Journal of Technology Innovation (기술혁신연구)

Korea Society for Innovation Managemetn & Economics (기술경영경제학회)
권호 표지
DOI QR코드

DOI QR Code

Exploring the leading indicator and time series analysis on the diffusion of big data in Korea

빅데이터 확산에 대한 선행 데이터 탐색 및 국내 확산 과정의 시계열 분석

  • 최진 (고려대학교 기술경영전문대학원) ;
  • 김영준 (고려대학교 기술경영전문대학원)
  • Published : 2018.11.30
Download PDF
⟨ Previous Next ⟩

Abstract

Big Data has spread rapidly in various industries since 2010. We analyzed the general characteristics of big data through time series analysis on the initial process of spreading big data and investigated the difference of diffusion characteristics in each industry. By analyzing papers, patents, news data, and Google Trend using Big Data as a keyword, we searched for data corresponding to the leading indicator, and confirmed that trends in news and Google Trend preceded the papers and patents by two years. We used Google Trend to compare the introduction period of domestic, US, Japan, and China and quantify the process of spreading the eight main industries in Korea through news data. Through this study, we present an empirical research method on how the general technology spreads in several industry sectors and we have figured out where the spreading speed difference of big data originated in each industry in Korea. The method presented here can be used to analyze the technology introduced from foreign countries in developing countries because it can be analyzed in diffusion process of other technologies besides big data and corresponds to the diffusion of technology keywords in a specific country. And, on the corporate side, this approach shows what path is effective when it comes to launching and spreading new technologies.

빅데이터는 2010년 이후 다양한 산업 분야에서 빠르게 확산이 진행되었다. 본 연구에서는 빅데이터가 확산되는 초기 과정에 대한 시계열 분석을 통해 빅데이터의 범용 기술 특징을 분석하였고, 각 산업의 확산 특성 차이에 대해 조사하였다. 빅데이터를 키워드로 하여 논문, 특허, 뉴스 데이터, 구글트렌드를 분석하여 선행 지수에 해당하는 데이터를 탐색하였고, 논문과 특허보다 뉴스와 구글트렌드가 2년가량 선행하는 트렌드를 보임을 확인하였다. 구글트렌드를 이용하여 국내와 미국, 일본, 중국의 국가별 도입시기와 확산 양산을 비교하였고, 뉴스 데이터를 통해 국내의 주요한 8가지 산업 분야에 대해 확산이 진행되는 과정을 정량적 그리고 사례를 바탕으로 분석하였다. 본 연구를 통해 빅데이터처럼 산업 전반에 걸쳐 영향을 주는 범용 기술이 어떻게 초기 확산이 이루어지는지에 대한 실증적 연구 방법을 제시하였고, 빅데이터가 국내에서 각 산업별 확산 속도 차이는 어디에서 비롯되는지 파악하였다. 본 논문에서 제시한 방법은 빅데이터 이외에 다른 기술의 확산 과정에도 분석할 수 있으며, 특정 국가내의 기술 키워드 확산에 해당하므로 개발도상국에서 외국으로부터 도입된 기술을 어떻게 받아들일지 분석하는데 사용 가능하다. 그리고, 기업 측면에서는 새로운 기술을 출시하고 이를 확산하고자 할 때 어떤 경로가 효과적인지 이해할 수 있다.

Keywords

References

  1. 김경태 (2014), 빅데이터 활용사례, 한국지능정보시스템학회, 한국지능정보시스템학회 학술대회논문집, pp.71-84.
  2. 김문수, 김호 (2003), 기술 및 수요속성에 따른 정보통신서비스 확산 패턴, 기술혁신연구, 제11권, 제2호, pp.71-89
  3. 김방룡, 홍재표, 고순주 (2014) 특허분석을 통한 빅데이터 기술개발 동향, ETRI 보고서
  4. 김은영, 이정훈, 서동욱 (2013), 빅데이터 시스템의 수용의도에 영향을 미치는 수용조직의 환경요인에 관한 연구, 한국데이타베이스학회지, 제20권, 제4호, pp.1-18
  5. 김정경 (2016), 국내.외 빅데이터 동향 및 성공사례, 대한산업공학회, ie 매거진, 제23권, 제1호, pp.47-52.
  6. 김정선, 송태민 (2014), 빅데이터 기술수용의 초기 특성 연구, 한국콘텐츠학회논문지, 제14권, 제9호, pp.538-555 https://doi.org/10.5392/JKCA.2014.14.09.538
  7. 김준모, 신준석 (2014), 특허 인용 네트워크와 동적 기술트리 분석을 활용한 기술 진화 경로 연구: 초고압 직류송전 시스템 사례, 기술혁신연구, 제22권, 제4호, pp.117-143. https://doi.org/10.14383/SIME.2014.22.4.117
  8. 김지웅, 허준, 김장일 (2013), 빅데이터의 금융기관 활용 사례, 전자공학회지 제40권, 제8호, pp.49-54.
  9. 김지혜, 장재영, 윤홍준, 김한준 (2010). 키워드 관련도를 이용한 뉴스기사의 연관검색 기법. 한국정보과학회 학술발표논문집, 제37권, 제1C호, pp.53-57.
  10. 김현우, 최윤정, 문영호 (2015). 과학계량학적 HCP 분석을 통한 연구개발 성과 평가. 한국기술혁신학회 학술대회, pp.226-240.
  11. 문진희, 권의준, 금영정 (2017), 특허 동시분류분석과 텍스트마이닝을 활용한 사물인터넷 기술융합 분석. 기술혁신연구, 제25권, 제3호, pp.1-24. https://doi.org/10.14383/SIME.2017.25.3.1
  12. 박대민 (2013). 뉴스 기사의 빅데이터 분석 방법으로서 뉴스정보원연결망분석. 한국언론학보, 제57권, 제6호, pp.234-262.
  13. 박세환 (2014), 빅데이터 기술 및 시장 동향, 정보통신기술진흥센터 주간기술동향, pp.15-24.
  14. 박재득, (2011) 빅 데이타 산업현황 및 대응방안, 한국산업기술평가관리원, KEIT PD Issue, 제11권, 제4호
  15. 박종현, 주창림, 신혁, 김문구 (2015), 기업의 빅데이터 수용의 영향요인, 한국경영학회 통합학술발표논문집 , pp.72-76
  16. 복경수, 유재수 (2014), 빅데이터 활성화 정책 및 응용 사례, 한국정보과학회, 정보과학회지 32(11), pp.46-57.
  17. 서윤교, 김시정 (2016). 뉴스 내용분석과 하이프 사이클을 활용한 기술기획의 탐색적 연구. 기술혁신학회지, 제19권, 제1호, pp.80-104.
  18. 서환주, 안정화 (2001), 정보통신기술의 확산과 결정요인, 기술혁신연구, 제9권, 제2호, pp.56-76
  19. 신민수, 박민규, 배성훈. (2017). 나노 인포매틱스 기반 구축을 위한 구글트렌드와 데이터 마이닝 기법을 활용한 나노 기술 트렌드 분석. 산업경영시스템학회지, 제40권, 제4호, pp.237-245. https://doi.org/10.11627/jkise.2017.40.4.237
  20. 신인용, 김현호 (2014), "일반범용기술과 경제성장. 생산성논집, 제28권, 제2호, pp.337-360.
  21. 이영주, 양현철 (2017), 활용 주체별 빅데이터 수용 인식 차이에 관한 연구: 활용 목적, 조직 규모, 업종 특성을 중심으로, 정보화정책, 제24권, 제1호, pp. 79-99 https://doi.org/10.22693/NIAIP.2017.24.1.079
  22. 이응용, (2012) 미국정부의 빅데이터 R&D전략, 인터넷&시큐리티 이슈, 한국인터넷진흥원
  23. 이재윤, 최상희. (2015). 논문 인용 영향력 측정 지수의 편향성에 대한 연구. 정보관리학회지, 제32권, 제4호, pp.205-221. https://doi.org/10.3743/KOSIM.2015.32.4.205
  24. 임수정, 박덕근 (2018), 소셜미디어 분석을 활용한 재난안전산업 육성정책 수립방안, 기술혁신연, 제26권, 제1호, pp.31-57. https://doi.org/10.14383/SIME.2018.26.1.31
  25. 정보통신산업진흥원 (2013), 빅데이터 확산에 따른 도전과 기회, 주간기술동향 1498
  26. Accenture (2014). Big Success with Big Data.
  27. Bai, J., Fan, J., & Tsay, R. (2016). Special Issue on Big Data, Journal of Business & Economic Statistics, Vol.34, pp.487-488 https://doi.org/10.1080/07350015.2016.1197681
  28. Bass, F. M. (1969). A new product growth for model consumer durables. Management science, Vol.15, No.5, pp.215-227. https://doi.org/10.1287/mnsc.15.5.215
  29. Bourgoin, M. O., & Smith, S. J. (1995). Big Data--Better Returns, Leveraging Your Hidden Data Assets to Improve ROI. Artificial Intelligence in the Capital Markets, Probus Publishing Company.
  30. Bresnahan, T. (2010). General purpose technologies. In Handbook of the Economics of Innovation (Vol. 2, pp. 761-791). North-Holland.
  31. Bresnahan, T. F., & Trajtenberg, M. (1995). General purpose technologies 'Engines of growth'?. Journal of econometrics, Vol.65, No.1,pp. 83-108. https://doi.org/10.1016/0304-4076(94)01598-T
  32. Chen, H., Chiang, R. H., & Storey, V. C. (2012). Business intelligence and analytics: from big data to big impact. MIS quarterly, Vol.36, No.4, pp.1165-1188. https://doi.org/10.2307/41703503
  33. Choi, H., & Varian, H. (2012). Predicting the present with Google Trends. Economic Record, Vol.88, No.s1, pp.2-9. https://doi.org/10.1111/j.1475-4932.2012.00809.x
  34. Cox, M., & Ellsworth, D. (1997, October). Application-controlled demand paging for out-of-core visualization. In Proceedings of the 8th conference on Visualization'97 (pp. 235-ff). IEEE Computer Society Press.
  35. Demchenko, Y., Gruengard, E., & Klous, S. (2014). Instructional model for building effective Big Data curricula for online and campus education. In Cloud Computing Technology and Science (CloudCom), IEEE 6th International Conference (pp. 935-941)
  36. Devlin, B., Rogers, S., Myers, J. (2012). EMA and 9sight Consulting Report, http://www.9sight.com/pdfs/Big_Data_Comes_of_Age.pdf
  37. Diebold, F. (2012). A Personal Perspective on the Origin (s) and Development of'Big Data': The Phenomenon, the Term, and the Discipline, Second Version.
  38. Douglas, K. (2015). Technologies for Data. Working paper of SAF05 project.
  39. Ena, O., Mikova, N., Saritas, O., & Sokolova, A. (2016). A methodology for technology trend monitoring: the case of semantic technologies. Scientometrics, Vol.108, No.3, pp.1013-1041. https://doi.org/10.1007/s11192-016-2024-0
  40. Fanelli, D. (2013). Any publicity is better than none: newspaper coverage increases citations, in the UK more than in Italy. Scientometrics, Vol.95, No.3, 1167-1177. https://doi.org/10.1007/s11192-012-0925-0
  41. Fourt, L. A., & Woodlock, J. W. (1960). Early prediction of market success for new grocery products. The Journal of Marketing, Vol.25, No.2, pp.31-38. https://doi.org/10.1177/002224296002500206
  42. Gandomi, A., & Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, Vol.35, No.2, pp.137-144. https://doi.org/10.1016/j.ijinfomgt.2014.10.007
  43. Gartner (2010) https://www.gartner.com/newsroom/id/1210613
  44. Gartner (2011) https://www.gartner.com/newsroom/id/1454221
  45. Gartner (2014). Survey analysis: Big Data Investment Grows but Deployments Remain Scarce in 2014.
  46. Gossart, C. (2015). Rebound effects and ICT: a review of the literature. In ICT innovations for sustainability (pp. 435-448). Springer, Cham.
  47. Greenhalgh, T., Robert, G., Macfarlane, F., Bate, P., & Kyriakidou, O. (2004). Diffusion of innovations in service organizations: systematic review and recommendations. The Milbank Quarterly, Vol.82, No.4, pp.581-629. https://doi.org/10.1111/j.0887-378X.2004.00325.x
  48. Greve, H. R. (2009). Bigger and safer: The diffusion of competitive advantage. Strategic Management Journal, Vol.30, No.1, pp.1-23. https://doi.org/10.1002/smj.721
  49. Greve, H. R., & Seidel, M. D. L. (2015). The thin red line between success and failure: Path dependence in the diffusion of innovative production technologies. Strategic Management Journal, Vol.36, No.4, pp.475-496. https://doi.org/10.1002/smj.2232
  50. Guerrieri, P. A. O. L. O., & Padoan, P. C. (2007). Modelling ICT as a general purpose technology. Evaluation, https://pardee.du.edu/sites/default/files/ModelingICT.pdf
  51. Helpman, E. (Ed.). (1998). General purpose technologies and economic growth. MIT press.
  52. Hu, J., & Zhang, Y. (2017). Discovering the interdisciplinary nature of Big Data research through social network analysis and visualization. Scientometrics, Vol.112, No.1, pp.91-109. https://doi.org/10.1007/s11192-017-2383-1
  53. IBM (2012). The real-world use of big data: How innovative enterprises extract value from uncertain data
  54. Jewell, D., Barros, R. D., Diederichs, S., Duijvestijn, L. M., Hammersley, M., Hazra, A., ... & Portilla, I. (2014). Performance and capacity implications for big data. IBM Redbooks.
  55. Kearns, M. J. (2010). Designing a digital future: Federally funded research and development in networking and information technology.
  56. Kubacki, K., Rundle-Thiele, S., Pang, B., & Buyucek, N. (2015). Minimizing alcohol harm: A systematic social marketing review (2000-2014). Journal of Business Research, Vol.68, No.10, pp.2214-2222. https://doi.org/10.1016/j.jbusres.2015.03.023
  57. Laney, D. (2001). 3D data management: Controlling data volume, velocity and variety. META Group Research Note, Vol.6, No.70.
  58. Liao, H., Wang, B., Li, B., & Weyman-Jones, T. (2016). ICT as a general-purpose technology: The productivity of ICT in the United States revisited. Information Economics and Policy, Vol.36, pp.10-25. https://doi.org/10.1016/j.infoecopol.2016.05.001
  59. Liu, N., An, H., Gao, X., Li, H., & Hao, X. (2016). Breaking news dissemination in the media via propagation behavior based on complex network theory. Physica A: Statistical Mechanics and its Applications, 453, pp.44-54. https://doi.org/10.1016/j.physa.2016.02.046
  60. McKinsey Global Institute (2011). Big data: The next frontier for innovation, competition, and productivity
  61. Mashey, J. R. (1997, October). Big Data and the next wave of infraS-tress. In Computer Science Division Seminar, University of California, Berkeley.
  62. McAfee, A., Brynjolfsson, E., Davenport, T. H., Patil, D. J., & Barton, D. (2012). Big data: the management revolution. Harvard business review, Vol.90, No.10, 60-68.
  63. Meade, N., & Islam, T. (2006). Modelling and forecasting the diffusion of innovation-A 25-year review. International Journal of forecasting, Vol.22, No.3, pp.519-545. https://doi.org/10.1016/j.ijforecast.2006.01.005
  64. Narin, F. (1995). Patents as indicators for the evaluation of industrial research output. Scientometrics, Vol.34, No.3, pp.489-496. https://doi.org/10.1007/BF02018015
  65. National Information Agency (2014). Year of Information Society Static
  66. O'Leary, D. E. (2013). BIG DATA', THE 'INTERNET OF THINGS'AND THE 'INTERNET OF SIGNS. Intelligent Systems in Accounting, Finance and Management, Vol.20, No.1, pp.53-65. https://doi.org/10.1002/isaf.1336
  67. Pateli, A. G., & Giaglis, G. M. (2005). Technology innovation-induced business model change: a contingency approach. Journal of Organizational Change Management, Vol.18, No.2, pp.167-183. https://doi.org/10.1108/09534810510589589
  68. Pradhan, R. P., Arvin, M. B., & Norman, N. R. (2015). The dynamics of information and communications technologies infrastructure, economic growth, and financial development: Evidence from Asian countries. Technology in Society, Vol.42, pp.135-149. https://doi.org/10.1016/j.techsoc.2015.04.002
  69. Preis, T., Moat, H. S., & Stanley, H. E. (2013). Quantifying trading behavior in financial markets using Google Trends. Scientific reports, 3, srep01684.
  70. Rogers, E. M. (1976). New product adoption and diffusion. Journal of consumer Research, Vol.2, No.4, pp.290-301. https://doi.org/10.1086/208642
  71. Seyedghorban, Z., Matanda, M. J., & LaPlaca, P. (2016). Advancing theory and knowledge in the business-to-business branding literature. Journal of Business Research, Vol.69, No.8, pp.2664-2677. https://doi.org/10.1016/j.jbusres.2015.11.002
  72. Sheng, J., Amankwah-Amoah, J., & Wang, X. (2017). A multidisciplinary perspective of big data in management research. International Journal of Production Economics, Vol.191, pp.97-112. https://doi.org/10.1016/j.ijpe.2017.06.006
  73. Shollo, A., & Galliers, R. D. (2016). Towards an understanding of the role of business intelligence systems in organisational knowing. Information Systems Journal, Vol.26, No.4, pp.339-367. https://doi.org/10.1111/isj.12071
  74. Taylor, L., Schroeder, R., & Meyer, E. (2014). Emerging practices and perspectives on Big Data analysis in economics: Bigger and better or more of the same?. Big Data & Society, Vol.1, No.2,
  75. Thoma, G. (2008). Striving for a large market: evidence from a general purpose technology in action. Industrial and Corporate Change, Vol.18, No.1, pp.107-138. https://doi.org/10.1093/icc/dtn050
  76. Tilly, C. (1984). The old new social history and the new old social history. Review (Fernand Braudel Center), Vol.7, No.3, pp.363-406.
  77. Wang, L., & Alexander, C. A. (2015). Big data in design and manufacturing engineering. American Journal of Engineering and Applied Sciences, 8, No.2, pp.223. https://doi.org/10.3844/ajeassp.2015.223.232
  78. Watanabe, C., Naveed, K., & Neittaanmaki, P. (2015). Dependency on un-captured GDP as a source of resilience beyond economic value in countries with advanced ICT infrastructure: Similarities and disparities between Finland and Singapore. Technology in Society, Vol.42, pp.104-122. https://doi.org/10.1016/j.techsoc.2015.04.003
  79. Zhang, L., Xu, K., & Zhao, J. (2017). Sleeping beauties in meme diffusion. Scientometrics, Vol.112, No.1, pp.383-402. https://doi.org/10.1007/s11192-017-2390-2