Ⅰ. 서론
1. 연구의 배경 및 목적 ·········································································· 3
2. 연구의 범위 및 방법 ·········································································· 4
3. 연구의 내용 ························································································· 5
Ⅱ. 빅데이터(Big Data) 현황
1. 정보(IT)사회 패러다임 변화 ····························································· 9
2. 빅데이터 등장 이유 ·········································································· 11
3. 데이터 생성 현황 ·············································································· 24
4. 빅데이터 정의 및 특징 ····································································· 27
Ⅲ. 빅데이터(Big Data) 동향과 활용사례
1. 국가별 주요 정책 ··············································································· 49
2. 국내 주요 정책 ··················································································· 58
3. 빅데이터 주요 사례 ··········································································· 74
4. 시사점 ································································································ 123
Ⅳ. 부산시 공공데이터 현황 및 활용
1. 공공 데이터 현황 ············································································· 131
2. 공공 데이터 활용 ············································································· 138
3. 시사점 ································································································ 151
Ⅴ. 빅데이터 활용을 통한 도시관리 전략
1. 전문가 설문조사 ·············································································· 155
2. 부산지역 빅데이터 사례 분석 ························································ 167
3. 빅데이터 개념 재 정립 ···································································· 204
4. 빅데이터 활용을 위한 추진전략과 정책수단 ······························· 208
Ⅵ. 결론 및 정책제언
1. 결론 ···································································································· 275
2. 연구 성과 및 정책제언 ···································································· 279
Abstract 282
참고문헌 285
부록 299
<표 Ⅱ-1> 정보사회 패러다임 변회 5
<표 Ⅱ-2> 데이터 용량 구분 20
<표 Ⅱ-3> 글로벌 모바일 데이터 트래픽 증가의 주요 원인(2012~2017) 22
<표 Ⅱ-4> 국내외 연구에서 빅데이터 정의 25
<표 Ⅱ-5> 빅데이터 데이터 유형 27
<표 Ⅱ-6> 글로벌 리서치 기관들의 빅데이터 가치 전망 28
<표 Ⅱ-7> 빅데이터로 인한 영국 경제유발 효과 추정치 31
<표 Ⅱ-8> 한국과 일본의 빅데이터 활용을 통한 부가가치 유발효과 33
<표 Ⅱ-9> 빅데이터 분석기술 분류 36
<표 Ⅲ-1> 미국 정부의 빅 데이터 R&D 이니셔티브 주요 내용 44
<표 Ⅲ-2> 영국 정부의 부처별 데이터 공개여부 48
<표 Ⅲ-3> 일본 정부의 빅데이터 관련 구체적 시책 방향 50
<표 Ⅲ-4> 국내 빅데이터 관련 정책 추진 연혁 51
<표 Ⅲ-5> 빅데이터 마스터플랜의 추진과제 53
<표 Ⅲ-6> 빅데이터 마스터플랜의 기반조성 과제 54
<표 Ⅲ-7> 정부운영 패러다임의 변화 방향 55
<표 Ⅲ-8> 정부3.0의 전략 및 중점 과제 56
<표 Ⅲ-9> 정부3.0의 공공데이터 개방 확대계획 57
<표 Ⅲ-10> 정부3.0의 공공데이터 활용사례(10대 전략분야) 57
<표 Ⅲ-11> 부동산 빅데이터 민간 활용 예상 시나리오 62
<표 Ⅲ-12> 해운대구 빅데이터 분석 개요 105
<표 Ⅲ-13> 해운대 관심요인별 정서 구성비 107
<표 Ⅲ-14> 서울시 심야버스 운행 노선 115
<표 Ⅳ-1> 부산시 통계조사 현황 119
<표 Ⅳ-2> 부산시 중요 기록물 DB 구축 현황 121
<표 Ⅳ-3> 부산시 교통정보서비스센터 교통정보 수집 시스템 122
<표 Ⅳ-4> 부산시 교통정보서비스센터와 타 기관 연계정보 123
<표 Ⅳ-5> 부산시 교통정보서비스센터 생성 교통정보 123
<표 Ⅳ-6> 부산시 버스정보관리시스템 124
<표 Ⅳ-7> 교통카드 이용정보 내역 125
<표 Ⅳ-8> 부산시 교통정보서비스센터 정보제공 장비 및 방식 131
<표 Ⅳ-9> 부산시 버스정보제공 장비 및 방식 133
<표 Ⅳ-10> 버스정보관리시스템의 버스운행 이력 134
<표 Ⅳ-11> 노선별․정류장별․시간대별 이용승객 건수 135
<표 Ⅳ-12> 부산시 연도별 공공데이터 개방 계획 136
<표 Ⅳ-13> 부산시 공공데이터 개방 내용 137
<표 Ⅳ-14> 부산시 공공데이터 연도별 개방 계획 138
<표 Ⅴ-1> 지자체 빅데이터 관련 전문가 설문조사 개요 141
<표 Ⅴ-2> 전문가 일반사항 142
<표 Ⅴ-3> 지자체 빅데이터 활용이 필요한 이유 143
<표 Ⅴ-4> 지자체 분야별 데이터 활용 수준 및 우선순위 147
<표 Ⅴ-5> 지자체 데이터 활용 효과 147
<표 Ⅴ-6> 지자체의 빅데이터 활용을 위한 정책수립 및 집행의 문제점 149
<표 Ⅴ-7> 지자체의 빅데이터 활용을 위한 중요 부문 149
<표 Ⅴ-8> 지자체의 빅데이터 정책수립시 활용 효과가 높은 민간데이터 151
<표 Ⅴ-9> 다음소프트 소셜미디어 분석 서비스 156
<표 Ⅴ-10> 부산시 축제, 문화․전시행사 개요 158
<표 Ⅴ-11> SNS를 통한 부산지역 축제, 문화․전시행사 분석 개요 160
<표 Ⅴ-12> 부산지역 축제, 문화․전시행사 SNS 월별 비율(2013년) 161
<표 Ⅴ-13> SNS를 통한 부산지역 축제, 문화․전시행사별 월별 현황 163
<표 Ⅴ-14> 부산지역 축제, 문화․전시행사 인당 SNS 건수 165
<표 Ⅴ-15> 부산지역 축제, 문화․전시행사별 SNS 집중도 167
<표 Ⅴ-16> 부산지역 축제, 문화․전시행사별 SNS 관심도 168
<표 Ⅴ-17> 부산지역 축제, 문화․전시행사 SNS 감성단어 분석(2013년) 170
<표 Ⅴ-18> SNS를 통한 부산지역 축제, 문화․전시 행사별 월별 감성분석 171
<표 Ⅴ-19> 부산지역 축제, 문화․전시행사별 SNS 감성관련 관심도 177
<표 Ⅴ-20> 부산지역 축제, 문화․전시행사별 평가(1) 180
<표 Ⅴ-21> 부산지역 축제, 문화․전시행사별 평가 순위(2) 181
<표 Ⅴ-22> 부산지역 축제, 문화․전시행사별 감성단어 분석 변화 184
<표 Ⅴ-23> 동남권 대중교통 통행량(교통카드 기준) 188
<표 Ⅴ-24> 울산 및 창원지역을 통행하는 평균 광역환승통행량(2013) 189
<표 Ⅴ-25> 공공부문의 잠재적 빅데이터 활용 사례 192
<표 Ⅴ-26> 공공정보 민간 활용의 부문별 가치 200
<표 Ⅴ-27> 서울 열린 데이터 광장의 분야별 데이터 현황 202
<표 Ⅴ-28> 공공데이터 포털(data.go.kr)을 통한 공공정보 제공 현황 203
<표 Ⅴ-29> Open Data Barometer 모델 중 실행력 분야(데이터셋 측정) 205
<표 Ⅴ-30> 공공정보 플랫폼 단계별 주요 내용 207
<표 Ⅴ-31> 지자체별 빅데이터 관련 업무 현황 212
<표 Ⅴ-32> 부산시 빅데이터 관련 조직구성(안) 213
<표 Ⅴ-33> 부산시 인재개발원 빅데이터 관련 교육내용 검토 214
<표 Ⅴ-34> 빅데이터 관련 법률 및 계획 216
<표 Ⅴ-35> 도로공사 교통데이터 활용 공모전 221
<표 Ⅴ-36> 경기도 D.I.Y 페스티벌 223
<표 Ⅴ-37> 부산시 Datopia Busan Festival(안) 224
<표 Ⅴ-38> 부산시 빅데이터 포럼 조직별 역할(안) 226
<표 Ⅴ-39> 기존 DB와 데이터웨어하우스(DW)의 비교 227
<표 Ⅴ-40> 차세대 DW 특징 234
<표 Ⅴ-41> 부산시 민원관련 현황 235
<표 Ⅴ-42> 부산시 민원관련 데이터 항목 및 분석방법 236
<표 Ⅴ-43> 서울시 빅데이터 큐레이터 양성사업 240
<표 Ⅴ-44> 부산시 빅데이터 인력 양성사업 추진체계 및 역할 244
<표 Ⅴ-45> 부산시 빅데이터 인력 양성사업 교육내용(안) 245
<표 Ⅴ-46> 원도심지역의 창조적 재생 마스터플랜의 빅데이터 분석 보완(예) 251
<표 Ⅴ-47> 연도별 인터넷 용량 추이 254
<표 Ⅴ-48> 빅데이터와 스마트 데이터 구분 257
<그림 Ⅰ-1> 연구 흐름도 3
<그림 Ⅱ-1> ICT 발전에 따른 데이터 변화 방향 6
<그림 Ⅱ-2> 국내 스마트폰 보급 추이 9
<그림 Ⅱ-3> 커넥티드 및 인터넷 연결 단말 추이(CISCO) 11
<그림 Ⅱ-4> 국내 M2M 추이 11
<그림 Ⅱ-5> 국내 M2M 추이 12
<그림 Ⅱ-6> 클라우드 서비스 14
<그림 Ⅱ-7> 소셜 미디어 용도별 분류 15
<그림 Ⅱ-8> 소셜 미디어 이용자 추이 16
<그림 Ⅱ-9> Social Network Service 이용자수 17
<그림 Ⅱ-10> 스토리지, CPU, 네트워크, 대역폭의 변화 19
<그림 Ⅱ-11> 전 세계 1분간의 데이터 생성 현황 21
<그림 Ⅱ-12> 광의의 빅데이터 정의 24
<그림 Ⅱ-13> 빅데이터 특징 26
<그림 Ⅱ-14> 미국의 빅데이터 활용 가치와 산업 분야별 항상 성과(2000~2008) 29
<그림 Ⅱ-15> 각 game changers별 2020년의 US GDP 기여도 30
<그림 Ⅱ-16> 빅데이터 창출 경제적 파급효과 33
<그림 Ⅱ-17> 전 세계 Big Data 검색 빈도 34
<그림 Ⅱ-18> 국가별 Big Data 검색 빈도 35
<그림 Ⅱ-19> 국내 Big Data 검색 빈도 35
<그림 Ⅱ-20> 국내 지역별 Big Data 검색 빈도 35
<그림 Ⅱ-21> Gartner Hype Cycle 39
<그림 Ⅱ-22> 2011년 Gartner Hype Cycle 40
<그림 Ⅱ-23> 2012년 Gartner Hype Cycle 40
<그림 Ⅱ-24> 2013년 Gartner Hype Cycle 41
<그림 Ⅲ-1> 빅데이터 관련 세계 변화 추이 42
<그림 Ⅲ-2> 미국 빅데이터 추진 체계 44
<그림 Ⅲ-3> 영국 데이터 전략위원회 조직 구성 체계 47
<그림 Ⅲ-4> 일본 빅데이터 추진체계 49
<그림 Ⅲ-5> 빅데이터 마스트플랜 비전 및 목표 52
<그림 Ⅲ-6> 정부3.0의 비전 및 전략 55
<그림 Ⅲ-7> 정부3.0의 빅데이터 기반시스템 구축 59
<그림 Ⅲ-8> 부동산 빅데이터 활용 61
<그림 Ⅲ-9> 부동산 빅데이터 공공 활용방안 61
<그림 Ⅲ-10> 공간 빅데이터 기반 플랫폼서비스 강화 추진 방향
(제5차 국가공간정보정책 기본계획) 63
<그림 Ⅲ-11> 서울시 폭우지도 사례 67
<그림 Ⅲ-12> 구제역 가축 매물지도 사례 68
<그림 Ⅲ-13> 매몰지 종합정보지도시스템 구상도 69
<그림 Ⅲ-14> 일본의 지진 정보 모니터링 및 경보시스템 71
<그림 Ⅲ-15> 일본 지진속보 트위트 및 유레쿠루 72
<그림 Ⅲ-16> NTT도코모 환경 라이브 72
<그림 Ⅲ-17> 미국 범죄지도 홈페이지 74
<그림 Ⅲ-18> 샌프란시스코 범죄지도 홈페이지 74
<그림 Ⅲ-19> 구글 독감 트랜드(미국) 75
<그림 Ⅲ-20> 구글 댕기열 트랜드(브라질) 76
<그림 Ⅲ-21> 캐나다 온타리오 공과대병원의 신생아 모니터링 체계 77
<그림 Ⅲ-22> 미국 퇴역 군인국의 EHR system 78
<그림 Ⅲ-23> NoiseTube 운영 도시 및 모바일 앱 79
<그림 Ⅲ-24> 파리 소음지도 80
<그림 Ⅲ-25> 밀라노 교통센서 지도와 교통상황 App 시스템 81
<그림 Ⅲ-26> 동일본 대지진때의 도시내 도로혼잡 상황 추이(1주 전후 비교) 82
<그림 Ⅲ-27> 노무라연구소의 흐르는(通れた)도로맵 83
<그림 Ⅲ-28> 도로상의 구멍(Pothole) 및 복구 전경 84
<그림 Ⅲ-29> Street Bump 모바일 app과 센서 작동 사례 84
<그림 Ⅲ-30> 리우데자네이루 지능형운영센터 전경 86
<그림 Ⅲ-31> 리우데자네이루 지능형운영센터 운영 절차 86
<그림 Ⅲ-32> 스마트 미터와 영국 스마트 미터 개념도 88
<그림 Ⅲ-33> 스마트 계량기의 데이터를 활용한 패턴 인식 사례 88
<그림 Ⅲ-34> 국토부 건물에너지 통합관리시스템 구축(안) 89
<그림 Ⅲ-35> SKT의 BEMS를 이용한 빌딩 관리 시스템 90
<그림 Ⅲ-36> LA 부정수급 적발 사례 92
<그림 Ⅲ-37> 버펄로시 311 Call 홈페이지와 311 Call and Resolution
Center 전경 95
<그림 Ⅲ-38> 버펄로시 311 Call and Resolution Center 이용현황 및
Clean Sweep Location 95
<그림 Ⅲ-39> 미국 신시네티 동물원 전경 및 안내도 97
<그림 Ⅲ-40> ‘아키시키’식․농업 클라우드의 생산구조 98
<그림 Ⅲ-41> ‘아키시키’의 생상 및 직얍관리 99
<그림 Ⅲ-42> 민원분석시스템 및 민원지도 100
<그림 Ⅲ-43> 민원분석시스템 도입 결과 101
<그림 Ⅲ-44> 다음소프트 소셜메트릭스 102
<그림 Ⅲ-45> 해운대 중점이슈 추이(국내, 2012.06~2012.10) 106
<그림 Ⅲ-46> 해운대 속성별 분석(굮내, 2012.06~2012.10) 106
<그림 Ⅲ-47> 해운대 중점이슈 추이(해외, 2012.06~2012.10) 109
<그림 Ⅲ-48> 해운대 관련 연관어 분석(긍정적, 해외, 2012.06~2012.10) 109
<그림 Ⅲ-49> 해운대 관련 연관어 분석(부정적, 해외, 2012.06~2012.10) 110
<그림 Ⅲ-50> 암스테르담 연말 축제기간 통화량 추이 111
<그림 Ⅲ-51> 싱기포르 실시간 모바일 통화량 변화 112
<그림 Ⅲ-52> 싱기포르 실시간 에너지 사용량 변화 112
<그림 Ⅲ-53> 싱가포르 Formula One 대회 모바일 사용량 변화 112
<그림 Ⅲ-54> 싱기포르 우천시 Taxi 운행 변화 113
<그림 Ⅲ-55> 싱기포르 도로별 통행시간 변화 113
<그림 Ⅲ-56> 싱기포르 연계 항공, 항로 변화 113
<그림 Ⅲ-57> 서울 심야버스 일자별 이용승객 변화추이(2013.9.13.~11.1) 116
<그림 Ⅳ-1> UPIS에 의한 자료 제공 126
<그림 Ⅳ-2> KOPPS 추진목적 127
<그림 Ⅳ-3> KOPPS의 지역계획 지원모형(지역이) 128
<그림 Ⅳ-4> KOPPS의 토지이용계획 지원모형(국토리) 128
<그림 Ⅳ-5> KOPPS의 도시정비계획 지원모형 활용 사례(재생이) 129
<그림 Ⅳ-6> KOPPS의 도시기반시설계획 지원모형(국토리) 129
<그림 Ⅳ-7> KOPPS의 경관계획 지원모형 활용 사례(경관이) 130
<그림 Ⅳ-8> 부산시 교통정보서비스센터 교통정보제공 사례 132
<그림 Ⅳ-9> 부산시 교통정보서비스센터 교통정보제공 사례 133
<그림 Ⅴ-1> 지자체 빅데이터 활용 필요성 142
<그림 Ⅴ-2> 지자체 생성자료 수집 빛 관리 정도 143
<그림 Ⅴ-3> 지자체 부서간 데이터 공유 정도 144
<그림 Ⅴ-4> 지자체 빅데이터 활용 관련계획 수립 정도 144
<그림 Ⅴ-5> 빅데이터 관련 지자체 활용 제도적 기반 및 중앙정부 지원정도 145
<그림 Ⅴ-6> 지자체 빅데이터 관련 145
<그림 Ⅴ-7> 지자체 공공정보 개방 정도 145
<그림 Ⅴ-8> 빅데이터 분석기술의 148
<그림 Ⅴ-9> 지자체 빅데이터 예산확보 방안 148
<그림 Ⅴ-10> 지자체 빅데이터 부서 신설 150
<그림 Ⅴ-11> 지자체 빅데이터 정책집행 시기 150
<그림 Ⅴ-12> 소셜메트릭스 홈페이지 156
<그림 Ⅴ-13> 소셜메트릭스 검색어 탐색창 157
<그림 Ⅴ-14> 소셜메트릭스 탐색어 분석 페이지 사례 157
<그림 Ⅴ-15> 부산지역 축제, 문화․전시행사별 SNS 월별 건수(2013년) 162
<그림 Ⅴ-16> 부산지역 축제, 문화․전시행사별 SNS 월별 건수(2013년) 174
<그림 Ⅴ-17> 지스타 국제게임전시회 부정적 단어분석 185
<그림 Ⅴ-18> 부산불꽃축제 부정적 단어분석 185
<그림 Ⅴ-19> 동남권 광역환승통행 분석 과정 188
<그림 Ⅴ-20> 부산시 빅데이터 활용 도시관리 전략 및 정책수단 196
<그림 Ⅴ-21> 부산시 빅데이터 활용 도시관리 단계별 전략 197
<그림 Ⅴ-22> 공공정보 개방의 진화 단계 201
<그림 Ⅴ-23> 각 정보별 시장가치 정도 204
<그림 Ⅴ-24> 국가 공공데이터 개방 15대 전략분야 206
<그림 Ⅴ-25> 부산시 공공정보 개방 사이트 208
<그림 Ⅴ-26> 국내 공공데이터 포털 사례 209
<그림 Ⅴ-27> 품질관리 정책과 조직 210
<그림 Ⅴ-28> 서울시 빅데이터 관련 조직 212
<그림 Ⅴ-29> NYC Big Apps 홈페이지 220
<그림 Ⅴ-30> NYC Big Apps 당선작 사례 220
<그림 Ⅴ-31> 도정비결 App 222
<그림 Ⅴ-32> 경기도 D.I.Y. 페스티벌 홈페이지 223
<그림 Ⅴ-33> 부산 빅데이터 포럼 조직(안) 225
<그림 Ⅴ-34> 대전시 교통DW DashBoard 228
<그림 Ⅴ-35> 대전시 교통DW 정형쿼리 보고서 사례 229
<그림 Ⅴ-36> 대전시 교통DW 비정형보고서 사례 229
<그림 Ⅴ-37> 교통정보서비스센터의 DW 구축 절차 232
<그림 Ⅴ-38> 교통정보서비스센터의 DW 구축 형태 232
<그림 Ⅴ-39> 상용 DW 기반 분석 시스템의 구조적 한계 233
<그림 Ⅴ-40> 하이브리트 DW 아키텍쳐 234
<그림 Ⅴ-41> 부산시 내부 민원데이터 분석 순서 236
<그림 Ⅴ-42> 정책과정과 SNS 데이터 역할 238
<그림 Ⅴ-43> 빅데이터 사업 주기별 지원체계 246
<그림 Ⅴ-44> 용인시 노인복지시설 입지 검토 사례 249
<그림 Ⅴ-45> 광주광역시 광산구 노인복지시설 입지 검토 사례 250
<그림 Ⅴ-46> M2M, IoT, IoE의 포괄적 개념 254
<그림 Ⅴ-47> 만물지능통신 회오리 법칙 255
<그림 Ⅴ-48> 데이터 기반 컴퓨터 환경의 변화 256
<그림 Ⅴ-49> 부산시 빅데이터 에코 플랫폼(Ver 1.0) 259
