혁신 채찍(Innovation stick)은 혁신을 위한 특정 의무를 부과하고 그 의무를 달성하지 못하였을 경우 벌금 등의 불이익을 부과하는 방식이다. 특허와 같은 당근뿐만 아니라 불이익을 부과하는 채찍으로도 혁신을 달성할 수 있다. 필요한 혁신이지만 이에 대한 시장의 수요가 적은 경우, 시장 경쟁에만 두면 외부효과가 만연한 경우, 또는 채찍 적용 대상이 시장에서 탈출할 위험이 적은 경우에는 혁신 채찍이 유용하다. 혁신 채찍은 사회 전체 이익을 위한 효과적인 수단을 추구하도록 하고 당근과 달리 추가적인 비용을 발생시키지 않는다. 단, 이러한 이점을 누리기 위해서는 정부가 혁신 채찍을 설정하는 주체로서 정보 부담을 지어야 한다. 대표적인 혁신 채찍으로는 기업평균연비제도와 포괄수가제를 들 수 있는데, 모두 미국, 유럽, 우리나라 등 여러 국가에서 활용되고 있다. 앞으로 다가올 인공지능⋅빅데이터 시대에도 혁신 채찍은 중요한 역할을 할 수 있다. 인공지능 ⋅빅데이터가 발전할 수 있는 환경을 구축하거나 우려되는 외부효과를 방지하는 데 혁신 채찍이 좋은 도구가 될 수 있다. 공공 영역에서는 고품질 공공데이터 확보를 위한 혁신 채찍이, 시장 영역에서는 인공지능⋅빅데이터 시스템의 블랙박스화와 차별을 방지하기 위한 혁신 채찍이 필요하다. 이를 위해서 정부는 많은 정보 부담을 감수하고 준비하여야 한다. 준비 없이 만들어진 채찍은 사람들을 시장에서 탈출하게 하여 오히려 혁신을 저해할 수 있다. 미국, 유럽 등 주요국은 이미 인공지능⋅빅데이터 시대의 혁신 채찍을 수립하기 위한 연구를 시작하였다. 우리도 국제사회와 함께 필요한 혁신 채찍이 무엇인지, 적용 기준은 무엇인지, 어떻게 평가할지 논의를 진행하여야 한다.

This study empirically analyzed the influence of fashion brands’ marketing issues on actual sales and consumer preference—focusing on evaluation trends of brands over time by using the theoretical background and big data provided through literature. This study examined the influence of three fashion brands (Balenciaga, Vetements, and Off-White) that have recently seen a drastic increase in the number of searched volumes through social networks. To identify the consumer-brand evaluations and trends and the marketing issues, the time period was divided into Groups A and B, which are from 2014 to 2015 and from 2016 to 2017, respectively. This study analyzed the frequency of overlapping keywords by using the R program to graphically visualize the changes over the timeline. Specifically, this analysis extracted data mainly related to bags, wallets and accessories for 2014-2015, but in 2016-2017, all four brands saw a vast increase in the frequency of searching product keywords related to clothing and footwear, and newly extracted ones were the top keywords. When analyzing the big data with these keywords as indicators, I confirmed that the products related to bags, wallets, and accessories were shifted to those related to apparel and footwear. Consumers previously recognized luxury brands such as Balenciaga as accessoriesoriented brands that were focused on handbags and sunglasses, but now they are gaining popularity and recognition among consumers as a fashion brand.

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.

4차 산업혁명시대를 맞이하여 데이터는 향후 디지털 경제성장을 견인할 수 있는 주요 수단의 하나로 여겨지고 있다. 종래에는 보호의 대상으로만 인식되었던 개인정보도 이제는 빅데이터의 활용과 맞물려 그로부터 경제적 이익도 도모할 수 있는 중요한 수단으로 주목받고 있다. 개인정보의 활용과 보호를 조화롭게 발전시키려면, 이를 뒷받침할 각종 제도를 정립할 필요성이 증대 되고 있다. 특히, IPv4 시대에서 IPv6의 시대로의 전환이 전 세계적으로 진행되며, 사실상 모든 기기에 고정 IP를 부여할 수 있을 정도의 규모가 됨에 따라 빅 데이터 시대에서 각종 디지털 정보들의 연결고리 가 될 수 있는 IP 주소의 중요성은 고정 IP인지 유동 IP인지 여부와 무관하게 더욱 커지게 되었다. 이 글에서는 디지털 개인정보의 한 종류인 IP 주소에 대해 살펴보고, IP 주소의 개인정보 인정 여부에 대한 국내외 논의와 함께, IP 주소에 적용 되는 현행의 개인정보보호법, 정보통신망 이용촉진 및 정보보호 등에 관한 법률을 검토하였다. 디지털 개인정보의 활용과 보호의 조화로운 발전을 위해 개인정보보호법에 IP 주소가 개인정보임을 명시함으로써 정보의 이용자들이 수집⋅활 용 전에 IP 주소가 개인정보임을 인지하고 이에 맞는 법적 동의 절차를 이행하면, 비식별화된 IP 주소를 법적 테두리 내에서 자유로이 활용할 수 있도록 보장받을 것이다. 이와 함께 정보 주체는 법률에 명시된 제도적, 기술적 안전장치로 인해 본인의 개인정보인 IP 주소가 유출, 남용되는 피해가 발생할지도 모른다는 두려움을 확실히 해소 할 수 있게 될 것이다. 이와 같은 법적 안전장치의 마련을 통해 정보 이용자의 사업 수행 권리와 정보 주체의 개인정 보보호가 조화를 이루며, 디지털 산업의 성장이 가능할 것으로 기대된다.

빅데이터의 활용을 둘러싼 법적 쟁점은 개인정보보호를 우선할 것인지 아니면 빅데이터의 활용을 우선할 것인지의 문제로 귀결된다. 보건의료정보는 그것이 제한 없이 공개될 경우 개인의 신체 적⋅사회적 지위에 미치는 영향이 크다는 점에서 민감한 개인정보에 해당하는바, 개인정보보호의 대상이 된다. 그리하여 기존의 개인정보보호법제는 정보주체의 사전동의(opt-in방식)가 있는 경우를 전제로 정보의 수집⋅분석⋅이용을 규율하고 있었다. 그러나 국민 개개인에 대한 맞춤형 보건의료 서비스를 제공하기 위해서는 대량의 보건 의료정보를 신속하게 사용할 수 있어야 할 것이다. 결국 정보주체의 사전동의를 전제하는 기존의 방식으로는 내재적 한계에 부딪힐 수밖에 없으며 이에 대한 해결책이 강구되었다. 최근 정부가 발간한 개인정보 비식별 조치 가이드라인은 비식별 조치가 완료된 개인정보는 정보주체의 사전동의 없이도 제3자에게 제공이 가능하도록 하는 내용을 규정함으로써 전향적인 태도를 보이고 있다. 나아가 보건의료정보는 비식별 조치를 취함으로써 정보의 가치가 하락하는 경우 역시 발생할 수 있는바, 정보의 유형에 따라 예외적인 opt-out방 식의 도입을 검토할 필요가 있다. 또한, 동 가이 드라인은 법률의 위임 없는 행정규칙 내지는 유권해석에 해당하는바, 사법적 판단이 필요한 경우에 법적 안정성이 부족하다는 한계가 있다. 따라서 가이드라인의 취지와 핵심 내용을 개인정보보호법 또는 법률의 위임을 받은 법규명령에 반영 하기 위한 법 개정이 필요하다.

보건의료 정보의 활용은 빅데이터 시대에 피할 수 없는 흐름이다. 빅데이터를 활용하여 산업발전 및 소비자 후생증진을 도모할 수 있다. 이에 따라 빅데이터 사용에 있어 개인정보 보호의 문제도 대두되었다. 미국은, HIPAA (의료정보보호법)를 제정하여 보건의료 정보의 비식별화를 규정하고 있다. 유럽은 GDPR이 제정되었다. 이에 기반하여 EU의 제 29조 작업반(Working Patty 29)은 2014년 4월 10일 익명처리기법에 대한 의견서(WP opinion on Anonymisation Techniques)를 채 택하였다. 일본은 2003년 개인정보보호법을 제 정하였고 2015년 전면개정하였다. 개정법에서는 개인정보 빅데이터의 활용을 좀 더 용이하게 하기 위해 익명가공정보의 개념을 도입하였다. 우리 나라 개인정보 보호법 제18조 제2항은 개인정보를 목적 외로 이용 또는 제3자 제공할 수 있는 예외사유를 규정하고 있다. 또한 의료법 제19조 제 1항으로 의료인이나 의료기관 종사자에게 업무상 알게 된 다른 사람의 정보를 누설하거나 발표하 지 아니할 의무를 정하고 있고, 같은 조 제2항은 의료기관 인증에 종사하고 있거나 종사하였던 자의 업무상 알게 된 정보 누설 및 부당 사용을 금지한다. 2016년 6월에는 행정자치부 등 기관들의 합동으로 ‘개인정보 비식별화 조치 가이드라 인-비식별 조치 기준 및 지원⋅관리 체계 안내’를 발표하였다.

오늘날 우리는 빅데이터의 시대에 도래하였다. 특히 빅데이터를 범죄예방에 활용함 으로써 빅데이터의 가치는 나날이 증가하고 있으며, 공공기관에서 공유하고 있는 데 이터를 통해 범죄, 질병, 재난재해예방등의 효과가 나타나고 빅데이터를 활용한 범죄 예방효과가 입증되고 있다. 미래를 예측하기 위한 국가, 기업, 단체들은 가능한 멀리 그리고 정확하게 앞날을 내다보려고 한다. 미래를 예측하기 위해 각각의 주체들은 다양한 의사결정 프로세스를 가지고 있다. 그러나 정확한 예측을 토대로 미래를 준비하기 위해 정교한 의사결정 시스템을 갖추기는 현실적으로 불가능하거나 어렵다. 이렇게 의사결정 자체를 특정모형으로 설명할 수 없는 모델을 쓰레기통 모델이라고 부른다. 명칭이 다소 아름답지는 못하지만, 문제 발생원인의 파악, 문제해결 방안의 도출, 최종 의사결정의 주체, 의사 결정의 시기 등이 뒤섞여 결국은 불규칙한 프로세스에 의해 최종결정이 내려진다는 이론이다. 또한 쓰레기통 모델을 통해서 선택된 결과물이 반드시 최선의 선택이라고 는 볼 수 없다. 이미 어린이･노인･버스전용차로･음주운전 관련 교통사고, 서울대의 자영업자 생존율 분석, 언론사의 빅데이터 분석, 이동 통신사의 고객이탈 분석, 다양한 분향의 홍보 마케팅, 보험회사, 병원, 의료기관, 국가기관, 연구기관등 다양한 기관들에서 빅데이터 의 분석이 진행중이거나 그 결과를 활용하여 다양한 정책을 마련하고 있다. 하지만 이러한 노력에도 범죄신고는 꾸준히 증가하고 있고, 특히 아동학대범죄는 국가의 대처가 미흡하다는 문제점과 강력한 처벌을 요청하는 데도 불구하고 학대로 사망하는 아동들은 꾸준히 증가하고 있다. 보건복지부의 자료에 따르면 2011 년~2017년에 학대로 인한 사망아동을 파악한 결과를 살펴보면, 2011년 13명, 2012년 10명, 2013년 22명, 2014년에는 17명, 2015년에는 19명, 2016년에는 36명, 2017년에는 46명으로 조사되었다. 따라서 본고에서는 아동학대를 예방할 수 있는 시스템을 구축하기 위하여 2011 년~2017년 학대로 인한 사망한 아동들의 성별, 연령, 발생장소, 발생빈도, 학대유형 데이터를 바탕으로 아동학대 범죄예방시스템 구축에 빅데이터를 활용하는 목적을 두고 있다. 아동학대를 예방할 수 있는 시스템을 구축하기 위한 첫 개선방안으로 빅데이 터를 활용하여 아동학대예방시스템을 구축하기 위하여 빅데이터를 활용한 하둡 생태 계 범죄예방시스템의 개발을 제안해 보고자 한다.

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 도입 시기와 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.

This study conducted to predict the stock market prices based on the assumption that internet news articles might have an impact and effect on the rise and fall of stock market prices. The internet news articles were tested to evaluate the accuracy by comparing predicted values of the actual stock index and the forecasting models of the companies. This paper collected stock news from the internet, and analyzed and identified the relationship with the stock price index. Since the internet news contents consist mainly of unstructured texts, this study used text mining technique and multiple regression analysis technique to analyze news articles. A company H as a representative automobile manufacturing company was selected, and prediction models for the stock price index of company H was presented. Thus two prediction models for forecasting the upturn and decline of H stock index is derived and presented. Among the two prediction models, the error value of the prediction model ① is low, and so the prediction performance of the model ① is relatively better than that of the prediction model ②. As the further research, if the contents of this study are supplemented by real artificial intelligent investment decision system and applied to real investment, more practical research results will be able to be developed.

The purpose of this study is to derive landscape image characteristics of “Insadong-gil” using text mining analysis of big data. Keywords were collected and analyzed through blogs and cafes containing “Insadong-gil” on domestic portal sites Naver and Daum as basic data for research purposes. As a result, 28 landscape image characteristic keywords related to “Insadong-gil” were derived, and the correlation of the extracted keywords was examined to analyze landscape image characteristics. The results of the landscape image characteristics of Insadong-gil are as follows: First, Insadong-gil is recognized as a street of diverse cultures, including “traditional culture” and a “clean street” reputation. Second, we see that “couples” and “tourists” visit for activities such as a “picnic”, “date”, or “travel”. Couples are able to take “photos” and foreign tourists visit to enjoy the hanbok experience on Insadong-gil. Third, the purpose of visiting Insadong-gil includes keywords for activities such as “picnic”, and “walking”, but cultural activities such as exhibitions, performances, and experiences appeared less. Therefore, it is deemed necessary to continuously plan and implement marketplaces, festivals, and events on Insadong-gil as supplements; and create a cultural space visitors can actively approach with familiarity.

최근 대한민국에서는 사회·경제적으로 지위가 있는 사람들의 비윤리적 행위인 ‘갑 질’이 사회적 문제로 대두되고 있다. 사회적 지위를 가진 사람이 비도덕적 행위 혹은 범죄를 저지를 때마다 미디어에 ‘갑질’이라는 용어가 빈도 높게 사용되고 있다. 이에 본 연구에서는 ‘갑질’ 행위를 범죄학적 관점(화이트칼라 범죄이론)과 개인 성격적 관점(화이트칼라 사이코패스이론)으로 비교하여 분석해보고자 한다. ‘갑질’을 범죄학적 관점으로 설명하면 ‘갑질’의 행위자는 대부분 사회적으로 지위가 높은 개인 또는 집단 이라는 점에서 사회적 위치가 중요요인인 화이트칼라 범죄와 부분적으로 일치한다. 개인 성격적인 관점인 화이트칼라 사이코패스이론을 통해 ‘갑질’을 해석하면 ‘갑질’ 행위자의 사회적 지위를 배제하고 개인의 성격특질인 충동성, 폭발적 분노 등을 ‘갑질’의 원인으로 보아 ‘갑질’ 행위자가 화이트칼라 사이코패스의 성격특질을 지녔다고 볼 수 있다. 이를 위해 빅데이터 분석을 사용해 2013년부터 2018년까지의 네이버 뉴 스기사와 소셜미디어의 한 종류인 Twitter 기록의 문자파일을 수집하여 각 파일 안에서 사용된 특정 단어와 중복되어 사용된 단어들의 빈도를 추적하였다. 연차별로 150개 의 단어를 선발해 상위 50위까지의 단어를 분석한 결과, 사회적 특성을 나타내는 단어들이 개인적 성격특질을 나타내는 단어들보다 많은 수를 보였다. 이를 통해 대중의 ‘갑 질’에 대한 인식은 행위자 개인의 성격특성보다 행위자의 직업과 지위 등 사회적 특성 에 더 집중함을 알 수 있었다. 이 결과는 대중들이 ‘갑질’ 사건을 보는 시선은 앞선 두 가지 범죄이론 중 화이트칼라 범죄이론에 더 부합하는 것으로 해석할 수 있다.

Digitalization has generated massive amounts of available data sources (Wedel and Kannan 2016). Consequently, firms aim to exploit this additional value – particularly in decision-making (Barton and Court 2012). However, potential misleading consequences of Big Data for companies have not been examined yet – neither in practice nor in research. Addressing this research gap, the current investigation first uncovers questionable managerial outcomes and behaviours generated by Big Data. The results of a first paper-and-pencil experiment show that executives tend to rely on Big Data even in a domain where this may be misleading (i.e., innovation) (Martin and Golsby-Smith 2017). Interestingly, this relationship is found to be particularly evident for top-managers. A second online study does not only replicate the findings in a correlational setting but beyond sheds light on its mechanism. We show that Big Data activates top-executives’ promotion focus leading them to become more risk seeking and egocentric. In study 3, we replicate these findings through experimentation and moderation underlining its robustness. Finally, we detect a lever to avoid that Big Data leads to less defensive decision behaviour (study 4).

Functional magnetic resonance imaging (fMRI) is one of the best available devices that can record the activities of living human brain non-invasively. Its precision and high spatial resolution is matched by none other methodology. The entry barrier to fMRI research is exceptionally high. fMRI has widely been used in medical and scientific research, but its application to marketing research has been limited because of two important reasons. First, the cost problem. The MR scanning devices often cost multi-million dollars and using fMRI for marketing research can be costly. Second, analyzing data from fMRI study is another formidable task. fMRI measures the brain’s hemodynamic activities using voxel as a measuring unit; Voxels are often a cubic with 2 to 3 millimeters on one side. Since a typical adult brain represents over one million voxels in one scan volume, and each scan generally has 2 to 3 seconds of interval time, one experimental block of 40 seconds, for example, will create over 40 million data points. Compared to a typical marketing research data which in general have two dimensions (2d) of rows and columns, fMRI data is inherently 4d with added dimensions of voxel and time. Furthermore, the fMRI signal is sensitive to various sources of noises. In this talk, we offer support for marketing researchers who want to explore fMRI method for their research in the future. First, we discuss issues related to experimental design for fMRI experiments. We explain preprocessing steps that are recommended for fMRI data and show how to apply statistical methods to make inferences that can increase internal validity. Then, we will explicate how to apply big data analytics to fMRI data during this talk to find deep insights into customer’s brains. A real neuromarketing fMRI data will be used to break down the steps for fMRI research and data analytics. Finally, we will open a discussion to discover future research opportunities for marketing research using fMRI. The purpose of this talk is to lower the entry barrier of fMRI method in neuromarketing research so that more people in the marketing field can benefit from the most advanced scientific achievement of our time and discover deepest insights into our customers.

Technology has turned the consumer into a non-stop generator of traditional, structured, transactional data as well as more contemporary, unstructured, behavioural data. The study of consumer analytics turns on the junction of Big Data and consumer behaviour. This paper intends to test empirically the conceptual model proposed by Erevelles, Fukawa and Swayne (2016) for FB, in Portugal. A qualitative methodology is being performed, namely conducting twenty-five in-deep interviews with the current managers of FB, with the average duration of one hour. Once the 25 interviews are all carried out, they will be subsequently transcribed in full. Then, a content analysis will be held by two researchers and resorted to software NVivo, which is considered a good tool to help in theory building (Azevedo, 1998). Since the study is still at the moment of data collection through in-deep interviews, it is not yet possible to present consistent results. However, the first interviews leads to the idea that FB in Portugal do not have a structure particularly dedicated to identifying business opportunities that favor the implementation of an organized Big Data management system. It was also recognize the option of a more centralized management strategy, in anticipation the changes in the environment that can predict trends in the consumer market. Finally, it was verify that the definition of a particular profile of skills and knowledge associated with the agents involved in the collection and treatment of the inputs given by the consumers through the analysis of the Big Data, is not yet defined.

해양사고 감소를 위해 다양한 연구들이 수행되어 왔다. 그에 비해 준해양사고에 대한 연구는 미미한 수준에 그치고 있다.준해 양사고는 건수가 많은 대신 내용이 정성적이기 때문에 분석하기에는 현실적인 어려움이 있었다. 하지만 해양사고 감소를 위해서는 준해 양사고의 정량적인 분석이 필요하다. 이번 논문의 목적은 준해양사고 경향을 예측하고 해양사고를 감소시키기 위해 빅데이터 기법을 적용하여 준해양사고 데이터를 정량적으로 분석하는 것이다. 이를 위해 10,000여건의 준해양사고 보고서를 전처리 작업을 통해 통일된 양식 으로 정리하였다. 전처리된 데이터에 대해서 1차적으로, 텍스트마이닝 기법을 적용하여 항해 중 준해양사고 발생원인에 대한 주요 키워드를 도출하였다. 주요 키워드에 대해 2차로 시계열 및 클러스터 분석을 통해 발생할 수 있는 준해양사고 상황에 대한 경향 예측을 도출 하였다. 이번 연구에서는 정성적 자료인 준해양사고 보고서를 빅데이터 기법을 활용하여 정량화된 데이터로 전환할 수 있고, 이를 통해 통계적 분석이 가능함을 확인하였다. 또한 빅데이터 기법을 통해 차 후 발생할 수 있는 준해양사고에 대한 객관적인 경향을 파악함으로써 예방 대책에 대한 정보 제공이 가능함을 확인할 수 있었다.