빅데이터가 이슈로 부각되면서 차세대 정보통신기술(ICT)을 이끌어갈 핵심동력으로 주목받고 있으며, 활용분야 또한 다양하여 각 분야별로 가치있는 정보를 제공할 수 있는 가능성을 제시, 향후 산업 경쟁력 제고, 생산성 향상 및 혁신을 위한 새로운 가치를 창출할 것으로 전망했습니다.

 

빅데이터와 관련된 새로운 비즈니스도 등장하고 있는데,  많은 IT 기업들이 빅데이터 시장에 뛰어들면서 방대한 양의 데이터를 활용해 사업기회의 확보와 시장 선점을 위한 치열한 경쟁을 벌이고 있어 빅데이터 시장이 선택이 아닌 필수가 될 것으로 보고 있습니다.

 

본 보고서는 최근 이슈가 되고 있는 빅데이터 시장의 전반적인 이해와 시장동향 및 기술분석, 활용현황을 수록하였습니다.

 

 

 

1. 빅데이터 시장개요 
    1) 빅데이터 개요 
        (1) 정의
             1.1) 기술적 정의 
             1.2) 규모적 정의
             1.3) 방법적 정의
             1.4) 3V + Value
                  1.4.1) Volume(규모) 
                  1.4.2) Variety(종류) 
                  1.4.3) Velocity(속도) + Value 
             1.5) 빅데이터 접근방법 
        (2) 등장배경 
        (3) 중요성과 가치 
    2) 빅데이터 특징 
        (1) 새로운 자원으로써의 빅데이터 
        (2) 혁신과 새로운 산업동력으로써의 빅데이터 
2. 빅데이터 시장현황 
    1) 국내 시장현황 
        (1) 민간분야 현황 
        (2) 공공부문 현황
             2.1) 공공분야 활용현황 
             2.2) 공공데이터 개방 및 관리현황 
        (3) 시장규모 
        (4) 주요 사업자 동향 
    2) 국외 시장현황 
        (1) 주요 국가별 현황 
             1.1) 미국 
                  1.1.1) 미국 정부의 빅데이터 R&D 이니셔티브 추진 
                  1.1.2) 부처별 빅데이터 R&D 이니셔티브 추진 동향 
                  1.1.3) 시장 평가 및 의의 
             1.2) 영국 
             1.3) 싱가포르 
             1.4) 일본 
        (2) 주요 사업자 동향
        (3) 시장규모 
3. 빅데이터 활용현황 및 정책과제 
    1) 빅데이터 활용현황 
        (1) 국내･외 빅데이터 활용현황 
        (2) 글로벌 기업의 빅데이터 시장 활용
    2) 빅데이터 산업 육성의 필요성 
        (1) 국내 빅데이터 산업의 문제점 
        (2) 빅데이터 산업 육성정책의 필요성 
    3) 개인정보와 빅데이터 
        (1) 개인정보 유출사고와 빅데이터  
    4) 빅데이터 산업 육성을 위한 정책과제 
        (1) 가치있는 공공부문 데이터 개방과 인식의 전환  
        (2) 건전한 빅데이터 생태계 조성 및 중소･중견 기업 육성 
        (3) 전문인력 양성 
        (4) 수요창출을 위한 선도사업 추진 및 Best Pratice 
        (5) 프라이버시 보호문제와 규제완화 
        (6) 빅데이터 산업 육성을 위한 정책과제 
4. 빅데이터 업체현황 
    1) 업체현황 
        (1) (주)SK 텔레콤 
             1.1) 기업개요 
             1.2) 빅데이터 활용현황
                  1.2.1) 스마트인사이드와 지오비전
                  1.2.2) 빅데이터 허브 개방 
                  1.2.3) 서울시와 빅데이터 융합으로 교통문제 해결
                  1.2.4) 중소기업 대상 빅데이터 무료 시범 서비스 
             1.3)‘T developers’주요 솔루션 소개
                  1.3.1) 코너스톤 
                  1.3.2) BaaS(Backend as a Service) 
                  1.3.3) 모바일 품질 검증 서비스  
        (2) (주)LGU+ 
             2.1) 기업개요 
             2.2) 빅데이터 활용현황
                  2.2.1) 5G시대 진입 
                  2.2.2) 모바일 내비게이션 및 모바일 TV 
        (3) (주)KT 
             3.1) 기업개요 
             3.2) 빅데이터 활용현황 
        (4) (주)에스케이씨엔씨 
             4.1) 기업개요 
             4.2) 빅데이터 활용현황 
        (5) (주)이수페타시스 
             5.1) 기업개요 
             5.2) 빅데이터 활용현황 
        (6) (주)케이엠더블유 
             6.1) 기업개요 
             6.2) 빅데이터 활용현황 
        (7) (주)윈스테크넷 
             7.1) 기업개요 
             7.2) 빅데이터 활용현황 
        (8) (주)다음소프트 
             8.1) 기업개요 
             8.2) 빅데이터 활용현황 
        (9) (주)SK하이닉스 
             9.1) 기업개요 
             9.2) 빅데이터 활용현황 
        (10) (주)유비쿼스 
             10.1) 기업개요 
             10.2) 빅데이터 활용현황 
        (11) (주)파이오링크
             11.1) 기업개요 
             11.2) 빅데이터 활용현황
        (12) (주)비티씨정보 
             12.1) 기업개요
             12.2) 빅데이터 활용현황 
        (13) (주)오픈베이스 
             13.1) 기업개요 
             13.2) 빅데이터 활용현황 
        (14) (주)소프트센 
             14.1) 기업개요 
             14.2) 빅데이터 활용현황  
        (15) (주)투비소프트 
             15.1) 기업개요 
             15.2) 빅데이터 활용현황  
        (16) (주)더존비즈온 
             16.1) 기업개요 
             16.2) 빅데이터 활용현황 
        (17) (주)다음커뮤니케이션즈 
             17.1) 기업개요 
             17.2) 빅데이터 활용현황 
        (18) (주)네이버 
             18.1) 기업개요 
             18.2) 빅데이터 활용현황 
        (19) (주)삼성전자 
             19.1) 기업개요 
             19.2) 빅데이터 활용현황 
        (20) (주)디엔에이링크 
              20.1) 기업개요 
              20.2) 빅데이터 활용현황 
    2) 주요 기관 현황 
        (1) 한국정보화진흥원 
        (2) 한국인터넷진흥원 
        (3) 한국과학기술정보연구원 
   
Ⅱ. 빅데이터 기술현황 

 

1. 빅데이터 기술분석 
    1) 아파치 하둡 에코시스템 
         (1) 하둡 개요 
         (2) 하둡 에코시스템 
    2) 하둡 에코시스템 요소기술 
         (1) Chukwa(비정형 데이터수집) 
              1.1) Chukwa 개요 
              1.2) 주요 내용 및 특징 
         (2) HDFS(분산 데이터 저장) 
              2.1) HDFS 개요 
              2.2) 주요 내용 및 특징
              2.3) MapReduce(분산 데이터 처리) 
                   2.3.1) MapReduce 개요 
                   2.3.2) 주요 내용 및 특징
              2.4) HBase(분산 데이터베이스) 
                   2.4.1) HBase 개요 
                   2.4.2) 주요 내용 및 특징 
              2.5) Cassandra(분산 데이터 베이스) 
                   2.5.1) Cassandra 개요 
                   2.5.2) 주요 내용 및 특징 
              2.6) Hive(데이터 분석) 
                   2.6.1) Hive 개요 
                   2.6.2) 주요 내용 및 특징 
              2.7) Pig(데이터 분석) 
                   2.7.1) Pig 개요
                   2.7.2) 주요 내용 및 특징 
              2.8) Mahout(데이터 마이닝) 
                   2.8.1) Mahout 개요 
                   2.8.2) 주요 내용 및 특징 
              2.9) Zookeeper(분산 코디네이터) 
                   2.9.1) Zookeeper 개요 
                   2.9.2) 주요 내용 및 특징 
2. 빅데이터 관련 공개 S/W 
    1) 빅데이터 관련 공개S/W 목록 
    2) 공개S/W  
         (1) Sqoop 
              1.1) Sqoop 개요 
              1.2) 주요 내용 및 특징 
         (2) Sqoop (Flume) 
              2.1) Sqoop 개요 
              2.2) 주요 내용 및 특징 
         (3) Scribe 
              3.1) Scribe 개요 
              3.2) 주요 내용 및 특징 
         (4) ElasticSearcht 
              4.1) ElasticSearch 개요 
              4.2) 주요 내용 및 특징 
         (5) R 
              5.1) R 개요 
              5.2) 주요 내용 및 특징 
         (6) Cascading 
              6.1) Cascading 개요 
              6.2) 주요 내용 및 특징 
         (7) Whirr 
              7.1) Whirr 개요  
              7.2) 주요 내용 및 특징 
         (8) Oozie 
              8.1) Oozie 개요  
              8.2) 주요 내용 및 특징 
3. 하둡기반 공개 플랫폼 
    1) 주요 공개 S/W 플랫폼 적용기술 
         (1) 국내 주요 하둡기반 공개 플랫폼 
              1.1) BAAS(그루터) 
                    1.1.1) BAAS 개요 
                    1.1.2) BAAS 특징 
              1.2) NDAP(KT NexR) 
                    1.2.1) NDAP 개요 
                    1.2.2) NDAP 특징 
         (2) 국외 주요 하둡기반 공개 플랫폼 
              2.1) CDH(클리우데라) 
                    2.1.1) CDH 개요 
                    2.1.2) CDH 특징 
              2.2) HDP(호튼웍스) 
                    2.2.1) HDP 개요 
                    2.2.2) HDP 특징
    2) 빅데이터 관련 상용S/W 
         (1) 수집 분야 
              1.1) Pentaho Data Integration 
                    1.1.1) Pentaho Data Integration 개요 
                    1.1.2) 주요 내용 및 특징 
              1.2) Easy-Up(아크원소프트) 
                    1.2.1) Easy-Up 개요 
                    1.2.2) Easy-Up 특징 
              1.3) UNINAN(이투온) 
                    1.3.1) UNINAN 개요 
                    1.3.2) UNINAN 특징 
              1.4) Splunk(스플렁크) 
                    1.4.1) Splunk 개요 
                    1.4.2) Splunk 특징 
              1.5) Tibco BusinessEvents(Tibco) 
                    1.5.1) Tibco BusinessEvents 개요 
                    1.5.2) Tibco BusinessEvents 특징 
              1.6) Cognos RTM(IBM) 
                    1.6.1) Cognos RTM 개요 
                    1.6.2) Cognos RTM 특징 
              1.7) Sybase ESP(Sybase) 
                    1.7.1) Sybase ESP 개요 
                    1.7.2) Sybase EsP 특징 
              1.8) RIS-K(RSN) 
                    1.8.1) RIS-K 개요 
                    1.8.2) RIS-K 특징 
              1.9) Endeca(Oracle) 
                    1.9.1) Endeca 개요 
                    1.9.2) Endeca 특징 
         (2) 저장･처리 분야 
              2.1) Esper 
                    2.1.1) Esper 개요 
                    2.1.2) 주요 내용 및 특징 
              2.2) MongoDB 
                    2.2.1) MongoDB 개요 
                    2.2.2) 주요 내용 및 특징 
              2.3) Greenplum(EMC) 
                    2.3.1) Greenplum 개요 
              2.4) Isilion(EMC) 
                    2.4.1) Isilion 개요 
                    2.4.2) Isilion 특징 
              2.5) Documentum(EMC) 
                    2.5.1) Documentum 개요 
                    2.5.2) Documentum 특징 
              2.6) Monad Storage(카디날정보기술) 
                    2.6.1) Monad Storage 개요 
                    2.6.2) Monad Storage for Driver 개요 
                    2.6.3) Monad Storage for XC 개요 
                    2.6.4) Monad Storage for Query 개요 
                    2.6.5) Monad Storage for NAS 개요 
                    2.6.6) Monad Storage for Backup 개요
              2.7) Exadata(Oracle) 
                    2.7.1) Exadata 개요 
                    2.7.2) Exadata 특징 
              2.8) PureData(IBM) 
                    2.8.1) PureData 개요 
                    2.8.2) PureData 특징 
              2.9) SAP HANA(SAP) 
                    2.9.1) SAP HANA 개요 
                    2.9.2) SAP HANA 특징 
         (3) 분석･표현 분야 
              3.1) Vertica(HP) 
                    3.1.1) Vertica 개요 
                    3.1.2) Vertica 특징 
              3.2) Aster Data(Teradata) 
                    3.2.1) Aster Data 개요 
                    3.2.2) Aster Data 특징 
              3.3) Enterprise RHive(KT NexR) 
                    3.3.1) Enterprise RHive 개요 
                    3.3.2) Enterprise RHive 특징 
              3.4) SOCIALmetrix(다음소프트) 
                    3.4.1) SOCIALmetrix Trendmap 개요 
                    3.4.2) SOCIALmetrix Enterprise 개요 
              3.5) NetMiner/NetMetrica(다음소프트) 
                    3.5.1) NetMiner 개요 
                    3.5.2) NetMiner 특징 
                    3.5.3) NetMetrica 개요 
                    3.5.4) NetMetrica 주요 기능 
              3.6) IN2/STORM(솔트룩스) 
                    3.6.1) IN2 개요 
                    3.6.2) IN2 주요 구성 
                    3.6.3) STORM 개요 
              3.7) OpinionBuddy(센솔로지) 
                    3.7.1) OpinionBuddy 개요 
                    3.7.2) OpinionBuddy 특징 
              3.8) HiQube Analytics Platform(알테어) 
                    3.8.1) HiQube Analytics Platform 개요  
                    3.8.2) HiQube Analytics Platform 특징 
              3.9) Octagon Enterprise BI Server(야인소프트) 
                    3.9.1) Octagon Enterprise BI Server 개요  
                    3.9.2) Octagon EOS(Enterprise OLAP Server) 
                    3.9.3) Octagon ERS(Enterprise Reporting Server) 
              3.10) WISE(위세아이텍) 
                    3.10.1) WISE Cloud BI 개요 
                    3.10.2) WISE Campaign 개요 
                    3.10.3) WISE Smart BI 개요 
                    3.10.4) WISE Social Analytics 개요 
              3.11) ECMiner(이씨마이너) 
                    3.11.1) ECMiner 개요 
                    3.11.2) ECMiner 특징 
              3.12) Autonomy(HP) 
                    3.12.1) Autonomy 개요 
                    3.12.2) Autonomy 특징 
                    3.12.3) Autonomy 도입 사례 
              3.13) Monad Integration(카디날정기술) 
                    3.13.1) Monad Integration 개요 
                    3.13.2) Monad Integration 기능 
              3.14) RNTier(클루닉스) 
                    3.14.1) RNTier 개요 
              3.15) Oracle Advanced Analytics(Oracle) 
                    3.15.1) Oracle Advanced Analytics 개요 
                    3.15.2) Oracle Advanced Analytics 특징 
              3.16) SPSS Modeler/SPSS Statistics(IBM) 
                    3.16.1) SPSS Modeler 개요 
                    3.16.2) SPSS Modeler 특징 
                    3.16.3) SPSS Statistics 개요 
                    3.16.4) SPSS Statistics 특징 
              3.17) SAS Text Analytics/SAS Visual Analytics(SAS) 
                    3.17.1) SAS Text Analytics 개요 
                    3.17.2) SAS Text Analytics 특징 
                    3.17.3) SAS Visual Analytics 개요 
                    3.17.4) SAS Visual Analytics 특징 
              3.18) Spotfire(Tibco) 
                    3.18.1) Spotfire 개요 
                    3.18.2) Spotfire 특징 
         (4) 관리 분야 
              4.1) Karmasphere 
                    4.1.1) Karmasphere 개요 
                    4.1.2) 주요내용 및 특징 
              4.2) GridCenter Hadoop(클루닉스) 
                    4.2.1) GridCenter Hadoop 개요 
              4.3) Monad Management(카디날정보기술) 
                    4.3.1) Monad Management 개요 
         (5) 플랫폼 분야 
              5.1) 빅데이터 어플라이언스(오라클) 
                    5.1.1) 오라클 빅데이터 어플라이언스 개요 
                    5.1.2) 오라클 빅데이터 어플라이언스 특징 
                    5.1.3) 오라클 빅데이터 어플라이언스 개념도 
              5.2) Pelton(NFLabs) 
                    5.2.1) Pelton 개요 
                    5.2.2) Pelton 특징 
              5.3) IBM 빅데이터 플랫폼(IBM) 
                    5.3.1) IBM 빅데이터 플랫폼 개요 
                    5.3.2) IBM 빅데이터 플랫폼 주요 기능 
              5.4) SAS 빅데이터 플랫폼(SAS) 
                    5.4.1) SAS 빅데이터 플랫폼 개요 
                    5.4.2) SAS 빅데이터 플랫폼 개념도 
         (6) 빅데이터 관련 주요 S/W 비교 
              6.1) Hive vs. Pig 
                    6.1.1) Hive vs. Pig 기능 비교 
              6.2) 비정형 데이터 수집 SW 비교 
                    6.2.1) Flume vs Chukwa vs. Scribe 
              6.3) 주요 NoSQL DB 비교 
                    6.3.1) Redis vs. Cassandra vs. Hbase vs. CouchDB vs. MongoDB 
4. 공간 빅데이터  
    1) 공간 빅데이터 분석 기술 
         (1) 공간 데이터 마이닝(Spatial Data Mining) 
         (2) 공간 데이터 클러스터링(Spatial Data Clustering) 
         (3) 공간 의사결정 지원시스템(Spatial Decision Support System) 
         (4) 소셜 네트워크 분석(Social Network Analytics) 
         (5) 공간 R 
    2) 공간 빅데이터 인프라 
         (1) 공간 하둡(Spatial Hadoop)   
         (2) 공간 NoSQL  
         (3) 공간 스토리지(Spatial Storage) 
         (4) 공간 정보 검색 엔진 
    3) 공간 빅데이터 활용 
         (1) 국내 
              1.1) 연구기관 및 정부기관 
              1.2) 기업 
         (2) 국외 
              2.1) 연구기관 및 정부기관 
              2.2) 기업 
5. 빅데이터 분석 사례 
    1) 보스턴 시티 사례(대형 공공이벤트 관리 및 안전성 강화) 
        (1) 추진배경 
        (2) 추진내용 
             2.1) 계획 단계 
             2.2) 모니터링 단계  
             2.3) 리뷰 단계  
        (3) 기대효과 
    2) NATIONWIDE 빅데이터 활용 사례 (고객 분석) 
        (1) 추진배경  
        (2) 추진내용 
             2.1) 보험 텔레매틱스 적용 
             2.2) Commercial Loss Control 적용 
             2.3) 인베스트먼트 적용 
        (3) 기대효과 
    3) 미시건 주립대 빅데이터 활용 사례(S.M.A.R.T. Thinking) 
        (1) 추진배경 
        (2) 추진내용 
        (3) 기대효과 
    4) 독일 노르트라인베스트파렌주 빅데이터 사례 (사이버범죄) 
        (1) 추진배경 
        (2) 추진내용 
        (3) 추진결과 
        (4) 기대효과 
    5) 뉴욕주 시라큐스시 사례 (데이터 분석 기반 스마터 시티 추진) 
        (1) 추진배경 
        (2) 추진내용 
        (3) 기대효과 
    6) 런던 경찰청 테스트 사례 (공공분야 - 업무효율 및 안전성 강화) 
        (1) 추진배경 
        (2) 추진내용 
             2.1) 대량의 빅데이터 수집 
             2.2) 버티카를 활용한 빅데이터 분석 
        (3) 기대효과 
     
Ⅲ. 빅데이터의 활용과 구축방향 

 

1. 성공적인 빅데이터 활용을 위한 3대 요소  
    1) 빅데이터의 활용 
        (1) 스마트 사회를 여는 열쇠, 빅데이터로의 변화 
        (2) 숨겨진 정보를 채굴하는 디지털 시대의 마이닝(mining) 
        (3) 빅데이터 마이닝으로의 변화 
        (4) 빅데이터의 주요 특성과 요소 
    2) 빅데이터의 3대 요소 
        (1) 자원 
             1.1) 활용할 수 있는 빅데이터 발견하기 
                   1.1.1) 데이터 경제시대의 도래와 무한한 데이터 자원 
                   1.1.2) 활용할 수 있는 빅데이터 확보 
        (2) 기술 
             2.1) 빅데이터 프로세스와 신기술 이해하기 
                   2.1.1) 스마트 시대의 핵심 키(Key) 
                   2.1.2) 빅데이터의 처리 프로세스 
                   2.1.3) 기업의 빅데이터 활용의 기술변화 
        (3) 인력 
             3.1) 데이터 사이언티스트 역량 
                   3.1.1) 빅데이터 시대의 연금술사, 데이터 사이언티스트 
                   3.1.2) 데이터 사이언티스트의 역량과 조건 
2. 에코시스템 시장경쟁과 전략분석 
    1) 빅데이터로 인한 변화 
        (1) 미래의 새로운 자원 
        (2) 혁신과 창조의 도구 
        (3) 빅데이터를 둘러싼 혼선과 새로운 과제 
    2) 빅데이터 에코시스템과 프레임 워크 
        (1) 빅데이터 에코시스템 
        (2) 빅데이터 서비스 프레임워크 
             2.1) H/W-인프라 유형 : 기업을 위한 데이터센터 구축 서비스 
             2.2) H/W-플랫폼 유형 : 클라우드 기반의 데이터 서비스 
             2.3) 처리S/W-인프라 유형 : H/W와 S/W Total Package 서비스 
             2.4) 처리S/W-플랫폼 : 오픈소스 기반의 S/W 플랫폼 서비스
             2.5) 분석S/W-플랫폼 : 일반 사용자를 위한 분석 S/W 공개서비스 
             2.6) 분석S/W-어플리케이션 : 고객맞춤형 솔루션 서비스 
    3) 정책적 이슈 분석을 위한 프레임워크의 확장 
    4) 경쟁현황 및 시사점 
        (1) 빅데이터 서비스 프레임워크를 통한 공급자 전략의 이해 
        (2) 빅데이터 서비스 주도권을 위한 공급자간 전쟁 
        (3) 빅데이터 프레임워크와 시사점 
3. 공공정보 개방을 위한 데이터 플랫폼 구축방향 
    1) 빅데이터 시대와 데이터 개방의 필요성 
        (1) 국가경쟁력 강화 및 정부혁신의 필수 
             1.1) 핵심이슈‘빅데이터’ 
        (2) 공공 데이터 개방과 공유의 필요성 
    2) 선진국의 공공정보 개방 현황과 시사점 
        (1) 미국 
             1.1) 정부의 공공데이터 개방 추진현황 
                   1.1.1) 공공정보 활용한 지역정보 서비스 개발  
             1.2) 미국의 공공데이터 개방 플랫폼 - 소크라타(Socrata.com) 
        (2) 영국 
             2.1) 정부의 공공데이터 개방 추진현황 
             2.2) 영국 및 EU의 공공데이터 개방 플랫폼 - CKAN(ckan.org) 
    3) 국내 공공정보 개방 현황 및 개선방향 
        (1) 국내 공공정보 개방 현황 
        (2) 공공정보 개방 관련 업무 프로세스 
             2.1) 국가 공유 자원포털 
             2.2) 개별법에 따른 개방 
             2.3) 공공기관과의 제휴를 통한 개방 
        (3) 개선방향 
    4) 효과적인 공공정보 개방을 위한 플랫폼 구축방향 
        (1) 공공데이터의 효율적 개방 및 활용 촉진에 적합한 플랫폼 개발 
             1.1) 시간 
             1.2) 인력 
             1.3) 예산 
        (2) 공공정보의 전 생애주기에 적용 가능한 플랫폼 구축 
        (3) 공공정보 개방 플랫폼의 3대 핵심요소 
             3.1) 기술 
             3.2) 데이터 
             3.3) 인식전환 
4. 신기술의 활용방향 
    1) AI 기술의 활용 
        (1) 빅데이터의 도전 
             1.1) 새로운 혁신 패러다임 ‘증거기반경영’ 
             1.2) 빅데이터 갭(Gap): Promise vs Capabilities 
             1.3) 이론의 종말: Half-Truths, Total Nonsense 
             1.4) 빅데이터의 새로운 가능성, AI 
        (2) AI와 빅데이터 
             2.1) 인간을 닮은 기술, AI 
             2.2) AI, 데이터 분석 및 처리를 위한 핵심 기술기반 
             2.3) AI, 빅데이터 기반의 맞춤형서비스 제공을 위한 핵심기반 
             2.4) 빅데이터의 미래 
        (3) AI와 빅데이터 시사점 
             3.1) 빅데이터와 AI를 결합한 다양한 비즈니스 모델 개발 
             3.2) AI기술 및 인력의 전략적 육성 
             3.3) 기술과 사회 문화적 요소검토 
5. SNS의 진화와 공공정책 
    1) SNS의 진화와 빅데이터 
        (1) SNS 데이터 빅뱅 
        (2) SNS의 진화 
             2.1) 과학･기술 문명의 발달 
                   2.1.1) 1세대 SNS : 오프라인에서 온라인으로 변화 
                   2.1.2) 2세대 SNS : 불특정 다수간의 참여와 공개 
                   2.1.3) 3세대 SNS : 큐레이션과 제한적 네트워크 
    2) 데이터 빅뱅의 근원 
        (1) 데이터 생성 환경의 변화 
        (2) 관계망 속에서 데이터 빅뱅 
             2.1) 사람과 사람간의 관계 (H2H) 
             2.2) 사람과 기계간의 관계 (H2M or M2H) 
             2.3) 기계와 기계간의 관계 (M2M) 
    3) 의도되지 않은 데이터의 재조명 
        (1) 의도되지 않은 데이터의 활용 가치 
             1.1) 데이터 쓰레기의 가치 
             1.2) 데이터 쓰레기에서의 민심 파악 
        (2) 동적 통계로서의 빅데이터 

 

 

1. 클라우드 컴퓨팅  
    1) 클라우드 컴퓨팅의 개요 
        (1) 클라우드 컴퓨팅 정의와 목적 
        (2) 클라우드 컴퓨팅과 유사한 IT구조 
    2) 클라우드 컴퓨팅 서비스 
        (1) 클라우드 컴퓨팅 서비스의 종류 
             1.1) 소프트웨어 서비스(SaaS, software as a service) 
             1.2) 플랫폼 서비스(PaaS, platform as a service) 
             1.3) 인프라 서비스(IaaS, infrastructure as a service) 
        (2) 클라우드 컴퓨팅의 기술구성 
             2.1) 자원의 가상화 
             2.2) 분산 컴퓨팅 
             2.3) 시스템 관리 
             2.4) 서비스 플랫폼 
             2.5) 기타 
    3) 빅데이터와 클라우드 컴퓨팅 
2. 데이터 센터 
    1) 데이터 센터의 개요 
        (1) 데이터 센터의 정의와 목적 
    2) 구글의 데이터센터 
    3) 페이스북의 데이터센터 
    4) 에너지 효율 
3. 빅브라더 
    1) 빅데이터와 빅브라더 
    2) 개인정보 보호법 
    3) 익명화와 잊혀질 권리 
4. 데이터 과학자 
    1) 데이터 과학 
    2) 데이터 과학자 
    3) 데이터 과학자 양성 
    4) 데이터 과학자의 미래