데이터 기반 연구개발 관리 혁신 방안

다국어 초록 (Multilingual Abstract)

In the era of digital transformation, the government is pushing for R&D system integration. The goals of this study are as follows. It presents theories and methodologies for innovation in data-driven R&D management. Second, we propose an innovation policy plan for data-driven R&D management. According to previous studies, data-driven R&D has recently become important due to evidence-based science and technology policy, science of science policy, the 4th industrial revolution, and big data. In 2013, the OECD announced Data-driven Innovation. Korea is linking and integrating R&D databases (e.g. NTIS ; National Science & Technology Information Service). The vision and framework of this study is as follows. The vision of this research is to build a ‘national science and technology data platform’ for data-driven R&D. The ‘national science and technology data platform’ is the most important to meet the needs of data users. Therefore, the framework of this study identifies the user needs of the R&D process. The R&D process consists of five fields (planning / selection / execution / performance evaluation / performance utilization / infrastructure).
First, Planning Innovation for Data-driven R&D. R&D planning refers to an activity that prepares efficient means to achieve R&D goals. R&D planning methods is largely divided into Qualitative Method and Quantitative Method. The Qualitative Method is a method of utilizing the experience and opinion of experts. Quantitative Method is a method that utilizes statistics and trend analysis. Recent R&D Planning uses a mixture of Qualitative Method and Quantitative Method (e.g. technology roadmap, DelpHi, Technology Life Cycle, Cross Impact Analysis, etc.). The planning innovation policy task for data-driven R&D suggests building a platform for integrating and providing R&D planning information, constant monitoring, establishing a BERA (Big-data based Early-stage R&D Analysis) centers, and providing consulting services.
Second, Selection and Implementation Innovation for Data-driven R&D. As a result of the survey, there is a problem with fairness in the selection and implementation of R&D. To solve the problem of selection and implementation, it is necessary to build a big data platform. The selection and implementation innovation policy task suggests step-by-step intelligence, the establishment of an R&D big data ecosystem, and the use of advanced technologies.
Third, Performance Evaluation Innovation for Data-driven R&D. Performance Evaluation refers to an activity that evaluates R&D according to indicators. Performance evaluation lacks autonomy, strategy, expertise, and openness. Therefore, the Performance Evaluation Innovation policy tasked to suggest accumulation, linkage, and sharing with evaluation information, utilization of evaluation results, and establishment of a policy monitoring system.
Fourth, Research Utilization Innovation for data-driven R&D. Research Utilization lacks user supported services (supplier-centered management), connectivity/openness, technical/policy basis, information protection standards, and compensation system. Therefore, the Research Utilization Innovation policy task was to propose user-oriented information provision, activation of DB-linked services, reinforcement of access to research data, and establishment of rules for using research information.
Fifth, Data Infrastructure Innovation for Data-driven R&D. Data Infrastructure is the most important to collect data that can be utilized. Therefore, it should be reorganized centering on the users (organizations) used.
In conclusion, this study proposes the establishment of a ‘national science and technology data platform’ for the development of data-driven R&D innovation policies. The ‘national science and technology data platform’ should be developed step by step (1st to 3rd steps).

목차 (Table of Contents)

• [표지]
• [목차]
• 표목차
• 그림목차
• [요약]
• [제1장 서론]
• 제1절 연구의 배경과 목표
• 제2절 선행연구
• 제3절 ‘데이터 기반 연구개발 관리 체계’의 비전과 연구의 틀
• [제2장 연구개발 관리의 운영 현황과 문제]
• 제1절 연구개발 관리의 일반 현황
• 제2절 전문기관 연구개발 관리 사례
• 제3절 현행 연구개발 관리의 문제
• [제3장 데이터 기반 연구개발 관리의 법제도 현황]
• 제1절 공동관리규정과 국가연구개발혁신법
• 제2절 R&D 프로세스별 데이터 기반 연구개발 관리 법제도 현황
• [제4장 데이터 기반 R&D 기획 혁신 방안]
• 제1절 연구개발 기획
• 제2절 연구개발 기획의 주요 방법론
• 제3절 기존 연구개발 기획의 한계
• 제4절 소결
• [제5장 데이터 기반 R&D 과제 선정 및 수행 혁신]
• 제1절 현재의 R&D 과제 선정 절차와 문제점
• 제2절 빅데이터 플랫폼 구축의 필요성
• 제3절 R&D과제 선정 및 수행 개선방안
• 제4절 데이터 기반 연구개발 혁신을 위한 정책방향
• [제6장 데이터 기반 R&D 성과평가 혁신방안]
• 제1절 국가 연구개발 성과평가 현황
• 제2절 데이터 기반 성과평가 이슈와 개선과제
• 제3절 데이터 기반 성과평가 혁신방안
• [제7장 데이터 기반 연구성과 활용 혁신 방안]
• 제1절 국내 연구성과 관리·활용 현황
• 제2절 연구성과 활용·확산의 핵심 이슈와 문제점
• 제3절 데이터 기반 연구성과 활용 개선의 방향
• [제8장 연구개발 관리체계의 데이터 인프라 혁신 방안]
• 제1절 연구개발 관리체계의 데이터 인프라
• 제2절 데이터 인프라 혁신 방안
• [제9장 결론: 데이터 기반 연구개발 관리 혁신 정책과제]
• 제1절 데이터 기반 연구개발 관리 혁신의 비전: 국가과학기술데이터 플랫폼
• 제2절 데이터 기반 연구개발 관리 혁신을 위한 정책 과제
• [참고문헌]
• [Summary]
• [Contents]