데이터시장의 트렌드와 예측 - 이영환

발표자: 데이터 거래 연구회
이영환교수(nicklee@konkuk.ac.kr)
건국대학교 국제학부/기술경영/금융IT
이 발표자료는 데이터 거래 연구회의 자산입니다. 본 연구회의 서면 동의 없이 임의 복사나 배포를 금합니다.
데이터시장의 트렌드와 예측

© 2013 LNS IT & Adobe Systems Korea. All Rights Reserved. | Confidential
LNS •
© 2014 한국데이터거래연구회 . All Rights Reserved. 한국데이터거래연구회
한국데이터거래연구회
목차
1. 거래 데이터의 실례(實例): 현실적 관점
2. 데이터 거래의 필요성: 이론적 관점
3. 데이터 거래 시장의 종류
4. 한국 글로벌 데이터 거래소 (안)
5. 결론
 별첨
 거래소와 마트의 차이

LNS •
이영환 약력
 현 데이터 거래 연구회 회장
 현 한국데이터 사이언스 학회 부회장
 현 한국 금융ICT융합 학회 사무총장
 현 건국대학교 교수 (국제학부/기술경영/금융IT)
 현 국가지식DB 포럼 운영위원 및 기술지원분과 분과장
 현 시민일보 <이영환 칼럼> 칼럼니스트
 현 공공데이터제공분쟁조정위원회 조정위원
 현 국가 오픈데이터 포럼 운영위원
 현 시민의 코딩 대표
 전 Innosys / iBox Telecom 대표 이사 (1989 - 2007)

LNS •
 새로운 데이터 마켓은 계속 진화하고 있고 비즈니스 공동체
에 의해 받아들여지고 있다. 데이터 마켓이 접근과 관리의
실질적 표준이 될 것이다.
데이터 마켓: 데이터 경제의 출현
- 길 엘바즈 (TechCrunch 편집장)

LNS •
1. 데이터 거래의
실례(實例): 현실적 관점

LNS •
해외의 개인 정보 판매 사례
네덜랜드 학생이 자신의 개인정보 판매로 벌어들인 돈은 350 유로!
출처 : http://bit.ly/1m5djw3

LNS •
국내 사례: 도로 이정표 사용
 모(某) 내비게이션 업체의 경우
 내비게이션 모바일 앱 시장을 선점한 사업자
 현재 수작업을 통해 작성하고 있는 이정표 데이터 국토부 웹서비스 형태로 무료로 제공 중.
 국토부는 지방자치체에서 작성한 도로이정표를 공개할 권한이 없다는 이유로 자료 공개 거부.
 내비게이션 업체는 공공데이터 분쟁 조정 위원회에 조정 신청.
국내 250여개 지자체
세계의 지자체는?

LNS •
개인 정보 유출 사태
답: 수요에 따른 매매 시장 미(未)존재 때문
질문: 개인 정보 유출 사고가 발생하는 이유는?

LNS •
2. 거래소의 필요성: 이론적 관점

LNS •
 웹 3.0: 링크드 오픈 데이터 (LOD)
 사물인터넷
 빅데이터
데이터 거래의 필요성: 이론적 관점
필연적 트렌드로서 데이터 거래의 필요성

LNS •
1. Use URIs as names for things
2. Use HTTP URIs
3. When someone looks up a URI, provide useful information
4. Include links to other URIs
4 Principles
of LOD
Linked Open Data (LOD)
 Tim Berners-Lee 4대 원칙에 의한 LOD (Linking Open Data) 프로젝트 제안 (2006)
 많은 국가와 단체 폭발적 호응
 Wikipedia  DBpedia (www.dbpedia.org)
 Bio2RDF 프로젝트 생물, 유전자, 의학 등 27개 분야 23억 데이터 세트 개방 (Bio2RDF.org)
(2008.10)
 BBC(www.bbc.org) LOD 프로젝트 참여
 US Data.gov 50억 데이터 트리플 개방
 US 의회 도서실 참여 (http://id.loc.gov/authorities/sh85042531#concept)
 NY Times ( data.nytimes.com) 150년 간의 출판물 개방 (2009.10)
 US 백악관 참여 (2009.11)
 한국은 KIAST, NIA 등이 참여 중

LNS •

LNS •
LOD의 장단점
 장점
 적용성
 확장성
 유연성
 비중심성(Decentralized)
 참여성
 포괄성
 무료
 단점
 정의 불명확
 일관성 부족
 학습 및 활용 어려움
 브라우저, 추론기 작성 어려
움
 무료
불완전, 일관성 없는 RDFs, OWLs 처리 문제
유지 보수 관리 불가능
 “Garbage in, Garbage out” 초래
결과적으로 저조한 활용…

LNS •
LOD2
 LOD2 : LOD의 문제점에 대한 기술적 접근
 링크데이터 관리
 내실화(enrichment) 및 품질 향상 방안 마련
 사용가능한 툴 개발 – 총 14개
 저장 및 쿼리(Storage and Querying)
 매뉴얼 개작 및 저작(Manual revision and authoring)
 상호연결 및 융합(Interlinking and fusing)
 분류 및 내실화(Classification and enrichment)
 품질 분석 (Quality Analysis)
 진화 및 수리(Evolution and Repair)
 검색, 브라우징 및 탐색(Search, Browsing, and Exploration)
 추출(Extraction)

LNS •
사물인터넷 (…그리고 빅데이터)
 가트너 예측1
(2020년까지)
 사물인터넷 기기: 260억대
 IoT 제품 및 서비스 공급업체 수익: 3천억불
 경제적 부가 가치: 1조 9천억불
 국내 시장2
 2013년 2초 2800억원규모  2020년 22조 8천억원
 국내 서비스
 SKT: 스마트팜
 KT: 스마트홈
 LG U+: 차량관제시스템
출처: 1. IT World 2013.12.16일 http://bit.ly/1lH3yQX
2. 주대영, 김종기. “초연결시대 사물인터넷(IoT)의 창조적 융합 활성화 방안” KIET 산업연구원. 2014. 1.

LNS •
2. 데이터 거래 시장의 종류

LNS •
데이터 마켓의 종류
맞춤 양복점 형
철물점 형
식료품 상점 형
유통 센터 형
거래소 형
Data.com
D&B
Kaggle.com
윈도우 Azure Data Marketplace
EBS 클립뱅크
Infochimps
DataMarket.com
DBStore (DBStore.or.kr)
영국 NDRB
온타리오주 교육RB
한국 글로벌 데이터 거래
소
적용도(Applicability)
자동화 정도(Degree of Automation)

LNS •
마이크로소프트 윈도우 Azure Data Marketplace

LNS •
Data.com

LNS •
Infochimps.com

LNS •
DataMarket.com

LNS •
Data Market: Kaggle.com

LNS •
DB 스토어 (DBStore.or.kr)

LNS •
National Digital Resource Bank (NDRB)

LNS •
4. 한국 데이터 거래소 (안)

LNS •
거래소 단순 개념도
청산시스템
Commodity
Commodity
정산
$$
$$
주문체결시스템
매도(Ask)
매수(Bid)

LNS •
거래소 단순 개념도
청산시스템
Commodity
Commodity
정산
$$
$$
매도(Ask)
매수(Bid)
회원사
회원사
회원사
회원사

LNS •
데이터 거래소 단순 개념도
민감데이터
데이터 베이
스
청산시스템
민감데이
터 필터
데이터
필터된데이터
정산
필터정보
$$
$$
매도(Ask)
매수(Bid)

LNS •
민감데이터
데이터베이
스
청산시스템
프라이버
시 필터
필터된데이터
정산부
필터정보
$$
$$
신용/품질
평가 데이터
베이스
평가
신용/품질평가
평가
평가
주문체결부
매도(Ask)
매수(Bid)
평가정보
데이터
매도 스케줄
데이터베이스
매수 스케줄
데이터베이스
데이터종류+발행일
데이터종류+구매요청일
예약 주문체결부
매도데이터상품번호
매수데이터상품번호
데이터 거래소 개념도

LNS •
민감데이터 등록부 거래 허가 메뉴 (예시)
당신의 데이터를 판매하시겠습니까?
❍ 이름 $1
❍ 주소 $0.50
❍ 생일 $10
❍ 자동차 $1
❍ 전화번호 $1

LNS •
데이터 병합 예
민감데이터
질병경력
민감데이터
크레딧카드
정보
병합데이터

LNS •
거래소에서 거래될 데이터 (예시)
 크레딧 카드 사용 데이터 (Credit Card Usage Records)
 전화 사용 데이터 (Telecom Call Detailed Records; CDR)
 개인 병력 데이터 (Personal Health Records; PHR)
 주식 및 현물 시장 데이터 (Stock Markets and Commodity Markets)
 지리 정보 및 주소 (Geo-information and Addresses)
 사업자 데이터 (Yellow page data)
 신용정보 (Credit Reports; D&B, Equifax, Experian and TransUnion)
 소셜 미디어 데이터 (Social Media Data)
 트위터 트윗 (Twitter Tweets)
 페이스북 데이터 (Facebook Data)
 RDF 트리플, 온톨로지 (Triples, Ontology Licenses)

LNS •
데이터 거래소의 장점
 데이터 거래의 활성화를 위한 품질 표준 및 품질 보증
 공공적 안전과 개인의 프라이버시가 완벽히 차단된
데이터 거래
 개인의 사용처 추적 권리 보장
 데이터 사용의 인식 개선 및 활용도 제고
 신개념 산업을 창조함으로써 고용창출 등의 촉매제 공급

LNS •
한국 글로벌 데이터 거래소 비전
(가칭) 한국 글로벌
데이터 거래소
Azure.com
DataMarket.com
DBStore.or.kr
Data.com
Data.gov
공공데이터센터
포털
Data.gov.*
Infochimps.com
통신사
Telecoms
Financing Cos.
금융사
Telecoms
Financing Cos.
Kaggle.co
m
Portals
Flickr
YouTube
Portals
디지털 리소스 뱅
크
한국 글로벌 데이터 거래소(Korea Global Data Exchange)를 통해서
전세계의 데이터 거래가 이루어지도록 한다.

LNS •
데이터 거래소의 국가 경제 파급 효과
구분 기업수(개) 1yr(명) 2yr(명) 3yr(명) 계(명)
대기업 1,768 5,304 10,608 26,520 42,432
중견기업 3,436 4,123 8,246 20,616 32,986
합계 5,204 9,427 18,854 47,136 75,418
(중견기업수 : 중소기업청 ‘2013 중견기업 현황’, 2013. 12. 18; 대기업수 : 공정거래위원회 ‘상호출자제한기업집단 자료’ e-나라지표 대규모기업집단 지정현황,)
 경제 효과
 공공정보를 민간이 활용할 경우
 1조 6천억에 이를 것으로 추정
1
 데이터 거래소
 약 300억원 이상의 매출과 2017년까지 5조원의 경제적 효과 예상
 고용효과
 2017년까지 75,000개 신규 고용 창출
출처
1. 허필선 외 4인(2013). 공공정보 민간활용 시장 및 파급효과. Electronics and Telecommunications Trends, 28(4), 118-131.
(추후 검증 필요)

LNS •
3. 결론: 새로운 경제 창출

LNS •
새로운 경제 창출
 국가 경제 파급 효과
 데이터 Aggregator, Cleanser, 데이터엔지니어 등 신개념 산업 창출 유도
 데이터 산업에 의한 고용효과 극대화
 공공데이터 사용 활성화
 사물 인터넷 활용 비즈니스 유도
 빅데이터 경제체제로 전환

LNS •
새로운 경제 창출
 글로벌 리더로서 신개념 시장 창조경제 창출
 효율적 시장친화적 데이터 거래
 적법한 형태의 데이터 대량 거래
 데이터 필터링을 통한 안전한 데이터 거래 방식 제공
 과거에는 획득하기 어려웠던 새로운 가치 창출
 창조경제 기본 원칙에 최적화된 비즈니스 모델

LNS •
별첨-1 거래소와 마트의 차이

LNS •
Longtail in Applications
Bighead Applications
Longtail Applications
Popularity
The Long Tail by Chris Anderson (Wired, Oct. ´04) adopted to
information domains
…
…
…
…
Mobile Apps
 iPhone Apps
 Android Apps
SNS Apps
 Facebook Apps
 Twitter Apps
공공 데이터 앱
 Medical Apps
 공공 정보 활용 Apps
 …

LNS •
Longtail in BigdataPopularity
The Long Tail by Chris Anderson (Wired, Oct. ´04) adopted to
information domains
…
…
…
…
비정형데이터
정형데이터
데이터거래소
데이터마트

LNS •
참고문헌
 웹3.0 세상을 바꾸고 있다.
 이영환
 A Semantic Web Primer (Cooperative Information Systems series)
 Grigoris Antoniou, Frank van Harmelen
 Semantic Web for the Working Ontologist, Second Edition: Effective
Modeling in RDFS and OWL
 Dean Allemang, James Hendler
 온톨로지: 인터넷 진화의 열쇠
 노상규, 박진수
 월드와이드웹
 팀 버너스-리
 큐레이션
 스티븐 로젠바움 저, 이시은 역

LNS •
Web sites
 Problems of Linked Data
 http://milicicvuk.com/blog/2011/07/26/problems-of-linked-data-14-identity/
 LOD2
 http://lod2.eu/Welcome.html
 http://stack.lod2.eu/blog/
 How to Define Web 3.0
 http://howtosplitanatom.com/news/how-to-define-web-30-2/
 SPARQL by Example
 http://www.cambridgesemantics.com/semantic-university/sparql-by-example#(1)
 Practical P-P-P-Problems with Linked Data
 http://www.mkbergman.com/917/practical-p-p-p-problems-with-linked-data/
 Linked-Data-Api
 https://code.google.com/p/linked-data-api/

데이터시장의 트렌드와 예측 - 이영환

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (18)

Similar to 데이터시장의 트렌드와 예측 - 이영환

Similar to 데이터시장의 트렌드와 예측 - 이영환 (20)

데이터시장의 트렌드와 예측 - 이영환