earticle

영어

This study was conducted to develop a forecasting model for Big Data services and technology acceptance level in Korea, by employing decisionmaking- tree analysis on social data gathered from local online news, blog, internet cafe, SNS, etc. The research results indicate that “Growth Factor” and “ Innovation Factor ” increase chances for service providers to accept Big Data, to provide Big Data services and products. On the other hand, “Interest Factor”, “Economic Factor”, “Quickness Factor” increase chances for clients to accept Big Data, buying Big Data services or products. Big Data Client acceptance level gets highly influenced when “ Content Factor ” is low, “Foundation-Building Factor” is low and “Privacy Factor” is high , and Big Data service providers gets highly influenced when “Content Factor” is high, “Privacy Factor” is low, and “Quality Factor” is low. Also Big Data Client acceptance level gets highly influenced when “ Consulting Factor ” is high and “Decision Making Factor” is high , and Big Data service providers gets highly influenced when “ Consulting Factor ” is high, “ Decision Making Factor” is low, and “Statistic Factor” is low. The research is methodologically meaningful for its Big Data service acceptance level forecasting model of Korean market, for utilizing subject analysis and data mining of social data.

한국어

본 연구는 국내의 온라인 뉴스 사이트, 블로그, 카페, 소셜 네트워크 서비스, 게시판 등 인터넷을 통해 수 집된 소셜 빅데이터를 데이터마이닝의 의사결정나무 분석기법을 적용하여 분석함으로써 국내의 빅데이터 수요공급에 대한 예측모형을 개발하고자 하였다. 성 장요인과 혁신요인은 공급자가 빅데이터를 수용할 확률을 높이는 것으로 나타났다. 관심요인, 경제적요 인, 신속요인은 수요자가 빅데이터를 수용할 확률을 높이는 것으로 나타났다. 빅데이터 수요에 가장 영향 이 높은 경우는 ‘콘텐츠요인’이 낮고 ‘기반구축요인’ 이 낮으며 ‘프라이버시요인’이 높은 조합으로 나타났 으며, 빅데이터 공급에 가장 영향이 높은 경우는 ‘콘 텐츠요인’ 이 높고 ‘프라이버시요인’ 이 낮고, ‘품질요 인’ 이 낮은 조합으로 나타났다. 빅데이터 수요에 가 장 영향이 높은 경우는 ‘컨설팅요인’이 높고 ‘의사결 정요인’이 높은 조합으로 나타났으며, 빅데이터 공급 에 가장 영향이 높은 경우는 ‘컨설팅요인’이 높고 ‘의 사결정요인’이 낮고, ‘통계요인’이 낮은 조합으로 나 타났다. 본 연구는 소셜 빅데이터에서 수집된 빅데이 터 주제분석과 데이터마이닝 분석을 통하여 국내의 빅데이터 수요공급에 대한 예측모형을 제시한 점에 서 분석방법론적으로 의의가 있다.