[한양대] 지식서비스연구소 2024년도 12월 뉴스레터

2024. 12. 6.

2024.12. vol.24-12

한양대학교 일반대학원 경영컨설팅학과와 한양대학교 지식서비스연구소의 소식을 전합니다.

📪 컨설팅학과 이야기

🚀[IKS CORE Seminar #4]

11월 13일 18시, 제 4회 IKS CORE 세미나가 진행되었습니다!

이번 세미나에서는 각 팀들이 선정한 논문 주제와 연구 모형에 대해 깊이 있는 논의를 펼치는 시간을 가졌습니다.📚

이전 세미나와 비교해 일부 주제가 변동되었습니다. 변경된 주제인 e스포츠의 특징이 재관람에 미치는 영향을 포함해 모빌리티 플랫폼과 소비자 행동, 신생 벤처 기업 M&A의 영향에 대해 발표했습니다. 각 팀은 연구 방향을 구체화하고 대략적인 연구 모형에 대해 논의하며 향후 발전 가능성을 모색했습니다.

이번 세미나는 활발한 아이디어 교류와 열띤 토론이 돋보인 시간이었습니다. 연구에 대한 뜨거운 열정이 앞으로도 이어지길 바라며, 다가오는 세미나에서도 더욱 깊이 있는 논의와 의미 있는 성과가 함께하기를 기대합니다!💡🔥

📚 [한국능률협회컨설팅 경영혁신 대학(원)생 공모전 장려상 수상]

'토픽모델링과 Q-방법론을 활용한 YONO 소비 트렌드 탐색 및 맞춤 전략 연구: 유통업계를 중심으로'를 주제로 공모전에 참여한 비욘드 팀이 2차 PT심사 결과 장려상을 받게되었습니다.🎉🎉

지난 11월 22일 금요일, 2024년 제20회 경영혁신 대학(원)생 공모전 최종 결과가 발표 되었습니다. 올해 공모전은 총 150여편의 과제물이 접수되었으며 그 중 20팀이 1차 선정되었습니다.

비욘드 팀은 YONO 소비 트렌드에 관한 뉴스 기사와 블로그를 크롤링해 토픽모델링을 진행했습니다. 도출된 토픽을 활용한 Q 방법론을 통해 YONO 소비 트렌드의 특성을 네 가지로 분류하였으며, 각 특성에 맞는 맞춤 전략과 쉬프팅 전략을 제시하였습니다.

장려상을 수상한 비욘드 팀을 축하하며, 이 경험을 토대로 앞으로도 열정적인 연구 활동을 이어나갈 수 있길 기대합니다. 또한 공모전 준비에 많은 노력을 기울여주신 모든 분들에게 감사의 말씀을 전합니다!

💥 [2024년 문화체육관광 데이터 활용대회 우수상 수상]

12월 5일 목요일 데이팅 팀이 '인구감소 지역 경제활성화를 위한 맞춤형 관광 홍보 전략 제시 : 토픽모델링을 중심으로'란 주제로 '2024년 문화체육관광 데이터 활용대회'에 참가해 우수상을 수상했습니다!🎉🎉

올해로 12회를 맞이한 문화체육관광 데이터 활용대회에서 참가자들은 데이터를 통해 현황을 분석·진단하고 정책적 활용이 가능한 솔루션을 제시했습니다.

🌟 데이팅 팀은 인구 감소 지역의 경제 활성화를 목표로 데이터를 기반으로 한 관광 홍보 전략을 제안했습니다. 국민여행조사(2018~2023년) 데이터와 관광지식정보시스템의 관광정책 포커스 페이지 크롤링 데이터를 활용하여 토픽모델링을 진행한 후 해당 지역의 특성을 반영한 맞춤형 전략을 통해 해결 방안을 제시했습니다.

우수상을 수상한 데이팅 팀을 축하하며, 새로운 시각으로 데이터 활용 기획과 시사점을 담아냄으로써 더 큰 인사이트를 얻을 수 있는 능력을 확장할 수 있길 기대합니다.

📖 [석박통합과정 허형조 원우님 추계학술대회 우수발표상 선정]

11월 1일 한국품질경영학회와 한국신뢰성학회가 공동 주관한 추계학술대회 포스터세션에 발표된 논문중 우수발표상으로 한양대 경영컨설팅학과 석박통합과정 5기 재학중인 허형조 원우님이 발표한 주제 "딥러닝 OCR 기반의 군수품 시험성적서 DB화 프로그램 연구"가 선정되었습니다.

최근 수출이 비약적으로 늘고 있는 K국방 품질 4.0의 핵심 요소인 빅데이터와 인공지능 적용을 위해선 데이터 축적과 디지털화가 필수 사전과정으로, 군수업체에서는 성적서 DB화 요구가 높아지고 있는 배경 하에 실제 효과까지 확인한 과정이 높이 평가되었다고 보입니다.

본 연구에서는 딥러닝 OCR 기술을 활용해 성적서 표에 들어 있는 데이터를 높은 인식률로 추출하고자 RNN의 단점이 보강된 LSTM(장단기 기억알고리즘) 라이브러리를 활용하였습니다. 군수품 시험성적서는 제품, 시험 항목, 측정치, 판정 결과 등으로 구성되어 있으며 글보단 표로 작성됩니다. 이에 맞게 군수품 시험성적서 표내 데이터를 추출하는데 최적화된 성적서 프로그램을 제작하는 과정과 인식률을 올리는 과정, 효과 파악까지 시도한 국순업체 품질분야 최초의 연구사례로 의미가 있겠습니다. 우수발표상 수상을 다시 한번 축하드립니다.

🙋‍♂️ [학부연구원 인터뷰]

지식서비스연구소에 새롭게 합류한 학부연구원 두 분과의 인터뷰를 진행했습니다!

이번 인터뷰에는 공윤서 학생과 하유진 학생이 함께 참여하여 연구소 생활과 앞으로의 계획에 대해 이야기를 나눴습니다. 이제 두 학생이 지식서비스연구소에서 어떤 경험을 쌓아가고 있는지, 그리고 그들의 열정과 목표는 무엇인지 들어보겠습니다.

Q. 안녕하세요. 인터뷰에 응해 주셔서 감사합니다. 간단한 자기소개 부탁드립니다.

(👱‍♀️윤서) 안녕하세요! 경제학부 19학번 공윤서라고 합니다. 항상 학부연구원으로 근무하는 친구들을 부러워했는데, 아직도 제가 학부연구원이라는 사실이 믿기지 않아요. 심지어 벌써 3개월차라는게 신기해요.

(👩유진) 안녕하세요 지식서비스 연구소에서 학부연구원으로 근무중인 경제학부 21학번 하유진입니다. 아직 3개월차 병아리 연구원이랍니다ㅎㅎ 연구실 내에서 다양한 연구 활동들과 업무들을 맡으며 근무하고 있습니다.

Q. 현재 연구소에서 하고 있는 연구와 앞으로 하고 싶은 연구는 무엇인가요?

(👱‍♀️윤서) 현재는 김해원 박사님, 문하윤 학부연구원과 함께 기업 데이터를 활용한 연구를 진행하고 있습니다. 산업단지 관련 논문은 많이 봐왔지만 기업 데이터를 활용한 논문을 진행하는 것은 처음이라 아직 어렵고 서툴지만 잘 해내고 싶다는 생각을 하고 있습니다. 또한 김철민 박사님, 김유나 선배님, 문하윤 학부연구원과 함께 AARRR 관련 교수학습 자료를 만들고 있습니다. 처음 접해보는 주제라 생소하지만 다양한 공부를 할 수 있는 좋은 기회라고 생각합니다. 저는 산업단지를 흥미롭게 봐왔기 때문에 산업단지와 스타트업 관련 연구를 진행해보고 싶습니다.

(👩유진) 현재 연구소에서 김유나 선배님과 함께 '모빌리티 서비스 기능 확장 효용성 분석과 전략적 우선순위 도출 방법론'에 관한 연구를 진행하고 있습니다. 그리고 김해원 박사님과 함께 패널데이터에 관한 교수학습 자료도 만들고 있습니다. 주제 선정부터 방법론 선정까지 아직은 너무나도 어렵고 잘하고 있나라는 고민도 듭니다. 하지만 항상 옆에서 피드백과 조언을 해주시는 선배님과 박사님 덕분에 흔들리지 않고 잘 하고 있는 것 같습니다. 앞으로 하고 싶은 연구는 이번 기회를 통해 패널데이터에 관련해서 더 깊이있게 공부해보고 싶습니다!

Q. 학부연구원으로 근무하는 동안 목표로 삼고 계신 계획이 있으신가요?

(👱‍♀️윤서) 저는 일단 최대하게 다양한 연구 활동을 하는 것을 목표로 삼고 있습니다. 요즘 어디에서든 ‘실무적 경험’이라는 키워드가 가장 중요하게 관통하는 것을 느끼고 있습니다. 하지만 학교 수업 만으로는 그러한 경험을 쌓는 것이 한계가 있다고 생각하기 때문에 연구소에서 다양한 ‘실무적 경험’을 쌓아가겠다고 목표로 삼고 있습니다. 더불어 저의 부족한 데이터 분석 역량도 발전시키고 싶습니다.

(👩유진) 네, 학부연구원으로서 저는 BA 융합전공에서 배운 데이터 분석 툴들을 직접 프로젝트에 적용하며 제 역량을 키우는 것을 목표로 하고 있습니다. 데이터 수집, 정제, 데이터 분석, 그리고 결과 도출까지의 과정을 프로젝트에 활용하여 인사이트를 도출할 수 있는 역량을 키우고 싶습니다. 또한 그동안은 이론적 지식 위주로 공부했다면 연구소에서 이를 실무와 연결해 분석 역량을 더욱 발전시키고 싶습니다. 남은 기간도 파이팅!

Q. 학부연구원으로 근무 중 가장 기억에 남는 순간이 있으신가요?

(👱‍♀️윤서) 저는 아무래도 Kmac 공모전 1차를 통과했을 때가 가장 기억에 남는 순간이 아닐까 싶습니다. 제가 학교를 다니면서 해본 프로젝트 중에 가장 장기적인 프로젝트였고, 이렇게 큰 공모전은 처음 참가해봐서 더욱 기억에 남습니다. 하나의 프로젝트를 시작부터 끝까지 해내는 과정에서 많은 배움과 깨달음이 있었습니다!

(👩유진) 가장 기억에 남는 순간은 세미나를 6시간 동안 진행했던 날입니다. 비즈빅 세미나와 코어 세미나가 같은날 열려 세미나 시간이 길어졌지만. 6시간이 짧게 느껴질 정도로 교수님들과 모든 연구원들의 열정이 저에게 더 좋은 자극으로 다가왔던 것 같습니다. 특히 세미나 후 먹는 이삭토스트는 정말 꿀맛이었습니다 ㅎㅎ

Q. 마지막으로 하고 싶은 말씀 있으신가요?

(👱‍♀️윤서) 이제 어느덧 학부연구원일 날이 학부연구원이었던 날보다 더 짧게 남았는데요, 그 어디에서도 쉽게 경험해보지 못할 귀중한 시간이라고 생각합니다. 항상 수업 이외에는 데이터 분석과 관련된 활동을 비롯해 함께 공부하고 연구할 사람들을 찾는 것이 매우 어려웠습니다. 하지만 비즈빅과 학부연구원이라는 좋은 기회가 찾아와 정말 많이 성장할 수 있었던 것 같습니다. 항상 고생해주시는 지식서비스 연구소의 모든 구성원 분들에게 감사하다는 말씀 전하고 싶습니다.

(👩유진) 지금 학부연구원으로 근무를 시작한 지 어연 3개월이 되었습니다. 그동안 바쁘게 여러 프로젝트와 업무를 수행하면서 많은 것을 배우고 성장할 수 있었습니다. 앞으로의 3개월 동안은 지금보다 더욱 성장하고 발전하고 싶습니다. 새로운 도전에 적극적으로 임하며, 연구에 더 깊게 기여할 수 있는 학부연구원이 되도록 최선을 다하겠습니다

👔 컨설팅 이야기

더 많은 컨설팅 이야기를 지식서비스연구소 홈페이지에서 살펴볼 수 있습니다. Click!

💭 데이터 기반 의사결정에서의 함정과 개선 방안

최근 많은 기업이 데이터를 활용해 의사결정을 내리고 있지만 잘못된 해석으로 인해 의도치 않은 문제를 겪는 사례가 늘고 있습니다. 특히 상관관계를 인과관계로 착각하거나 데이터의 맥락과 신뢰도를 간과하는 경우가 대표적인 문제로 지적됩니다.

1. 데이터 활용의 함정

데이터 기반 의사결정에서 흔히 발생하는 문제는 다음과 같습니다.

첫째, 상관관계와 인과관계의 혼동입니다. 분석 결과를 실제 원인과 결과로 착각하는 경우가 많습니다. 예를 들어 이베이(eBay)는 광고 효과를 과대평가하며 고객 유입의 주된 원인으로 해석했지만 실험을 통해 자연 발생적 수요를 광고 효과로 잘못 해석했음을 발견했습니다.

둘째, 샘플 크기와 일반화의 오류입니다. 작은 샘플로부터 얻어진 데이터를 과도하게 신뢰하거나 특정 환경에서의 결과를 다른 상황에 적용하면서 잘못된 결론에 도달하는 경우가 많습니다. 이는 데이터 신뢰도를 떨어뜨리고 의사결정의 정확성을 저하시킬 수 있습니다.

셋째, 심리적 안전성 부족이다. 조직 내에서 반대 의견이나 비판적 분석이 억압되면 그룹 싱크(Groupthink)가 발생합니다. 이는 데이터에 대한 다각적인 해석을 막고 편향된 결정으로 이어질 수 있습니다.

2. 데이터 활용을 위한 개선 방안

데이터 활용의 문제를 해결하기 위해 전문가들은 다음 네 가지 방안을 제안합니다.

첫째, 인과관계 검증 프로세스를 도입해야 합니다. 데이터 분석 시 모든 결과는 실험적 근거를 철저히 검토하고 잠재적 혼란 변수(Confounding Variables)의 영향을 통제하여 결과의 신뢰성을 확보해야 합니다.

둘째, 샘플 크기와 신뢰 구간을 고려해야 합니다. 데이터 해석 과정에서 샘플 크기와 신뢰 구간을 명확히 평가하는 체계를 구축함으로써 결과의 변동성을 파악하고 분석의 신뢰성을 높일 수 있습니다.

셋째, 결과의 적합성과 장기적 관점을 검토해야 합니다. 단기적인 성과에만 집중하지 않고 장기적으로 조직의 목표에 부합하는 데이터를 우선적으로 분석해야 합니다. 이를 통해 단기적 성과와 지속 가능한 장기적 결과 사이의 균형을 맞출 수 있습니다.

마지막으로 심리적 안전성을 강화해야 합니다. 조직 내에서 팀원들이 데이터를 자유롭게 비판하거나 새로운 아이디어를 제안할 수 있는 문화를 조성함으로써, Groupthink를 방지하고 다양한 시각에서의 논의가 가능하도록 해야 합니다.

3. 앞으로의 과제

데이터 기반 의사결정은 점점 더 중요한 역할을 하고 있습니다. 기업들은 데이터를 신중히 해석하고 이를 활용하기 위한 체계를 갖추는 것이 필수적입니다. 올바른 데이터 활용은 조직의 신뢰도와 경쟁력을 높이고 지속 가능한 성과를 가능하게 할 것입니다.

출처: https://hbr.org/2024/09/where-data-driven-decision-making-can-go-wrong

❓ 왜 내 알고리즘 추천은 실망스럽지?

알고리즘 추천 시스템은 우리의 일상 속에서 많은 선택을 도와줍니다. 영상 시청 앱에서 어떤 영화를 볼지 정하거나, 쇼핑 앱에서 필요한 물건을 구매할 때, 혹은 배달 앱에서 음식을 주문할 때 추천을 받아본 적 있으신가요? 추천 시스템이 여러분의 관심사와 선호를 정확히 반영해 더 많은 시간을 앱에서 보내게 하거나 구매를 유도했다면, 해당 알고리즘은 성공적이라고 할 수 있습니다!

이러한 알고리즘은 사용자 데이터를 학습하고, 이를 기반으로 미래의 선호를 예측하는데 특화되어 있습니다. 알고리즘은 이때 소비자가 어떤 물건을 구매할지, 어떤 영화를 볼지, 어떤 직업을 선택할지에 대한 결정을 도와줍니다. 하지만 한가지 중요한 점이 있습니다! 알고리즘에도 설계 과정에서 인간의 편향성이 내재될 수 있다는 점입니다. 알고리즘은 사용자 행동 데이터를 기반으로 학습하기 때문에, 데이터 자체가 가지는 편향성이 그대로 반영될 가능성이 높습니다. 그렇기에 높은 성능의 추천 알고리즘을 만들기 위해서는 사용자 데이터를 분석할 때 이러한 편향성을 반드시 고려해야 합니다.

현대인의 필수앱이죠! 배달 앱을 예로 들어보겠습니다. 앱이 월요일에는 피자를, 화요일에는 햄버거를, 그리고 수요일에는 치킨을 추천한다고 가정해보죠. 그런데 이런 추천이 항상 만족스럽지 않을 수 있습니다. 이떄 앱 관계자는 이렇게 설명합니다. "저희 알고리즘은 고객님의 과거 주문 기록을 바탕으로 가장 선호하는 메뉴를 분석하고, 그 결과를 토대로 추천해드립니다. 이를 통해 맞춤형 개인화 식사 플랜을 제공하고 있습니다." 그러나, 문제는 사용자의 다양한 취향을 반영하지 못하고, 과거의 선택을 반복하는 데 그치기 때문에 추천이 단조롭게 느껴질 수 있다는 점입니다.

그렇다면 왜 이러한 문제가 발생할까요? 추천 알고리즘은 기본적으로 사용자 행동에 대한 심리학적 모델을 기반으로 설계됩니다. 이 과정에서 알고리즘은 사용자의 일관된 선호를 추정하려 하지만, 때로는 사용자가 기대하는 결과와 불일치할 수 있습니다. 그렇다면 이러한 문제를 해결하기 위해 어떤 개선 방안을 적용할 수 있을까요?

1. 알고리즘의 편향성 점검

기업은 A/B 테스트를 활용하거나 내부 데이터를 분석해 알고리즘이 사용자 행동과 규범적 선호 사이의 차이를 언제, 왜 나타내는지 파악할 수 있습니다. 예를 들어, 의료 시스템에서 사용된 알고리즘이 흑인 환자보다 백인 환자를 우선시했다는 연구 결과가 있습니다. 이는 건강 상태가 비슷한 환자들 사이에서도 백인 환자에게 더 많은 의료비를 지출했기 때문에 발생한 문제였습니다.

2. 규범적 선호를 반영하는 알고리즘 설계

알고리즘 설계자는 사용자 행동을 더 면밀히 관찰함으로써 욕구 중심의 추천을 넘어 의무나 장기적인 선호를 반영할 수 있는 방식으로 알고리즘을 조정할 수 있습니다. 예를 들어, 사람들이 사과와 초코바 중 하나를 선택할 때, 마우스의 이동 경로를 분석해 두 옵션 간의 갈등을 파악하는 방식을 활용할 수 있습니다.

3. 다양한 데이터로 알고리즘 훈련

알고리즘은 특정 데이터셋에만 의존하지 않고, 다양한 사용자 데이터를 학습하도록 설계해야 합니다. 또한, 사용자가 없는 상황에서도 규범적 선호를 반영한 시뮬레이션 데이터를 생성해 이를 기반으로 알고리즘을 훈련시키는 방법도 효과적입니다.

4. 사용자 피드백 중심의 알고리즘

알고리즘에 사용자 피드백을 직접 반영하는 설계를 적용할 수도 있습니다. 설문조사나 인터뷰를 통해 사용자의 선호를 수집하고, 이를 알고리즘의 학습 과정에 반영하는 것이죠. 이렇게 하면 사용자의 행동에 나타난 선호뿐 아니라 명시적으로 표현된 선호도 반영할 수 있습니다.

알고리즘은 우리의 삶에 밀접한 영향을 받고 있습니다. 인터넷 쇼핑을 할때도 영상을 시청할 때도 SNS 사용을 할때도 말이죠. 하지만 알고리즘이 우리의 모든 관심사를 잘 반영해주지는 못합니다. 따라서 이제 기업, 정부, 과학자는 알고리즘의 설계의 행동 과학에 더욱 투자해야 할 때입니다.