전자세금계산서데이터를 활용한 가치사슬 구축 알고리즘 : 자동차 부품 산업을 중심으로 = A Value Chain Construction Algorithm Using Electronic Tax Invoice Data : Focused on Automobile Parts Industry

국문 초록 (Abstract)

가치사슬 속하는 기업들을 분류하는 작업은 기업 내부 담당자 및 전문 컨설턴트에 의해 수행되어져왔다. 본 연구는 기업 간 거래에서 발생되는 전자세금계산서 데이터를 활용하여 가치사슬 기업들을 자동적으로 분류해주는 알고리즘을 제안하고자한다. 가치사슬 구축 작업은 두 가지 특징을 가지는데 첫째, 가치사슬 기업들에 대한 정보 수집의 한계로 학습데이터의 크기가 적다는 점과 둘째, 기업마다 가치사슬 기업을 정의하는 기준이 다르다는 점이다. 이러한 상황을 고려하여 본 연구에서는, 적은 학습데이터로도 비교적 안정적인 모델 구축이 가능한 규칙기반학습 모형을 기반 알고리즘으로 활용하였고, 특정 기업의 거래데이터에 과적합된 가치사슬 분류 규칙이 생성되지 않도록 기존의 규칙기반학습의 일부를 변형하여 한 기업의 학습데이터만으로도 일반화된 규칙을 생성하는 모형을 제시하였다. 본 연구의 모형은 기존 알고리즘들과 동일하게 주어진 학습데이터를 활용하여 규칙을 생성하는 SRB모형과 학습데이터를 사용하지 않고 사전에 정의한 조건을 기반으로 규칙을 생성하는 URB모형 두 가지 형태로 구성되어 있다. 두 모형의 분류 성능을 평가하기 위해 자동차 부품 업체 3기업의 거래데이터를 사용하였고, 한 기업의 거래데이터를 모형 학습에 사용하고 나머지 두 기업에 구축된 모형을 적용하는 과정을 3기업에 모두 수행하여 성능을 측정하였다. 동일한 실험을 기존 규칙기반학습 알고리즘인 DT, LEM2 그리고 CN2에도 적용하여 기존 모형과의 성능 차이를 비교해 보았다. 실험 결과, SRB와 URB모형이 정밀도, 재현율 그리고 F1-척도에서 가장 높은 성능을 보였고 성능 편차 역시 가장 적어, 안정적이면서도 정확하게 가치사슬에 속하는 기업들을 분류하고 있음을 확인하였다. 본 연구의 결과는 전문가들에 의해 수동적으로 구축되던 가치사슬 기업 분류가 기업 간 거래데이터로부터 얻어진 분류 규칙을 통해 자동적으로 구축될 수 있다는 가능성을 제시하고 있다.

다국어 초록 (Multilingual Abstract)

The classification of the companies in the value chain has been carried out by company representative and professional consultants. This study proposes an algorithm to automatically classify the value chain enterprises using electronic tax invoice data generated from B2B transactions. The task of building a value chain has two characteristics : First, the training dataset is small due to the limit of collecting information about the value chain enterprises. Second, the criteria defining the value chain are different from enterprise to enterprise. In this study, we use a rule-based learning model that can construct a relatively stable model even with a small dataset. Also, in order to prevent the over-fitting rule, we modified a part of rule-based learning and proposed a model that generates generalized rule with only one company 's transaction data. The model of this study consists of SRB model that generates rules by using given training data and URB model which generates rules based on predefined conditions without using training data. In order to evaluate the classification performance of the two models, we used transaction data from three companies in the auto parts industry, and then performance was measured by applying the model constructed by one company's transaction data to the other two companies. The same experiment was applied to the existing rule-based learning algorithms DT, LEM2 and CB2 to compare performance. Experimental results show that the SRB and URB models show the highest performance and less deviation of performance in precision, recall, and F1-scale, indicating that both models are more stable and accurately classify value chain enterprises than other algorithms. The results of this study suggest that the value chain enterprise classification, which was manually established by experts, can be established automatically through classification rules derived from transaction data between companies.

목차 (Table of Contents)

• I. 서 론 1
• 1. 연구배경 1
• 2. 연구목적 1
• II. 선행 연구 3
• 1. 정량적 접근의 가치사슬 구축 연구 3
• 2. 규칙기반학습 4
• III. 연구 방법 7
• 1. 가치사슬의 정의 7
• 2. 데이터 소개 8
• 3. 가치사슬 구축 모형 14
• IV. 사례 연구 21
• 1. 분석 대상 21
• 2. 가치사슬 구축 22
• 3. 알고리즘 성능 평가 26
• V. 결 론 30
• 1. 결론 30
• 2. 추후 연구 방향 31
• 참고문헌 32
• 영문초록(Abstract) 35