크라우드소싱 커뮤니티 내 고객 선호와 조직의 혁신수용 비교 연구 : MyStarbucksIdea.com의 고객 아이디어 분석을 중심으로

이한준,서용무,Lee, Han-Jun,Suh, Yong-Moo 한국IT서비스학회 2013 한국IT서비스학회지 Vol.12 No.1

Open innovation concept is advocating the importance of the customer roles in firm's innovation. As a result, crowdsourcing community is drawing attention as a strategic asset for open innovation across diverse industries. Considering that the goal of crowdsourcing community is harnessing innovative ideas, understanding the characteristics of user-favorable and organization-adoptable ideas can enhance the effectiveness of idea crowdsourcing. In our approach, we extract idea content-based characteristics such as subjectivity, negativity, prosocialneess, and depth of idea to examine what are the factors that affect user preference and organizational adoption. An analysis of 71,134 ideas from MyStarbucksIdea.com shows that there are significant differences between user-favorable and organization-adoptable ideas in terms of idea characteristics. Lastly, both theoretical and managerial implications are discussed.

신병 주특기교육 성취집단 예측모형 개발

곽기효,서용무,Kwak, Ki-Hyo,Suh, Yong-Moo 한국국방경영분석학회 2007 한국국방경영분석학회지 Vol.33 No.2

국방부에서 발표한 '국방개혁에 관한 법률'에 따라 2014년까지 현역병들에 대한 복무기간이 단계적으로 단축될 예정이다. 이에 따라 육군에서는 좀 더 효율적인 직무교육 방안의 일환으로 훈련병들에게 '차등제 교육'을 시행하고 있다. 이러한 차등제 교육의 효과를 향상시키기 위해서는 훈련병들의 예상 학업 성취도를 미리 예측하여 성취집단별로 차별화 된 교육과정을 거치게 하는 것이 매우 중요하다. 따라서 본 연구에서는 입교초기에 얻을 수 있는 신병들의 제한된 자료들만을 이용하여 그들의 예상 교육 성취집단을 예측하는 모형을 개발하였다. 본 모형의 목적 변수는 '성취집단'이며 '일반관리 인원' 및 '집중관리 인원'의 두 가지 값을 갖는다. 사용된 기법은 인공신경망(Neural Network) 모형, 의사결정나무(Decision Tree) 모형, SVM 모형, 그리고 Naive Bayesian모형 등 4가지 순수 모형과, 각각의 순수 모형을 k-means군집기법과 혼합한 4가지의 혼합모형 등 총 8개의 모형의 성능을 비교 분석하였다. 실험 결과 k-means군집기법과 인공신경망 기법을 혼합한 모형이 가장 좋은 예측력을 보이는 것으로 나타났다. 이러한 교육 성취집단 예측 모형은 향후 군에서 이루어지는 다양한 교육 프로그램에 효과적으로 이용될 수 있을 것으로 기대된다. The period of military personnel service will be phased down by 2014 according to 'The law of National Defense Reformation' issued by the Ministry of National Defense. For this reason, the ROK army provides discrimination education to 'newly recruited privates' for more effective individual performance in the on-the-job training. For the training to be more effective, it would be essential to predict the degree of achievements by new privates in the training. Thus, we used data mining techniques to develop a classification model which classifies the new privates into one of two achievements groups, so that different skills of education are applied to each group. The target variable for this model is a binary variable, whose value can be either 'a group of general control' or 'a group of special control'. We developed four pure classification models using Neural Network, Decision Tree, Support Vector Machine and Naive Bayesian. We also built four hybrid models, each of which combines k-means clustering algorithm with one of these four mining technique. Experimental results demonstrated that the highest performance model was the hybrid model of k-means and Neural Network. We expect that various military education programs could be supported by these classification models for better educational performance.

Rough Set 기법을 이용한 신용카드 연체자 분류

정석훈 ( Suk Hoon Chung ),서용무 ( Yong Moo Suh ) LGCNS 엔트루정보기술연구소 2008 Entrue Journal of Information Technology Vol.7 No.1

무분별한 신용카드 발급과 카드 사용자에 대한 관리 부재로 인해 발생한 신용 대란은 신용불량자 당사자는 물론, 신용카드사, 나아가 국가 경제 전반에 걸쳐서 큰 부담으로 작용하고 있다. 이러한 연쇄적인 문제점을 해결하는데 있어서 회복 가능한 신용불량자를 찾아내고, 이들에게 적절한 구제책을 적용하여 상환의 기회를 마련해 주는 것은 매우 중요한 작업이다. 따라서 본 연구에서는 신용불량자에 대한 기존의 이분법적인 분류에 더하여 ``회복가능군``을 새롭게 정의하고, 이들을 예측의 범주에 포함시킨 연체자 분류 예측 모형을 개발하였다. 예측 모형에는 Rough Set 기법이 사용되었다. Rough Set 기법은 빠른 수행 속도와 높은 설명력을 갖추었음에도 불구하고 다른 데이터마이닝 기법들에 비해서 신용 관련 예측 분야에는 상대적으로 적게 사용되었다. 속성 선택 작업을 통해 7개의 입력 변수를 선정했으며 다양한 범주 변수화 방법을 적용하였다. 실험 결과 Rough Set 기법은 기존에 많이 사용되었던 인공신경망 기법 그리고 의사결정나무 기법과 비슷한 예측률을 보였으며 수행 속도에 있어서는 기존의 기법들보다 탁월한 성능을 보여주었다. 실험 과정에서 Rough Set 기법의 성능은 입력 변수의 수와, 범주 변수화 방법에 매우 민감하게 반응하는 것을 관찰할 수 있었다. 따라서 적절한 수의 입력 변수를 찾는 연구와, 정보의 손실을 최소화시킬 수 있는 범주 변수화 방법에 대한 연구가 향후에 필요하다. Indiscreet issue of credit cards and no control over credit card holders have resulted in credit card upheaval, which became a great burden to national economy of Korea as well as to credit card delinquents and card issuers. Reacting to the upheaval, at the end of 2004, Korea government enacted and enforced a law regarding the use and protect of credit information. According to the law, it is important to identify delinquents who will revive sooner or later. So, based on the Rough Set theory, we built a classification model, which classifies a delinquent as one of "good, potentially-good or bad". To that end, we first selected 7 variables using Relief-F, Neural Network Model and Rough Set technology. Then, we discretized value ranges of continuous variables using decision tree and equi-depth partitioning. In our experiment, Rough Set Model showed similar or better prediction ratio than Neural Network Model and Decision Tree Model in a shorter time.

OLAP도구 선정을 위한 평가항목 제시 및 검증

김기운(Gi Un Kim),서용무(Yong Moo Suh) 한국경영학회 2001 經營學硏究 Vol.30 No.3

Work done so far in the area of data warehousing has concentrated mainly both on building a data warehouse and on maintaining it. But, little attention has been paid to the area of using and analyzing warehouse data. While quite a few commercial OLAP tools for using warehouse data have become available, companies still have difficulties in selecting an OLAP tool which fits their specific purposes. In this paper, we propose a list of detailed and concrete items to be evaluated before deciding to select an OLAP tool, and describe two cases of verifying the usefulness of those items as a basis to select a tool. The items were derived on the basis of the desired OLAP features suggested by Codd, Pende and Raden. In the first verification case, we evaluated three ROLAP tools such as Brio Enterprise. InfoBeacon, and DSS Agent and in the second, we evaluated the ROLAP tool, DSS Agent, selected as the best in the first verification, and a MOLAP tool, EssBASE, holding the first market share in the worldwide OLAP market. What we have learned from the first verification is that the three ROLAP tools have some weakness in advanced statistical analyses, API for interface to client tool, built-in user-defined functions, aggregation functions, metadata management, and Korean character support. And the lessons from the second are that though the ROLAP tool has more improved features than the other tools in the first verification, it is still not satisfactory in supporting aggregation functions and Korean characters, and that the MOLAP tool also has the problem in supporting aggregation functions and Korean characters and in supporting metadata such as the compatibility with ETT metadata. From the two verifications, we concluded that the evaluation items are detailed and concrete enough to be used as a basis for selecting an OLAP tool. Further more, we learned that ROLAP tools are more appropriate for enterprise data warehouse and MOLAP for a specific data mart.

신경망과 의사결정 나무를 이용한 충수돌기염 환자의 재원일수 예측모형 개발

정석훈(Chung, Suk-Hoon),한우석(Han, Woo-Sok),서용무(Suh, Yong-Moo),이현실(Rhee, Hyun-SiIl) 한국산학기술학회 2009 한국산학기술학회논문지 Vol.10 No.6

충수돌기염 환자의 LoS(Length of Stay)를 예측하는 것은 병상의 운영에 적지 않은 영향을 준다. 본 논문에서는 Neural Networks와 Decision Tree를 이용하여 LoS와 연관이 높은 입력변수들을 찾아 그 의미를 분석하며, 찾아낸 입력변수들을 이용하여 다양한 LoS 예측 모형을 개발하고 그 성능을 비교하였다. 모형의 예측 정확성을 높이기 위하여 Bagging과 Boosting 등의 Ensemble 기법도 적용하였다. 실험 결과, Decision Tree 모형이 Neural Networks 모형보다 좀 더 적은 수의 속성을 가지고도 거의 통일한 예측력을 보였으며, Ensemble 기법 중에서는 Bagging 기법이 Boosting 기법보다 좋은 결과를 보여주었다. 의사결정나무 기법은 Neural Networks 기법에 비해 설명력이 있으며, 충수돌기염의 LoS 예측에 매우 효과적이었고, 중요 입력 변수의 선정에도 좋은 결과를 보여줌에 따라 향후 적극적인 기법의 도입이 필요하다고 할 수 있다. For the efficient management of hospital sickbeds, it is important to predict the length of stay (LoS) of appendicitis patients. This study analyzed the patient data to find factors that show high positive correlation with LoS, build LoS prediction models using neural network and decision tree models, and compare their performance. In order to increase the prediction accuracy, we applied the ensemble techniques such as bagging and boosting. Experimental results show that decision tree model which was built with less number of variables shows prediction accuracy almost equal to that of neural network model, and that bagging is better than boosting. In conclusion, since the decision tree model which provides better explanation than neural network model can well predict the LoS of appendicitis patients and can also be used to select the input variables, it is recommended that hospitals make use of the decision tree techniques more actively.

Structured Electronic Journal for Scientific Collaboration

서용무 한국데이타베이스학회 1996 Journal of information technology applications & m Vol.3 No.2

데이터 제공원의 신뢰도를 고려한 확장관계형 데이터 모델

정철용,이석균,서용무 한국데이타베이스학회 1999 Journal of information technology applications & m Vol.6 No.1