공급사슬네트워크에서 비즈니스 애널리틱스의 영향에 관한 연구 - 비즈니스 애널리틱스 역량의 개념화와 공급사슬성과에 대한 함의-

류춘호,이정호 한국물류학회 2023 물류학회지 Vol.33 No.6

본 연구는 공급사슬네트워크에서 비즈니스 애널리틱스의 영향을 규명하기 위한 목적으로, 조직의 비즈니스 애널리틱스 역량과공급사슬성과 사이의 관계를 실증적으로 분석한다. 구체적으로 경험적 관찰의 상태에 머무르고 있는 공급사슬네트워크에서의 비즈니스 애널리틱스 역량을 조작적으로 정의함으로써 이를 개념화할 수 있는 모형을 개발하고, 공급사슬네트워크에서 비즈니스 애널리틱스 역량이 공급사슬성과를 유인하는 방식을 규명함으로써, 조직이 공급사슬의 다양한 영역, 즉 계획, 조달, 생산, 배송에서의 운영성과를 위한 최적 의사결정에 적합한 비즈니스 애널리틱스 역량을 구축하는 대안적 방법을 제시한다. 이를 위해 본 연구는이론적 문헌 고찰을 기반으로 공급사슬네트워크에서의 비즈니스 애널리틱스 역량을 반영적 구조로 모형화하였으며, 비즈니스 애널리틱스 역량이 공급사슬성과에 어느 정도 영향력을 지니는지, 그리고 이 영향력이 조직의 공급사슬 운영에 관한 특성, 즉 프로세스 지향과 정보시스템 지원에 따라 조절되는지에 관한 가설들을 설정한 후, 국내 170개 제조업체로부터 수집한 사업부 단위의1차 자료를 이용하여 이들 모형과 가설을 실증적으로 검증하였다. 분석 결과, 공급사슬네트워크에서 비즈니스 애널리틱스 역량이공급사슬성과에 대하여 통계적으로 유의한 영향력을 지니는 것으로 나타났으며, 이러한 영향력에 대한 정보시스템 지원의 조절효과가 프로세스 지향보다 상대적으로 큰 것으로 밝혀졌다. 본 연구의 결과는 공급사슬관리자에게 공급사슬네트워크에서 비즈니스애널리틱스가 더욱 효과적일 수 있는 공급사슬의 영역을 확인하고 이해하기 위한 통찰을 제공한다. The purpose of this study is to empirically investigate the relationship between organizational business analytics capability and supply chain performance in order to identify the impact of business analytics in supply chain network. Specifically, drawing on literature streams in Supply Chain Operations Reference Model and Information Processing Theory, this study conceptualizes the notion of business analytics capability in supply chain network, develops its structure as a reflective model, and tests the constructs and operational measures in the model. And then this study investigates the relationship between analytics capabilities in the plan, source, make and deliver area of the supply chain network and its performance using business process orientation and information system support as moderators that form the basis of our theory. Conducting an empirical study of 170 Korean manufacturing firms, this study, through the successive stages of measurement model analysis, provides empirical evidence for modeling reflective indicator and construct of business analytics capability in supply chain network. As a result, the construct of business analytics capability is posited to reflect a combination through analytics capabilities in the plan, source, make and deliver area of the supply chain network. And the findings suggest the existence of a statistically significant relationship between business analytics capabilities and supply chain performance. The moderation effect of information systems support is considerably stronger than the effect of business process orientation. These findings provide a better understanding of the areas in supply chain network where the impact of business analytics may be the strongest.

트리맵을 이용한 비즈니스 프로세스 수행자간 업무공유 관계 시각화

안현 ( Hyun Ahn ),김광훈 ( Kwanghoon Pio Kim ) 한국인터넷정보학회 2016 인터넷정보학회논문지 Vol.17 No.4

최근에 비즈니스 인텔리전스 분야에서 비주얼 애널리틱스의 중요성이 강조되고 있다. 비즈니스 인텔리전스 관점에서 비주얼 애널리틱스는 다양한 관점의 비즈니스 관련 정보를 인터랙티브한 형태로 시각화함으로써 의사결정에 유용한 인사이트들을 획득하는 것을 목표로 한다. 본 논문에서는 트리맵을 이용하여 비즈니스 프로세스 수행자들간의 업무공유 관계들을 시각화하는 방법을 제안한다. 업무공유 관계는 비즈니스 프로세스의 특정 단위 업무에 공통적으로 참여하는 두 수행자간에 형성되는 연결 관계로서, 프로세스 기반 조직의 구조 및 행동 패턴을 이해하는 데에 중요한 요소이다. 이를 위해, 비즈니스 프로세스의 기본적인 계층적 정보와 수행자간 업무공유 관계를 트리맵의 형태로 나타내는 시각화 도구를 설계 및 구현하였다. 최종적으로 XPDL (XML Process Definition Language) 프로세스 모델을 이용한 실행 예제를 통해 시각화 도구의 유용성을 검증하였다. Recently, the importance of visual analytics has been recognized in the field of business intelligence. From the view of business intelligence, visual analytics aims for acquiring valuable insights for decision making by interactively visualizing a variety of business information. In this paper, we propose a treemap-based method for visualizing work-sharing relationships among business process performers. A work-sharing relationship is established between two performers who jointly participate in a specific activity of a business process and is an important factor for understanding organizational structures and behaviors in a process-centric organization. To this end, we design and implement a treemap-based visualization tool for representing work-sharing relationships as well as basic hierarchical information in business processes. Finally, we evaluate usefulness of the proposed visualization tool through an operational example using XPDL (XML Process Definition Language) process models.

자연어처리와 기계학습을 활용한 기술 특허 분류

이우식,이예진 차세대컨버전스정보서비스학회 2024 차세대컨버전스정보서비스기술논문지 Vol.13 No.1

최근 빅데이터 시대의 도래로 인공신경망을 포함한 기계학습 모델들이 의학, 유전체 연구, 기업 경영 등 다양한 분야에 광범위한 영향을 미치고 있음에도 불구하고, 기술 특허 분석에 자연어 처리와 기계학습을 적용한 국내 리걸테크 연구는 충분히 발전하지 못한 상황이다. 본 연구는 이산화탄소 포집·활용에 대한 특허 데이터, 자연어 전처리 기법 그리고 기계학습모형 기반의 기술 특허 분류 시스템을 설계하고, 정확도, 카파 상관계수 그리고 F1-점수를 비교·분석하였다. 주요 결과를 요약·정리하면 다음과 같다. 첫째, 다섯 가지 이산화탄소 포집 및 활용 기술 분류에서 그래디언트 부스팅, 랜덤 포레스트, 의사결정나무 순으로 성능이 나타났다. 이를 통해 단일 결정 나무보다 배깅과 부스팅 기법을 적용한 랜덤포레스트 모형과 그래디언트 부스팅 모형이 더 우수한 학습 성능을 제공함을 확인할 수 있었다. 둘째, 특허의 요약과 제1 청구항을 활용한 기술 분류에서 비슷한 성능이 관찰되었다. 이는 자연어 처리 과정에서 중요한 키워드를 명사로만 추출한 것이 주요 요인으로 보인다. 본 연구는 자연어 전처리와 기계학습 모형을 이산화탄소 포집 및 활용 기술 특허 분류에 처음으로 적용한 의미 있는 연구로 사무 로봇 기술을 통해 반복적인 업무를 자동화하는 데 응용될 수 있는 가능성을 제시한다. With the advent of the big data era, machine learning models, including artificial neural networks, have had a wide-ranging impact on various fields such as medicine, genomics research, and corporate management. Despite this, domestic research in legal tech, particularly applying natural language processing and machine learning to technical patent analysis, has not sufficiently developed. This study designs a system for classifying patents on Carbon Dioxide Capture and Utilization (CCU) based on patent data, natural language pre-processing techniques, and machine learning models, and compares and analyzes accuracy, kappa coefficient, and F1-score. The main findings are summarized as follows: First, in classifying five types of CCU technologies, the performance was observed in the order of gradient boosting, random forest, and decision trees. This confirms that random forest and gradient boosting models, which apply bagging and boosting techniques, respectively, provide superior learning performance over single decision trees. Second, similar performance was observed in classifying technologies based on the abstract and first claim of patents. This suggests that the extraction of important keywords as nouns during the natural language processing is a significant factor. This research is meaningful as it applies natural language pre-processing and machine learning models to the classification of CCU technology patents for the first time, presenting the potential for applying robotic automation technology to automate repetitive tasks.

Predicting Corporate Bankruptcy using Simulated Annealing-based Random Forests

박호연,김경재 한국지능정보시스템학회 2018 지능정보연구 Vol.24 No.4

Predicting a company's financial bankruptcy is traditionally one of the most crucial forecasting problems in business analytics. In previous studies, prediction models have been proposed by applying or combining statistical and machine learning-based techniques. In this paper, we propose a novel intelligent prediction model based on the simulated annealing which is one of the well-known optimization techniques. The simulated annealing is known to have comparable optimization performance to the genetic algorithms. Nevertheless, since there has been little research on the prediction and classification of business decision-making problems using the simulated annealing, it is meaningful to confirm the usefulness of the proposed model in business analytics. In this study, we use the combined model of simulated annealing and machine learning to select the input features of the bankruptcy prediction model. Typical types of combining optimization and machine learning techniques are feature selection, feature weighting, and instance selection. This study proposes a combining model for feature selection, which has been studied the most. In order to confirm the superiority of the proposed model in this study, we apply the real-world financial data of the Korean companies and analyze the results. The results show that the predictive accuracy of the proposed model is better than that of the naïve model. Notably, the performance is significantly improved as compared with the traditional decision tree, random forests, artificial neural network, SVM, and logistic regression analysis.

은닉 마르코프 모형을 활용한 포트폴리오 성능 평가연구

이우식 차세대컨버전스정보서비스학회 2023 차세대컨버전스정보서비스기술논문지 Vol.12 No.4

Sustainability management can be defined as a newly regulated perspective that goes beyond the corporate-centered purpose of generating shareholder and company wealth, requiring modern firms to actively participate in maintaining the sustainability of current society. These sustainability management actions are regarded as one of a company's non-financial performance factors, which are measured and analyzed using ESG scores. However, assessing non-financial performance in general presents difficulties, and the rapidly changing social environment may need adjustments to evaluation standards. Furthermore, not all firms have the conditions in place to provide the standardized information required for evaluations, reducing the trustworthiness of ESG assessments. Investors may consider investing in companies with high ESG ratings in this regard, although the trustworthiness of such ratings cannot be guaranteed. As a result, ESG ETFs could be a viable option for ESG investments. This work used a hidden Markov model to find and validate the appropriate amount of hidden states inherent in ESG and non-ESG ETFs, as well as to compare and assess portfolio performance. The following are the findings: First, empirical research reveals that the hidden Markov model is a promising tool for finding the hidden state distribution and its impact on returns for each financial asset. Second, in terms of risk-adjusted investment performance and cumulative returns, ESG ETFs outperformed Non-ESG ETFs. This shows that ESG ETFs should be as an ESG investment alternative. 지속가능경영은 주주가치와 기업가치의 극대화라는 기업 중심의 목표를 넘어 현대 기업이 현대 사회의 지속가능성 확보에 동참하기 위해 필연적으로 추구해 나가야 하는 새롭게 규정된 지향점 중 하나라 할 수 있다. 이 같은 지속가능경영 활동은 기업의 비재무적 성과 중 하나로 보고 있는데, 이러한 비재무적 성과는 ESG 평가 점수를 사용해 측정해 분석에 활용하고 있다. 하지만 비재무적 성과를 전체적으로 계량화하는 데 있어 어려움이 있고, 급변하는 사회적 환경을 고려해 평가 기준의 변경이 불가피할 수 있으며, 평가에 필요한 표준화된 정보를 모든 기업이 제공할 수 있는 여건을 갖고 있지는 않기 때문에 아직은 ESG 평가 결과에 대해 절대적인 신뢰를 갖기에는 어려움이 많다. 이와 관련해 투자자 입장에서 ESG 등급이 높은 기업에 대해 투자를 고려할 수 있지만, 등급의 신뢰성을 담보할 수 없어 ESG ETF가 ESG 투자에 있어 중요한 대안으로 가능할 것이다. 본 연구는 은닉 마르코프 모형을 기반으로 ESG ETF와 Non-ESG ETF에 내재하는 최적의 은닉 상태의 수를 파악 및 검증하여 포트폴리오 성과를 비교·분석하였다. 본 연구의 주요 분석 결과는 다음과 같다. 첫째, 은닉 마르코프 모형이 각 금융자산의 은닉 상태 분포와 이에 따른 수익률의 변화를 확인하는데 적합한 수단이 될 가능성을 뒷받침하는 실증 연구 결과를 도출했다는 점에서 의의를 갖는다. 둘째, 위험 대비 높은 투자 성능과 누적수익률 측면에서 비교해 본 결과, ESG ETF가 Non-ESG ETF보다 높은 수준의 누적 수익 성과를 보여 주었다. 이를 통해 ESG ETF가 ESG 투자의 대안으로 고려 가능하다는 점을 알 수 있었다.

인공신경망을 활용한 주택연금의 해지 위험 예측 성능평가

이우식,최경진 차세대컨버전스정보서비스학회 2023 차세대컨버전스정보서비스기술논문지 Vol.12 No.4

Machine learning models, particularly artificial neural networks, have had a wide range of affects in numerous sectors such as medical science, genetics, business, and so on since the advent of the big data age. In Korea, however, there has been an insufficient accumulation of quantitative insurance research using machine learning models for survival analysis. Using data from reverse mortgage subscribers and an artificial neural network model, this study created a survival analysis model, then compared and examined optimization algorithms such as Adam, RMSProp, and SGD in terms of discriminant analysis using a Concordance Index. The primary findings of the empirical analysis conducted in this study are as follows. First, both classic statistical model and artificial neural network model are applied to survival analysis to predict the termination of reverse mortgage. This shows the utility of merging artificial neural networks with survival analysis for forecasting reverse mortgage cancellation and the potential for generalization to other pension insurance data. Second, the risk prediction results of the model that combined the artificial neural network with SGD and RMSProp optimization algorithms were slightly lower than the classic Cox proportional hazards model. This confirmed the importance of optimization as well as the superior learning performance of the Adam optimization algorithm, which also integrates momentum and adaptive approaches. 최근 빅데이터 시대가 도래하면서 인공 신경망 모형을 포함한 기계학습모형들이 다양한 의학 영역과 유전체 연구 그리고 기업의 생존 등에 이르기까지 굉장히 광범위한 영향력을 행사하며 그 영역을 넓혀가고 있지만, 생존 분석을 기계학습에 적용한 국내 계량 금융·보험 연구들은 충분히 축적되지 못하고 있는 상황이다. 본 연구는 주택연금 가입자의 데이터와 인공신경망 모형을 활용한 생존 분석 모형을 설계하고, 우위성 지수를 통한 판별분석 측면에서 최적화 알고리즘인 Adam, RMSProp 그리고 SGD을 비교·분석하였다. 본 연구 수행에 따른 실증 분석의 주요 결과를 요약·정리해 제시하면 다음과 같다. 첫째, 전통적인 통계 모형과 인공신경망 모형을 생존 분석에 적용하여 주택연금 가입자의 해지 예측한 결과, 인공신경망과 Adam 최적화 알고리즘을 사용한 모형이 좀 더 개선된 예측 값을 제공하였다. 이는 생존 분석에 인공신경망을 결합한 모형이 연금 가입자의 해지 예측 문제에 응용될 수 있다는 점을 확인했다. 둘째, SGD과 RMPProp과 인공신경망을 결합한 모형의 위험 예측 결과가 전통적인 콕스 비롄위험모형보다 약간 낮았다. 이를 통해 최적화의 중요성과 더불어 운동량(Momentum)의 개념 및 적응형 방법(Adaptive Method)을 동시 적용한 Adam 최적화 알고리즘의 우수한 학습 성능도 또한 확인할 수 있게 됐다. 마지막으로 본 연구는 인공신경망 기법을 주택연금에 최초로 적용하였다는 점에서 의미가 있다. 향후에는 주택연금 뿐 만 아니라 다른 연금 보험 데이터에 응용할 수 있는 일반화 가능성을 보여준다.

SAC 강화학습 알고리즘을 활용한 자산배분 전략에 관한 연구

이우식 한국경영컨설팅학회 2022 경영컨설팅연구 Vol.22 No.4

자산배분 전략은 비체계적 위험을 낮추기 위한 계량 모델로 해리 마코위츠가 현대 포트폴리오 이론을 기반으로 발전하였으며, 오늘날에는 다양한 통계 기법과 기계학습 기법에 따라 자산배분 전략을 수립하고 있다. 최근 기계학습 분야 중의 하나인 강화학습의 폭발적 성장을 통해 자산배분 전략 관련 국내 연구들이 수행되고 있지만, 여전히 미흡한 수준에서 벗어나지 못하고 있다. 본 연구는 최대 엔트로피 목적함수를 가진 SAC 강화학습 알고리즘을 사용한 자산배분 전략을 위험조정 수익 극대화 측면에서 계층적 위험 균형 자산배분 전략과 비교·분석하였다. 주요 실증분석 결과는 다음과 같다. 계층적 위험 균형 자산배분 전략과 SAC 강화학습 알고리즘을 활용한 자산배분 전략의 위험 대비 높은 투자 성능을 비교해 보면 계층적 위험 균형 자산배분 전략에서 낮은 성과를 보여 주었다. 이러한 결과는 SAC 강화학습 알고리즘의 최대 엔트로피 목적함수가 최적화와 준최적화를 통해 시장 환경의 변화를 감지하고 이에 신속히 대응해 시장의 위험 구조 및 수익률 간의 최적 균형을 도출해 내는 것으로 판단된다. 이로 인해 강화학습 에이전트는 수익 기회를 온전히 유지하면서도 변동성은 감소시키고 갑작스러운 손실 또한 방지할 수 있는 것이다. 둘째, 계층적 위험 균형 전략과 달리 비슷한 자산군의 특성으로 인해 계층별 차별화 정도가 크지 않아도 SAC 강화학습 알고리즘을 활용한 자산배분 전략에서 위험조정 수익 극대화를 보여 주었다. 이를 통해 주식 이외에 다양한 이종 자산으로 투자자산을 확대하지 않은 환경에서도 SAC 강화학습 알고리즘을 활용한 자산배분 전략이 잘 작동하는 것을 확인할 수 있었다. 이런 맥락에서 강화학습 알고리즘을 활용한 자산배분 전략에 관한 연구는 학문적으로 중요한 연구주제가 될 뿐 아니라 현업의 로보어드바이저 고도화에도 중요한 관심 대상이 된다.

딥러닝분석을 이용한 고빈도 매매 최적화 성능평가

이우식 차세대컨버전스정보서비스학회 2021 차세대컨버전스정보서비스기술논문지 Vol.10 No.5

Compared to the past financial markets, large investment banks, hedge funds and institutional investors in modern financial markets use powerful computer programs to execute a large number of trades in less than a millionth of a second anywhere in the world. Even though more sophisticated computer algorithm trading systems should be available to market participants upon request, there are limitations to understand market dynamics and market signals and accurate execution logic with optimal speed. This study compares and analyzes the high-frequency trading performance based on the deep learning model according to the stochastic gradient descent algorithm. The main result shows that high-frequency trading performance based on deep learning was likely to learn trading rules. The total cumulative return based on the high-frequency trading strategy based on the deep neural network was able to obtain a high return compared to the return of the underlying asset and showed long-lasting characteristics. Second, Adam, which is generally known to have excellent performance, showed relatively poor performance compared to RMSprop and AdaGrad in deep neural network learning performance for high-frequency data of euro/dollar exchange rates. 현대 금융 시장은 과거의 금융 시장과 달리 전 세계 투자자들이 장소에 구애받지 않고 금융 상품을 거래할 수 있게 되었으며 주문 및 체결도 백만분의 1초 단위에서 일어나는 이전과 비교할 수 없을 정도로 빠르게 움직이는 움직이고 있다. 이에 컴퓨터 알고리즘 트레이딩이 더욱 요구되고 진화하고 있지만, 변화하는 시장 데이터, 많은 종류의 시그널 값을 빠르고 지능적인 방식으로 변화시키는데 제한이 있을 뿐 아니라 최적의 속도와 정교함을 가진 실행 논리를 개발·유지하는 것은 매우 어렵고 복잡하다. 본 연구에서는 최적화 알고리즘에 따른 딥러닝 모형기반의 고빈도 매매성능을 비교 분석한다. 분석 결과, 심층 신경망에 의한 고빈도 매매전략 기반에 따른 총 누적 수익이 기초자산의 수익과 비교하여 높은 수익을 얻을 수 있었으며 장기간 지속하는 특성을 보여주었다. 둘째, 일반적으로 성능이 뛰어나다고 알려진 Adam이 유로/달러 환율 고빈도 데이터에 대한 심층 신경망 학습성능에서는 RMSprop과 AdaGrad에 비해 상대적으로 성능을 떨어지는 것으로 나타났다.

심층 Q신경망을 이용한 포트폴리오 성능평가

이우식 차세대컨버전스정보서비스학회 2021 차세대컨버전스정보서비스기술논문지 Vol.10 No.4

After Google's AlphaGo beats Go master Lee Se-dol in 2016, the financial industry has been increasingly interested in Robo-Advisor. As the importance of digital asset management grows, the long-term growth potential of the Robo-advisor industry is expected to be very high. However, digital asset management using Robo-advisors has not yet been sufficiently verified, and many studies related to reinforcement learning including artificial neural networks and finance have not been conducted. This study compares some stochastic gradient descent algorithms of deep Q-network(DQN) to maximize the long-term financial portfolio performance. As a result, the Sharpe ratio of the portfolio using the DQN was lower than that of the equally weighted portfolio. It is considered that most of the transitions stored in the replay memory have no informational reward indicator, and provide insufficient value to the convergence and training of the DQN. Secondly, unlike Adam, which is generally known for its excellent performance, the performance of the DQN with RMSprop outperformed. 2016년 구글의 알파고가 이세돌과의 바둑대전에서 우승한 이후 금융권에서는 인공지능과 투자자문 전문가의 합성어인 로보어드바이저에 관심이 높아지고 있다. 디지털 자산관리에 대한 중요성이 커지면서 로보어드바이저 산업의 장기적 성장성은 매우 높을 것으로 예상된다. 하지만 로보어드바이저를 이용한 디지털 자산관리가 아직 충분히 검증된 상태가 아니고, 인공신경망을 포함한 강화학습과 금융이 연계된 연구들은 많이 이뤄지지 않고 있는 상태이다. 본 연구에서는 확률적 경사 하강법 알고리즘에 따른 심층 Q신경망 모형기반의 포트폴리오 성능을 비교 분석한다. 분석 결과, 심층 Q-신경망을 이용한 포트폴리오의 샤프지수가 동일비중 포트폴리오보다 낮은 수치를 기록했다. 이는 리플레이 메모리에 저장되는 대부분의 트랜지션에 유익한 보상 지표가 없으며 심층 Q신경망의 수렴 및 훈련에 불충분한 정보가 제공되는 것으로 사료된다. 둘째, 일반적으로 성능이 뛰어나다고 알려진 Adam과 다르게 본 연구에서는 RMSprop의 높은 학습 효과를 확인할 수 있다.

물류에서 빅데이터 분석의 활용을 위한 가치 모델

김승욱 한국디지털정책학회 2017 디지털융복합연구 Vol.15 No.9