빅데이터 분석을 활용한 디자인 씽킹의 문제 발견에 관한 연구 = A Study on Problem Finding in Design Thinking Utilizing Big Data Analysis

다국어 초록 (Multilingual Abstract)

An analysis on big data, the core of the hyper-connected society, is designed considering its purpose so it may be possible to shed light on correlations. Therefore, using big data analysis can provide insights across various fields and be conducive to reducing the ambiguity and uncertainty of contemporary social issues. In a design thinking process to solve undefined problems, big data analysis can happen to cultivate insights. However, despite the enlarged scale and form of data and advanced technology in modern society, designers have relative difficulties in using it in the problem finding process of design thinking. Design thinking is characterized by intuition based on ethnographic investigations but there are concerns regarding its suitability and reliability in contemporary society. Accordingly, to implement specialized problem finding of design thinking, it is time to pay attention to intuitive insights based on big data. It aims to derive user-centered insights and there is a need to ponder upon the utilization of big data analysis, which pursues establishing the structure of user knowledge in the desk research step. In other words, in the problem finding of design thinking, it is needed to consider and apply big data analysis for understanding users.
This study intends to discover the way for user-centered problem finding in the design thinking process and suggest its effects using extensive larger-scaled unstructured data than data used in the existing desk research of design thinking. To this end, it derives findings using big data analysis in the problem finding process of design thinking and examines how to understand users using big data analysis. These findings have the potential to be linked to insights in the problem defining process of design thinking and they are intermediate interpretations on users and topics in the problem finding process. This research focuses on online text data among unstructured data.
This study proposes BDDT-PF: Big Data-driven Design Thinking - Problem Finding, which can be implemented in the desk research step. Hence, three research topics were suggested as follows.
First, what algorithm-based big data analysis methods can be used for deriving findings in the BDDT-PF process?
Second, what design thinking-focused analysis methods can be used for deriving insights in the BDDT-PF process?
Third, what are the effects of executing the BDDT-PF?
The research conducted a test using big data analysis in the problem finding of design thinking based on design and derived the answers to the research questions. The research comprises the following stages.
In the first step, it pursued the understanding of design thinking, problem finding processes, desk research, big data, and text mining through literature review.
In the second step, the study identified the necessity and direction of using big data analysis in the problem finding of design thinking through the case study of big data application and the theoretical review of data in design thinking.
In the third step it captured an actual desk research done from a design thinking project via expert interviews and topic-based analyses, designing characteristics, processes, research questions and tests for BDDT-PF.
In the fourth step it executed the BDDT-PF process using titles of online news articles, which are Editorial content, in text data and obtained the results from the trend analysis.
In the fifth step it also implemented the BDDT-PF process using the Korean User-generated content in text data and derived the meaning of climate change to Korean people.
The findings from BDDT-PF in the fourth and the fifth steps led to the understanding that BDDT-PF can supplement the inadequacies of traditional desk research and assist in user research. Hence, in the next step it extended and deepened the execution from the previous steps, specifying and carrying out how to understand users with a view to identifying their emotion.
In the sixth step it executed the BDDT-PF process using the English User-generated content in text data and found out the meaning of climate change to the global people.
In the seventh step it examined the way to understand users in BDDT-PF and the effects of BDDT-PF implementation from the fourth to the fifth steps. The BDDT-PF process was synthesized and summarized, and design thinking-driven analyses were represented in a diagram with the elements of data, thinking systematization methods and interpretive perspectives. In addition, possibilities for generalization were presented considering culture, topic and problem identified. The effects of BDDT-PF included increased reliability in design thinking, frame generation in the initial phase, enhanced efficiency compared to traditional desk research, and a more specified synthesis process in design thinking.
Finally, in the conclusion, the study presented the summary of findings according to research topics along with its implications.
Rather than reflecting numbers or keywords resulted from big data analysis in design the way they are, designers can pay attention to significant data and understand users while pondering upon human emotions and feelings. In other words, this study has significance in that it experimented with the way to intensify designers' data literacy in design thinking and examined its meanings, considering the expanded roles of designers.

국문 초록 (Abstract)

초연결사회의 핵심인 빅데이터는 활용 시 목적에 따라 분석 설계가 되고, 상관관계 규명 가능성이 존재한다. 이에 빅데이터 분석 활용은 다양한 분야에서 통찰력을 제공하고, 현대 사회 문제의 모호성과 불확실성 감소에 도움을 준다. 정의되지 않은 문제를 해결하는 디자인 씽킹 과정에서도 통찰력 함양을 위한 빅데이터 분석이 일어날 수 있다. 그러나 현대 사회에서 확장된 데이터의 규모와 형태, 발전된 기술에 비해 현재 디자이너가 디자인 씽킹의 문제 발견 과정에서 이를 활용할 수 있는 방법이 상대적으로 부족하다. 디자인 씽킹은 민족지학적인 조사 기반의 직관을 특징으로 하지만, 현대 사회에서 적합성, 신뢰성과 관련된 우려가 발생되기도 한다. 따라서 전문성이 있는 디자인 씽킹의 문제 발견을 위해 빅데이터 기반의 직관적 통찰 방법에 주목할 시점이다. 특히, 사용자 중심 통찰력 도출을 목적으로 하며, 데스크 리서치 단계에서 사용자 지식 구조 형성을 추구하는 빅데이터 분석 활용 과정을 탐구할 필요가 있다. 즉, 디자인 씽킹의 문제 발견 과정에서 사용자 이해를 위한 빅데이터 분석 활용 실행과 이에 대한 고찰이 필요하다.
본 연구의 목적은 기존의 디자인 씽킹의 데스크 리서치에서 활용할 수 있는 데이터보다 확장된 대규모 비정형 데이터를 활용해, 디자인 씽킹 과정에서 사용자 중심의 문제를 발견하는 방법을 찾고 그 효과를 제시하는 것이다. 이를 위해 디자인 씽킹의 문제 발견 과정에서 빅데이터 분석을 활용해 발견점을 도출하고, 빅데이터 분석을 활용한 사용자 이해 방법에 대해 고찰한다. 발견점은 디자인 씽킹의 문제 정의 과정에서 인사이트로 연계될 수 있으며 문제 발견 과정에서의 사용자, 주제와 관련된 중간 해석이다. 본 연구에서는 비정형 데이터 중에서 온라인 상의 텍스트 데이터에 주목한다.
본 연구에서는 데스크 리서치 단계에서 실행할 수 있는 디자인 씽킹의 문제 발견 과정에서의 빅데이터 분석 활용(BDDT-PF: Big Data-driven Design Thinking - Problem Finding) 방법을 제안한다. 이를 바탕으로 다음과 같은 세가지 연구 질문이 제시되었다.
첫째, BDDT-PF 과정에서 발견점 도출을 위한 알고리즘 기반 빅데이터 분석 방법은 무엇인가?
둘째, BDDT-PF 과정에서 발견점 도출을 위한 디자인 씽킹 관점 분석 방법은 무엇인가?
셋째, BDDT-PF 실행 효과는 무엇인가?
설계를 바탕으로 디자인 씽킹의 문제 발견 과정에서 빅데이터 분석을 활용하는 테스트를 실행하며 연구 질문에 대한 답을 도출하였다. 본 연구의 각 단계는 다음과 같다.
첫번째 단계에서는 문헌 고찰을 통해 디자인 씽킹, 문제 발견 과정, 데스크 리서치, 빅데이터, 텍스트 마이닝에 대한 이해를 하였다.
두번째 단계에서는 기존 빅데이터 활용 사례 및 디자인 씽킹에서의 데이터에 대한 이론적 고찰을 통해 디자인 씽킹의 문제 발견 과정에서 빅데이터 분석 활용에 대한 필요성과 방향을 파악하였다.
세번째 단계에서는 디자인 씽킹 프로젝트에서 실제로 실행되는 데스크 리서치 과정을 전문가 인터뷰 및 주제별 분석으로 파악하고 이를 기반으로 BDDT-PF 방법의 특징, 과정과 연구 질문 및 테스트를 설계하였다.
네번째 단계에서는 텍스트 데이터 중 편집 콘텐츠(Editorial content)인 온라인 뉴스 기사의 제목을 활용해 BDDT-PF 과정을 실행하고 동향 분석 결과를 얻었다.
다섯 번째 단계에서는 텍스트 데이터 중 한국어 사용자 생성 콘텐츠(User-generated content)를 활용해 BDDT-PF 과정을 실행하고 한국 사람들에게 기후변화가 갖는 의미에 대해 도출하였다.
네번째, 다섯 번째 단계에서의 BDDT-PF 실행의 결과를 통해 BDDT-PF가 기존 데스크 리서치의 부족함을 보완하고 사용자 리서치에 도움을 줄 수 있음을 파악하였다. 이에 따라 다음 단계에서는 이전 단계에서의 실행을 확장하고 심화하여, 사용자의 정서 파악을 위한 사용자 이해 방법을 구체적으로 제시하고 실행하였다.
여섯 번째 단계에서는 텍스트 데이터 중 영어 사용자 생성 콘텐츠(User-generated content)를 활용해 BDDT-PF를 실행하고 글로벌 사회의 사람들에게 기후변화가 갖는 의미에 대해 도출하였다.
일곱 번째 단계에서는 네번째부터 여섯 번째의 BDDT-PF 실행을 종합하고 사용자 이해 방법과 효과에 대해 고찰하였다. 디자인 씽킹 관점 분석 과정을 데이터, 사고법, 체계화 방법, 해석 관점을 요소로 다이어그램으로 표현하였다. 문화적 특성의 이해, 주제 및 문제 발견 내용의 범위에 따른 일반화 가능성을 제시하였다. 디자인 씽킹의 신뢰성 증가, 디자인 씽킹의 초기 단계 프레임 생성, 기존 데스크 리서치에 비교한 효율성 증가, 디자인 씽킹 합성 과정 구체화가 BDDT-PF 효과에 해당하였다.
마지막 단계에서는 연구 질문에 따른 연구 결과 요약 및 연구의 시사점을 결론으로 제시하였다.
BDDT-PF실행에서 디자이너들은 알고리즘 기반 빅데이터 분석 결과인 수치나 키워드를 바로 디자인에 반영하는 것이 아니라, 유의미한 데이터에 주목해, 사람들의 정서 및 감정과 관련해 탐구하는 과정에서 사용자를 이해할 수 있다. 즉, 본 연구는 기술의 변화 속에서 디자인 씽킹 과정에 디자이너의 데이터 리터러시(Data literacy)를 강화하는 방법들을 실험하고 그 의미와 디자이너 역할의 확장을 고찰해본 것에 의의가 있다.

목차 (Table of Contents)

• Ⅰ. 서론 1
• A. 연구 배경 1
• B. 연구 범위 및 용어 6
• C. 연구 목적 및 질문 8
• D. 연구 개요 및 방법 10
• Ⅱ. 디자인 씽킹과 데스크 리서치 13
• A. 디자인 씽킹에 대한 이해 13
• 1. 디자인 씽킹의 정의와 특성 13
• 2. 디자인 씽킹의 한계 15
• B. 디자인 씽킹 과정과 데스크 리서치 17
• 1. 디자인 씽킹 프로세스와 문제 발견 과정 17
• 2. 데스크 리서치 19
• Ⅲ. 빅데이터와 텍스트 마이닝 23
• A. 빅데이터와 빅데이터 분석 23
• 1. 빅데이터의 이해 23
• 2. 빅데이터 분석 정의와 방법 25
• B. 텍스트 마이닝에 대한 이해 30
• 1. 텍스트 데이터 30
• 2. 텍스트 마이닝 과정과 분석 기법 32
• Ⅳ. 디자인 씽킹의 문제 발견 과정에서 빅데이터 분석 활용 필요성 36
• A. 기존 현황 고찰을 통한 필요성 파악 36
• 1. 데이터 유형에 따른 사례 37
• 2. 분석 방법 유형에 따른 사례 40
• 3. 사용자 중심 분석 과정 탐구 43
• B. 디자인 과정의 데이터 관점 필요성 파악 45
• 1. 디자인 씽킹의 문제 발견 과정에서의 데이터 관점 45
• 2. 디자인 리서치 관점 47
• 3. 사용자 지식 구조 형성을 위한 새로운 데이터 접근 49
• Ⅴ. 디자인 씽킹의 문제 발견 과정에서 빅데이터 분석 활용 방법 설계 51
• A. 개요 51
• B. 전문가 인터뷰 실행 51
• 1. 인터뷰 목적 및 대상 52
• 2. 인터뷰 질의 내용 및 분석 방법 53
• C. 인터뷰 결과 55
• 1. 데스크 리서치 내용 56
• 2. 디자인 씽킹의 문제 발견 과정 59
• 3. 데이터의 활용 62
• D. 인터뷰 결과 분석 65
• 1. 데스크 리서치 과정 65
• 2. 데이터 활용의 의미와 빅데이터 분석 활용 기대효과 70
• E. 빅데이터 분석을 활용한 디자인 씽킹 문제 발견 (BDDT-PF) 방법 75
• 1. 특징 75
• 2. 과정 76
• 3. 연구 질문 79
• 4. 테스트 설계 81
• Ⅵ. BDDT-PF 실행 1: 편집 콘텐츠를 활용한 시대 동향 분석 84
• A. 개요 84
• 1. 목적 84
• 2. 설계 85
• B. 빅데이터 수집 및 분석 과정 87
• 1. 데이터 수집 및 텍스트 데이터 전처리 87
• 2. 데이터 분석 88
• C. 코로나19 발생 시점 전후에 대한 분석 결과 89
• 1. 1주기 89
• 2. 2주기 91
• 3. 전후 비교 94
• D. 연도별 코로나19 연관점 분석 결과 98
• 1. 2020년 98
• 2. 2021년 102
• 3. 연도별 비교 106
• E. 동향 분석 110
• 1. 매개중심성 지수 정규화 110
• 2. 동향 시각화 결과 및 문제 발견 111
• F. 실행한 BDDT-PF의 효과 114
• 1. 기존 데스크 리서치의 한계와 관련된 효과 114
• 2. 디자인 씽킹 관점에서의 효과 115
• VII. BDDT-PF 실행 2: 한국어 사용자 생성 콘텐츠를 활용한 기후변화가 갖는 의미 도출 117
• A. 개요 117
• 1. 목적 117
• 2. 설계 117
• B. 빅데이터 수집 및 분석 과정 118
• 1. 데이터 수집 및 텍스트 데이터 전처리 118
• 2. 데이터 분석 120
• C. 빅데이터 분석 결과 120
• 1. 토픽 개수와 주제별 토픽어 120
• 2. 토픽별 댓글 결과 123
• D. 디자인 씽킹 관점 분석 126
• 1. 종합 분석 126
• 2. 발견점 도출 130
• E. 실행한 BDDT-PF의 효과 133
• 1. 기존 데스크 리서치의 한계와 관련된 효과 133
• 2. 디자인 씽킹 관점에서의 효과 135
• VIII. BDDT-PF 실행 3: 영어 사용자 생성 콘텐츠를 활용한 기후변화가 갖는 의미 도출 137
• A. 개요 137
• 1. 목적 137
• 2. 설계 138
• B. 빅데이터 수집 및 분석 과정 139
• 1. 데이터 수집 및 텍스트 데이터 전처리 139
• 2. 데이터 분석 142
• C. 빅데이터 분석 결과 142
• 1. 토픽 개수와 주제별 토픽어 142
• 2. 토픽별 댓글 결과 146
• 3. 감성 분석 결과 149
• D. 종합적 분석 결과 149
• 1. 토픽어와 주제별 토픽 결과를 통한 명명 도출 150
• 2. 주제별 토픽 결과의 어조 152
• 3. 종합 결과 152
• E. 발견점 도출 155
• 1. 비교를 통한 발견점 도출 155
• 2. 통합을 통한 발견점 도출 158
• F. 문제 발견 과정에서의 초기 프레임 생성 161
• 1. 비교 과정의 발견점을 통한 사용자 카테고리화 162
• 2. 통합 과정의 발견점을 통한 시각의 재구성 164
• Ⅸ. 종합 결과 및 논의 165
• A. 사용자 이해 방법 165
• 1. BDDT-PF 실행 종합 165
• 2. 디자인 씽킹 관점 분석 과정 167
• B. 일반화 가능성 (Generalizability) 174
• 1. 문화적 특성의 이해 174
• 2. 주제와 문제 발견 내용의 범위 177
• C. BDDT-PF 실행 효과 180
• 1. 디자인 씽킹의 신뢰성 향상 180
• 2. 디자인 씽킹 초기 단계의 프레임 생성 182
• 3. 기존 데스크 리서치 대비 효율성 증가 184
• 4. 디자인 씽킹 통합 과정 구체화 185
• Ⅹ. 결론 및 제언 187
• A. 결론 187
• 1. 결과 요약 187
• 2. 연구의 시사점 190
• B. 제언 192
• 1. 연구의 한계 및 향후 연구 방향 192
• 2. 디자이너의 빅데이터 분석에 대한 소고 193
• 참고문헌 196
• 부록 1. 인터뷰 동의서 206
• 부록 2. 데스크 리서치 내용의 인 비보 코드 그룹화 과정 207
• 부록 3. 각 시기별 핵심어의 매개중심성 정규화 값 전체 210
• 부록 4. 유튜브 댓글 데이터 수집 현황 - 한국어 댓글 214
• 부록 5. 유튜브 댓글 데이터 수집 현황 - 영어 댓글 216
• ABSTRACT 222
• 감사의 글 226