a direct and significant positive impact on the AI strategy/clear business need factor, and cross-functional collaboration/communication had a direct and significant positive impact on the data availability and quality factor. The factor with the largest direct and significant positive impact on AI project success was AI strategy/clear business need, followed by top management support, and data availability and quality. Data availability and quality were analyzed as the most important factors in Essay 1, but in the structural equation model, they were analyzed as less influential than AI strategy/clear business need. The AI strategy/clear business need factor, which was found to be the most important success factor, was directly and significantly positively influenced by the project champion and top management support, followed by the cross-functional collaboration/communication factor. The second most important success factor, data availability and quality, was directly and significantly influenced by cross-functional collaboration/communication and AI strategy/clear business need. The largest combined direct and indirect influence on AI project success was the top management support, which has the most power and influence in the organization. The study found that top management support had a more direct and significant impact on project champions, fostering cross-functional collaboration and communication, and establishing an AI strategy than it did on direct AI project success. The findings of this study provide rigorous evidence from 249 AI project studies of the roles that non-AI developers can play in positively influencing the success of AI projects. For executives and practitioners considering AI adoption or currently executing projects, the findings highlight the importance of having an AI strategy and a clear business need, as well as the role of each member of the organization. The business needs to have an understanding of AI technology, and the technical experts on the project team need to focus on refining the AI strategy and clear business need based on their understanding of the challenges and realities of the organization adopting AI. This approach is an essential foundation for the success of AI projects, and the research is expected to provide practical implications for business executives and practitioners, as well as government policy makers seeking to promote AI adoption.

딥러닝 전이 학습을 통한 전문 도메인의 이미지 해석 생성 방법론 : 전이 학습을 통한 이미지 캡셔닝 고도화 방법

김태진 국민대학교 비즈니스IT전문대학원 2021 국내석사

최근 텍스트 데이터와 이미지 데이터를 활용한 딥러닝 기술의 발전에 힘입어, 두 분야의 융합 분야인 이미지 캡셔닝에 대한 연구가 활발히 이루어지고 있다. 이미지 캡셔닝은 주어진 이미지에 대한 설명을 텍스트로 생성하는 기술이며, 이미지 이해와 텍스트 생성을 동시에 다루고 있다. 다양한 활용 가능성 때문에 인공지능 연구의 핵심 분야로 자리 잡고 있으며, 성능을 향상을 위한 여러 연구가 꾸준히 이루어지고 있다. 하지만 이러한 다양한 노력에도 불구하고, 이미지를 일반인의 관점이 아닌 특정 분야별 전문가의 시각에서 ‘해석’하기 위한 연구는 찾아보기 어렵다. 같은 이미지에 대해서도 그 이미지를 접한 사람의 전문 분야에 따라 집중해서 주목하는 부분이 다를 뿐만 아니라, 전문성의 수준에 따라 이를 표현하고 해석하는 방식도 상이하다. 따라서 본 연구에서는 전문가의 전문성을 모델에 이식하는 방법을 제안하고, 이를 통해 해당 분야에 특화된 이미지의 캡션을 생성하는 방안을 제안한다. 구체적으로 제안 방법론은 대량의 일반 데이터에 대해 학습을 수행해 사전 학습 모델을 구축한 후, 소량의 전문 데이터를 전이 학습해 해당 분야의 전문성을 이식한다. 또한, 본 연구에서는 학습 과정에서 발생할 수 있는 관찰간 간섭 문제를 방지하기 위해 ‘특성 독립 전이 학습’ 방법을 제안한다. 제안 방법론의 검증을 위해 MSCOCO의 이미지 캡셔닝 데이터 셋을 활용하여 사전 학습 모델을 구축하고, 실제 미술 치료사의 자문을 토대로 생성된 ‘이미지-전문 캡션‘ 데이터를 통해 전문성을 이식하는 실험을 수행하였다. 실험 결과 일반적인 관점에서 생성한 일반 캡션은 전문적 해석과 무관한 내용을 포함한 것과는 달리, 제안 방법론을 통해 생성된 전문 캡션은 전문적 해석에 필요한 내용을 모두 포함한 것을 확인하였다. As deep learning has recently attracted attention, the application of deep learning is being considered as a way to solving problems in various fields. In particular, deep learning is known to exhibit excellent performance when applying unstructured data such as text, images and sounds, and its effectiveness have been proven in many studies. Thanks to the remarkable advance of image and text deep learning technology, interest in image captioning technology and its application is growing rapidly. Image captioning is a technology that automatically generates adequate captions for a given image by simultaneously processing both image understanding and text generation. Despite the high barriers to entry for image captioning, which require researcher should be able to handle both image and text data, their wide applicability has made it one of the key fields of A.I. research. In addition, many researches have been conducted to enhance the performance of image captioning in diverse aspects. Recent studies attempt to create advanced captions that not only can accurately describe the image, but also more sophisticatedly convey the information contained in the image. In spite of many recent efforts to enhance the performance of image captioning, it is difficult to find any studies to interpret images from the viewpoint of experts in each domain, not from the viewpoint of the general public. Even for the same image, the point of interests may differ depending on the expertise domain of the person recognizing the image. In addition, the way of interpreting and expressing the image also differs depending on the level of expertise. The public tends to perceive the image from a holistic and general point of view, that is, identifying the components of the image and their relationships. Domain experts, on the other hand, tend to recognize the image based on their expertise, focusing on some specific components necessary to interpret the given image. It implies that even the same image has different meaningful parts of the image depending on viewers' perspective. Accordingly, image captioning needs to reflect this phenomenon. Therefore, in this study, we propose a methodology to generate captions specialized in each domain for the image by using the expertise of experts. Specifically, after performing pre-training on a huge amount of general data, we transplant the expertise in the field through transfer-learning with a small amount of specialized data. However, applying transfer learning as-is with expertise data may lead to other type of problem. When a caption contains variety of features and is used for learning, it can cause a so-called ‘interference between observations’ problem, which make it difficult to perform pure learning of each feature perspective. For learning with huge amount of data, most of this problem is self-purified and has little effect on the results. Conversely, in the case of fine-tuning that performs train using a small amount of data, the effect of such problem on learning can be relatively important. To solve this problem, therefore, we present a novel ‘Feature-Independent Transfer learning’ that performs transfer learning independently for each Feature. In order to confirm the validity of the proposed methodology, we conducted experiments using the results of pre-training on MSCOCO dataset consisting of 120k images and about 600k general captions. In Addition, experiment was conducted to transplant expertise using the ‘image / expertise captions’ data created based on the advice of an art therapist. As a result of the experiment, it was verified that captions generated according to the proposed method generates captions from the viewpoint of transplanted expertise, whereas the captions generated through general image captioning method contains a number of components irrelevant to expertise interpretation. In this paper, we propose a novel approach to specialized image interpretation. To achieve this objective, we present how to utilize transfer learning and generate captions specialized in the specific domain. In the future, it is expected that many researches will be widely conducted to solve the problem of lack of expertise data and improve performance of image captioning by applying the methodology to the transplantation of expertise in various domains.

전사 아키텍처 활용을 통한 IT혁신과 IT의존성이 IT-비즈니스 연계에 미치는 영향 연구

전웅찬 국민대학교 비즈니스IT전문대학원 2014 국내박사

기업간 상품시장에서의 경쟁이 날로 심화되고 비즈니스의 복잡성이 증가하여 이를 지원하는 IT의 중요성은 더욱 강조되고 있다. 또한 IT의 유지보수 혹은 신규 투자에 필요한 비용은 매년 증가하고 있는 추세로 IT의 비즈니스 지원을 위한 효과적인 운영 즉, IT와 비즈니스의 최적화 연계는 지난 십 수년 동안 기업의 경영진과 CIO에게 깊은 관심을 끌기에 충분했다. 이러한 상황에서 공공기관과 대기업을 중심으로 전사 아키텍처(Enterprise Architecture)를 도입하여 IT를 보다 효율적으로 운영하려는 시도가 진행되었다. 제조기업 A사의 경우, 각 사업부와 해외법인에서 ERP, SCM, MES 등 수 많은 시스템을 구축하였으나 전사 차원에서는 시스템 운영현황 조차 파악하지 못하는 상황에 이르게 되자 전사 아키텍처를 도입하였고 이를 통해 기존 시스템의 상당부분을 통폐합하는 동시에 신규 시스템 구축 심의시 전사 아키텍처를 활용하여 중복 투자를 미연에 방지하는 효과를 거둘 수 있었다. 또한 비즈니스의 IT의존도가 높은 금융기업 B사의 경우, 시장선점을 위해서 경쟁사 보다 먼저 금융상품에 대한 출시가 필요하게 되었고 업무 프로세스와 조직내부의 업무환경이 변화함에 따라 비즈니스의 민첩성과 복잡성을 만족시킬 수 있는 도구로 전사 아키텍처를 도입하게 되었다. 기업은 비즈니스를 유지하기 위해서 끊임없는 변화와 혁신이 필요하고 대부분의 기업들은 IT를 활용하여 이를 지속적으로 추진하고 있다. 특히 제조생산 현장에서는 IT혁신을 통해 생산수율을 향상시키고 품질수준을 높이는 등의 실질적인 성과를 거두고 있으며 조직의 중요 의사결정에도 막대한 영향을 미치고 있어 IT혁신은 기업의 생존과 경쟁력에 직결되는 핵심요소로 인식되고 있다. 한편 과거 수작업에 의존하여 업무를 수행했던 것과는 달리 2000년을 기점으로 본격적인 ERP 도입 이후에는 상당부분의 업무들이 IT 없이는 수행하기 어려울 정도로 IT의존도가 높아지고 있다. 이러한 IT의존도는 금융업과 같이 비즈니스의 대부분이 IT로 이루어진 산업일수록 그 정도는 커질 수밖에 없고 IT에 의한 업무수행은 선택이 아닌 기업이 비즈니스 영속성을 이어가기 위한 자연스러운 필수 조건으로 받아들여지고 있다. 본 연구는 IT서비스 학계 및 산업 분야의 가장 큰 관심사 중 하나인 IT-비즈니스 연계에 영향을 미치는 요인들에 대한 분석으로 전사 아키텍처 활용, IT혁신, IT의존성이 IT-비즈니스에 어떠한 영향을 주는지가 본 연구의 핵심 질문이다. 이를 위해 먼저 4개 변수를 기반으로 총 5개의 가설을 제시하였고 각 변수에 대한 조작적 정의를 수립한 후 문헌연구를 통해 설문문항을 구성하였으며 설문응답의 신뢰성을 높이기 위해 경력 7년 이상의 IT전문가 총 172명의 설문을 받아 연구가설에 대한 검증을 실시하였다. 연구가설에 대한 검증은 조직단위로 실시하였으며 연구방법은 PLS(Partial Least Square)를 활용하여 수행하였다. 분석결과, 제시한 가설 5개 중 ‘IT의존성이 IT-비즈니스 연계에 영향을 미칠 것이다’라는 가설은 기각되었고 나머지 4개 가설은 유의하다고 조사되었다. 기각된 가설을 살펴보면, IT의존성이 높다는 것은 업무를 지원하는 시스템이 많아지는 것을 의미하여 전사 아키텍처 활용은 당연히 늘어나게 되나, IT의존성은 IT혁신처럼 능동적인 활동이 아닌 IT환경에 의해 수동적으로 주어지는 것이므로 IT-비즈니스 연계를 위한 활동에는 직접적인 영향을 미치지는 않고 전사 아키텍처 활용을 매개로 하여 IT-비즈니스 연계에 영향을 미치는 것으로 확인되었다. 또한 IT의존성을 조절변수로 실시한 추가 분석에서는 IT의존성에 따라 IT혁신이 전사 아키텍처 활용과 IT-비즈니스 연계에 미치는 영향에는 차이가 없을 뿐 아니라 ‘IT의존성에 따라 전사 아키텍처 활용이 IT-비즈니스 연계에 미치는 영향정도는 차이가 없다’라는 결론을 얻게 되었다. 마지막으로 본 논문에서는 IT-비즈니스 연계를 최종 종속변수로 연구를 수행하였으나 향후 연구에서는 더 나아가 IT-비즈니스 연계와 ‘조직의 성과’에 대한 추가 분석이 필요하며 본 논문의 전사 아키텍처 활용, IT혁신, IT의존성 이외에도 실무관점에서 새로운 개념들을 도출하고 관련성 연구를 실시한다면 현장의 비즈니스 경쟁력 향상과 업무 개선에 기여할 것으로 기대한다.

외국인 매매 동향에 따른 코스피 200선물의 종가에 미치는 영향에 관한 연구

홍서인 국민대학교 비즈니스IT전문대학원 2021 국내석사

한국 금융 시장이 외국인에게 처음으로 개방된 이래로 외국인 투자자와 한국 증권 시장의 연관성에 대하여 실증적으로 분석하는 연구 문헌들이 의미 있는 주제로 다뤄지고 있다. 대다수의 문헌들과 분석 자료들은 외국인들이 한국 증시 시장에 미치는 영향에 대하여 의미 있는 연구 결과들을 발표하고 있지만, 파생 상품 시장과 외국인의 영향성에 대하여 다룬 연구들은 그리 많지 않다. 실제 매매의 관점에서 외국인의 순매매 동향과 KOSPI 200선물 시장 종가를 연관시켜 집중적으로 고찰한 연구는 아직 많지 않으며, 장 중 바쁘게 움직이는 상황에서 특정한 지표로써 매매에 적용할 수 있는 연구 결과들이 충분하지 않기에 외국인 순매매 동향과 KOSPI 200선물 시장 종가 움직임의 관계를 고찰하여 실증적으로 분석하는 것이 이 논문의 주된 목적이다. 본 연구는 외국인 투자자 순매매 동향이 KOSPI 200선물 종가의 움직임에 미치는 영향력을 확인하였고, 실전 매매를 할 경우, 포지션을 잡을 때 유용한 지표로서 역할을 할 수 있다는 것을 판단하는데 의의가 있다. 추후 실무에 적용하여 실무적 시사점을 제시할 수 있으면 더 의미 있는 연구가 될 것이다. It is obvious that there are many studies examines ways to find certain relationships between foreign investors and Korean stock market since the 1990s. Amount of papers and data analysis conducted focus on foreign impact in Korean stock market, but most of thesis are focused on equity basis instead of derivative markets or the way of direction of its closing price. This study is focus on the closing price movement of the KOSPI200 Index future by using daily foreign investors net purchase movement. It is obvious that some of studies already discussing net purchase behavior of foreign investors, but they hardly make a realistic expectation with daily KOSPI200 futures movement connecting by its closing price in realistic terms. To make this study more practical way, this paper analyzes both foreign investors net purchase movement and KOSPI200 future data over the period from 4th of January 2010 to 31st of August 2021 from KRX. Using these series of empirical data finds out critical relationships that foreign investors net purchase movement is able to predict daily closing price of KOSPI200 futures which means that this empirical data can be a great indicator for you to buy or sell futures until the end of the day that the market closing. As a result, by using back-testing with those two data, this paper highlights a clear winning rates on both buying and selling futures by using foreign investors net purchase movement. It shows a precise buy and sell singnal on KOSPI200 during the trading hour. For your reference, it would be appreciated if you kindly check the data analysis section on this paper, and it is obvious that if classification algorithm added up later in the future, it gives you to draw a fine In and Out signal to improve your winning rates on your short term trading portfolio.

고장 장비의 효율적인 조치를 위한 작업일지 데이터 비정형 분석 사례연구

주연진 국민대학교 비즈니스IT전문대학원 비즈니스IT전공 2018 국내석사

기업의 데이터의 80%이상은 비정형 데이터라고 한다. 데이터의 양과 복잡도가 계속 증가하면서 대량의 비정형 데이터 수집과 분석 및 활용에 대한 요구가 증대되고 있다. 그렇기에 방대한 양의 비정형 데이터를 어떻게 활용할 수 있을지에 대한 고찰이 필요하다. 비정형 데이터를 분석하기 위해서는 분석이 용이하도록 비정형데이터를 정형화시키고 새로이 정의하여야 한다. 이를 위해 온톨로지와 같은 분류 체계 구축이 필요하다. 온톨로지 구축으로 비정형 데이터의 정형화가 가능하고, 이는 데이터의 유지보수 관리 측면에서도 유용하다. 더불어 비정형데이터를 정형화할 때에 특정 키워드가 많이 출현한 경우, 키워드로 해당 문서를 분류한다. 하지만, 문맥상의 의미에 따라 키워드의 의미가 변할 수 있기 때문에 기존의 키워드 빈도수 기반의 정형화 방법론이 아닌 새로운 방법론이 필요하다. 본 연구는 N사의 프로젝트를 이용하여 키워드 빈도수 기반의 정형화가 아닌, 룰 기반으로 문장 단위의 분석을 통해 정형화를 진행하였다. 연구자는 비정형데이터를 정형화하기 위해 IBM의 Watson Explorer를 활용하였다. 툴을 활용한 비정형데이터 정형화 프로세스를 제시하고, 이를 사례연구를 통해 살펴보고 얻게 된 결론 및 시사점을 제시하고자 한다. More than 80% of enterprise data is unstructured data. As data volume and complexity continue to increase, there is a growing demand for large amounts of unstructured data collection, analysis, and utilization. Therefore, it is necessary to consider how to use a large amount of unstructured data. In order to analyze unstructured data, unstructured data should be formalized and newly defined to facilitate analysis. To do this, it is necessary to construct a classification system like ontology. It is possible to formulate unstructured data by constructing an ontology, which is also useful in maintenance of data. In addition, when a large number of specific keywords appear at the time of stereotyping unstructured data, the document is classified by keywords. However, since the meaning of a keyword can be changed according to the meaning of the context, a new methodology is required instead of the conventional keyword frequency based formatting methodology. In this study, we used N project to formalize through rule - based sentence - level analysis rather than keyword frequency - based formalization. The researchers used IBM's Watson Explorer to format the unstructured data. This paper presents the process of unstructured data formatting using tools and presents conclusions and implications that have been obtained through case studies.

프로세스 거버넌스 프레임워크와 측정 도구에 대한 연구

이정규 국민대학교 비즈니스IT전문대학원 2019 국내박사

비즈니스 거버넌스와 IT 거버넌스는 조직 거버넌스의 하위개념으로 학계에서 주요 연구과제가 되어 왔다. 그러나 프로세스가 비즈니스 전략과 IT전략의 매개 도메인에 해당하는 매우 중요한 구조체임에도 불구하고, 프로세스 거버넌스는 상대적으로 연구가 미흡하였다. 프로세스 거버넌스는 비즈니스 전략과 IT 시스템 구축을 연결해주는 사업 활동을 대상으로 하며, 기업의 본원적 가치창조 활동을 설명해준다. 본 논문은 비즈니스 거버넌스, 프로세스 거버넌스, IT 거버넌스 세 가지로 이루어지는 핵심 조직 거버넌스 요소와 더불어 일곱 가지의 보조적인 거버넌스를 포함하는 조직 거버넌스 메타 모델을 제시한다. 또한 창의적인 프로세스 거버넌스의 CUBE 모형을 제안한다. 프로세스 거버넌스 큐브 모형은 프로세스의 범주, 목적, 역량의 세부분으로 구성된다. 프로세스 범주는 프로세스의 창조·운영·변경의 3가지로 구별되고, 프로세스 거버넌스의 목적은 지속가능성, 책무성, 투명성, 효과와 효율의 5가지 핵심 목적을 지향한다. 이중 연구자는 프로세스 거버넌스 역량에 집중하여 이에 대한 프레임워크와 측정 도구를 설계했다. 프로세스 거버넌스 역량요인은 전략연계, 권한강화, 직능향상, 자율조직화의 4가지 차원으로 구성된다. 측정 도구는 각 차원별로 5개의 변인으로 구성된다. 측정 도구의 타당성과 신뢰성을 검증하기 위하여 1인 1기업을 원칙으로 300개가 넘는 기업을 대상으로 설문조사를 실시하였다. 취합된 설문데이터를 이용한 요인분석의 결과 설계된 측정 도구의 타당성과 신뢰성이 검증되었다. 연구자가 제안하는 기업거버넌스 메타모델, 프로세스 거버넌스 큐브모델, 프로세스 거버넌스 역량 프레임워크와 측정 도구가 향후 프로세스 거버넌스 도메인의 심도 깊은 연구의 확산을 위한 조작적 정의와 맥락적 개념모형이 될 것으로 판단한다. As a sub-concept of organizational governance, business governance and IT governance have become major research topics in academia. However, despite the importance of process as a construct for mediating the domain between business and IT strategies, research on process governance is relatively inadequate. Process governance focuses on activities that link business strategy with IT system implementation and explains the creation of corporate values. In this paper, an organization governance meta-model will be presented that includes seven supplemental business governance elements as well as core organization governance elements consisting of business governance, process governance, and IT governance. Also, a creative cubic model of process governance will be presented. The process governance cube model consists of three parts: process scopes, purposes, and capability. Process scopes are distinguished in three ways: creation, operation, and modification. The purpose of process governance is directed toward five key objectives: sustainability, accountability, transparency, effectiveness, efficiency. With the cube model, the researcher focused on the process governance capability framework and then designed tools for measuring them. Process governance capability factors consist of four activity dimensions: strategic aligning, empowering, competency enhancing, and autonomous organizing. The measurement tool consists of five variables for each dimension. In order to verify the validity and reliability of the measurement tools, a questionnaire survey was conducted of more than 300 companies. As a result of the factor analysis using the collected questionnaire data, the validity and reliability of the designed measurement tools were verified. The organization governance meta-model, the process governance cubic model, the process governance capability framework and the measurement tool proposed by the researcher will be the operational and contextual conceptual models for the further diffusion of the research on the process governance domain.

비대면 기업교육 시 교육만족도에 영향을 미치는 요인들의 상대적 중요도에 대한 연구 : AHP기법을 기반으로

최환희 국민대학교 비즈니스IT전문대학원 2022 국내석사

코로나19 팬더믹 상황으로 인해 대부분의 교육은 대면교육의 운영이 어려워 짐에 따라 비대면교육으로 진행되었다. 그러나 비대면 교육은 테크놀로지를 활용한 교육이기 때문에 교육담당자, 강사 및 교수, 학습자 모두 새로운 테크놀로지에 적응하기 힘들었다. 비대면 교육에 관한 연구는 선행 연구에서 광범위하게 다뤄졌지만 학생들을 대상으로 진행하거나 학습만족도에 대한 연구들이 주를 이룬다. 이에 본 연구는 비대면 기업교육을 실시할 때 교육만족도에 영향을 미치는 요인들을 AHP기법을 이용하여 상대적 중요도를 파악하고자 한다. 전문가패널을 대상으로 총 17명에게 온라인 설문지를 배포하고 15부를 회수하여 이상치를 3건을 제외한 12부를 본 연구에 활용하였다. 제1계층을 교수자변인, 학습자변인, 시스템변인으로 구성하였다. 교수자변인에는 상호작용, 전문성, 콘텐츠로 구성되어져 있고, 학습자변인에는 자기조절학습능력, 학습몰입, 전이동기로 구성되어 있다. 시스템변인은 시스템품질, 서비스품질로 이루어져 있다. 연구결과는 다음과 같이 요약된다. 첫째, 제1계층 우선순위는 교수자변인(0.4898), 시스템변인(0.2578), 학습자변인(0.2524) 순으로 나타났다. 둘째, 제2계층에서는 교수자변인 영역에 대한 우선순위는 상호작용(0.2191), 콘텐츠(0.1680), 전문성(0.1027) 순으로 나타났으며, 학습자변인 영역에서는 자기조절학습능력(0.0952), 전이동기(0.0838), 학습몰입(0.0733) 순으로 나타났다. 시스템변인에서는 서비스품질(0.1294), 시스템품질(0.1284) 순으로 나타났다. 셋째, 제2계층의 전체 우선순위 결과는 다음과 같다. 상호작용(0.2191), 콘텐츠(0.1680), 서비스품질(0.1294), 시스템품질(0.1284), 전문성(0.1027), 자기조절학습능력(0.0952), 전이동기(0.0838), 학습몰입(0.0733) 순으로 우선순위를 도출하였다. 본 연구는 비대면 기업교육 시 교육만족도에 영향을 미치는 요인 중 우선순위를 도출하였으며, 본 연구를 통하여 비대면 기업교육을 계획할 시 중요도가 높은 요인을 중심으로 교육 체크리스트를 개발 할 수 있다. Due to the COVID-19 pandemic, enterprises conducted most of the education non-face-to-face. However, since non-face-to-face education uses technology, it took time for all education managers, instructors, professors, and learners to adapt to the new technology. Research on non-face-to-face education has been dealt with extensively in previous studies, but researchers have mainly conducted studies on student satisfaction or learning satisfaction. Therefore, this study attempts to grasp the relative importance of factors affecting education satisfaction when adopting non-face-to-face corporate education using the AHP technique. Online questionnaires were distributed to 17 professional panels, we collected 15 copies, and 12 of them were used in this study, excluding three outliers. The first level of the hierarchy model consists of instructor, learner, and system variables. The instructor variable comprises interaction, expertise, and content. The learner variable includes self-regulated learning ability, learning commitment, and transfer motivation. Finally, the system variable consists of system quality and service quality. The results of the study are summarized as follows. First, the priority of the first class of self-control was in the order of instructor variable (0.4898), system variable (0.2578), and learner variable (0.2524). Second, the priorities for the instructor variable were in the order of interaction (0.2191), content (0.1680), and expertise (0.1027). And in the case of the learner variable, self-regulated learning ability (0.0952), transfer motivation (0.0838), and learning commitment (0.0733). Finally, service quality (0.1294) and system quality (0.1284) appeared in order in the system variable. Third, the results of the overall priority of the second level are as follows: Interaction (0.2191), content (0.1680), service quality (0.1294), system quality (0.1284), expertise (0.1027), self-regulated learning ability (0.0952), transfer motivation (0.0838), and learning commitment (0.0733). This study derived priorities among the factors affecting education satisfaction during non-face-to-face corporate education. Through this study, an education checklist can be developed focusing on important factors when planning non-face-to-face corporate education.

디지털 세계에서의 심리적 소유감과 사용자 경험 관점의 전략적 활용

서봉군 국민대학교 비즈니스IT전문대학원 2017 국내석사

다기준 평점을 선택적으로 활용하는 하이브리드 협업필터링 추천시스템

구민정 국민대학교 비즈니스IT전문대학원 2018 국내박사

Recommender system recommends the items expected to be purchased by a customer in the future according to his or her previous purchase behaviors. It has been served as a tool for realizing one-to-one personalization for an e-commerce service company. Traditional recommender systems, especially the recommender systems based on collaborative filtering (CF), which is the most popular recommendation algorithm in both academy and industry, are designed to generate the items list for recommendation by using ‘overall rating’ – a single criterion. However, it has critical limitations in understanding the customers’ preferences in detail. Recently, to mitigate these limitations, some leading e-commerce companies have begun to get feedback from their customers in a form of ‘multicritera ratings’. Multicriteria ratings enable the companies to understand their customers’ preferences from the multidimensional viewpoints. Moreover, it is easy to handle and analyze the multidimensional ratings because they are quantitative. But, the recommendation using multicritera ratings also has limitation that it may omit detail information on a user’s preference because it only considers three-to-five predetermined criteria in most cases. Under this background, this study proposes a novel hybrid recommendation system, which selectively uses the results from ‘traditional CF’ and ‘CF using multicriteria ratings’. Our proposed system is based on the premise that some people have holistic preference scheme, whereas others have composite preference scheme. Thus, our system is designed to use traditional CF using overall rating for the users with holistic preference, and to use CF using multicriteria ratings for the users with composite preference. To validate the usefulness of the proposed system, we applied it to a real-world dataset regarding the recommendation for POI (point-of-interests). Providing personalized POI recommendation is getting more attentions as the popularity of the location-based services such as Yelp and Foursquare increases. The dataset was collected from university students via a Web-based online survey system. Using the survey system, we collected the overall ratings as well as the ratings for each criterion for 48 POIs that are located near K university in Seoul, South Korea. The criteria include ‘food or taste’, ‘price’ and ‘service or mood’. As a result, we obtain 2,878 valid ratings from 112 users. Among 48 items, 38 items (80%) are used as training dataset, and the remaining 10 items (20%) are used as validation dataset. To examine the effectiveness of the proposed system (i.e. hybrid selective model), we compared its performance to the performances of two comparison models – the traditional CF and the CF with multicriteria ratings. The performances of recommender systems were evaluated by using two metrics - average MAE (mean absolute error) and precision-in-top-N. Precision-in-top-N represents the percentage of truly high overall ratings among those that the model predicted would be the N most relevant items for each user. The experimental system was developed using Microsoft Visual Basic for Applications(VBA). The experimental results showed that our proposed system (avg. MAE = 0.584) outperformed traditional CF (avg. MAE = 0.591) as well as multicriteria CF (avg. AVE = 0.608). We also found that multicriteria CF showed worse performance compared to traditional CF in our data set, which is contradictory to the results in the most previous studies. This result supports the premise of our study that people have two different types of preference schemes – holistic and composite. Besides MAE, the proposed system outperformed all the comparison models in precision-in-top-3, precision-in-top-5, and precision-in- top-7. The results from the paired samples t-test presented that our proposed system outperformed traditional CF with 10% statistical significance level, and multicriteria CF with 1% statistical significance level from the perspective of average MAE. The proposed system sheds light on how to understand and utilize user’s preference schemes in recommender systems domain. 추천시스템은 사용자의 과거 구매행동을 통해 향후 구매할 것이라고 예상되는 제품을 자동으로 검색하여 추천해준다. 특히 전자상거래 기업의 상품추천시스템은 일대일 마케팅의 대표적 실현수단으로 가치가 있다. 하지만, 전통적인 추천시스템, 특히 학계 및 산업계에서 가장 널리 사용되고 있는 전통적인 협업필터링 기법은 단일 차원의 ‘종합 평점’만을 고려하여 추천결과를 생성하도록 설계되어 있어, 사용자들의 정확한 니즈를 이해하고 대응하는데 근본적인 한계가 있다. 최근에는 전자 상거래 기업들도 고객들로부터 보다 다각화된, 다기준 방식으로 피드백을 받고 있다. 특히 다기준 평점은 정량적으로 입력되는 정보이므로 상대적으로 분석 및 처리가 용이하다는 장점이 있다. 그러나 다기준 평점 역시 사전에 정해진 기준에 대해서만 사용자의 피드백이 이루어지기 때문에, 보다 상세하게 사용자의 의견을 이해하여 추천에 반영하는 데에는 한계가 있다. 이에 본 연구는 다기준 평점 정보와 선택적 협업필터링의 서로 다른 접근방법을 통해 도출된 추천결과를 종합하여, 최종적으로 추천 대상리스트를 산출할 수 있는 하이브리드 기술을 제안한다. 본 연구에서 제안한 연구모형의 유용성을 검증하기 위해, 식음료점(식당, 카페 등)에 대한 실제 이용자를 대상으로 온라인 설문을 통해 종합 평점과 다기준 평점을 수집하였으며, 데이터를 학습용과 검증용으로 구분하여 학습시키고 성과를 평가하였다. 이 기법은 결합 함수 기반 접근법과 사용자마다 구매의사결정의 체계가 다르다는 전제하에, 사용자들을 유형화하고, 유형에 따라 정보원을 선택적으로 활용하는 협업필터링 알고리즘을 활용했다. 실험결과, 제안 알고리즘을 통한 추천 방법이 단일 차원을 고려하는 전통적인 협업필터링과 비교해 더 우수한 예측정확도를 나타냄을 확인했다. 아울러, 본 연구가 제안하는 다기준 평점과 선택적 협업필터링 알고리즘을 종합하여 추천하는 방법이, 단순히 다기준 평점을 고려했을 때 보다 통계적으로 유의한 수준의 정확도의 개선이 이루어짐을 확인할 수 있었다.