Google Trends is a useful tool not only for setting search periods, but also for providing search volume to specific countries, regions, and cities. Extant research showed that the big data from Google Trends could be used for an on-line market analysis of opinion sensitive products instead of an on-site survey. This study investigated the market share of tumor necrosis factor-alpha (TNF-α) inhibitor, which is in a great demand pharmaceutical product, based on big data analysis provided by Google Trends. In this case study, the consumer interest data from Google Trends were compared to the actual product sales of Top 3 TNF-α inhibitors (Enbrel, Remicade, and Humira). A correlation analysis and relative gap were analyzed by statistical analysis between sales-based market share and interest-based market share. Besides, in the country-specific analysis, three major countries (USA, Germany, and France) were selected for market share analysis for Top 3 TNF-α inhibitors. As a result, significant correlation and similarity were identified by data analysis. In the case of Remicade’s biosimilars, the consumer interest in two biosimilar products (Inflectra and Renflexis) increased after the FDA approval. The analytical data showed that Google Trends is a powerful tool for market share estimation for biosimilars. This study is the first investigation in market share analysis for pharmaceutical products using Google Trends big data, and it shows that global and regional market share analysis and estimation are applicable for the interest-sensitive products.

중국 관광객의 서울과 제주도 관광인식을 알아보기 위해, 인식 특성에 따른 항목 추출, 두 지역을 분석하여 도출 키워드의 관계를 탐구함으로 관광 전략 시사점 도출을 목적으로 하였다. 빅 데이터 분석 프로그램 텍스톰의 중국어 버전을 활용하여 '서울여행', '제주도여행' 키워드를 중국 대표 포털사이트 바이두, 웨이보의 데이터를 수집하여, 빈도분석, TF-IDF분석, N-gram, 인식 항목별 분석 방법을 실시하였다. TF–IDF·N-gram 분석결과 '서울여행'은 역사문화 키워드가 연계되었으며, '제주도여행'은 유흥 및 여행 키워드가 연계되어 지역별 관심도 및 중요행태 차이가 있음을 알 수 있다. 주요 방문지는 서울은 역사문화 관광지 키워드가 도출되었으나, 제주도는 자연경관 키워드가 도출되었다. 주요활동은 서울 전통체험 키워드 도출, 제주도는 소비행태 키워드가 도출되었다. 본 연구는 빅데이터를 활용하여 인식 변화를 빠르게 파악 할 수 있으 며, 중국 관광객의 인식 및 행태의 관계성과 인식 항목별 키워드를 분석함으로써 효과적인 중국 관광객 유치에 대한 기초 데이터로서 의미가 있다.

The research model of panel data analysis in this study was used as the dependent variables and the business characteristics of the welding industry were reflected in the research model for systematic analysis of the effect of welding technology on the welding industry. As a result of the existing research, the domestic welding technology is seriously encroaching on the domestic welding industry between the United States, Japan and China. There is no quantitative statistical analysis on this aspect. In this study, the panel data analysis is used to indicate differences in explanatory power by numerical values of POLS model, fixed effect and random effect. And the prior studies on the current status of welding industry related to arc welding, special welding, multiple welding, welding and bonding technology are applied by the panel data analysis. Therefore, the problems of existing research are diagnosed while presenting the future research directions.

In this study, quality keywords of frequent mention of failures were extracted by analyzing the field operational data of main battle tanks recorded for about 5 years. As a result of the data analysis, the leaf spring assembly of the crew hatches corrosion and failure was frequently occurred. FEA(Finite Element Analysis) and tests were performed to analyze the cause of the failure, and it was confirmed that durability of the leaf spring was insufficient. Therefore a design modification study was conducted to improve durability of the leaf spring, and FEA and durability tests demonstrated the improvement. As a result, the durability of leaf spring was improved at least 3.3 times compared to before improvement. This study will contribute to suggesting the use of data analysis in the defense area and improving the operability of the main battle tanks.

Big data analysis in healthcare research seems to be a necessary strategy for the convergence of sports science and technology in the era of the Fourth Industrial Revolution. The purpose of this study is to provide the basic review to secure the diversity of big data and healthcare convergence by discussing the concept, analysis method, and application examples of big data and by exploring the application. Text mining, data mining, opinion mining, process mining, cluster analysis, and social network analysis is currently used. Identifying high-risk factor for a certain condition, determining specific health determinants for diseases, monitoring bio signals, predicting diseases, providing training and treatments, and analyzing healthcare measurements would be possible via big data analysis. As a further work, the big data characteristics provide very appropriate basis to use promising software platforms for development of applications that can handle big data in healthcare and even more in sports science.

The technology competitions of automobile manufacturers are getting hot. The characteristics of the environment friendly automobile are not only lowering the emission of harmful exhaust gas through the change of the power source, but also paying great attention to improvement of the power efficiency. As the market for pure electric vehicles continues to grow, we have analyzed the global technology competitiveness by DCT (Dual Clutch Transmission) patents. Clustering can be classified into five types ; 1) a cluster associated with a dual clutch transmission system, 2) a cluster of a torque transmission device and a reverse speed ratio, 3) a cluster of co-planar sets and dual clutch assemblies related to transmitting devices, 4) Device clusters, and 5) a cluster of synchronizers and clusters to prevent simultaneous operation of dual clutch transmissions. In recent years, demand for pure electric vehicles has been rapidly increasing, and patent applications related to DCT have been steadily increasing for energy efficiency of motor power sources.

Lately, there have been tremendous shifts in the business technology landscape. Advances in cloud technology and mobile applications have enabled businesses and IT users to interact in entirely new ways. One of the most rapidly growing technologies in this sphere is business intelligence, and associated concepts such as big data and data mining. BI is the collection of systems and products that have been implemented in various business practices, but not the information derived from the systems and products. On the other hand, big data has come to mean various things to different people. When comparing big data vs business intelligence, some people use the term big data when referring to the size of data, while others use the term in reference to specific approaches to analytics. As the volume of data grows, businesses will also ask more questions to better understand the data analytics process. As a result, the analysis team will have to keep up with the rising demands on the infrastructure that supports analytics applications brought by these additional requirements. It’s also a good way to ascertain if we have built a valuable analysis system. Thus, Business Intelligence and Big Data technology can be adapted to the business’ changing requirements, if they prove to be highly valuable to business environment.

최근 조선 해운 산업 분야에서 큰 관심을 보이고 있는 자율운항선박의 현실화를 위해서는 선박의 운항 상태를 육상에서 효과적으로 확인하고 진단할 수 있는 기술이 필수적으로 뒷받침되어야 한다. 본 논문에서는 선박 운항데이터를 수집하는 데이터 수집 플랫폼과 선내 및 육상 서비스를 제공하는 플랫폼이 하나의 시스템으로 동작하는 스마트선박 솔루션을 제시하고, 이를 실제 운항 선박에 적용하여 기존의 선박 데이터 수집 체계 대비 고품질의 다양한 데이터가 수집 가능함을 평가하였다. 또한 이렇게 수집된 데이터에서 주기관 관련 파라미터들의 데이터 분석을 수행하여 유효한 결과를 도출하고 패턴을 시각화하여 종합적인 상태를 판단하는데 활용 가능함을 보였다. 마지막으로 이러한 연구 결과를 선박의 다양한 장비로 확장 적용하고 운항 환경 데이터까지 함께 분석한다면 육상에서 선박의 운항 상황을 보다 효과적으로 확인하고 평가 가능함을 제시하였다.

매년 해양활동이 증가하며 해양사고 발생빈도가 높아지고 있다. 이에 따라 해양안전을 위한 각종 연구 활동과 정책이 실행되고 있다. 하지만 이러한 노력에도 불구하고 매년 해양사고가 증가하고 있어 이들의 실효성에 대한 문제가 제기되고 있다. 문헌연구 결과에 따르면, 통계연보를 활용한 선행연구는 통계제공항목 간 비교를 통해 두드러지는 항목에 대한 예방책을 제시하고 있다. 2000년대 이후에는 대형 해양사고가 반복적으로 발생하면서 '사고대응'에 대한 사례연구(case study)가 진행되고 있다. 국내 해양안전을 위한 정책수립 연구과정에서 통계연보나 사고사례를 주 자료로 활용하고 있으나 현재 자료는 사후결과 요약정도의 수준이다. 따라서 본 연구에서는 해양 사고 사례분석 및 개선방안 관련 문헌연구를 통해 현행 해양관련 연구와 정책의 한계를 탐색하였다. 또한 자료 활용 한계를 개선하기 위한 방안의 일환으로 선박사고 상황보고서 속성분석, 텍스트 마이닝을 통해 해양사고 정보 분류체계인 온톨로지(ontology)를 수정 보완하였다. 해당 항목은 ‘신고자, 신고수단, 구조세력, 대응 조치사항, 대응취약성, 적재물, 유류유출경위, 피해유형, 사고처리결과’이며, 이 항목 들은 분류체계 표준용어를 활용해 향후 지속적으로 수집 활용할 수 있다. 마지막으로 온톨로지를 실질적으로 활용하기 위한 데이터 수집 및 품질확보 방안을 제시했다. 결과적으로 현재 해양안전이 직면한 문제를 명확히 파악하고 ‘품질이 확보된 충분한 정보’를 활용한다면 보다 다양한 연구와 실효성 있는 정책 실현이 가능할 것이다.

이 연구는 토픽 모델링의 LDA(Latent Dirichlet Allocation) 기법을 적용해 언론에 보도된 테러리즘 관련 뉴스 기사의 주요 토픽(topic)을 분석하였다. 이를 위해 지난 2014년 6월부터 2019년 5월 중, 미디어에 보도된 뉴스 중에서 테러리즘을 소재로 다룬 36,436건을 대상으로 토픽 을 추출하고, 주요 흐름을 시기별(모술탈환 이전, 모술탈환 과정, 모술탈 환 이후)로 구분하여 분석하였다. 이 연구에서 모술탈환 작전을 주요 분 석 시점으로 정한 것은 국제 테러리즘의 확산과 파급력이라는 측면에서 중요한 키워드가 ISIS(이슬람국가)이고, ISIS 세력의 확장, 축소, 다변화 등과 관련된 주요 사건이 모술탈환 작전이라고 여겼기 때문이다. 연구 방법적으로는 테러리즘과 관련한 방대한 양의 기사 내용을 정량 적으로 분석할 수 있고, 내용적으로는 주요 토픽을 파악함으로써 테러리 즘 기사의 이슈와 정책 이슈와의 관련성을 논의할 수 있는 토픽 모델링 분석을 실시하였다. 이상의 결과는 테러리즘에 대한 주제를 단어 중심으 로 범주화함으로써 관련 연구의 분석 기준을 마련할 수 있으며, 정책적 으로는 관련 이슈에 대한 언론 보도 토픽의 경향성을 파악함으로써 국제 테러리즘 발생에 대한 이해를 기반으로 정책 수립의 방향성을 제시할 수 있을 것이다. 이 연구는 선행연구에서 주요하게 다루지 않았던 테러리즘의 양상과 관련된 뉴스 기사의 주제적 특징을 객관적으로 도출함으로써, 시기별로 중심 주제가 어떻게 변화되고 있는지를 분석하였으며, 이를 통해 우리 사회에서 바라보고 있는 테러리즘 실태와 동향을 살펴보고자 하였다. 이 를 토대로 테러리즘 관련 언론보도의 주요 토픽과 테러리즘 관련 언론보 도 기사에서 모술작전 전후 시기별로 주요 토픽은 어떠한 변화 추이를 보이고 있는지에 대한 함의점을 도출할 수 있었다.