빅데이터 분석 도구 개발기술 동향

임철수 한국차세대컴퓨팅학회 2014 한국차세대컴퓨팅학회 논문지 Vol.10 No.5

스마트폰과 태블릿 PC와 같은 디바이스 보급과 이동통신 기술 발전에 따라, 발생하는 데이터는 폭증하고 이를 저 장하고 분석하며 처리할 수 있는 기술이 요구하게 되었다. 이전에 경험하지 못한 방대한 양의 데이터를 분석할 수 있는 빅데이터의 관련 기술은 산업적으로도 각광받는 분야가 되었고 다양한 응용분야들에 적용되고 있다. 빅데이 터 분석 툴은 현재 현황을 확인하는 능력을 제공하며, 데이터의 패턴을 분석하고 활용가능한 방대한 데이터들로부 터 가치 있는 사실을 얻을 수 있다. 이에 본 연구에서는 국내외적으로 활용되고 있는 빅데이터 분석 기술들을 파악 하고 빅데이터 활용 범위와 목적에 가장 부합하는 효율적인 방식을 제공하기 위하여 전망과 향후 방향들을 제시하 고자 하였다. Due to the advances in device technology such as smartphones and tablet PCs and mobile technology, the amount of the generated data is increasing rapidly. In order to analyze such a huge amount of data, big data-related technology has become an enthusiastic area and is desired in many applications. Big data analysis tools provide the ability to identify trends, detect patterns and glean other valuable findings from the sea of data available. In this study, to provide an overall view of the currently available big data analytics and their utilization, we presented a detailed survey on state-of-the-art big data analysis techniques and their future prospects.

소셜 빅데이터를 활용한 인터넷 중독 위험예측 모형

송태민 ( Song Tae Min ),송주영 ( Song Ju Young ),진달래 ( Jin Dal Lae ) 한국보건사회연구원 2014 保健社會硏究 Vol.34 No.3

본 연구는 국내의 온라인 뉴스 사이트, 블로그, 카페, 소셜 네트워크 서비스, 게시판 등 인터넷을 통해 수집된 소셜 빅데이터를 네트워크 분석과 데이터마이닝의 의사결정나무 분석기법을 적용하여 분석함으로써 한국의 인터넷 중독(internet addiction disorder) 관련 위험에 대한 예측모형을 개발하고자 하였다. 주제분석(text mining)과 요인분석(factor analysis)에서 인터넷 중독 감정은 일반과 중독으로 분류되어 소셜 빅데이터 문서에서 인터넷 중독여부의 의사결정이 가능한 것으로 나타났다. 인터넷 중독 폐해요인의 위험예측에 가장 영향력이 높은 요인은 `불안요인`이 높고 `유해요인`이 높은 요인으로 나타났으며, 인터넷 중독 영향요인의 위험예측에 가장 영향력이 높은 요인은 `정신건강 요인`이 높고 `친구관계요인`이 높은 조합으로 나타났다. 본 연구는 소셜 빅데이터에서 수집된 인터넷 관련 문서에 대한 네트워크 분석과 데이터마이닝 분석을 통하여 우리나라의 인터넷 중독 위험에 대한 예측모형을 제시한 점에서 정책적·분석방법론적으로 의의가 있다. 또한, 실제적인 내용을 빠르게 효과적으로 파악하여 사회조사가 지닌 한계를 보완할 수 있는 새로운 조사방법으로서의 소셜 빅데이터의 가치를 확인하였다는 점에서 조사방법론적 의의를 가진다고 할 수 있다. The purpose of this study is to develop a prediction model about risk factors related to Korean Internet Addiction Disorder, by applying network analysis and decision making-tree analysis to the social big data that are collected from online news sites, blogs, internet cafes, social network service, and internet message boards. The Big Data Document made possible to figure out the decision-making process of Internet Addiction classification through text Mining and factor analysis, which are classified into two categories as `general` and `addiction`. A Combination of highest `anxiety factor` and high `harmful factor` had the most influence on Internet addiction. Also, both highest `mental health factors` and high `relationship with friends factors` influenced the most when it comes to Internet addiction. Based on the study, data mining analysis and network analysis of Internet Social Big Data was presented as a prediction model for Internet addiction risk factor, which was considered significant in both policy and analysis methodology.

소셜 빅데이터를 활용한 사회복지 네트워크 분석

이근명 비판과 대안을 위한 사회복지학회/ 건강정책학회 2019 비판사회정책 Vol.- No.64

The purpose of this study is to analyze the yearly network change of social welfare by using big data of social media. For this, text mining and CONCOR of network analysis were performed. And to statistically verify the degree of correlation between each year’s network structure, correlation analysis between each year’s matrices was conducted using QAP(Quadratic Assignment Procedure) correlation analysis, which is a typical statistical test method used in social network analysis. The analysis showed, words that had the highest frequency in 2010 were social welfare, society, research, social worker, social welfare facility, social welfare department; in 2015, social welfare, society, research, social worker certificate, social welfare course, social welfare facility; and in 2018, on top of social welfare, society and research, new words such as news, articles, documents, and analyzes were mentioned significantly. As a result of CONCOR analysis for network analysis, clusters of four groups in 2010, four groups in 2015 and four groups in 2018 were created. And as a result of QAP correlation analysis of three years, correlation coefficient between 2010 and 2015showed to be 0.757, 0.457 between 2010 and 2018; and 0.451 between 2015 and 2018. The former and current governments have carried out social welfare policies using a great amount of time and budget. However, the primary problem have not yet been identified and solved. Therefore, research should be conducted to measure the yearly network change using big data, to grasp future trends based on this, and to establish policies that will form the basis for social welfare development. And by combining big data information related to social welfare on SNS and existing large-scale research data, unstructured data created by millions of people should be systematically constructed and more extensive research should be done by combining these with empirical studies. 이 연구의 목적은 소셜미디어의 빅데이터를 이용하여 사회복지에 대한연도별 네트워크 변화를 분석하는 데 있다. 이를 위해 이 연구에서는 텍스트 마이닝과 네트워크 분석의 CONCOR 분석을 실시하였다. 또한 각 연도별 네트워크가 구조적으로 어느 정도의 상관관계가 있는지를 통계적으로검증하기 위하여 소셜 네트워크 분석에서 사용하는 대표적 통계적 검정방법인 QAP(Quadratic Assignment Procedure) 상관분석을 활용하여 각연도의 매트릭스 간의 상관분석을 실시하였다. 분석결과 단어의 빈도가 높은 순서는 2010년에는 사회복지, 사회, 연구, 사회복지사, 사회복지시설, 사회복지학과 등의 단어이고 2015년에는 사회복지, 사회, 연구, 사회복지사자격증, 사회복지학과, 사회복지시설 2018년에는 사회복지, 사회, 연구 등에 새로운 단어인 뉴스, 기사, document, 분석 등이 비중있게 언급되었다. 네트워크 분석을 위해 CONCOR 분석을 실시한 결과, 2010년 4개 그룹, 2015년 4개 그룹, 2018년 4개 그룹의 클러스터가 생성되었다. 또한 3개년도 간의 QAP 상관분석을 실시한 결과, 2010년과 2015년의 네트워크 간 상관계수는 0.757, 2010년과 2018년간 상관계수는 0.457, 2015년과 2018년간 상관계수는 0.451로 나타났다. 사회복지를 위한 정책은 역대 정부마다 많은 시간과 예산을 들여 시행하고 있다. 그러나 일차적인 문제점 파악 및 해결방안은 아직 없는 실정이다. 따라서 빅데이터를 활용한 연도별 네트워크 변화를 측정하고, 이를 토대로 미래 트렌드를 파악하여 사회복지 발전을 이루는데 기틀이 되는 정책을 수립하기 위한 연구가 진행되어야 한다. 그리고 SNS상에서 발생하는 사회복지와 관련된 빅데이터 정보와 기존의 방대한 연구 자료를 접목하여, 수많은 사람들이 만들어낸 비정형 데이터를 체계적으로 구축하고, 이를 실증적 연구에 접목함으로써 보다 폭넓은 연구가 지속적으로 이루어져야 할 것이다.

소셜 빅데이터 분석을 통한 대학생 창업교육 트렌드 분석

김준오 한국자치행정학회 2022 한국자치행정학보 Vol.36 No.3

In order to effectively support start-up education, it is necessary to look at the trends of existing start-up education. In this study, by collecting and analyzing data on start-up education using social big data, the trend of start-up education for college students was identified and policy alternatives were suggested. In order to analyze the trend of start-up education, social big data were collected to grasp the current status and derive major topics. To this end, TEXTOM was used to collect social big data related to start-up education from 2018 to the end of August 2022 in major portal sites such as Google, Naver, and Daum. The collected data derived purified words through the text mining process, and based on this, frequency analysis and centrality analysis, N-gram analysis, matrix analysis, and topic analysis were performed. As a result of analyzing the top keywords in start-up education, it was confirmed that words such as development and technology appeared the most, and as research institutes and universities appeared in the top, start-up education was activated around academia and research circles. Keywords such as information, business, policy, and support showed that interest in start-up education information and data on business and policy support were formed. As a result of the emotional analysis of start-up education, positive opinions accounted for 74.62%, and evaluations such as excellent, growing, good, and solid were derived. As a result of analyzing the discourse through CONCOR analysis, the discourse on joint research centered on the center, academic start-up education activities centered on universities, technology development cooperation activities at the domestic industry level, and international academic exchanges on the global economy were drawn as major discourses. Through network analysis, it can be seen that universities are carrying out the most active start-up education activities. These research results are expected to be useful data for predicting major issues of start-up education in the future by examining key keywords in start-up education and examining the discourse and topics formed in current start-up education. As a policy alternative, (1) revitalization of global start-up education, (2) start-up specialized programs and convergence education, (3) conversion of start-up education methods, and (4) creation of start-up education infrastructure, (5) establishment of governance linked to start-up education were suggested. 창업교육을 효과적으로 지원하기 위해서는 기존 창업교육의 동향을 살펴볼 필요가 있다. 본 연구에서는 소셜 빅데이터를 활용하여 창업교육에 관한 데이터를 수집·분석함으로써 대학생 창업교육의 동향을 파악하소, 정책적 대안을 제시하였다. 창업교육의 트렌드를 분석하기 위해 소셜 빅 데이터를 수집하여 현황을 파악하고 주요 토픽을 도출하였다. 이를 위해 TEXTOM을 활용하여 구글, 네이버, 다음 등의 주요 포털 사이트 내 2018년부터 2022년 8월 말까지의 창업교육 관련 소셜 빅데이터를 수집하였다. 수집된 데이터는 텍스트 마이닝 과정을 통해 정제된 단어를 도출하였고 이를 바탕으로 빈도분석 및 중심성 분석, N-gram 분석, 매트릭스 분석, 토픽 분석 등을 수행하였다. 창업교육 내 상위 키워드를 분석한 결과, 개발, 기술 등의 단어가 가장 많이 등장하였으며, 연구소, 대학이 상위권에 등장하면서 창업교육이 학계와 연구계를 중심으로 활성화되어 있음을 확인하였다. 정보, 사업, 정책, 지원 등의 키워드를 통해 창업교육정보에 대한 관심과, 사업 및 정책적 지원에 대한 데이터가 많이 형성되어 있음을 알 수 있었다. 창업교육의 감성분석 결과, 긍정적인 의견이 74.62%를 차지하였다. CONCOR 분석을 통해 담론을 분석한 결과 크게 센터를 중심으로 공동연구에 관한 담론, 대학 중심의 학술적 창업교육 활동, 국내 산업체 단위의 기술개발 협력 활동, 세계경제에 관한 국제적 학술교류에 관한 담론이 주요 담론으로 도출되었다. 네트워크 분석을 통해 대학이 가장 활발한 창업교육 활동을 수행하고 있음을 알 수 있었다. 이러한 연구 결과는 창업교육 내 핵심 키워드를 살펴보고 현재 창업교육 내 형성된 담론과 주제를 살펴봄으로써 향후 창업교육의 주요 쟁점을 예측하는데 유용한 자료로 사용될 수 있을 것으로 보인다. 정책적 대안으로 (1)글로벌 창업교육의 활성화, (2)대학생 관심분야별 창업특화프로그램 운영, (3)창업교육 방식의 전환, (4)창업교육 인프라 조성, (5)창업교육 연계 거버넌스 구축 등을 제시하였다.

문화산업에서 빅데이터의 활용방안에 관한 연구

윤홍근(Hong Keun Yoon) 글로벌문화콘텐츠학회 2013 글로벌문화콘텐츠 Vol.0 No.10

본 연구는 최근 핫이슈로 떠오르고 있는 빅데이터의 특징과 분석방법, 빅데이터의 문화산업분야 활용방안 사례를 분석하였다. 빅데이터는 기존 방식으로는 관리와 분석이 어려운 데이터를 의미하며, 거대한 크기(Volume), 다양한 형태(Variety), 빠른 생성 및 유통 속도(Velocity)의 특징을 가지고 있다. 최근 K-Pop과 한류 열풍을 타고 문화산업에 대한 연구가 활발히 진행되고 있지만, 빅테이터의 문화산업분야에서 활용방안에 대한 연구는 활성화되지 못하고 있다. 이에 본 연구에서는 문화산업에서 빅데이터가 이미지분석, 트렌드 분석, 위기관리, 스토리텔링의 도구, 마케팅 활용 등을 다양한 목적으로 활용되는 사례를 살펴보았다. 빅데이터를 활용하는 기업들은 여론조사기관, 언론사, 광고회사, 게임, 음반업계, 연예매니지먼트 회사, 영화제작사, 출판사, 공연업체, 스포츠 회사 등을 들 수 있다. 새로운 흐름에 빠르게 대처해야 하는 문화산업에서 빅데이터는 SNS와 같은 비정형 데이터까지 분석하여 미래의 트렌드를 예측하고 콘텐츠의 활용을 최적화 할 수 있다는 차원에서 그 중요성이 높아지고 있다. The essence of this research is focused on the analysis of the characteristics, research method, and case studies on the culture-business application of Big data; a thriving agenda currently emerging in our society. The definition of Big data is a type of data where conventional management/analysis methods are difficult to apply. Big data can be characterized as ‘3V’, which stands for ‘Volume, Variety, and Velocity’ with following features such as rapid production·distribution, and complexity. Contrast to active research on the cultural industry due to the spotlight of K-pop, the application of Big data upon this field has yet been thoroughly analyzed. Therefore, this research will focus on the application methods within the cultural industry. First, Big data is generally used in image analysis, trend analysis, crisis management, instruments for storytelling, marketing development through social data in the cultural industry. Companies that are utilizing Big data extends across diverse industries from opinion research organizations, mass media, advertisement companies to gaming industry, music industry, entertainment companies, film production companies, publications, performance industry and sports industry. The current problem of South Korea in this context is that there is a lack in professional work force as well as technological infrastructure regarding big data.

빅데이터에 대한 소개와 활용사례에 관한 연구

한건희,진서훈 한국자료분석학회 2014 Journal of the Korean Data Analysis Society Vol.16 No.3

We are living in a world with vast amount of information flooding around us more than ever. The era of big data has arrived. This can be attributed to the spread of information technology, including mobile phones, internet services and various social networking sites. Big data refers to not only typified numerical data but mass scale, fast and atypical data including texts, videos, and images. The ability to deal with big data has evolved as a mainstream concept in IT field. Earlier in 2011, big data was nothing more than one of the prospective trends in the field of IT. Then, the big data began to receive attention. In 2012 World Economic Forum Annual Meetings, big data grabbed the world’s attention as one of the important technologies that will open up new potentials for global development. Big data will be the main subject of this paper, including its definition, origin, related technology. The paper will also examine a variety of big data applications by collecting the data from various social networking sites and articles that deal with this issue. Finally, the paper will suggest its prospective applications. 최근 들어 우리 주변에는 정보통신의 발달, 모바일, 인터넷 및 소셜미디어(social media)의 확산 등으로 엄청난 양의 데이터와 정보가 생성되고 있다. 즉, 범람하는 데이터와 정보의 증가로 인한 빅데이터(big data) 시대가 도래 한 것이다. 이로 인해 빅데이터를 처리할 수 있는 빅데이터 처리기술이 IT 분야의 가장 중요한 화두로 떠오르고 있다. 빅데이터란 생성되는 규모가 방대하고, 생성 속도 또한 매우 빠르고, 생성되는 데이터의 형태도 정형화된 수치 데이터뿐 아니라 휴대전화와 SNS(social network service)에서 생성되는 문자, UCC(user created contents)를 비롯한 동영상 콘텐츠, 이미지 등의 비정형화된 데이터를 포함하는 대규모 데이터를 말한다. 본 논문에서는 최근 이슈가 되고 있는 빅데이터와 관련하여 빅데이터의 정의와 탄생배경, 빅데이터 관련 기술 등에 대해 최근의 동향을 소개하였다. 또한 빅데이터의 다양한 활용 사례들을 살펴보고, 국내의 블로그(blog)나 다양한 보도에서 얻어지는 실제 텍스트 데이터를 이용하여 빅데이터 분석을 수행하여 이에 대한 결과와 활용방안에 대해 연구하였다.

국내 스포츠 빅데이터 분석 연구의 현황

최형준 한국체육측정평가학회 2020 한국체육측정평가학회지 Vol.22 No.2

The study was to discuss about the current status of sports big data researches in Korea among the studies published in the field of sports and physical education. Also, this study intended to discuss about the critical contents in order to apply the big data technologies practically. The articles listed in the journals indexing on the KCI(Korea Citation Index) were considered for this study that the first article used a specific methods relevant to sports big data was importantly selected. And then the articles which used same method with the first article, were cognized as same as the first article. In addition, All articles selected were ordered by published year. The current status in this study were categorized by 1) the concept of big data, 2) text mining, 3) social network analysis, and 4) classification of data. At the beginning of trends, the article about the possibility of application of big data was identified. And the methodological trends of Sports Big Data were heading to the worries when the big data technologies applied to the field of sports and physical education even the methodological changes were found within various attempts. Further application of Sports Big Data could be broadly applied in the field of sports and physical education when systematic and scientific proposals were expanded. 이 연구는 스포츠와 체육학 분야에서 발표된 연구 중 빅데이터 분석을 활용한 연구의 현황에 대해서 논하고, 빅데이터 분석의 실질적인 적용을 위해 고려해야 하는 내용을 논하는데 목적을 두었다. 한국연구재단 한국학술지인용색인(Korea Citation Index)을 통해 검색된 등재 학술지와 등재 후보 학술지에 발표된 논문만을 대상으로 하였으며, 분석 과정에서 특정한 연구방법이 동일 저자 혹은 저자들에 의해 반복적으로 활용된 경우, 하나의 연구방법으로 정리하였고, 연도에 따라 처음 제안된 연구를 먼저 제시한 후 연이은 연구는 동일한 연구방법으로 판단하였다. 이 연구를 통하여 스포츠 빅데이터 분석 방법을 1) 빅데이터 개념에 관련된 연구, 2) 텍스트 마이닝에 관련된 연구, 3) 소셜 네트워크 분석에 관련된 연구, 4) 분류에 관련된 연구로 구분하여 분석하였다. 스포츠 빅데이터 분석의 방법론적 동향은 단순히 빅데이터의 적용 가능성을 논한 연구에서부터 시작하여 스포츠 및 체육학 분야에 적용될 시 발생할 수 있는 우려로 구체화되고 있음을 확인하였고, 방법론적 변화에 있어서 구체적이고 다양한 시도가 이루어지고 있음을 알 수 있었다. 이러한 변화에 있어서 스포츠 빅데이터 분석 방법이 보다 체계적이고 과학적인 제안으로 이어진다면, 향후 스포츠 및 체육학 분야에 광범위하게 적용될 수 있을 것으로 사료된다.

텍스트 마이닝과 소셜네트워크분석을 통한 AI·빅데이터 기반 제조기술 트렌드 연구

김일중(Iljung Kim),한아람(Aram Han),채희수(Heesu Chae),김하정(Hajeong Kim),유승화(Seunghwa Ryu),김준영(Joonyoung Kim),신민수(Minsoo Shin),김흥남(Heungnam Kim) 한국기술혁신학회 2021 기술혁신학회지 Vol.24 No.5

최근 스마트공장 질적 고도화의 일환으로 제조 생태계에 AI·빅데이터 기술적용에 대한 관심이 고조되고 있다. 그러나 기존 제조기술 트렌드 연구는 스마트공장 구축을 위한 자동화·로봇화에 집중되어 제조 AI·빅데이터 중심의 제조기술 트렌드 연구 및 활용은 미비한 실정이다. 본 연구는 제조업에 적용되는 AI·빅데이터 기술에 대한 최근 6년 동안의 주요 이슈 및 트렌드를 분석하여 제조기업의 AI·빅데이터 기술도입의 방향성을 제시하고자 한다. 분석결과의 적시성과 정확도를 증대하기 위해 특허, 논문, 뉴스, 박람회, 인공지능 중소벤처 제조플랫폼(KAMP) 콘텐츠를 분석 데이터로 통합화하였다. 그리고 수집 데이터의 정제로 Python 3.6과 텍스트 마이닝 및 소셜네트워크분석은 KrKwic 2.0, UCINET 6.721을 활용하였다. 분석 결과, 시간의 흐름에 따라 제조 특화 AI, 딥러닝, 알고리즘 키워드의 연결중심성이 높아지는 것으로 나타났으며 이를 구현하기 위해 고성능 컴퓨팅 기술을 포함한 다수의 제조AI 기술군집이 형성되었다. 제조현장의 AI 적용목적에 따라 보다 다양하고 최적화된 제조 특화 AI 알고리즘 및 제조 빅데이터 융·복합기술의 중요도가 증가하고 있음을 관찰할 수 있었다. Recently, there has been a surge of interest in manufacturing AI and big data technology application. Since current manufacturing technology trend research is focused on automation and robotization for the construction of smart factories, study and utilization of manufacturing technology trends centered on manufacturing AI and big data are insufficient. Therefore, this study examines major issues and trends in AI·big data technologies applied to the manufacturing industry over the last six years. To reflect the timeliness and accuracy of analysis results, patents, theses, news, fairs, and Korea AI Manufacturing Platform(KAMP) contents are integrated into analysis data, and data refinement is performed using Python 3.6, text mining, and social network analysis. KrKwic 2.0 and UCINET 6.721 were utilized for this purpose. It was discovered that the degree centrality of manufacturing AI keywords rose with time, prompting the formation of a number of manufacturing AI technology clusters. The significance of more diverse AI algorithms specialized in manufacturing and high-performance infra resources increases depending on the aim of AI application in the manufacturing site.

소셜 빅데이터 분석을 활용한 수상레저스포츠관광에 대한 인식 분석

오승욱,한진욱,김민수 한국스포츠산업경영학회 2019 한국스포츠산업경영학회지 Vol.24 No.4

본 연구는 소셜 미디어 빅데이터를 활용하여 수상레저스포츠관광과 관련한 동반 키워드를 확인하고, 관광객들의 소비 행태는 어떻게 나타나는지를 분석하여 수상레저스포츠관광의 최신 트렌드를 이해하는데 목적이 있다. 이러한 연구 목적을 달성하기 위해 수상레저스포츠관광과 관련된 키워드를 선정하고 2017년 4월 1일부터 2019년 3월 31일까지 최근 2년간 소셜 미디어에 나타난 수상레저스포츠관광 관련 버즈 데이터 총 973,401건을 수집하였다. 수집된 수상레저스포츠관광 관련 버즈를 분석하기 위해 빅데이터 솔루션 플랫폼인 펄스 K를 활용하여 7가지 속성(미디어, 만족도, 동반자, 숙박, 지역, 활동기간, 활동 종목) 키워드 매칭 조건에 따른 데이터 분석을 실행하였으며, 그에 대한 결과는 다음과 같다. 첫째, 수상레저스포츠관광 미디어 채널별 버즈량에서는 컨텐츠 생산형 채널인 블로그가 사회관계형 채널인 트위터, 페이스북 보다 높은 비율을 나타냈다. 둘째, 최근 2년간 수상레저스포츠관광에 대한 만족도는 약 55.37%로 나타났다. 셋째, 동반참여자는 가족, 친구, 커플의 순으로 나타났다. 넷째, 숙박형태는 호텔, 리조트, 게스트하우스의 순으로 나타났다. 다섯째, 지역분석은 경기, 진주, 구리 등의 순으로 나타났으며, 특정 장소에서는 인천국제공항, 제주지역 해변, 부산지역 해변 등의 순으로 나타났다. 여섯째, 활동 기간은 1박 2일, 당일치기, 2박 3일 순으로 나타났다. 일곱째, 수상레저스포츠 활동종목 분석에서는 보트, 서핑, 요트, 카누, 스쿠버다이빙, 카약 등의 순으로 높게 나타났다. 이러한 연구결과는 수상레저스포츠 관광 수요자들의 니즈를 파악하여 향후 수상레저스포츠 관광 활성화를 위한 정부의 관광 정책 및 여행사의 마케팅 전략 및 상품개발에 있어 기초자료로 활용할 수 있을 것으로 기대된다. The purpose of this study was to understand the latest trends in water leisure sport tourism by analyzing how the consumption patterns of tourists are displayed by identifying the keywords related to water leisure sport tourism using social media big data. To accomplish this purpose, keywords related to water leisure sport tourism were selected and a total of 973,401 buzz data in the past two years from April 1, 2017 to March 31, 2019. Seven attributes (media, satisfaction, companion, accommodation, area, activity period, and activity) are analyzed by keyword matching condition using ‘pulse K’, a big data solution platform, The results are as follows. Firstly, content production type channel, blog showed a higher rate of buzz than social relation channels such as Twitter and Facebook in terms of a share of each media channel for water leisure sport tourism. Secondly, satisfaction in water leisure sport tourism for the last two years was shown about 55.37%. Thirdly, most frequently mentioned companion types were family, friend, and couple in order. Fourthly, most frequently mentioned accommodation types were hotel, resort, and guest house in order. Fifthly, most frequently mentioned areas were Kyounggi, Jinju, and Guri in order. In particular, Incheon International Airport, Jeju Beach and Busan Beach were ranked in order. Sixthly, most frequently mentioned length of stay were one night two days, a day, and two nights three days in order. Seventhly, most frequently mentioned water leisure sport activities were boat, surfing, beach, recommendation, price, yacht, and hotel in order and most frequently mentioned water leisure sport activities were cycling, fishing, and camping in order. The results of this study can be used as a basic data for the government 's tourism policy and the marketing strategy and product development of the travel agency to promote the water leisure sport tourism in the future by grasping the needs of leisure sport tourists.

빅데이터 분석을 위한 그래프론 및 그 응용

박순형,이우기,Soon-Hyoung Park,Wookey Lee 한국빅데이터서비스학회 2014 한국빅데이터서비스학회 논문지 Vol.1 No.1

개체를 나타내는 노드와 그들간의 관계를 설명하는 간선으로 문제를 단순화 시켜 구성하며, 이는 소셜 네트웍, 컴퓨터 전산망, 월드와이드웹, 생화학, 의학 뿐만 아니라 물리, 화학, 생물, 정보학, 인문학, 사회학 등 다양한 분야에 응용되고 있다. 본 고에서는 그래프론을 통해 빅데이터를 효과적으로 다룰 수 있는 방법론을 살펴보았다. 우선 그래프 빅데이터에 대한 획득, 저장, 관리, 분석 관점의 기술들을 소개하고, 이를 통해 향후 효과 적인 그래프 빅데이터 서비스 방법론을 사용자에게 제공할 수 있을 것이라고 본다. 좀 더 구체적인 응용 예로서 특허 빅데이터 및 유가분석 시스템에 대한 그래프론의 적용 사례를 소개하였다 Graph theory simplifies the real world so that the entities can be viewed as nodes and their relationships as edges. The graph theory has been effective and efficient for the big graph application areas such as social networks, computer connections, world wide web, bio-chemistry, medical as well as physics, chemistry, genetic biology, informatics, humanities, sociologies, etc. Recently various methodologies for analyzing bigdata have been investigated for capturing, storing, managing, and analyzing on which we introduced the graph theory as one of the most effective solutions thereafter. Specifically as a detailed application example, the patent big graph data analysis and oil price realtime network have been introduced in depth.