PURPOSES : This study aimed to predict the number of future COVID-19 confirmed cases more accurately using public and transportation big data and suggested priorities for introducing major policies by region. METHODS : Prediction analysis was performed using a long short-term memory (LSTM) model with excellent prediction accuracy for time-series data. Random forest (RF) classification analysis was used to derive regional priorities and major influencing factors. RESULTS : Based on the daily number of COVID-19 confirmed cases from January 26 to December 12, 2020, as well as the daily number of confirmed cases in Gyeonggi Province, which was expected to occur on December 24 and 25, depending on social distancing, the accuracy of the LSTM artificial neural network was approximately 95.8%. In addition, as a result of deriving the major influencing factors of COVID-19 through random forest classification analysis, according to the number of people, social distancing stages, and masks worn, Bucheon, Yongin, and Pyeongtaek were identified as regions expected to be at high risk in the future. CONCLUSIONS : The results of this study can help predict pandemics such as COVID-19.

본 연구에서는 미용분야 창업 활성화를 위해 소셜 빅데이터 분석을 탐색적 데이터 분석(EDA) 을 기반으로 하여 2019년부터 2021년 동안 각 년도별로 기간을 구분하여 ‘미용창업’에 대한 수요 변화와 감정 및 의미 차이의 특징적인 패턴을 도출하고자 하였다. ‘미용창업’ 키워드를 주제로 연관된 검색어를 추 출한 결과 창업에 필요한 전문적인 창업교육 보다는 미용관련 기술을 배울 수 있는 기관이나 자격증에 더 많은 관심을 보였으며, 이는 정부 및 지자체에서 여러 가지 창업지원 정책들이 마련되고 있음에도 불구하 고 여전히 전문적인 창업교육의 중요성을 인식하지 못하고 있는 것으로 파악할 수 있으며, 이에 대한 대안 으로 미용분야 창업을 성공적으로 이루기 위한 전공별 맞춤형 창업교육 프로그램을 개발하는 것이 필요할 것으로 사료된다. 탐색적 데이터 분석을 통해 가설을 설정하고 전통적인 확증적 데이터 분석(CDA)을 결합 하여 가설을 검증한다. 미용 창업을 위한 탐색적 데이터 분석 방법이 존재한 적은 없으며, 정식 창업교육의 필요성을 언급하기보다는 미용창업에 대한 관심 변화와 예비창업자의 요구사항을 탐색적 데이터로 분석한 다면 맞춤형 창업 프로그램 개발에 도움이 될 것이라고 확신한다.

지난 12월 10일 데이터기반행정법 시행으로 데이터시대의 증거기반정책으로서의 데이터기반정책이 본격화되고 있다. 본 논문은 증거기반정책 법을 시행한 미국의 사례, 디지털경제법을 기초로 공공데이터를 정책에 적극적으로 활용하고 있는 영국의 사례를 비교·분석하고 우리나라 데이터기반행정법의 지속적 발전을 위한 함의를 제시하는 것을 목적으로 하였다. 미국의 증거기반정책법은 연방정부의 평가계획과 밀접 관련이 있는 ‘증거구축활동’과 관련하여 전략계획과 평가계획, 증거구축을 위한 평가관 및 통계관, 데이터자문위원회 등을 규정하고 있다. 또한 동법은 연 방정부가 생산하는 공공데이터의 활용과 관련하여 OPEN 정부데이터법 을 다뤄 개방데이터계획을 포함한 전략적 정보자원관리계획, 기관의 데이터 목록, 연방정부 데이터 자산의 대국민 단일 창구, 데이터 사용과 보호, 제공, 생산과 관련된 모범사례를 선정하고 기관 간 데이터 공유 협정을 촉진하는 위원회 등을 규정하며, 학습 지향의 정부조직의 구축을 목적으로 하여, ‘정책평가’와 ‘정책질문’을 중시한다. 영국의 행정데이터연구는 공공데이터를 활용한 정책연구 네트워크로 접근하고 있다. 행정데이 터연구는 2012년 재무부의 빅데이터 계획의 일환으로 출발하였고, 개정 된 2017년 디지털경제법은 연구자들이 안전한 방식으로 정부 데이터에 접근하는 법적 근거를 제공하고 있어, 행정데이터를 연구자가 활용할 수 있도록 한다는 명확한 목적을 가지고 있다. 행정데이터연구는 정부와 학계를 연결하는 다리 역할을 하며, 학계와의 파트너십을 중심으로 내부 거버넌스 및 정부와의 적극적인 협력을 중시하고 있다. 영국은 공공데이 터의 중요성에 대하여 인식하고, 통계기관이 데이터 허브 기능을 수행하 고 있다. 이러한 각국의 데이터기반정책 관련 법·제도 분석을 토대로 한국의 데이터기반행정법의 역할과 향후 방향성에 일정한 함의를 제시하였다.

The Korean fisheries industry is a traditional business, the majority of which are small and medium-sized enterprises (SMEs). It has played an important role in the South Korean economies in the past several decades, but it currently faces the limitations of growth potential and profitability due to declining workforce, aging populations, deteriorating fishery environments, climate changes, and rapid changes in the global industrial ecosystem. Many studies have suggested solutions for the fisheries industry in macro perspective, but there are rarely any studies taking the strategic approaches for the problem. If it is possible for governments to support the companies that are likely to increase their value-added selectively, it will break through the current situation more effectively. This paper introduces a study on the selection method utilizing data envelopment analysis (DEA) to find SMEs with potentials to increase profits and growth. We suggest selecting SMEs with high management efficiency and ability to utilize intangible assets as the target companies. We also suggest policy objectives for SMEs in the domestic fisheries industry based on the results of DEA analysis and propose a data-based method for the policy decisions.