연구보고 R802

농림업분야 빅데이터 활용도 제고 방안

등 록︱제6-0007호(1979. 5. 25.)

발 행︱2016. 12.

발행인︱김창길

발행처︱한국농촌경제연구원

우) 58217 전라남도 나주시 빛가람로 601

대표전화 1833-5500

인쇄처︱(주)프리비

I S BN︱978-89-6013-964-0 93520

∙ 이 책에 실린 내용은 출처를 명시하면 자유롭게 인용할 수 있습니다.

무단 전재하거나 복사하면 법에 저촉됩니다.

이 도서의 국립중앙도서관 출판예정도서목록(CIP)은 서지정보유통지원시스템 홈페이지(http://seoji.nl.go.kr)와

국가자료공동목록시스템(http://www.nl.go.kr/kolisnet)에서 이용하실 수 있습니다. (CIP제어번호 : CIP2017000229)

연구 담당

김경필︱선임연구위원︱연구총괄, 제1장~제6장 집필

구자춘︱부연구위원︱제2장 집필

안현진︱부연구위원︱제4장 집필

한정훈︱연구원︱제2장, 제3장 집필

i

머 리 말

정보통신기술(ICT)이 발달함에 따라 데이터 양이 폭발적으로 증가하고

있다. 최근에 이러한 빅데이터를 활용하여 새로운 가치를 창출하려는 시도

가 많아지고 있다. 이미 타산업분야나 외국에서는 빅데이터를 활용하여 생

산효율성 증대, 수급예측뿐만 아니라 사물인터넷(IoT)이나 인공지능(AI) 단

계까지 발전을 꾀하고 있다.

국내 농림업분야는 빅데이터 활용을 시도하고 있으나 아직 초기단계이

다. 빅데이터 활용 수준이 낮은 주요 이유는 빅데이터 활용에 대한 이해도

가 낮으며 데이터 수집 및 분석에 어려움이 있기 때문이다.

국내 농림업분야도 타산업분야 및 외국 수준에 맞추어 빅데이터를 활용

도를 높일 수 있는 방안이 필요하다. 이러한 배경에서 본 연구는 농림업분

야의 빅데이터 활용 현황 및 실태, 국내외 활용사례 분석, 빅데이터 수요조

사를 통해 빅데이터 활용도를 제고할 수 있는 방안을 제시하기 위해 수행하

였다.

본 연구는 농림업분야 빅데이터 활용도 제고 방안에 대한 연구가 거의 없

는 실정에서 전문가 및 설문조사를 통해 활용도 제고 방안을 제시하였다는

점에서 의미가 있다. 본 연구가 원활히 수행될 수 있도록 도움을 준 전문가

및 자문위원, 농식품부 담당자들에게 깊은 감사를 드린다. 본 보고서가 농

림업분야 빅데이터를 활성화하는 데 있어서 기초자료로 유용하게 활용될

수 있기를 바란다.

2016. 12.

한국농촌경제연구원장 김 창 길

iii

요 약

연구 배경

○ 정보통신기술(ICT) 기술이 발전하면서 방대한 양의 빅데이터가 생성되

고 있으며, 빅데이터를 활 용한 사업모델 개발에 관심이 높아지고 있음.

농림업분야에서 빅데이터 활용이 활성화될 경우 장기적으로 사물인터넷

(IoT), 인공지능(AI) 단계까지 발전할 것으로 전망되고 있음.

○ 국내 농림업분야에서 빅데이터를 활용하는 성과가 일부 나타나고 있으

나 아직 초기단계임. 활용할 수 있는 빅데이터도 거의 없는 실정임. 반

면, 타 산업분야에서는 교통, 의료, 마케팅 분야에서 빅데이터를 활용하

여 새로운 가치를 창출하고 있으며, 미국에서는 토양 및 기후 데이터를

활용한 생산량 예측, 일본에서는 빅데이터를 이용한 재해예측 시스템 구

축, 식물공장 운영 등의 활용 사례가 나타나고 있음.

○ 타 산업분야와 외국에서 빅데이터를 기반으로 하는 사업이 빠르게 성장

하고 있으므로 농림업분야도 이에 견주어 빅데이터 활용을 활성화시킬

필요성이 있음. 이를 위해서 농림업분야의 빅데 이터 활용 현황 및 실태

파악, 활용도를 높일 수 있는 방안 마련이 필요함.

연구 방법

○ 관련문헌 및 자료조사, 온라인 검색, 전문가자문, 전문가원고위탁을 통해

국내 농림업 및 타 산업분야, 해외(미국, 일본)의 빅데이터 활용사례를

발굴하고 분석함.

○ 지표별 평가를 통해 국내외 빅데이터 활용사례를 유형화하고, 외국사례

대비 국내 빅데이터 활용 수준을 진단하고 지향해야 할 방향을 제시함.

iv

○ 농림업분야의 빅데이터 활용 수요분석을 위해 빅데이터 전문가, 농업정

보전문가, 산업체, 정책 담당자 등 158명을 대상으로 설문조사를 실시함.

○ 설문조사 결과를 활용하여 빅데이터 수요부문 및 전망부문을 정량적으

로 제시하였으며, Ordered Logit 모형 추정을 통해 빅데이터 잠재수요에

영향을 미치는 요인을 도출함.

○ 전문가 심층분석을 통해 농림업분야 빅데이터 분석의 제약 및 개선사항,

빅데이터 수요 및 전망 내용, 활용사례 심층분석, 빅데이터 활용도 제고

방안을 도출함.

빅데이터 활용사례와 실태

○ 우리나라는 기후, 생산량, 가격 등의 정형데이터와 SNS데이터 등 비정

형데이터를 분석하고 있지만, 센서, 드론, 위성 등을 활용하여 수집한 이

미지데이터의 생성 및 구축은 미미한 수준임.

○ 농업정보 담당자들에게 빅데이터라는 용어 자체에 대한 인지도는 높은

편이지만, 빅데이터 분석에 대한 이해도는 낮은 것으로 나타남. 빅데이

터 분석에 대해서 매우 잘 이해하고 있다는 응답은 38.0%에 불과함.

○ 빅데이터 자료의 수집, 분석, 활용성과에 대한 만족도를 조사한 결과, 불

만족스럽다는 의견은 자료수집 측면에서 가장 많았음(48.7%).

<빅데이터 자료(수집/분석/활용성과) 만족도>

v

○ 빅데이터 활용의 주요 제약요인은 1) 데이터 품질의 신뢰도가 낮은 점,

2) 데이터가 부족하고 수집이 어렵다는 점, 3) 데이터 분석 알고리즘에

대한 개발이 미흡하다는 점 등이 대표적임.

○ 국내 농림업분야의 빅데이터 활용 목표를 사물인터넷 및 인공지능 활용

시스템 수준으로 설정할 필요가 있으며, 이를 위해 영농컨설팅, 수확량정

보, 생산이력, 환경관리 시스템의 클라우드 기반을 구축할 필요가 있음.

- 기본적으로 충분햔 양의 데이터 축적이 요구됨.

- 생성되는 데이터 축적을 위한 시설 및 인프라, 축적된 데이터를 연계하여

분석할 수 있는 알고리즘의 개발 및 활용이 필요함.

국내외 빅데이터 활용사례 분석

○ 빅데이터 활용사례 내용을 정책적으로 활용할 만한 사례는 한국이 가장

많은 반면, 미국과 일본은 사업체(비즈니스) 측면에서 활용할 만한 사례

가 많았음.

○ 한국의 농림업분야 활용사례는 소비(안전성)부문이 많은 반면 생산부문

사례는 적었고, 미국과 일본은 생산부문 활용사례가 많았음. 국내 농림업

분야 빅데이터 활용사례 중 마케팅 성과제고를 위한 사례는 적은 편임.

○ 분석자료의 형태 측면에서는 정형데이터를 활용한 비율이 국가별로 차

별성 없이 높게 나타났으며, 국내 타 산업분야의 활용사례들이 국내 농

림업분야에 적용할 가능성이 가장 높은 것으로 나타남.

빅데이터 활용 수요분석과 전망

○ 설문조사 결과 농림업분야에서 빅데이터의 분석 및 활용이 가장 필요한

분야로는 생산분야(47.0%)이며, 향후 농림업분야에서 빅데이터의 활용

가치가 높아질 것으로 예상되는 분야도 생산분야(43.6%)가 가장 높게

나타남.

○ 빅데이터 분석 시 획득하고 싶은 정보에 대해서는 ‘생산량 예측정보

vi

(32.1%)’, ‘국내 소비동향 정보(14.5%)’, ‘병충해 징후 정보(10.7%)’ 등의

순으로 나타남. 가장 필요한 빅데이터 분석 분야는 예측분야라는 응답이

52.7%로 가장 많았고, 현황분야(25.6%), 진단분야(21.7%)의 순으로 나

타남.

<빅데이터 활용수요자들에게 가장 필요한 분석 분야>

○ 농림업분야 빅데이터 분석 시 활용도가 가장 높을 것으로 판단되는 데이

터 유형은 ‘데이터 용량이 큰 데이터(40.3%)’, ‘공공데이터+기초통계데

이터+웹데이터 등 결합분석용 데이터(35.8%)’, ‘공공데이터+기초통계데

이터(13.4%)’ 등의 순으로 나타남.

○ 빅데이터 자료수집 결합, 분석 서비스에 대한 유료이용 의사에 대해서는

‘조금 있다’는 응답이 43.5%로 가장 많았음. 이용하고 싶은 서비스에 대

해서는 ‘빅데이터 자료수집’과 ‘빅데이터 분석’이 각각 26.5%로 나타남.

○ 빅데이터 활용경험에 영향을 주는 요인으로 학력은 유의하지 않은 반면

빅데이터 분야 업무경력이 유의한 영향을 미치는 것으로 나타남. 아직까

지 농림업분야에서 빅데이터 이용은 보편적인 방식이라기보다는 일부

빅데이터에 관심이 있거나 업무를 담당하는 사람들에게 제한적으로 활

용되는 것으로 보임.

vii

○ 농림업분야 전문가들은 대부분 빅데이터 활용이 미래 농림업분야에 긍

정적인 영향을 끼칠 것으로 전망함. 특히, 빅데이터 분석을 통해 ‘수급예

측 정확도 제고’와 ‘생산효율성 증대’를 기대하고 있음.

- 빅데이터를 활용함으로써 가장 크게 영향을 받을 품목류는 생산과 유통

부문에서는 ‘과채류’, 소비부문에서는 ‘축산물’로 나타남.

빅데이터 활용도 제고 방안

○ 빅데이터 활용도 제고를 위한 기본 방향은 1) 빅데이터 활용에 대한 이

해도 증진, 2) 빅데이터 분석의 성공가능성 제고, 3) 빅데이터 활용도 제

고 지원의 전문성 강화, 4) 단기 및 중장기 추진과제 구분 제시 등으로

요약할 수 있음.

유형 활용 제약 개선사항

유형 Ⅰ

∙ 개인정보 보호 문제 때문에 자료수집이 어려움

∙ 정부가 주도하여 개인정보를 삭제하여 개인별

일련번호 부여 후 제공

∙ 시･군･구 등 일정 범위의 행정단위별 정보 제공

∙ 자료가 있지만 활용에 필요한 형태로 수집하기

어려움∙ 데이터 사용자가 공급자 간에 정부조정 역할 필요

유형 Ⅱ∙ 빅데이터 분석목적을 수행하기 위한 자료수집과

분석방법을 잘 모름

∙ 빅데이터 자료수집 및 분석기능을 수행하는 전문

기관 운영

<빅데이터 활용제약 유형 및 개선사항>

단위: 천 명

○ 빅데이터 활용에 대한 이해도 제고를 위한 세부 추진방안은 빅데이터 활

용교육 및 홍보 확대, 빅데이터 분석 시나리오 제공, 국내외 빅데이터 활

용사례 벤치마킹 필요로 구분하여 제시함. 빅데이터 분석의 성공가능성

제고를 위해서는 데이터 공개 및 공유확대, 데이터 품질 개선, 데이터 활

용제약 유형별 개선을, 빅데이터 활용지원의 전문성 강화를 위한 방안은

빅데이터 활용 관련기관별 역할을 단기 및 중장기 추진과제로 구분하여

제시함.

viii

요약 및 시사점

○ 빅데이터 분석의 성공가능성을 제고하기 위해서는 데이터 공개 및 공유

확대, 데이터 품질개선, 데이터 활용제약 사항을 해결해야 함. 자료수집

은 정부의 협조하에 개인식별정보를 제거하여 제공·활용하거나 개별적

접근보다는 협회나 생산자 단체와 연계해서 수행하는 것이 중요함.

○ 빅데이터 활용도 제고 방안들은 빅데이터 분석의 특성상 정부 등 특정

주체만으로 개선하기는 매우 힘든 일임. 따라서 정부와 공공기관, 민관

기관이 협력함으로써 활용도 제고 성과를 높여야 함.

- 정부의 역할은 빅데이터 활용 이해도 제고를 위한 교육 및 홍보, 데이터

공개 및 공유범위 확대를 위한 제도개선, 빅데이터 표준성과 일관성을

높이기 위한 자료관리, 빅데이터 전문기관 설립 및 운영에 대해 전반적

으로 주도적인 역할을 수행해야 함.

○ 농림업분야 빅데이터 활용의 전문성을 제고하기 위해서는 빅데이터 업

무를 전문적으로 수행할 수 있는 기구를 운영해야 함. 농림업분야의 데이

터는 타 산업분야와 달리 품질속성과 균일성의 차이가 크기 때문에 농림

업분야에 전문성을 가지는 전문기관이 필요하며, 전문기관은 빅데이터

정보 수집 및 공유체계 구축과 공공기관 데이터 공개에 대한 지침마련,

국가차원의 빅데이터 보유기관과 연계를 강화하는 등의 역할이 요구됨.

○ 농림업분야 빅데이터 활용을 활성화하기 위해서는 타 산업과 외국의 빅

데이터 활용동향을 면밀히 파악할 필요가 있으며, 활용사례들을 보다 심

층적으로 조사하여 빅데이터 활용을 높일 수 있는 콘텐츠 개발과 인프라

조성을 지속적으로 벤치마킹할 필요가 있음.

ix

ABSTRACT

Big Data Applications in Agricultural Sector

Background of Research In today’s world of business, there has been a tremendous interest in de-veloping the uses of Big Data to create new values. The domestic agricul-tural sector has also tried to apply Big Data in political decision-making and conducting research projects. However, Big Data application in the ag-riculture sector is still at an early stage compared to other industries in the country. Several developed countries such as the US and Japan have wide-ly been applying Big Data in the agriculture sector to help in agricultural decision-making. Thus, there is a need to enhance the application of Big Data in the agricultural sector to provide more valuable information to de-cision makers in agriculture and other industries. A comprehensive analysis of data, not only from the agriculture sector but also from the massive amount of transactions being accumulated in real-time and from other de-partments and private sectors is needed. The purpose of this study is to identify the current conditions and uti-lization of Big Data in the agricultural sector and to propose solutions for a viable use of Big Data by analyzing both domestic and overseas practical application examples of Big Data, and investigation of the demand for Big Data utilization.

Method of Research The research methods included the examination of related literature and materials, an online search for both domestic, and overseas practical uses of Big Data, and evaluation for each indicator. These were used to catego-rize both national and foreign examples of practical use of Big Data, and to diagnose the level of domestic utilization compared to that used over-

x

seas, and to propose directions. Also, a survey was conducted of 158 peo-ple including Big Data experts, agricultural information experts, industrial experts, and policy makers among others to investigate demands for Big Data utilization in the agricultural industry. At the same time, the important elements for the effect of latent demand were drawn by Ordered Logit model assumption based on the results of the survey. Furthermore, re-strictions and improvement for the agriculture industry, an improvement plan for Big Data utilization, an in-depth analysis of the practical use of Big Data were concluded by a thorough analysis of findings from the sur-vey of the experts.

Results and Implications The significant restrictions for utilization of Big Data include low quality of data, insufficient data and difficulties gathering it, and lack of develop-ment of Big Data for the domestic agriculture industry. It is necessary to set the target for uses of Big Data in the domestic agriculture sector similar to that in the field of IoT or AI and to establish cloud-based infrastructure for farming management consulting, information on crop volume, pro-duction history, and environment management. To improve the understanding of Big Data usage, first, it is necessary to systematically promote the concept, its practical use, necessity, and val-ue of use by expanding the education and sensitization of Big Data utilization. To achieve this understanding, it is necessary to publish and distribute case studies of Big Data uses that include examples of practical use and application in the sector. Secondly, when considering the idea whether to conduct analysis depending on the purpose of the data’s use, it will require many trials of scenarios of Big Data analysis for enhancing uses of Big Data and promoting Big Data to the public. Finally, by inves-tigating and benchmarking the examples of practical use of Big Data in other domestic industries and overseas utilization, the outcome of practical use for Big Data can be increased. Business entities may benchmark exam-ples of the U.S.A’s C3 and C8, and Japan’s D2, D3, and D7. For improve-ment of productivity, one may benchmark Japan’s D1, D2, D3, and D4, and other domestic industries’ B1, B3, and B4 for the marketing sector.

xi

To increase the possibility of successful analysis of Big Data, restrictions on expansion on open and sharing data, improvement of data quality, and data utilization must be improved. Firstly, one may benchmark district level (e.g., Si, Gun, and Gu) statistical data, examples of their use, examples for practical use of the National Statistical Office (NSO)’s data center; exam-ples of expansion of practical use by technical process for data in order to expand open and sharing data. Also, the government needs to improve appropriate systems actively. Secondly, it is necessary to standardize data and newly establish and correct missing data to improve the data quality. Finally, the difficulties of gathering data may be solved by providing or utilizing data by deleting personal identification information and doing this with related associations or producer groups rather than accessing it individually. If one tries to gather and analyze Big Data, the utilization will increase significantly when a professional institute provides services such as Big Data gathering and provision and Big Data analysis. The measures to improve utilization of Big Data in the agriculture sector can be classified into the following categories: education and promotion for improving utilization of Big Data; expansion of open and sharing data sys-tem; improvement of data quality, and systems development. To achieve this growth, the government, public entities, and private organizations need to work together cooperatively. Most of all, the government needs to play an important leading role in education and promotion to improve utilization of Big Data; in developing the system for expansion of open and sharing data system; in data management for upgrading, standardization, and con-sistency of Big Data; and in the establishment and operation of Big Data dedicated institutes. This approach will achieve improved understanding of the utilization of Big Data. To improve expertise in utilizing data in the agriculture industry, a Big Data special organization must be created. Since data from the agriculture industry differs from that of other industries regarding quality attributes and uniformity, an expert institution, which specializes in the agriculture sector, is needed. This dedicated organization needs to gather Big Data, establish an open system for sharing, prepare guidelines for open data of public enti-ties, and enhance integration with national-level Big Data-holding organizations. To improve utilization of Big Data, systems improvement

xii

and amendment of regulations need to be conducted by reviewing and re-vising laws and regulations which restrict open data sharing. The public sectors need to play an important role in improving uti-lization of Big Data through gradually collaborating with other areas such as research and business to expand the data scope and extent of sharing. Public entities should actively cooperate with governments to establish new policies for developing information standards and data sharing. The roles of the private sectors in understanding the needs of Big Data analysis, and acknowledging several challenges in Big Data analysis should be defined. The National Agricultural Cooperative Federation and farming households should identify the importance of Big Data utilization, and find the value from data sharing. Since usage of Big Data in the domestic agriculture industry is at an ear-ly stage, improvement of the utilization value of Big Data and potential consumers' understanding of it are required. Mid and long-term plans tar-geting the level of parity with IoT and AI should be established and sup-ported to invigorate the utilization of Big Data, in the long run.

Researchers: Kim Kyungphil, Koo Jachoon, An Hyunjin and Han Junghoon Research Period: 2016. 1. ~ 2016. 10.E-mail address: kkphil@krei.re.kr

xiii

차 례

제1장 서론

1. 연구 필요성과 목적 ··············································································1

2. 선행연구 ·································································································4

3. 연구범위 ·······························································································13

4. 연구방법 및 추진체계 ········································································14

제2장 농림업분야 빅데이터 개요와 활용 실태

1. 빅데이터 개요 및 종류 ·······································································19

2. 빅데이터 활용사례 및 분석절차 ·······················································27

3. 빅데이터 활용 현황 및 제약요인 ······················································39

제3장 국내외 빅데이터 활용사례 분석

1. 분석 개요 ·····························································································59

2. 분석 결과 ·····························································································69

3. 주요 특징 ·····························································································80

제4장 농림업분야 빅데이터 활용 수요분석과 전망

1. 분석개요 ·······························································································81

2. 빅데이터 활용 수요 현황 ···································································85

3. 빅데이터 활용 영향요인 분석 ···························································94

4. 빅데이터 활용 전망 ············································································97

제5장 농림업분야 빅데이터 활용도 제고 방안

1. 기본방향 ·····························································································101

2. 세부 추진 방안 ··················································································106

xiv

제6장 요약 및 결론

요약 및 결론 ··························································································127

부록

1. 국내외 빅데이터 활용사례 목록과 평가지표별 평가결과 ············134

2. 국내외 빅데이터 활용사례 요약내용 ··············································141

3. 농림업분야 빅데이터 활용 수요 조사표 ········································218

참고문헌 ······································································································229

xv

표 차례

제1장

<표 1-1> 위탁연구 현황 ··········································································15

<표 1-2> 연구부문별 분석자료 및 연구방법 ··········································15

<표 1-3> 주요 분석내용 및 분석결과 활용 개요 ····································16

제2장

<표 2-1> 빅데이터의 정의 ······································································20

<표 2-2> 빅데이터의 Life Cycle ·····························································21

<표 2-3> 빅데이터 처리 과정별 적용 기술 ·············································21

<표 2-4> 빅데이터 분석의 차별성 ··························································22

<표 2-5> 기존 데이터와 빅데이터의 비교 ··············································23

<표 2-6> 농림축산식품분야 빅데이터 종류 ···········································25

<표 2-7> 농림업분야 종사자의 빅데이터 인지도(유형별) ····················40

<표 2-8> 농림업분야 빅데이터 활용경험(유형별) ·································42

<표 2-9> 빅데이터 분석·활용 시 만족사항(유형별) ······························45

<표 2-10> 빅데이터 분석·활용 시 불만족사항(유형별) ··························47

<표 2-11> 농림업분야 공공데이터 활용빈도(유형별) ·····························49

<표 2-12> 빅데이터 분석 시도 자료 유형 ················································53

제3장

<표 3-1> 국내 빅데이터 활용사례 발굴 검색어 ·····································61

<표 3-2> 미국 빅데이터 활용사례 발굴 검색어 ·····································61

<표 3-3> 일본 빅데이터 활용사례 발굴 검색어 ·····································62

<표 3-4> 국내외 빅데이터 활용사례 분석 평가지표 ······························63

xvi

<표 3-5> 국내 농림업분야 빅데이터 활용사례 및 유형별 구분 ·············65

<표 3-6> 타산업분야 빅데이터 활용사례 및 유형별 구분 ·····················66

<표 3-7> 미국 빅데이터 활용사례 및 유형별 구분 ·································67

<표 3-8> 일본 빅데이터 활용사례 및 유형별 구분 ································68

<표 3-9> 국내외 빅데이터 활용사례의 평가지표별 분석결과(총괄) ·············70

<표 3-10> 국내외 농림업분야 빅데이터 활용사례의 유형별 비교 ··········71

<표 3-11> 국내외 타산업분야 빅데이터 활용사례의 유형별 비교 ··········78

제4장

<표 4-1> 빅데이터 활용 수요조사 설문문항 ··········································83

<표 4-2> 빅데이터 활용 수요조사 응답자 특성 ·····································84

<표 4-3> 빅데이터 분석 필요성(유형별) ················································86

<표 4-4> 빅데이터 활용/분석이 필요한 분야(유형별) ···························87

<표 4-5> 빅데이터 활용가치 향상 예상 분야(유형별) ···························88

<표 4-6> 빅데이터 활용/분석 시도 시 획득하고 싶은 정보 분야(유형별) ····90

<표 4-7> 빅데이터 유료이용 의사(유형별) ············································92

<표 4-8> 빅데이터 유료이용 의향 서비스 종류 ·····································93

<표 4-9> 빅데이터 수요 영향요인 추정결과 ··········································96

<표 4-10> 빅데이터 활용 활성화 시 예상 변화 ········································99

제5장

<표 5-1> 빅데이터 연계분석 가능한 농림업분야 빅데이터 ···················108

<표 5-2> 빅데이터 분석 시나리오의 데이터결합 가능성(예시) ··········109

<표 5-3> 정형 및 비정형데이터 연계분석 시나리오(예시) ·················109

<표 5-4> 농림업분야 활용 제한 빅데이터 종류 및 이유 ······················114

<표 5-5> 빅데이터 활용제약 유형 및 개선사항 ···································122

<표 5-6> 빅데이터 활용도 제고를 위한 관련기관별 역할 ···················125

<표 5-7> 빅데이터 활성화를 위한 단계별 추진과제 ····························126

xvii

부표 차례

부록 1

<부표 1-1> 국내 농림업분야 빅데이터 활용사례 목록 ························135

<부표 1-2> 국내 타산업분야 빅데이터 활용사례 목록 ························136

<부표 1-3> 미국의 빅데이터 활용사례 목록 ········································137

<부표 1-4> 일본의 빅데이터 활용사례 목록 ········································138

<부표 1-5> 국내 농림업분야 빅데이터 활용사례의 평가지표별 평가결과 ···139

<부표 1-6> 국내 타산업분야 빅데이터 활용사례의 평가지표별 평가결과 ···139

<부표 1-7> 미국 빅데이터 활용사례의 평가지표별 평가결과 ·············140

<부표 1-8> 일본 빅데이터 활용사례의 평가지표별 평가결과 ·············141

부록 2

<부표 2-1> 중국 도시가계 식품소비패턴의 지역적 차별성에 대한

연구사례 ·············································································142

<부표 2-2> 빅데이터 기반 영주사과작황정보 서비스 제공사례 ·········143

<부표 2-3> 2015 괴산 세계유기농산업엑스포 홍보 프로모션

전략수립 사례 ····································································144

<부표 2-4> 중국 바이두 빅데이터를 활용한 한국식품 온라인 마케팅

전략수립 사례 ····································································145

<부표 2-5> 2015 식품산업 소셜미디어 키워드 분석사례 ····················146

<부표 2-6> 충남정책 키워드의 SNS 데이터 분석사례 ························147

<부표 2-7> 도홈페이지 및 포털사이트 빅데이터 분석을 통한

정부 3.0 도민맞춤형 계획수립 사례 ··································148

<부표 2-8> 산불위험예보 실시간 웹서비스 제공 활용사례 ················149

<부표 2-9> 산사태 정보시스템 구축 활용사례 ····································150

xviii

<부표 2-10> 스마트팜 국내외 기술동향 분석사례 ································151

<부표 2-11> 빅데이터를 활용한 수요 변동 분석사례 ····························152

<부표 2-12> 인공신경망을 이용한 가격예측 모형 개발사례 ················153

<부표 2-13> 국가식품클러스터: 한국 및 동북아 식품시장 분석사례 ··· 154

<부표 2-14> 라면 발암물질 사건 이후 소비심리 회복 분석사례 ···········155

<부표 2-15> 빅데이터 기반 소비자 유형별 농식품 추천시스템 구축사례 ···156

<부표 2-16> 빅데이터를 활용한 휴양림 이용객현황과

인터넷 검색어의 상관관계 분석사례 ································157

<부표 2-17> ICT 기반 센서자료와 적용을 통한 온실 환경조절에

있어서의 차이 분석 사례 ···················································158

<부표 2-18> 빅데이터 기반 가축질병 확산 위험도 분석 활용사례 ·······159

<부표 2-19> LG의 빅데이터 소비자수요 분석 플랫폼 운영 활용사례 ···· 160

<부표 2-20> 포스코 ICT의 생산과정 컨설팅 활용사례 ·························161

<부표 2-21> FNC 코오롱의 매출수요 분석사례 ····································162

<부표 2-22> KB 국민카드의 소비자 카드매출 데이터 분석사례 ··········163

<부표 2-23> Daum 폭우지도를 활용한 수해예방 체제 구축사례 ·········164

<부표 2-24> 항공분야 사고발생 가능요인 분석사례 ·····························165

<부표 2-25> 제조분야에서의 빅데이터 기술 활용사례 ·························166

<부표 2-26> 빅데이터 거래 서비스 시스템 구축 활용사례 ···················167

<부표 2-27> 오피니언 마이닝을 통한 스마트 워치 출시 전후

소비자 반응분석 사례 ························································168

<부표 2-28> SNS 소셜 빅데이터를 활용한 의류 소비자 특성분석 사례 ··· 169

<부표 2-29> 보건복지분야의 빅데이터 활용사례 ·································170

<부표 2-30> 국내 유가예보 서비스 구축 활용사례 ·······························171

<부표 2-31> 서울시 교통 서비스의 최적 노선과 배차간격 도출 활용사례 ··· 172

<부표 2-32> 국토교통부 자동차관리 시스템 구축 활용사례 ················173

<부표 2-33> 모바일 빅데이터를 활용한 재난 대응방안 수립사례 ········174

<부표 2-34> 경상남도 빅데이터 활용방안 수립사례 ·····························175

<부표 2-35> 네슬레 식품안전 조기경보 시스템 구축사례 ····················176

xix

<부표 2-36> 빅데이터를 이용한 기상예측 시스템 구축사례 ················177

<부표 2-37> 파종상황 모니터링 모바일링 서비스 사례 ························178

<부표 2-38> 공공데이터를 이용한 기후보험 개발사례 ·························179

<부표 2-39> 빅데이터를 이용한 관수시스템 개발사례 ·························180

<부표 2-40> 저비용 관개애플리케이션(CropX) 개발사례 ····················181

<부표 2-41> 빅데이터를 이용한 대형식품매장 운영사례 ·····················182

<부표 2-42> IBM 정밀농업 시스템 구축사례 ········································183

<부표 2-43> 빅데이터 이용 농산물 공급체인 개선사례 ························184

<부표 2-44> 셀폰데이터를 활용한 개도국 식품가격 예측사례 ·············185

<부표 2-45> 빅데이터를 이용한 농업 환경정책 평가사례 ····················186

<부표 2-46> UPS 최적경로 추적시스템 사례 ········································187

<부표 2-47> 빅데이터를 이용한 맞춤형 광고전략 사례 ························188

<부표 2-48> 소비자 온라인 평판관리 사례 ············································189

<부표 2-49> 구글 플루 트렌드 예측사례 ···············································190

<부표 2-50> 구글 연관검색어를 이용한 살모넬라 발병률 분석사례 ···· 191

<부표 2-51> 빅데이터를 활용한 금가격 예측사례 ································192

<부표 2-52> 맞춤형 질병예측 서비스 사례 ············································193

<부표 2-53> 샌디에이고의 슈퍼컴퓨터를 이용한 화재 예측사례 ·········194

<부표 2-54> 국가 간 질병예측 시스템 구축사례 ···································195

<부표 2-55> 빅데이터를 활용한 미국 교통시스템 개선사례 ················196

<부표 2-56> 채소 재배 및 공급 솔루션(HAKONIWA) 사례 ·················197

<부표 2-57> 빅데이터를 이용한 기상예측 시스템 구축사례 ················198

<부표 2-58> 농장관리를 위한 돔형 식물공장 운영사례 ························199

<부표 2-59> 농업전반에 이르는 이노베이션 시스템(AKISAI) 구축사례 ···· 200

<부표 2-60> 쌀농사 농업관리 “농작계획” 시스템 구축사례 ·················201

<부표 2-61> 농산물 무인판매시스템 UAPS 운영사례 ··························202

<부표 2-62> 가축생산 안정성 제고 시스템 구축사례 ····························203

<부표 2-63> 재해예측을 위한 방재분석기술 운영사례 ·························204

<부표 2-64> 농업정보 표준화 및 정보취급 정책사례 ····························205

xx

<부표 2-65> 농산물 공급체인(SCM) 효율화 사례 ·································206

<부표 2-66> 빅데이터를 통한 농업용 예보시스템 운영사례 ················207

<부표 2-67> 센서 네트워크 기술의 이용사례 ········································208

<부표 2-68> 빅데이터로 디자인하는 스마트농업 사례 ·························209

<부표 2-69> 농장정보 시스템 “농라이브” 운영사례 ·····························210

<부표 2-70> 재해발발 사후 지원 시스템 구축사례 ·······························211

<부표 2-71> 소비데이터 형식 통일 및 규격화 사례 ······························212

<부표 2-72> 오픈필드서버 및 센서 클라우드 시스템 개발사례 ············213

<부표 2-73> 마케팅정보의 빅데이터 활용사례 ·····································214

<부표 2-74> 이종 협력형 재해정보시스템 실현을 위한 기반기술 개발사례 ··· 215

<부표 2-75> 원전 방출 예측 시스템 구축사례 ·······································216

<부표 2-76> 재해관련 빅데이터 활용 시스템 운영사례 ························217

<부표 2-77> 빅데이터를 이용한 질병확산 방지시스템 구축사례 ·········218

xxi

그림 차례

제1장

<그림 1-1> 연구 추진체계 ······································································18

제2장

<그림 2-1> 식품안전 관련 유해정보가 소비패턴에 미치는

영향분석 사례 개요 ······························································28

<그림 2-2> 영주 사과작황 서비스 빅데이터 활용사례 개요 ·················31

<그림 2-3> 영주 사과작황 서비스 빅데이터 분석 모형 ·························33

<그림 2-4> 미국의 빅데이터를 활용한 정밀농업 시스템 활용사례 개요 ···· 35

<그림 2-5> 국내외 농림업분야 빅데이터 활용사례 비교 ······················38

<그림 2-6> 농림업분야 빅데이터 인지도 ···············································40

<그림 2-7> 농림업분야 빅데이터 분석 이해도 ······································41

<그림 2-8> 빅데이터 종류에 대한 인지도 ··············································41

<그림 2-9> 농림업분야 빅데이터 활용 경험 ··········································42

<그림 2-10> 빅데이터(규모/다양성/생성속도) 활용 만족도 ···················43

<그림 2-11> 빅데이터 자료(수집/분석/활용성과) 만족도 ·······················44

<그림 2-12> 빅데이터 분석·활용 시 만족 사항 ·······································45

<그림 2-13> 빅데이터 분석·활용 시 불만족 사항 ····································46

<그림 2-14> 공공데이터 활용 경험 ··························································48

<그림 2-15> 공공데이터 미활용 이유 ······················································50

<그림 2-16> 농림업분야 빅데이터 활용 현황 및 제약요인 ·····················51

<그림 2-17> 빅데이터 분석 및 활용 진척단계 ·········································54

<그림 2-18> 빅데이터 분석 활용 진척 제한 이유 ····································54

xxii

제3장

<그림 3-1> 빅데이터 활용사례 분석 절차 ··············································60

<그림 3-2> 국내외 농림업분야 빅데이터 활용사례의 주체별 비율 ······69

<그림 3-3> 국내외 농림업분야 빅데이터 활용사례의 분야별 비율 ······72

<그림 3-4> 국내외 농림업분야 빅데이터 활용사례의 활용목적별 비율 ···73

<그림 3-5> 국내외 농림업분야 빅데이터 활용사례의 분석자료 유형별 비율 ···73

<그림 3-6> 국내외 농림업분야 빅데이터 활용사례의 분석방법별 비율 ···74

<그림 3-7> 국내외 타산업분야 빅데이터 활용사례의 활용주체별 비율 ···75

<그림 3-8> 국내외 타산업분야 빅데이터 활용사례의 활용분야별 비율 ···76

<그림 3-9> 국내외 타산업분야 빅데이터 활용사례의 활용목적별 비율 ···76

<그림 3-10> 국내외 타산업분야 빅데이터 활용사례의 분석자료 유형별 비율 ··· 77

<그림 3-11> 국내외 타산업분야 빅데이터 활용사례의 분석방법별 비율 ···78

제4장

<그림 4-1> 농림업분야 빅데이터 분석 필요성에 대한 인식 수준 ·········85

<그림 4-2> 빅데이터 활용·분석이 필요한 분야 ·····································87

<그림 4-3> 빅데이터 활용가치 향상 예상 분야 ·····································88

<그림 4-4> 빅데이터 분석이 필요하지 않은 이유 ·································89

<그림 4-5> 빅데이터 활용 수요자들에게 가장 필요한 분석 분야 ·········91

<그림 4-6> 빅데이터 분석 시도 시 활용도가 높은 데이터 유형 ············92

<그림 4-7> 빅데이터 자료 수집, 결합, 분석 서비스 유료이용 의사 ······92

<그림 4-8> 빅데이터 활용이 농식품산업에 미칠 영향 ························100

<그림 4-9> 빅데이터 활용 활성화 시 영향받을 예상 품목 ··················101

제5장

<그림 5-1> 빅데이터 활용여건 SWOT 분석 ········································102

<그림 5-2> 빅데이터 활용 기본방향 및 세부 추진 방안 ······················103

<그림 5-3> 빅데이터 활용도 제고를 위한 단계별 추진과제 ···············106

서 론 제1장

1. 연구 필요성과 목적

1.1. 연구 필요성

무형자산인 빅데이터의 가치가 중요해지고 있으며 시장규모도 빠르게 성

장하고 있다.1 최근에 이슈가 되고 있는 사물인터넷(IoT), 인공지능(AI)도

빅데이터를 기반으로 하여 다양한 분야의 기술이 융합되어야 가능한 기술

들이다.

빅데이터는 규모가 크고 생성속도가 빠르며 소스 및 종류가 다양한 특성

을 가진다. 정보통신기술(ICT)이 발전하면서 기존의 데이터와 비교할 수 없

을 정도로 엄청난 규모의 빅데이터가 생성되고 있다.

빅데이터 종류는 센서 및 기기에 의해 실시간으로 생성되고 있는 생산부

문 데이터, 기상데이터, 금융거래 데이터, 유통업체 판매데이터, 위치정보,

인터넷상의 검색어정보, 이미지데이터 등이 있다. 이렇게 빅데이터의 양과

종류가 폭발적으로 증가함에 따라 빅데이터를 분석하여 가치 창출이 가능

한 사업모델 개발에 대한 관심이 높아지고 있다.

1 Wikibon에서는 전 세계 빅데이터 시장이 2012년 51억 달러 기준에서 5년 뒤인

2017년에는 534억 달러까지 성장할 것으로 전망함. 한국과학기술정보원(KISTI)

에 따르면, 우리나라의 빅데이터 시장 규모는 2020년 약 1조 원에 이르고 전

세계 빅데이터 시장의 2.6% 수준을 점유할 것으로 전망함.

서 론2

국내 농림업분야 빅데이터 활용 수준이 타산업분야나 외국의 활용수준을

따라갈 경우 사물인터넷(IoT)2, 인공지능(AI) 단계까지 활용할 수 있을 것이

다. 예를 들어 생산단계에서는 인공지능과 로봇기술이 접목되어 생산의 자

동화 및 무인화 실현, 파종단계에서부터 생육, 수확량까지 예측하고 관리하

는 시스템이 가능해진다. 유통분야에서는 농식품 물류 및 재고 관리의 효율

성을 증대시키며 수급예측의 정확도 제고와 수급 변동성을 줄일 수 있다.

소비단계에서는 소비트렌드에 부합하는 유망상품을 발굴하고 마케팅전략

을 수립하는데 시의성을 높일 수 있게 된다.

하지만 국내 농림업분야 빅데이터 활용 수준은 타산업분야나 외국사례에

비교하면 아직 초기단계이다. 현재는 스마트팜의 데이터를 분석하여 생장

환경을 조절하거나, 사육동물의 행동패턴을 분석하여 질병이나 출산시기를

예측하고, 웹상의 키워드검색을 통해 식품소비 트렌드 전망을 시도하고 있

다. 하지만, 아직 토양 및 기상데이터를 이용하여 생산량을 예측하거나 생

산-유통 데이터를 연계 분석하여 수급예측을 하는 수준까지는 도달하지 못

하고 있다.

농림업분야 빅데이터 활용수준이 낮은 이유는 빅데이터 활용에 대한 이

해도가 낮으며, 데이터 수집 및 분석에 어려움을 가지고 있기 때문이다. 농

림업분야에 축적된 데이터가 많지 않은 실정이며, 스마트팜 센서 축적 데이

터, 유통업체 수급관리 데이터 등이 있으나 자료 미공개 등으로 인해 수집

이 어렵다. 공공부문 빅데이터가 공개되지 않거나 공개되더라도 활용할 수

있을 정도로 데이터가 많지 않고 품질 신뢰도도 낮은 실정이다.

반면, 교통, 마케팅, 의료 등의 타산업분야에서는 이미 빅데이터를 활용하

여 새로운 가치를 창출하고 있는 사례들이 나타나고 있다. 교통분야에서는

위치정보 빅데이터를 분석하여 기존의 비효율적인 버스노선을 개선하여 운

송사업자의 수익과 이용자들의 만족도를 높이고 있다. 마케팅분야에서는

2 사물인터넷(Internet of things)은 인간과 사물, 서비스의 분산된 환경요소에 인

간의 명시적인 개입 없이 상호 협력적으로 센싱, 네트워킹, 정보처리 등을 가

능하게 하는 사물공간의 지능적 연결망임.

서 론 3

소비자가 특정 매장에서 상품을 구입한 후 이동하여 인근의 어느 매장에서

어떤 상품을 구입하는지에 대한 데이터를 수집·분석하여 소비자 맞춤형 정

보를 제공하고 판매성과를 높이고 있다. 의료분야에서는 특정 환자의 진료

기록 데이터를 공유하고 활용함으로써 어느 병원에서든지 환자 맞춤형 진

료를 지원하면서 진료의 효율성과 만족도를 높이고 있다.

미국에서는 농기계와 경작지에 센서를 부착하여 농작물 생산관련 빅데이

터를 축적하고 파종 단계에서부터 생산량을 예측하고 있다. 또한 드론을 이

용하여 수집한 데이터로 작황을 예측하는 등 빅데이터가 농림업분야에서

활발하게 활용되고 있다. 일본에서는 빅데이터 분석으로 재해예측 시스템

을 구축하여 대중에게 공개하고 있으며, 레스토랑 같은 업체가 채소 재배기

술이 없어도 재배할 수 있도록 빅데이터 분석 결과 및 재배방법을 제공하고

있다.

따라서 국내 농림업분야도 타산업분야와 외국의 빅데이터 활용 발전 속

도에 맞출 수 있는 방안 마련이 시급한 실정이다. 이를 위해 우선 국내 농림

업분야의 빅데이터 활용현황과 실태를 파악하고 국내외 활용사례를 벤치마

킹하여 활용도를 높일 수 있는 방안을 제시해야 한다. 빅데이터 활용의 활

성화는 중장기적으로 빅데이터, 사물인터넷, 인공지능 등의 융합과 조화에

의해 변화를 가져올 4차 산업혁명에도 대비하는 방법이 될 수 있을 것이다.

1.2. 연구목적

본 연구의 목적은 농림업분야의 빅데이터 활용 현황 및 실태, 국내외 활

용사례 분석, 빅데이터 수요조사를 통해 국내 농림업분야의 빅데이터 활용

도를 제고할 수 있는 방안을 제시하는 것이다.

서 론4

2. 선행연구

빅데이터 관련 선행연구는 ① 농림업분야 빅데이터 활용 연구, ② 공공분

야 빅데이터 정책 연구, ③ 타산업분야 빅데이터 관련 연구 ④ 외국의 빅데

이터 관련 정책 및 활용실태 연구, ⑤ 국내외 빅데이터 활용사례 분석 연구

로 구분하여 살펴보았다. 선행연구는 국내 농림업분야에 활용가능성이 있

는 연구 및 본 연구에 직간접적으로 시사점을 전달하고 있는 연구 중심으로

제시하였다.

2.1. 농림업분야 빅데이터 활용 연구

정병호 외(2014)는 농식품 분야에서 수집된 다양한 데이터를 결합하여

분석할 경우 농식품 분야에 실질적으로 도움이 될 수 있는 새로운 가치를

창출할 수 있음을 밝히고자 하였다. 이를 위해 농식품 분야에서 빅데이터를

연계하여 분석한 사례를 소개하고 이를 통해 빅데이터가 어떻게 활용되고

있는지를 제시하였다. 중국 도시가계 식품소비패턴의 지역적 차별성에 대

한 연구, 라면 발암물질 사건 이후 소비 심리 회복 분석 연구, 국가식품클러

스터(한국 및 동북아 식품 시장 분석 보고서) 등 세 가지 사례에 대해서 빅

데이터 활용 목적 및 분석 방법, 분석 결과를 제시하였다. 식품 분야의 빅데

이터는 생산, 도매유통, 소매유통, 소비 등 전반에 걸쳐서 존재하지만, 여전

히 농식품 분야에 있어서 빅데이터 활용은 초기 단계에 있으며 적용이 미미

한 실정이라고 지적하였다. 농식품 소비와 관련된 이슈가 발생할 경우 빅데

이터를 결합하여 분석함으로써 발생이슈의 파급효과 예상과 회복패턴을 전

망하고 농식품 수요 예측과 수급관리정책에 활용할 수 있다는 점에서 본 연

구에 시사점을 준다.

심재헌 외(2015)는 농업 및 농촌 분야 정책 수립지원을 위해 관련된 공간

정보 및 일반정보를 연계하여 공유할 수 있는 기반 마련의 구체적인 방안을

서 론 5

수립하고자 하였다. 이를 위해 농업·농촌분야 공간정보 및 일반정보의 수요

조사를 통해 방대한 자료를 신속하게 조회·수집·융합·분석하고, 각자가 보

유하거나 창출한 데이터를 공유함으로써 연구 성과를 배포하고 피드백할

수 있는 환경 조성 방안을 마련하였다. 이를 위해 농업 농촌과 관련된 공간

정보정책과 공간정보관련 법 및 제도에 대한 문헌 연구, 공간정보 기술 관

련 연구 조사 등을 통해 통합 공간정보인프라 관련 선행연구 및 제반 사항

을 살펴보고, 통합 가능한 농업 농촌 분야 공간정보 및 비공간정보 현황 분

석, 농업·농촌 분야 공간정보이용 실태 및 수요 파악을 위한 심층 인터뷰 및

설문조사 등을 실시하였다.

문정훈 외(2015)는 농식품 분야의 빅데이터를 활용하여 소비자들이 원하

는 농식품 정보를 제공함으로써 농식품 추천시스템의 사용자를 확대하고자

하였다. 농식품 추천시스템은 소비자 유형을 세분화하여 각 유형별로 선호

하는 농식품을 추천하는 시스템이다. 추천시스템의 특징 및 범위, 식품 추

천시스템과 관련하여 선행 연구에 대한 검토를 통하여 적절한 추천 알고리

즘을 검토하였다. 이를 통해 본 연구의 추천시스템과 기존 추천시스템 사이

의 차이를 비교하고, 추천시스템의 구축 방향 및 구현 가능한 내용에 대해

제시하였다. 이 연구는 빅데이터를 활용하여 농식품 소비자들에게 의미있

는 정보를 제공하고자 한 점, SNS 오피니언 마이닝, 소비자패널 구매이력,

기상청 기후데이터, 도매시장 경락가격정보와 같은 빅데이터 특징을 가지

는 데이터를 활용하여 분석결과의 품질을 제고했다는 점에서 본 연구에 시

사점을 준다.

외국의 농업분야 관련 선행연구로 Stubbs(2016)는 빅데이터가 미국 농업

에 끼치게 될 영향력에 대해 분석하였다. 농업부문에서 빅데이터를 활용함

으로써 생산성 향상, 효율성 향상, 비용절감, 위험관리 등의 효과를 발생시

킬 수 있으나 기술적인 부분과 정책적인 부분의 장벽으로 인해 빅데이터가

실질적으로 농업의 혁신을 가져올 수 있을지에 대한 구체적인 증거는 아직

밝혀지지 않았다고 지적하였다. 이에 따라 빅데이터를 농업부문에 도입하

기 위해서는 데이터와 정보를 투명하게 공개하는 환경이 조성되어야 하며,

정책적인 지원이 뒷받침되어야 한다고 주장하였다.

서 론6

Snoka(2014)는 빅데이터가 농업부문에 이용될 수 있는 여러 활용사례를

소개하였다. 빅데이터가 성공적으로 이용되기 위해서는 정부와 비즈니스

부분의 데이터들이 적절하게 결합될 수 있어야 하며, 농업부문 빅데이터가

가치를 가지기 위해서는 구조적, 기술적 혁신이 이루어져야 한다고 주장하

였다. 본문에서는 빅데이터와 일반적인 데이터의 특징에 대해 서술하고, 빅

데이터의 큰 특징인 규모(Volume), 속도(Velocity), 다양성(Variety)에 대해

설명하였다.

Smith and Dhavala(2013)는 농업분야의 다양한 데이터들에 대해 알아보

고, 이들을 분석하여 공급망 관리(SCM)를 발전시킬 수 있는 방법을 특정

상품에 초점을 맞춰서 분석하였다. 연구대상 품목의 수요에 영향을 미칠 수

있는 다양한 요인들을 모델을 통하여 분석하고, 대상품목 수요에 대한 지리

적 분포와 판매 시점을 예측하였다.

2.2. 공공분야 빅데이터 정책 연구

김진우(2013)는 공공분야의 빅데이터 사업 동향에 대해 정리하였다. 공공

분야에서 빅데이터 서비스 범위는 아직 제한적이지만, 추가적인 정보 수집

을 통해 정보수요자를 늘릴 수 있다. 특히 민간정보와의 결합을 통해 서비

스의 다양화를 추구할 수 있는 가능성을 강조하였다. 또한, 공공분야 빅데

이터 사업에서 유의해야 할 요소, 향후 공공분야 빅데이터 사업의 방향성,

단계별 추진 내용 등을 제시하였다.

박시룡 외(2013)는 ‘정부 3.0’의 성공적 정착을 위해 산업통상자원부(이

하 산업부)의 주요 정책들에 대해 빅데이터를 활용한 효율적인 행정구현 방

안을 제시하였다. 산업부의 주요 정책 방향 수립에 필요한 제언을 도출하고,

빅데이터의 실제 활용 가능성을 점검하기 위하여 공공데이터의 현황을 파

악하고 실제 빅데이터를 적용하기에 적합한 업무를 발굴하였다. 또한, 산업

부의 주요 업무 중 빅데이터 활용의 우선 과제를 선정한 후 실제 이행을 위

해 필요한 데이터 종류, 데이터 획득 및 처리 방법 등 구체적인 적용 방법론

서 론 7

을 제시하고 아울러 성공적인 빅데이터 활용을 위한 선행 요건을 도출하였

다. 공공 민간 부문의 빅데이터 활용사례를 검토하여 정부가 활용할 수 있

는 가능성에 대해 진단하였다는 점, 공공데이터 현황을 파악하고 이를 효율

적으로 활용하기 위한 대안을 제시하였다는 점에서 본 연구에 시사점을 준

다.

손상영 외(2012)는 빅데이터 생태계의 균형발전에는 정부의 역할이 중요

하다는 문제의식하에 빅데이터의 본질을 파악하여 우리 사회에 적합한 빅

데이터 활용 영역과 활용 방안을 모색하였다. 특히 중소기업과 소비자들의

빅데이터 활용을 위한 소비자-기업-정부의 협조 체계 개발을 위해 빅데이터

개념과 관련 기술들을 조사하고, 빅데이터 활용 성공사례 분석을 통해 국민

경제적 차원에서 빅데이터의 영향과 기대효과를 도출하였다. 또한, 빅데이

터 기반구축을 위한 공공부문의 역할, 빅데이터 관련 개인정보 문제를 검토

했다는 점에서 본 연구에 시사점을 준다.

한경록(2015)은 국가 차원의 빅데이터 추진 방향에 맞추어 빅데이터 분

석의 기본계획을 수립하고 주요 분야별 시범과제 선정을 통해 대응해야 한

다는 문제의식을 가졌다. 이에 따라 광주광역시 빅데이터 활용에 관한 조례

제정, 기본계획 수립, 빅데이터 추진체계 및 활성화 방안, 경제 교통 문화

소통 안전의 5대 분야에 대한 사업 과제를 제안하였다. 또한 빅데이터와

사물인터넷, 클라우드 등으로 대표되는 정보통신기술을 지역산업에 적용함

으로써 새로운 산업 발굴을 위한 기반으로 활용하고자 하였다.

김이식(2015)은 공공혁신 사례를 중심으로 빅데이터의 활용 가능성에 대

해 진단하였다. 특히 빅데이터의 가장 큰 장점인 위치 데이터와 전수 조사

두 가지를 강조하였고, 서울시 심야버스 노선 빅데이터 분석, AI 감염경로 및

예측 빅데이터 분석 사례를 통해 활용 가능한 표준적인 모델을 제시하였다.

2.3. 타산업분야 빅데이터 관련 연구

이문용(2015)은 빅데이터의 정의와 특징, 유용성에 대해 정리하고 빅데이

서 론8

터 활용 전략 및 분석 개관에 대해 서술하였다. 특히, 빅데이터 활용 원리

및 사례를 소개하고 DELTA, Hadoop 등의 빅데이터 분석 프레임 워크와

Association Analysis, Classification, Prediction, Cluster Analysis 등 빅데이

터 분석의 주요 기법에 대해 설명하였다. 또한, 빅데이터 활용 시 우려사항

에 대해서도 프라이버시의 문제, 고객의 입장에서 다양한 선택의 기회 상실

등에 대해 정리하였다.

장영재(2012)는 제조업 분야에서 빅데이터 분석이 활용되는 방식에 대해

서 제조장비 운영데이터, 운용 통합데이터, 고객 경험 데이터 등으로 분류

하여 살펴보고, 각 분류별 실제 사례를 통해 제조업체에서 실질적으로 응용

할 수 있는 방안을 제시하였다. 농림업분야에서도 본 연구의 사례를 적용할

경우 유리온실, 비닐하우스 등 시설재배 형태에서 기계적 시설을 활용하고

장비의 데이터를 축적하여 장비가 매시간 최적의 상태로 운영되고 있는지

여부에 대해 모니터링하고, 이상이 감지될 경우 사전에 감지하여 장비의 가

용률(utilization)을 제고할 수 있을 것이다. 프로세스 마이닝 기법을 활용하

여 파종부터 수확까지 일련의 데이터에 대해 각 작업의 상관관계와 최적의

작업 진행 순서를 분석하고 최적화하여 생산성을 향상시킬 수 있음을 보여

준다.

이재학 외(2013)는 ICT 분야 데이터의 유통체계를 파악하여 관련 데이터

의 연계 활용방안을 제시할 필요가 있다는 문제의식에서 빅데이터 환경, 국

내외 데이터 유통체계 구축 사례를 분석하였다. ICT 분야의 데이터 생태계

활성화 대안을 마련하기 위해 기존문헌 조사, 전문가자문회의 및 설문조사

결과 분석을 바탕으로 주요 과제를 도출하고 공통핵심과제를 선정하였다.

설문조사는 ICT 분야의 학계, 기업 및 관련 정부부처의 전문가 211명을 대

상으로 실시하였다. 조사표의 설문문항은 전문가 인터뷰와 자문회의를 통

해 수정 보완하여 작성하였으며, 설문조사 결과는 빈도분석을 실시했다. 해

당 분야에서 데이터 현황 및 문제점 파악, 구축사례 정리, 자문회의 및 설문

분석결과 등을 토대로 데이터 생태계 활성화를 위한 대안을 마련한 점을 본

연구에 참고할 수 있다.

박진서 외(2014)는 항공분야의 지식 및 정보를 분석하여 정부 항공업계

서 론 9

일반 국민들과 공유하고 항공산업 선진화의 토대 마련, 융복합 시대에 새로

운 가치 발굴, 항공산업과 밀접하게 관련되어 있는 데이터의 연계 및 활용

방안을 마련하였다. 이를 위해 항공분야 내 빅데이터의 범위나 구분, 특성,

가치 등에 대해 거시적인 관점에서 정의하고 항공 및 비항공 정보의 연계성

을 분석, 항공분야와 타분야의 빅데이터 활용사례를 조사함으로써 빅데이

터 활용 제약 요건 및 가능성을 진단하였다. 이를 통해 효율적인 빅데이터

활용을 위한 정책적 방안을 제시하였다. 설문조사는 항공분야 실무자 233명

을 대상으로 항공분야 빅데이터 분석 인식도, 분석 실태, 제약 조건 및 극복

방안 등 21개 문항에 대해 조사하였으며, 설문결과는 빈도분석을 통해 제시

하였다. 본 연구에서는 비정형 텍스트로부터 가치 있는 정보를 추출하기 위

한 텍스트 마이닝 기법3을 활용하였으며, 항공사고 및 안전 분야 연구에 비

정형데이터인 텍스트 데이터를 적용하여 항공사고를 유발할 수 있는 장애

요인들을 군집화하였다. 농식품 소비 분야에 있어서 텍스트 데이터를 적용

하여 식품안전사고를 유발할 수 있는 요인을 군집화시키고 분석결과를 바

탕으로 식품안전사고를 억제할 수 있는 방안을 제시할 수 있다는 점에서 농

림업분야에 벤치마킹할 수 있다.

임재규 외(2014)는 에너지부문의 빅데이터 활용사례로부터 빅데이터 활

용방향과 전략을 제시하였다. 특히, 빅데이터 활용 활성화를 위해 범정부적

추진체계 마련, 데이터 공개 범위 확대, 공공데이터 공유 플랫폼의 구축, 활

용 기술개발, 빅데이터 관련 인력양성 등을 강조하였다. 세분화된 빅데이터

수집이 가능할 경우 전력수요 예측의 정확도 향상, 수요관리정책 지원 차별

화, 구체적 수준의 수요관리정책 성과 평가, 에너지 소비통계의 정확도 제

고 등이 가능함을 제시하였다.

Brownstein, Freifeld and Madoff(2009)는 인터넷이 점차 의사, 보건의 및

건강 정보를 찾는 사람들에게 중요한 매체가 되고 있음을 주장하였다. 특히

3 비/반정형 텍스트 데이터에서 자연어처리(Natural Language Processing) 기술에

기반하여 유용한 정보를 추출 및 가공하는 기술을 의미함(지형 공간정보체계

용어사전).

서 론10

질병과 전염병에 관한 온라인 정보는 정부가 인터넷을 통해 배포하는 공식

정보뿐만 아니라 블로그나, 채팅방 등 비공식 루트를 통해서 확산되는 특징

이 있다고 강조하였다. 이 연구는 이러한 비공식적인 소스로부터 수집된 정

보는 일반적으로 전통적인 공공보건 인프라를 통해 배포된 정보와 근본적

으로 그 성격이 매우 다름에 주목하고 웹 마이닝 기법4을 이용하여 인터넷

에서 얻을 수 있는 비공식 질병 정보의 성격에 대해 분석하였다.

2.4. 외국의 빅데이터 관련 보고서 및 정책 동향

빅데이터에 관한 해외 보고서로 Research and Market(2016)에서는 빅데

이터 시장의 기회와 전략, 추후 전망 등을 제시하였다. 주요 내용은 빅데이

터의 생태, 2020년경까지 빅데이터 시장 규모와 성장률 전망, 빅데이터 시

장의 트렌드와 성장 방해 요인, 빅데이터 분석을 위한 소프트웨어들의 장점

과 단점, 빅데이터 분석 전략 등 빅데이터에 대한 전반적인 내용을 설명하

고 있다. Research and Market(2016)에서 발행한 또 다른 보고서에서는 글

로벌 빅데이터의 동향과 잠재력, 글로벌 빅데이터 마켓의 주요 플레이어와

시장 점유율, 빅데이터가 미래 글로벌 시장에 미치게 될 영향력 등을 제시

하고 있다.

McKinsey Global Institute(2011)의 보고서에는 빅데이터의 일반적인 정

의와 최근의 빅데이터 기술, 빅데이터 분석을 위한 데이터 수집 소스 등에

대한 내용 및 이를 지원하기 위한 정책적 시사점을 소개하고 있다. 이 보고

서에서는 빅데이터가 도입될 경우 효율성이 향상될 대표적 분야로 보건의

료분야, 국방, 치안 등의 공공분야, 소매점, 제조업, 통신 분야 등을 꼽았다.

정책적 시사점으로는 개인정보보호와 데이터의 활발한 공유를 위해 정책적

지원이 필요하다고 주장하였다.

4 웹 세계 자체 또는 웹 로그와 같은 웹 데이터에서 의미있는 정보를 추출하는 것

을 의미함(컴퓨터인터넷 IT 용어대사전).

서 론 11

한국정보화진흥원(2012)은 재정, 에너지, 교통정보, 기업 활동, 보건, 안전

관리 등 다양한 분야에 있어서 미국과 일본, 프랑스, 싱가포르 등 주요국에

서 성공적으로 빅데이터를 활용한 사례를 제시하였다. 특히, 해당 사례별로

추진목적 및 배경, 구체적인 추진 내용, 빅데이터를 활용하여 발생한 효과

및 전망, 정책적 시사점 등을 정리했다는 점에서 참고할 수 있다.

윤미영(2013)은 미국과 영국, 일본 등 주요국의 빅데이터 추진체계 및 추

진전략을 조사하고 시사점을 도출하였다. 미국의 경우 정부 주도의 빅데이

터 추진전략 및 정부 서비스 혁신을 강조하였고, 영국은 정보공유 및 활용

목적의 데이터 개방 정책에 집중하는 것으로 나타났다. 일본은 사회 현안

해결을 위한 데이터 추진전략을 세우고 있는 것으로 나타났다. 이를 바탕으

로 우리나라의 경우도 정보사회에서 데이터를 기반으로 한 새로운 가치창

출의 사회로 변화하기 위해서는 다양한 영역 간 협력과 창의적 아이디어를

결합할 필요가 있다고 주장하였다.

정용찬 외(2014)는 해외 주요국 정부의 빅데이터 전략 분석, 국내 빅데이

터 비즈니스의 생태계 특성 파악을 통한 국내 빅데이터 관련 산업 촉진 전

략을 제시하였다. 이를 위해 미국, 영국 등 빅데이터 선도국 정부의 빅데이

터 촉진 사례를 분석하고 시사점을 도출하였다. 연구방법은 문헌 연구, 사

례조사, 전문가 인터뷰 등을 이용하였다. 빅데이터 관련 연구가 초기 단계

임을 고려하여 관련 전문가 풀을 구성한 뒤 연구진행 단계별 자문의견을 수

렴하였다는 점을 참고할 수 있다.

김종익(2015)은 미국 영국 일본 등 주요 빅데이터 활용국과 국내 빅데이

터 관련 정책을 조사함으로써 빅데이터 활용도를 제고하기 위해 보완할 점

을 제안하였다. 특히, “공공데이터의 제공 및 이용 활성화 기본계획”에 근거

하여 국내 에너지관련 통계 개방 및 공유 플랫폼을 제안했다는 점에서 시사

점을 찾을 수 있다.

정보통신산업진흥원(2014)은 미국 공공부문의 빅데이터 도입 정책의 성

과 제고를 위한 고려 요인을 분석하였다. 이를 위해 미국의 빅데이터 정책

추진동향 및 도입사례, 미국 공공부문의 빅데이터 도입 수준 평가내용 및

특징을 제시하였다. 공공 부문의 성공적인 빅데이터 도입을 위한 고려요인

서 론12

으로 플랫폼 구축, 이해 관계자들이 관련 내용을 명확하게 이해할 수 있는

프로젝트 추진기반 마련, 프로젝트 관리 인력 및 전문가 그룹의 지속적인

관심 유지 등으로 조직운영의 효율성을 확보해야 한다고 강조했다.

이창범(2013)은 유럽의 빅데이터 관련 법제동향 및 시사점을 제시하였다.

빅데이터의 수집 및 이용과 관련해서는 사생활보호 문제와 저작권 및 영업

비밀보호 문제가 발생할 수 있다. 그러나 주요 법적 이슈는 사생활보호 영

역에서 발생한다는 문제의식에서 EU의 개인정보보호 관련법을 중심으로

법률 현황 정리, 빅데이터 환경에 대응한 유럽의 입법동향에 대해 조사하고

국내 개인정보보호 법제와의 비교를 통해 시사점을 도출하였다.

2.5. 빅데이터 활용사례 분석 연구

복경수 외(2014)는 국가별 빅데이터 정책을 분석하고 분야별로 빅데이

터를 활용한 사례를 정리함으로써 빅데이터 활용을 제고하고 실생활에 응

용하기 위한 방안을 제시하였다. 교통분야, 치안분야, 공공분야, 보건분야,

기업의 마케팅 분야 등에서 빅데이터 활용사례를 구체적으로 소개하고, 시

사점을 도출하였다.

김재생(2014)은 빅데이터 분석 기술 현황과 국내외 활용사례를 정리하였

다. 특히, 국내외 빅데이터 활용사례에 대해서 나열식으로 상세하게 정리하

였으며, 이를 기반으로 시사점을 도출하였다.

한국정보화진흥원(2012)은 빅데이터 글로벌 10대 선진사례를 빅데이터로

꿈꾸는 행복한 사회(공공분야), 빅데이터를 통한 건강한 사회(보건의료분

야), 빅데이터로 희망하는 안전한 사회(치안·안전분야)로 구분하여 소개하

였다. 특히 각 사례별로 추진목적 및 배경, 추진내용, 효과 및 전망 등에 대

해 구체적으로 기술하고 정책적 시사점을 제안하였다.

서 론 13

2.6. 본 연구의 차별성

국내 농림업분야에서 개별적인 주제로 빅데이터를 분석하여 시사점을 도

출한 연구들은 일부 존재한다. 하지만 농림업분야의 빅데이터 활용실태를

파악하고 활용도 제고 방안을 제시한 연구는 거의 없는 실정이다. 본 연구

가 가지는 몇 가지 차별성은 농림업분야 빅데이터 활용사례를 소개함으로

써 빅데이터 분석절차 및 활용 방법에 대한 이해도를 높이고, 빅데이터 전

문가의 심층면접조사와 설문조사를 통해 빅데이터 활용 현황 및 실태를 정

성적·정량적으로 제시한 점이다. 또한 타산업분야 및 해외의 활용사례를 다

양하게 발굴하고 비교분석한 후 시사점을 도출하여 농림업분야 빅데이터

활용도 제고 방안을 제시하였다는 점에서 의미가 있다.

3. 연구범위

본 연구에서 빅데이터 활용 수요 부문 및 수요자 주체는 비즈니스(사업

체), 연구(연구자), 정책(정책수립자)부문으로 설정하였다. 빅데이터 활용 수

요의 범주는 빅데이터 이해도, 빅데이터 활용경험, 공공데이터 활용 수요,

빅데이터 활용 전망으로 구분하였고, 범주별로 세부적인 수요항목들을 포

함하였다. 빅데이터 생성 소스는 공공부문과 민간부문으로 구분하였다.

빅데이터 활용 분야는 농산업 밸류체인 단계별로 생산, 유통, 소비 부문

으로, 기능별로는 자연재해 부문, 질병 부문으로 구분하였다. 외국의 빅데이

터 활용사례는 미국과 일본 사례를 대상으로 하였다. 미국은 농림업분야 빅

데이터 활용수준이 높기 때문이며, 일본은 국내와 농림업 여건이 비슷한 국

가이기 때문이다. 국내외 활용사례 비교분석 항목은 활용주체, 활용분야, 활

용목적, 분석자료 형태, 분석방법, 농림업분야 적용가능성 등으로 구분하였

서 론14

다. 빅데이터 활용도 제고 방안은 데이터 활용 측면과 정책부문을 중심으로

접근하고 기술적인 부분은 제외하였다.

4. 연구방법 및 추진체계

4.1. 연구방법

빅데이터 활용사례는 관련문헌 및 자료 조사, 온라인 검색을 통해 발굴하

였다. 전문가 자문회의(FGI)를 통해 빅데이터 활용 현황 및 실태 파악, 빅데

이터 활용 수요조사 항목 및 분석결과 자문, 관련기관 간 공공데이터 활용

및 연계가능성, 빅데이터 활용도 제고 방안을 도출하였다.

농림업분야 빅데이터 활용에 대한 수요자 설문조사는 농림업분야 빅데이

터 전문가 및 농업정보 전문가 등 총 200명을 대상으로 조사하였으며, 조사

결과 158명의 유효표본을 확보하여 이를 대상으로 분석하였다.5 설문조사

항목은 빅데이터 전문가, 농업정보전문가, 산업체, 연구자, 정책담당자별로

다르게 설정하였다. 설문조사결과는 빈도분석, Ordered Logit 모형 방법으

로 분석하였다. 전문가 위탁연구는 일본의 빅데이터 활용사례와 시사점(Hongo

Corp.), 농림업분야 빅데이터 활용 수요 설문조사(전문조사업체) 등 두 건이다.

구분 위탁연구 기관

1 일본의 빅데이터 활용사례와 시사점 Hongo Corp.(신영섭 박사)

2 농림업분야 빅데이터 활용 수요 설문조사 전문조사업체

<표 1-1> 위탁연구 현황

5 농림축산식품부 농업통계정책담당관실이 보유하고 있는 농업정보 및 농업통계

전문가 풀을 농업정보 전문가로, 농업정보 전문가들 중에서 빅데이터 활용경

험이 있는 대상은 빅데이터 전문가로 설정하여 조사함.

서 론 15

연구 부문 분석자료 연구방법

∙ 국내 빅데이터 활용 현황 및 실태

- 빅데이터 개념

- 빅데이터 활용실태

- 활용 제약사항

∙ 농림축산식품부 등 유관기관 관련자료

∙ 선행연구, 문헌자료

∙ 유관기관 담당자 및 전문가 면접조사

∙ 활용수요 설문조사

∙ 관련자료 검토

∙ 정성분석

∙ 빈도분석, 교차분석

∙ 국내외 빅데이터 활용사례 분석

- 활용사례 수집 및 정리

- 지표별 평가를 통한 활용사례의

유형화

- 농림업부문 적용 가능성

∙ 활용사례 발굴

- 논문 및 보고서, 국회전자도서관 등재 도서자료

∙ 빅데이터 활용 수요조사 설문결과

∙ 평가지표별 평가자료

∙ 지표별 평가를 통한

활용사례의 유형화

∙ 전문가 자문회의

∙ 조사결과 빈도분석

∙ 위탁조사(일본사례)

∙ 농림업분야 빅데이터 활용

수요분석

- 빅데이터 활용 수요

- 빅데이터 활용 전망

∙ 설문조사 및 심층면접 조사자료

- 조사대상: 빅데이터 전문가, 농업정보전문가,

산업체, 정책담당자 등 158명

- 전문가 자문회의(FGI) 및 심층면접조사

∙ 분석방법: 빈도분석,

교차분석, 계량분석

(Ordered Logit 모형

추정)

∙ 농림업분야 빅데이터 활용도 제고

방안

- 기본 방향

- 세부 추진 방안

∙ 기존의 농림업분야 통계관련 보고서 및 선행연구

∙ 현재 국내 농림업분야 빅데이터 목록(통계청,

농촌진흥청, 농림축산식품부 등 유관기관)

∙ 농림업분야 빅데이터 활용수요조사 결과

∙ 전문가 자문회의 및 심층면접조사 결과

∙ 타 부처 활용사례

∙ 활용현황 및 실태, 활용

사례 분석, 빅데이터 활용

수요분석 결과로부터

도출

<표 1-2> 연구부문별 분석자료 및 연구방법

4.2. 주요 분석내용 및 결과활용

본 연구를 수행함에 있어서 단계별 자문회의를 통해 농림업분야의 전반

적인 빅데이터 활용 현황 및 실태, 빅데이터 활용 제약사항, 농림업분야 활

용 수요 및 전망부분의 정성적 내용을 도출하였다. 또한, 빅데이터 활용도

제고 방안을 제시하는 데 있어서 정부부처 및 공공기관의 데이터 공개 및

공유방안, 농림업분야 데이터 결합 시나리오 가능성 제시, 빅데이터 활용도

제고를 위한 관련 주체별 역할도 전문가 자문을 거쳐 도출하였다.

빅데이터 활용에 대한 수요조사 분석은 빅데이터 활용경험이 있는 전문

가뿐만 아니라 빅데이터의 잠재 수요자인 농업정보 전문가와 빅데이터 분

서 론16

석에 관심이 높은 사업체 대표, 농림업분야 정책담당자 등을 대상으로 설문

조사를 실시하고 결과를 분석하였다. 주요 조사 및 분석 내용은 빅데이터

활용경험, 공공데이터 활용수요, 빅데이터 활용이 미래 농업분야에 미칠 영

향의 세부항목들로 구성되었다. 분석결과로부터 빅데이터 활용 단계별 제

약요인, 향후 활용도가 높을 것으로 예상되는 빅데이터 분야 및 품목, 원하

는 빅데이터 서비스 종류 및 유형을 도출하였다.

국내외 빅데이터 활용사례는 총 77건의 사례를 발굴하여 핵심내용을 정

리하고 <부록2>에 제시하였다. 국내외 활용사례 내용은 몇 가지 기준항목

과 평가지표에 의해 평가하고 비교분석하였다. 비교분석 결과로부터 국내

농림업분야 빅데이터 활용 현황을 진단하였고 타산업과 외국사례부터 국내

농림업분야에 적용가능성이 높아 벤치마킹할 수 있는 사례를 제시하였다.

Ordered Logit 모델을 이용하여 빅데이터 활용 영향요인 분석을 수행하였

다. 분석결과로부터 빅데이터 활용의 잠재적인 수요자에게 영향을 미치는

요인과 빅데이터 활용도를 높이기 위한 정책적 시사점을 도출하였다.

조사·분석 분석 자료 및 분석내용 분석결과 활용

전문가

조사분석

∙ 분석자료

- 농림업분야 빅데이터 활용 수요 전문가 심층면접조사 결과

- 조사대상: 농림업분야 빅데이터 전문가 25명

- 조사기간: 2016년 5∼10월

∙ 분석내용

- 농림업분야 빅데이터 활용실태 및 제약사항

- 빅데이터 활용사례 심층분석

- 빅데이터 활용 제고 방안 등

∙ 빅데이터 종류, 활용 현황 및

실태, 활용 장애요인, 수요 전망

도출

∙ 농림업분야 빅데이터 활용

시나리오 제시

∙ 빅데이터 활용도 제고 방안 제시

∙ 빅데이터 활용도 제고를 위한

관련주체별 역할 도출

<표 1-3> 주요 분석내용 및 분석결과 활용 개요

서 론 17

조사·분석 분석 자료 및 분석내용 분석결과 활용

국내외 빅데이터

활용사례 조사분석

∙ 분석자료

- 한국, 일본, 미국의 농림업분야/타산업분야 빅데이터

활용사례 77건

- 국내 농림업분야 18건, 타산업분야 16건, 미국 21건,

일본 22건 등

∙ 분석내용

- 활용주체, 활용분야, 목적, 분석자료, 분석방법별 국내외

빅데이터 활용사례 평가

- 국내 농림업분야로의 적용가능성 평가

- 국내 농림업분야와 타산업분야, 해외사례와의 빅데이터

활용 특징 비교분석

∙ 타산업분야, 해외(미국, 일본)

활용사례로부터 국내

농림업분야에 적용시킬 수 있는

가능성 제시

∙ 국내외 빅데이터 활용사례의

유형화 및 분석을 통해 국내

농림업분야 벤치마킹 사례 제시

빅데이터 활용

수요 설문조사

분석

∙ 분석자료

- 농림업분야 빅데이터 활용 수요 설문조사 자료

- 조사대상: 빅데이터 전문가, 농업정보전문가, 산업체,

정책담당자 등 158명

- 조사기간: 2016년 8월 22일∼9월 9일

∙ 분석내용

- 빅데이터 이해도, 활용경험 및 만족도

- 빅데이터의 농림업분야 영향 전망

- 빅데이터 분석 필요도와 활용경험에 미치는 영향분석

∙ 빅데이터 활용 및 분석 단계별

제약요인 도출

∙ 향후 활용도가 높은 빅데이터

분야, 품목, 유형 제시

∙ 원하는 빅데이터 서비스의 형태

및 기대효과 도출

∙ 빅데이터 잠재적인 수요자의

활용 영향 요인 도출

∙ 빅데이터 활용도를 높이기 위한

정책적 시사점 도출

(계속)

본 연구의 추진체계로 우선 전문가조사와 설문조사를 통해 농림업분야

빅데이터 활용 현황 및 실태를 파악하였다. 국내외 활용사례는 국내와 해외

사례를 발굴하고 농림업부문과 타산업부문으로 구분하여 비교분석하였다

(<그림 1-1> 참조).

빅데이터 활용에 대한 수요조사 결과는 수요 현황과 전망으로 구분하여

제시하였다. 빅데이터 활용 현황 및 실태 조사결과, 국내외 사례분석 결과,

빅데이터 활용 수요조사 결과에 근거하여 빅데이터 활용도 제고 방안을 제

시하였다. 농림업분야 빅데이터 활용도 제고 방안은 기본방향과 세부 추진

방안으로 구분하여 제시하였다.

서 론18

<그림 1-1> 연구 추진체계

농림업분야 빅데이터 개요와 활용 실태 제2장

1. 빅데이터 개요 및 종류

1.1. 빅데이터 개요

디지털 정보량의 급격한 증가와 함께 대규모 데이터가 중요한 이슈로 부

각되면서 빅데이터라는 용어가 등장하기 시작했다.6 일반적으로 빅데이터

란 규모가 방대하고 생성주기가 짧으며 수치로 이루어진 형태뿐만 아니라

문자와 영상 형태까지 포함하는 데이터를 지칭한다.7 사전적으로 빅데이터

는 “기존 데이터에 비해 방대하여 기존의 방법 및 도구를 활용하여 수집이

나 저장, 검색, 분석, 시각화 등을 수행하기 힘든 정형・비정형데이터 세트”

를 의미한다. 빅데이터를 기술적·규모적·방법적으로 구분하여 정의한다면,

다음의 <표 2-1>과 같이 정리할 수 있다. 기술적으로는 다양한 대규모 데이

터로부터 의미있는 가치를 추출하는 저비용 기술을 의미하며, 규모적으로

는 일반적인 소프트웨어가 저장 또는 분석 가능한 범위보다 광범위한 규모

의 데이터를 뜻한다. 방법적으로는 관련 도구나 플랫폼, 분석기법까지 총괄

하는 의미로 정의할 수 있다.

6 복경수 외. 2014. “빅데이터 활성화 정책 및 응용사례.” p. 3.7 김재생. 2014. “빅데이터 분석 기술과 활용사례.” p. 14.

농림업분야 빅데이터 개요와 활용 실태20

구분 내용

기술적 정의다양한 종류의 대규모 데이터로부터 저렴한 비용으로 가치를 추출하고, 데이터의 초고속 수집, 발굴,

분석을 지원하도록 고안된 차세대 기술

규모적 정의 일반적인 데이터베이스 SW가 저장 관리, 분석할 수 있는 범위를 초과하는 규모의 데이터

방법적 정의빅데이터는 당초 수십-수천의 테라바이트에 달하는 거대한 데이터 집합체만을 지칭하였으나, 점차

관련 도구, 플랫폼, 분석기법까지 포괄하는 용어로 변화

<표 2-1> 빅데이터의 정의

자료: 박진서 외(2014: 12). 항공분야 빅데이터의 정책적 활용방안 연구.

빅데이터의 가장 큰 특징은 3V(Volume, Variety, Velocity)로 대표된다.

즉, 데이터의 규모(Volume), 데이터 종류 및 출처의 다양성(Variety), 데이

터 입출력의 속도(Velocity)가 빅데이터가 가지는 장점이자 특징이라고 할

수 있다. 3V 중 Volume(규모)은 빅데이터를 상징하는 가장 기본적인 특성

으로 데이터의 크기를 의미하며, 축적되는 데이터의 크기가 수직 확장성의

물리적 한계를 초과하는 거대한 데이터를 의미한다.

Variety(다양성)는 데이터의 다양성으로 다양한 형식과 채널을 의미하며,

여러 데이터 형식의 통합을 뜻한다. 형식에 따라서 빅데이터의 유형을 구분

한다면 정형, 반정형, 비정형으로 나눌 수 있다. 정형(Structured) 데이터는

고정된 필드에 저장된 데이터로서 관계형 데이터베이스 및 스프레드시트

등이 해당된다. 반정형(Semi-structured) 데이터는 고정된 필드에 저장되어

있지는 않지만 메타데이터나 스키마, XML 및 HTML 텍스트 등을 포함한

다. 비정형(Unstructured) 데이터는 고정된 필드에 저장되어 있지 않은 데이

터로서 텍스트분석이 가능한 문서 및 이미지, 동영상, 음성 데이터 등이 해

당된다. 마지막으로 Velocity(속도)는 데이터의 변화와 축적 및 분석속도를

의미하며, 대규모 데이터 처리 및 활용도 제고를 위해서는 실시간 데이터

처리 및 분석속도가 중요하다.

<표 2-2>는 빅데이터의 수집부터 활용단계까지 설명한 것이며, 웹데이터,

센서데이터 등을 수집하고 데이터베이스 및 데이터창고로 저장 후 데이터

마이닝, 텍스트키워드 방법으로 분석할 수 있다. 분석결과는 생산성 향상,

소비자 효용 증가 등의 가치를 창출하는 데 활용할 수 있다.

농림업분야 빅데이터 개요와 활용 실태 21

수집 저장 분석 활용

- 기업 데이터

- 웹 데이터

- 센서 데이터

- 데이터베이스

- 데이터창고

- 데이터안전 및 개인정보

- 데이터 마이닝

- 텍스트분석

- 데이터시각화

- 생산성 향상

- 소비자 효용 증가

- 경영효율성 증대

<표 2-2> 빅데이터 Life Cycle

자료: 이문용(2015).

<표 2-3>은 빅데이터 처리 과정별로 적용할 수 있는 기술들을 보여준다.8 빅데

이터는 데이터 소스로부터 검색엔진 로봇을 이용한 데이터 수집방법인 ‘크롤링’

을 활용할 수 있으며, 처리 과정에서는 데이터를 추출하는 방법인 MapReduce,

분석 과정에서는 기계 학습을 통한 패턴 추출법인 Machine Learning 등을 활용

할 수 있다.

과정 영역 기술개요 및 설명

소스내부데이터 Database, File Management System

외부데이터 File, Multimedia, Streaming

수집크롤링 검색엔진 로봇을 이용한 데이터 수집

ETL 소스데이터 추출‧이동‧변환‧적재

저장

NoSQL Databases 비정형데이터 관리

Storage 빅데이터 저장

Servers 초경량 서버

처리MapReduce 데이터 추출

Processing 다중업무처리

분석

NLP 자연어 처리

Machine Learning 기계 학습을 통한 패턴 추출

Serialization 데이터 간 순서화

표현Visualization 데이터를 실세계처럼 구현

Acquisition 데이터 획득 및 재해석

<표 2-3> 빅데이터 처리 과정별 적용 기술

자료: 조정환(2012: 6). “스포츠 빅데이터 활용과 전망.”

8 <표 2-3>은 한국정보화진흥원(2012)과 조정환(2012)에서 정리된 빅데이터 처

리 프로세스별 적용 기술들에 대해 정리한 것임.

농림업분야 빅데이터 개요와 활용 실태22

기존의 데이터 분석과 빅데이터 분석 사이의 주요 차이점은 여섯 가지로

정리할 수 있다. 빅데이터는 첫째, 대용량 데이터에 기반해 즉각적인 처리

보다는 장기적이고 전략적인 접근이 필요하며, 둘째, 다양한 데이터 출처,

복잡한 로직, 대용량 데이터의 처리 등으로 인해 처리 복잡도가 높다. 셋째,

처리하기에 규모가 방대한 데이터를 처리하며, 넷째, 비정형데이터의 비중

이 높다. 다섯째, 새롭고 다양한 처리방법의 수용을 위해 분석의 유연성이

요구되며, 여섯째, 동시처리량으로서 대용량 및 복잡한 절차의 처리가 가능

하기 때문에 동시에 처리가 필요한 데이터 양은 적다.9

구분 내용

의사결정 속도

(Speed of Decision

Making)

- 대용량 데이터에 기반을 둔 분석 위주로, 장기적/전략적 접근이 필요

- 기존의 데이터 처리에 요구되는 즉각적인 처리속도와는 달리, 즉각적인 의사결정이 상대적

으로 덜 요구됨

처리 복잡도

(Processing

Complexity)

- 다양한 데이터 소스, 복잡한 로직 처리, 대용량 데이터 처리 등으로 인해 처리 복잡도가

매우 높음

- 처리 복잡성 해결을 위해 통상적으로 분산 처리 기술이 필요함

처리 데이터 양

(Transactional Data

Volumes)

- 클릭스트림 데이터를 예로 들면, 고객 정보수집 및 분석을 장기간에 걸쳐 수행해야 하므로

기존 방법과 비교해 데이터양이 방대함

데이터 구조

(Data Structure)

- 소셜 미디어 데이터, 로그 파일, 클릭스트림 데이터, 콜센터 로그, 통신 CDR(Call Detail

Record) 로그 등 비정형데이터 파일의 비중이 매우 높음

- 처리과정의 복잡성을 증대시키는 요인이 되기도 함

분석 유연성

(Processing

Flexibility)

- 아직까지 제대로 정의된 데이터 모델/상관관계/절차 등이 없어서 기존 데이터 처리방법에

비해 처리/분석의 유연성이 높음

- 새롭고 다양한 처리방법의 수용을 위해 유연성이 기본적으로 보장되어야 함

동시처리량

(Throughput)

- 대용량 및 복잡한 처리가 가능하여 동시에 처리가 필요한 데이터양은 적음

- 실시간 처리가 보장되어야 하는 데이터 분석에는 적합하지 않음

<표 2-4> 빅데이터 분석의 차별성

자료: 박진서 외(2014: 10-11). 항공분야 빅데이터의 정책적 활용방안 연구.

9 박진서 외(2014: 10)를 참고하여 작성함.

농림업분야 빅데이터 개요와 활용 실태 23

구분 기존 데이터 빅데이터

데이터 양 - 테라바이트 수준 - 페타바이트 수준

데이터 유형 - 정형데이터 중심- 소셜미디어 데이터, 로그 파일, 클릭스트림 데이터,

통신 CDR 로그 등 비정형데이터 비중이 높음

프로세스 및

기술

- 프로세스 및 기술이 비교적 단순

- 처리/분석 과정이 정형화

- 원인-결과 규명 중심

- 처리 복잡도가 매우 높아 분산처리 기술이 필요

- 잘 정의된 데이터 모델 등이 없어 새롭고 다양한

처리방법 개발 필요

- 상관관계 규명 중심

<표 2-5> 기존 데이터와 빅데이터의 비교

자료: 이재학 외(2013: 9). 빅데이터 환경하의 ICT 데이터 유통체계 진단 및 생태계 조성방안.

데이터의 양과 유형, 프로세스 및 기술 부분에서 데이터와 빅데이터는

<표 2-5>와 같이 차이를 보인다. 기존 데이터의 양이 테라바이트 수준이었

던 것에 비해, 빅데이터의 양은 페타바이트 수준(1,000테라바이트 이상)이

다. 또한 기존의 데이터 유형은 정형데이터 위주인 반면, 빅데이터의 유형

은 복잡성을 요하는 비정형데이터 또는 비정형데이터 및 정형데이터 형태

이다. 프로세스 및 기술 부분에서도 기존 데이터 분석은 프로세스 및 기술

이 상대적으로 단순하고 처리 및 분석 과정이 정형화되어 있는 반면, 빅데

이터를 활용한 분석은 처리 복잡도가 높아 분산 처리 기술이 필요하며 새롭

고 다양한 처리방법의 개발이 요구된다는 점에서 차이가 있다.

1.2. 빅데이터 종류

농림업분야에 활용할 수 있는 빅데이터는 여러 기관 및 출처로부터 다양

하게 생성되고 있다. 농산업 밸류체인 단계별로 예를 들면, 생산분야의 스

마트팜 데이터, 유통단계에서 도매시장가격 데이터, 소매단계에서 POS데이

터, 소비단계에서 가계지출 데이터 등을 빅데이터 분석에 활용할 수 있다.

본 연구에서는 빅데이터의 세 가지 대표적인 특성(3V) 중에서 한 개의 특성

이라도 보유할 경우 농림업분야의 빅데이터라고 정의하였다.10 예를 들어

‘농업경영체 DB’는 데이터 입출력의 속도(Velocity)가 연간 1회로 데이터

농림업분야 빅데이터 개요와 활용 실태24

변화속도가 느리지만, 데이터 규모(Volume)가 크다는 측면에서 빅데이터로

간주하였다. 이 기준에 의하면 농림업분야의 대표적인 빅데이터 종류는 다

음의 <표 2-6>과 같이 제시할 수 있다. 데이터 생성 기관 및 형태별로는 정

부기관(농림축산식품부, 축산물품질평가원, 농촌진흥청, 산림청, 농협중앙

회, 농림수산식품교육문화정보원 등)에서 생성한 정형데이터, 민간부문에서

생성된 정형데이터(농협 출하 및 판매 데이터, 스마트팜 데이터 등), 비정형

데이터(웹 데이터, 이미지 데이터 등)로 구분할 수 있다.

정부기관에서 생성하는 빅데이터는 농업경영체정보, 소고기이력제정보,

농수축산물경락정보, 소비자패널정보 등이 대표적이다. 비공개되는 자료가

있지만 일부 데이터는 각 기관별 홈페이지와 공공데이터포털11에서 파일데

이터와 오픈 API 형태로 공개되고 있다. 공공기관 데이터는 3V 속성 중 데

이터 규모(Volume) 요건은 만족하고 있으나 데이터 출처의 다양성(Variety)

과 생성속도(Velocity)는 약한 측면이 있다. 농림업부문에서 생성되는 대표

적인 민간데이터는 농협과 농가단위에서 생성되는 데이터이다. 민간데이터

의 경우 활용 수요는 높지만, 자료의 수집 및 공개가 어려운 실정이다. 비정

형데이터는 포털사이트에서 생성되는 웹 데이터와 기상, 작황 등과 관련된

이미지 데이터들이 대표적이다.

빅데이터 속성이 3V를 모두 충족시켜야 한다면 유통, 소비분야 민간업체

의 데이터를 제외하고 농림업분야에 존재하는 빅데이터는 거의 없는 실정

이다. <표 2-6>에서 정형데이터는 농협의 출하 및 판매데이터와 농가데이

터이며, 비정형데이터는 웹에서 키워드로 검색할 수 있는 데이터, 농작물

생육상황 등을 기록한 이미지 데이터 등이다.

10 빅데이터의 3V 속성을 모두 만족하는 농림업분야 데이터는 농협데이터, 농가

데이터, 웹 데이터 등 민간데이터들로 제한됨.11 공공데이터 포털(http://www.data.go.kr)에서는 농축수산분야에서 704건의 파일

데이터와 151건의 오픈 API를 제공하고 있음.

농림업분야 빅데이터 개요와 활용 실태 25

농림업분야 빅데이터 개요와 활용 실태26

농림업분야 빅데이터 개요와 활용 실태 27

2. 빅데이터 활용사례 및 분석절차

농림업분야에서 빅데이터 활용은 아직 초기 수준이기 때문에 농림업분야

전문가들조차 빅데이터 활용경험이 많지 않다. 따라서 빅데이터 활용사례

및 분석절차를 소개함으로써 빅데이터 활용에 대한 이해도를 높일 필요가

있다. 본 절에서는 국내와 미국의 농림업분야 활용사례를 소개하고 비교함

으로써 외국사례 대비 국내 빅데이터 활용 수준을 진단하고 지향해야 할 방

향을 제시하였다. 빅데이터 활용사례는 국내 소비분야(활용사례 I), 생산분

야(활용사례 II), 미국 생산분야(활용사례 III) 사례를 소개하고, 국내와 미국

의 활용사례 비교를 통해(사례 II와 사례 III) 나타난 특징 및 시사점을 정리

하였다.13

2.1. 국내 사례

2.1.1. 식품안전 관련 유해정보가 소비패턴에 미치는 영향분석(사례 I)

활용사례 I의 분석주제는 식품안전 관련 유해정보가 소비패턴에 미치는

영향분석 이며, 분석절차 및 내용은 <그림 2-1>과 같이 보여줄 수 있다.

13 활용사례 I은 ‘식품안전 관련 유해정보가 소비패턴에 미치는 영향분석(2016)’,

활용사례 II는 ‘영주 사과작황서비스(2015)’, 활용사례 III은 ‘IBM 정밀농업시

스템(2016)’임.

농림업분야 빅데이터 개요와 활용 실태28

분석절차 내용

활용목적 ∙ 식품안전 관련 유해정보가 소비패턴에 미치는 영향 분석

↓

분석범위 ∙ 생산-유통-소비 단계 중 소비단계만 분석

↓

자료수집

∙ 정형데이터

- 공공데이터: 농촌진흥청 소비자패널(http://www.rda.go.kr)

∘ 활용변수명: 육류(돼지고기/쇠고기/닭고기)가격, 돼지고기 구입액/횟수, 패널 인구통계

학적 변수(학력, 전업주부, 연령, 월소득, 자녀수, 식품 안정성 중요도 등)

∙ 비정형데이터

- 민간데이터: 다음소프트 빅데이터(http://www.daumsoft.com/)

∘ 검색어: 수산물+안전, 수산물+방사능, 방사능+물고기

↓

분석방법∙ 검색어가 블로그/트위터 상에 일별 등장 횟수를 30일, 90일 누적하여 사용

- 분석모형: 고정효과모형(Fixed effect model)

↓

분석결과

∙ 원전사고 관련 SNS상 유해정보가 소비자들의 수산물 소비를 줄이고, 돼지고기 소비를

증가시킴. 또한 이러한 효과는 학력이 높을수록, 젊은 층일수록, 평소 식품의 원산지와

안전성을 중요하게 생각할수록, 전업주부 가구일수록, 자녀수가 많은 가구일수록 큰 양상

을 보임

↓

활용내용∙ 유해정보가 있는 해당 재화의 소비 변화뿐만 아니라 대체재의 소비패턴 변화를 중점적으

로 분석하였고, 유해정보의 출처를 언론사가 아닌 SNS로 선정했다는 데 의의가 있음.

<그림 2-1> 식품안전 관련 유해정보가 소비패턴에 미치는 영향분석 사례 개요

자료: 최경덕 외(2016)를 참고하여 재정리함.

빅데이터 분석절차는 1) 활용목적 설정, 2) 빅데이터 분석 범위, 3) 데이

터 수집, 4) 분석방법 설정, 5) 분석결과 도출, 6) 분석결과 활용의 순서이다.

빅데이터 분석결과의 활용도를 제고시키기 위해서는 우선 활용목적을 명확

하게 설정하는 것이 중요하다. 본 사례의 활용목적은 후쿠시마 원전사고가

발생했을 때 식품안전 관련 유해정보가 소비패턴에 어떻게 영향을 미치는

지를 파악하는 것이다. 본 사례는 연구, 식품정책, 비즈니스(식품마케팅) 분

농림업분야 빅데이터 개요와 활용 실태 29

야 종사자들이 활용할 수 있으며, 농산업 밸류체인 단계 중 소비단계의 이

슈를 분석하였다.

빅데이터 분석을 위해 수집한 데이터는 정형데이터와 비정형데이터이다.

정형데이터 종류는 농촌진흥청 소비자패널의 육류 가격, 구입액, 구입횟수,

패널의 인구통계학적 변수들이며, 비정형데이터는 다음소프트로부터 키워

드 검색을 통해 수집한 자료이다. 분석자료의 생성 기간은 2011년 1월부터

2013년 11월까지 약 3년간 자료이다. 농촌진흥청 농식품 소비자 패널조사

데이터는 수도권(서울, 경기, 인천)에 거주하는 835가구를 대상으로 2011년

1월 1일부터 2013년 11월 30일까지 약 3년 동안 매월 구입한 상품 영수증

을 수거하는 방식으로 취합하였다.

농촌진흥청 농식품 소비자 패널조사 데이터에는 가구의 특성(외식 횟수,

가족 구성원, 학력, 소득, 출생연도 등), 구매패턴(품목별 구입액, 구입량, 구

입처 등), 구매한 상품의 특징(상품명, 재배유형, 원산지 등) 등의 정보가 포

함된다. 이 중 가공식품을 제외한 육류구매 정보를 중점적으로 분석하였으

며, 육류 구매액에 대한 정보가 누락된 경우는 거의 없었지만 구매량에 대

한 정보는 누락된 경우가 많았다.

원전사고와 관련된 SNS상의 정보는 다음소프트사로부터 빅데이터를 수

집하였다. 빅데이터는 ‘수산물’, ‘방사능’, ‘원전사고’, ‘수산물+안전’ 등 수

산물 소비를 감소시킬 수 있는 후쿠시마 원전사고와 관련된 다양한 주제어

들에 관한 정보를 포함한다. 주제어들은 해당일로부터 이전 30일, 90일 누

적치의 일평균 횟수로 재가공하였는데, 그 이유는 원전사고와 관련한 유해

정보들이 미치는 효과가 단기간에 사라지지 않고 꾸준히 지속되면서 소비

자들의 소비패턴에 영향을 미치기 때문이다.

농촌진흥청 소비자 패널조사 데이터와 SNS상의 비정형데이터는 고정효

과모형(Fixed Effect Model)을 이용하여 분석하였다. 종속변수로는 일별 돼

지고기 구입량에 로그를 취한 값을 사용하였고, 설명변수로는 돼지고기, 소

고기, 닭고기 가격에 각각 로그를 취한 값(육류가격 변수), 자녀 수나 학력,

월 소득 등의 인구통계학적 특성 변수, 원전사고 관련 SNS상의 주제어 등

을 활용하였다. 추가적으로, 돼지고기 소비에 영향을 줄 수 있는 구제역의

농림업분야 빅데이터 개요와 활용 실태30

발생을 고려하기 위해 SNS상의 유해정보 ‘구제역’ 주제어를 포함시켰고,

두 주제어 변수 모두 기준일로부터 90일 이전까지의 누적치를 일평균 횟수

로 환산하였다. 시간효과와 거주지 효과 변수도 포함하였다.

분석결과, 원전사고와 관련한 SNS상의 유해정보가 소비자들의 돼지고기

구입을 증가시키는 것으로 나타났다. 원전사고 이후 수산물 소비가 감소하

였으며, ‘수산물+안전’ 주제어 약 1,000건당 돼지고기 소비가 약 100% 증가

한 것으로 나타났다. 방사능 오염 수산물에 대한 소비자들의 공포감이 방사

능의 직접적인 영향을 받는 수산물 소비를 줄이고, 돼지고기 소비를 늘리는

결과를 가져왔다. 또한, SNS상의 유해정보가 돼지고기 구입에 미치는 영향

은 소비자의 인구통계학적 특성에 따라 상이하게 나타났다.

본 분석을 통해서 원전사고뿐 아니라 광우병, 조류독감 사태가 발생했을

당시에도 소비자들의 공포심이 소비행태를 왜곡시킴으로써 효용극대화가

이루어지지 못하였으므로 제2의 조류독감 사태, 광우병 사태 발생 시 정부

나 언론 매체의 적절한 대처가 중요하다는 시사점을 도출하였다. 이 빅데이

터 분석결과는 기존의 소비자패널 정보(정형데이터)와 인터넷상의 정보(비

정형데이터)를 결합하여 분석함으로써 소비자들의 소비행태 변화를 신속하

게 파악하고 기존 분석결과에 비해 시의성을 높였다는 데 차별성을 가진다.

그럼에도 불구하고 본 사례에 활용된 소비자패널 자료에 구매량 정보가 누

락되어 해당 데이터의 단위가격을 구할 수 없었고, 이 데이터들을 분석에

활용하지 못한 한계점이 있다.

2.1.2. 영주 사과작황 정보서비스(사례 II)

활용사례 II는 국내 농림업분야에서 빅데이터 분석을 시도한 사례이다.

데이터 소스 생성단계는 생산과 소비 단계이고 분석절차별 내용은 <그림

2-2>에 제시하였다.14

14 빅데이터 분석절차 및 순서는 활용사례 I과 유사하므로 설명을 생략함.

농림업분야 빅데이터 개요와 활용 실태 31

분석절차 내용

활용목적 ∙ 사과 재배의 병충해 징후발견, 생산량 추정

∙ 사과 생산량 증대 및 적정 사과가격 책정

↓

분석범위 ∙ 생산 및 소비 단계 데이터 분석

↓

자료수집

∙ 정형데이터

- 공공데이터: 기후 데이터(평균 온도, 강수, 일조량, 습도, 풍속 등), 센서 데이터, 사과

생산량 데이터, 사과 가격 데이터 등

∙ 비정형데이터

- 민간데이터: 웹데이터, SNS 데이터

↓

분석방법

∙ 선형 회귀모형 분석: 적산온도 추정과 페로몬트랩을 활용한 병충해 징후 발견에 활용

∙ 의사결정모형: 생산량 추정에 활용

∙ 이동평균가격과 소비자관심도(SNS데이터) 분석: 가격모형 추정에 활용

∙ 온톨로지15 분석

↓

분석결과

∙ 비정형데이터에서 텍스트 마이닝을 통해 상위 빈도 500개를 선정하고, CONCOR 분석

결과에서 도출된 유의미한 단어 50개를 핵심어로 선정함. 이를 통해 품목별 관심도와

포털사이트의 트렌드를 비교, 빈도기반 소비자 관심도와 농업 정형데이터를 비교분석함.

↓

활용내용

∙ 비정형데이터를 기반으로 도출된 소비자관심지수, 병해충 관심지수와 생산량, 단수 등과

같은 정형데이터 간의 상관성에 대해 규명하고, 이를 통해 수급 예측모형에 결합시킬 수

있는 방안을 모색함.

<그림 2-2> 영주 사과작황 서비스 빅데이터 활용사례 개요

자료: 조인호 외(2015)의 내용을 재정리함.

빅데이터 기반 영주사과작황정보 서비스는 비즈니스 모델 개발과 출하조

절 정책에 활용할 수 있는 사례이다. 분석 목적은 생산분야와 소비분야의

15 일반적인 사람들이 보고 듣고 느끼고 생각하는 것에 대해서 서로 간의 토론을

통하여 합의를 이룬 바를 개념적이고 컴퓨터에서 다룰 수 있는 형태로 표현한

모델로, 개념의 형태나 사용상의 제약조건들을 명시적으로 정의한 기술임.

농림업분야 빅데이터 개요와 활용 실태32

데이터를 활용하여 작황을 예측하고 적정한 출하가격을 책정하는 데 활용

하는 것이다. 이를 위해 기후, 생산량 등 생산단계의 정형데이터와 SNS를

통해 수집한 비정형데이터를 이용하여 선형회귀모형, 의사결정모형을 분석

하였다.

이 사례는 구체적으로 1) 병해충 징후 발견 모형, 2) 생산량 추정 모형, 3)

가격동향 모형 등 세 가지 모형을 설정하여 빅데이터 분석을 수행하였다. 병

해충 징후 발견 모형은 기존 연구와 논문을 기초로 하여 영주농업기술센터

병해충 예찰자료를 분석하고 적산온도16 계산을 위해 본 연구의 기준 온도

를 설정하였다. 이를 통해 새로운 기준의 적산온도, 페로몬 트랩 해충수, 병

해충 관심도 등을 이용하여 병해충 징후 발견을 위한 선형회귀모형을 개발

하였다. 또한, 텍스트 마이닝을 통해 유의미한 단어를 핵심어로 선정하여

품목별 관심도와 트렌드를 파악하고 정형데이터 결과와 비교하였다.

사과 생산량 추정 모형은 현재 기준 생산량17에 평균 온도, 강수, 일조량,

습도, 풍속 등 다섯 가지 요인을 적용하는 의사결정모형을 이용하였다. 가

격동향 모형은 빅데이터 분석을 통해 20kg 기준 여섯 가지 품종(홍로, 요까,

아오리, 양광, 스나노스위트, 후지)의 세 가지 등급(특, 상, 보통) 평균 가격

동향 정보를 제공하는 것이다. 5일 단순이동 평균가격과 5일 단순이동 평균

소비자 관심도를 적용하고 있으며, 이동평균선은 매일 일정 기간의 가격을

산술적 평균으로 계산하였다.

16 적산온도(積算溫度, accumulated temperature)란 일평균기온이 생리적 영점 이

상인 날들의 일평균기온과 생리적 영점의 차를 구하여 합한 것임. 또한 적산온

도는 농작물의 생육에 필요한 열량을 나타낼 때 이용되기도 함(네이버 지식백

과 2016. 9. 14.).17 기준 생산량: 최근 10년간의 영주지역 평균생산량 – 생산량 = 평균생산량 + (평균

생산량*의사결정나무의 결과값/100)

농림업분야 빅데이터 개요와 활용 실태 33

<그림 2-3> 영주 사과작황서비스 빅데이터 분석 모형

자료: 조인호 외(2015: 80).

이 사례의 분석 차별성은 웹크롤링 분석18을 통해 병해충 발생을 방지하

기 위한 선제적 대응이 가능하게 하고 병해충 초기발생 유무 및 발생지역

감지, 농민들의 움직임 및 인식을 파악하여 농민에게 필요한 정보를 시의적

절하게 제공할 수 있음을 보여준 것이다. 이 사례의 분석목적은 생산과 소

비분야의 데이터를 연계·분석함으로써 수급예측모형에 활용하는 것이다.

하지만 충분한 데이터 확보의 어려움과 알고리즘 개발 과정에 제약사항이

발생하여 생산과 소비 단계 데이터를 한 모형에 포함하여 분석하지 못한 것

은 한계점으로 남았다.

2.2. 미국 사례(사례 III)

활용사례 Ⅲ은 미국 정밀농업 부분의 사례이며, <그림 2-4>에서 활용 절

18 웹상에 분산 저장되어 있는 무수히 많은 문서를 수집하여 검색 대상의 색인으

로 포함시키는 기술을 의미함(IT 용어사전).

농림업분야 빅데이터 개요와 활용 실태34

차별 내용을 제시하였다. 빅데이터 분석목적은 생산단계에서 축적되는 빅데

이터를 분석하여 농장 정밀농업 운영과정에서 다양하게 발생하는 비효율성

과 위험성을 감소시켜 농업의사결정의 효율성을 높이는 것이다. 특히, 첨단

장비를 이용한 농경지 현장데이터와 기존에 구축된 데이터베이스를 결합·분

석하여 정보화·기계화를 달성하고 투입노동량을 줄이면서 생산품질을 유지

할 수 있다는 측면에서 농업인의 경영과정 및 의사결정을 지원할 수 있다.

본 사례에서는 빅데이터 분석을 위해 센서·드론·GPS(위성위치확인시스

템)를 통하여 수집한 현장데이터를 클라우드에 저장하는 형태로 기반 데이

터를 구축하였다. 토양·기상데이터, 강우량 데이터는 기존 공공 데이터베이

스 및 업체들이 자체적으로 구축한 데이터베이스에 축적된 토양, 기상, 강

우량 등의 데이터를 활용하였다.

농경지 및 농기계에 설치된 센서를 활용하여 토양의 상태와 비료 등의 정

보를 수집하고, GIS데이터, 토양데이터, 기상데이터를 결합하여 분석하였

다. 다년간 축적된 토양, 경작지별 데이터는 실시간 기상데이터와 결합하여

농지를 관리하였다. 또한 드론을 활용하여 농작지와 농작물 위치를 3차원으

로 재구성한 지도를 작성하고, 드론에 장착된 센서를 이용하여 농작물의 수

확량을 정밀하게 측정하였다.

드론을 이용하여 얻은 시각정보와 적외선 정보를 통해 농작물의 생육상

태를 알 수 있으며, 지상에서 인간의 시야로 잘 관찰할 수 없었던 병해충을

감지하였다. 미국에서는 이미 열적외선, 다중스펙트럼, 초분광센서 등을 탑

재한 드론이 개발되었고, 이를 정밀농업 활용에 시도하고 있다. 정밀 농업

을 위해서는 센싱 기술도 매우 중요하며, 땅속에 고정된 센서를 통해 토양

의 무기염류, 필수 영양소, 수분의 양 등을 모니터링하는 과정도 중요하다.

농기계에 부착된 센서를 통해서 잎과 열매의 생육 상태나 성숙도, 특정

성분의 양 등에 대한 데이터를 수집하여 분석할 수 있다. 미국 농학회, 토양

과학회, 국제미작연구소 등이 기관 간 협력을 통해 토지 비옥도를 측정할 수

있는 탁상용 토양 시험기를 개발하고 있으며, 그 외에 작물의 생육을 확인

하는 센서의 저가형 모델 개발에 힘쓰고 있다.

농림업분야 빅데이터 개요와 활용 실태 35

<그림 2-4> 미국의 빅데이터를 활용한 정밀농업 시스템 활용사례 개요19

분석절차 내용

활용목적

∙ 정밀농업 서비스를 통해서 농장경영 과정의 다양한 비효율성과 위험성 감소, 농업의사결

정의 효율성 제고

∙ 투입노동량을 줄이면서도 적절한 수확량과 생산품질 유지

↓

분석범위 ∙ 생산-유통-소비-단계 중 생산단계의 분석

↓

자료수집

∙ 정형데이터

- 위성·센서 ·드론 ·GPS(위성위치확인시스템) 등의 현장 데이터

- 토양도·기상데이터, 강우량 데이터

∘ 기존 공공 데이터 베이스 및 업체들이 자체적으로 구축한 데이터 베이스에 축적된 토양,

기상, 강우량 등의 데이터

∙ 비정형데이터

- 드론, 센서와 같은 최첨단 기계를 이용하여 방대한 필드 데이터를 수집하고, 이를 클라우

드 시스템에 저장

↓

분석방법

∙ 분석방법

- 실시간 기상데이터, 토양데이터와 같은 데이터를 필드데이터와 결합하여 실시간 분석,

통계분석 등 실시

↓

분석결과 ∙ 데이터 분석결과는 농장 운영계획 수립에 반영

↓

활용내용

∙ 활용내용

- 드론, 센서, 위성 등을 통해 수집된 필드 데이터를 분석한 후 스마트 농기구, 인공지능

등을 통해 경작단위로 세분화된 경작지별, 개별 맞춤형 농업에 활용함.

자료: IBM 정밀농업(2016) 사례를 재정리함.

컴퓨터, ICT의 발달로 다양한 드론과 센서들이 개발되어 왔고, 이를 농업

현장에서 데이터를 수집하는 데 응용할 수 있게 되었다. 경작단위를 ㎥ 혹

19 정밀농업이란 최첨단 ICT 기술을 활용하여 노동, 비료, 물 등과 같이 농업생산

에 필요한 요소들을 최소화하면서 생산량을 최대화하는 생산방식임.

농림업분야 빅데이터 개요와 활용 실태36

은 그 이하로 세분화하여 각 경작지의 토질, 습도, 일조도 등의 특성에 맞게

관리함으로써 예전과 같은 넓이의 농장을 경영하게 되더라도 단위 면적당

생산량이 증가하게 되었다.

이 활용사례는 방대한 양의 농경지 데이터를 수집, 저장, 처리함으로써

개별맞춤형 농업이 가능해졌다는 점에서 기존의 데이터 분석방법과 차별성

을 보여준다. 농림업분야에서 기존의 통계자료를 활용하여 분석한 결과가

실시간 의사결정이나 예측모형에 활용하기에는 시의성이 부족하거나 예측

력이 높지 않은 경우가 있다. 반면, 본 사례는 기존의 재배면적, 단수, 기상

등의 시계열자료를 분석하여 생산량을 예측하는 방법보다 토양데이터와 실

시간 기상데이터를 결합·분석하여 생산량 예측력과 예측정보의 시의성을

높일 수 있음을 보여준다.

2.3. 사례 비교 및 특징

<그림 2-5>는 한국과 미국의 농림업 생산부문의 빅데이터 활용사례를 비

교한 결과이다. 빅데이터 활용목적은 한국과 미국 모두 생산작물의 품질을

향상시키면서 수확량을 증대시키는 측면에서 유사하다. 한편, 한국은 작황

및 출하정보 제공도 고려하고 있으나, 미국은 생산비용 절감 및 경영 효율

성을 제고하는 데 더 중점을 두고 있다.

데이터의 연계분석 범위에 있어서 한국은 농산업 밸류체인 단계에서 생

산과 유통, 소비를 연계하려는 시도를 하고 있으나, 미국은 생산부문 내 데

이터 연계분석에 중점을 두고 있다.

빅데이터 분석에 활용한 자료는 한국의 경우 공공데이터와 민간데이터,

정형데이터와 비정형데이터를 포함하고 있다. 공공데이터는 평균온도, 강수

량, 일조량 등의 기후데이터와 생산량, 가격데이터이며, 비정형데이터는 웹

데이터, SNS 데이터이다. 미국은 센서, 드론, 위성 등 데이터 수집기반이 발

달하여 이미지데이터 생성 및 축적이 활성화되고 있으며, 현장에서 수집한

정형데이터를 분석에 활용하였다.

농림업분야 빅데이터 개요와 활용 실태 37

한국 사례는 공급량 예측력을 높이기 위해 보다 정확한 생산량 자료와 도

매시장가격 자료가 필요한 실정이지만 데이터 신뢰도가 낮다는 애로요인으

로 인해 활용이 저조하다. 미국은 대규모 경영규모이기 때문에 상대적으로

경영규모가 영세한 한국에 비해 드론이나 위성데이터를 이용하여 병충해

진단이나 생산량 예측부문에 활용하기에 유리하다.20

미국사례는 센서와 드론 등의 장비활용과 방대한 데이터를 클라우드에

저장하여 기존의 공공데이터와 결합·분석함으로써 농장운영계획에 직접적

으로 활용할 수 있는 단계까지 발전하였음을 보여준다. 하지만 국내 농림업

분야는 아직까지 이미지데이터 축적이 매우 저조한 실정이다. 이미 농림업

생산 분야에서 이미지데이터를 활용한 생산성 제고가 중요한 이슈가 되고

있음을 감안할 때, 앞으로 이미지데이터의 축적과 활용은 시급히 추진해야

할 과제이다.

한국은 빅데이터 분석 단계에서 선형회귀모형 분석과 의사결정모형, 소

비자관심도에 대한 키워드분석이 이루어지고 있으나, 미국은 기상데이터와

토양데이터를 필드데이터와 결합하여 실시간 통계분석을 하는 수준까지 발

전하였다. 미국의 분석기법이 한국보다 앞선 주요 이유는 데이터 간 연계분

석을 위한 알고리즘 기술개발이 한국보다 앞서기 때문이다.21

분석결과 활용 측면에서 한국은 소비자 관심지수와 생산량 간 상관성을

분석하고 수급예측모델에 반영을 모색하는 수준이다. 반면, 미국은 스마트

농기계와 인공지능을 활용하여 세분화된 경작단위별로 개별농장 맞춤형 농

업에 활용하였다. 한국은 생산-유통-소비 단계의 데이터 수집과 연계분석을

시도하고 있지만 알고리즘 개발이 저조하여 시도를 모색하는 수준에 머무

르고 있다. 반면, 미국은 생산 부문에 집중하여 빅데이터 분석결과의 활용

도를 높이고 있는 것으로 요약할 수 있다.

20 전문가 자문의견을 참고하여 작성함.21 전문가 자문의견을 참고하여 작성함.

농림업분야 빅데이터 개요와 활용 실태38

절차 한국 미국 차이점

활용목적

∙ 사과 생산성 증대

∙ 작황/출하정보 제공

∙ 경영 비효율성 축소

∙ 수확량과 생산품질 관리

∙ 양국 모두 생산효율성 제고

부문에 초점

↓

분석범위

∙ 농림업 밸류체인 단계별

연계분석

∙ 농림업 생산부문 내 분석 ∙ 미국은 생산부문의 데이터

분석에 초점

↓

자료 수집

∙ 정형데이터

-공공데이터: 기후데이터

(평균 온도, 강수, 일조량,

습도, 풍속), u-IT 센서

데이터, 사과 생산량과

가격데이터 등

∙ 비정형데이터

-민간데이터: 웹데이터, SNS

데이터

∙ 정형데이터

-위성 ·센서 ·드론 ·GPS

(위성위치확인시스템) 등의

현장 데이터

-토양, 기상, 강우량 데이터

-드론과 센서 이용 필드데이터

수집과 클라우드 시스템에

저장

∙ 미국은 대규모 경영규모로

드론, 위성 데이터 수준으로

발전, 데이터 양도 미국이

앞섬

↓

분석방법

∙ 선형 회귀모형 분석

∙ 의사결정모형

∙ 이동평균가격과 소비자

관심도(SNS데이터) 분석

∙ 온톨로지 활용 분석

∙ 기상데이터, 토양데이터를

필드데이터와 결합하여

실시간 통계분석

∙ 미국은 데이터 수집 설비·

장비, 데이터 연계분석

알고리즘이 발전함

↓

분석결과

∙ 생산량 및 가격 예측 정보

도출

∙ 기상 및 토양 데이터 간 결합

분석을 통한 수확량 예측

∙ 미국은 토양과 기상 데이터

결합분석으로 수확량 예측

가능(한국은 초기)

↓

활용내용

∙ 소비자관심지수와 생산량 간

상관성 분석

∙ 수급예측모형 반영 시도

∙ 스마트 농기구, 인공지능

등을 통해 세분화된 경작

단위(㎥ 혹은 그 이하)별,

개별맞춤형 농업에 활용

∙ 미국사례의 분석목적과 활용

내용이 상대적으로 구체적임

<그림 2-5> 국내외 농림업분야 빅데이터 활용사례 비교

농림업분야 빅데이터 개요와 활용 실태 39

3. 빅데이터 활용 현황 및 제약요인22

농림업분야 빅데이터 활용도 제고 방안을 제시하기 위해서는 우선 현재

빅데이터 활용 현황 및 제약요인을 파악할 필요가 있다. 본 절에서는 첫째,

농업정보 전문가를 대상으로 설문조사한 빅데이터 활용현황, 둘째, 국내외

빅데이터 활용사례와 빅데이터 활용 제약요인, 셋째로는 국내 농림업분야

에 빅데이터 활용이 활성화되었을 경우의 미래 모습을 제시하였다.

3.1. 빅데이터 활용 현황

농업정보 전문가들은 빅데이터(용어)에 대한 인지도가 높은 편이지만, 빅

데이터 분석에 대한 이해도는 낮다. 즉, 빅데이터에 대해 들어본 적은 있지

만 빅데이터 분석방법에 대한 이해는 부족하다는 의미이다. 예를 들어 제2

절 활용사례 Ⅰ의 빅데이터 분석은 정형데이터인 소비자패널 데이터와 비

정형데이터인 키워드검색 자료를 결합하여 분석한 형태이지만, 농업정보

전문가들은 이러한 방법을 잘 모르고 있다.

설문조사 결과 응답자의 82.7%가 빅데이터에 대해 ‘자주 들어봤다’고 응

답하였다(<그림 2-6> 참조).23 ‘자주 들어봤다’는 농업정보 전문가 그룹에서

업무분야별로는 연구(대학/연구소)계층에서 상대적으로 높게 나타났다(<표

2-7> 참조). 다음 <그림 2-7>은 농림업분야 종사자의 빅데이터 분석 이해도

에 대한 조사결과이다. 빅데이터 분석에 대해 ‘매우 잘 이해하고 있다’는 비

율은 38.0%에 머물렀다.

22 농림업분야 빅데이터 전문가, 농업정보전문가, 산업체, 정책담당자 158명을 대

상으로 2016년 8～9월까지 실시한 ‘농림업분야 빅데이터 활용 수요조사’ 설문

조사 결과임. 빅데이터 전문가는 농림축산식품부 정보통계담당관실에 보유하

고 있는 농업정보 전문가 중 빅데이터 활용경험이 있는 전문가를 선별함.23 빅데이터의 인지도에 대해서 농업정보 전문가, 산업체, 정책담당자 등 133명을

대상으로 설문조사한 결과임(한국농촌경제연구원 2016. 9.).

농림업분야 빅데이터 개요와 활용 실태40

<그림 2-6> 농림업분야 빅데이터 인지도

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

　사례수

전혀 들어보지 못했다

잘 모르겠다

몇 번 들어봤다

자주 들어봤다

모름/무응답

빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 %

유형

농업정보 전문가 60 100.0 0 0.0 0 0.0 5 8.3 55 91.7 0 0.0

산업체

(비즈니스)46 100.0 2 4.3 2 4.3 5 10.9 37 80.4 0 0.0

정책담당 27 100.0 0 0.0 0 0.0 8 29.6 18 66.7 1 3.7

업무

분야

사업체

(비즈니스 회사)28 100.0 1 3.6 2 7.1 3 10.7 22 78.6 0 0.0

산업체

(스마트팜)21 100.0 1 4.8 0 0.0 2 9.5 18 85.7 0 0.0

연구(대학/연구소) 36 100.0 0 0.0 0 0.0 4 11.1 32 88.9 0 0.0

정책수립

(공무원)38 100.0 0 0.0 0 0.0 9 23.7 29 76.3 0 0.0

협회 및 단체 7 100.0 0 0.0 0 0.0 0 0.0 7 100.0 0 0.0

모름/무응답 3 100.0 0 0.0 0 0.0 0 0.0 2 66.7 1 33.3

<표 2-7> 농림업분야 종사자의 빅데이터 인지도(유형별)

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

농림업분야 빅데이터 개요와 활용 실태 41

<그림 2-7> 농림업분야 빅데이터 분석 이해도

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

농림업분야 전문가들도 빅데이터 종류를 많이 알고 있지 못하고 있는 실

정이다. 농림업분야 전문가들은 빅데이터 종류에 대해서 ‘1~5개 수준으로

알고 있다’는 응답자(53.4%) 비중이 제일 높고, ‘매우 많이 알고 있다(5개

이상)’는 23.3%로 나타났다<그림 2-8>.

<그림 2-8> 농림업분야 빅데이터 종류에 대한 인지도

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

빅데이터에 대한 이해도와 빅데이터 종류에 대한 인지도가 낮은 만큼 농

림업분야 전문가들은 관련정보 수집 또는 업무 수행에 빅데이터를 활용한

경험이 많지 않았다<그림 2-9>. 분석결과, ‘빅데이터 활용경험이 몇 번 있

다’는 응답이 36.1%로 가장 많았고 ‘경험이 전혀 없다’는 20.9%로 나타났

다. 이는 아직 빅데이터에 대한 이해도와 분석 아이디어가 부족하기 때문에

나타난 현상으로 보인다. 빅데이터 ‘활용경험이 있다’거나 ‘경험이 매우 많

농림업분야 빅데이터 개요와 활용 실태42

다’고 응답한 계층은 빅데이터 전문가 계층(68.0%, 20.0%)과 농업정보 전문

가 계층(33.3%, 10.0%)에서 높게 나타났고, 정책담당자 계층에서는 낮게 나

타났다(<표 2-8> 참조).

<그림 2-9> 농림업분야 빅데이터 활용 경험

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

　사례수

경험이 전혀 없다

경험이 별로 없다

잘 모르겠다

경험이 몇 번 있다

경험이 매우 많다

모름/무응답 5점

평균빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 %

전체 158 100.0 33 20.9 35 22.2 19 12.0 57 36.1 13 8.2 1 0.6 2.9

유

형

빅데이터 전문가 25 100.0 2 8.0 1 4.0 0 0.0 17 68.0 5 20.0 0 0.0 3.9

농업정보 전문가 60 100.0 9 15.0 16 26.7 9 15.0 20 33.3 6 10.0 0 0.0 3.0

산업체

(비즈니스)46 100.0 13 28.3 12 26.1 5 10.9 14 30.4 2 4.3 0 0.0 2.6

정책담당 27 100.0 9 33.3 6 22.2 5 18.5 6 22.2 0 0.0 1 3.7 2.3

업

무

분

야

사업체

(비즈니스 회사)32 100.0 10 31.3 6 18.8 3 9.4 11 34.4 2 6.3 0 0.0 2.7

산업체

(스마트팜)21 100.0 3 14.3 6 28.6 2 9.5 9 42.9 1 4.8 0 0.0 3.0

연구(대학/연구소) 44 100.0 6 13.6 9 20.5 7 15.9 15 34.1 7 15.9 0 0.0 3.2

정책수립(공무원) 51 100.0 14 27.5 11 21.6 7 13.7 16 31.4 3 5.9 0 0.0 2.7

협회 및 단체 7 100.0 0 0.0 3 42.9 0 0.0 4 57.1 0 0.0 0 0.0 3.1

모름/무응답 4 100.0 0 0.0 0 0.0 0 0.0 3 75.0 0 0.0 1 25.0 4.0

<표 2-8> 농림업분야 빅데이터 활용 경험(유형별)

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

농림업분야 빅데이터 개요와 활용 실태 43

빅데이터 활용에 대한 만족도 또한 저조한 것으로 나타났다<그림 2-10>.

빅데이터의 특징인 규모, 다양성, 생성속도별로 구분하여 만족도를 조사한

결과, 데이터 규모(Volume)에 대해서는 ‘대체로 만족했다’는 응답이 39.2%

로 높았으나, ‘다소 불만족스러웠다(33.8%)’는 응답도 높은 편이었다. 데이

터 다양성(Variety) 측면에서는 ‘다소 불만족스러웠다’는 의견이 41.9%로

‘대체로 만족했다’는 응답(29.7%)보다 더 높았다. 3V의 빅데이터 속성 중에

서 농림업분야에서 빅데이터를 활용함에 있어서 가장 만족도가 저조한 것

은 데이터의 다양성 측면이다.

<그림 2-10> 빅데이터(규모/다양성/생성속도) 활용 만족도

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

빅데이터의 분석 및 활용에 대한 만족도를 자료수집, 분석, 활용성과로

구분하여 살펴보았다<그림 2-11>. 빅데이터의 자료수집, 자료분석, 활용성

과에 대해 만족했다는 비율(대체로 만족했다와 매우 만족했다 포함)은 각각

33.8%, 39.2%, 39.2%로 낮은 편이었으며, 불만족스럽다는 의견은 자료수집

측면이 가장 높다(48.7%). 이는 데이터 자체가 구축되어 있지 않거나, 공개

범위가 제한적인 점 등으로 인해 수집이 어렵기 때문인 것으로 판단된다.

농림업분야 빅데이터 개요와 활용 실태44

<그림 2-11> 빅데이터 자료(수집/분석/활용성과) 만족도

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

빅데이터 분석·활용이 기존의 통계분석 방법보다 만족스러운 이유는 ‘빅

데이터 분석으로 기존 통계분석보다 더 실용적인 정보를 얻을 수 있었다

(48.6%)’가 가장 많았다. 다음으로 ‘기존의 데이터분석 방법으로 파악하기

어려웠던 정보를 알 수 있었다(44.6%)’, ‘기존의 정성적인 분석내용을 빅데

이터 분석을 통해 객관성을 높일 수 있었다(37.8%)’ 순으로 나타났다(<그림

2-12> 참조).24 빅데이터 분석 및 활용으로 인한 만족사항을 종사자 유형별

로 살펴본 결과는 <표 2-9>와 같다. 빅데이터 전문가는 기존 데이터방법으

로 파악하기 어려웠던 정보를 알 수 있어서, 농업정보 전문가는 빅데이터

분석으로 객관성을 높일 수 있었던 점을, 산업체(비즈니스)는 빅데이터 분

석으로 기존 통계분석보다 더 실용적인 정보를 얻을 수 있었다는 점, 정책

담당자들은 기존의 데이터분석 방법으로 파악하기 어려웠던 정보를 알 수

있었던 점을 만족도가 가장 큰 사항으로 제시하였다.

24 빅데이터 전문가를 제외한 농업정보 전문가, 산업체(비즈니스), 정책담당자 중

에서 빅데이터를 활용한 경험이 있다고 응답한 74명을 대상으로 중복응답을

허용한 조사결과임.

농림업분야 빅데이터 개요와 활용 실태 45

<그림 2-12> 빅데이터 분석·활용 시 만족 사항

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

　사례수

빅데이터 분석으로

기존 통계분석보다 더 실용적인 정보를 얻을 수 있었다

기존의 정성적인

분석내용을 빅데이터 분석으로

인해 객관성을 높일 수 있었다

기존의 데이터분석 방법으로 파악하기 어려웠던 정보를 알 수 있었다

빅데이터 분석으로

기존 통계분석

보다 더 정확한

정보를 얻을 수 있었다

빅데이터를 분석

함으로써 시의성이 더 높은 정보를 얻을 수 있었다

모름/무응답

빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 %

유형

빅데이터 전문가 25 36.0 11 44.0 5 20.0 8 32.0 7 28.0 3 12.0 0 0.0

농업정보 전문가 26 50.0 10 38.5 16 61.5 5 19.2 7 26.9 0 0.0 0 0.0

산업체

(비즈니스)16 68.8 7 43.8 6 37.5 7 43.8 6 37.5 0 0.0 0 0.0

정책담당 7 42.9 5 71.4 1 14.3 2 28.6 1 14.3 1 14.3 1 14.3

<표 2-9> 빅데이터 분석·활용 시 만족 사항(유형별)

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

빅데이터 활용 경험이 있는 전문가들은 빅데이터 활용의 가장 큰 불만족

사항으로 ‘데이터 자료의 분류체계나 내용의 일관성 등 표준화가 부족하다

농림업분야 빅데이터 개요와 활용 실태46

(1+2순위 기준 43.2%)’를 꼽았다<그림 2-13>.25 그 다음으로는 ‘데이터를

공개하지 않아 기관 간 공유가 필요한 자료수집이 어렵다(29.7%)’, ‘빅데이

터를 실시간으로 분석할 수 있는 시스템이 부족하다(25.7%)’ 순이다. 응답

자 유형별로 빅데이터 전문가는 ‘데이터가 분석에 적용할 수 있을 정도로

충분하지 않다(44.0%)’와 ‘데이터의 분류체계나 내용의 일관성 등 표준화가

부족하다(36.0%)’를 꼽았다. 농업정보 전문가는 ‘데이터 자료의 분류체계나

내용의 일관성 등 표준화가 부족하다(53.8%)’는 점과 ‘빅데이터 분석을 위

한 자료가 거의 없다(26.9%)’, 산업체(비즈니스) 종사자에서는 ‘데이터를 공

개하지 않아 기관 간 공유가 필요한 자료수집이 어렵다(37.5%)’가 2순위로

높게 나타났다. 정책담당자의 불만족 사항은 ‘빅데이터를 실시간으로 분석

할 수 있는 시스템이 부족하다(57.1%)’, ‘데이터가 실시간으로 업데이트 되

지 않아 시의성이 부족하다(42.9%)’로 나타났다(<표 2-10> 참조).

<그림 2-13> 빅데이터 분석·활용 시 불만족 사항

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

25 빅데이터 전문가, 농업정보 전문가, 산업체, 정책담당자 중에서 빅데이터를 활용

한 경험이 있는 74명을 대상으로 한 조사결과임(한국농촌경제연구원 2016. 9.).

농림업분야 빅데이터 개요와 활용 실태 47

농림업분야 빅데이터 개요와 활용 실태48

농식품 분야에서 ICT를 활용한 생산 및 유통 정보, 개인 단위의 농식품

구매 데이터들이 광범위하게 생성 및 축적되면서 농식품 공공데이터의 활

용을 통한 사회적 가치 창출 필요성이 대두되고 있다.26 우리나라에서 농림

업분야 빅데이터의 가장 중요한 공급자이자 활용주체는 공공부문으로 볼

수 있다.27 공공데이터 포털에서 상당부분 데이터를 제공하고 있지만, 아직

까지 원시데이터 공개는 제한적이어서28 공공데이터 활용도는 저조한 편이

다. 공공데이터만을 활용하더라도 의미있는 분석이 가능한 분야가 있다. 하

지만 통계분석 결과나 요약자료만 제시되어 있는 점, 자료 항목이나 시계열

단계에서 단절된 자료들이 있는 점 등의 제약요인이 개선된다면 활용도가

훨씬 높아질 것이다.

<그림 2-14> 공공데이터 활용 경험

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

농림업분야 통계분석 및 관련 정보 획득 시 공공데이터 활용수준에 대해

‘가끔 사용한다(2~3회/1년)(35.1%)’가 가장 많으며, ‘사용하지 않는다(0회/1년)’

가 29.8%로 2순위로 나타났다<그림 2-14>. <표 2-11>은 유형별로 농림업

26 농림업분야 공공데이터는 http://www.data.go.kr에서 국익을 저해 또는 개인정

보 공개를 위촉하지 않는 수준에서 정부가 공개하여 열람 가능하며 분석을 의

뢰할 수 있으며, 향후 단계별로 공개를 확대할 예정임.27 미국의 경우 몬산토나 구글 등 민간분야가 주도적이지만, 우리나라는 토양, 기

상, 병해충 등 대량의 데이터들을 거의 정부 및 정부기관이 보유하고 있어서

외국과 차이가 있음.28 농림업분야 빅데이터 전문가 조사결과(한국농촌경제연구원 2016. 8.).

농림업분야 빅데이터 개요와 활용 실태 49

분야 공공데이터 활용빈도를 정리한 것이다. 심지어 빅데이터 전문가조차

도 ‘사용하지 않는다(28.0%)’와 ‘가끔 사용한다(28.0%)’는 비율이 높게 나

타나, 아직까지 공공데이터 활용도가 매우 저조하다는 것을 보여준다.

　사례수

사용하지

않는다

(0회/1년)

가끔

사용한다

(2-3회/1년)

적지도

많지도 않게

사용한다

(4-5회/1년)

자주

사용한다

(6-7회/1년)

아주 자주

사용한다

(7회 이상

/1년)

모름

/무응답 5점

평균

빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 %

전체 131 100.0 39 29.8 46 35.1 21 16.0 16 12.2 8 6.1 1 0.8 2.3

유형

빅데이터 전문가 25 100.0 7 28.0 7 28.0 4 16.0 3 12.0 3 12.0 1 4.0 2.5

농업정보 전문가 60 100.0 15 25.0 21 35.0 10 16.7 10 16.7 4 6.7 0 0.0 2.5

산업체

(비즈니스)46 100.0 17 37.0 18 39.1 7 15.2 3 6.5 1 2.2 0 0.0 2.0

업무

분야

사업체

(비즈니스 회사)32 100.0 11 34.4 12 37.5 5 15.6 2 6.3 2 6.3 0 0.0 2.1

산업체

(스마트팜)21 100.0 7 33.3 7 33.3 4 19.0 2 9.5 1 4.8 0 0.0 2.2

연구

(대학/연구소)44 100.0 10 22.7 17 38.6 6 13.6 7 15.9 3 6.8 1 2.3 2.4

정책수립

(공무원)27 100.0 11 40.7 7 25.9 5 18.5 2 7.4 2 7.4 0 0.0 2.1

협회 및 단체 7 100.0 0 0.0 3 42.9 1 14.3 3 42.9 0 0.0 0 0.0 3.0

모름/무응답 1 100.0 0 0.0 1 100.0 0 0.0 0 0.0 0 0.0 0 0.0 2.0

<표 2-11> 농림업분야 공공데이터 활용빈도(유형별)

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

농림업분야 공공 데이터를 활용하지 않는 이유에 대해서는 ‘어떠한 자료

를 어느 사이트에서 수집할 수 있는지 잘 몰라서(1+2+3순위 기준 46.6%)’

라는 답변이 가장 많았다. 다음으로 ‘원하는 데이터 종류가 없어서(36.6%)’,

‘공공분야 빅데이터의 존재 자체를 몰라서(35.1%)’ 등의 순서로 나타났다

<그림 2-15>.

농림업분야 빅데이터 개요와 활용 실태50

<그림 2-15> 공공데이터 미활용 이유

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

3.2. 빅데이터 활용 제약요인

3.2.1. 데이터 품질 신뢰도 낮음

빅데이터를 활용할 때 나타나는 제약요인을 활용절차 단계별로 제시하였

다(<그림 2-16> 참조). 빅데이터 분석의 제약사항은 데이터의 다양성 부족,

표준화 미비, 자료의 신뢰성이 낮다는 등 데이터 자체가 가지고 있는 한계

점인 경우가 많다. 빅데이터 분석목적을 원활히 실현하기 위해서는 다양한

종류의 데이터가 필요하지만 자료가 없거나 단절되는 경우가 많다. 예컨대

활용사례 Ⅰ에서 소비패턴을 예측할 때 구매액에 대한 정보는 있지만 구매

량에 대한 자료가 없기 때문에 구매량이 누락된 상태에서 분석하였다. 또한

공급량을 예측할 때 재배면적, 생산량 자료는 있지만 저장량 자료를 구하기

어려운 경우가 있다.29

29 실제로 공공데이터포털에서 제공하는 농업 생산량 현황을 살펴본 결과, 일부

지역의 일정 기간에 한정하여 제공하고 있음을 확인함.

농림업분야 빅데이터 개요와 활용 실태 51

분석절차 활용 현황 및 제약 요인

활용목적 ∙ 빅데이터 분석주제에 대한 아이디어 부족

∙ 빅데이터 활용목적에 대한 구체성 미흡

↓

분석범위 ∙ 생산-유통-소비 분야 연계분석 어려움

↓

자료수집

∙ 데이터 품질 문제

- 다양성, 표준화, 신뢰성, 시의성 등 부족

∙ 데이터 수집 어려움

- 데이터 부족(이미지 데이터 등)

- 자료 공개·공유 미흡(데이터 보유기관 간 협업 부족)

- 데이터가치 인식·필요성 자각 부족, 데이터 수집·축적 인프라 부족

↓

분석방법

∙ 데이터의 단편적인 분석 수준(키워드 분석)

∙ 데이터 결합분석 사례가 적고 알고리즘 기술개발 미흡

∙ 빅데이터 수집·분석 전문적 대행기능 미흡

↓

분석결과 ∙ 분석결과의 예측력 낮음(예: 특정 품목 생산량)

↓

활용내용∙ 활용내용의 구체성 낮은 편

- 소비분야 분석은 상대적으로 강한 편임

<그림 2-16> 농림업분야 빅데이터 활용 현황 및 제약요인

계량단위, 토양자료, 기상데이터 등이 표준화되어 있지 않아 분석에 어려

움을 겪은 사례가 많다. 공개된 정보이더라도 데이터 자체의 문제 때문에

신뢰성 확보가 어려워 활용하기 어려운 데이터가 있다. 즉, 시계열 기간이

지나치게 짧은 경우나, 잘못된 정보 입력으로 인한 오류가 있는 데이터들로

인해 분석이 어려운 경우가 있다. 빅데이터 분석자료는 속성상 실시간으로

제공되는 성격을 가져야 한다는 측면에서 연도별, 분기별로 생성되는 데이

터는 시의성이 부족하다고 볼 수 있다.30 생육상황이나 병해충 등을 예측할

농림업분야 빅데이터 개요와 활용 실태52

때 데이터가 실시간으로 수집되지 않는 경우 시의성을 지닌 분석결과를 얻

기가 어렵다.

3.2.2. 데이터 부족 및 수집 어려움

국내 농림업분야는 데이터의 다양성이 부족하며, 특히 SNS, 검색포털 등

에서도 농업분야 검색키워드는 다른 산업에 비해 양이 매우 적은 편이다.

또한, 데이터 보유기관 간 협업이 부족하여 자료 공유가 어렵다. 관련 기관

들이 보유하고 있는 정보의 연계분석이 필요하지만 완전하게 공유받기 어

려운 경우가 많다.31 특히 인적사항이 포함되는 데이터의 경우 원시정보는

개인정보 보호 때문에 공개하기 어려운 실정이다.

산림 분야에서도 데이터를 수집하기 어려운 것으로 나타났다. 산불이 발

생한 원인을 분석할 때 산불 발발지역이 원래 어떤 용도로 활용되었는지에

대한 데이터가 필요하지만 데이터를 얻기가 어려운 상황이다. 산사태 분석

의 경우 대표적인 애로사항은 지질도가 없는 지역의 경우 데이터는 가용한

범위 안에서만 구분되고 있으며, 이는 국방부의 정보제공에 있어서 얻기 어

려운 데이터가 존재하기 때문이다.32

빅데이터를 활용한 경험이 있는 응답자들이 분석에 이용한 빅데이터 유

형은 ‘본인이 직접 자료수집부터 가공-저장-빅데이터 분석을 시도(41.8%)’

30 영주사과작황서비스에서는 기존의 통계청 데이터를 활용할 경우 재배면적과

단수가 전년도를 기준으로 구축되어 있기 때문에 시의성이 부족함.31 예컨대 농산물 수급 예측을 위한 특정 품목의 공급망 관리(SCM) 체계에 대한

빅데이터 분석을 시도할 경우 생산-출하-저장-소비 등 각 부문별 자료를 연계

화하여 수집하고 분석하기 어려움.32 산림분야에서 사용하는 빅데이터는 내부에서 축적하고 있는 조사정보, 공간정

보의 의미로 사용하고 있으며, 산림분야 빅데이터 연구를 위해 내부 데이터를

통합하는 작업 중임. 빅데이터 활용은 내부적으로 데이터를 통합한 이후 단계

별로 활용사례를 늘릴 계획임. 국토환경 공간정보, 산림공간정보, 기상기후 정

보, 조사모니터링 정보, 북한 공간정보 등을 산림분야 내부에서 보유하고 있으

며, 이를 공통 기반으로 하는 DB를 수집하고 있음.

농림업분야 빅데이터 개요와 활용 실태 53

한 경우가 가장 많지만 ‘전문기관 및 전문가가 수집한 자료를 이용한 경우

(37.3%)’도 많은 편이다<표 2-12>. 유형별로는 사업체(비즈니스), 산업체(스

마트팜), 정책수립분야에서 직접 ‘자료수집부터 빅데이터 분석단계’까지 시

도했다는 응답이 가장 많았고, 연구(대학/연구소)분야에서는 ‘전문기관 또

는 전문가가 수집한 자료를 활용하였다’는 응답이 더 많았다. 빅데이터 자

료분석에 대해 만족한 경우는 ‘전문기관 또는 전문가가 분석을 대행한 경

우’가 많고, 불만족한 응답자들은 ‘빅데이터 활용을 시도할 때 직접 분석을

시도한 형태’가 많은 것으로 나타났다.33

　사례수

전문기관/전문가가

수집을 완료한 자료를 이용해

분석했다

본인이 직접 자료수집부터 가공-저장-빅데이터 분석을

시도했다

위의 두 가지 방법 모두 시도했다

모름/무응답

빈도 % 빈도 % 빈도 % 빈도 % 빈도 %

전체 67 100.0 25 37.3 28 41.8 11 16.4 3 4.5

유형

빅데이터 전문가 25 100.0 9 36.0 13 52.0 0 0.0 3 12.0

농업정보 전문가 26 100.0 12 46.2 7 26.9 7 26.9 0 0.0

산업체

(비즈니스)16 100.0 4 25.0 8 50.0 4 25.0 0 0.0

업무

분야

사업체

(비즈니스 회사)13 100.0 4 30.8 6 46.2 3 23.1 0 0.0

산업체

(스마트팜)10 100.0 2 20.0 6 60.0 2 20.0 0 0.0

연구

(대학/연구소)23 100.0 10 43.5 7 30.4 5 21.7 1 4.3

정책수립

(공무원)17 100.0 7 41.2 9 52.9 0 0.0 1 5.9

협회 및 단체 4 100.0 2 50.0 1 25.0 1 25.0 0 0.0

모름

/무응답1 100.0 0 0.0 0 0.0 0 0.0 1 100.0

<표 2-12> 빅데이터 분석 시도 자료 유형

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

33 교차분석 및 카이자승 검증결과임.

농림업분야 빅데이터 개요와 활용 실태54

빅데이터 자료수집부터 가공-저장-분석단계까지 시도한 경험자들의 경우,

‘일부자료만 수집하고 분석에 필요한 전체 자료 수집에는 실패했다(33.3%)’

는 경험자가 많다. 반면, 빅데이터를 분석하고 결과를 해석하여 활용목적의

원래 단계까지 진척시킨 비율(16.7%)은 적었다<그림 2-17>.

<그림 2-17> 빅데이터 분석 및 활용 진척단계

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

빅데이터 분석을 수행할 때 원래 계획했던 최종 활용 단계까지 진행하지

못한 이유는 ‘기존데이터 외에 추가적인 자료가 필요했지만 자료수집이 어

려웠다(54.8%)’는 이유가 가장 많이 나타났다. 다음으로 ‘기존 데이터 중 원

하는 항목을 포함하는 데이터가 없다(31.0%)’, ‘지속적인 자료수집이 어려

웠다(21.4%)’ 등으로 나타났다<그림 2-18>.

<그림 2-18> 빅데이터 분석 활용 진척 제한 이유

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

농림업분야 빅데이터 개요와 활용 실태 55

농림업분야의 빅데이터 축적 및 수집 시스템이 취약한 이유는 빅데이터

활용 수요자들이 데이터를 어떻게 만들고 왜 만들어야 되는지에 대한 필요

성을 모르는 경우가 많기 때문이다. 필요성을 느낀다고 하더라고 어떻게 데

이터를 수집하고 분석해야 하는지, 어떤 데이터를 축적해야 가치가 있는 것

인지 잘 모르는 경우가 많다. 미국의 경우 영농규모가 크고 농산물 유통네

트워크가 잘 구축되어 있기 때문에 드론이나 위성을 이용한 데이터 수집이

상대적으로 용이하다. 반면, 한국은 농가규모가 매우 영세하기 때문에 데이

터 축적의 필요성을 잘 느끼지 못하고 데이터가 부족하기 때문에 데이터 기

반의 영농을 수행하는 데에도 한계가 있다.

3.2.3. 데이터 분석 알고리즘 개발 미흡

국내 농림업분야는 빅데이터 분석을 위한 데이터가 부족하므로 생산, 소

비분야 중 각 분야의 단편적인 자료나 비정형데이터만을 사용하는 경우가

많다. 즉, 과수품목별 생산부문 분석, 스마트팜 D/B 분석, 농업경영체 D/B

분석, 웹 검색어 분석 등 단편적인 자료형태에 대한 분석이 주로 이루어지

고 있으며, 밸류체인 단계별 데이터 간 결합분석 사례는 적다.

그동안 농림업분야의 공공기관, 연구자, 기업들이 일부 빅데이터를 활용

하고 가치를 창출한 사례들은 있으나, 여전히 국내 농림업분야에서 데이터

활용 자체의 문제에 대한 인지도 부족 등으로 인해 활용수준은 초기단계라

고 볼 수 있다.

3.3. 빅데이터 활용 미래 모습

3.3.1. 빅데이터 활용의 미래 모습

외국의 빅데이터 기반 활용 수준은 클라우드 컴퓨팅의 SaaS, 사물인터넷

(IoT), 인공지능(Artificial Intelligence) 단계까지 발전하였다.34 사물인터넷

농림업분야 빅데이터 개요와 활용 실태56

(IoT)과 인공지능(AI) 기술은 농림업 전 분야에 영향력을 끼칠 것으로 예상되

고 있다. 따라서 농림업분야의 빅데이터 활용수준 및 활용도 제고의 목표도

사물인터넷(IoT), 인공지능(AI) 시스템 수준으로 설정하고, 이를 위한 영농

컨설팅, 수확량정보, 환경관리 시스템 등의 클라우드 기반을 구축해야 한다.

빅데이터의 활용도를 높이기 위해서는 기본적으로 충분한 양의 데이터 축

적이 필요하다. 미국에서는 다양하고 충분한 양의 데이터를 수집하기 위해

탁상용 토양시험기, 저가형 센서 등과 같은 보급형 기구 상용화에 많은 연구

기관이 힘을 모으고 있는데, 국내에서도 저가형 센서를 개발·보급하여 정밀

농업이 대중화될 수 있도록 추진할 필요가 있다. 이는 개별 농민들의 데이터

를 더 많이 수집하기 위해서 중요한 부분이다. 농민들이 수집한 현장 데이터

와 농민의 작업일지 등은 클라우드에 저장되어 빅데이터화할 수 있으며, 이

를 통해 시간이 지날수록 정밀농업을 이용하는 농민들이 늘어날 수 있다.

농림업분야에서 생성되고 있는 데이터를 실제로 활용하는 단계까지 발전

시키기 위해서는 데이터의 축적을 위한 시설과 인프라가 필요하다. 정밀농

업은 농경지의 환경을 파악하고 관찰하는 것에서 시작된다. 따라서 우선 다

양한 농경지와 작물정보를 수집하는 센서 및 드론과 같은 장비들이 필요하

므로 이와 같은 장비들의 활용 수준을 높이는 것이 중요하다. 또한, 축적된

데이터를 연계 및 분석하기 위한 알고리즘 개발이 요구된다. 알고리즘 개발

은 밸류체인 단계 내 자료뿐만 아니라(예: 생산분야에서 토양과 기상데이

터), 밸류체인 단계별로 연계분석(예: 생산-유통-소비)할 수 있는 수준으로

발전해야 한다.

34 클라우드 컴퓨팅은 소프트웨어, 플랫폼, 정보통신기반, 데이터가 모두 서비스

로 제공될 수 있는 인터넷기술이며, SaaS는 응용프로그램이 클라우드에 존재

하고 인터넷을 통하여 사용자가 이용하는 것임.

농림업분야 빅데이터 개요와 활용 실태 57

3.3.2. 빅데이터 활성화 계획 미흡

농림업분야 빅데이터 활용의 미래 모습에 도달하기 위해서는 정책적으로

빅데이터 활용의 중장기 활성화계획을 구체적으로 수립할 필요가 있다. 농

림축산식품부에서는 지난 2015년 정보통신(IT) 기반 농업·농촌 6차 산업 활

성화를 위한 상생협력 업무협약(MOU)을 체결함으로써 빅데이터 플랫폼 구

축을 통한 최적 재배 데이터 생산, 자동화시설 구축 등을 추진하기 시작했

다. 또한 작물생육정보 등 스마트팜의 빅데이터를 수집·분석함으로써 우수

종자 개발과 고부가가치 식의약품 개발에 활용하는 등 정부주도의 농림업

분야 빅데이터 활용을 위한 노력을 시작했으며, 연구기관 및 컨설팅업체에

서도 농림업분야 빅데이터 활용 가능성과 분석을 위한 사업 및 과제를 본격

적으로 수행하고 있다. 그럼에도 불구하고 빅데이터 활용도를 제고시키기

위한 범부처적인 구체적인 계획수립이나 정책지원은 외국의 농림업분야나

국내 타산업분야에 비해 아직까지 미흡한 실정이다.

기획재정부에서는 2016년 제13차 경제관계 장관회의를 통해 공공데이터

와 민간 빅데이터를 연계하기 위해 통계청이 공공데이터를 비식별화(익명

화)하여 민간기관에 제공하고, 민간기관이 양쪽의 데이터를 연계하는 한편,

분석용 DB를 구축하여 통계청과 공유하는 방안을 구체화하였다. 이를 위해

통계작성 목적에 대해 적용 예외를 인정하는 개인정보보호법과 통계법35을

근거로 데이터 연계방식을 마련한 사례가 있다. 이 사례처럼 농림업분야에

서도 자료수집 및 활용 단계에서 주로 발생하는 제약사항을 개선하고 빅데

이터 활용도를 높이기 위한 구체적인 중장기 계획을 수립해야 한다. 한편

농림업분야 기관과 부처 간 연계 가능한 빅데이터 활성화 계획 및 정책지원

을 구체화시킬 필요가 있다.

35 통계법 제30조(통계자료의 제공) 및 제31조(통계자료의 이용).

국내외 빅데이터 활용사례 분석 제3장

빅데이터는 분석 목적 및 범위에 따라 여러 가지 형태로 데이터를 연계하

여 분석할 수 있다. 따라서 빅데이터 활용도를 높이기 위해서는 우선 활용

목적을 명확히 설정한 후 어떠한 자료와 분석방법으로 원하는 결과를 얻을

수 있을지에 대한 아이디어를 얻는 것이 매우 중요하다. 분석주제와 분석방

법에 대한 아이디어를 얻기 위해서는 타산업 분야와 해외의 빅데이터 분석

사례를 다양하게 검토할 필요가 있다. 국내 농림업분야 이외의 빅데이터 활

용사례를 벤치마킹한다면 활용성과를 보다 높일 수 있을 것이다. 본 장에서

는 국내 농림업분야뿐만 아니라 국내 타산업분야와 해외의 빅데이터 활용

사례들을 발굴하고 비교분석함으로써 국내 농림업분야의 빅데이터 활용 현

황을 진단하고 활용도 제고를 위해 벤치마킹할 수 있는 사례들을 제시하였다.

1. 분석 개요

1.1. 분석절차 및 방법

국내외 빅데이터 활용사례 비교분석 절차는 빅데이터 활용사례 발굴 →

빅데이터 활용사례 유형화 → 주요 항목별 활용사례 내용정리 → 활용사례

의 세부평가지표 설정 → 평가지표별 활용사례 평가→ 활용사례 평가결과

비교분석 → 분석결과 특징 및 시사점 도출 의 과정에 따라 수행하였다. 빅

국내외 빅데이터 활용사례 분석60

데이터 활용사례 발굴 국가는 한국 외에 미국, 일본을 대상으로, 산업분야

는 농림업분야와 타산업분야로 구분하였다. 미국은 빅데이터 활용수준이

높기 때문에, 일본은 국내와 농업 여건이 유사하기 때문에 분석대상 국가로

선정하였다.

<그림 3-1> 빅데이터 활용사례 분석 절차

빅데이터 활용사례는 다양한 경로로부터 발굴하였으며, 발굴경로는 문헌

자료(국회도서관, 한국학술정보, 한국농촌경제연구원 전자도서관, 디비피아

등)와 국내외 인터넷포털 검색, 유관기관 방문 및 자료수집, 빅데이터 전문

가 자문, 전문가 원고위탁 등이다. 문헌자료는 주요 키워드 검색을 통해서

국내외 빅데이터 활용사례 분석 61

검색하였으며, 자료유형은 전자저널, 학술자료, 단행본 등이다. 타산업분야

와 해외 활용사례는 전문가 자문과 유관기관 자료, 관련기관 및 업체의 홈

페이지 등을 검토하고 국내 농림업분야 적용 가능성을 고려하여 선별적으

로 선택하였다. <그림 3-1>은 빅데이터 활용사례 분석절차를 설명한 내용

이고, <표 3-1>과 <표 3-2>, <표 3-3>은 빅데이터 활용사례 발굴 과정의 검

색어를 정리한 것이다.

구분 내용

국내

빅데이터+농업, 빅데이터+임업

빅데이터+데이터 마이닝, 농업+빅데이터+사례, 정보통신기술(ICT), 농업정보화, 공공데이터

빅데이터+가축질병, 빅데이터+농산물 생산, ICT+스마트팜, 빅데이터+기상변화

빅데이터+식품소비, 빅데이터+농산물 유통, 빅데이터+식품 광고

<표 3-1> 국내 빅데이터 활용사례 발굴 검색어

구분 내용

미국

Precision agriculture using Big Data

Smart Farm

Precise weather forecasting Big Data

Personal advertisement using Big Data

Smart grocery Big Data

Smart delivery Big Data

Food security, Big Data

Fresh food delivery, Big Data

Perspective on retail, Big Data

Market price forecasting, Big Data

Perspectives on retail and consumer goods

Big Data, livestock disease control

Big Data, pest control

Detecting Forest fire, Big Data

Detecting natural disasters, Big Data

Disaster prevention, Big Data

<표 3-2> 미국 빅데이터 활용사례 발굴 검색어

국내외 빅데이터 활용사례 분석62

구분 내용

일본

빅데이터+품종+관리

빅데이터+스마트농업

빅데이터+농업+지역

빅데이터+농업+생산+효율

빅데이터+IT+기술+첨단농업

빅데이터+농업유통

빅데이터+ICT+농업

빅데이터+재난, 지진, 질병, 홍수, 쓰나미, 자연재해, 피난, 기상변화 (각각 검색)

빅데이터+가축+생산

빅데이터+임업

빅데이터+농산물

빅데이터+소비, 구매 (각각 검색)+농산물+인터넷

빅데이터+수급+농산물

빅데이터+수급+ICT

빅데이터+농업+응용, 적용(각각 검색)

빅데이터+농업+융합

<표 3-3> 일본 빅데이터 활용사례 발굴 검색어

발굴한 국내외 빅데이터 활용사례는 농산업 가치사슬 단계 및 기능별 분

야를 기준으로 유형화하였다. 가치사슬 단계별로는 생산, 유통(수급예측),

소비(안전성) 분야로, 기능별로는 질병과 재해재난 분야로 분류하였다. 활

용분야별로는 비즈니스(사업체)분야, 정책분야, 연구분야로 구분하였다. 빅

데이터 활용사례의 정리내용과 평가항목은 활용주체, 활용목적, 활용방법,

분석방법, 국내 농림업분야 적용가능성 등이다(<표 3-4> 참조). 분석항목별

평가지표 설정과 평가, 유형화 기준 등은 연구진 검토 및 전문가 자문회의

를 통해 설정하였다. 활용사례 평가결과는 세부 평가지표별 빈도를 분석하

고 제표화한 후 국내 농림업분야 및 타산업 분야, 해외사례를 비교분석하였

다. 비교분석 결과에 근거하여 빅데이터 활용도 제고 방안과 연관된 주요

특징 및 시사점을 도출하였다.

국내외 빅데이터 활용사례 분석 63

분석항목 항목별 세부 평가지표

사례 구분 국내농림업, 타산업, 해외(미국), 해외(일본) 분야

활용주체 1. 비즈니스(사업체)1), 2. 정책부서(공공기관), 3. 연구자

활용분야2) 밸류체인 단계별 1. 생산, 2. 유통(수급예측), 3. 소비(안전성),

기능별 4. 질병, 5. 재해재난

활용목적3) 1. 생산성 향상, 2. 유통효율성 제고, 3. 마케팅성과 제고, 4. 정책활용

분석자료1. 정형데이터, 2. 비정형데이터,

3. 정형데이터+비정형데이터(정형데이터 간 결합분석 포함)

분석방법

1. 통계·모형분석(군집·요인분석, 시계열분석, 상관분석, 네트워크분석, 인공신경망분석, Grid

중첩분석)

2. Hadoop 등의 병렬처리시스템을 이용한 실시한 분석

3. 텍스트분석(키워드, 연관검색어, 오피니언 마이닝 등)

농림업분야

적용 가능성5)

- 타산업분야와 해외사례의 국내 농림업분야 적용 가능성4)

(1: 높음, 2: 보통 3: 참고)

- 농림업분야사례: 활용도 제고 가능성: (1: 높음, 2: 보통, 3: 참고)

농업/비농업 구분 - 타산업분야 사례와 해외사례: 1. 농림업분야, 2. 타산업분야

<표 3-4> 국내외 빅데이터 활용사례 분석 평가지표

주 1) 사업체에는 생산기업, 스마트팜 농가 등이 포함됨.

2) 활용분야와 활용목적에서 세부내용이 중복될 경우 특징이 가장 강한 부류에 포함시켰으며, 수출내용은

소비분야에 포함시킴.

3) 활용목적의 생산성 향상에는 생산비절감과 품질개선을 포함하였고 유통효율성 관리 분야에는 수급예측

을, 소비분야에는 안전성을 포함함.

4) 농림업분야 적용가능성은 중요성, 시급성, 가능성을 고려하여 평가함.

5) 국내외 활용사례 분석의 평가지표별 분류와 농림업분야 적용가능성 수준은 연구진 판단과 외부 전문가

자문을 거쳐 결정함.

본 연구에서 국내외 빅데이터 활용사례 발굴결과는 연구자들의 주관적인

판단과 검색 범위 안에서 선별된 사례들이며, 검색자료 출처 및 검색기간의

제한성을 가진다는 한계점이 있다. 또한 활용사례의 정리항목과 세부 평가

지표 설정, 평가지표별 평가결과는 전문가 자문을 거치기는 했지만 연구자

들의 주관성이 개입되어 있다는 점, 연구자 검색범위의 시간적, 공간적 제

한에 의해 발굴되지 않은 사례들이 있다는 한계를 가진다. 그럼에도 불구하

고 국내외 및 산업분야별 활용사례 비교분석 결과는 국내 농림업분야 빅데

이터 활용사례의 수준 및 현황을 진단하고 활용도 제고를 위한 시사점을 제

공할 수 있다는 측면에서 유용하다.

국내외 빅데이터 활용사례 분석64

1.2. 분석사례 유형화

빅데이터 활용사례는 국가별로 국내, 미국, 일본으로, 산업부문은 농림업

분야와 타산업분야로 구분하여 정리하였다.36 활용사례의 유형화는 밸류체

인별로 생산, 유통, 소비분야로, 기능별로는 질병과 재해재난 분야로 구분하

였으며, 활용 주체별로는 비즈니스, 정책, 연구 분야로 구분하였다.

국내 농림업 분야 사례는 총 18건이며, 주체별로 비즈니스 분야 4건, 정

책 분야 10건, 연구분야 4건이다(<표 3-5> 참조). 국내 타산업분야 활용사례

는 총 16건이며, 비즈니스 분야 8건, 정책분야 5건, 연구분야 3건이다(<표

3-6> 참조). 해외 활용사례는 <표 3-7>에서 보여주듯이 미국 사례는 21건이

며, 활용분야별로 비즈니스 분야 9건, 정책분야 6건, 연구분야 5건이다. 일

본의 활용사례는 총 22건이며, 비즈니스분야 9건, 정책분야 10건, 연구분야

4건이다(<표 3-8> 참조).37

36 활용사례의 구체적인 목록 및 평가지표별 평가결과는 <부록 1>, 활용사례 내

용은 <부록 2>를 참조.37 일본 빅데이터 활용사례는 Hong Corp.(신영섭 박사)에 위탁조사를 의뢰하여

2016. 5. 4.～6. 30까지 조사한 결과임.

국내외 빅데이터 활용사례 분석 65

구분 비즈니스 분야 정책 분야 연구 분야 계

생산

∙ A17: ICT 기반 센서 자료와

적용을 통한 온실에의 환경

조절에 있어서의 차이 분석

∙ A10: 스마트팜 국내외

기술동향 - 2

유통 -

∙ A2: 빅데이터 기반

영주사과작황정보 서비스

∙ A12: 인공신경망을 이용한

가격예측 모형 개발

∙ A16: 빅데이터를 활용한

휴양림 이용객현황과 인터넷

검색어의 상관관계 분석

- 3

소비

∙ A4: 중국 바이두 빅데이터

활용한 한국식품 온라인

마케팅 전략

∙ A13: 국가식품클러스터:

한국 및 동북아 식품시장

분석 보고서

∙ A14: 라면 발암물질 사건

이후 소비심리 회복 분석

연구

∙ A3: 2015 괴산 세계유기농

산업엑스포 홍보 프로모션

전략

∙ A6: 충남정책 키워드의 SNS

데이터 분석

∙ A7: 도홈페이지 및 포털

사이트 빅데이터 분석을 통한

정부 3.0 도민맞춤형

계획수립

∙ A1: 중국 도시가계 식품소비

패턴의 지역적 차별성에 대한

연구

∙ A5: 2015 식품산업 소셜

미디어 키워드 분석

∙ A11: 빅데이터를 활용한

수요변동 분석

∙ A15: 빅데이터 기반 소비자

유형별 농식품 추천시스템

구축

10

질병 -∙ A18: 빅데이터 기반

가축질병 확산 위험도 분석- 1

재해

재난-

∙ A8: 산불위험예보 실시간

웹서비스

∙ A9: 산사태 정보시스템

- 2

계 4 10 4 18

<표 3-5> 국내 농림업분야 빅데이터 활용사례 및 유형별 구분

국내외 빅데이터 활용사례 분석66

구분 비즈니스 분야 정책 분야 연구 분야 계

생산

∙ B2: 포스코 ICT의 생산과정

컨설팅 활용사례

∙ B7: 제조분야에서의

빅데이터 기술 활용

- - 2

유통

∙ B3: FNS 코오롱의 매출수요

분석 활용사례

∙ B13: 서울시 교통 서비스의

최적 노선과 배차간격 도출

∙ B12: 국내 유가 예보 서비스

∙ B14: 국토교통부

자동차관리시스템

∙ B8: 빅데이터 거래 서비스

시스템 구축방안5

소비

∙ B4: KB 국민카드의 소비자

카드매출 데이터 분석사례

∙ B1: LG빅데이터 소비자

수요 분석 플랫폼 운영사례

∙ B9: 오피니언 마이닝을 통한

스마트 워치 출시 전후

소비자 반응

∙ B10: SNS 소셜 빅데이터를

활용한 의류 소비자 특성

- - 4

질병 -∙ B16: 경상남도 빅데이터

활용방안

∙ B11: 보건복지 분야의

빅데이터 활용 연구2

재해

재난-

∙ B15: 모바일 빅데이터를

활용한 재난대응방안

∙ B5: Daum 폭우지도를

활용한 수해예방체제 구축

∙ B6: 항공분야 사고발생

가능요인 분석3

계 8 5 3 16

<표 3-6> 타산업분야 빅데이터 활용사례 및 유형별 구분

국내외 빅데이터 활용사례 분석 67

구분 비즈니스 분야 정책 분야 연구 분야 계

생산

농림업

∙ C2: 빅데이터를 이용한 기상예측 시스템(Deep Thunder)

∙ C3: 농산물 파종상황 모니터링 모바일 서비스

∙ C4: 공공기후 데이터를 이용한 기후보험 개발·판매 시스템

∙ C5: 빅데이터를 이용한 관수 시스템 개발

∙ C6: 저비용 관개시스템 애플리케이션

∙ C8: IBM 정밀농업 시스템

∙ C11: 빅데이터를 이용한 농업 환경정책 평가

- 7

유통

농림업 - -

∙ C9: 빅데이터를 이용한 농산물 공급체인 개선

∙ C10: 셀폰데이터를 활용한 개도국 식품가격 예측

2

타산업 -

∙ C12: 택배서비스 (UPS) 최적경로 추적시스템 개발

∙ C21: 빅데이터를 활용한 미국 교통시스템 개선

∙ C17: 빅데이터를 활용한 금 가격 예측

3

소비

농림업

∙ C1: 네슬레의 식품안전 조기경보 시스템

∙ C7: 빅데이터를 이용한 대형 식품매장(smart grocery) 배달관리 시스템

- - 2

타산업

∙ C13: 빅데이터를 이용한 맞춤형 광고전략 수립

∙ C14: 기업체의 소비자 온라인 평판관리

- - 2

질병

타산업 -

∙ C18: 빅데이터를 이용한 맞춤형 질병예측 시스템 개발

∙ C20: 국가 간 질병예측 시스템

∙ C15: 구글 플루 트렌드 분석 및 예측

∙ C16: 구글 연관검색어를 이용한 살모넬라 발병률 분석

4

재해재난

타산업 -∙ C19: 슈퍼컴퓨터를

이용한 화재 예측- 1

계농림업 7 1 2 11

타산업 2 5 3 10

<표 3-7> 미국 빅데이터 활용사례 및 유형별 구분

국내외 빅데이터 활용사례 분석68

구분 비즈니스 분야 정책 분야 연구 분야 계

생산

농림업

∙ D1: 신선한 채소를 필요로 하는 실내재배 공급 솔루션

∙ D2: 버섯재배를 위한 고효율 수확환경 분석 솔루션

∙ D3: 시설원예에서의 ICT기술 적용∙ D4: Intelligent Society Solution

식농클라우드 AKISAI∙ D5: 벼농사 수급증대를 위한 계획

서비스 ∙ D7: ICT기반 가축생산 안정성 제고

시스템∙ D14: 주관적 정보부여 농장정보

시스템 “농라이브”

∙ D6: 농산물 무인판매 시스템-클라우드측 서버시스템 개발

∙ D12: 농업분야 센서 네트워크기술의 이용과제

∙ D13: 빅데이터로 디자인하는 스마트 농업

10

타산업 -∙ D17: 오픈필드서버

및 센서 클라우드 시스템 개발

- 1

유통

농림업 -∙ D9: 농업정보의

표준화 및 정보취급 관련 정책

∙ D10: 소비와 공급의 공급체인(SCM) 효율화

2

타산업 -∙ D16: 소비데이터

포맷 통일 및 규격화- 1

소비 타산업 ∙ D18: 마케팅정보의 빅데이터 활용 - - 1

질병 타산업 - -∙ D22: 의료에 앞선

질병확산 방지를 위한 빅데이터 분석

1

재해재난

농림업 -

∙ D8: 재해예측을 위한 신속정확한 방재분석기술

∙ D11: 기상빅데이터를 이용한 농업용 예보시스템

- 2

타산업

∙ D15: 이동자를 고려한 재해발발 이후 지원시스템

∙ D19: 이중협력형 재해정보시스템 실현을 위한 기반기술 개발

∙ D20: 원전방출 빅데이터 분석

∙ D21: 재해 빅데이터 활용시스템, 피해정도 지도 맵핑 및 위치정도 제공

- 4

계농림업 7 4 3 14

타산업 2 5 1 8

<표 3-8> 일본 빅데이터 활용사례 및 유형별 구분

국내외 빅데이터 활용사례 분석 69

2. 분석 결과

2.1. 국내외 농림업분야 활용사례 비교

국내외 빅데이터 활용사례를 평가지표별로 평가하여 세부 평가지표의 빈

도수 및 비율을 제시한 총괄표는 <표 3-9>와 같다. 국가별 농림업분야의 평

가지표별 평가결과는 <표 3-10>에 제시하였다.

국내외 농림업분야 활용사례에서 활용주체가 정책부서(공공기관)인 사례

는 10건(55.6%)으로, 미국(1건, 9.1%), 일본(3건, 21.4%)보다 많았다. 반면,

활용주체가 사업체(비즈니스)인 사례는 미국이 8건(72.7%), 일본 8건(57.1%)

으로 한국(4건, 22.2%)보다 많았다. 연구자 활용 건수는 국내 4건(22.2%),

미국 2건(18.2%), 일본 3건(21.4%)으로 활용비율 측면에서 국가별로 큰 차

이는 없었다. 빅데이터 활용주체별 비율은 한국의 경우 정책부서, 미국은

비즈니스(사업체) 분야가 가장 높다(<그림 3-2> 참조). 한국은 정책부문에

서, 미국은 비즈니스 측면에서 활용할 만한 사례가 많다는 것을 보여준다.

<그림 3-2> 국내외 농림업분야 빅데이터 활용사례의 주체별 비율

단위: %

자료: 국내외 빅데이터 활용사례 분석결과(한국농촌경제연구원 2016. 9.).

국내외 빅데이터 활용사례 분석70

구분 평가지표국내사례

해외사례

미국 일본

농림업 타산업 농림업 타산업 농림업 타산업

활용

주체

1. 사업체(비즈니스)4 8 8 3 8 2

(22.2) (50.0) (72.7) (30.0) (57.1) (25.0)

2. 정책부서(공공기관)10 5 1 4 3 5

(55.6) (31.5) (9.1) (40.0) (21.4) (62.5)

3. 연구자4 3 2 3 3 1

(22.2) (18.7) (18.2) (30.0) (21.4) (12.5)

활용

분야

밸류

체인

단계별

1. 생산2 2 5 - 8 1

(11.1) (12.5) (45.5) - (57.1) (12.5)

2. 유통3 5 2 3 4 1

(16.7) (31.3) (18.2) (30.0) (28.6) (12.5)

3. 소비10 4 2 2 - 1

(55.6) (25.0) (18.2) (20.0) - (12.5)

활용

부문별

4. 질병1 2 1 4 - 1

(5.6) (12.5) (9.1) (40.0) - (12.5)

5. 재해재난 2 3 - 1 2 4

(11.1) (18.8) - (10.0) (14.3) (50.0)

활용

목적

1. 생산성 향상2 2 6 - 8 -

(11.1) (12.5) (54.5) - (57.1) -

2. 유통효율성 제고1 2 2 2 1 -

(5.6) (12.5) (18.2) (20.0) (7.1) -

3. 마케팅성과 제고 4 5 2 2 1 3

(22.2) (31.3) (18.2) (20.0) (7.1) (37.5)

4. 정책활용11 7 1 6 4 5

(61.1) (43.8) (9.1) (60.0) (28.6) (62.5)

분석

자료

1. 정형데이터8 10 7 4 12 3

(44.4) (62.5) (63.6) (40.0) (85.7) (37.5)

2. 비정형데이터5 6 - 4 - 2

(27.8) (37.5) - (40.0) - (25.0)

3. 정형데이터+비정형데이터

(정형데이터간 결합분석)

5 - 4 2 2 3

(27.8) - (36.4) (20.0) (14.3) (37.5)

분석

방법

1. 통계·모형분석12 11 10 7 14 8

(66.7) (68.8) (90.9) (70.0) (100.0) (100.0)

2. Hadoop 시스템 이용 실시간 분석- 1 - - - -

- (6.3) - - - -

3. 텍스트분석6 4 1 3 - -

(33.3) (25.0) (9.1) (30.0) - -

합계18 16 11 10 14 8

(100.0) (100.0) (100.0) (100.0) (100.0) (100.0)

<표 3-9> 국내외 빅데이터 활용사례의 평가지표별 분석결과(총괄)

단위: 건수, %

자료: 국내외 빅데이터 활용사례 분석결과(한국농촌경제연구원 2016. 9.).

국내외 빅데이터 활용사례 분석 71

구분 평가지표 국내사례해외

미국 일본

활용

주체

1. 사업체(비즈니스) 4 8 8

(22.2) (72.7) (57.1)

2. 정책부서(공공기관)10 1 3

(55.6) (9.1) (21.4)

3. 연구자4 2 3

(22.2) (18.2) (21.4)

활용

분야

밸류

체인

단계별

1. 생산2 5 8

(11.1) (45.5) (57.1)

2. 유통3 2 4

(16.7) (18.2) (28.6)

3. 소비10 2 -

(55.6) (18.2) -

활용

부문별

4. 질병1 1 -

(5.6) (9.1) -

5. 재해재난2 - 2

(11.1) - (14.3)

활용

목적

1. 생산성 향상2 6 8

(11.1) (54.5) (57.1)

2. 유통효율성 제고1 2 1

(5.6) (18.2) (7.1)

3. 마케팅성과 제고 4 2 1

(22.2) (18.2) (7.1)

4. 정책활용11 1 4

(61.1) (9.1) (28.6)

분석

자료

1. 정형데이터8 7 12

(44.4) (63.6) (85.7)

2. 비정형데이터5 - -

(27.8) - -

3. 정형데이터+비정형데이터

(정형데이터간 결합분석)

5 4 2

(27.8) (36.4) (14.3)

분석

방법

1. 통계·모형분석12 10 14

(66.7) (90.9) (100.0)

2. Hadoop 시스템 이용 실시간

분석

- - -

- - -

3. 텍스트분석6 1 -

(33.3) (9.1) -

합계18 11 14

(100.0) (100.0) (100.0)

<표 3-10> 국내외 농림업분야 빅데이터 활용사례의 유형별 비교

단위: 건수, %

자료: 국내외 빅데이터 활용사례 분석결과(한국농촌경제연구원 2016. 9.).

국내외 빅데이터 활용사례 분석72

빅데이터 활용사례 분야는 밸류체인 단계별(생산·유통·소비) 및 활용기능

별(질병·재해재난)로 구분하여 살펴보았다. 국내 농림업분야는 소비(안전성)

부문 사례가 10건(55.6%)으로 가장 많은 반면, 미국은 생산부문 활용건수가

5건(45.5%), 일본도 생산부문 활용건수가 8건(57.1%)으로 가장 많았다. 활용

부문별로 한국은 소비(안전성)부문이, 미국과 일본은 생산부문 활용 사례가

많았고 유통부문, 질병과 재해재난 부문의 활용 사례는 많지 않았다<그림

3-3>.

<그림 3-3> 국내외 농림업분야 빅데이터 활용사례의 분야별 비율

단위: %

자료: 국내외 빅데이터 활용사례 분석결과(한국농촌경제연구원 2016. 9.).

빅데이터 활용목적 측면에서 한국은 정책활용 사례가 11건(61.1%)으로

가장 많고, 미국과 일본은 생산성 향상 분야의 활용 건수가 각각 6건

(54.5%), 8건(57.1%)으로 많았다<그림 3-4>. 우리나라 입장에서 생산성향

상을 위한 빅데이터 분석과 활성화를 시도할 경우 미국과 일본 사례를 벤치

마킹할 필요가 있다.

빅데이터 분석자료 형태는 한국, 미국, 일본 모두 정형데이터 활용 건수

가 각각 8건(44.4%), 7건(63.6%), 12건(85.7%)으로 많으며, 이는 현재까지

는 각 국가 모두 주로 정형데이터를 이용하여 분석하고 있음을 보여준다.

국내외 빅데이터 활용사례 분석 73

한편, 한국은 비정형데이터를 이용하여 분석한 사례가 상대적으로 다른 국

가보다 많다<그림 3-5>.

<그림 3-4> 국내외 농림업분야 빅데이터 활용사례의 활용목적별 비율

단위: %

자료: 국내외 빅데이터 활용사례 분석결과(한국농촌경제연구원 2016. 9.).

<그림 3-5> 국내외 농림업분야 빅데이터 활용사례의 분석자료 유형별 비율

단위: %

자료: 국내외 빅데이터 활용사례 분석결과(한국농촌경제연구원 2016. 9.).

국내외 빅데이터 활용사례 분석74

빅데이터 분석 방법은 통계·모형분석, Hadoop 시스템을 이용한 실시간

분석, 텍스트분석 방법을 이용할 수 있는데, 각 국가 모두 통계·모형분석을

이용한 건수가 가장 많이 나타났다. 국가별로 한국 12건(66.7%), 미국 10건

(90.9%), 일본 14건(100.0%)으로 나타나, 미국과 일본은 대부분 통계·모형

분석을 이용한다고 볼 수 있다. 다만, 한국은 텍스트 분석방법이 6건(33.3%)

으로 미국이나 일본 농림업부문보다 많았다<그림 3-6>.

<그림 3-6> 국내외 농림업분야 빅데이터 활용사례의 분석방법별 비율

단위: %

자료: 국내외 빅데이터 활용사례 분석결과(한국농촌경제연구원 2016. 9.).

2.2. 국내외 타산업분야 활용사례 분석

국내외 타산업분야 활용사례를 유형별로 구분한 결과는 <표 3-11>과 같

다. 활용사례의 활용주체별 건수는 사업체(비즈니스)인 경우가 8건(50.0%),

정책부서(공공기관) 5건(31.5%) 순으로 많았고, 미국과 일본의 경우 정책부

서 활용 건수가 각각 4건(40.0%), 5건(62.5%)으로 가장 많았다. 국내 농림

국내외 빅데이터 활용사례 분석 75

업분야는 정책분야에 활용할만한 사례가 많은데 비해, 국내 타산업 분야에

는 비즈니스에 활용할만한 사례가 많았다(<그림 3-7> 참조).

<그림 3-7> 국내외 타산업분야 빅데이터 활용사례의 활용주체별 비율

단위: %

자료: 국내외 타산업분야 빅데이터 활용사례 분석결과(한국농촌경제연구원 2016. 9.).

빅데이터 활용분야 측면에서 국내 타산업 분야는 유통(수급예측) 부문이

5건(31.3%)으로 가장 많고, 미국은 질병분야 4건(40.0%), 일본은 재해재난

분야가 4건(50.0%)으로 가장 많았다(<그림 3-8> 참조). 따라서 국내 농림업

분야에서 빅데이터 활용도를 높이기 위해서는 국내 타산업 부문의 유통분

야, 미국의 질병분야, 일본의 재해재난분야 활용사례를 벤치마킹하기에 유

리하다.

국내외 빅데이터 활용사례 분석76

<그림 3-8> 국내외 타산업분야 빅데이터 활용사례의 활용분야별 비율

단위: %

자료: 국내외 타산업분야 빅데이터 사례분석 결과(한국농촌경제연구원 2016. 9.).

빅데이터 활용목적 측면에서 국내 타산업분야는 정책활용 부문이 7건

(43.8%)으로 많으며, 미국과 일본의 경우는 각각 6건(60.0%), 5건(62.5%)으

로 정책활용 건수가 많은 편이다(<그림 3-9> 참조). 국내 타산업분야의 빅

데이터 활용목적은 정책활용 다음으로 마케팅성과 제고 분야가 많았다.

<그림 3-9> 국내외 타산업분야 빅데이터 활용사례의 활용목적별 비율

단위: %

자료: 국내외 타산업분야 빅데이터 사례분석 결과(한국농촌경제연구원 2016. 9.).

국내외 빅데이터 활용사례 분석 77

타산업 분야 분석에 이용된 데이터의 형태는 국내의 경우 10건(62.5%),

미국 4건(40.0%), 일본 3건(37.5%)으로 정형데이터가 많았다(<그림 3-10>

참조). 국내 농림업분야와 국내외 타산업분야 모두 아직까지는 정형데이터

를 이용하여 분석하고 있다. 또한 정형데이터와 비정형데이터의 결합분석

혹은 정형데이터 간 결합분석 사례도 미국과 일본의 타산업분야에서 적지

않게 나타났다.

빅데이터 분석방법은 국내 농림업분야뿐만 아니라 타산업분야에서도 주

로 통계·모형 분석방법을 많이 이용하고 있다. 타산업 분야에서 통계 및 모

형분석을 활용한 사례 건수는 한국 11건(68.8%), 미국 7건(70.0%)이며, 특

히 일본은 8건(100.0%) 모두 통계·모형분석 방법을 이용하였다. 텍스트분석

활용 사례는 국내 타산업분야에서 4건(25.0%), 미국 타산업분야에서 3건

(30.0%)으로 나타나 국내 농림업부문과 비슷한 비율로 나타났다(<그림

3-11> 참조).

<그림 3-10> 국내외 타산업분야 빅데이터 활용사례의 분석자료 유형별 비율

단위: %

자료: 국내외 타산업분야 빅데이터 사례분석 결과(한국농촌경제연구원 2016. 9.).

국내외 빅데이터 활용사례 분석78

<그림 3-11> 국내외 타산업분야 빅데이터 활용사례의 분석방법별 비율

단위: %

자료: 국내외 타산업분야 빅데이터 사례분석 결과(한국농촌경제연구원 2016. 9.).

국내 타산업분야 활용사례가 국내 농림업분야에 대한 적용가능성이 가장

높으므로,38 국내 타산업분야 활용사례로부터 농림업분야 빅데이터 활용에

대한 아이디어 발굴과 분석을 시도하는 방안이 필요하다.

구분 평가지표국내사례

해외

미국 일본

농림업 타산업 타산업 타산업

활용

주체

1 사업체(비즈니스)4 8 3 2

(22.2) (50.0) (30.0) (25.0)

2 정책부서(공공기관)10 5 4 5

(55.6) (31.5) (40.0) (62.5)

3 연구자4 3 3 1

(22.2) (18.7) (30.0) (12.5)

<표 3-11> 국내외 타산업분야 빅데이터 활용사례의 유형별 비교

단위: 건수, %

38 타산업분야 활용사례의 국내 농림업분야 적용가능성 평가결과는 <표 3-10>에

제시되었으며, 점수가 낮을수록 국내 적용가능성이 높음을 의미함.

국내외 빅데이터 활용사례 분석 79

구분 평가지표국내사례

해외

미국 일본

농림업 타산업 타산업 타산업

활용

분야

밸류

체인

단계별

1. 생산2 2 - 1

(11.1) (12.5) - (12.5)

2. 유통3 5 3 1

(16.7) (31.3) (30.0) (12.5)

3. 소비10 4 2 1

(55.6) (25.0) (20.0) (12.5)

활용

부문별

4. 질병1 2 4 1

(5.6) (12.5) (40.0) (12.5)

5. 재해재난 2 3 1 4

(11.1) (18.8) (10.0) (50.0)

활용

목적

1. 생산성 향상2 2 - -

(11.1) (12.5) - -

2. 유통효율성 제고1 2 2 -

(5.6) (12.5) (20.0) -

3. 마케팅성과 제고 4 5 2 3

(22.2) (31.3) (20.0) (37.5)

4. 정책활용11 7 6 5

(61.1) (43.8) (60.0) (62.5)

분석

자료

1. 정형데이터8 10 4 3

(44.4) (62.5) (40.0) (37.5)

2. 비정형데이터5 6 4 2

(27.8) (37.5) (40.0) (25.0)

3. 정형데이터+비정형데이터

(정형데이터간 결합분석)

5 - 2 3

(27.8) - (20.0) (37.5)

분석

방법

1. 통계·모형분석12 11 7 8

(66.7) (68.8) (70.0) (100.0)

2. Hadoop 시스템 이용 실시간

분석

- 1 - -

- (6.3) - -

3. 텍스트분석6 4 3 -

(33.3) (25.0) (30.0) -

합계18 16 10 8

(100.0) (100.0) (100.0) (100.0)

농림업분야 적용 가능성 점수 평균1) - 1.75 2.00 2.43

(계속)

주: 국내 농림업분야 적용가능성이 높으면 1, 보통이면 2, 참조 수준이면 3점을 부여한 후 평균한 점수이며,

점수가 낮을수록 적용가능성이 높음을 의미함.

자료: 타산업분야 빅데이터 활용사례 분석결과(한국농촌경제연구원 2016. 9.).

국내외 빅데이터 활용사례 분석80

3. 주요 특징

국내외 빅데이터 활용사례를 분석하고 유형화함으로써 빅데이터 활용도

제고를 위한 이해를 증진시킬 수 있다. 국내외 빅데이터 활용사례를 농림업

분야와 타산업분야로 구분하여 분석한 결과 농림업분야에서 정책적으로 활

용할 만한 사례는 한국이 가장 많은 반면, 미국과 일본은 사업체(비즈니스)

측면에서 활용할 만한 사례들이 많았다. 연구측면에서 활용한 건수는 상대

적으로 적은 편이다. 한국에서 비즈니스 목적을 위해 빅데이터 활용을 시도

할 경우 미국과 일본의 빅데이터 활용사례를 발굴 및 벤치마킹할 경우 효율

성을 제고시킬 수 있을 것이다.

한국의 농림업분야 빅데이터 활용부문은 소비(안전성) 분야가 많고 유통

과 생산부문 활용사례는 상대적으로 적다. 반면, 미국과 일본은 생산부문

활용사례가 많으므로 한국에서 생산부문 활용을 시도한다면 미국과 일본

활용사례를, 재해재난 부분은 상대적으로 활용사례가 많은 일본사례를 검

토할 필요가 있다.

빅데이터 분석의 활용목적은 한국은 정책적 활용을 위해, 미국과 일본은

생산성 향상을 위한 활용사례가 많다. 특히 일본이 생산성 향상을 위한 사

례가 많으므로 생산성 향상을 시도할 경우 일본의 빅데이터 분석사례를 검

토할 경우 효율적이다. 빅데이터 분석자료 유형은 대부분 정형데이터를 이

용하고 있는데, 한국은 상대적으로 비정형데이터를 이용한 비율이 높다. 국

내 농림업분야의 빅데이터 활용목적으로 마케팅성과를 제고하기 위한 활용

사례는 상대적으로 적은 편이었다. 타산업분야에서 한국은 유통분야가, 미

국은 질병분야가, 일본 재해재난 분야의 활용건수가 많으므로 해당 부문별

로 국가별 사례 내용을 검토하는 방법이 효율적이다. 국내외 활용사례들의

국내 농림업분야 적용가능성을 검토한 결과, 국내 타산업분야 활용사례 내

용들이 국내 농림업분야에 적용할 가능성이 가장 높으므로 벤치마킹할 필

요가 있다.

농림업분야 빅데이터 활용 수요분석과 전망 제4장

국내 타산업분야와 외국에서는 빅데이터에 기반한 새로운 사업모델을 적

극적으로 개발하고 있으며, 사물인터넷과 인공지능 사업으로 발전시키고

있다.39 농림업 분야에서도 기존의 데이터뿐만 아니라 실시간으로 새롭게

축적되고 있는 데이터를 이용하여, 다양한 빅데이터 분석을 시도하고 활용

가치를 창출할 수 있도록 데이터 활용 범위를 확장시킬 필요가 있다. 그럼

에도 불구하고 아직 국내 농림업분야 빅데이터 활용이 초기단계이며 전반

적인 빅데이터 활용 가능성을 파악한 사례가 거의 없기 때문에 빅데이터 활

용 수요내용과 전망에 대해 체계적으로 조사하여 활용도를 제고할 수 있는

방안을 마련할 필요가 있다. 본 장에서는 농림업분야 빅데이터 및 농업정보

전문가, 관련 산업체 대표, 연구자, 농식품정책 담당자들에 대한 설문 및 면

접조사를 통해 빅데이터 활용도 제고를 위한 수요조사 결과와 시사점을 제

시하였다.

1. 분석개요

빅데이터 활용 수요조사 대상으로 농림축산식품부 농업정보 전문인력 풀

39 국내에서도 IBM사의 왓슨 포 온콜로지(Waton for Oncoloy)가 도입되면서 인공

지능에 대한 기대와 관심이 고조되고 있는 상황으로, AI를 헬스케어에 적용하

기 위한 연구개발(R&D)이 국내외에서 활발히 추진되고 있음.

농림업분야 빅데이터 활용 수요분석과 전망82

(pool) 명단을 빅데이터 활용 수요가 제일 높은 집단으로 설정하였다.40 활

용 수요자 유형 구분은 산업체(도매종사자, 소비지 및 유통 종사자 등)와 학

계(대학교, 연구소 등), 정부기관(농림축산식품부, 농촌진흥청, 농림수산식

품교육문화정보원 등)으로 구분하였다.

조사대상은 총 200명이며, 조사대상자에게 온라인 및 면접 설문조사를

실시한 결과 최종적으로 158명의 표본을 획득하였다. 수요조사 설문항목은

농림업부문의 빅데이터 활용 수요와 활용 제고 방안의 시사점을 도출할 수

있도록 세밀하게 구성하였다(<표 4-1> 참조).41 설문조사 부문은 빅데이터

이해도, 빅데이터 활용경험, 공공데이터 활용수요 내용, 빅데이터 활용이 미

래 농업분야에 미칠 영향으로 구분하여 세부질문을 작성하였다.42

응답자들이 빅데이터의 개념과 범위를 명확히 이해하여 응답할 수 있도

록 설문지에 농림축산식품 분야 빅데이터 종류, 빅데이터의 특징, 빅데이터

분석방법 등을 설명함으로써 응답결과의 오류나 오해, 편차 가능성을 최대

한 축소시키고자 하였다.

설문조사 절차는 1) 빅데이터 활용도 제고방향 설정, 2) 수요조사표 확정,

3) 온라인조사와 농림축산식품부 설문조사 실시의 순으로 진행하였다. 조사

기간은 2016년 8월 23일~9월 4일(13일 간)이며, 조사결과 분석은 빈도분석,

교차분석, Ordered Logit 모형을 이용하였다. 빈도분석은 SPSS를, Ordered

Logit 모델 추정은 STATA 프로그램을 이용하여 추정하였다.

40 농업정보 전문가 명단에서 빅데이터를 활용한 경험이 있는 자는 빅데이터 전

문가로 규정하였음.41 설문조사 주요 내용은 <표 4-1>과 같이 조사부문을 범주화하여 빅데이터 수요

에 영향을 미치는 빅데이터 이해도, 빅데이터 활용경험, 농림업분야 공공 데이

터 활용수요, 빅데이터가 미래 농업 분야에 끼칠 잠재적 평가 등으로 구성하여

조사하였음. 본 장에서는 농림업분야 공공데이터 활용 수요 부문과 빅데이터

활용이 미래 농업분야에 미칠 영향 중심으로 제시함.42 조사내용 중 빅데이터 이해도와 빅데이터 활용경험은 제2장 빅데이터 활용현

황 및 실태 부분에 제시하였음.

농림업분야 빅데이터 활용 수요분석과 전망 83

조사 부문 설문문항

빅데이터 이해도

빅데이터 인지도

빅데이터 분석 이해도

빅데이터 분석 필요성

농림업 분야에서 빅데이터 활용/분석이 필요한 분야

농림업 분야에서 빅데이터 활용가치 향상 예상 분야 및 그 이유

빅데이터 분석이 필요하지 않은 이유

빅데이터 활용경험

빅데이터 활용 경험

빅데이터 데이터(규모/다양성/생성속도) 관련 활용 만족도

빅데이터 자료(수집/분석/활용 성과) 관련 활용 만족도

농림업분야 빅데이터 분석/활용 시 불만족스러운 점

농림업분야 빅데이터 분석/활용 시 만족한 점

빅데이터 분석을 시도한 자료 유형

빅데이터 분석 시 분석/활용 단계

빅데이터 자료를 수집하고 분석하여 활용하는 단계까지 발전시키지 못한 이유

농림업분야 빅데이터 분석 시도 시 활용도가 높은 데이터 유형

농림업분야

공공 데이터

활용 수요

농림업분야 통계분석이나 관련 정보를 얻기 위한 공공분야 빅데이터 활용 빈도

농림업분야 공공분야 빅데이터를 활용하지 않는 주요 이유

빅데이터 활용/분석 시도 시 획득하고 싶은 정보 분야

빅데이터 자료 수집, 결합, 분석의 유료 서비스 이용 의사

원하는 서비스 종류

업무에 빅데이터 분석/활용 시 장점

연구 업무에 빅데이터 분석/활용 시 장점

사업모델에 빅데이터 분석 적용 시 장점

가장 필요한 빅데이터 분석 분야

빅데이터 활용이

미래 농업분야에

미칠 영향

농림업분야 빅데이터 활용이 향후 농식품산업 분야에 미치는 영향 정도

농림업 분야에서 빅데이터 활용이 활성화될 경우 예상할 수 있는 주된 변화

농림업 분야에서 빅데이터 활용이 활성화된다면 미래에 생산부문에서 가장 크게 영향을 미칠

품목 부류

<표 4-1> 빅데이터 활용 수요조사 설문문항

농림업분야 빅데이터 활용 수요분석과 전망84

전체응답수(명) 비율(%)

158 100.0

응답자 유형

빅데이터 전문가 25 15.8

농업정보 전문가 60 38.0

산업체(비즈니스) 46 29.1

정책담당 27 17.1

업무 분야

사업체(비즈니스회사) 32 20.3

산업체(스마트팜) 21 13.3

연구기관(대학/연구소) 44 27.8

정책수립(공무원) 51 32.3

협회 및 단체 7 4.4

모름/무응답 4 2.5

관심 품목

곡물류 1 7.0

채소류 12 7.6

과채류 36 22.8

과일류 11 7.0

화훼류 7 4.4

축산물 42 26.6

임산물 9 5.7

모름/무응답 32 20.3

연령

39세 이하 26 16.5

40-49세 66 41.8

50세 이상 63 39.9

모름/무응답 3 1.9

성별

남성 138 87.3

여성 17 10.8

모름/무응답 3 1.9

학력

초대졸 이하 12 7.6

대졸 61 38.6

석사 21 13.3

박사 61 38.6

모름/무응답 3 1.9

업무 경력

(전체)

10년 미만 19 12.0

10~20년 미만 55 34.8

20~30년 미만 63 39.9

30년 이상 21 13.3

업무 경력

(빅데이터)

없음 51 32.3

1∼5년 미만 70 44.3

5년 이상 37 23.4

<표 4-2> 빅데이터 활용 수요조사 응답자 특성

단위: 명, %

농림업분야 빅데이터 활용 수요분석과 전망 85

2. 빅데이터 활용 수요 현황

2.1. 빅데이터 활용 필요성

2.1.1. 빅데이터 분석의 필요성 및 필요 분야

농림업분야 중 특히 예측분야에서 빅데이터 활용의 필요성이 강조되고

있다. 통계청에서 생성되는 데이터의 경우 장기적인 정책입안을 수립할 때

활용할 수 있지만, 과거의 데이터를 기준으로 분석한다는 측면에서 전망을

위한 빅데이터 활용에는 한계를 가지고 있다. 회귀분석 등 기존 통계분석의

경우 데이터를 구축하고 분석을 통해 예측을 시도하지만, 빅데이터는 데이

터가 생성되는 대로 실시간 분석이 가능하다는 점에서 강점이 있다.

농림업분야 전문가들은 빅데이터 활용의 필요성이 높다고 인식하고 있

다. 전문가들은 업무수행과정에서 빅데이터의 ‘필요성을 느낀 적이 있다’는

경우가 절반 수준(50.6%)으로, ‘필요성을 느낀 적이 매우 많다’는 응답도

32.9%로 높게 나타났다. 업무분야별로 연구분야(대학/연구소) 응답자들이

상대적으로 빅데이터 분석의 필요성을 더 느끼고 있다<표 4-3>.

<그림 4-1> 농림업분야 빅데이터 분석 필요성에 대한 인식 수준

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.)

농림업분야 빅데이터 활용 수요분석과 전망86

　사례수

필요성을느낀 적이 전혀 없다

필요성을 느낀 적이

없는 편이다

잘 모르겠다

필요성을 느낀 적이

있다

필요성을 느낀 적이 매우 많다

모름/무응답

빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 %

전체 158 100.0 1 .6 8 5.1 10 6.3 80 50.6 52 32.9 7 4.4

유형

빅데이터 전문가 25 100.0 0 0.0 0 0.0 1 4.0 6 24.0 13 52.0 5 20.0

농업정보 전문가 60 100.0 0 0.0 2 3.3 2 3.3 35 58.3 21 35.0 0 0.0

산업체

(비즈니스)46 100.0 0 0.0 2 4.3 4 8.7 28 60.9 12 26.1 0 0.0

정책담당 27 100.0 1 3.7 4 14.8 3 11.1 11 40.7 6 22.2 2 7.4

업무

분야

사업체(비즈니스

회사)32 100.0 0 0.0 1 3.1 3 9.4 19 59.4 9 28.1 0 0.0

산업체

(스마트팜)21 100.0 0 0.0 1 4.8 1 4.8 10 47.6 9 42.9 0 0.0

연구

(대학/연구소)44 100.0 0 0.0 1 2.3 1 2.3 24 54.5 14 31.8 4 9.1

정책수립

(공무원)51 100.0 1 2.0 4 7.8 5 9.8 23 45.1 15 29.4 3 5.9

협회 및 단체 7 100.0 0 0.0 0 0.0 0 0.0 2 28.6 5 71.4 0 0.0

모름/무응답 4 100.0 0 0.0 1 25.0 0 0.0 2 50.0 0 0.0 1 25.0

<표 4-3> 빅데이터 분석 필요성(유형별)

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

빅데이터 분석·활용이 가장 필요한 분야로 ‘생산분야’(1+2순위 기준 64.4%)

를 꼽은 비율이 가장 높았으며, 1순위 기준으로도(47.0%) 가장 높았다<그

림 4-2>. ‘빅데이터 분석의 필요성을 느낀 적이 매우 많다’고 응답한 경우

‘생산분야’가, ‘데이터의 분석 필요성을 느낀 적이 매우 많다’고 응답한 경

우 ‘생산량 예측분야’가 다른 분야에 비해 더 필요하다고 인식되고 있다.43

응답자 유형별로는 빅데이터 전문가와 산업체(비즈니스)의 경우 ‘생산분야’

에서, 농업정보 전문가는 ‘유통분야’에서, 정책담당자는 ‘소비분야’에서 빅

데이터 분석이 가장 필요하다고 응답했다<표 4-4>.

43 ‘빅데이터 분석의 필요성’과 ‘빅데이터 분석이 필요한 분야’에 대해 교차분석

및 유의도(카이자승 검증) 검증 결과임.

농림업분야 빅데이터 활용 수요분석과 전망 87

<그림 4-2> 빅데이터 활용·분석이 필요한 분야

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

　사례수 생산분야 유통분야 소비분야 질병분야

자연재해분야

모름/무응답

빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 %

전체 149 100.0 96 64.4 87 58.4 51 34.2 32 21.5 29 19.5 2 1.3

유

형

빅데이터

전문가25 100.0 16 64.0 15 60.0 9 36.0 4 16.0 5 20.0 1 4.0

농업정보

전문가58 100.0 36 62.1 38 65.5 18 31.0 13 22.4 11 19.0 0 0.0

산업체

(비즈니스)44 100.0 34 77.3 24 54.5 11 25.0 11 25.0 8 18.2 0 0.0

정책담당 22 100.0 10 45.5 10 45.5 13 59.1 4 18.2 5 22.7 1 4.5

<표 4-4> 빅데이터 활용/분석이 필요한 분야(유형별)

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

2.1.2. 빅데이터 활용가치 향상 분야

향후 농림업분야에서 빅데이터 활용가치가 향상될 것으로 예상되는 분야로

‘생산분야’(1+2순위 기준 63.8%)가 가장 높았고, 다음으로 ‘유통분야’(46.3%),

‘소비분야’(45.0%), ‘질병분야’(24.2%), ‘자연재해분야’(18.8%) 순으로 나타

났다<그림 4-3>. 응답자 유형별로는 빅데이터 전문가와 산업체(비즈니스),

농림업분야 빅데이터 활용 수요분석과 전망88

정책담당자들의 경우 ‘생산분야’, 농업정보 전문가들은 ‘유통분야’에서 향

후 빅데이터 활용가치가 가장 높아질 것으로 예상하였다<표 4-5>.

<그림 4-3> 빅데이터 활용가치 향상 예상 분야

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

　사례수 생산분야 유통분야 소비분야 질병분야 자연재해분야 모름/무응답

빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 %

전체 149 100.0 95 63.8 69 46.3 67 45.0 36 24.2 28 18.8 2 1.3

유형

빅데이터 전문가 25 100.0 13 52.0 12 48.0 11 44.0 4 16.0 7 28.0 2 8.0

농업정보 전문가 58 100.0 31 53.4 36 62.1 24 41.4 15 25.9 10 17.2 0 0.0

산업체

(비즈니스)44 100.0 37 84.1 13 29.5 18 40.9 11 25.0 9 20.5 0 0.0

정책담당 22 100.0 14 63.6 8 36.4 14 63.6 6 27.3 2 9.1 0 0.0

업무

분야

사업체

(비즈니스 회사)31 100.0 25 80.6 9 29.0 12 38.7 7 22.6 7 22.6 1 3.2

산업체

(스마트팜)20 100.0 16 80.0 7 35.0 7 35.0 6 30.0 4 20.0 0 0.0

연구(대학/연구

소)43 100.0 22 51.2 24 55.8 17 39.5 10 23.3 12 27.9 1 2.3

정책수립

(공무원)46 100.0 28 60.9 20 43.5 27 58.7 12 26.1 5 10.9 0 0.0

협회 및 단체 7 100.0 4 57.1 6 85.7 2 28.6 1 14.3 1 14.3 0 0.0

모름/무응답 3 100.0 1 33.3 3 100.0 2 66.7 0 0.0 0 0.0 0 0.0

<표 4-5> 빅데이터 활용가치 향상 예상 분야(유형별)

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

농림업분야 빅데이터 활용 수요분석과 전망 89

<그림 4-4> 빅데이터 분석이 필요하지 않은 이유

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

각 분야별로 빅데이터의 활용가치가 높아질 것에 대한 이유에 대해 생산

분야는 ‘생산성 향상을 위해서(33.8%)’ 빅데이터 활용 가치가 높아질 것이

라고 응답했다. 유통분야에서는 ‘경비절감 효과가 커서’, ‘유통단계 축소를

위해서’가, 소비분야와 질병분야에서는 각각 ‘소비 트렌드 변화 예측 및 생

산계획 수립(29.0%)’, ‘사전 예측을 통한 방역정책 수립이 가능해서(30.8%)’

가, 자연재해분야는 ‘이상기온·온난화 등 환경변화에 대한 대응이 필요해서

(46.2%)’가 가장 큰 이유이다. ‘빅데이터 분석이 필요없다’라고 응답한 이유

는 ‘빅데이터 분석·활용 방법에 대해 잘 모르기 때문에’, ‘직접 분석하는 것

보다 전문업체에 위탁하는 방법이 효율적이기 때문에(각각 18.8%)’ 등으로

나타났다<그림 4-4>.

2.1.3. 빅데이터 자료 수집·분석 수요

빅데이터 분석을 시도할 때 획득하고 싶은 정보는 ‘생산량 예측 정보’ (59.5%)

를 가장 많이 꼽았다. 이외에 ‘국내 소비동향 정보(45.0%)’, ‘병충해(질병)

징후 정보(33.6%)’ 등이 뒤를 이었다. 빅데이터 전문가의 경우 ‘국내 소비동

향 정보’를, 농업정보 전문가와 산업체(비즈니스) 경영자는 ‘생산량 예측정

보’를 가장 취득하고 싶은 정보로 꼽았다<표 4-6>.

농림업분야 빅데이터 활용 수요분석과 전망90

농림업분야 빅데이터 활용 수요분석과 전망 91

농업전문가들이 판단하기에 가장 필요한 빅데이터 분석 분야는 ‘예측 분

야(53.5%)’로 나타났고, ‘현황 분야’는 26.0%, ‘진단 분야’는 22.0%로 나타

나 ‘예측’ 부문에 대한 니즈가 가장 높았다<그림 4-5>.

<그림 4-5> 빅데이터 활용 수요자들에게 가장 필요한 분석 분야

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

농림업분야 빅데이터 분석을 시도할 때 활용도가 가장 높을 것으로 판단

되는 데이터 유형은 ‘데이터 용량이 큰 데이터44(40.3%)’로 나타났다<그림

4-6>. ‘공공데이터·기초통계 데이터+웹 데이터’등 데이터 간 결합분석용 데

이터에 대한 활용도가 높을 것이라는 의견은 35.8%, ‘공공분야데이터+기초

통계 데이터’는 13.4%로 나타났다.

빅데이터 서비스에 대한 유료이용 의사는 ‘조금 있다’는 응답이 43.5%로

나타나 유료 서비스에 대한 이용의사가 아주 높지는 않지만 낮지도 않은 것

으로 판단된다<그림 4-7>. 응답자 유형별로는 빅데이터 전문가, 업무분야별

로는 연구기관(대학/연구소)과 협회 및 단체에서 빅데이터 유료 서비스에

대한 이용의사가 비교적 높은 것으로 나타났다. ‘빅데이터의 분석 필요성을

44 3V 중 용량(Volume)이 큰 데이터를 의미함.

농림업분야 빅데이터 활용 수요분석과 전망92

느낀 적이 매우 많다’고 응답한 경우, 빅데이터 유료이용 의사가 ‘조금 있

다’는 것으로 나타났다<표 4-7>.

<그림 4-6> 빅데이터 분석 시도 시 활용도가 높은 데이터 유형

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

<그림 4-7> 빅데이터 자료 수집, 결합, 분석 서비스 유료이용 의사

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

　사례수 전혀 없다 거의 없다

잘 모르겠다

조금 있다 아주 많다모름

/무응답 5점 평균

빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 %

전체 131 100.0 10 7.6 26 19.8 25 19.1 57 43.5 12 9.2 1 0.8 3.3

유형

빅데이터 전문가 25 100.0 2 8.0 2 8.0 0 0.0 13 52.0 7 28.0 1 4.0 3.9

농업정보 전문가 60 100.0 3 5.0 15 25.0 15 25.0 25 41.7 2 3.3 0 0.0 3.1

산업체(비즈니스) 46 100.0 5 10.9 9 19.6 10 21.7 19 41.3 3 6.5 0 0.0 3.1

<표 4-7> 빅데이터 유료이용 의사(유형별)

농림업분야 빅데이터 활용 수요분석과 전망 93

　사례수 전혀 없다 거의 없다

잘 모르겠다

조금 있다 아주 많다모름

/무응답 5점 평균

빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 %

업무

분야

사업체 32 100.0 3 9.4 5 15.6 8 25.0 11 34.4 5 15.6 0 0.0 3.3

산업체(스마트팜) 21 100.0 2 9.5 5 23.8 3 14.3 10 47.6 1 4.8 0 0.0 3.1

연구(대학/연구소) 44 100.0 2 4.5 8 18.2 9 20.5 21 47.7 4 9.1 0 0.0 3.4

정책수립(공무원) 27 100.0 3 11.1 7 25.9 3 11.1 11 40.7 2 7.4 1 3.7 3.1

협회 및 단체 7 100.0 0 0.0 1 14.3 2 28.6 4 57.1 0 0.0 0 0.0 3.4

모름/무응답 1 100.0 0 0.0 0 0.0 0 0.0 1 100.0 0 0.0 0 0.0 4.0

(계속)

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

응 답 내 용빈도 비율　

68 100.0

(빅데이터) 자료 수집 18 26.5

빅데이터 분석 18 26.5

생산량 예측정보 4 5.9

생산 관련 정보(토양, 병해충, 작황, 기상, 유통, 소비 등의 정보) 4 5.9

국내의 소비동향데이터 분석서비스 4 5.9

<표 4-8> 빅데이터 유료이용 의향 서비스 종류

단위: 명, %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

빅데이터 분석·활용 서비스를 이용할 때 가장 이용하고 싶은 서비스는 ‘빅

데이터 자료 수집’과 ‘빅데이터 분석’(각각 26.5%)을 가장 많이 꼽았다<표

4-8>. 그 밖에도 ‘생산량 예측정보’, ‘생산 관련 정보’, ‘국내의 소비동향 데

이터 분석 서비스’(각각 5.9%) 등으로 나타났다.

농림업분야 빅데이터 활용 수요분석과 전망94

3. 빅데이터 활용 영향요인 분석

3.1. 분석이론 및 모형

농림업분야 빅데이터 활용 수요에 대한 설문조사 결과를 이용하여 농림

업분야 전문가와 빅데이터 전문가들의 빅데이터 잠재수요에 영향을 미치는

요인을 분석하였다. 분석모형은 설문조사가 Likert 척도를 기준으로 구성되

었기 때문에 순서형 로짓모형(Ordered Logit)을 사용하였다.

농림업분야 전문가를 대상으로 업무수행 과정에서 응답자가 느끼는 빅데

이터 분석 필요도를 종속변수로 사용하고, 독립변수로는 농림업분야 빅데

이터에 대한 인지도, 빅데이터 활용경험, 빅데이터 분석 유료화 서비스 이

용 희망여부, 빅데이터 활용이 미래 농업에 미치는 긍정적인 영향 평가 여

부, 현존하는 공공데이터 이용 빈도수, 그리고 일반적 분류지표로 학력, 업

무분야, 조사대상, 일반적 업무경력, 빅데이터 업무경력을 설정하였다.

순서형 로짓 모형에서 종속변수 는 관측되지 않은 빅데이터의 분석필

요성을 느끼게 하는 요인들이며 각각의 에 대해 다음과 같은 모형을 설정

할 수 있다.

′ . 이때의 ′은 상수를 포함하지 않는 독립변수들

의 벡터를 의미하며 는 계수들의 벡터를, 는 오차항을 의미한다. 5개의

계층을 가지고 있는 순서형 모델의 결과는 다음과 같이 추정할 수 있다.

(1) ≤≤45 이면 . 여기서

∞ ∞이면 Pr Pr ≤Pr ′≤Pr ′≤′

′ ′

45 : 빅데이터 활용의 필요성을 느낀 적이 없다. : 빅데이터 활용의 필

요성을 느낀 적이 없는 편이다. ··· : 빅데이터 활용의 필요성을 느낀 적

이 매우 많다를 의미함.

농림업분야 빅데이터 활용 수요분석과 전망 95

이때 F는 오차항의 누적확률밀도함수 이며 독립변수의

상수 와 m-1의 한계 상수 은 위에서 정의된 Pr 의

로그우도(Log likelyhood)를 최대화하여 얻어진다.

3.2. 분석결과

3.2.1. 빅데이터 활용 영향 요인

농림업분야 빅데이터 활용과 관련된 수요 척도는 ‘빅데이터 활용경험’과

‘빅데이터 활용 필요성’으로 설정하였다. 빅데이터 활용 수요요인에 영향을

주는 변수들에 대한 추정결과는 다음의 <표 4-9>와 같이 나타났다. 빅데이

터의 활용경험에 영향을 주는 요인은 빅데이터에 대한 인지도, 빅데이터 분

석의 필요도, 공공데이터 이용 빈도수로 나타났다. 빅데이터 분석의 필요성

이 강할수록, 빅데이터에 대한 인지도가 높을수록, 공공데이터 이용 빈도수

가 많을수록 빅데이터 활용 경험이 많다고 해석할 수 있다. 따라서 빅데이

터 및 공공데이터에 대한 교육 및 홍보를 확대할 필요가 있다.

3.2.2. 빅데이터 분석 필요성 영향 요인

빅데이터 필요성 수준에 영향을 주는 요인은 응답자들의 빅데이터에 대

한 인지도, 빅데이터 활용경험, 빅데이터가 미래 농업에 끼치는 영향에 대

한 긍정적 평가 여부가 유의하게 영향을 미치는 것으로 나타났다. 빅데이터

에 대한 인지도가 높을수록, 빅데이터 활용경험이 많을수록, 빅데이터가 미

래 농업에 끼치는 영향이 긍정적일수록 빅데이터 분석의 필요성에 대한 수

요가 높았다.

이는 국내에서 빅데이터 활용 도입이 초기 단계인 점과 연계하여 생각할

수 있다. 아직은 농림업분야에서 빅데이터 도입이 초기 단계이기 때문에 빅

데이터의 수요는 업무 수행자들이 빅데이터를 얼마나 알고 있는지에 큰 영

농림업분야 빅데이터 활용 수요분석과 전망96

향을 받을 수 있으며, 미래 활용 가능성을 긍정적으로 평가할수록 빅데이터

에 대한 수요가 높다는 것을 의미한다.

독립변수 종속변수

빅데이터 활용경험 빅데이터 분석 필요도

빅데이터 인지도 0.562 0.010*** 0.598 0.023**

빅데이터 활용경험 - - 0.549 0.016**

빅데이터 분석 필요도 0.787 0.030** - -

빅데이터 활용이 미래 농업에

미치는 긍정적인 영향평가 여부-0.148 0.660 1.591 0.000***

공공데이터 이용 빈도수 0.565 0.003*** -0.043 0.837

학력 -0.155 0.565 0.167 0.589

일반적 업무경력 -0.046 0.071* 0.027 0.364

빅데이터 분야 업무경력 0.199 0.000*** -0.034 0.533

업무 분야별

- 연구부문 0.399 0.554 -1.109 0.146

- 정책부문 0.031 0.965 -0.994 0.196

표본수 106 106

LR chi2(df) 64.72 50.77

Prob>chi2 0.000 0.0000

<표 4-9> 빅데이터 수요 영향요인 추정결과

주: *, **, *** 는 각각 10%, 5%, 1% 유의수준에서 통계적으로 유의함을 나타냄.

3.2.3. 주요 특징

농산업 밸류체인 단계 중에서 빅데이터 활용에 대한 수요가 가장 큰 부문

은 ‘생산분야’이며, 빅데이터를 활용함으로써 가치창출이 가장 높아질 것으

로 예상되는 분야 역시 ‘생산분야’이다. 생산분야의 빅데이터 활용 활성화

방안을 구체화하는 방법이 활용 성과를 더 높일 수 있을 것이다.

빅데이터 활용경험에 영향을 주는 요인으로서 응답자의 일반적 특성인 ‘학

력’은 유의하지 않은 반면, ‘빅데이터 분야 업무경력’이 유의하게 영향을 미

쳐 빅데이터 업무경력이 많을수록 활용경험이 많은 것으로 해석할 수 있다.

농림업분야 빅데이터 활용 수요분석과 전망 97

아직까지 농림업분야에서 빅데이터 활용이 보편적인 방식이라기보다는 일

부 빅데이터에 관심이 있거나 업무를 담당하는 사람들에게만 제한적으로

활용되는 것으로 추정된다.

빅데이터 분석의 필요성에 영향을 주는 요인으로서 응답자들의 일반적인

특성인 ‘학력’이나 ‘업무경력’은 통계적으로 유의하게 영향을 미치지 않는

다. 단지, 빅데이터 인지도와 활용경험이 유의하게 영향을 미치는데, 이는

아직 빅데이터 분석 및 활용방법이 전 계층에게 충분히 알려져 있지 않음을

시사한다.

4. 빅데이터 활용 전망46

4.1. 빅데이터 활용 가능성 및 가치가 큰 편

우리나라 농림업분야에서 빅데이터를 활용하여 경영효율성을 높이려는

추진전략은 세계적으로 늦지 않은 편이므로 활용도 제고를 위해 적극적으

로 노력할 필요가 있다. 빅데이터가 기반이 되는 시설농업을 도입한 국가는

전 세계적으로 미국, 네덜란드, 한국, 일본, 중국 정도에 국한된다.

현재는 스마트팜의 생산단계에서 온실 내의 가용 데이터를 활용하는 초

기단계에 머물러 있지만, 향후 소비자가 원하는 속성의 작물을 생산하는 단

계까지 발전할 것으로 전망되고 있다. 중장기적으로 이미지데이터, 사물인

터넷(IoT), 인공지능(AI) 등 실시간으로 생성·축적되는 빅데이터를 활용하

여 정밀농업이 가능해질 것으로 예상된다. 사물인터넷(IoT), 인공지능(AI)

단계의 빅데이터 활용은 사람의 조작이나 노력 없이도 사물끼리 정보가 교

환되고 분석되는 형태로 앞으로 농식품 분야에서 중요한 이슈로 부상할 가

능성이 높다. 세부분야별로 생육, 작황 등과 관련된 이미지데이터에 대한

46 농림업분야 빅데이터 전문가 및 설문조사 결과를 활용하여 작성함.

농림업분야 빅데이터 활용 수요분석과 전망98

축적 및 활용으로 정밀농업 확대, 농산물 수급정보의 공동 플랫폼을 활용한

빅데이터 구축 및 수급정보 전파, 가축질병 발생 시 전파 예측모형 개발 및

선제적 대응이 가능해질 전망이다.

4.2. 국내 농식품산업에 긍정적인 영향을 끼칠 전망

농림업분야 전문가들은 대부분 빅데이터의 활용이 미래 농림업분야에 긍

정적인 영향을 끼칠 것으로 생각하고 있다. 특히, 빅데이터 분석을 통해 ‘수

급예측 정확도 제고’와 ‘생산효율성 증대’를 기대하고 있다.47 그 외에 예상

되는 변화는 ‘시설운영 자동화로 노동력 및 노동 강도를 절감시킬 수 있을

것(20.3%)’, ‘스마트 유통 및 물류체계 개선으로 물류효율성이 높아질 것

(18.4%)’, ‘농가의 인건비 등 생산비를 절감할 수 있을 것(17.1%)’으로 예상

된다<표 4-10>.

활용 주체별로 사업체(비즈니스)와 산업체(스마트팜), 연구자(대학/연구

소)계층은 빅데이터 활용이 ‘생산성 확대로 인한 농가소득 향상’에 가장 크

게 기여할 것으로 예상하고 있다. 정책수립자들은 ‘수급예측 정확도 향상으

로 인한 재배의사결정의 용이’가 가장 큰 변화일 것으로 전망하고 있다. 이

러한 전망에 따라서 농림업 분야 빅데이터 활성화를 위한 정책지원은 ‘생산

효율성 및 농가소득 증대’와 ‘수급예측 정확도 향상’ 부문에 초점을 맞추는

방안이 바람직하다.

47 농림업분야 빅데이터 및 농업정보 전문가 조사결과 빅데이터 활용 활성화 시

농림업분야의 가장 주된 변화는 ‘수급예측 정확도가 높아져 재배 의사결정이

용이해질 것’(1+2순위 기준 43.7%)이며, 다음으로 ‘생산성 확대로 농가소득을

높일 수 있을 것(41.1%)’이 뒤를 이음.

농림업분야 빅데이터 활용 수요분석과 전망 99

　사례수

수급예측 정확도가

높아져 재배 의사결정이 용이해질 것이다

생산성 확대로

농가소득을 높일 수

있을 것이다

시설운영 자동화로 노동력 및

노동 강도를 절감시킬 수 있을 것이다

스마트 유통 및 물류체계

개선으로 물류효율성이

높아질 것이다

농가의 인건비 등 생산비를 절감할 수

있을 것이다

유통분야 사업모델 개발과

마케팅전략 수립이

용이해질 것이다.

빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 % 빈도 %

전체 158 100.0 69 43.7 65 41.1 32 20.3 29 18.4 27 17.1 23 14.6

유형

빅데이터 전문가 25 100.0 12 48.0 11 44.0 0 0.0 4 16.0 1 4.0 4 16.0

농업정보 전문가

60 100.0 26 43.3 24 40.0 7 11.7 13 21.7 13 21.7 11 18.3

산업체(비즈니스)

46 100.0 14 30.4 22 47.8 20 43.5 4 8.7 10 21.7 6 13.0

정책담당 27 100.0 17 63.0 8 29.6 5 18.5 8 29.6 3 11.1 2 7.4

업무분야

사업체(비즈니스 )

32 100.0 11 34.4 17 53.1 11 34.4 2 6.3 7 21.9 5 15.6

산업체(스마트팜)

21 100.0 8 38.1 9 42.9 9 42.9 4 19.0 4 19.0 2 9.5

연구(대학/연구소)

44 100.0 14 31.8 18 40.9 2 4.5 13 29.5 6 13.6 11 25.0

정책수립(공무원)

51 100.0 29 56.9 19 37.3 7 13.7 8 15.7 7 13.7 4 7.8

협회 및 단체 7 100.0 4 57.1 3 42.9 2 28.6 0 0.0 2 28.6 1 14.3

모름/무응답 4 100.0 3 75.0 0 0.0 1 25.0 2 50.0 1 25.0 0 0.0

<표 4-10> 빅데이터 활용 활성화 시 예상 변화

주: 1+2순위 중복응답 결과임.

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

빅데이터 활용은 향후 농식품산업 분야에 ‘아주 크게 도움이 될 것이다’

라는 의견이 지배적이다.48 ‘빅데이터 활용경험이 있는 경우’와 ‘빅데이터

활용성과에 대해 만족’한 경우 모두 ‘향후 빅데이터 분석이 농식품산업에

아주 크게 도움이 될 것’이라고 전망하고 있다<그림 4-8>.49

48 농림업분야 빅데이터 활용 수요조사결과 빅데이터 활용이 향후 농식품산업 분

야에 ‘아주 크게 도움이 될 것이다’는 의견이 70.3%로 가장 높음.49 교차분석 및 카이자승 검증결과이며, 빅데이터 활용경험 수준별로 농식품분야에

미치는 영향 정도에 대한 평가와 빅데이터 활용성과 만족도 수준별로 농식품산

업 분야에 미치는 영향 정도에 대한 평가에 통계적으로 유의한 차이가 존재함.

농림업분야 빅데이터 활용 수요분석과 전망100

<그림 4-8> 빅데이터 활용이 농식품산업에 미칠 영향

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

농림업분야에서 빅데이터 활용이 활성화될 경우 가장 크게 영향을 받을 품

목류는 생산과 유통부문에서 ‘과채류’, 소비부문에서는 ‘축산물’이다. 특히,

‘빅데이터 활용성과에 대해 만족’한 경우, ‘소비분야’에서 ‘축산물’이 다른

품목류에 비해서 더 크게 영향을 받을 것’으로 예상하고 있다<그림 4-9>.

<그림 4-9> 빅데이터 활용 활성화 시 영향 예상 품목

단위: %

자료: 농림업분야 빅데이터 활용 수요조사결과(한국농촌경제연구원 2016. 9.).

농림업분야 빅데이터 활용도 제고 방안 제5장

1. 기본방향

1.1. 빅데이터 활용여건

국내 농림업분야의 빅데이터 활용여건은 여러 가지 SWOT 요인들로 구

분하여 살펴볼 수 있다. 빅데이터 활용여건의 강점으로 우리나라는 빅데이

터 축적의 기반이 되는 IT 기술 발전 속도가 빠르며, 시설농업 도입의 선진

국이라는 점이다. 기회요인은 다양하고 방대하게 빅데이터가 축적되고 있

으며 정부에서 농림업 및 ICT 융합기술 지원정책을 강화하고 있다는 점이

다. 활용여건의 약점은 농림업분야에 활용 가능한 빅데이터가 별로 없으며,

데이터 품질수준이 낮다는 것이다. 위기요인은 빅데이터 활용에 대한 이해

도가 낮으며, 빅데이터 활용 수요에 부응하지 못하는 환경이라는 점이다.

한편, SWOT 요인들은 SO(강점-기회) 전략, ST(강점-위협) 전략, WO(약

점-기회) 전략, WT(약점-위협) 전략으로 구분하여 추진할 수 있다.50 SO 전

략은 농림업분야 빅데이터 활용의 강점과 기회요인을 최대한 활용하는 것

이다. 빅데이터 활용 관련 IT 기술과 웹 및 스마트폰을 통하여 실시간으로

축적되는 비정형데이터를 최대한 활용해야 한다. ST 전략은 강점을 최대한

발전시키고 위협요인을 감소시키는 전략이다. IT 기술과 인터넷 환경을 최

50 구수용·윤양진. 2015. p. 431. L7～13.

농림업분야 빅데이터 활용도 제고 방안102

대한 활용하면서 빅데이터 분석에 대한 이해도를 높이고 빅데이터 수집 및

분석 수요에 부응해야 한다.

WO 전략은 약점을 최대한 보완하고 기회요인을 활용하는 것이다. 빅데

이터 간 연계를 통해 빅데이터 수집과 분석의 어려움을 완화하고 다양한 분

야에서 방대하게 축적되는 빅데이터를 활용할 기회를 늘려야 한다. WT 전

략은 약점요인을 보완하고 위협요인을 극복하는 전략이다. 빅데이터 수집

과 분석의 어려움을 완화시켜 활용 수요에 부응해야 한다.

<그림 5-1> 빅데이터 활용여건 SWOT 분석

농림업분야 빅데이터 활용도 제고 방안 103

1.2. 기본방향

농림업분야의 많은 연구자나 사업체들은 빅데이터에 대해 인지하고 있는

편이다. 하지만 구체적으로 어떤 빅데이터를 이용하여 어떻게 분석할 경우

기존의 전통적인 분석방법에 비해 더 나은 분석결과를 얻고 활용할 수 있을

지에 대한 이해도가 낮은 편이다. 또한, 빅데이터 분석목적에 대한 아이디

어가 있어도 데이터를 얻지 못하거나 데이터가 표준화되어 있지 않아서 분

석 및 활용 단계까지 진척시키지 못하는 경우가 많다.

농림업분야 빅데이터 활용에서 이러한 제약요인들을 극복하고 활용도를

제고시키기 위한 기본방향과 세부 추진 방안을 마련하여 추진할 필요가 있

다. 기본방향은 빅데이터 활용에 대한 이해도 증진, 빅데이터 분석의 성공

가능성 제고, 빅데이터 활용도를 제고시킬 수 있는 정책지원의 전문성 강화

부문으로 설정한 후 부문별 세부 추진과제를 제시하였다.

<그림 5-2> 빅데이터 활용 기본방향 및 세부 추진 방안

농림업분야 빅데이터 활용도 제고 방안104

1.2.1. 빅데이터 활용에 대한 이해도 증진

농림업분야 전문가들의 빅데이터 분석에 대한 이해도는 매우 낮은 편이

다. 농림업분야의 농업정보 전문가, 연구자, 빅데이터 관련 산업체 대표, 정

책수립자들조차도 업무와 관련된 경우가 아니면 빅데이터 종류를 잘 모르

고 있으며, 빅데이터 분석 경험이 있어도 만족도가 낮은 편이다. 전문가들

은 빅데이터 분석에 대한 가치와 차별성을 인지하는 경우가 적으므로 기존

의 전통적인 분석방법을 주로 사용하고 있다.

농림업분야 공공데이터의 존재를 잘 모르는 경우가 많으며, 공공데이터

를 어떻게 사용할 수 있을지에 대해 인지하고 있는 경우가 매우 적다. 따라

서 빅데이터 활용에 대한 이해도를 증진시키기 위해서는 우선적으로 빅데

이터 활용가능성 및 가치에 대한 교육 및 홍보, 빅데이터 분석주제에 따라

다양한 데이터를 결합하여 분석할 수 있는 시나리오 제시, 국내외 빅데이터

활용사례를 알리고 벤치마킹하는 방법이 필요하다.

1.2.2. 빅데이터 분석의 성공가능성 제고

기존의 데이터를 최대한 활용하여 분석함으로써 의미 있는 결과를 도출

하는 것이 빅데이터 분석의 장점이다. 따라서 빅데이터 분석의 성공가능성

을 제고하기 위해서는 기존 데이터의 활용도를 높이는 것이 중요하다. 빅데

이터 분석이 기존의 통계분석에 비해 가지는 차별성은 통계분석 모형에 이

용되는 정형데이터뿐만 아니라 분석시점에서 키워드 검색 등으로 비정형데

이터를 수집하여 연계·분석함으로써 분석결과의 예측력과 시의성을 높이는

데 있다. 따라서 빅데이터 분석의 성공가능성을 높이기 위해서는 분석목적

을 명확히 설정하고 난 후 다양한 출처로부터 다양한 종류의 데이터 수집이

가능해야 한다. 빅데이터 분석을 시도하는 주체가 데이터를 수집하고 활용

하는 과정에서 발생하는 어려움을 완화시켜주기 위해서는 가능한 데이터

수집을 용이하게 하고 데이터 단위 등의 표준화를 높여 데이터 활용도를 높

이는 환경이 조성되어야 한다. 이런 환경조성에 가장 중요한 일이면서 어려

농림업분야 빅데이터 활용도 제고 방안 105

운 작업 중의 하나가 공공 및 민간기관의 데이터를 공개하고 공유하는 것이다.

또한 빅데이터 분석과정에 꼭 필요한 변수이지만 없는 경우에는 데이터 구

축목록에 포함하여 중장기적인 차원에서 데이터 구축을 추진해야 한다.

1.2.3. 빅데이터 활용도 제고 지원의 전문성 강화

빅데이터 활용도를 제고시키기 위해서는 체계적인 정책지원이 필요하다.

향후 농림업분야에서 빅데이터 자체 분석뿐만 아니라 스마트팜, ICT 융합,

기후스마트 농업 등 빅데이터를 기반으로 하여 광범위하고 고도화된 수준

에서 활용될 수 있는 가능성이 높다. 따라서 빅데이터 활용도를 높이기 위

해서 정책적으로 빅데이터 활용 전문기관을 설립·운영해야 한다. 빅데이터

전문기관은 빅데이터 활용도 제고를 위한 중장기계획 수립, 빅데이터 활용

수요조사, 빅데이터 활용사례의 교육 및 홍보, 빅데이터 이해도 제고 교육,

빅데이터 분석시나리오 제공 등의 기능이 필요하다. 중장기적으로 빅데이

터 생성 및 활용의 자생력을 높일 수 있도록 농림업분야에 특화된 빅데이터

플랫폼을 구축하며, 빅데이터 활용도 제고를 위한 제도개선이 병행되어야

한다.

1.2.4. 단기 및 중장기 추진과제 구분 제시

빅데이터 활용도를 제고하기 위한 방안들은 단기 및 중장기적으로 구분

하여 단계별로 추진할 경우 지원의 효율성과 효과성을 제고시킬 수 있을 것

이다. 활용도 제고 단계별 추진과제는 빅데이터 활용도 제고부문, 빅데이터

분석 성공가능성 제고, 활용도 제고를 위한 정부지원의 전문성 강화 부문으

로 구분하여 제시하였다. 단기적으로는 주로 빅데이터 활용사례 발굴 및 보

급을 통한 이해도 제고, 중장기적으로는 빅데이터 활용계획 수립 및 추진,

법률 수정 및 제도개선이 필요하다.

농림업분야 빅데이터 활용도 제고 방안106

<그림 5-3> 빅데이터 활용도 제고를 위한 단계별 추진과제

2. 세부 추진 방안

2.1. 빅데이터 활용 이해도 제고

2.1.1. 빅데이터 활용 교육 및 홍보 확대

빅데이터 활용에 대한 이해도를 높이기 위해 빅데이터 분석의 개념과 활

용의 필요성 및 차별성을 체계적으로 홍보할 필요가 있다. 상대적으로 연구

분야 종사자들의 이해도는 높지만, 정책수립자들은 낮은 편이기 때문에 우

선 정책분야 담당자들의 이해도를 높일 필요가 있다. 교육 및 홍보내용은

농림업분야 빅데이터 활용도 제고 방안 107

빅데이터 개념 및 종류, 활용가치 및 증대 가능성, 국내외 빅데이터 활용 성

공사례 등을 매뉴얼 및 활용사례집으로 제작하여 배포하고 교육에 활용할

필요가 있다.

농림업분야에서 빅데이터 활용의 필요성을 느끼게 하는 주요 영향요인은

‘빅데이터 인지도’와 ‘빅데이터 활용이 미래 농업에 미치는 영향의 긍정적

인 평가’이다. 따라서 빅데이터 활용의 필요성을 높이기 위해서는 빅데이터

활용이 미래에 미칠 긍정적인 영향과 가치를 적극적으로 발굴하고 인지시

킬 필요가 있다.

농림업분야에서 공공데이터를 이용하지 않는 주된 원인은 공공데이터의

존재를 잘 모르기 때문이다. 이는 현재 공공데이터에 대한 홍보가 부족하다

는 것을 의미하며, 공공부문 빅데이터를 홍보하기 위한 정책적 지원이 필요

하다.

농림업분야 전문가들은 빅데이터 활용이 활성화될 경우 ‘생산분야’의 효

율성 증대에 큰 기대를 하고 있다. 이는 현재 농림업 분야 빅데이터 활용에

대한 관심이 주로 스마트팜에 집중된 영향에 기인한 것으로 보인다. 빅데이

터가 스마트팜 외에 다양한 분야에서 생성되고 활용될 수 있음을 인지시킬

필요가 있다.

2.1.2. 빅데이터 분석 시나리오 제공

빅데이터 활용을 활성화하기 위해서는 어떤 목적으로 어떤 데이터를 이

용하여 빅데이터 분석을 수행할 수 있는지에 대한 아이디어를 많이 가지고

있을수록 좋다. 빅데이터 분석주제를 정할 때 여러 가지 데이터 간의 결합

에 의한 분석 시나리오를 설정할 수 있다. 자료결합 유형은 정형데이터 간

결합, 정형 및 비정형데이터 결합, 비정형데이터만의 분석 등으로 다양하다.

주제에 맞는 빅데이터 분석을 수행하기 위한 데이터 간 결합 시나리오는

<표 5-2>처럼 보여줄 수 있다. 분석주제가 ‘과실류 수급예측’일 경우 빅데

이터 목록 <표 5-1>에서 정형데이터인 A-1, A-8, A-12, A-13에, 민간데이터

에서 B-1, B-2 데이터를, 비정형데이터 C-1을 결합한 자료의 분석을 고려할

농림업분야 빅데이터 활용도 제고 방안108

수 있다. 한국농촌경제연구원 농업관측센터의 저장업체 조사자료 등을 추

가할 경우 예측력을 더 높일 수 있을 것이다. 그 외에 빅데이터 분석 예측의

정확도를 높이기 위해 추가적으로 고려할 수 있는 데이터는 다양하게 존재

하고 있으므로 발굴이 필요하다. 농림업 분야의 데이터베이스 연계분석 시

나리오는 농촌진흥청에서 작성한 자료를 참고할 수 있다<표 5-3>. 농림업

분야의 다양한 전공자들이 모여서 협의할 경우 빅데이터 분석에 대한 많은

시나리오를 만들 수 있으며, 전문가들로 구성된 협의체도 필요하다.

구분 데이터 목록 보유기관 세부분야

정형

데이터

(A)

A-1 농업경영체정보 농림축산식품부 생산

A-2 축산농장정보농림축산검역본부

가축위생방역지원본부생산, 질병관리

A-3 축산차량이동정보 농림축산검역본부 질병관리

A-4 쇠고기 이력정보 축산물품질평가원유통, 소비,

질병관리

A-5 돼지고기 이력정보 축산물품질평가원 유통, 소비

A-6 축산물 등급판정정보 축산물품질평가원 유통, 소비

A-7 수입쇠고기 이력정보 농림축산검역본부 유통, 소비

A-8 농축수산물 도매시장 상세 경락가격 농림수산식품교육문화정보원 유통, 소비

A-9 농수축산물 품목별 상세조사가격 농림수산식품교육문화정보원 유통, 소비

A-10 농산물 이력추적 정보 국립농산물품질관리원 유통, 소비

A-11 수입농산물 검사정보 국립농산물품질관리원 유통, 소비

A-12 농업기상정보 농촌진흥청 생산, 재해재난

A-13 소비자패널정보 농촌진흥청 소비

민간

데이터

(B)

B-1 농협 하나로마트 데이터 농협 하나로마트 생산, 소비

B-2 농가데이터 개별농가 생산, 유통

비정형

데이터

(C)

C-1 웹 데이터 네이버 등 포털사이트 전 분야

C-2 농업분야 이미지데이터 - 생산

<표 5-1> 빅데이터 연계분석 가능한 농림업분야 빅데이터

주: 세부분야는 생산, 유통, 소비, 질병관리, 재해재난 등을 기준으로 구분함.

농림업분야 빅데이터 활용도 제고 방안 109

자료결합유형

분석주제정형

데이터(A)민간

데이터(B)비정형

데이터(C)추가 고려 데이터(D)

정형데이터간

결합

축산물 수급

예측(돼지)

A-2, A-4,

A-5, A-8,

A-9, A-12

B-1, B-2 C-1사육정보

(대한양돈협회)

정형+비정형 과실류 수급예측A-1, A-8

A-12, A-13B-1, B-2 C-1

저장량

조사정보(KREI)

민간+비정형식품소비 트렌드

분석- B-1 C-1

식품소비행태

(KREI)

정형+민간+

비정형

농산물 출하

의사결정

A-1, A-8,

A-9B-1, B-2 C-1

농가출하의향

(KREI)

비정형

데이터농업환경 스캐닝 - - C-1, C-2

병해충정보

(농촌진흥청)

<표 5-2> 빅데이터 분석 시나리오의 데이터결합 가능성(예시)

주: 정형데이터는 현재 농림업분야 빅데이터 목록이며, 민간데이터 및 비정형데이터는 민간에서 활용할 수 있

는 데이터, 추가고려 데이터는 여타 통계자료 중에서 추가로 포함하여 분석이 가능한 데이터를 나타냄.

자료: 농림업분야 빅데이터 전문가 면접조사결과에 기초하여 작성함(한국농촌경제연구원 2016. 8.).

구 분 내 부 외 부 목표 및 가치창출(Value)

크기

(V1)

정형

데이터

(1)

① 토양정보

② 농약등록

③ 농축산물 소득자료

④ 농식품성분정보

⑤ 농생물유전자원

⑥ 미생물정보

⑦ 가축개량정보

⑧ 육종정보

ⓐ 농업경영체DB

(농림축산식품부)

ⓑ 학교급식(교과부)

ⓒ 식품정보(식약처)

ⓓ 개체와도체등급관리

(축산물품질평가원)

ⓔ 농업통계

(통계청, 농림축산식품부)

ⓕ 민간미생물정보(민간)

ⓖ 농촌지형정보(농어촌공사)

ⓗ 산림공간정보(산림청)

분류 내용(DB결합)

생산

○ 적지적작

(V1-1-①)+(V2-1-①) +

(V2-1-ⓑ)+(V2-1-ⓔ)

○ 정밀시비관리

(V1-2-⑥,⑬)

+(V2-1-②,④,⑤)

○ 적기방제(병해충)

(V2-1-①,③)+(V2-1

-ⓑ)+(V3-2-ⓐ,ⓓ)

○ 시설원예최적환경설정

지원관리

(V2-1-①) +

(V2-1-ⓐ,ⓑ)

○ 작황 및 수확량 예측

(V2-1-①,④,⑤,⑥)

+ (V2-1-ⓑ,ⓒ,ⓔ)

+ (V3-2-ⓐ,ⓓ)

<표 5-3> 정형 및 비정형데이터 연계분석 시나리오(예시)

농림업분야 빅데이터 활용도 제고 방안110

구 분 내 부 외 부 목표 및 가치창출(Value)

크기

(V1)

비정형

데이터

(2)

① 작목별농업기술정보

② ATIS(연구과제성과)

③ 농업기술동영상

④ 사이버영농강의 콘텐츠

⑤ 품종정보

⑥ 농작업일정

⑦ 농촌전통테마마을

⑧ 농촌어메니티

⑨ 교육농장

⑩ 유기농

⑪ 농촌안전 및 농기계

⑫ 귀농·귀촌정보

⑬ 농자재정보

⑭ 고객상담정보

ⓐ 특화작목기술

(도농업기술원)

ⓑ 현장우수농가기술(농가)

ⓒ 민간유기농정보(협회)

ⓓ 산촌생태탐방및마을

(산림청)

ⓔ 녹색체험

(농림축산식품부)

ⓕ 웰촌(농어촌공사)

ⓗ 다음, 네이버지도 등

(민간)

ⓘ 국내외 저널

ⓙ NTIS(과기부)

육종

○ 품종개량

(V1-1-⑧)+(V1-2-⑤)

+(V2-2-②)+(V2-2-ⓓ)

○ 유용미생물개발

(V1-1-⑥)+(V1-1-ⓕ)

○ 우량가축개량

(V1-1-⑦)+(V2-2-③)

+(V1-1-ⓓ)

경영

○ 농업경영계획수립

(V1-1-③)+(V1-2-⑤,⑬)

+(V1-1-ⓐ)+(V2-1

-①,⑦)+(V2-1-ⓒ,ⓓ,ⓔ)

크기

+

속도

(V2)

정형

데이터

(1)

① 농업기상정보

② 토양검정

③ 병해충

④ 과수작황조사

⑤ 벼작황 및 지역적응성

⑥ 벼생육조사

⑦ 고객구매정보

ⓐ 시설온실측정DB(농정원)

ⓑ 기상정보(기상청)

ⓒ 관측정보

(농촌경제연구원)

ⓓ 도매시장가격정보

(농정원)

ⓔ 가락동출하정보

(서울농산물공사)

ⓕ 수입반입량과가격

(한국농수산식품유통공사)

기술

○ 농업디지털 큐레이션

서비스

(V1-1-③)+(V1-2-①,②,

③,④,⑤)+(V2-2-ⓐ,

ⓑ)+(V2-1-ⓓ,ⓔ)

생활

○ 국민 식생활 개선

(V1-1-④)+(V2-1-⑦)

+(V1-1-ⓑ,ⓒ)

+(V3-2-ⓐ,ⓓ)

○ 농촌체험 활성화 및

농외소득 증대

(V1-2-⑦,⑧,⑨)+(V1-2

-ⓓ,ⓔ,ⓕ,ⓖ,ⓗ)+(V3-2

-ⓐ,ⓓ)

비정형

데이터

(2)

① 농촌진흥소식(보도자료)

② 생물유전체DB

③ 동물유전체DB

④ NABIC

ⓐ 중앙지

ⓑ 지방·전문지

ⓒ 농자재(농협)

ⓓ 민간유전체(생과원)

ⓔ 생명자원정보(BRIS)

연구

○ 미래성장 연구개발

계획수립

(V1-2-②)+(V1-2-ⓘ,ⓙ)

이슈

○ 농업이슈분석/모니터링

(V2-2-①)+(V2-2-ⓐ,ⓑ)

+(V3-2-ⓐ,ⓓ)

(계속)

농림업분야 빅데이터 활용도 제고 방안 111

구 분 내 부 외 부 목표 및 가치창출(Value)

크기

+

속도

+

다양성

(V3)

정형

데이터

(1)

― ―

유통

○ 작목입식의사결정

(V1-2-⑥)+(V2-1-①)

+(V2-1-ⓒ,ⓓ,ⓔ,ⓕ)

○ 출하 의사결정지원

(V1-2-⑥)

+(V2-1-①,④,

⑤,⑦)+(V2-1-ⓒ,ⓓ,ⓔ,

ⓕ)+(V3-2-ⓐ,ⓓ)

비정형

데이터

(2)

① 농촌진흥청 트위터

② 농촌진흥청 페이스북

③ 농촌진흥청 블로그

ⓐ 민간포털

ⓑ 유튜브

ⓒ 구글

ⓓ 민간SNS

(계속)

자료: 농촌진흥청(2016. 5.). 내부자료.

2.1.3. 국내외 빅데이터 활용사례 벤치마킹

국내 타산업 분야와 외국의 빅데이터 활용사례들 중에서 국내 농림업분

야 적용 가능성이 높은 사례들을 벤치마킹할 경우 빅데이터 활용 성공가능

성과 활용성과를 높일 수 있을 것이다. 국내 농림업분야 빅데이터 활용사례

는 정책적으로 활용하기에 적합한 경우가 많은 반면, 미국과 일본에서는 사

업체(비즈니스) 측면의 활용사례가 많은 편이다. 외국에서는 빅데이터 활용

자체가 비즈니스 목적을 가지고 민간인 주체로 수행하는 경우가 많기 때문

인 것으로 추정된다.

국내에서는 비즈니스 측면에서 빅데이터를 활용하여 수익을 발생시키는

모델로 개발하기에는 빅데이터 분석 아이디어를 얻을 수 있는 여건이 상대

적으로 좋지 않은 편이다. 따라서 사업체(비즈니스) 측면에서 빅데이터 활

용도를 높일 수 있는 사례를 발굴하고 벤치마킹할 필요가 있다. 비즈니스

활용사례로 벤치마킹할 수 있는 미국의 사례는 C3(농산물 파종상황 모니터

링 모바일 서비스), C8(IBM 정밀농업 시스템), 일본사례 중에서는 D2(버섯

재배를 위한 환경조절 솔루션), D3(시설원예에서의 ICT 기술 적용), D7(ICT

기반 가축생산 안전성제고 시스템) 사례를 활용할 수 있다.51

51 국내외 빅데이터 활용사례를 발굴하여 정리한 내용은 <부록 2>에 제시함.

농림업분야 빅데이터 활용도 제고 방안112

한국에서 스마트팜의 생산성 향상을 위해서는 국내농업과 여건이 비슷한

일본의 빅데이터 활용사례를 면밀히 검토하고 국내 적용 가능성을 높이는

방안이 필요하다. 일본의 빅데이터 활용사례에서 생산성 향상을 위해 벤치

마킹할 수 있는 사례는 D1(신선한 채소를 필요로 하는 실내재배공급 솔루

션), D2(버섯재배를 위한 환경조절 솔루션), D3(시설원예에서의 ICT 기술

적용), D4(Intelligent society solution 식·농 클라우드 사례, AKISAI) 등이

다. 국내 농림업분야에서는 상대적으로 마케팅부문 활용사례가 적은 편인

데, 마케팅 분야에서 빅데이터 활용도를 높이기 위해서는 국내 타산업분야

에서 벤치마킹할만한 사례들이 상대적으로 많다. B1(LG 빅데이터 소비자

수요 분석 플랫폼 운영), B3(FNS 코오롱의 매출수요 분석 활용), B4(KB 국

민카드의 소비자 카드매출 데이터 분석) 등을 벤치마킹할 수 있다.

데이터의 다양한 결합 분석 유형은 외국사례를 벤치마킹할 수 있는데, 정

형데이터 및 비정형데이터를 결합하여 분석한 사례는 미국의 농림업분야,

일본의 타산업분야에 활용사례가 많으므로 벤치마킹할 수 있다. 미국 농림

업분야의 데이터결합 분석사례는 C1(네슬레의 식품안전 조기경보 시스템),

C7(빅데이터를 이용한 대형 식품매장(Smart grocery) 배달관리 시스템),

C9(빅데이터를 이용한 농산물 공급체인 개선) 등이며, 일본의 타산업분야

데이터 결합분석 사례는 D15(이동자를 고려한 재해 발발 이후 지원시스템),

D17(오픈필드서버 및 센서 클라우드 시스템 개발), D19(이중협력형 재해정

보시스템 실현을 위한 기반 기술 개발) 등이다.

2.2. 빅데이터 분석 성공가능성 제고

2.2.1. 데이터 공개 및 공유 확대

빅데이터 분석방법이 기존 데이터 분석과 구별되는 가장 큰 특징은 기존

통계데이터 외에 정형데이터, 비정형데이터를 결합하여 분석하는 것이다.

농림업분야에서 분석 주제별로 빅데이터 활용이 필요하지만 자료수집이 제

농림업분야 빅데이터 활용도 제고 방안 113

한되어 활용되지 못한 데이터 종류와 이유는 <표 5-4>에 제시하였다. 농업

경영체 데이터의 재배면적 정보와 농협에서 생성되는 판매정보를 결합하여

분석함으로써 농가 생산물 출하 최적시기 선택에 활용할 수 있다. 하지만,

농업경영체 데이터와 농협의 판매정보를 수집하기가 어렵기 때문에 분석

수행 및 수급예측에 활용하기 어렵다. 또한 축산물 사육두수 및 출하량 전

망을 목적으로 축산물 이력정보, 축산물 등급판정정보, 가축동향, 농업기상

정보에 축산물 소비정보와 종축분양정보를 결합하여 분석을 시도할 수 있

지만 개인정보보호 때문에 후자 두 개의 자료수집에 제약이 발생하여 분석

을 진척시키지 못했다.

빅데이터 생성 및 보유기관에서 정보 공개 및 공유를 확대하기 위해서는

정부가 적극적으로 관련 제도를 개선해야 한다. 빅데이터를 공개하지 않는

주요 이유 중의 하나는 데이터에 포함되어 있는 개인정보를 보호해야 하기

때문이다. 따라서 개인정보를 보호하면서 정보를 제공하는 방안이 필요하

다. 개인정보가 유출될 수 있는 가능성을 차단하여 빅데이터를 제공할 수

있는 방안은 1) 시군구(읍면) 단위의 자료형태로 제공하는 방안, 2) 데이터

이용센터를 활용하는 방안, 3) 데이터의 기술적 처리방법을 통한 활용 확대

방안 등이 있다. 이 방안을 도입할 경우 개인정보보호 문제를 피하면서 원

시자료를 활용하여 빅데이터 활용을 활성화할 수 있을 것이므로 활용사례

별 내용을 정리하여 제시하였다.

농림업분야 빅데이터 활용도 제고 방안114

활용주체

분석 주제활용

데이터활용 제한

데이터제한 이유

비즈

니스

(산업체)

∙ 축산물

사육두수,

출하량 전망

∙ 축산물 이력정보(축산물품질평가원)

∙ 축산물 등급판정정보(축산물품질평가원)

∙ 가축동향(통계청)

∙ 농업기상정보(농촌진흥청)

∙ 축산물 소비정보

∙ 개인정보보호

문제로 비공개∙ 종축분양정보

∙ 화훼도매

시장 가격

변동요인

분석

∙ 화훼류 시세현황

(한국농수산식품유통공사)

∙ 화훼생산자 정보, 품종

정보

∙ 개인정보보호

문제로 비공개

∙ 채소류

수급예측

시스템 구축

∙ 식품산업통계정보

(한국농수산식품유통공사)

∙ 채소류 생산량, 단수 및 재배면적

데이터(통계청)

∙ 연도별 농가소득, 수입, 경영비(통계청)

∙ 농업기상정보, 병해충정보(농촌진흥청)

∙ POS데이터(유통업체)

∙ 종자판매 데이터

∙ 저장데이터

∙ 데이터가 공개되지

않음

∙가락시장 품목별 지역별

반입량

∙ 품목별 업무부서

달라 결합정보제공

어려움

∙ 민간포털 데이터 ∙ 비용 발생, 비공개

정책

활용

∙ 빅데이터를

활용한

소각산불

대응방안

개발

∙ 기상정보(기상청)

∙ 인구정보(통계청)

∙ 지역별·작물별 재배면적(통계청)

∙ 지형, 도로, 건축물 정보(국토정보지리원

국토정보플랫폼)

∙ 산불 발생 위치도 정보(산림청)

∙ 지번별 작물 정보 ∙데이터 없음

∙ 산불다발지역 이동인구

정보

∙ 고해상도 항공 및 위성

영상

∙ 행정 최소단위별 인구특성

∙ 개인정보 보호

∙ 수집비용 발생

∙ AI 확산

위험도 분석

∙ 축산농장정보(농림축산검역본부)

∙ 축산차량이동정보(농림축산검역본부)∙ 경로 이동자 핸드폰 번호 ∙ 개인정보 보호

연구

분야

∙ 축산농가

사육

프로그램

개발(돼지)

∙ 모돈 생산농가, 농장의 주요 판매

데이터(농장 개별데이터)

∙ 대한한돈협회 수집 데이터

(가축동향, 배합사료생산실적 등)

∙ 도축장현황 및 도축실적

(농림축산검역본부)

∙ 소비자패널정보(농촌진흥청)

∙ SNS 데이터(Web data)

∙ 사육돼지의 사료섭취량

데이터

∙ 세금과 관련되어

정보공개 꺼림

∙ 이력추적/도축장 데이터∙ 실시간으로

제공되지 않음

<표 5-4> 농림업분야 활용 제한 빅데이터 종류 및 이유

주 1) 분석주제별 활용된 데이터 및 활용제한 데이터는 대표성을 띠는 자료만 제시한 결과이며 제시된 데이터

외에 다른 데이터도 존재할 수 있음.

2) 평상시에는 축산농장정보가 개인정보보호의 문제로 비공개이지만, 확산성 가축질병 발생 시에는 담당자

들이 즉각 활용할 수 있도록 되어 있음.

자료: 농림업분야 빅데이터 전문가 면접조사 결과 정리(한국농촌경제연구원 2016. 8.).

농림업분야 빅데이터 활용도 제고 방안 115

데이터의 시군구 통계자료 제공 및 활용사례52

○ 통계청에서는 매년 대한민국 소재 모든 사업체에 조사원을 파견하여 전국사업체조사를 실시하며, 이 때 사업체명을

비롯하여 소재지, 대표자의 이름/성별/연령, 종사자 수, 연간매출액 등의 상세정보를 수집하고 있음. 그러나 조사를

통해 구축한 원시자료를 가공하지 않고 배포할 경우 사업체 정보가 유출되어 악용될 소지가 있으므로 사업체정보

유출가능성을 미연에 방지하기 위하여 다음과 같은 작업을 통해 자료를 제공함.

○ 사업체를 산업코드(대분류-세세분류)로 분류하여 시군구 단위는 산업세세분류 수준까지, 읍면동 단위에서는 산업대

분류 수준까지 집계하여 통합한 정보를 제공함.

- Cho, Chun, and Lee(2015)는 통계청에서 제공하는 시군구 단위의 전국사업체 조사자료를 활용하여 대형마트의

진입이 시군구 수준의 지역시장에 미친 파급효과를 분석

○ 행정자치부에서 운영하는 웹사이트인 지방재정36553에서는 2002년도부터 2014년도까지 매년 지방재정연감에 수

록된 예산과 결산 모든 항목을 엑셀형태로 제공할 뿐 아니라, 17개 광역시도 및 230개 시군구 지방의회의 운영

상태를 한눈에 비교 가능하도록 재정자립도, 업무추진비 등과 같은 주요 지표들을 통합공시하고 있음.

- Joo and Lee(2016)는 선거관리위원회에서 제공하는 선거자료와 시군구 단위의 통합공시 자료, 통계청 및 행정자

치부에서 제공하는 시군구 단위의 각종 통계자료를 병합하여 지방선거 제도의 변화가 선거 결과 및 사회에 미치는

결과를 분석

통계청 데이터 이용센터 활용사례54

○ 통계청에서는 데이터 분석을 통한 심층연구를 지원하기 위해 인터넷이 차단된 보안시설인 마이크로데이터 통합시스

템(MDIS) 서비스포털 이용 센터를 전국에 총 5곳 설치하여 운영하고 있음.55 통계청 외부로 공개되지 않는 원시자료

활용을 위해 연구자가 연구계획서를 제출하면, 검토 후 승인이 내려진 연구주제에 한해서 센터 내 지정된 장소에서

자료를 사용하여 분석할 수 있도록 허용함.

○ 통계청에서 승인된 자료에 대해서도 원시자료는 외부로 복사해 갈 수 없으며, 분석결과표만 승인 후 반출이 가능함.

그러나 센터가 다섯 곳의 제한된 지역에만 설치되어 있는 점을 감안하여 인터넷을 통해 가상의 서버에 원격 접속하여

서버 내에서 자료를 분석하도록 허용하고 있음. 이때에도 연구자의 개인 컴퓨터에 자료를 전혀 다운로드할 수 없으며,

가상서버 내에 저장한 분석결과표만 통계청의 승인 후 반출하도록 허용함.

○ Baek and Park(2015)는 통계청의 원격접근서비스를 이용을 통해 광공업조사 원시자료를 바탕으로 KTX의 발달이

지역사회 발전에 미친 영향에 대해 시군구 단위에서 분석함. 공공기관 생산통계의 ‘마이크로데이터(MD·통계기초자

료)를 무료로 제공하면서 2015년 12월부터 올해 5월까지 통계청 마이크로데이터 이용은 모두 16,039건으로 1년

전 같은 기간에 비해(4,530건) 3.5배로 증가하였음.

52 전문가 자문의견을 참고하여 작성함.53 <http://lofin.moi.go.kr/portal/main.do>. (검색일: 2016. 10. 4.).54 전문가 자문의견을 참고하여 작성함.55 통계청(대전)을 비롯하여 한국통계진흥원(서울 강남), 서강대학교(서울 강북),

한국개발연구원(세종), 판교스타트업센터(경기)에 이용센터가 설치되어 있음.

농림업분야 빅데이터 활용도 제고 방안116

데이터의 기술적 처리방법을 통한 활용 확대사례56

○ 빅데이터에서 활용되는 다양한 형태의 개인정보들은 특정한 개인을 지정할 수 있다는 점에서 개인의 프라이버시를

침해하는 결과를 가져올 수 있음. 이를 해소하기 위해 익명화(비식별화) 등을 통한 개인정보처리가 개인정보보호

원칙으로서 제시되고 있음.

○ 일반적으로 수집되는 개인정보 중에서 사용이 가능한 형태의 개인정보는 크게 두 가지임. 첫 번째로 개인정보에

대한 설명을 대상자에게 제공하고 활용에 대한 개인의 동의를 획득한 개인정보, 두 번째로 익명화(비식별화)를 통해

데이터에서 특정 대상을 식별할 수 있는 정보를 식별할 수 없는 형태로 처리한 이후에 제공되는 개인정보임. 식별

형태에 따라서 개인정보의 종류는 직접식별정보(Direct Identifier), 간접식별정보(Indirect Identifier) 및 조합식별

정보(Quasi Identifier) 등 크게 세 가지로 구분됨. 세 가지 형태에서 모두 특정 대상이 식별되지 않게끔 처리되어야

익명화(비식별화)가 되었다고 판단됨.

< 개인 식별정보 종류 >

개인정보 종류 특징

직접식별정보(Direct Identifier)무선이동통신전화번호, 주민번호, 이메일 등 한 가지 정보만으로 특정 대상자를 직접적으로 식별하는 개인정보

간접식별정보(Indirect dentifier)이름, 나이, 성별, 주소, 유선전화번호 등 한 가지만으로는 특정 대상자를 특징하지는 못하지만, 다른 정보와 용이하게 결합하여 개인을 특징할 수 있게 하는 식별정보

조합식별정보(Quasi Identifier) 조합을 통해서 개인을 특징할 수 있는 식별 정보

○ 개인정보를 식별할 수 없는 정보로 처리하는 보편적인 기법은 가명처리, 총계처리, 데이터 삭제, 범주화, 데이터

마스킹이 있음.

< 개인정보 처리 기법 >

개인정보 처리 기법 특징

가명처리

(Pseudonymi-sation)

개인 식별이 가능한 데이터를 개인 식별이 가능하지 않도록 처리하는 기법. 이름,

주민번호 등의 고유 식별 데이터를 다른 값으로 대체

총계처리

(Aggregation)그룹핑 등을 통해 데이터의 총합 값을 보임으로써 개별 데이터의 값을 숨기는 기법

데이터 삭제

(Data Reduction)데이터의 목적에 따라 개인을 식별하는 특정한 값을 제거하는 기법

범주화

(Data Suppression)

데이터의 값을 범주화하여 명확한 값을 감추고 범주로 표현하는 기법 예) 홍길동

10대

데이터 마스킹

(Data Masking)

개인 식별이 가능한 데이터의 식별이 불가능하도록 보이지 않게 처리하는 기법

예) 홍**, 3* 세

56 전문가 자문의견을 참고하여 작성함.

농림업분야 빅데이터 활용도 제고 방안 117

(계속)

○ 개인정보보호처리에 대한 관심과 인식이 높아짐에 따라 각종 정부부처에서 익명화(비식별화)에 대한 가이드라인을

제공하고 있음. 빅데이터 개인정보보호 가이드라인(방송통신위원회), 빅데이터 활용을 위한 개인정보 비식별화 기술

활용 안내서(미래부 빅데이터전략센터)57, 행정자치부에서 제공하는 개인정보 비식별화에 대한 적정성 자율평가 안내

서 등이 있음.

○ 익명화(비식별화)는 그동안 빅데이터 분석/활용 프로젝트에서 주로 쓰인 기법으로서 국내에서 대표적으로 활용한

사례는 국민건강보험공단(참여: 다음소프트)의 국민건강 주의 예보서비스, 서울 아산병원에서 진행한 보건의료 빅데

이터 활용 서비스, 한국감정원과 비씨카드가 참여한 점포 평가 서비스, 서울특별시와 KT에서 진행한 심야버스 노선정

책 지원 등이 있음.

농림업분야의 주제를 분석하더라도 타부처 및 타기관의 데이터가 필요한

경우가 많다. 예를 들어 기상요인은 농산물 수급에 중요한 영향을 미치기

때문에 농산물 수급 및 품질 예측에 중요하게 고려되는 변수이며, 농림업부

문에서 기상데이터는 실시간으로 축적되는 중요한 빅데이터 중의 하나이다.

따라서 농림업분야 빅데이터 활용도를 높이기 위해서는 타부처 및 타산업

분야와 연계성을 높일 필요가 있으며, 이를 위해서는 데이터 공유 및 협업

체계도 마련해야 한다. 특히 향후 사물인터넷(IoT), 인공지능(AI) 등 활용분

야가 다양해지고 고도화될수록 산업간 융합과 협업 필요성은 더 증대될 것

이므로 부처 간 데이터 공유는 반드시 필요하다.

현재 농림축산식품부는 ‘공공 빅데이터 협의회’에 참여하고 있다. 협의회

는 13개 부처 및 기관으로 구성되어 있으며, 주요 추진과제는 빅데이터 공

유체계 마련 및 프로세스화, 빅데이터 분석·활용을 위한 데이터 표준화, 빅

데이터 플랫폼 연계 및 활용 협조 등이다(공공 빅데이터 협의회 운영계획

(안) 참조). 농림축산식품부는 공공 빅데이터 협의회에 적극적으로 참여하

면서 데이터 공유와 표준화 수준을 높이고 농림업분야 활용도를 제고시킬

수 있도록 전략적으로 대응할 필요가 있다.

57 빅데이터전략센터, 빅데이터 활용을 위한 개인정보 비식별화 기술 활용 안내

서(Ver 1.0).

농림업분야 빅데이터 활용도 제고 방안118

농림업분야에서 기관 간 데이터 공유 및 협업체계가 구성되어 빅데이터

활용도를 높인 사례가 있다. 기상청에서 제공하는 데이터와 농림업부문의

수요자 측면에서 활용할 수 있는 데이터의 속성과 범위가 달라서 농림업부

문에 활용도가 낮은 편이다. 이를 측면을 보완하기 위해 농촌진흥청과 기상

청이 업무협약을 맺어 기상데이터를 공유하는 한편, 농림업부문에서 기상

정보 활용도를 제고시킨 사례를 소개하였다.

공공 빅데이터 협의회 운영계획(안)

○ 목적: 공공분야 빅데이터 추진기관 간 우수사례 공유를 통해 빅데이터 상호협력과 효율적 추진 방안을 공동으로 마련함.

○ 구성 및 회의

- 빅데이터 주요 추진기관 국장급 공무원 10명 내외로 구성·운영

- 13개 기관: 행정자치부, 국민안전처, 미래창조과학부, 문화체육관광부, 국토교통부, 통계청, 기상청, 서울시, 강원도, 경기도, 식품약약품안전처, 통계청 등

- 정기회의(분기 1회), 공동 세미나 개최(연 1회)

○ 역할: 공공 빅데이터 추진업무의 공유·조정, 부처별 빅데이터 추진 내역 및 분석결과 공유·공개 추진, 공공 빅데이터

활성화 방안 논의 등

○ 주요 논의 및 요청과제

- 빅데이터 지도 구축, 분석·활용을 위한 데이터 표준화

- 빅데이터 공유체계 마련 및 프로세스화

- 빅데이터 분석과제 공유·조정방안

- 빅데이터 플랫폼 연계 및 활용협조

- 공공-민간 빅데이터 협의체계 구성 및 운영

- 빅데이터 지원 법률 상정, 비식별화 가이드라인에 따른 데이터공유 등

< 공공 빅데이터 협의회 조직도 >

자료: 농림축산식품부(2016. 9.). 내부자료.

농림업분야 빅데이터 활용도 제고 방안 119

농촌진흥청과 기상청의 협업을 통한 기상데이터 활용 제고사례

■ 농촌진흥청과 기상청의 협업 배경

○ 기상청 기상데이터의 농업부문 활용 제약요인

- 기상청 데이터가 오픈 API로 되어있으나 수작업으로 수집하거나 웹사이트를 통해 요청할 경우 2~3일이 지난 후에

수령할 수 있음.

- 농촌진흥청은 농업생산(작물생육)에 영향을 주는 기상데이터(일교차, 누적온도, 누적강수량 등)를 기상청으로부터

제공받은 후에 활용용도에 맞게 일일이 재변환해야 함.

- 기상청 데이터는 주거지역 중심의 대국민 서비스 데이터이며, 경작지상황에 맞는 데이터가 아닌 격자단위의 데이터

이기 때문에 관측정보가 맞을 수도 있고 틀릴 수도 있어서 예측모델의 정확도가 낮아짐.

- 기상청은 유인(有人) 기상소(76개)와 무인(無人) 기상소가 있는데, 농업에 필요한 일사량 등의 정보 제공은 기상청

유인 기상소에서만 가능하므로 농업 세부지역별로 활용할 수 있는 일사량 정보는 수집하기 어려움.

- 농촌진흥청에서 제공하는 생육정보의 측정 시간단위(1~2주 1회 예찰정보 입력)와 기상청에서 제공하는 기상환경

시간단위(실시간)가 맞지 않아서 농업부분 활용에 애로사항이 있음.

■ 농촌진흥청과 기상청의 업무협약 체결 내용

○ 주요 내용

- 체결목적: 국가 농림기상 공동체 협약

- 업무협약 체결연도: 2009. 7. 10.

- 업무협약 내용: 농림기상 정보공유, 농림기상 관측자료 표준화, 농림기상 융합정보 개발, 농림기상인력 교류협력

- 그 외 업무협약: 농업·산림·기상분야 녹색성장(2012, 기후변화 대응 산림청, 기상청, 농촌진흥청)

■ 업무 협력내용

○ 기상청은 실시간 기상데이터를, 농촌진흥청은 광범위한 지역의 관측자료를 제공·공유하는 장점이 있음.

- 기상청은 관측정보(온도, 습도, 강수량, 풍량, 풍속)와 예특보 자료를 실시간으로(10분 단위) 농촌진흥청에 제공

- 농촌진흥청(국립농업과학원)은 전국 190개 지점의 지점별 관측자료를 기상청으로 10분 단위로 제공

- 기상청 기상예측의 위치간격은 10m, 농업기상 간격은 3m 간격으로 측정하는 한편, 기상청과 농촌진흥청 장비간

측정 현황 상호 확인

- 기상정보 단위는 기상청 단위로 표준화

- 두 기관의 센서측정 자료는 각 기관의 수집서버로 입력 후 기상청 중계서버와 농촌진흥청 국립농업과학원 데이터베

이스 서버로 입력됨.

■ 업무 협업 성과

○ 기상청과 농촌진흥청 기상예측의 품질 및 예측력을 제고시킴

- 국립농업과학원 농업기상시스템은 각 시·군 센터에 기상데이터 제공

- 농업기상정보는 기온, 습도, 풍향, 강수량, 일조시간, 토양수분을 측정할 수 있으며, 지점별, 기간별 조회 등을 통하여

데이터를 시간단위 변환(10분, 시간별, 일별, 반순, 순별, 월별)이 가능하며, 데이터 저장 및 그래프 표출이 가능

○ 농촌진흥청은 기상청과 협업하여 기상정보를 생성함으로써 데이터 생성 및 품질관리의 노력을 줄이고, 기상데이터의

품질을 제고시켜 빅데이터 분석의 예측력과 시의성을 제고시킴.

자료: 농촌진흥청 담당과(2016. 10.). 면접조사 결과.

농림업분야 빅데이터 활용도 제고 방안120

2.2.2. 데이터 품질 개선

빅데이터 분석과정에서 데이터 단위가 상이하거나(예: 식료품 중량단위),

꼭 필요한 데이터이지만 데이터가 결측된 경우에 활용 제약요인이 발생하

여 분석을 더 이상 진척시키지 못한 사례들이 있다. 수집한 데이터 단위가

표준화되어 있지 않거나 결측된 데이터들은 분석자료로 활용하지 못하게

되므로 샘플수가 크게 줄어들어 분석결과의 신뢰도를 높이기 어렵다.

빅데이터 분석은 기존에 생성·축적되고 있는 데이터를 최대한 활용하여

분석하는 데 의미가 있다. 데이터 간 연계분석 과정에서 발생하는 제약사항

을 완화시키는 의미에서 데이터의 품질 개선과 생성을 위한 지원이 이루어

질 경우 빅데이터 활용도를 높일 수 있다. 예를 들어 작물 생육성장 예측모

델이나 농산물 수급예측 모델을 개발할 경우 기존에 데이터를 이용하여 수

립할 수도 있지만, 꼭 필요한 변수들은 추가적으로 데이터를 구축하는 과정

도 필요하다. 빅데이터 활용 초기단계에서는 기존에 공개되고 활용할 수 있

는 자료를 최대한 활용하는 한편, 중장기적인 차원의 분석 주제나 사물인터

넷, 인공지능 활용 등에 필요한 데이터를 구축하는 전략이 요구된다.

2.2.3. 데이터 활용제약 유형별 개선사항

농림업분야에서 빅데이터를 활용하고자 하는 수요는 다양한 품목과 분야

에 걸쳐 존재하고 있다. 빅데이터를 활용하여 연구과제를 수행하거나 사업

모델을 개발할 때 겪는 가장 큰 어려움은 데이터 수집과 분석방법에서 나타

난다(<표 5-5> 참조). 첫째, 데이터 수집과정에 나타나는 어려움은 데이터

보유기관에서 자료를 제공하지 않기 때문에 빅데이터 분석을 시도하지 못

하는 것이다. 빅데이터를 수집하는 데 겪는 어려움 및 데이터 종류는 몇 가

지 범주로 구분할 수 있다.58 개인정보 보호 등의 문제 때문에 자료수집이

58 분석주제별로 사례조사의 경우에 한하여 제한적으로 나타난 데이터 내용을 중

심으로 작성하였으므로 농림업분야의 전체내용을 반영하지는 않음.

농림업분야 빅데이터 활용도 제고 방안 121

어려운 자료는 농협 POS 데이터, 종자판매데이터, 종축분양정보, 화훼생산

자정보 등이다. 비용지불 때문에 수집하기 어려운 자료는 민간포털 데이터,

산불다발지역 이동인구 정보 등이다. 자료를 보유하고 있지만 활용에 필요

한 형태로 제공하기 위해선 해당 기관의 부서 간 협력이 필요한데 협력이

어려워 수집하기 어려운 정보는 가락시장 품목별·지역별 반입량 정보 등이

다. 이러한 자료수집의 어려움은 정부의 협조하에 개인식별정보를 제거하

여 제공·활용하거나 개인적인 접근보다는 협회나 생산자 단체와 연계해서

수행하는 방법이 유효성을 높일 것이다. 각 공공기관 및 민간업체도 데이터

를 제공하는 데 여러 가지 리스크 및 노력이 필요하므로 데이터 제공에 대

한 동기를 부여하는 방안이 필요하다.

둘째 유형은 빅데이터 분석목적에 맞는 자료 수집과 분석방법을 잘 모르

기 때문에 나타나는 어려움이다. 빅데이터 활용경험자들의 분석자료 취득

경로는 ‘전문기관 및 전문가가 수집한 자료를 이용’한 비율과 ‘본인이 직접

자료수집부터 분석을 시도한 비율’이 비슷하게 나타난다. 자료수집과 분석

을 직접 시도한 경우 ‘빅데이터 분석을 위해 일부자료만 수집하고 전체 자

료 수집에 실패’한 경우가 절반 정도의 비율로 나타났다. 자료수집 실패의

주요 원인은 ‘추가 자료 수집의 어려움’, ‘자료의 낮은 신뢰도’, ‘지속적인

자료수집의 어려움’ 등이다.

유형 활용 제약 개선사항

유형

Ⅰ

∙ 개인정보 보호 문제 때문에 자료수집이 어려움

- 농협 POS 데이터, 종자판매 데이터 등

- 종축분양정보, 농가별 사육관련 정보 등

∙ 정부가 주도하여 개인정보를 삭제하여 개인별

일련번호 부여 후 제공

∙ 시군구 등 일정 범위의 행정단위별 정보 제공

∙ 자료가 있지만 활용에 필요한 형태로 수집하기 어려운

정보

- 가락시장 품목별·지역별 출하정보

∙ 데이터 사용자와 공급자 간에 정부조정 역할 필요

유형

Ⅱ

∙ 빅데이터 분석목적을 수행하기 위한 자료수집과

분석방법을 잘 모름

∙ 빅데이터 자료수집 및 분석기능을 수행하는

전문기관 운영

<표 5-5> 빅데이터 활용제약 유형 및 개선사항

농림업분야 빅데이터 활용도 제고 방안122

현재 국내 농림업분야에서는 빅데이터 활용경험이 많지 않은 실정이다.

따라서 빅데이터 활용 시도자들이 자료수집과 분석을 시도할 때 전문기관

에서 ‘빅데이터 수집·제공’과 ‘빅데이터 분석’ 서비스를 제공할 경우 활용도

가 훨씬 더 높아질 것이다.

2.3. 빅데이터 활용 지원의 전문성 강화

2.3.1. 빅데이터 활용 관련기관별 역할

빅데이터 활용도 제고 방안은 크게 빅데이터 활용의 교육 및 홍보, 데이

터 공개 및 공유체계 확대, 데이터 품질 제고, 제도개선 등 네 가지 부문으

로 구분할 수 있다. 이러한 빅데이터 활용도 제고 방안들은 빅데이터 분석

의 특성상 정부 등 특정 주체만으로 개선하기는 매우 힘든 일이므로 정부와

공공기관, 민관기관이 협력하여 활용도 제고 성과를 높여야 한다.

정부의 역할은 빅데이터 활용에 대한 이해도를 높이는 교육 및 홍보, 데

이터 공개 및 공유범위 확대를 위한 제도개선, 빅데이터 표준화와 일관성을

높이기 위한 자료관리, 빅데이터 전문기관 설립 및 운영에 대해 전반적으로

주도적인 역할을 수행해야 한다. 이를 위해 첫째, 정보 공유 및 공개가 원활

히 진행될 수 있도록 지원해야 한다. 데이터 사용자 및 공급자 간에 이해관

계가 상충되는 경우 행정적인 처리단계에서 종료 및 자료취득이 어려운 경

우가 많이 발생한다. 빅데이터 분석을 실제로 수행하는 기관과 데이터를 보

유하고 있는 기관 간에 업무수행 과정에 문제가 발생할 경우 농림축산식품

부가 중간적인 입장에서 중재함으로써 데이터 보유기관 및 수요자 간 공유

범위를 확대시켜야 한다. 타부처와의 업무 협의나 협의회 운영에 있어서도

농림업부문의 활용도를 강화하기 위해서 전략적으로 대응해야 할 것이다.

정부는 각 공공·민간 기관들에게 빅데이터 구축 및 제공에 대한 인센티브

를 부여해야 한다. 특히, 스마트팜 빅데이터 구축 지원 및 농가컨설팅 사례

처럼 빅데이터 공급 활성화가 가능한 지원사업 발굴과 지원이 필요하다. 민

농림업분야 빅데이터 활용도 제고 방안 123

간기관과 농가정보의 수집·활용은 공공데이터 부문보다 더 어려운 편인데,

주요 이유는 민간기관이나 농가는 데이터 제공에 대한 특별한 유인동기가

더 없기 때문이다. 따라서 데이터 수집 및 제공에 대한 유인동기를 제공하

여 모두에게 편익을 발생시키는 구조를 형성해야 한다. 아래 내용은 데이터

를 제공한 농가에게 인센티브를 부여하여 빅데이터를 활용한 사례로서 벤

치마킹이 필요하다.

스마트팜 빅데이터 자료 수집 및 농가컨설팅 사례59

빅데이터 분석을 위한 농가데이터의 경우 일부 농가에 한해서만 자료가 수집되기 때문에 자료 활용이 매우 제한적이어서

대표성을 가지기 어렵다. 따라서 모집단을 대표할 수 있는 수준의 표본농가 수를 확보해야 하는데 이를 위해서는 데이터

제공농가에게 정보 이용료 등의 인센티브를 제공해야 한다.

농가의 데이터를 수집하여 활용한 사례를 살펴보면, 자료수집 기관에서 생산성 상위 25% 이상의 농가들에게 정보 이용

료를 지급하는 한편(월 10만 원), 전문가가 작물의 운영데이터 내용을 분석하여 농가들에게 전문적으로 컨설팅을 수행하

면서(1년 3회 실시, 4시간 기준 1회에 50만 원 지급) 자료수집을 확대하였다.

자료: 농림업분야 빅데이터 전문가 면접조사 결과(2016. 8.).

둘째, 농림업분야 빅데이터 활용의 전문성을 제고하기 위해서는 빅데이터

업무를 전문적으로 수행할 수 있는 기구를 운영해야 한다. 농림업분야의 데

이터는 타 산업 분야와 달리 품질속성과 균일성이 부족하기 때문에 업무의

전문성이 요구되기 때문이다. 빅데이터 전문기관의 역할은 빅데이터 정보

수집 및 공유체계 구축, 공공기관 데이터 공개에 대한 지침마련, 국가차원의

빅데이터 보유기관과 연계강화 전략 수립 등이다. 빅데이터 공개 및 공유범

위를 확대하여 활용도를 높이기 위해서는 제도개선 및 법률 수정이 필요하

며, 공개 및 공유를 제한하고 있는 법률 조항 개정 업무를 지원해야 한다.

농림업분야 빅데이터를 체계적으로 관리하기 위해서는 농림업분야에 특

화된 빅데이터 플랫폼을 구축할 필요가 있다. 기존에 통계자료와 ‘빅데이

터’와의 가장 큰 차이점은 빅데이터의 3V 요건 가운데 Variety(다양성)라고

볼 수 있다. 데이터를 모아서 분석한 결과로 어떤 시사점을 도출할 수 있을

59 빅데이터 전문조사결과(2016. 8.).

농림업분야 빅데이터 활용도 제고 방안124

부문 정부 공공기관 민간

교육 및 홍보

∙ 농림업분야 정책 활용사례

발굴 및 교육

∙ 교육 수강

∙ 홍보, 인식 제고의 선도적인

역할 수행

∙ 교육 수강

데이터 활용

∙ 데이터를 분류하고 연계할 수

있는 가이드라인 제시

∙ 데이터 표준화를 위한

전문기관의 역할 필요

∙ 빅데이터 활용 시나리오

개발지원 확대

∙ 빅데이터를 분석하여 수요자

들에게 트렌드를 비롯한 실제

운영에 필요한 정보를 제공

∙ 데이터의 업데이트 및 공유

방안 마련

∙ 개인정보를 보호하면서 공유할

수 있는 방안 도입

∙ 빅데이터 분석 연구 강화

∙ 데이터의 지속적인 축적

∙ 민간에서 세금 등과 관련된

기밀사항이 아니라면 생육,

환경과 관련된 데이터 대외

공유

∙ 농협 등은 데이터 활용의

중요성 인식, 공유체계

과정에 참여

∙ 민간부문에서 품목별로

규모화된 빅데이터 시스템

보급 필요

<표 5-6> 빅데이터 활용도 제고를 위한 관련기관별 역할

지에 대한 분석 가능성 및 가치를 발굴하고 빅데이터 분석목적에 맞는 데이

터 구축 목록을 설정해야 한다. 구축해야 할 데이터는 누락항목이 많지 않

은 데이터, 구축결과 활용가능성이 높은 데이터를 우선순위에 두어야 한다.

공공기관은 빅데이터 활용도 제고를 위한 인식제고의 선도적인 역할을

수행해야 한다. 공개하는 데이터의 업데이트를 지속적으로 수행하면서 여

타 공공기관 및 민간부문과 공유를 확대해야 한다. 개인정보를 보호하면서

정보를 최대한 공개하며, 공공기관 데이터 공유 협의회를 결성하고 참여해

야 한다. 활용가치가 높은 데이터를 지속적으로 축적하는 한편, 단계적으로

데이터 공개 및 공유범위를 확대해야 한다.

민간부문에서는 빅데이터 분석의 필요성에 대한 이해와 빅데이터 분석결

과의 가치 및 차별성을 인지해야 하며, 농협, 농가 등은 빅데이터 공유를 확

대해야 한다. 세금 등 관련사항이 아니라면 생육, 환경 등 농가단위에서 생

성되는 정보 제공에도 협력해야 한다. 민간부문의 정보 제공을 유도하기 위

해서는 정책적으로 민간부문의 데이터 공개 및 활용에 대한 인센티브를 제

공해야 한다.

농림업분야 빅데이터 활용도 제고 방안 125

(계속)

부문 정부 공공기관 민간

데이터 공개

∙ 빅데이터 정보수집 및 공유

체제 구축

- 정부보유 데이터 공개에

대한 지침 마련

- 국가 차원의 빅데이터 보유

또는 업체와의 연계강화

- 다양한 정보의 취득 및 개방

∙ 공공기관 데이터 공유 협의회

구성 및 활성화

- 기관 간 데이터 공유

- 데이터 보유기관 개방 유도

- 데이터 공유 관련 상시적

문제해결 및 사업모델수립

지원

-

데이터 구축∙ 빅데이터 분석 목적에 따른

DB 구축 지원

∙ 데이터의 지속적인 축적-

제도 개선

∙ 빅데이터 분석팀 신설

∙ 빅데이터 관련기관조직·예산

확보

∙ 기관 간 데이터 공유체계 구축

-

2.3.2. 단기 및 중장기 과제 단계별 추진

농림업분야 빅데이터 활용여건 개선을 위한 정책적 지원 및 제도개선이

필요하다. 추진과제는 단기와 중장기 과제로 구분하여 단계적으로 추진함

으로써 효율성을 높여야 한다. 추진해야 할 과제는 빅데이터 이해도 제고,

빅데이터 분석 성공가능성 제고, 빅데이터 활용도 제고를 위한 지원의 전문

성 강화로 구분하여 세부과제 내용을 제시하였다(<표 5-7> 참조).

빅데이터 활용의 이해도를 높이기 위한 단기 과제는 국내외 활용사례 발굴,

매뉴얼/활용사례 발간, 정책부서 및 공공기관 관련자 교육을 실시하는 것이

며, 중장기적으로는 이해도 증진 대상을 민간부문으로 확대해야 한다. 빅데

이터 분석 성공가능성을 높이기 위해서 빅데이터 수집/분석 부문은 우선 공공

데이터부터 시작하여 민간데이터로 확대한다. 우선 현재 수집 가능한 데이터

의 활용을 활성화한 후 중장기적으로 활용목적 설정에 따른 관련 데이터를

구축한다. 정책적으로 빅데이터 활성화를 위한 중장기계획 수립이 시급하며,

데이터 공개와 공유 확대를 위한 법률 수정과 제도개선이 필요하다.

농림업분야 빅데이터 활용도 제고 방안126

구분 단기적 중장기적

빅데이터 활용이해도 제고

사례 발굴 ∙ 국내외 빅데이터 활용사례 발굴 -

내용∙ 매뉴얼/활용사례 발간∙ ISP 기초 작업

∙ 활용가치 증진사례 증대

교육대상 ∙정책담당자/ 공공기관 교육 ∙ 민간(사업체/연구)부문 확대

빅데이터 분석성공가능성

제고

우선 분야 ∙ 공공데이터(정책연계 분야) ∙ 민간데이터

데이터 수집·분석 ∙ 데이터 공개 확대 ∙ 활용주제별 데이터 구축

데이터 활용∙ 빅데이터 표준화 및 품질개선∙ 현재 수집 가능한 데이터 활용

∙ 데이터 공유체계 확대

데이터 구축∙ 기존 데이터 최대한 활용∙ 빅데이터 분석 결측데이터 구축

∙ 이미지데이터, IoT, AI 데이터 활용도 제고

데이터 관리 ∙ 데이터 관리계획 수립 ∙ 빅데이터 관리 전문기구 설립

자료분석∙ 빅데이터 수집/분석 인력 양성∙ 빅데이터 연계분석 시나리오 제공

∙ 데이터 축적과 분석기술, 알고리즘 이해 증지

활용도 제고지원

전문성 강화

제도개선 ∙ 빅데이터 활성화 중장기계획 수립 ∙ 빅데이터 공유시스템 관련 법률

수정/제도개선

관련기관별 역할 ∙ 관련기관별 협의회 구성·운영∙ 빅데이터 플랫폼 구축∙ 관련기관별 데이터 공유체계 활성화

<표 5-7> 빅데이터 활성화를 위한 단계별 추진과제

요약 및 결론 제6장

최근 관심이 높아지고 있는 사물인터넷(IoT), 인공지능(AI)은 방대한 양

의 데이터가 축적되어야 작동이 가능한 빅데이터 기반 시스템들이며, 데이

터의 자산가치는 더욱 중요해지고 있다. 이에 따라서 전 세계적으로 데이터

를 활용하여 새로운 가치를 창출할 수 있는 사업모델 개발에 관심이 높아지

고 있으며, 전 세계 빅데이터 시장은 급속하게 성장할 것으로 전망된다.

외국에서는 생산현장의 빅데이터를 활용하여 생산비 절감과 생산량 예측

정확성 제고, 소비데이터 분석 및 마케팅전략 수립, 재해재난 대응 분석 등

을 수행하고 있다. 국내 타 산업 분야도 위치정보를 활용하여 교통노선 개

선, 개인맞춤형 의료진단 서비스 개선 등으로 민간 및 공공부문에서 빅데이

터를 활용하여 가치를 창출하고 있다. 국내 농림업분야도 빅데이터활용을

시도하고 있으나 타 산업 분야나 외국 활용사례에 비해서는 저조하다.

이러한 여건에서 본 연구는 농림업 분야의 빅데이터 활용 현황 및 실태

파악과 국내외 활용사례 분석, 빅데이터 활용 수요조사를 통해 빅데이터 활

용도를 제고시킬 수 있는 방안을 제시하기 위해 수행하였다. 연구방법은 관

련문헌 및 자료조사, 온라인 검색을 통한 국내외 빅데이터 활용사례 발굴,

전문가 자문회의와 설문조사를 통해 빅데이터 활용 실태와 수요부문을 파

악했다. 빅데이터 국내외 활용사례는 지표별로 평가하여 비교분석하고 전

문가자문회의, 국내외 빅데이터 활용사례 비교분석 결과를 근거로 국내 농

림업분야 활용도 제고를 위한 시사점을 도출하였다.

제2장에서는 빅데이터의 개념과 종류, 활용사례, 활용 실태 및 제약요인을

제시하였다. 빅데이터란 규모가 방대하고, 생성 주기도 짧으며 형태도 수치

요약 및 결론128

데이터뿐만 아니라 문자와 영상 데이터를 포함하는 대규모 데이터를 뜻한다.

빅데이터의 가장 큰 특징은 3V(Volume, Variety, Velocity)로 대표되며, 데이

터의 양(Volume), 데이터 종류 및 출처의 다양성(Variety), 데이터 입출력의

속도(Velocity)가 빅데이터가 가지는 장점이자 특징이라 할 수 있다. 농림업

분야에서 3V 중 한 개 조건만이라도 충족할 경우 빅데이터라고 정의한다면

정부기관의 빅데이터는 농림축산식품부의 농업경영체정보, 농촌진흥청의

소비자패널 정보 등이 빅데이터에 해당된다. 3V 조건이 전부 충족되어야 빅

데이터라고 정의내린다면, 농협의 농가출하 데이터나 스마트팜 농가 등의

민간데이터에 한정되어 빅데이터가 거의 없는 실정이라고 볼 수 있다.

농림업분야 빅데이터 활용이 초기 단계이기 때문에 빅데이터 활용사례를

소개하여 분석절차, 분석방법, 분석차별성에 대한 이해도를 높일 필요성이

있으므로 국내외 농림업분야 활용사례를 예를 들어 설명하였다. 빅데이터

활용사례 내용은 구체적인 활용목적과 분석 단계가 가치사슬별로 어느 단

계에 해당되는지를 판단하였다. 분석자료는 정형데이터와 비정형데이터 및

공공데이터와 민간데이터별로 구분하여 제시하였고 구체적으로 활용된 데

이터 내용에 대해 설명하였다. 분석방법으로는 회귀모형 등의 통계분석이

활용되었는지, 또는 웹데이터를 활용한 실시간 분석이 활용되었는지 등에

대해서 자세히 서술하였으며, 이를 통해 어떤 분석결과를 얻어서 활용하였

는지 등을 제시하였다.

농림업분야의 빅데이터 활용 현황 및 실태를 살펴보면, 빅데이터에 대한

인지도는 높은 편이지만, 빅데이터 분석에 대한 이해도는 낮은 편이다. 농

림업분야 전문가들도 관련정보 수집과 업무 수행에서 빅데이터를 활용한

경험은 많지 않다. 공공데이터를 활용하지 않는 가장 큰 이유는 ‘어떠한 자

료를 어느 사이트에서 어떤 형태로 수집할 수 있는지 잘 몰라서’이다.

빅데이터 분석의 주요 제약요인은 자료가 부족하고 수집이 어렵다는 점

이다. 빅데이터 분석목적을 실현하기 위해 단계별로 다양한 종류의 데이터

가 필요하지만 자료가 없거나 단절되는 경우가 많아 분석에 어려움이 있다.

데이터의 다양성 측면에서는 타분야에 비해 양이 적고 표준화 미비, 낮은 신

뢰성, 데이터 간 연계성과 시의성이 부족하다는 제약요인이 존재하고 있다.

요약 및 결론 129

제3장에서는 국내외 빅데이터 활용사례를 비교분석하고 국내 농림업분야

에 벤치마킹할만한 사례들을 제시하였다. 국내 농림업분야의 빅데이터 활

용사례를 국내 타산업분야 및 해외 활용사례와 비교할 경우 국내 농림업 분

야의 활용 현황 및 위치를 진단할 수 있을 뿐만 아니라 향후 활용도를 제고

시키기 위한 시사점들을 얻을 수 있기 때문이다. 분석결과 정책적으로 활용

할만한 사례는 한국이 가장 많은 반면, 미국과 일본은 사업체(비즈니스) 측

면에서 활용할만한 사례가 많았다. 한국의 농림업분야 활용사례 부문은 소

비부문이 많고 생산부문 사례는 적은 반면, 미국과 일본은 생산부문 활용사

례가 많았다. 국내 농림업분야에서 마케팅 성과 제고를 위한 사례는 상대적

으로 적은 편이다. 빅데이터 분석 자료의 형태는 국내외 농림업분야, 타산

업 분야 모두 정형데이터를 활용한 비율이 가장 많았고 국가별로 사용한 자

료 유형의 차별성은 별로 없었다. 국내 농림업분야에 적용할 가능성이 높아

벤치마킹할 만한 사례는 타산업분야에 많았다.

제4장에서는 농림업분야 빅데이터 활용에 대한 수요 분석과 농림업부문

빅데이터 활용이 미칠 영향을 전망하였다. 농림업 분야 빅데이터 활용도를

제고하기 위해서는 활용경험이 있는 수요자뿐만 아니라 향후 활용가능성이

높은 잠재 수요자를 대상으로 빅데이터 활용의 필요성, 활용 전망, 활용에

필요한 품목 및 분야 등을 조사하였다.

농림업 분야에서 빅데이터 활용에 대한 수요가 가장 큰 부문은 ‘생산분야’

이며, 빅데이터를 활용함으로써 가치창출이 가장 높아질 것으로 예상되는

분야 역시 ‘생산분야’이다. 빅데이터의 활용경험에 영향을 주는 요인으로서

응답자의 일반적 특성인 ‘학력’은 유의하지 않은 반면, ‘빅데이터 분야 업무

경력’이 유의하게 영향을 미쳐 빅데이터 업무경력이 많을수록 활용경험이

많은 것으로 나타났다. 농림업분야에서 빅데이터 활용이 보편적인 방식이라

기보다는 일부 빅데이터에 관심이 있거나 업무를 담당하는 사람들만 제한적

으로 활용하는 것임을 알 수 있다. 빅데이터 분석의 필요성에는 빅데이터

인지도와 활용경험이 유의하게 영향을 미치는데, 이는 아직 빅데이터 분석

및 활용방법이 전 계층에 충분히 알려져 있지 않음을 시사한다.

우리나라 농림업분야에서 빅데이터를 활용하여 경영효율성을 높이는 시

요약 및 결론130

도는 세계적으로 늦지 않은 편이며, 활용도 제고를 위해 적극적으로 노력할

필요가 있다. 빅데이터 활용 가능성 및 가치가 크며 중장기적으로는 이미지

데이터, 사물인터넷(IoT), 인공지능(AI) 등 실시간으로 생성·축적되는 빅데

이터를 활용하는 수준까지 발전할 전망이다. 빅데이터 활용은 국내 농식품

산업에도 크게 영향을 미칠 전망이며, 특히 빅데이터 분석을 통해 ‘수급예

측 정확도 제고’와 ‘생산효율성 증대’가 기대된다.

제5장에서는 빅데이터 활용도 제고 방안을 제시하였다. 현재 농림업분야

의 빅데이터 활용에 있어서 여러 가지 약점이 있는 반면, 강점과 기회요인

도 많이 가지고 있다. 빅데이터 활용여건의 약점을 극복하고 강점과 기회요

인을 살려 빅데이터 활용효과를 높여야 할 것이다. 빅데이터 활용도 제고

방안은 기본방향과 세부 추진 방안으로 구분하여 제시하였으며, 기본방향

은 빅데이터 활용 제약요인을 개선하는 측면에서 빅데이터 활용에 대한 이

해도 증진, 빅데이터 분석의 성공가능성 제고, 빅데이터 활용도 제고 지원

의 전문성 강화, 단기 및 중장기 추진과제로 구분하여 제시하였다.

빅데이터 활용의 이해도 증진을 위해서는 첫째, 빅데이터 활용 교육 및

홍보를 확대해야 한다. 농림업분야 전문가들의 빅데이터(용어)에 대한 인지

도는 높지만 빅데이터 분석방법 등에 대한 이해도는 낮은 편이기 때문이다.

따라서 빅데이터 분석의 개념과 활용의 필요성 및 기존 분석 대비 차별성을

체계적으로 홍보할 필요가 있다. 이를 위해 빅데이터 개념 및 종류, 활용가

치 및 증대 가능성, 국내외 빅데이터 활용 성공사례 등을 매뉴얼 및 활용사

례집으로 제작·배포하는 것이 필요하다. 둘째, 빅데이터 분석 시나리오를

제공해야 한다. 빅데이터 활용을 활성화하기 위해서는 어떤 목적으로 어떤

데이터를 이용하여 빅데이터를 분석할 것인지에 대한 아이디어가 있어야

한다. 빅데이터 분석주제를 정할 때 여러 가지 데이터 간 결합에 의한 분석

시나리오를 설정할 수 있다. 자료결합 유형은 정형데이터 간 결합, 정형 및

비정형데이터 결합, 비정형데이터만의 분석 등으로 다양하게 존재한다. 빅

데이터 분석 주제에 맞는 분석을 수행하기 위해 가능한 데이터 간 결합 시

나리오를 본문에 제시하였다. 셋째, 국내 타산업분야와 외국의 빅데이터 활

용사례를 살펴보고 국내 농림업분야 적용 가능성이 높은 사례들을 발굴하

요약 및 결론 131

여 벤치마킹하여 빅데이터 활용성과를 높여야 한다. 국내 농림업분야 빅데

이터 활용사례는 정책적으로 활용하기에 적합한 경우가 많은 반면, 미국과

일본에서는 사업체(비즈니스) 측면의 활용사례가 많다. 사업체(비즈니스)

측면에서 미국의 활용사례 중 벤치마킹할 수 있는 사례는 C3(농산물 파종

상황 모니터링 모바일 서비스), C8(IBM 정밀농업 시스템), 일본사례 중에

서는 D2(버섯재배를 위한 환경조절 솔루션), D3(시설원예에서의 ICT 기술

적용), D7(ICT 기반 가축생산 안전성제고 시스템) 사례이다. 일본의 빅데이

터 활용사례에서 생산성 향상을 위해 벤치마킹할 수 있는 사례는 D1(신선

한 채소를 필요로 하는 실내재배공급 솔루션), D2(버섯재배를 위한 환경조

절 솔루션), D3(시설원예에서의 ICT 기술 적용), D4(Intelligent society

solution 식·농 클라우드, AKISAI) 등이다. 마케팅 분야에서는 국내 타산업분

야의 B1(LG 빅데이터 소비자 수요분석 플랫폼 운영), B3(FNS 코오롱의 매

출수요 분석 활용), B4(KB 국민카드의 소비자 카드매출 데이터 분석) 등을

벤치마킹할 수 있다.

농림업분야 빅데이터 분석의 성공가능성을 높이기 위해서는 데이터 공개

및 공유 확대, 데이터 품질개선, 데이터 활용제약 유형별 개선사항을 해결

해야 한다. 이를 위해 첫째, 데이터 공개 및 공유 확대는 정형데이터, 비정형

데이터를 결합하여 분석하는 특징 때문에 가장 필요한 부분이다. 빅데이터

생성 및 보유기관에서 데이터를 공개하지 않는 이유가 있겠지만 단계별로

정보 공개 및 공유를 확대해야 하며 정부가 적극적으로 관련 제도를 개선할

필요가 있다. 본문에 데이터 공개 및 공유를 확대한 사례를 발굴하여 제시

하였으므로 벤치마킹할 필요가 있다. 둘째, 데이터 품질 개선이 필요하며,

이를 위해 데이터 표준화와 결측데이터 구축 등이 필요하다. 빅데이터 분석

이 기존에 생성·축적되고 있는 데이터를 최대한 활용하여 분석하는 데 의미

가 있지만, 데이터 간 연계분석 과정에서 발생하는 제약사항을 완화시켜준

다는 의미에서 데이터의 품질 개선과 생성을 위한 지원이 필요하다. 셋째,

빅데이터를 활용하여 연구과제를 수행하거나 사업모델을 개발할 때 겪는

가장 큰 어려움은 데이터 수집과 분석방법에서 나타난다. 데이터 수집 시

나타나는 어려움은 데이터 보유기관에서 자료를 제공하지 않기 때문에 빅

요약 및 결론132

데이터 분석을 시도하지 못하는 것이다. 이러한 자료수집의 어려움은 정부

의 협조하에 개인식별정보를 제거하여(익명화) 제공·활용하거나 개별적 접

근보다는 협회나 생산자 단체와 연계해서 수행하는 것이 중요하다. 각 공공

기관 및 민간업체에게도 데이터 제공에 대한 동기를 부여하는 방안이 필요

하다. 또 다른 유형의 어려움은 빅데이터 분석목적에 맞는 자료 수집과 분

석방법을 잘 모르기 때문에 나타나는 어려움이다. 국내 실정에서는 농림업

분야의 산업체뿐만 아니라 일반적인 농업정보 전문가들도 빅데이터 활용경

험이 많지 않다. 따라서 빅데이터 활용 수요자들이 자료수집과 분석을 시도

할 때 전문기관에서 ‘빅데이터 수집·제공’과 ‘빅데이터 분석’ 서비스를 제공

할 경우 활용도가 훨씬 더 높아질 것이다.

빅데이터 활용도를 높이기 위한 방안들은 빅데이터 활용도 제고를 위한

교육 및 홍보, 데이터 공개 및 공유체계 확대, 데이터 품질 제고, 제도개선

등 네 가지 부문으로 구분하여 제시하였다. 이러한 빅데이터 활용도 제고

방안들은 빅데이터 분석의 특성상 정부 등 특정 주체만으로 개선하기는 매

우 힘든 일이다. 따라서 정부와 공공기관, 민관기관이 협력함으로써 활용도

제고 성과를 높여야 한다. 정부의 역할은 빅데이터 활용 이해도 제고를 위

한 교육 및 홍보, 데이터 공개 및 공유범위 확대를 위한 제도개선, 빅데이터

표준성과 일관성을 높이기 위한 자료관리, 빅데이터 전문기관 설립 및 운영

에 대해 전반적으로 주도적인 역할을 수행해야 한다.

농림업분야 빅데이터 활용의 전문성을 제고하기 위해서는 빅데이터 업무

를 전문적으로 수행할 수 있는 기구를 운영해야 한다. 농림업분야의 데이터

는 타산업분야와 달리 품질속성의 차이가 크기 때문에 농림업분야의 전문

성을 가지는 전문기관이 필요하며, 전문기관은 빅데이터 정보 수집 및 공유

체계 구축과 공공기관 데이터 공개에 대한 지침마련, 국가차원의 빅데이터

보유기관과 연계를 강화해야 한다. 빅데이터 활용도를 높이기 위해서 필요

한 제도개선 및 법률 수정을 추진해야 하며, 데이터 공개와 관련하여 공개

를 제한하고 있는 법률 조항과 수정이 필요하다. 공공기관은 빅데이터 활용

도 제고를 위한 인식 제고의 선도적인 역할을 수행하면서, 단계적으로 데이

터 공개 및 공유범위를 확대해야 한다. 공공기관은 데이터 공유 및 활성화

요약 및 결론 133

를 위해 정부정책과 공조하는 적극적인 협력이 필요하며, 민간부문은 빅데

이터 분석의 필요성에 대한 이해와 빅데이터 분석의 차별성을 인지해야 한

다. 농협, 농가 등은 빅데이터 활용의 중요성 인식과 공유의 확대가 필요하

다. 빅데이터 활용의 이해도를 높이기 위해 단기적으로 국내외 활용사례 발

굴, 매뉴얼/활용사례 발간, 정책부서 및 공공기관 관련자 교육을 실시하며,

중장기적으로는 이해도 증진 대상을 공공부문에서 민간부문으로 확대해야

한다.

본 연구는 농림업분야의 빅데이터 활용실태를 진단하고 활용도 제고 방

안을 제시했다는 점에서 차별성과 의의를 가진다. 농림업분야 정책수립자,

연구자, 사업체 등 전문가들 모두 빅데이터 분석을 수행할 경우 새로운 가

치를 창출할 수 있고 앞으로 활용가치와 중요성이 매우 커질 것으로 예상하

고 있다. 하지만 실제로 빅데이터 분석을 시도할 경우 자료수집에서부터 분

석을 위한 자료 가공, 분석방법 접근 등 여러 가지 어려움에 직면하고 있다.

그럼에도 불구하고 국내 농림업분야에서 빅데이터 활용은 초기단계이기 때

문에 이러한 제약요인들을 어떻게 개선할지, 빅데이터 활용에 대해 어떻게

접근하도록 안내할 것인지에 대한 체계적인 개선방안이 없는 실정이다. 정

책적으로도 농림업 빅데이터에 대한 관리나 활용 활성화를 위한 계획은 미

진한 편이다. 현재 정책적으로 추진되고 있는 스마트팜 등의 정책지원도 결

국에는 빅데이터에 기반을 두어야 하므로 데이터 생성과 축적을 위한 정부

의 중장기계획수립과 지원은 매우 중요하다. 정부에서 빅데이터 관련 지원

의 전문성을 높여야 하며, 이를 위해 전문기관 운영, 공공 및 민간분야의 데

이터 공유를 위한 협력체계를 이끌어내는 것이 매우 중요하다. 농림업분야

빅데이터 활용을 활성화하기 위해서는 지속적으로 타산업과 외국의 활용사

례를 심층적으로 조사하여 빅데이터 활용을 높일 수 있는 콘텐츠 개발과 인

프라 조성이 필요하다.

빅데이터 수요조사 결과에 근거하여 빅데이터 활용도 제고 방안을 제시

할 경우 정책의 현실성과 효과를 높일 수 있기 때문이다. 향후 빅데이터 이

용에 대한 지불의사금액 추정, 비용편익 분석을 통해 빅데이터의 효과에 대

한 정량적 근거를 마련할 필요가 있다.

부 록134

부록 1

국내외 빅데이터 활용사례 목록과 평가지표별 평가결과

1. 국내외 빅데이터 활용사례 목록

사례번호 사례명 출처

A1 중국 도시가계 식품소비패턴의 지역적 차별성에 대한 연구 정병호 외(2013)

A2 빅데이터 기반 영주 사과작황정보 서비스 농수산식품교육문화정보원(2014)

A3 2015 괴산 세계유기농산업엑스포 홍보 프로모션 전략수립 정삼철 외(2014)

A4 중국 바이두 빅데이터를 활용한 한국식품 온라인 마케팅 전략 aT(2014)

A5 2015 식품산업 소셜미디어 키워드 분석 김관수 외(2015)

A6 충남정책 키워드의 SNS 데이터 분석 임화진(2014)

A7도홈페이지 및 포털사이트 빅데이터 분석을 통한 정부 3.0

도민맞춤형 계획수립더아이엠씨(2014)

A8 산불위험예보 실시간 웹서비스 산림청(2015)

A9 산사태 정보시스템산림청 홈페이지

(http://www.forest.go.kr)

A10 스마트팜 국내외 기술동향 박정환(2016)

A11 빅데이터를 활용한 수요변동 분석 조인호 외(2014)

A12 인공신경망을 이용한 가격예측 모형 개발 최영찬 외(2015)

A13 국가식품클러스터: 한국 및 동북아 식품시장분석 정병호 외(2013)

A14 라면 발암물질 사건 이후 소비심리 회복 분석 정병호 외(2013)

A15 빅데이터 기반 소비자 유형별 농식품 추천시스템 구축 문정훈 외(2015)

A16빅데이터를 활용한 휴양림 이용객현황과 인터넷 검색어의

상관관계 분석최재혁 외(2015)

A17ICT 기반 센서 자료와 적용을 통한 온실 환경조절에 있어서

차이 분석장익훈 외(2016)

A18 빅데이터 기반 가축질병 확산 위험도 분석 농림축산식품부(2016)

<부표 1-1> 국내 농림업분야 빅데이터 활용사례 목록

부 록 135

사례번호 사례명 출처

B1 LG 빅데이터 소비자 수요 분석 플랫폼 운영 이재성 외(2014)

B2 포스코 ICT의 생산과정 컨섵팅 활용포스코 뉴스사이트

(http://www.posco.co.kr)

B3 FNS 코오롱의 매출수요 분석 활용 하상호(2014)

B4 KB 국민카드의 소비자 카드매출 데이터 분석 이유재 외(2014)

B5 Daum 폭우지도를 활용한 수해예방 체제 구축 김지애(2016)

B6 항공분야 사고발생 가능요인 분석 박진서 외(2014)

B7 제조분야에서의 빅데이터 기술 활용 장영재(2012)

B8 빅데이터 거래 서비스 시스템 구축방안 추병조(2014)

B9 오피니언 마이닝을 통한 스마트 워치 출시 전후 소비자 반응 이종호 외(2016)

B10 SNS 소셜 빅데이터를 활용한 의류 소비자 특성 정혜정 외(2016)

B11 보건복지 분야의 빅데이터 활용 연구 김지애(2016)

B12 국내 유가예보 서비스 이재학 외(2013)

B13 서울시 교통 서비스의 최적 노선과 배차간격 도출 성지은 외(2014), 복경수 외(2014)

B14 국토교통부 자동차관리 시스템 이재학 외(2013)

B15 모바일 빅데이터를 활용한 재난 대응방안 김종학 외(2016)

B16 경상남도 빅데이터 활용방안 박병주(2015)

<부표 1-2> 국내 타산업분야 빅데이터 활용사례 목록

부 록136

사례번호 사례명 출처

C1 네슬레의 식품안전 조기경보 시스템 O’Brien, John(2013)

C2 빅데이터를 이용한 기상예측 시스템(Deep Thunder) Ulissess(2016)

C3 농산물 파종상황 모니터링 모바일 서비스 Farm Industry News(2016)

C4 공공기후 데이터를 이용한 기후보험 개발·판매 시스템 The Big Data Market(2016)

C5 빅데이터를 이용한 관수 시스템 개발

“IBM and Gallo Winery Built a Big Data

Irrigation System for Wine - Fortune.”

2016

C6 저비용 관개시스템 애플리케이션: CropX “Irrigation Soil Sensors: CropX.” 2016

C7빅데이터를 이용한 대형 식품매장(smart grocery)

배달관리 시스템Desai, Parag, Potia, and Salsberg(2016)

C8 IBM 정밀농업 시스템 “IBM Research: Precision Agriculture.”

C9 빅데이터를 이용한 농산물 공급체인 개선Smith, Derik Lafayette, and Satya

Prakash Dhavala(2013)

C10 셀폰데이터를 활용한 개도국 식품가격 예측Mining Indonesian Tweets to

Understand Food Price Crises(2013)

C11 빅데이터를 이용한 농업 환경정책 평가ntle, John, Susan Capalbo, and Laurie

Houston(2015)

C12 택배서비스(UPS) 최적경로 추적시스템 개발 Why Big Data Is a ‘How’ at UPS, Not a

‘What’(2016)

C13 빅데이터를 이용한 맞춤형 광고전략 수립Big Data and Advertising: What Could

Be the Possible Uses(2015)

C14 기업체의 소비자 온라인 평판관리“Big Data For Reputation Management

Blogs News”(2016)

C15 구글 플루 트렌드 분석 및 예측Lazer, David, Ryan Kennedy, Gary King,

and Alessandro Vespignani(2014)

C16 구글 연관검색어를 이용한 살모넬라 발병률 분석 Rownstein, Freifeld, Madoff(2009)

C17 빅데이터를 활용한 금가격 예측 G, Vadivu, and navin(2015)

C18 빅데이터를 이용한 맞춤형 질병예측 시스템 개발 Zhang, Xiaohua Douglas(2015)

C19 슈퍼컴퓨터를 이용한 화재 예측

Tarantola, Andrew. 2016. “How Big Data

Is Helping Snuff Out California’s Wildfire

Epidemic.”

C20 국가 간 질병예측 시스템Brownstein, John S., Clark C. Freifeld,

and Lawrence C. Madoff(2009)

C21 빅데이터를 활용한 미국 교통시스템 개선 Neumann, Carl-Stefan(2016)

<부표 1-3> 미국의 빅데이터 활용사례 목록 (농림업 및 타산업분야)

부 록 137

사례번호 사례명 출처

D1 신선한 채소를 필요로 하는 실내재배공급 솔루션 S-cubism Group(2013)

D2 버섯재배를 위한 환경조절 솔루션 Tsukiyono Kinokoen(2014)

D3 시설원예에서의 ICT 기술 적용 Linda(2016)

D4 Intelligent society solution 식․농 클라우드 AKISAI Fujitsu group(2015)

D5 벼농사의 수급증대를 위한 계획 서비스 TOYOTA group(2014)

D6 농산물 무인판매시스템-클라우드측 서버시스템 개발 Tokumasu T. and Ootani M.(2014)

D7 ICT 기반 가축생산 안전성제고 시스템 Tamaki S. and Hirata T.(2013)

D8 재해예측을 위한 신속 정확한 방재 분석기술일본 후지츠 홈페이지

<http://jp.fujitsu.com/solutions/cloud/agri>

D9 농업정보의 표준화 및 정보취급 관련 정책 일본 농림수산성(2016)

D10 소비와 공급의 공급체인(SCM) 효율화 GLOCOM & GOOGLE 연구회(2015)

D11 기상 빅데이터를 통한 농업용 예보시스템 일본기상청(2014)

D12 농업분야 센서 네트워크 기술의 이용과 과제 Fukatsu(2014)

D13 빅데이터로 디자인하는 스마트농업 Ninomiya S.(2015)

D14 주관적 정보부여 농장정보 시스템 “농라이브” Toda H. et al.(2013)

D15 이동자를 고려한 재해 발발이후 지원시스템 Mimura S. et al.(2013)

D16 소비 데이터 포맷 통일 및 규격화 GLOCOM & GOOGLE 연구회(2015)

D17 오픈필드서버 및 센서 클라우드 시스템 개발 Hirafuji A. et al.(2013)

D18 마케팅정보의 빅데이터 활용 Hiroshi N.(2015)

D19 이중협력형 재해정보시스템 실현을 위한 기반기술 개발 Fujio T. et al.(2014)

D20 원전방출 빅데이터 분석 동일본대지진 빅데이터 워크숍(2013)

D21재해 빅데이터 활용 시스템, 피해정도 지도 맵핑 및 위치

정보 제공동일본대지진 빅데이터 워크숍(2013)

D22 의료에 앞선 질병확산 방지를 위한 빅데이터 분석 Hoshino T.(2015)

<부표 1-4> 일본의 빅데이터 활용사례 목록 (농림업 및 타산업분야)

부 록138

2. 국내외 활용사례의 평가지표에 의한 평가결과

구분사례번호

활용주체 활용분야 활용목적 분석자료 분석방법활용도

제고가능성

국내

농림업

분야

A1 3 3 4 1 1 1

A2 2 2 4 3 1 2

A3 2 3 4 2 3 1

A4 1 3 3 1 3 1

A5 3 3 4 3 3 1

A6 2 3 4 2 3 2

A7 2 3 4 2 3 2

A8 2 5 4 1 1 2

A9 2 5 4 1 1 2

A10 2 1 1 3 1 2

A11 3 3 2 2 1 1

A12 2 2 4 1 1 1

A13 1 3 3 1 1 1

A14 1 3 3 3 3 1

A15 3 3 3 3 1 2

A16 2 2 4 2 1 1

A17 1 1 1 1 1 1

A18 2 4 4 1 1 1

<부표 1-5> 국내 농림업분야 빅데이터 활용사례의 평가지표별 평가결과

구분사례번호

활용주체 활용분야 활용목적 분석자료 분석방법국내농립업적용가능성

국내

타산업

분야

B1 1 3 3 2 2 2

B2 1 1 1 1 1 2

B3 1 2 3 1 1 1

B4 1 3 3 1 1 1

B5 2 5 4 2 3 3

B6 3 5 4 2 3 1

B7 1 1 1 1 1 3

B8 3 2 2 2 1 3

<부표 1-6> 국내 타산업분야 빅데이터 활용사례의 평가지표별 평가결과

부 록 139

구분사례번호

활용주체 활용분야 활용목적 분석자료 분석방법국내농립업적용가능성

국내

타산업

분야

B9 1 3 3 2 3 1

B10 1 3 3 2 3 1

B11 3 4 4 1 1 1

B12 2 2 4 1 1 3

B13 1 2 2 1 1 1

B14 2 2 4 1 1 1

B15 2 5 4 1 1 3

B16 2 4 4 1 1 1

(계속)

구분사례번호

활용주체

활용분야

활용목적

분석자료

분석방법

국내농립업적용가능성

농업/비농업구분

미국

사례

C1 1 3 3 3 3 1 1

C2 1 1 1 1 1 2 1

C3 1 1 1 1 1 1 1

C4 1 1 1 1 1 1 1

C5 1 1 1 1 1 2 1

C6 1 1 1 1 1 3 1

C7 1 3 3 3 1 1 1

C8 1 1 1 1 1 2 1

C9 3 2 2 3 1 3 1

C10 3 2 2 3 1 3 1

C11 2 1 4 1 1 2 1

C12 1 2 2 1 1 2 2

C13 1 3 3 3 1 1 2

C14 1 3 3 2 3 2 2

C15 3 4 4 2 3 1 2

C16 3 4 4 2 3 1 2

C17 3 2 2 1 1 3 2

C18 2 4 4 1 1 2 2

C19 2 5 4 3 1 2 2

C20 2 4 4 2 1 2 2

C21 2 2 4 1 1 3 2

<부표 1-7> 미국 빅데이터 활용사례의 평가지표별 평가결과

부 록140

구분사례번호

활용주체

활용분야

활용목적

분석자료

분석방법

국내농립업적용가능성

농업/비농업구분

일본

사례

D1 1 1 1 1 1 2 1

D2 1 1 1 1 1 2 1

D3 1 1 1 1 1 1 1

D4 1 1 1 1 1 2 1

D5 1 1 1 1 1 2 1

D6 1 2 2 1 1 3 1

D7 1 1 1 1 1 1 1

D8 2 5 4 3 1 3 1

D9 2 2 4 1 1 3 1

D10 3 2 4 1 1 3 1

D11 2 5 4 1 1 2 1

D12 3 1 1 1 1 2 1

D13 3 1 1 3 1 2 1

D14 1 2 3 1 1 3 1

D15 1 5 3 3 1 3 2

D16 2 2 4 1 1 3 2

D17 2 1 3 3 1 3 2

D18 1 3 3 1 1 1 2

D19 2 5 4 3 1 2 2

D20 2 5 4 2 1 3 2

D21 2 5 4 2 1 3 2

D22 3 4 4 1 1 1 2

<부표 1-8> 일본 빅데이터 활용사례의 평가지표별 평가결과

부 록 141

부록 2

국내외 빅데이터 활용사례 요약내용

1. 국내 농림업분야 활용사례

A1. 중국 도시가계 식품소비패턴의 지역적 차별성에 대한 연구

중국 도시가계 식품소비패턴의 지역적 차별성에 대한 연구 사례는 비즈

니스 분야 활용사례이다. 활용주체는 수출시장 진출 수출업체 및 연구자이

며, 분석목적은 중국관련 정책수립자와 농식품 수출업체에게 정보를 제공

하는 것이다.

분석자료는 중국통계연감과 지역별 특성자료를 활용하였으며 군집분석, 시

계열 회귀분석 등을 통해 데이터를 분석하였다. 국가별 빅데이터를 분석한 정

보에 근거하여 농식품 수출시장 진출 전략을 수립하고 정보를 제공할 수 있다.

구분 내용

활용 주체 - 연구자, 수출시장 진출 수출업체

활용 분야 - 소비

활용 목적 - 중국관련 정책수립자와 농식품 수출업체에게 정보 제공

활용 자료- 중국 통계연감- 지역별 특성자료: 기후, 토양의 비옥도, 문화, 역사, 공업구조 등

활용 방법- 군집분석- 지역 간 식품소비 패널자료에 대한 시계열 회귀분석

분석 결과

- 일인당 실질가처분소득은 모든 부문별 식품소비지출을 결정하는 주요 요인이며, 이의 증가는 모든 부문에서 지출을 증가시키는 것으로 나타남.

- 일부 식품부문에서 군집에 따라 소득탄력성이 유의한 차이를 보임. 일인당 실질가처분소득에 대한 부문별 식품의 실질소비지출의 변화율은 현저히 낮은 수준이어서 군집에 따른 부문별 식품소비가 대부분 소득 비탄력적이었으나, 특정 군집에 속한 지역들의 일부 소비지출은 소득탄력적인 특성을 보임.

기대효과 및 농림업분야 활용 가능성

- 농식품 수출시장 진출 전략을 국가별 빅데이터를 분석한 정보에 근거하여 수립 및 정보제공

<부표 2-1> 중국 도시가계 식품소비패턴의 지역적 차별성에 대한 연구사례

자료: 정병호 외(2013)를 참고하여 재작성함.

부 록142

A2. 빅데이터 기반 영주 사과작황정보 서비스

빅데이터 기반 영주 사과작황정보 서비스는 비즈니스 분야 활용사례이

며, 활용주체는 농가 및 농식품 생산 유통업체와 연구자 등이 될 수 있다.

활용목적은 농업관련 공공정보와 시민의 민간정보를 통합한 데이터를 분석

하여 병충해 징후 발견, 생산량 추정 등의 사과작황정보를 제공하는 것이다.

궁극적으로 사과 생산량을 증가시키고 적절한 사과가격을 책정하는 데 참

고자료로 활용하는 것이다.

분석자료는 기후, 병해충, 생산량 등 정형데이터와 SNS 등의 비정형데이

터를 활용하였고, 이를 활용해 패턴분석, 상관성분석 등을 실시하였다. 이

사례를 통해 사과 생산량 추정 및 가격동향 파악을 기대할 수 있다.

구분 내용

활용 주체- 농가 및 농식품 생산·유통업체

- 연구자

활용 분야 - 생산, 유통

활용 목적- 병충해 징후 발견, 생산량 추정, 가격동향 등의 사과 작황정보 제공

- 사과 생산량 증대 및 적정 사과가격 책정

활용 자료- 정형데이터(기후, 병해충, 생산량, 가격 데이터 등)

- 비정형데이터(SNS 기반 데이터 약 90만 건)

활용 방법- 패턴분석

- 상관성 분석

분석 결과

- 사과 작황에 영향을 미치는 병충해 징후 발견과 사과 생산 추정 및 가격동향 정보 제공을 위하여

관련 데이터를 수집하고 정확한 서비스 모형 개발

- u-IT 센서와 기상청으로부터 수집한 기후 데이터와 페로몬 트랩을 통해 수집된 병해충 유찰 수

등 정형데이터와 웹과 SNS의 병해충 데이터 등 비정형데이터를 수집, 분석하여 병해충의 발생

경위와 정보를 공유, 농민들에게 농약 살포 시기 등 유용한 정보를 제공

기대효과 및

농림업분야

활용 가능성

- 병충해 징후 발견

- 생산량 추정 및 가격동향 파악

<부표 2-2> 빅데이터 기반 영주사과작황정보 서비스 제공사례

자료: 농수산식품교육문화정보원(2014)를 참고하여 재작성함.

부 록 143

A3. 2015 괴산 세계유기농산업엑스포 홍보 프로모션 전략

괴산 세계유기농산업엑스포 홍보 프로모션 전략 사례는 비즈니스 분야

활용사례이다. 활용주체는 유기농산업체, 엑스포 행사 주최자와 정책담당자

등이며, 활용목적은 SNS 빅데이터 분석을 통해 보다 방대하고 다차원적인

정보를 활용하여 효과적인 홍보방안을 제안하는 것이다.

비정형데이터(뉴스, 블로그 등 온라인 데이터)를 활용하여 연관 키워드분

석, 이슈 카테고리 분석 등을 실시하였다. 본 사례를 통해 효과적인 엑스포

운영 및 온라인 오프라인을 통한 홍보효과 제고, 유기농 제품개발 활성화

등을 기대할 수 있다.

구분 내용

활용 주체- 유기농산업체, 엑스포 행사 주최자(비즈니스)

- 정책담당자

활용 분야 - 생산, 마케팅

활용 목적 - SNS 빅데이터 분석을 통해 보다 방대하고 다차원적인 정보를 활용하여 효과적인 홍보방안을 제안

활용 자료 - 비정형데이터(뉴스, 블로그 등 온라인 데이터)

활용 방법- 연관 키워드 분석

- 이슈 카테고리 분석

분석 결과

- 유기농 연관 키워드 분석 결과, 연관 빈도가 가장 높은 키워드는 제품으로 나타났으며 유기농

제품에 대한 관심도가 높은 것으로 분석됨.

- 유기농과 관련하여 주로 건강 목적으로 소비자들의 구매가 이루어지고 있으며, 이와 관련된 제품의

언급 빈도가 높게 나타남.

- 유기농과 관련해 성별 측면에서는 여성, 연령대로는 아이를 가진 미즈맘(20~30대)이 주요

관심대상으로 나타남. 미즈맘은 자녀의 건강을 위한 유기농 제품의 구매를 고려하면서 많이 나타난

경우임.

기대효과 및

농림업분야

활용 가능성

- 유기농 가공제품 생산업체 중심의 엑스포 운영과 다양성 제고

- 온라인 커뮤니티 및 오프라인 매장을 통한 홍보

- 유기농 제품개발 활성화

<부표 2-3> 2015 괴산 세계유기농산업엑스포 홍보 프로모션 전략수립 사례

자료: 정삼철 외(2014)를 참고하여 재작성함.

부 록144

A4. 중국 바이두 빅데이터를 활용한 한국식품 온라인 마케팅 전략

중국 바이두 빅데이터를 활용한 한국식품 온라인 마케팅 전략 사례는 비

즈니스 분야 활용사례이다. 활용주체는 식품업체이며, 활용목적은 중국시장

내 한식의 종류별 관심도 추이를 도출하는 것이다.

비정형데이터를 활용하여 한국요리의 검색빈도 추이, 10대 연관검색어 등

의 연관검색어 분석을 실시하였다. 이 사례를 통해 중국시장 내 한국식품의

경쟁력을 도출할 수 있으며, 인터넷 홍보모델 등을 한국식품에도 적용할 수

있을 것으로 기대된다.

구분 내용

활용 주체 - 식품업체

활용 분야 - 유통

활용 목적 - 중국시장 내 한식의 종류별 관심도 추이 도출

활용 자료 - 비정형데이터(연관 검색어)

활용 방법 - 연관검색어 분석

분석 결과

- 한국요리의 검색빈도 추이, 10대 연관검색어 분석

- 바이두 빅데이터팀과 함께 한식 관련 키워드 12개를 선정. 이후 1개의 키워드에 대한 검색횟수

추이를 살펴봄. 키워드 검색이 발생한 지역을 분석하여 1위부터 10위까지 추출함.

- 바이두 빅데이터 연관검색어 분석 결과 중국 네티즌에게 어필하는 한식의 강점은 고급스러운

이미지, 건강하고 다이어트에 도움이 된다는 점, 집에서 요리하기가 간편하다는 점 등 세 가지로

압축할 수 있음.

기대효과 및

농림업분야

활용 가능성

- 인터넷 홍보모델, 한국식품에도 복제가능

- 개별 한국식품 역시 바이두 빅데이터를 통해 중국시장에서의 경쟁력을 도출해 낼 수 있으며, 이를

기반으로 한 콘텐츠를 바이두, 시나웨이보, 웨이신을 통해 전파할 수 있음.

- 기업 자체노력과 기관 지원

- 검색어분석 통해 중국시장 내 한국식품의 경쟁력을 도출할 수 있음.

<부표 2-4> 중국 바이두 빅데이터 활용한 한국식품 온라인 마케팅 전략수립 사례

자료: 한국농수산식품유통공사(2014)를 참고하여 재작성함.

부 록 145

A5. 2015 식품산업 소셜미디어 키워드 분석

2015 식품산업 소셜미디어 키워드 분석은 정책 분야에 활용할 수 있는 사

례이다. 활용주체는 정부 및 연구자 등이며, 활용목적은 빅데이터 분석기법

을 활용한 식품산업의 10대 이슈 선정이다.

도매시장 가격, 통계청 생산자료 등의 정형데이터를 활용하여 소셜버즈별

키워드 분석을 실시하였다. 본 사례를 통해 정부 및 관련업계는 이슈의 전말

과 진실에 대한 정확한 사실을 전달하고 소비자의 혼란을 방지할 수 있으며,

식품안전문제에 대한 신속하고 정확한 대응이 가능할 것으로 기대된다.

구분 내용

활용 주체

- 식품사업자

- 정부(식품안전정책 동향)

- 연구자(식품소비동향 분석 및 예측)

활용 분야 - 생산

활용 목적 - 빅데이터 분석기법을 활용한 식품산업의 10대 이슈 선정

활용 자료 - 정형데이터(도매시장 가격, 통계청 생산자료, 기상자료)

활용 방법 - 소셜버즈(Buzz)별 키워드 분석

분석 결과

- 2015년 식품산업 관련 주요 3대 공통 검색어는 건강, 맛, 안전으로 분석됨. 건강에서는 홈메이드,

쿡방, HMR가, 맛에서는 맛의 부가, 확장, 깊이가, 안전에서는 기준과 규제가 핵심 키워드로

나타남.

- 키워드 분석 결과 이슈 발생 시 여론이 급격하게 확산되는 경향을 보였으며, 정보가 쉽사리

소모되지 않고 축적되는 온라인의 특성상 결과적으로 다양한 정보(과장된 사실 포함)가 혼재되는

경향이 있음,

기대효과 및

농림업분야

활용 가능성

- 2015년 선풍적 인기를 끌었던 가정식과 맛의 확장과 더불어, 발생했던 식품안전이슈를 통해

원재료에 대한 적합한 기준 및 규정에 대한 중요성을 인지함.

- 급격한 여론 형성과 정보의 축적 및 혼재로 인하여 소비자의 입장에서 무엇이 사실인지 쉽게

파악하기 어려워짐. 정부 및 관련업계는 이슈의 전말과 진실에 대한 정확한 사실을 전달하고

소비자의 혼란을 방지하기 위한 식품안전문제에 대한 신속하고 정확한 대응이 필요함.

<부표 2-5> 2015 식품산업 소셜미디어 키워드 분석사례

자료: 김관수 외(2015)를 참고하여 재작성함.

부 록146

A6. 충남정책 키워드의 SNS 데이터 분석

충남정책 키워드의 SNS 데이터 분석은 연구자와 정책담당자들이 활용할

수 있는 사례이다. SNS 데이터 분석을 통해 충청남도와 관련된 정책 키워

드를 분석하여 충남도 핵심정책에 대한 대내외 인식을 효율적으로 파악하

고 전략을 수립하는 것이 목적이다.

분석자료는 비정형데이터(SNS 데이터)이며, 텍스트 마이닝, 연관어분석 등

의 방법을 활용하였다.

본 분석사례를 통해 농식품 정책에 대해 도내외 여론이 더욱 관심을 가질

수 있는 구체적인 사업과 대중적으로 체감할 수 있는 언어로 전달하는 것이

가능할 것으로 기대된다.

구분 내용

활용 주체- 연구자

- 정책담당자

활용 분야 - 유통

활용 목적- SNS 데이터 분석을 통해 충청남도와 관련된 정책 키워드를 분석하여 충남도 핵심정책에 대한

대내외 인식을 효율적으로 파악하고 전략을 수립하고자 함.

활용 자료 - 비정형데이터(SNS 데이터)

활용 방법- 텍스트 마이닝

- 연관어 분석

분석 결과

- SNS 미디어인 트위터를 대상으로 충청남도와 관련된 키워드를 분석하여 사회적 경제와 3농 혁신에

관한 키워드의 특성과 충남도와의 관계를 조망함.

- 여러 가지 주체가 얽혀있는 열린 네트워크를 발견할 수 있었으나 충청남도 관련 키워드가 전체

네트워크 안에서 중심을 차지하고 있지 않음. 이와 달리 3농 혁신은 충남고유의 정책으로 대부분의

언급이 충남도와 직접적으로 연관 있는 키워드지만 아직 추상적인 연관어가 많음.

기대효과 및

농림업분야

활용 가능성

- 향후 사회적 경제에 관한 정책은 전국적인 네트워크 형성에 주력하고 무대를 확장시켜 나가는 것이

필요하며 서울 및 다른 지자체와 더욱 적극적으로 연계, 협력한다면 충청남도가 사회적 경제의

허브로서 이미지를 구축해 나갈 수 있을 것임.

<부표 2-6> 충남정책 키워드의 SNS 데이터 분석사례

자료: 임화진(2014)을 참고하여 재작성함.

부 록 147

A7. 도홈페이지 및 포털사이트 빅데이터 분석을 통한 정부 3.0

도민맞춤형 계획수립

본 활용사례 분석은 연구자가 활용할 수 있는 사례이며, 도민 맞춤형 정

책 개발 및 현장감 있는 행정 추진이 목적이다.

분석자료는 비정형데이터를 활용하였으며, 텍스트 마이닝, CONCOR 분

석 등의 기법을 통해 분석하였다.

본 분석사례를 통해 행정지역 맞춤형 서비스 개발의 모형에 시사점을 찾

을 수 있으며, 실제로 본 사례를 통해 정책수립을 위한 의사결정 도구로 전

국 최초 빅데이터 분석을 통한 기초데이터를 마련하였다.

구분 내용

활용 주체 - 연구자

활용 분야 - 소비

활용 목적- 도민 맞춤형 정책 개발 및 행정적 지원 강화가 필요. 도민 맞춤형 정책 개발 및 현장감 있는 행정을

추진하기 위해 빅데이터 분석 기법 및 활용

활용 자료 - 비정형데이터(경상북도청 홈페이지, 네이버, 다음 등)

활용 방법

- 텍스트 마이닝

- 소셜네트워크 분석(Social Network Analysis: SNA)

- CONCOR(CONvergence of iterated CORrelations)분석

- 에고 네트워크 분석

분석 결과- 도민들의 경상북도청 이전에 대한 관심이 증대되고 있고, 이전시기가 가까워지면서 신도시 건설을

통한 경상북도 신성장 동력 마련 요구가 높아지고 있음.

기대효과 및

농림업분야

활용 가능성

- 광역자치단체 수준에서의 전국 최초로 빅데이터를 활용한 정책 기반 마련을 시도. 정책수립을 위한

의사결정 도구로 전국 최초 빅데이터 분석 통한 기초데이터 마련

- 빅데이터 분석을 실시하여 도민 맞춤형 서비스 개발의 모형을 제시함.

<부표 2-7> 도홈페이지 및 포털사이트 빅데이터 분석을 통한

정부 3.0 도민맞춤형 계획수립 사례

자료: 더아이엠씨(2014)를 참고하여 재작성함.

부 록148

A8. 산불위험예보 실시간 웹서비스

본 활용사례 분석은 산불정책담당자, 일반국민 등이 활용할 수 있는 사례

이다. IT를 활용한 산불발생 위험 조기예측으로 사전 대비 강화와 산불위험

예보시스템과 연동하여 산불위험정보(지수)를 신속히 전파하고 경보발령,

감시활동 강화 등 능동적 대응 실시가 주요 목적이다.

분석자료는 지형 임상 기상데이터를 활용하였으며, 지리정보시스템을 활

용한 확률모형(Probability model), Grid 중첩분석 방법을 통해 분석하였다.

본 분석사례를 통해 산불 분야뿐 아니라 장마, 태풍과 같은 국내에서 발

생하는 자연재해를 예측하는 시스템으로 확대시킬 수 있다. 해외의 성공적

인 재해 방지 빅데이터 시스템을 벤치마킹하여 현존하는 산불 재해 정보 시

스템을 업그레이드할 수 있다.

구분 내용

활용 주체 - 산불정책담당자, 일반 국민 등

활용 분야 - 재난

활용 목적

- IT를 활용한 산불발생 위험 조기예측으로 사전 대비 강화

- 산불위험예보시스템과 연동하여 산불위험정보(지수)를 신속히 전파하고 경보발령, 감시활동 강화 등

능동적 대응 실시

활용 자료 - 지형·임상·기상데이터

활용 방법- 지리정보시스템을 활용한 확률모형(Probability model)

- Grid 중첩 분석

분석 결과

- 전국 광역시·도·시·군·구 단위 실시간 위험도 제공(1시간 간격)

- 산불위험지수 및 산불위험등급 안내(인터넷, 모바일)

- 과거 실시간 산불위험도 빛 산불위험 통계자료 제공

- 전국 광역시·도·시·군·구 단위 48시간 산불위험예보(12~21시, 3시간 간격)

기대효과 및

농림업분야

활용 가능성

- 산불 분야뿐 아니라 장마, 태풍과 같은 국내에서 발생하는 자연재해를 예측하는 시스템으로

확대시킬 수 있음.

- 해외의 성공적인 재해 방지 빅데이터 시스템을 벤치마킹하여 현존하는 산불 재해 정보 시스템을

업그레이드해야 할 필요성이 요구됨.

<부표 2-8> 산불위험예보 실시간 웹서비스 제공 활용사례

자료: 산림청(2015)을 참고하여 재작성함.

부 록 149

A9. 산사태 정보시스템

본 활용사례 분석은 산사태 정책담당자, 지자체, 일반국민 등이 활용할 수

있는 사례이다. IT 기술을 활용하여 ‘산사태위험지도’와 ‘산사태예측정보’

를 제공하여 산사태로 인한 인명과 재산의 피해를 최소화하는 것이 목적이다.

분석자료는 지형도 임상도 산림입지도 지질도, 발생이력(2,000개소)의 데

이터를 활용하였으며, 이를 활용하여 확률모형 추정, 로지스틱 회귀분석 추

정 등을 실시하였다.

본 분석사례를 통해 산사태 발생에 따른 재산과 인명 피해 최소화, 중앙

및 지방정부의 산사태 발생 예방과 조기 대응에 활용, 분석 결과를 일반 국

민에게 제공하여 산사태 대비 능력제고 등을 기대할 수 있다.

구분 내용

활용 주체 - 산사태 정책담당자, 지자체, 일반국민

활용 분야 - 재난

활용 목적- IT 기술을 활용하여 ‘산사태위험지도’와 ‘산사태예측정보’를 제공하여 산사태로 인한 인명과 재산

피해 최소화

활용 자료- 지형도, 임상도, 산림입지도, 지질도

- 발생이력(2,000개소)

활용 방법- 지리정보시스템을 활용한 확률모형(Probability model)

- 로지스틱 회귀분석(logistic regression)

분석 결과

- 산사태 발생인자 가운데 임상(숲모습), 경급(나무지름크기), 사면경사, 사면방위, 사면길이,

사면곡률, 모암, 토심, 지형습윤지수(TWI)를 활용하여 산사태 발생확률을 5등급으로 구분하여 지도

제작

- 기상청 강우자료(동네예보)와 과거 산사태 발생 이력을 분석하여 11개 권역의 산사태

토양함수지수를 도출, 읍면동 단위로 예측정보 제공

기대효과 및

농림업분야

활용 가능성

- 산사태예측정보는 지역별 세부적인 토양특성(투수성, 지하수위 등)을 모두 반영하여 예측기준

(탱크모델)을 설정하는 것은 현실적으로 거의 불가능하므로 국소적으로 발생하는 산사태 예측에는

한계가 있음. 따라서 국소적 지역의 산사태를 예측할 수 있는 방법을 모색하여야 함.

<부표 2-9> 산사태 정보시스템 구축 활용사례

자료: 산림청 홈페이지(http://www.forest.go.kr) 산사태정보시스템을 참고하여 재작성함.

부 록150

A10. 스마트팜 국내외 기술 동향

본 활용사례는 농업종사자 및 연구자가 활용할 수 있는 사례이다. 국내

시장 안정화를 위한 출하/판매 이력 분석을 통한 빅데이터 프로세싱 및 판

로개척이 목적이다.

분석자료는 농가표준 실시간데이터, 이미지데이터 등을 활용하였으며, 영

상합성프로세스, 영상정보 모니터링 및 생장환경정보수집 등의 기법을 활

용하여 분석하였다.

본 분석사례를 통해 농작물 직불제 Monitoring 시스템 운영, 영상기반 농

업재해분석 시스템, 작물 품질분석 시스템 구축, 농산품 수급 안정화 모델

구축 등을 기대할 수 있다.

구분 내용

활용 주체 - 농업종사자, 연구자

활용 분야 - 생산

활용 목적 - 국내 시장 안정화를 위한 출하/판매 이력 분석을 통한 빅데이터 프로세싱 및 판로개척

활용 자료

- 농촌진흥청, AFFIS 등 전문정보

- 전문연구기관 및 U-Farm 농가의 표준 실시간 데이터

- 이미지데이터(드론 비행 및 이미지 영상 데이터)

활용 방법- Mosaic Image 생성을 통한 영상합성 프로세스

- 재배온실 영상정보 모니터링, 센서를 통한 생장환경정보수집 등

분석 결과

- 스마트 그린하우스 구축: 시설하우스 내외부의 기상 및 환경 정보와 작물 생육의 상호관련성을

인지하여 이를 기반으로 작물의 최적 생육 환경이 조성될 수 있도록 하는 제어장치(컨트롤러)를

복합적으로 관리하는 시스템

- 농가 통합 관제 서비스, 스마트 과수 콘셉트 구축 및 운영

기대효과 및

농림업분야

활용 가능성

- 농작물 직불제 Monitoring 시스템 운영

- 영상기반 농업재해분석 시스템, 작물 품질분석 시스템 구축

- 농산품 수급 안정화 모델 구축

<부표 2-10> 스마트팜 국내외 기술동향 분석사례

자료: 박정환(2016)을 참고하여 재작성함.

부 록 151

A11. 빅데이터를 활용한 수요변동 분석

본 활용사례는 연구자가 활용할 수 있는 사례이다. 웹상에서 생성되고 있

는 메시지를 이용하여 소비자관심지수를 산출한 후 소비자관심지수와 실제

소비량 사이의 관계를 검토함으로써 소비자관심지수가 소비량 변화의 즉각

적 지표로서 활용될 수 있는지를 검토하는 것이 목적이다.

분석자료는 비정형데이터(뉴스, 블로그, 카페, 웹페이지 등)를 활용하였으

며, 시계열 회귀모형 분석, 비정형데이터의 수집 및 처리과정 등을 통해 분

석하였다.

본 분석사례를 통해 웹 기반 메시지로부터 현재의 소비자관심을 반영하

는 지표 구성이 가능할 뿐 아니라 이러한 지표가 미래의 소비량을 예측하는

데 유효한 예측변수가 될 수 있음을 보여주었다.

구분 내용

활용 주체 - 연구자

활용 분야 - 생산

활용 목적

- 웹상에서 생성되고 있는 메시지를 이용하여 소비자관심지수를 산출한 후 소비자관심지수와 실제

소비량 사이의 관계를 검토함으로써 소비자관심지수가 소비량 변화의 즉각적 지표로서 활용될 수

있는지를 검토하고자 함.

활용 자료 - 비정형데이터(뉴스, 블로그, 카페, 웹페이지 등)

활용 방법- 시계열 회귀모형 분석(교차상관성 테스트, 단위근 검정 등)

- 비정형데이터의 수집 및 처리과정(Textom, UCINET 6)

분석 결과

- 소비자관심지수의 변화와 소비량 변화 사이에 관련성이 있음이 배추와 양파 모두에서 확인됨.

- 시계열 회귀분석 결과 또한 배추 소비량에 대해서는 두 관심지수 모두 양파에 대해서는

연결정도지수가 독립적인 변수로서 모형의 설명력을 향상시킴.

기대효과 및

농림업분야

활용 가능성

- 웹 기반 메시지로부터 현재의 소비자관심을 반영하는 지표 구성이 가능할 뿐 아니라 미래의

소비량을 예측하는 데 유효한 예측변수가 될 수 있음.

<부표 2-11> 빅데이터를 활용한 수요 변동 분석사례

자료: 조인호 외(2014)를 참고하여 재작성함.

부 록152

A12. 인공신경망을 이용한 가격예측 모형 개발

인공신경망을 이용한 가격예측 모형 개발은 연구분야 활용사례이다. 분

석결과의 활용주체는 연구자들이 될 수 있으며, 고추, 마늘 등 채소류의 수

급 예측 시스템 개발 및 구축이 목적이다.

분석자료는 도매시장가격, 통계청 생산자료, 기상자료 등의 정형데이터를

활용하였으며 시계열 모형 분석, 인공신경망 분석 등을 수행하였다. 분석을

통해 시계열 모형과 인공신경망을 이용한 건고추의 단수 추정 및 예측력 평

가, 도매시장 가격 예측을 수행하였다.

구분 내용

활용 주체 - 연구자

활용 분야 - 생산

활용 목적 - 고추, 마늘 등 채소류의 수급 예측 시스템 개발 및 구축

활용 자료 - 정형데이터(도매시장 가격, 통계청 생산자료, 기상자료)

활용 방법- 시계열 모형 분석

- 인공신경망 분석

분석 결과- 시계열 모형과 인공신경망을 이용한 건고추의 단수 추정 및 예측력 평가

- 도매시장 가격 예측

<부표 2-12> 인공신경망을 이용한 가격예측 모형 개발사례

자료: 최영찬 외(2015)를 참고하여 재작성함.

부 록 153

A13. 국가식품클러스터: 한국 및 동북아 식품시장분석 보고서

한국 및 동북아 식품시장분석은 연구분야 활용사례이며 분석결과의 활용

주체는 연구자가 될 수 있다. 한국 식품시장의 발전 가능성을 해외 식품 기

업들에게 홍보하고, 해외 기업들이 한국시장에 진출하기 위한 마케팅 전략

수립에 활용하는 것이 목적이다.

분석자료는 식품관련 가계소비지출 패널데이터(농촌진흥청)를 활용하였

으며 오피니언 마이닝 기법을 통해 분석하였다.

본 사례는 빅데이터 분석을 통해 우리나라의 농식품 시장 홍보, 해외시장

에서의 마케팅 전략 수립을 통해 농식품 수출 활성화를 기대할 수 있음을

보여준다.

구분 내용

활용 주체 - 연구자

활용 분야 - 유통

활용 목적- 한국 식품시장의 발전 가능성을 해외 식품 기업들에게 홍보

- 해외 기업들이 한국시장에 진출하기 위한 마케팅 전략 수립에 활용

활용 자료 - 식품관련 가계소비지출 패널데이터(농촌진흥청)

활용 방법 - 오피니언 마이닝

분석 결과

- 오피니언 마이닝을 활용하여 해당 데이터를 분석, 발효유 관련 ‘Culture Code’와 소비자 연령별,

자녀수별, 소득별 그리고 분기별 발효유 구입동향 정보를 추출함

- 분석결과 발효유가 식사대용품으로까지 소비가 확장될 가능성이 있음을 알 수 있음. 브랜드별

오피니언 마이닝 분석 결과를 제품 형태별로 구분하면 일반 액상 발효유에 대해서는 제품 속성보다

관련 기업 등 부가정보에 대한 관심이 많은 것으로 나타남.

기대효과 및

농림업분야

활용 가능성

- 우리나라의 농식품 시장 홍보, 해외시장에서의 마케팅 전략 수립을 통해 농식품 수출 활성화를

기대할 수 있음.

<부표 2-13> 국가식품클러스터: 한국 및 동북아 식품시장 분석사례

자료: 정병호 외(2013)를 참고하여 재작성함.

부 록154

A14. 라면 발암물질 사건 이후 소비심리 회복 분석 연구

라면 발암물질 사건 이후 소비심리 회복 분석은 연구분야 활용사례이다.

분석결과의 활용주체는 연구자 및 식품회사가 될 수 있으며, 식품안전 및

건강이슈로 인한 위기가 식품소비 위축 및 회복에 미치는 시간과 영향력 분

석, 식품소비 이슈 발생 시 영향력 예측에 활용하는 것이 목적이다.

분석자료는 웹 크롤링 기법을 사용하여 수집한 트윗 빅데이터와 소비자

패널 조사자료, 농식품 구매이력 빅데이터를 활용하였다. 웹크롤링, 키워드

분석, Hazard 모형 분석을 활용한 시뮬레이션 등을 통해 분석하였다.

농식품 소비와 관련된 이슈가 발생할 경우 빅데이터를 결합하여 분석함

으로써 발생이슈의 파급효과 예상과 회복패턴을 전망하고 농식품 수요 예

측과 수급관리정책에 활용할 수 있다.

구분 내용

활용 주체 - 연구자, 식품회사

활용 분야 - 소비

활용 목적- 식품안전 및 건강이슈로 인한 위기가 식품소비 위축 및 회복에 미치는 시간과 영향력 분석

- 식품소비 이슈 발생 시 영향력 예측에 활용

활용 자료- 웹 크롤링 기법을 사용하여 수집한 트윗 빅데이터

- 소비자 패널 조사자료: 농식품 구매이력 빅데이터

활용 방법- 웹크롤링, 키워드분석

- Hazard 모형 분석을 통한 시뮬레이션

분석 결과

- 비정형데이터를 사건과 관계있는 트윗의 외부 자료 인용 출처 및 횟수로 일별로 데이터화하고, a

discrete time hazard model with time-varying covariates 모델을 활용하여 사건 이후

심리가 회복된 시간과 영향력을 분석함.

기대효과 및

농림업분야

활용 가능성

- 농식품 소비와 관련된 이슈가 발생할 경우 빅데이터를 결합하여 분석함으로써 발생이슈의 파급효과

예상과 회복패턴을 전망하여 농식품 수요 예측과 수급관리정책에 활용할 수 있음.

<부표 2-14> 국가식품클러스터: 한국 및 동북아 식품시장 분석사례

자료: 정병호 외(2013)를 참고하여 재작성함.

부 록 155

A15. 빅데이터 기반 소비자 유형별 농식품 추천시스템 구축

빅데이터 기반 소비자 유형별 농식품 추천시스템 구축은 연구분야 활용

사례이다. 분석결과의 활용주체는 연구자가 될 수 있으며, 개인별 정보를

이용한 맞춤형 추천의 이전 단계에서 활용될 수 있는 단순화된 형태의 개념

을 제시하는 것이 목적이다.

분석자료는 농촌진흥청 소비자패널, 비정형데이터(SNS 데이터), 기상청

기후 데이터, 도매시장 가격정보 등을 활용하였으며, 이를 활용하여 요인분

석을 실시하였다.

본 추천시스템과 같은 정보제공 서비스가 안정적으로 자리 잡게 된다면

향후 ICT 융합 기술과의 접목을 통해 더 많은 가치를 제공할 수 있을 것으

로 기대된다.

구분 내용

활용 주체 - 연구자

활용 분야 - 소비

활용 목적

- 농식품 분야의 빅데이터를 이용하여 소비자 니즈에 맞는 농식품 정보를 제공함으로써 추천시스템

사용자를 확대

- 개인별 정보를 이용한 맞춤형 추천의 이전 단계에서 활용될 수 있는 단순화된 시스템의 개념을 제시

활용 자료

- 농촌진흥청 소비자패널

- 비정형데이터(SNS 데이터)

- 기상청 기후 데이터

- 도매시장 가격정보

활용 방법- 요인분석: 10개의 라이프스타일 요인

- 디리슐레-다항분포 기반의 추천알고리즘 적용

분석 결과- 소비자 유형별 선호 농식품 리스트는 과거 시점의 선호를 확인할 수 있는 소비자패널 구매내역

데이터와 현재 시점의 선호를 확인할 수 있는 SNS 오피니언 마이닝 데이터로부터 도출함.

기대효과 및

농림업분야

활용 가능성

- 본 추천시스템과 같은 정보제공 서비스가 안정적으로 자리잡게 된다면 향후 ICT 융합 기술과의

접목을 통해 더 많은 가치를 제공할 수 있는 기회를 제공할 수 있음.

<부표 2-15> 빅데이터 기반 소비자 유형별 농식품 추천시스템 구축사례

자료: 문정훈 외(2015)를 참고하여 재작성함.

부 록156

A16. 빅데이터를 활용한 휴양림 이용객현황과 인터넷 검색어의

상관관계분석

빅데이터를 활용한 휴양림 이용객현황과 인터넷 검색어의 상관관계분석

은 연구분야에 활용할 수 있는 사례이다. 분석결과의 활용주체는 연구자가

될 수 있으며, 분석목적은 휴양림을 찾는 이용객들의 수요를 트렌드 데이터

와 검색어를 이용하여 사전에 예측하고, 휴양림의 수요에 대해 미리 대비할

수 있는 방안을 모색하는 것이다.

분석자료는 구글, 네이버트렌드 데이터를 활용하였으며, 웹크롤링, 상관

관계 분석 등을 실시하였다.

농식품 수요에 영향을 주는 연관검색어를 파악함으로써 특정제품에 대한

소비자의 수요에 영향을 끼치는 요인을 파악할 수 있으며, 농식품 기업의

마케팅 및 지역 관광자원 활성화 전략 수립에 활용 가능하다.

구분 내용

활용 주체 - 연구자

활용 분야 - 산림

활용 목적- 휴양림을 찾는 이용객들의 수요를 트렌드 데이터와 검색어를 이용하여 사전에 예측하고, 휴양림의

수요에 대해 미리 대비할 수 있는 방안을 모색

활용 자료 - 구글, 네이버 트렌드 데이터

활용 방법 - 웹크롤링, 상관관계 분석

분석 결과

- 구글 트렌드 데이터를 이용한 분석 결과 ‘휴양림’과 ‘캠핑관련용어’들이 강한 상관관계를 나타냈고,

이는 최근의 캠핑인구 증가 트렌드를 반영

- 데이터 이용 시 같은 달 데이터를 비교하는 것이 가장 정확한 예측치를 산출할 것으로 예상되나,

네이버 데이터를 이용할 경우는 1~2개월 전 데이터의 상관관계가 높았음.

기대효과 및

농림업분야

활용 가능성

- 농식품 및 농촌 관광 자원 등의 수요에 대한 최신 트렌드를 파악에 이용

- 농식품 수요에 영향을 주는 연관검색어를 분석하여 특정제품에 대한 소비자 수요에 영향을 끼치는

요인을 파악할 수 있음.

- 농식품 기업의 마케팅 및 지역 관광자원 활성화 전략에 활용 가능

<부표 2-16> 빅데이터를 활용한 휴양림 이용객현황과

인터넷 검색어의 상관관계 분석사례

자료: 최재혁 외(2015)를 참고하여 재작성함.

부 록 157

A17. ICT 기반 센서 자료와 적용을 통한 온실 환경조절에 있어서

차이 분석

ICT 기반 센서 자료와 적용을 통한 온실 환경 조절에 있어서의 차이 분석

사례는 비즈니스 분야에 활용할 수 있다. 활용주체는 농가와 농업법인 등의

사업체이며, 활용목적은 온실종류별로 고려해야 할 환경요인을 도출하는

것이다.

농가의 환경데이터를 활용하여 통계분석을 실시하였다. 이 사례를 통해

환경조절방법을 권고하고 농장들을 위한 자동 제어 모델을 개발할 수 있을

것으로 기대된다. 또한, 빅데이터는 농장의 계획 단계부터 특정한 지역과

작물에 가장 적합한 시설을 제안하여 효과적인 관리에 도움을 줄 수 있다.

구분 내용

활용 주체 - 농가, 농업법인(사업체)

활용 분야 - 생산

활용 목적 - 환경자료를 활용하여 농장들의 자료 차이를 분석하고 온실 종류별로 고려해야 할 점들을 도출

활용 자료 - 정형데이터(농가의 환경데이터: 온습도, 이산화탄소, 광량 등)

활용 방법 - 통계분석

분석 결과

- 온실종류와 운영요소들에 따라 환경자료에 있어서의 차이를 분석

- 온실은 roof window 종류, 재배방법, 층의 수, 난방시스템, 온도설정에 따라 분류하였으며 각

범주에 대한 온도, 습도, 이산화탄소 농도, 태양복사량의 평균, 표준편차, 최대값, 최소값 등을

비교함.

- 액추에이터 조절과 환경자료는 각 온실로부터 매 분 수집되었고, 농장당 65개 변수들에 대한

5,100만 개의 관찰을 분석함.

기대효과 및

농림업분야

활용 가능성

- 본 자료를 축적한다면 환경 조절 방법을 권고하고 농장들을 위한 자동 제어 모델을 개발하는 것이

가능해지게 될 것으로 기대됨.

- 농장의 계획 단계부터 자료는 특정한 지역과 작물에 가장 적합한 시설을 제안하여 효과적인 관리에

도움을 줄 수 있음.

- 다양한 농장으로부터 환경 조절자료와 액추에이터 조절자료를 함께 수집 및 분석해야 한다는 것이

중요한 시사점임.

<부표 2-17> ICT 기반 센서자료와 적용을 통한 온실 환경조절에 있어서의 차이 분석 사례

자료: 장익훈 외(2016).

부 록158

A18. 빅데이터 기반 가축질병 확산 위험도 분석

빅데이터 기반 가축질병 확산 위험도 분석 사례는 정책 분야 활용사례이

다. 활용주체는 정부 및 국가기관이며, 활용목적은 재난형 가축질병에 대한

확산대응 체계를 구축하는 것이다.

국가동물방역통합시스템의 차량출입정보 및 축산농장정보를 바탕으로

AI 위험도 분석모델을 개발하였다. 이 사례를 통해 위험도 분석모델의 유효

성 검증완료 및 분석결과를 임상예찰 등에 활용함으로써 선제적 가축질병

방역을 추진할 수 있다. 위험예측지역(3~4단계 고위험지역)에 대해 지자체

의 임상예찰, 중앙기동점검반의 방역이행사항 점검 시 해당지역을 중점 점

검토록 조치할 수 있다.

구분 내용

활용 주체 - 정부 및 국가기관

활용 분야 - 질병

활용 목적 - 재난형 가축질병(구제역, AI) 확산대응 체계구축

활용 자료 - 국가동물방역통합시스템(KAHIS) 차량출입정보, 축산농장정보

활용 방법- KT 빅데이터 분석시스템 공동 활용

- AI 위험도 분석모델 개발

분석 결과

- 위험도 분석모델의 유효성 검증완료 및 분석결과를 임상예찰 등에 활용함으로써 선제적 가축질병

방역추진

- 빅데이터 전문업체인 KT와 협력(MOU, ’14. 6. 25)을 통해 AI 위험도 분석 모델 개발

기대효과 및

농림업분야

활용 가능성

- 위험예측지역(3~4단계 고위험지역)에 대해 지자체의 임상예찰, 중앙기동점검반의 방역이행사항

점검 시 해당지역을 중점 점검토록 조치

- ’15. 9. 14 AI 발생 시부터 활용, 현재까지 6차에 걸쳐 지역별 위험도를 분석하고, 위험 지자체에

대해서는 SOP 이상의 방역 추진

<부표 2-18> 빅데이터 기반 가축질병 확산 위험도 분석 활용사례

자료: 농림축산식품부(2016)를 참고하여 재작성함.

부 록 159

2. 국내 타산업분야 활용사례

B1. LG 빅데이터 소비자 수요 분석 플랫폼 운영사례

LG 빅데이터 분석 플랫폼 사례는 비즈니스(기업체) 분야 활용사례이다.

활용주체는 기업체(LG)이며, 빅데이터 분석목적은 소비자 요구를 신속하게

파악하여 기업의 의사결정 효율성을 제고하는 것이다.

분석자료는 비정형데이터(외부 소셜미디어)와 내부 VOC(Voice of consumer)

자료를 활용하였으며 하둡(Hadoop) 시스템을 통해 데이터를 분석하였다.

이 사례를 응용할 경우 농림업분야 정책 평가에 있어서도 정책수혜자, 정책

대상자 등으로부터 의견을 수렴하여 어느 지역에서, 어느 부분에서 농업정

책의 불만사항 또는 문제점이 발생하는지 파악하는데 활용이 가능하다.

구분 내용

활용 주체 - 비즈니스(LG)

활용 분야 - 소비, 정책평가

활용 목적 - 소비자 요구 파악 및 기업의 의사결정 효율성 제고

활용 자료- 비정형데이터(외부 소셜미디어)

- 내부 VOC(Voice of consumer) 자료

활용 방법 - 하둡(Hadoop) 시스템

분석 결과

- LG CNS사의 스마트 빅데이터 플랫폼(SBP, Smart Bigdata Platform)은 하둡(Hadoop) 기반

으로 구축되었으며 빅데이터를 수집, 저장, 처리할 수 있음. 외부 소셜 미디어 데이터는 물론, 내부

VOC도 텍스트 변환 기술을 적용하여 데시보드(Dashboard), 인사이트 정보(Insight report)를

제공하며, 그 결과를 분석하여 업무 적용 컨설팅을 제공함.

기대효과 및

농림업분야

활용 가능성

- 농식품업체들이 소비자들의 의견을 비정형데이터를 통해 수렴함으로써 생산 제품에 대한 불만사항

등을 파악하여 개선할 수 있음.

- 농림업분야 정책 평가에 있어서 정책수혜자, 정책대상자 등으로부터 의견을 수렴하여 어느 지역

에서, 어느 부분에서 불만사항 또는 문제점이 발생하는지 파악하고 해결할 수 있음.

<부표 2-19> LG의 빅데이터 소비자수요 분석 플랫폼 운영 활용사례

자료: 이재성 외(2014)를 참고하여 재작성함.

부 록160

B2. 포스코 ICT의 생산과정 컨설팅 활용사례

포스코 ICT의 빅데이터 활용사례는 비즈니스(기업체) 분야 사례이다. 활

용주체는 기업체(포스코)이며, 활용목적은 컨설팅 서비스 제공, 원가절감

및 품질제어를 통한 효율성 향상이다.

분석자료는 생산 및 설비과정에서 발생하는 방대한 양의 내부 데이터를

활용하였다. 이 사례를 농림업분야에 적용한다면 농식품 생산과정에서 발

생할 수 있는 문제를 진단하고 조치함으로써 생산성을 제고하고 비용을 절

감하며 안정적인 생산과정을 통해 식품안전사고 발생을 억제할 수 있을 것

으로 기대된다.

구분 내용

활용 주체 - 비즈니스(포스코)

활용 분야 - 생산

활용 목적- 컨설팅 서비스 제공

- 원가절감 및 품질제어, 생산성 향상

활용 자료 - 내부데이터(생산‧설비 등에서 발생하는 방대한 데이터)

활용 방법 - 데이터 분석체계에 따라 다양하게 수행

분석 결과

- 포스코 ICT는 산업현장의 설비나 센서에서 발생하는 방대한 데이터를 체계적으로 저장하고 이를

분석한 결과를 도식화하여 그래프나 표로 제공하는 빅데이터 솔루션을 개발하고 성능을 검증함.

- 빅데이터 솔류션을 적용할 경우 시간대‧온도별 빌딩의 에너지 소비패턴을 분석함으로써 효율적으로

전력을 사용하는 설비별 운영가이드 제공 등의 서비스가 가능함.

기대효과 및

농림업분야

활용 가능성

- 가공식품이나 시설재배를 바탕으로 하는 일부 신선농산물 등 기계적 생산을 기초로 하는 농식품

생산 분야에서 사물인터넷을 활용하여 생산 과정에서 발생할 수 있는 문제를 진단하고

조치함으로써 생산성을 제고하여 비용을 절감하는데 활용할 수 있음.

- 생산과정에서 발생하는 대량의 데이터를 축적, 분석하여 농산물의 품질을 향상시키고 생산성을

제고시킬 수 있음.

<부표 2-20> 포스코 ICT의 생산과정 컨설팅 활용사례

자료: 포스코 뉴스사이트(http://www.posco.co.kr)를 참고하여 재작성함.

부 록 161

B3. FNS 코오롱의 매출수요 분석 활용사례

FNC 코오롱은 비즈니스(기업체) 분야의 빅데이터 활용사례이다. 활용주

체는 기업체(FNC 코오롱)이며, 활용 목적은 빅데이터 분석을 통해 매출증

감의 원인을 파악하고, 매출 수요를 예측하는 것이다.

이 사례는 기업체가 고객구매 데이터, 온라인 쇼핑몰 로그데이터 등의 내

부데이터를 이용하여 상관관계 분석, 판매효율성 분석 등을 실시하여 활용

하였다. 본 사례를 농업부문에 응용할 경우에 농식품 재고 예측모형을 추정

하여 물류관리의 효율성을 제고하고, 안정적인 농식품 재고관리를 통해 농

식품 가격변동성을 완화할 수 있을 것으로 기대된다.

구분 내용

활용 주체 - 비즈니스(FNC 코오롱)

활용 분야 - 유통

활용 목적- 매출 증감 원인 파악

- 매출 수요 예측, 마케팅 효율성 제고

활용 자료 - 내부데이터(고객구매데이터, 온라인 쇼핑몰 로그 데이터 등)

활용 방법 - 상관관계 분석, 예측모형을 활용한 판매효율 분석

분석 결과

- 재고의 정확한 예측관리가 필요한 코오롱은 고객 구매 데이터와 온라인 쇼핑몰 로그 데이터 등

자체 데이터 분석을 통해 구매형태, 할인민감도, 구매주기 등 구매력을 기준으로 고객 세분화

작업을 실시하고, 우수고객을 선별해 내는 등 고객가치분석을 실시하여 특정 브랜드와 매출을

고객의 분류와 구매 단계별로 시각화함.

- 과거 판매 패턴 분석을 통한 아이템별 시즌 총 판매량을 예측하고, 단기 판매예측 데이터와 연동,

대형 프로모션에 대한 예측치 감가 기준 함수를 도출함. 더불어 온라인 고객 관심 상품과 오프라인

매장에서 실제로 이루어지는 판매의 상관관계를 분석함으로써 단기 판매 예측에 활용함.

기대효과 및

농림업분야

활용 가능성

- 정형·비정형데이터를 활용한 농식품 소비자의 구매성향을 분석하고 이 결과에 연동하여 농식품

재고 예측모형을 분석하여 물류관리를 효율적으로 달성할 수 있음.

- 이 사례를 활용할 경우 안정적인 농식품 재고관리를 통해 농식품 가격변동성을 완화할 수 있음.

<부표 2-21> FNC 코오롱의 매출수요 분석사례

자료: 하상호(2014)를 참고하여 재작성함.

부 록162

B4. KB 국민카드의 소비자 카드매출 데이터 분석사례

KB 국민카드의 소비자카드매출 데이터 분석사례는 비즈니스(기업체) 분

야 활용사례이다. 활용목적은 소비자의 수요와 니즈에 실시간으로 대응하

여 마케팅 시스템을 개발·구축하는 것이다.

기업체가 결제건수, 금액, 연령, 성별 등을 포함하는 소비자의 카드매출

데이터를 활용하여 소비자의 수요와 니즈를 분석하였다. 이 사례를 응용한

다면 농식품 소비자의 소비패턴, 생활주기에 바탕을 둔 다양한 시나리오를

설정하고, 이를 다각도로 실험하여 특정 품목의 수요를 예측하여 실시간으

로 시장변화에 신속하게 대응할 수 있을 것으로 기대된다.

구분 내용

활용 주체 - 비즈니스(KB 국민카드)

활용 분야 - 유통, 소비

활용 목적- 소비자의 수요와 니즈의 실시간 파악

- 시장 변화에 신속하게 대응, 마케팅 효율성 제고

활용 자료 - 소비자의 카드매출 데이터(결제건수, 금액, 연령, 성별 등)

분석 결과

- 내부 주소정보를 바탕으로 인근 가맹점수가 가장 많은 가맹점의 지도상 좌표를 중심으로 상권을

추정하고, 이를 외부 상권정보와 비교하여 추가되는 가맹점의 주소정보를 추정결과에 추가하여

최종 상권맵을 도출함. 250만 가맹점별 결제건수, 금액, 연령, 성별 등의 내부정보와 고객평점,

리뷰 수, 사진 업로드 수, 블로그 리뷰 수 등 외부정보에 가중치를 부여하여 맛집 스코어를 구축함.

- KB 국민카드의 실시간 마케팅 시스템 구축사례는 추진하고자 하는 목표와 시나리오를 구체적으로

설정한 상태에서 IT의 지원방향을 설정한 사례로서 실질을 추구했다는 점에서 의미가 있음.

기대효과 및

농림업분야

활용 가능성

- 정형데이터와 비정형데이터를 활용하여 농식품 소비자의 소비패턴, 생활주기에 바탕을 둔 다양한

시나리오를 설정하고, 이를 다각도로 실험하여 특정 품목의 수요를 예측하여 실시간으로 대응할

수 있도록 함.

- 소비자층에 대한 축적된 정보를 분석하여 농식품 소비를 진작시킬 수 있음. 예컨대 전업주부의 과채

소비 패턴을 분석하여, 소비가 둔화된 특정 품목과 관련된 정보를 메시지로 전송함으로써 소비를

촉진시킬 수 있음.

<부표 2-22> KB 국민카드의 소비자 카드매출 데이터 분석사례

자료: 이유재 외(2014)를 참고하여 재작성함.

부 록 163

B5. Daum 폭우지도를 활용한 수해예방 체제 구축

Daum 폭우지도는 정책 분야 활용사례이다. 활용주체는 정부부처가 될

수 있으며, 활용목적은 재난대책본부의 신속한 수해예방 체제 구축 및 기상

정보의 공유이다.

본 활용사례는 비정형데이터(SNS, 블로그, 소셜데이터)와 위치정보를 통

해 빅데이터를 시각화하였다. 농림업분야에서도 SNS 등의 비정형데이터를

활용한 실시간 기상 관측은 생산자와 재난대책 주체들로 하여금 신속한 기

상 피해 대처가 가능하도록 도울 수 있다.

구분 내용

활용 주체 - 정부부처

활용 분야 - 재난

활용 목적- 재난대책본부의 신속한 수해예방 체제 구축

- 기상정보의 공유

활용 자료- 비정형데이터(SNS, 블로그, 소셜데이터)

- 위치정보

활용 방법 - 시각화

분석 결과

- 서울시와 다음 커뮤니케이션은 커뮤니티 맵을 만들어 폭우지도를 구축함. 아고라와 트위터 등

SNS를 통하여 제보된 수해지역 사진과 위치정보를 결합한 커뮤니티 맵 폭우 지도를 구축하였음.

- 커뮤니티 맵에 참여하는 사람들이 스마트폰을 이용하여 막힌 빗물받이나 수해현장 등을 촬영한

후 다음 앱을 통해서 사진과 위치 정보를 제보함.

기대효과 및

농림업분야

활용 가능성

- 임업분야에서 폭우, 산사태 등의 재해재난과 농식품 생산과정에서의 폭우 등 갑작스러운 기상

변화는 생산자들의 경제적 손실을 초래할 수 있음.

- SNS 등의 비정형데이터를 활용한 실시간 기상 관측은 생산자와 재난대책 주체들로 하여금 신속한

기상 피해 대처가 가능하도록 도울 수 있음.

<부표 2-23> Daum 폭우지도를 활용한 수해예방 체제 구축사례

자료: 김지애(2016)를 참고하여 재작성함.

부 록164

B6. 항공분야 사고발생 가능요인 분석

본 활용사례는 정부부처 및 공공기관이 활용할 수 있는 사례이며, 항공회

사에서 항공사고 및 준사고를 일으킬 수 있는 장애요인을 예측하는 것이 목

적이다.

분석자료는 비정형 텍스트데이터(항공안전장애보고(GYRO) 데이터)이

며, 텍스트 군집분석(Text Clustering), 토픽 분석 등의 방법을 활용하였다.

본 사례의 농식품 분야 활용가능성은 소비분야에 있어서 비정형데이터인

텍스트 데이터를 적용하여 식품안전사고를 유발할 수 있는 장애요인들을

군집화하고 그 결과를 기반으로 향후 식품안전사고를 억제하는 데 활용할

수 있다.

구분 내용

활용 주체 - 정부부처, 공공기관

활용 분야 - 재해재난

활용 목적- 항공안전과 관련된 텍스트 데이터의 군집분석을 통해 항공사고 및 준사고를 일으킬 수 있는 장애

요인을 분석하고, 토픽 분석을 통해 중요 요인을 도출함.

활용 자료 - 비정형 텍스트데이터(항공안정장애보고(GYRO) 데이터)

활용 방법- 텍스트 군집 분석(Text Clustering)

- 토픽 분석

분석 결과

- 항공사고 및 안전 분야 연구에 비정형데이터인 텍스트 데이터를 적용하여 항공사고를 유발할 수

있는 장애요인들을 군집화하고 그 결과를 기반으로 향후 항공사고 조사 및 항공안전 데이터 축적의

기준을 제시함.

기대효과 및

농림업분야

활용 가능성

- 농식품 소비 분야에 있어서 비정형데이터인 텍스트 데이터를 적용하여 식품안전사고를 유발할 수

있는 장애 요인들을 군집화하고 그 결과를 기반으로 향후 식품안전사고를 억제할 수 있음.

- 식품안전사고를 유발하는 인적, 기계적, 환경적 요인을 도출하고 우선적으로 개선해야 할 항목을

분석함.

- 궁극적으로는 식품안전사고 발생을 방지함으로써 소비자의 효용증가와 식품산업의 경제적 손실

보전 등의 효과를 기대할 수 있음.

<부표 2-24> 항공분야 사고발생 가능요인 분석사례

자료: 박진서 외(2014)를 참고하여 재작성함.

부 록 165

B7. 제조분야에서의 빅데이터 기술 활용

본 사례는 제조업체나 연구자가 활용할 수 있으며, 활용 목적은 장비의

효율성을 극대화하여 의사결정의 효율성을 제고시키는 것이다.

분석 자료는 제조 운영데이터, 물류흐름 데이터 등이며, 프로세스 마이닝,

텍스트 마이닝의 기법을 통해 분석하였다.

본 분석사례의 농식품 분야 활용가능성은 유리온실, 비닐하우스 등 시설

재배 유형에서 기계적 시설을 활용하여 재배하는 경우, 장비의 로그 데이터

를 축적하여 장비가 항상 최적으로 운영되고 있는지를 모니터링하고 이상

변화가 감지되었을 경우를 사전에 감지하여 장비의 가용률을 제고할 수 있

다는 것이다.

구분 내용

활용 주체 - 제조업체(비즈니스), 연구자

활용 분야 - 생산

활용 목적

- 장비의 효율성 극대화

- 의사결정의 효율성 제고, 마케팅 효율성 제고

- 소비자 니즈의 실시간 파악

활용 자료 - 제조운영 데이터, 물류흐름 데이터, 제조장비 데이터 등

활용 방법- 프로세스 마이닝

- 텍스트 마이닝

분석 결과

- 실제 데이터로 유추한 작업 순서와 이론적 최적의 작업 진행 순서를 비교하여 작업 로봇의 움직임을

모니터링하고, 이를 바탕으로 장비들의 작업을 최적화하여 생산성을 향상할 수 있음.

- 기업 내 운영데이터의 통합분석 환경을 조성하여 제조에서 영업의 요구를 실시간으로 파악하고

데이터 분석을 통해 적정 재고를 산출하여 고객의 니즈에 신속하게 대응할 수 있는 시스템을 구축함.

기대효과 및

농림업분야

활용 가능성

- 프로세스 마이닝 기법을 활용하여 파종부터 수확까지 일련 과정의 로그를 분석하여 각 작업의

상관관계와 최적의 작업 진행 순서를 분석하고 최적화하여 생산성을 향상시킬 수 있음.

- 유리온실, 비닐하우스 등 시설재배 형태로 기계적 시설을 활용하여 작목하는 경우, 장비의 로그

데이터를 축적하여 장비가 항상 최적으로 운영되고 있는지를 모니터링하고 이상 변화가 감지되었을

경우를 사전에 감지하여 장비의 가용률(utilization)을 제고할 수 있음.

<부표 2-25> 제조분야에서의 빅데이터 기술 활용사례

자료: 장영재(2012)를 참고하여 재작성함.

부 록166

B8. 빅데이터 거래 서비스 시스템 구축방안

이 사례는 정부부처 및 정책담당자 등이 활용할 수 있으며, 정제된 데이

터 거래가 안전하게 이루어질 수 있도록 거래 서비스 시스템을 구축하는 것

이 목적이다.

분석 자료는 유통업체의 내부데이터이며, 데이터 분석 시스템 개발과 거

래 비즈니스 모델 구축 등의 방법을 이용하였다.

본 분석사례의 농식품 분야 활용가능성은 농식품 분야 빅데이터 거래 비

즈니스 모델 구축을 통해 비즈니스, 정책담당자, 연구자들의 빅데이터 수요

에 맞는 빅데이터를 효율적으로 유통할 수 있다는 점이다.

구분 내용

활용 주체 - 정책담당자

활용 분야 - 유통

활용 목적- 유의미한 데이터 추출 및 정제

- 정제된 데이터 거래의 서비스 시스템 구축방안 마련

활용 자료 - 내부데이터

활용 방법- 데이터 분석(정제) 시스템 개발

- 빅데이터 거래 비즈니스 모델 구축

분석 결과

- 빅데이터 거래 비즈니스 모델의 핵심은 데이터 판매이익을 데이터 제공 및 정제한 관련자에게 직접

제공함으로써 데이터 제공 및 데이터 정제를 활성화하는 것임.

- 본 사례에서 제시하는 모델은 실시간으로 데이터를 수집하지 않고, 사용자는 자신의 필요에 의해

프로그램을 사용하고 내부적으로 데이터를 축적함.

기대효과 및

농림업분야

활용 가능성

- 농식품 분야 빅데이터 거래 비즈니스 모델 구축을 통해 비즈니스, 정책담당자, 연구자들의 빅데이터

수요에 맞는 빅데이터를 효율적으로 제공할 수 있을 것으로 기대됨.

- 데이터 제공자에 대한 즉각적이고 효과적인 이익 제공으로 농식품 분야에 축적된 빅데이터 활용의

효율성을 제고할 수 있음.

<부표 2-26> 빅데이터 거래 서비스 시스템 구축 활용사례

자료: 추병조(2014)를 참고하여 재작성함.

부 록 167

B9. 오피니언 마이닝을 통한 스마트워치 출시 전후 소비자반응

본 사례는 기업에서 활용할 수 있으며, 오피니언 마이닝을 통해 스마트

워치 출시 전후의 트위터 데이터를 분석하여 경영자들에게 실무적인 시사

점을 제언하는 것이 목적이다.

분석한 빅데이터 자료는 비정형데이터(트위터)이며, 오피니언 마이닝

(Opinion Mining), 소셜 네트워크 분석 등을 활용하였다.

본 사례의 농식품 분야 활용가능성은 식품산업 분야에서 신제품을 출시

할 경우, 출시 전후 소비자들의 반응을 오피니언 마이닝을 통해서 판단할

수 있다. 시제품을 출시하고 소비자의 반응을 살핌으로써 제품의 본격적인

생산 여부를 기업 입장에서 결정할 수 있다는 점이다.

구분 내용

활용 주체 - 기업체(비즈니스)

활용 분야 - 소비

활용 목적- 오피니언 마이닝을 통해 스마트 워치 출시 전후의 트위터 데이터를 분석하여 경영자들에게

실무적인 시사점 제언

활용 자료 - 비정형데이터(트위터)

활용 방법- 오피니언 마이닝(Opinion Mining)

- 소셜 네트워크 분석

분석 결과- 갤럭시 기어 S2와 관련된 트위터 데이터를 Python 언어를 통해 추출하였으며, ‘기어 S2’라는

키워드를 바탕으로 트윗을 선별함. 출시일을 기준으로 출시 전, 출시 후 30일의 트윗을 수집함.

기대효과 및

농림업분야

활용 가능성

- 식품산업분야에서 신제품 출시 시, 출시 전후의 소비자들의 반응을 오피니언 마이닝을 통해서

판단할 수 있음.

- 시제품을 출시하고 소비자의 반응을 살핌으로써 제품의 본격적인 생산 여부를 기업 입장에서

결정할 수 있음.

<부표 2-27> 오피니언 마이닝을 통한 스마트 워치 출시 전후 소비자 반응분석 사례

자료: 이종호 외(2016)를 참고하여 재작성함.

부 록168

B10. SNS 소셜 빅데이터를 활용한 의류 소비자 특성

본 사례는 기업체(비즈니스)가 활용한 사례이며, 의류 관련 연관어 맵 구

성을 통해 소비자의 구매 속성, 심리, 장소 등을 분석하는 것이 목적이다.

분석 자료는 비정형데이터(트위터, 블로그 등)를 활용하였으며, 텍스트

마이닝 기법을 활용하여 분석하였다.

본 사례의 농식품 분야 활용가능성은 식품소비 분야에서 농식품 소비자

의 특성과 주요 식품 브랜드 현황을 텍스트 마이닝 기법을 활용하여 분석할

수 있다는 점, 연도별로 농식품 소비자들이 어떤 이슈에 대해 관심을 보이

는지, 식품업체별 강점과 약점 등을 파악함으로써 판매 전략을 수립할 수

있다는 점 등이다.

구분 내용

활용 주체 - 기업체(비즈니스)

활용 분야 - 소비

활용 목적 - 의류 관련 연관어 맵 구성을 통해 소비자의 구매 속성, 심리, 장소 등을 분석

활용 자료 - 비정형데이터(트위터, 블로그 등)

활용 방법 - 텍스트 마이닝

분석 결과

- SNS 소셜 빅데이터를 사용하여 아웃도어 의류 시장 및 소비 특성과 긍·부정 여론, 아웃도어

액티비티 특성, 아웃도어 의류 브랜드 현황 및 긍·부정 여론을 살펴보고 아웃도어 의류 시장의

기회요인과 주요 아웃도어 의류 브랜드들의 강점과 약점 요인을 파악하여 성공적인 제품 및 브랜드

전략을 구축하는 데 기초자료를 제공함.

기대효과 및

농림업분야

활용 가능성

- 식품소비 분야에서 농식품 소비자의 특성과 주요 식픔 브랜드에 대한 긍·부정을 텍스트 마이닝

기법을 활용하여 분석할 수 있음.

- 연도별로 농식품 소비자들이 어떤 이슈에 대해 관심을 보이는지, 식품업체별 강점과 약점 등을

파악함으로써 기업체는 판매 전략을 수립하는 데 활용할 수 있음.

<부표 2-28> SNS 소셜 빅데이터를 활용한 의류 소비자 특성분석 사례

자료: 정혜정 외(2016)를 참고하여 재작성함.

부 록 169

B11. 보건복지 분야의 빅데이터 활용 연구

본 활용사례는 정책부서 및 정책담당자가 활용할 수 있는 빅데이터 분석

사례이며, 예방접종 관련 정보서비스 제공, 응급처치 및 후속 조치 방법 안

내 등이 활용목적이다.

분석 자료는 정형데이터(질병관리본부)를 활용하였으며, 알고리즘화 시

각화 등을 통해 나타내었다.

본 사례의 농식품 분야 활용가능성은 보건의료분야의 빅데이터를 활용하

여 농촌사회 의료서비스 제고를 기대할 수 있다는 점이다.

구분 내용

활용 주체 - 정책담당자, 정부부처

활용 분야 - 질병

활용 목적- 예방접종 관련 정보 서비스 제공

- 응급처치 및 후속 조치 방법 안내

활용 자료 - 정형 데이터(질병관리본부)

활용 방법 - 알고리즘화, 시각화

분석 결과

- 신생아 정보를 등록하면 국가 기본 예방접종 및 기타 예방접종일에 대한 접종일자를 계산하여

알려주고 실제 병원 예약일을 입력할 수도 있으며 해당 접종 일자에 대한 알림 기능을 지원함.

- 아이의 증상을 현역 소아과 의사들이 직접 알고리즘화하여 부모가 자가진단을 할 수 있도록 도와줌.

- 신뢰성이 높은 알고리즘에 의해 나온 결과를 통해 보호자에게 진료 행위를 지시함.

기대효과 및

농림업분야

활용 가능성

- 보건의료분야의 빅데이터를 활용하여 농촌사회 의료서비스 제고를 기대할 수 있음.

- 농촌지역은 상대적으로 도심지역에 비해 의료서비스의 양과 질이 열악하므로, 빅데이터 형태로

데이터를 구축할 수 있을지 검토해 볼 필요가 있음.

- 빅데이터를 활용하여 모바일 앱 또는 홈페이지 형태로 제공하기보다는, 분석한 결과 또는 서비스를

홍보 및 교육 또는 담당인력이 지정된 장소에서 제공함으로써 활용도를 높일 필요가 있음.

<부표 2-29> 보건복지 분야의 빅데이터 활용사례

자료: 김지애(2016)를 참고하여 재작성함.

부 록170

B12. 국내 유가예보 서비스

국내 유가 예보 서비스는 정책분야 활용사례이며 분석결과의 활용주체는

정책담당자, 비즈니스(정유회사) 등이 될 수 있다. 고유가에 따른 소비자 부

담 감소를 위해 유가의 단기 미래 가격 예측 서비스를 제공하고 국내 주유

소와 국제 유가를 비교함으로써 단기 원유 수요를 예측하는 것이 목적이다.

분석 자료는 정형데이터(유류가격 데이터)와 내부데이터(국내 1,300여 개

주유소 구매 데이터)이며, 시각화와 가격예측모델을 이용하여 빅데이터를

분석하였다. 구매 데이터를 통해 국내 주유소와 국제 유가를 비교함으로써

유류 수요를 예측하였다.

농식품 구매데이터, 수입식품 가격 자료를 기준으로 특정 농식품의 수요

및 가격을 예측하는 데 활용할 수 있다.

구분 내용

활용 주체 - 정책담당자

활용 분야 - 유통, 정책

활용 목적- 고유가에 따른 소비자 부담 감소를 위해 유가의 단기 미래 가격 예측 서비스를 제공함.

- 국내 주유소와 국제 유가를 비교함으로써 단기 원유 수요를 예측함.

활용 자료- 정형데이터(유류가격 데이터)

- 내부데이터(국내 1,300여 개 주유소 구매 데이터)

활용 방법- 시각화

- 가격예측모델 분석

분석 결과- 국내 1,300여 개의 주유소로부터 카드 결제 시스템을 통해 하루에 여섯 차례 수집된 구매 데이터를

통해 국내 주유소와 국제 유가를 비교함으로써 수요를 예측함.

기대효과 및

농림업분야

활용 가능성

- 전국의 농식품 구매 데이터를 바탕으로 국내산 농식품 가격과 수입산 농식품 가격을 비교하여

수요를 예측하는 농식품 가격 정보 서비스를 구축하여 활용할 수 있음.

<부표 2-30> 국내 유가예보 서비스 구축 활용사례

자료: 이재학 외(2013)를 참고하여 재작성함.

부 록 171

B13. 서울시 교통서비스의 최적 노선과 배차간격 도출

서울시 교통 서비스 빅데이터 활용사례는 정책분야에 적용할 수 있다. 분

석결과의 활용주체는 소비자와 정책수립자가 될 수 있다. 빅데이터를 활용

한 공공서비스 개선, 요일별 유동인구 및 노선별 교통수요 패턴 분석, 최적

의 노선과 배차간격 도출 등이 목적이다.

분석 자료는 내부데이터(휴대전화데이터, 카드단말기 데이터), 심야 택시

승 하차 데이터, 유동인구 및 교통수요량 데이터 등을 활용하였으며, 통계

분석과 차트화 등을 통해 나타내었다.

농식품 주요 유통지역에 대한 고속도로, 주·간선도로의 교통상황 및 교통

수요에 대한 패턴을 분석함으로써 생산자들 및 유통업체로 하여금 물류에

소요되는 시간과 비용을 최소화하는 데 도움을 줄 수 있다.

구분 내용

활용 주체 - 정책담당자, 소비자

활용 분야 - 유통

활용 목적

- 빅데이터를 활용한 공공서비스 개선

- 요일별 유동인구 및 노선별 교통수요 패턴 분석

- 최적의 노선과 배차간격 도출

활용 자료- GPS 데이터

- 내부데이터(휴대전화데이터, 카드단말기 데이터)

활용 방법- 통계분석

- 차트화

분석 결과

- 수집된 정보를 서울시가 개발한 ‘심야버스 노선수립 지원시스템’에서 분석하여 서울 전역을 1km

반경 1,250개의 셀 단위로 나누어 유동인구·교통수요량을 표시하고, 기존의 버스노선과 시간·

요일별 유동인구 및 교통수요 패턴을 분석함.

기대효과 및

농림업분야

활용 가능성

- 농식품 주요 유통지역에 대한 고속도로‧주간선도로의 교통상황 및 교통수요에 대한 패턴을 분석하여

생산자들 및 유통업체로 하여금 물류에 소요되는 시간과 비용을 최소화하도록 지원할 수 있음.

- 상대적으로 도심에 비해 교통서비스의 질과 양이 열악한 농촌사회의 교통서비스 제고에 기여할

수 있음.

<부표 2-31> 서울시 교통 서비스의 최적 노선과 배차간격 도출 활용사례

자료: 성지은 외(2014)와 복경수 외(2014)를 참고하여 재작성함.

부 록172

B14. 국토교통부 자동차관리 시스템

국토교통부 자동차관리 시스템은 정책분야 활용사례이다. 분석결과의 활

용주체는 정부부처 및 정책담당자가 될 수 있으며, 자동차시장의 투명성 향

상, 소비자들의 정보 접근성 제고 등이 목적이다.

빅데이터 분석은 내부데이터(자동차이력 데이터)를 활용하였으며, 자동

차 포털 이력정보 관리 및 공개를 실시하였다.

농식품 유통 과정에 대한 투명성을 제고함으로써 식품안전사고의 발생

가능성을 억제하고 유통과정에서 불필요하게 발생하는 비용을 감소시키는

데 적용할 수 있다.

구분 내용

활용 주체 - 정책담당자

활용 분야 - 유통

활용 목적- 자동차 시장의 투명성 향상

- 소비자들의 정보 접근성 제고

활용 자료 - 내부데이터(자동차이력 데이터)

활용 방법 - 자동차포털 이력정보 관리 및 공개

분석 결과

- 자동차의 등록부터 폐차까지 주요 정보를 축적하여 공유하는 자동차 토털 이력정보관리제가 시행

되어 자동차 정비·매매·해체 재활용업자는 업무수행 내용을 국토교통부 자동차관리정보시스템에

의무적으로 전송하도록 함

- 자동차민원 대국민포털에서는 제작자포털과 관리사업자 포털을 동시에 운영하고 있으며, 토털이력

조회를 통해 차량 기본사항, 정비이력, 중고차성능점검, 검사이력, 주행거리이력, 타인차량조회

등의 서비스를 제공함

기대효과 및

농림업분야

활용 가능성

- 농식품분야 이력추적제 도입 품목 확대에 활용할 수 있음.

- 농식품 유통 과정에 대한 투명성을 제고함으로써 식품안전사고의 발생 가능성을 억제하고 유통

과정에서 불필요하게 발생하는 비용을 감소시킬 수 있음.

<부표 2-32> 국토교통부 자동차관리 시스템 구축 활용사례

자료: 이재학 외(2013)와 자동차민원대국민포털(http://ecar.go.kr)을 참고하여 재작성함.

부 록 173

B15. 모바일 빅데이터를 활용한 재난 대응방안

본 사례는 모바일 빅데이터를 활용하여 재난대응 방안을 마련하는 정책

에 활용한 사례이다. 분석결과의 활용주체는 정부담당자와 농림업종사자

등이며, 신속한 재난의사결정 자료로 활용하는 것이 목적이다.

분석 자료는 내부데이터(모바일 빅데이터)이며, 모바일 빅데이터를 활용

한 구조 대상의 규모와 위치 분석을 실시하였다.

농림업분야에서 홍수, 산사태 등의 기상재해로 인한 피해 발생 가능성을

모바일 빅데이터를 활용하여 감소시킬 수 있다. 또한, 재해 발생 전 피해예

상지역의 주민에게 대피문자를 발송하거나, 피해 상황 등을 모니터링하여

정보를 전달할 수 있을 것으로 기대된다.

구분 내용

활용 주체 - 정부담당자, 농림업종사자 등

활용 분야 - 재해재난

활용 목적 - 신속한 재난의사결정 자료로 활용

활용 자료 - 내부데이터(모바일빅데이터)

활용 방법 - 모바일 빅데이터를 활용한 구조 대상의 규모와 위치 분석

분석 결과

- 재난 발생 시 신속한 초기 대응을 위해 구조를 필요로 하는 사람의 규모와 위치 파악이 가능한

모바일 빅데이터 활용이 중요함. 모바일 빅데이터는 통신회사에서 셀 단위로 생산하는 활동인구

정보로, 모바일폰 사용에 의해 생산됨.

- 폭염 등 자연재난에 취약한 고령층이 밀집해 있는 종로구를 대상으로 지역에 소재한 변전소에

고장이 발생하여 냉방공급 중단과 함께 폭염발생을 가정하여 빅데이터 활용사례를 분석한 결과,

모바일 빅데이터는 ‘폭염주의’단계에서 안전유의와 관련된 문자를 발송할 수 있고, 폭염이 전력

중단과 맞물려 발생하는 위급상황 시 고령자 등 재난에 취약한 연령층의 위치파악을 통해 대피

순위를 선정하는데 적용 가능함.

기대효과 및

농림업분야

활용 가능성

- 농림업분야에서 홍수, 산사태 등의 기상재해로 인한 피해를 모바일 빅데이터를 활용하여 방지할

수 있음.

- 재해 발생 전 피해예상지역의 주민에게 대피문자를 발송하거나, 피해 상황 등을 모니터링하여

정보를 전달할 수 있을 것으로 기대됨.

<부표 2-33> 모바일 빅데이터를 활용한 재난 대응방안 수립사례

자료: 김종학 외(2016)를 참고하여 재작성함.

부 록174

B16. 경상남도 빅데이터 활용방안

경상남도 빅데이터 활용방안은 정책분야 활용사례이다. 분석결과의 활용

주체는 정부담당자 및 지자체 등이 될 수 있으며, 양산시 노인인구 분포, 노

인인구 연령대별 건강 현황, 지역별 질병 현황 등을 파악하는 것이 목적이다.

분석자료는 정형데이터(혈압, 혈당, 소변검사기록, 건강체크리스트 등의

건강데이터)를 활용하였으며, 시각화와 Wordcloud 분석을 실시하였다.

도시지역에 비해 의료환경이 열악한 농촌지역의 고령인구에 대한 농업진

료 서비스를 제공하고 의료환경을 개선하며, 건강데이터를 기반으로 고위험

군에 있는 농촌인구를 발견하고 우선적으로 의료서비스를 제공할 수 있다.

구분 내용

활용 주체 - 정책담당자, 지자체

활용 분야 - 질병

활용 목적 - 노인인구 건강 현황, 지역별 질병 현황 등의 파악 및 분석

활용 자료 - 정형데이터(건강데이터)

활용 방법 - 시각화, Wordcloud 분석

분석 결과

- 고혈압이나 당뇨병을 앓고 있는 환자 281명의 지역별 분포를 분석하고 검사위치의 위도와 경도

데이터를 파악하여 R프로그램에서 Google Map을 연동하여 시각화함.

- 질환자들의 건강관리기록 시 언급된 단어들을 Wordcloud 분석으로 표현함. 분석을 통해

질환자들에게 혈압, 병원, 측정, 권유, 혈당 등의 단어들이 많이 언급되고 있음. 이에 따라 고위험군

환자들에게 병원진료를 권유하고 있으나 적극적인 치료가 이루어지지 않고 있음을 파악함.

기대효과 및

농림업분야

활용 가능성

- 도시지역에 비해 의료환경이 열악한 농촌지역의 고령인구에 대한 농업진료 서비스를 제공하고

의료환경을 개선할 수 있음.

- 건강데이터를 기반으로 고위험군에 있는 농촌인구를 발견하고 우선적으로 의료서비스를 제공할 수

있음.

- 수집된 데이터에 대한 통계적인 차원에서의 정리는 가능하지만 빅데이터 관점에서 분석하기

위해서는 빅데이터 분석을 위한 기초자료 정리에 많은 시간이 소요될 것으로 보임.

<부표 2-34> 경상남도 빅데이터 활용방안 수립사례

자료: 박병주(2015)를 참고하여 재작성함.

부 록 175

3. 미국 빅데이터 활용사례

C1. 네슬레의 식품안전 조기경보 시스템

활용사례의 주체는 사업체이며, 분석 자료는 SNS 데이터, 인터넷 검색어

수집, GIS데이터, 메타 유전자 데이터와 같은 유전자 및 생화학적 데이터

등이다. 분석 방법은 소셜미디어 분석, DNA분석 등이다.

식품기업의 평판과 직결되는 식품안전 문제를 효율적으로 다루기 위해

빅데이터를 활용하여 분석한 사례이다. 네슬레와 같이 전 세계에 매일 1억

개 이상의 식품을 판매하고 세계 각지에 공장과 종업원을 두고 있는 다국적

기업에서는 효율적이고 투명한 운영시스템이 필수적이다. 네슬레는 식품유

통시스템의 효율성을 높이기 위해서 빅데이터를 적극적으로 활용하고 있다.

구분 내용

활용 주체 - 사업체(식품회사)

활용 분야 - 소비(안전성)

활용 목적- 국가 간 식품거래가 활발하게 진행됨에 따라 소비자들의 식품안전과 가짜 식품에 대한 소비자들의

우려를 감소시키고 기업의 식품위생을 효율적으로 관리하기 위함.

분석 자료 - SNS 데이터, 인터넷 검색어 수집, GIS데이터, 메타 유전자 데이터와 같은 유전자 및 생화학적 데이터

분석 방법 - 텍스트분석(키워드 연관검색어), DNA분석

분석 결과

- 중국의 식품회사에서 저렴한 단백질 공급원으로 가죽 무두질 용액을 사용하고 있다는 정보를

온라인상에서 입수

- 질병 발생과 식품의 불순물을 탐지하기 위해 인터넷 검색어와 뉴스, 온라인상의 의견들을 종합한

후, 이에 대한 진위성을 식별하기 위해 DNA데이터 및 생화학적 실험을 진행

- 2010년 가죽 무두질 용재로 쓰이는 크롬 히드록시 프롤린에 대한 분석조사를 실시하고, 12개의

원료(3000개 샘플)를 조사하여 이들에 불순물이 섞이지 않음을 확인함.

- 가짜 식품탐지를 위해 GIS데이터를 이용하여 근원지와 전파지역을 분석하며, 소비자들의 식품

안전에 대한 염려와 선호를 이해하기 위해 소셜미디어 분석을 수행함.

기대효과 및

농림업분야

활용 가능성

- 빅데이터를 이용한 농식품 안전 이슈를 분석하여 식품안전사고를 조기 예방할 수 있음.

- 농식품 안전 문제를 조기에 발견하고 이를 공론화하여 농식품에 대한 소비자의 신뢰도를 높일 수

있고, 또한 인터넷에서 떠도는 근거 없는 소문일 경우 이를 조기에 진압할 수 있음.

<부표 2-35> 네슬레 식품안전 조기경보 시스템 구축사례

자료: O’Brien, John(2013)을 참고하여 재작성함.

부 록176

C2. 빅데이터를 이용한 기상예측 시스템(Deep Thunder)

활용사례의 주체는 사업체(비즈니스)가 될 수 있으며, 분석 자료는 필드

데이터, 기상데이터, 지리정보데이터 등이다. 분석 방법으로는 통계분석, 시

뮬레이션 등을 활용하였다.

빅데이터를 이용한 좁은 범위의 특정지역에 맞춘 기상예보 시스템이다.

기상예보는 정확한 농사 시기, 수확량 증대, 수확 후의 감모량 축소, 저렴한

가격을 통한 소비자 이익, 환경변화의 영향력 최소화 등으로 직결된다. 또

한 특정 지역 기상예보를 활용하여 수자원의 효율적인 이용이 가능하다.

구분 내용

활용 주체 - 비즈니스(농업경영자), 사업체(농작물 생산기업)

활용 분야 - 생산

활용 목적

- 미디어를 통한 일반적인 기상예보는 간혹 비즈지니스에 필요한 정보를 제대로 전달해 주지 못할

때가 있음. IBM에서 개발된 Deep Thunder는 다양한 데이터 소스와 컴퓨팅 파워를 기반으로

빅데이터를 응용한 hyperlocal(신조어. 아주 좁은 범위의 특정 지역에 맞춘 기상 예측 시스템으로,

농업분야에 응용하여 생산성 향상을 높이는 데 활용될 수 있음).

분석 자료 - 경작지 데이터, 기상데이터, 지리정보데이터

분석 방법 - 통계 분석, 시뮬레이션, 실시간 데이터 분석

분석 결과

- Hyperlocal은 단순히 지역적 범위를 지칭하는 것이 아니며, 비즈니스 대상단위를 의미하기도 함.

- 정확한 기상 예측을 통해 지역별 농업 생산량 및 농업 경영 계획을 체계적으로 수립할 수 있음.

- 기상예측의 정확도를 향상시켜 수자원의 활용 효율성을 증가시킬 수 있음.

- 정확한 기상 예측을 위한 대중적인 애플리케이션이 보급된다면 적은 비용으로 농업 생산력을

향상시킬 수 있음.

기대효과 및

농림업분야

활용 가능성

- 빅데이터를 이용한 hyperlocal 기상예보를 이용하여 적은 비용으로 정확한 농사 시기 추정, 수확량

증대, 수확 후의 감모분 감축, 환경 변화의 영향력 최소화를 이룰 수 있음.

- 비가 오는 시기와 지역을 정확하게 예측하여 수자원의 효율적인 이용이 가능함.

<부표 2-36> 빅데이터를 이용한 기상예측 시스템 구축사례

자료: Ulissess(2016)을 참고하여 재작성함.

부 록 177

C3. 농산물 파종상황 모니터링 모바일 서비스

활용사례의 주체는 사업체(비즈니스)가 될 수 있으며, 분석 자료는 고화

질 지도 및 공간정보, 필드데이터 등이다. 분석방법은 실시간 데이터 분석,

통계분석, 공간정보와 필드데이터를 연계 분석하여 가시화된 정보제공 및

데이터의 실시간 시각영상화 및 기록이다.

파종시기에 진행되는 상황을 지도와 접목하여 작업의 효율성과 생산성을

시각적으로 확인하기 위해 착안된 시스템이다. 이 서비스의 강점 중 하나는

아이패드와 같은 디지털 디바이스를 활용하여 농민들이 언제든지 파종작업

현황을 데이터로 접근 및 관리할 수 있다는 것이다.

구분 내용

활용 주체 - 비즈니스(농업경영자), 사업체(농작물 생산기업)

활용 분야 - 생산

활용 목적

- 존디어사 등 농기계 업체들은 최근 빅데이터와 농업 최첨단 기술을 이용하여 파종 작업의 효율성을

제고하고 과학적 농업 경영을 위해 자사 파종기의 신 모델을 출시하면서 파종기기의 진행상황을 모니터할

수 있는 모바일 애플리케이션을 출시하였음.

분석 자료 - 고화질 지도 및 공간정보, 필드데이터 등

분석 방법- 실시간 데이터 분석, 통계분석을 통해 얻어진 결과를 공간정보와 필드데이터와 연계하여 가시화된 정보를

모바일 애플리케이션을 통해 실시간 제공

분석 결과

- 파종시기에 진행되는 상황을 지도와 접목하여 작업의 효율성과 생산성을 시각적으로 확인하기 위해

착안된 기계로, 아이패드와 같은 디지털 디바이스를 활용하여 농민들이 언제든지 파종작업 현황을

데이터로 접근하여 관리할 수 있도록 함.

- 무선이동통신과 와이파이를 이용하여 사무실과 파종현장 작업 중에도 파종작업 데이터를 존디어사의

고객지원 사이트로 전송할 수 있으며, 이를 통해 전송된 데이터는 다른 모바일 기기들 간 정보 동기화가

가능함.

- 농민들의 현장데이터와 다른 데이터들을 결합하여 파종기의 최적기능 설정, 잠재적 문제점 진단, 경작지

탐색 및 그 외 농업경영, 영농의사결정 지원에 활용

기대효과 및

농림업분야

활용 가능성

- 국내 농림업분야에 도입하여 생산부문 효율성 증가 가능

- 파종기기와 이를 모니터링 할 수 있는 시스템을 동시에 보급함으로써 농업 현장뿐만 아니라 실내에서도

현장을 모니터링할 수 있음.

- 국내에서도 이미 식물공장 등에서 사람이 파종하는 것보다 10배 빠른 파종기기가 도입되어 사용되고,

파종기기와 더불어서 이를 모니터링할 수 있는 시스템을 개발하면 높은 농업 효율성을 제고할 수 있음.

<부표 2-37> 파종상황 모니터링 모바일링 서비스 사례

자료: Farm Industry News(2016)를 참고하여 재작성함.

부 록178

C4. 공공기후 데이터를 이용한 기후보험 개발 판매 시스템

활용사례의 주체는 사업체(비즈니스)가 될 수 있으며, 분석 자료는 기후

데이터, 수확량데이터, 토양데이터, 위성데이터 등이다. 통계분석, 시뮬레이

션 분석, 비용편익분석 등의 방법을 활용하여 분석하였다.

기후변화에 따른 불확실성이 증가함에 따라 체계적인 날씨 위험 관리를

통한 기후변화 대응능력을 제고하기 위한 서비스이다. 연방정부의 작물 보

험을 보완하기 위해 고안된 것으로 이상기후가 발생할 경우 손실을 보상해

준다.

구분 내용

활용 주체 - 비즈니스(농업경영자), 사업체(농작물 생산기업)

활용 분야 - 생산

활용 목적

- 공공기후 데이터와 농업데이터를 이용해 이상 기후 발생 시 해당 농가에 보험을 지급하는

기후보험을 개발 판매하고 있으며, 이를 통해 농민들의 농업경영을 돕고, 이상기후에 따른 위험을

감소시킴으로써 생산성 향상을 추구함.

분석 자료 - 기후데이터, 수확량데이터, 토양데이터, 위성데이터 등

분석 방법 - 통계분석, 시뮬레이션 분석, 비용편익분석 등

분석 결과

- 미국에서는 지역별 작물수확량, 토양성분, 기후정보 등의 과거데이터를 이용하여 이상기후 시 해당

농가에 보험금을 지급하는 기후 보험 상품이 개발, 판매되고 있으며 대표적으로 클라이밋

코퍼레이션 사에서 개발된 total weather insurance(TWI)는 생장시기에 발생하는 이상기후에

대해 농가에 보험을 지급하고 있음.

- TWI는 연방정부의 작물 보험을 보완하기 위해 고안된 것이며 이상기후가 발생할 시 손실을 보상해 줌.

- TWI는 이상기후에 따른 고객들의 예상 손실액을 예측하고, 이상기후 발생 시 연방정부의 작물

보험에만 들었을 때와 TWI의 기후보험을 들었을 때의 손해 배상액 정보를 고객들에게 제공함

- 기후보험 회사에서는 기상청 데이터, 인공위성데이터 등을 이용하여 자체적으로 지역의 기후를

모니터 하고 있음.

기대효과 및

농림업분야

활용 가능성

- 선진국에서는 이미 기후보험을 활발하게 도입하고 있으며 많은 농가와 농업경영자들에 의해

위험관리 수단으로 활용되고 있음.

- 한국 정부는 매년 홍수와 태풍 피해 등 재해 복구에 많은 예산을 쓰고 있음. 기후보험이 농민들에게

광범위하게 도입된다면 정부의 재해복구 예산을 줄이는 역할을 할 것으로 기대됨.

<부표 2-38> 공공데이터를 이용한 기후보험 개발사례

자료: The Big Data Market(2016)을 참고하여 재작성함.

부 록 179

C5. 빅데이터를 이용한 관수시스템 개발

활용사례의 주체는 사업체(비즈니스)가 될 수 있다. 분석 자료는 위성사

진 이미지 데이터, 기후데이터, 토양데이터 등이고 분석 방법은 슈퍼컴퓨

터를 활용한 통계 분석 및 실시간 데이터 분석이다.

Gallo 와이너리가 IBM과 협력하여 와인용 포도를 기르는 데 있어서 효

율적인 물 자원 관리를 위한 관수시설을 개발한 사례이다. 관수 시스템을

개발하기 위해 IBM의 물리학 부서와 Watson(슈퍼컴퓨터) 리서치 그룹이

프로젝트를 주도하였다. 새로운 관수시스템은 이전의 Gallo의 자체 관수

시스템 단점을 보완하였다.

구분 내용

활용 주체 - 비즈니스(농업경영자), 사업체(농작물 생산기업, 식품사업체)

활용 분야 - 생산

활용 목적- 빅데이터를 활용한 맞춤형 관수시스템을 활용하여 와인용 포도를 재배하는데 적은 양의 물을

이용하여 비용절감 효과를 노릴 수 있음.

분석 자료 - 위성사진 이미지 데이터, 기후데이터, 토양데이터 등

분석 방법 - 슈퍼컴퓨터를 이용한 실시간데이터 분석, 통계 분석

분석 결과

- IBM과 협업하기 이전에도 Gallo는 위성사진 데이터를 이용한 자체 관수 시스템이 있었으나

한계점이 있었음.

- 이전에는 10에이커 단위의 구획 기준으로 관수 작업을 할 수 있었으나 개별 나무에 직접적으로

물을 주지 못했음.

- 이러한 문제를 해결하기 위해 IBM과 협업하여 인공위성 사진을 분석하여 자동적으로 작은 단위의

구역까지 물을 줄 수 있는 맞춤형 관수 시스템을 개발함.

- 이에 따라 적은 양의 물을 사용함으로써 비용절감이 가능하며 가뭄시즌에 물을 절약할 수 있는

효과도 있음.

기대효과 및

농림업분야

활용 가능성

- 빅데이터를 이용하여 관개 시설을 개선하여 비용절감이 가능하며 가뭄시즌에도 물을 절약할 수 있음.

- 대용량의 물을 대기 힘든 과수원이나 밭작물에 도입하여 효과를 볼 수 있으며, 관개 시스템을

도입하기 힘든 산간지형에 도입하여 비용을 절감할 수 있음.

- 관개시설을 기계화함으로써 노동력 절감을 가져옴.

<부표 2-39> 빅데이터를 이용한 관수시스템 개발사례

자료: “IBM and Gallo Winery Built a Big Data Irrigation System for Wine - Fortune.(2016)”을

참고하여 작성함.

부 록180

C6. 저비용 관개시스템 애플리케이션: CropX

활용사례의 주체는 사업체(비즈니스)가 될 수 있으며, 분석 자료는 센서

데이터, 토양지도, 지형데이터, 일조량 데이터 등이다. 분석방법은 회사 자

체에서 개발한 알고리즘과 센서를 이용하여 강수량과 같은 환경적 변화를

실시간으로 탐지한 후 분석결과에 반영하였다.

농민들의 관개 의사결정을 돕기 위하여 출시된 스마트폰 애플리케이션

CropX의 사례이다. 비용이 부담스러운 관개 의사결정 시스템에 비해 비교

적 저렴한 비용으로 스마트폰 애플리케이션과 자체 센서를 보급하여 영세

농민들도 부담없이 이용이 가능하다.

구분 내용

활용 주체 - 비즈니스(농업경영자), 사업체(농작물 생산기업, 식품사업체)

활용 분야 - 생산

활용 목적- 스마트폰 애플리케이션을 활용하여 적은 비용으로 농부들의 관개 의사결정을 돕고, 농업 생산성을

향상시킬 수 있으며 물을 절약할 수 있음.

분석 자료 - 센서데이터, 토양지도, 지형데이터, 일조량데이터

분석 방법

- CropX에서 개발한 알고리즘을 이용하여 CropX의 클라우드 서비스에 업로드된 토양 데이터와

지형, 일조량, 기후데이터를 결합시킴.

- 결합된 데이터를 기반으로 토양의 외부 상태와 내부 상태 분석

- 분석결과를 소프트웨어상의 지도에 표시하고, 이를 이용하여 농민들의 관개 의사결정을 도움

- CropX에서 제공하는 센서는 20분마다 현장 데이터를 식별하여 강수량 등 환경적 변화를

실시간으로 탐지하여 분석 결과에 반영

분석 결과

- 농부들의 관개 의사결정을 돕기 위한 스마트폰 애플리케이션이 출시되었고 이를 통해 캘리포니아

지역에서 농부들이 실질적으로 많은 양의 물을 절약할 수 있었음.

- CropX는 센서를 장착한 새로운 스마트폰 애플리케이션이며 가격이 저렴하여 영세농민들도

부담없이 이용이 가능함.

- CropX는 각각 다른 농지에서 얼마만큼의 물이 필요한지를 추적하여 필요한 물의 양을 알려줌.

기대효과 및

농림업분야

활용 가능성

- 가격이 저렴한 스마트폰 애플리케이션과 센서를 이용하여 농부들의 관개 의사결정을 도울 수 있음.

- 스마트폰 보급률이 높은 한국의 여건에서 쉽게 농민들에게 대중화될 수 있음.

<부표 2-40> 저비용 관개애플리케이션(CropX) 개발사례

자료: “Irrigation Soil Sensors: CropX(2016)”를 참고하여 재작성함.

부 록 181

C7. 빅데이터를 이용한 대형 식품매장(smart grocery) 배달관리 시스템

활용사례의 주체는 사업체(비즈니스)가 될 수 있으며, 분석 자료는 SNS

데이터, 인터넷 검색어 수집자료, 위치기반 서비스 자료, 설문조사 자료 등

이다. 분석은 텍스트분석, 통계분석, 설문조사분석 방법을 활용하였다.

일본의 월마트, 세븐일레븐, 맥도날드와 같은 거대 기업은 빅데이터를 판

매, 유통, 광고 분야에 걸쳐서 다양하게 활용하고 있다. 빅데이터를 이용한

분석으로 소비자 맞춤형 서비스가 가능하게 되었다.

구분 내용

활용 주체 - 사업체(식품회사: 맥도날드, 세븐일레븐 등), 비즈니스(전통시장)

활용 분야 - 소비

활용 목적

- 빅데이터를 활용하여 기존 식픔소매점의 개념을 뛰어넘는 소비자 맞춤형 식품소매점 서비스가 제공되고

있음.

- 소비자 맞춤형 광고, 소비자 맞춤형 배달시스템 등을 도입하여 소비자들에게 편리한 서비스를 제공하여

잠재수요를 끌어올림으로써 더 높은 이윤을 창출하고 마케팅 성과를 높일 수 있음.

활용 자료 - SNS 데이터, 인터넷 검색어 수집, 위치기반 서비스, 인터넷 설문조사 자료

활용 방법 - 텍스트분석, 통계분석

분석 결과

- 일본의 월마트는 소비자들이 트위터를 이용하여 매장에서 판매되는 10,000개의 아이템 중 가장 가격을

내리고 싶은 품목에 투표를 실시하고, 상위 100개의 아이템을 실제로 전 매장에서 세일을 함.

- 세븐일레븐은 연간 캠페인의 일환으로 소비자 온라인 투표를 진행하고 있으며, 웹페이지에서는 매장에서

팔리고 있는 커피들의 개수를 웹페이지에 공개함으로써 소비자의 참여를 유도하고 있음.

- 맥도날드 일본지사는 소비자들에게 모바일 쿠폰을 제공함. 2,000만 명이 넘는 소비자들이 일본

맥도날드의 모바일 애플리케이션을 이용하고 있으며 맥도날드는 이 프로그램을 이용해 소비자들의 선호와

구매내역에 따라 개개인 맞춤형 모바일 쿠폰과 “gimfication”이라는 스탬프 컬렉션을 제공하고 있음.

- Marks&Spencer는 중국에서 가장 큰 LSB(위치기반서비스) 공급자인 Jiepang과 소셜 플랫폼인

weibo와 파트너를 맺고 Huaihai에 새로운 지점을 오픈함. GEO 기술을 이용하여 매장의 인근지역

주민들에게 프로모션 메시지를 제공하고, weibo에 고객들이 매장에서 쇼핑을 한 사진을 올리면 사은품을

제공함.

기대효과 및

농림업분야 활용

가능성

- 신선한 농식품 관련 소비자 맞춤형 광고, 고객과 가까운 지역에 금일 출하된 신선한 농산물 판매 장소

알림 등 농식품 홍보에 이용할 수 있음.

- 페이스북, 트위터 등과 연계하여 쿠폰을 제공하는 등 마케팅에 활용 가능하여 이를 통해 농식품 소비를

증진시킬 수 있음.

<부표 2-41> 빅데이터를 이용한 대형식품매장 운영사례

자료: Desai, Parag, Potia, and Salsberg(2016)를 참고하여 재작성함.

부 록182

C8. IBM 정밀농업 시스템

활용사례의 주체는 사업체(농업생산자)가 될 수 있으며, 분석 자료는 기

후데이터, 토양데이터, 드론 수집 데이터, 위성사진 데이터, 지리정보 데이

터 등이다. 분석 방법은 통계분석, 시뮬레이션 등을 활용하였다.

빅데이터를 활용한 정밀농업 서비스를 통해서 농장을 경영하는 과정에서

발생하는 다양한 비효율성을 감소시키고 효율적인 농업 의사결정을 돕는

사례이다. IBM과 같은 대기업들이 정밀농업 분야에 빅데이터 기술을 활용

한 서비스를 제공하고 있다.

구분 내용

활용 주체 - 비즈니스(농업경영자), 사업체(농작물 생산기업, 식품사업체)

활용 분야 - 생산

활용 목적

- 파종, 수확 등 농업생산과정에 맞춰 정확한 농업 의사결정을 통하여 위험을 줄이고 더 큰 이윤을

추구하려는 농부들의 의사결정을 도와줄 뿐 아니라 세계적인 인구증가 추세에 따른 식량수급

문제를 해결하기 위해 빅데이터를 이용하여 정확한 농업 의사결정을 모색하는 데 활용됨.

활용 자료 - 기후데이터, 토양데이터, 드론 수집 데이터, 위성사진 데이터, 지리정보 데이터 등

활용 방법 - 통계분석, 시뮬레이션, 실시간 정보 수집 등

분석 결과

- 정밀농업 서비스는 농민들의 농장 경영시스템과 연계하여 자동적으로 파종, 수확에 적절한 시기와

필요한 장비 및 인력 등을 알려주고, 정밀농업 서비스를 통해 추천된 몇 가지 최적화된 방법을

이용했을 경우 발생할 수 있는 경제적 효과를 연계해서 알려줌.

- 예를 들면 각기 다른 수확시기의 시나리오를 표시하고, 기대되는 작물 시장의 상황을 기반으로

각각의 시나리오에 따른 수확시기 및 수익을 예측함으로써 농부들은 각기 다른 수확 시나리오에

따른 수익을 예측할 수 있음.

- 정밀농업 서비스를 통해서 농장을 경영하는 과정에서 생기는 다양한 비효율성을 감소시킬 수 있음.

- 이 외에도 농민들은 정밀농업 서비스를 자신들의 농장 관리 시스템과 연계하여 전체 농업생산

공정들을 관리할 수 있으며, 개별주체의 활용방식에 따라 운영과정의 효율성을 높여 소득을 올리는

데 이용할 수 있음.

기대효과 및

농림업분야

활용 가능성

- 농업생산과정에 맞춰 적절한 시기에 농업 의사결정을 모색함으로써 불필요한 시간과 비용의 낭비를

줄이고 농가의 이윤을 증가시킴으로써 농업 생산성을 향상시킬 수 있음.

- 병충해와 같은 외부 위험성에 대한 사전 위험관리를 효과적으로 수행함으로써 안정적인 농산물

수급 효과를 기대할 수 있음.

<부표 2-42> IBM 정밀농업 시스템 구축사례

자료: “IBM Research: Precision Agriculture.”을 참고하여 재작성함.

부 록 183

C9. 빅데이터 이용 농산물 공급체인 개선

이 활용사례는 정책적으로 활용할 수 있다. 분석 자료는 위성이미지 데이

터, 드론수집데이터, 시장가격 데이터, 사물간인터넷, 스마트폰 센서, GPS

데이터, SNS 데이터이다. 분석 방법은 통계분석, 슈퍼컴퓨터분석, 클라우드

기술조합을 활용한 실시간 모니터링 등이다.

세계 인구가 빠른 속도로 증가하고 선진국과 개도국의 식량수급 불평등

이 증가함에 따라 식량안보문제를 해결하기 위해 빅데이터를 적극적으로

활용하고 있다.

구분 내용

활용 주체 - 정책수립, 연구자

활용 분야 - 유통(수급예측)

활용 목적- 식량안보 및 주요한 식량 문제를 해결하고 전 세계적 식량 수급시스템의 효율성을 증진시키는데

빅데이터 활용의 필요성을 고찰

활용 자료- 분석자료는 위성이미지 데이터, 드론수집데이터, 시장가격 데이터, 사물간인터넷, 스마트폰 센서,

GPS데이터, SNS데이터

활용 방법 - 텍스트 마이닝, 통계분석, 슈퍼컴퓨터분석, 클라우드 기술조합을 활용한 실시간 모니터링

분석 결과

- 식량안보문제를 해결하기 위해서는 농업의 모든 단계(파종, 생육, 수확, 유통)에 거쳐 낭비되는

자원을 최소화하고 효율성을 높이는 방법이 필요하며 이를 위해 빅데이터가 활용될 수 있음.

- 농업 가치사슬의 전 단계에서 빅데이터를 활용할 수 있으며, 빅데이터는 생산부문에서는 정밀농업,

관개시스템 지원, 기상예측 분야에 활용될 수 있음. 또한 SNS와 온라인 및 스마트폰 애플리케이션

을 통해서 농민들이 서로 농업경영 관련 정보를 주고 받음으로써 정보의 투명성이 향상될 수 있음.

기대효과 및

농림업분야

활용 가능성

- 빅데이터는 생산부문에서는 정밀농업, 관개시스템 지원, 기상예측 분야에 활용될 수 있음.

- 수급 부분에서는 빅데이터를 이용하여 방대한 양의 시장데이터를 추출, 분석하여 시장수급력 예측

도를 높일 수 있음.

- 유통 및 소비분야에서는 식품의 안전도를 높이기 위해 빅데이터를 이용하여 식품 유통정보를 수집

하고 빠른 응답(QR)코드나 인근현장 통신(NFC)카드를 부착하여 저장을 함. 소비자들은 사용이

용이한 스마트폰과 태블릿 PC와 같은 터미널을 이용하여 이러한 태그를 식별할 수 있도록 함으로써

식품 유통업자 및 소매 판매자와 소비자가 특정 제품에 대한 즉각적인 의견을 교환할 수 있음.

<부표 2-43> 빅데이터 이용 농산물 공급체인 개선사례

자료: Smith, Derik Lafayette, and Satya Prakash Dhavala(2013)를 참고하여 재작성함.

부 록184

C10. 소셜미디어 데이터를 활용한 개도국 식품가격 예측

활용사례의 주체는 연구자이며 분석 방법은 텍스트 마이닝, 통계분석 등

이다. 소비자들이 소셜미디어를 통해 교환하는 농식품 가격에 관한 이슈들

을 분석하여 농식품 가격 예측에 이용하는 사례이다.

구분 내용

활용 주체 - 연구자

활용 분야 - 유통(수급예측)

활용 목적

- 미국에서는 셀 폰의 사용이 이미 충분히 일반적이지만 개발도상국에서는 현재 셀 폰의 사용률이

빠르게 증가하고 있는 추세임.

- 2012년 추정치에 따르면 세계적으로 모바일폰 유저는 6.4억 명에 달하고 있음. 이에 따라 셀 폰의

데이터를 빅데이터 분석에 활용하고자 하는 시도가 이루어짐.

- 셀 폰으로 생성된 데이터를 이용한 빅데이터 분석을 활용하여 농산물 수급예측에 활용할 수 있음.

활용 자료 - SNS데이터, 문자메시지 등의 데이터

활용 방법 - 텍스트분석, 통계분석

분석 결과

- 개도국에서 사회의 웰빙을 나타내주는 지표 중 하나가 식품 가격 인덱스임. 그동안 식품가격

인덱스를 추정하기 위해 많은 노력이 진행되어 왔으나 이를 공식적으로 추정하고 발표하기 위해서

데이터를 수집하는데 많은 시간이 소요됨. 따라서 실제 식품가격과 공식적으로 발표하는 데이터

사이에는 항상 시차가 발생하였고, 이로 인해 저소득층과 사회 안정에 부정적인 영향을 끼칠 수

있었음.

- 그러나 사람들은 식품가격에 대하여 항상 지속적으로 이야기를 나누고 있음. 2010년에서 2012년

동안 공식적으로 발표된 월별 식품가격 추세와 인도네시아의 트위터에서 사람들이 쌀 가격에 대해

언급했던 양을 비교한 바에 의하면 두 그래프는 비슷한 패턴과 터닝 포인트를 나타내고 있으며

이는 소셜미디어 사이트에서 주요한 정보를 획득할 수 있는 가능성을 보여주고 있음.

기대효과 및

농림업분야

활용 가능성

- 소셜 미디어와 핸드폰과 같은 기기와 첨단 기술을 이용하여 국민들의 삶에 큰 영향을 끼치는

식품가격 인덱스를 빠르게 추정할 수 있으며, 표본 수집 시간과 비용을 줄일 수 있음.

- 식품가격에 대한 대중들의 여론과 체감 물가를 효율적으로 수집하고 정책에 시의적절하게 반영할

수 있음.

<부표 2-44> 셀폰데이터를 활용한 개도국 식품가격 예측사례

자료: Mining Indonesian Tweets to Understand Food Price Crises(2013) 참고하여 재작성함.

부 록 185

C11. 빅데이터를 이용한 농업 환경정책 평가

이 사례는 정책적으로 활용할 수 있으며, 분석 자료는 민간 및 공공 데이

터베이스를 통해 얻어진 농업데이터, 위성데이터, 기후데이터, 토양데이터,

시장가격데이터, 지리정보데이터이다. 분석방법은 비용편익분석, 작물시뮬

레이션, 상호교환분석, 지역경제 분석 등을 활용하였다.

농업 생태환경에 대한 관심도와 수요가 높아짐에 따라 정책 마련을 위한

체계적인 데이터 기술에 대한 요구가 증가하고 있으며, 이를 위해 빅데이터

기술을 적극적으로 활용할 필요성이 있다.

구분 내용

활용 주체 - 정책부서

활용 분야 - 생산

활용 목적- 과학기반정책을 구축하며 효과적이고 지속적인 농업생태환경 구축을 위해 빅데이터 기술을 활용하여

정책적 효율성을 높일 수 있음.

활용 자료- 민간 및 공공 데이터베이스를 통해 얻어진 농업 데이터 - 위성데이터, 기후데이터, 토양데이터 - 시장가격데이터, 지리정보데이터

활용 방법

- 비용 편익 분석 - 작물 시뮬레이션 모형 - 다차원 영향평가모형을 위한 상호교환분석 (TOP-MD)- 지역경제 분석 프로그램 (REAP)

분석 결과

- 미국의 농업부문은 모바일 기술 및 첨단 기술의 발전에 따라 방대한 데이터를 축적해 왔으나 많은 양의 데이터를 처리하기 위해서는 더 나은 데이터 처리와 분석기술을 필요로 함.

- 민간과 공공 부문의 방대한 데이터를 한 곳에 모아놓은 인프라를 구축하면 의사결정을 위한 분석 과정을 간단하게 만들 수 있고, 이를 정책 분석에 활용함으로써 농가의 소득수준과 농촌 환경을 발전시키는 데 이용할 수 있음.

- 농업 데이터 인프라를 구축하기 위한 핵심 쟁점으로는 공공과 민간부문 데이터를 어떻게 수집, 관리할 것인지, 데이터를 효율적이고 안전하게 이용할 방안은 어떠한 것이 있는지와 같은 문제들이 있음.

- 이러한 농업부문 데이터 인프라를 효과적으로 구축하기 위해서는 민간과 공공부문의 협력이 필요함- 최근 데이터 기술의 발전으로 이미 민간, 공공 부문에서 많은 데이터들이 수집되어 왔으며 이를 통합하여

효율적인 데이터 인프라를 구축하는 전략이 필요함.- 이를 위해서는 민간과 공공부문의 필요를 충족시키기 위한 데이터 수집. 통합방법을 적은 비용으로

효율적으로 운영하기 위한 전략이 필요함.

기대효과 및 농림업분야 활용 가능성

- 방대한 데이터베이스를 구축하고 빅데이터 분석기법을 활용하여 과학적인 정책 수립을 촉구할 수 있음.- 과학적인 모형을 이용하여 정책에 따른 다양한 예상 결과를 도출하여 정책 도입에 따른 불확실성을 줄일

수 있음.- 신뢰성 있는 데이터 인터페이스 구축은 정책 부문뿐 아니라 사업 분야, 연구 분야 등에서 다양하게 이용될

수 있음.

<부표 2-45> 빅데이터를 이용한 농업 환경정책 평가사례

자료: ntle, John, Susan Capalbo, and Laurie Houston(2015)을 참고하여 작성함.

부 록186

C12. 택배서비스(UPS) 최적경로 추적시스템 개발

활용사례의 주체는 사업체이며, 분석 자료는 GPS데이터, 위성데이터 등

이다. 분석 방법은 기업이 자체적으로 개발한 스마트프로세싱(Orion) 및 통

계분석 등이다. 이 사례는 기업의 수익과 직결되는 효율적 이동경로 선택을

위한 빅데이터 활용사례이다. 만약 UPS가 하루 수송거리를 1마일 줄인다면

연간 5천만 달러의 비용절감을 달성할 수 있다. 이를 위해 엔지니어들은 빅

데이터 분석기법과 스마트 프로세싱을 활용하여 가장 효율적인 경로를 탐

색할 수 있는 시스템을 개발하였다.

구분 내용

활용 주체 - 사업체(물류회사, UPS)

활용 분야 - 유통

활용 목적- 빅데이터를 이용하여 최적의 배달 경로를 추적함으로써 배달 시간 및 비용 절감을 통한 유통 효율성 향상

- 최적의 배달경로를 통해 길에서 낭비하는 가솔린을 줄여 에너지 절감 및 환경 보호 효과를 추구함.

활용 자료 - GPS데이터, 위성데이터

활용 방법 - 기업자체 개발 스마트프로세싱(Orion) 및 통계분석

분석 결과

- Orion(On-Road Integrated Optimization and Navigation)이라고 불리는 자체시스템을 이용하여

1,000페이지에 달하는 코드로 이루어진 알고리즘으로 이동 지점당 20만 개에 달하는 경로를 실시간

으로 탐색함.

- 엔지니어들은 좌회전을 할 시 무부하 회전60이 발생하여 시간과 연료를 낭비하는 비효율이 발생하게 된다는

사실을 발견하게 되었고, 좌회전을 최소화하는 방향으로 경로를 탐색하는 원칙을 시스템에 적용하였음

- 이와 같은 시스템을 도입한 결과 UPS는 2004년에서 2012년 사이 10million 갤런의 가스를 절약하고

100,000 메트릭톤의 탄소저감효과를 달성하게 되었으며 이는 연간 5,300대의 차를 도로에서 사라지게

한 것과 같은 효과이며, 회사는 연간 9,800만 분(分)의 낭비되는 시간을 절약하였고 이는 대략 2,500만

달러의 노동비용 절감 효과를 가져왔음.

기대효과 및

농림업분야

활용 가능성

- 최적의 농산물 운송경로를 탐색함으로써 교통사고 감소 효과

- 신선농산물 물류 시스템 개선

- 국내 농산물 수송 신선도 유지 및 부가가치 제고

- CJ, 대한통운, 한진택배업체들도 최근 들어 모바일, 태블릿 PC등을 도입해 스마트 통합 물류 서비스를

제공 중이며, UPS의 성공요인을 벤치마킹하여 서비스를 개선할 수 있음.

<부표 2-46> 택배서비스(UPS) 최적경로 추적시스템 사례

자료: Why Big Data Is a ‘How’ at UPS, Not a ‘What.’(2016)을 참고하여 재작성함.

60 기계나 자동차 따위의 엔진을 가동한 채 힘 걸림이 없는 상태에서 저속으로 회

전시키는 일.

부 록 187

C13. 빅데이터를 이용한 맞춤형 광고전략 수립

본 활용사례는 사업체가 활용할 수 있으며, 분석 자료는 SNS데이터, 인

터넷 검색어 수집자료, 모바일 GPS 데이터, 기업웹페이지 고객 통계데이터

등이다. 분석 방법은 소셜미디어 분석, 텍스트 마이닝, 통계분석 등이다.

아마존과 같은 기업체가 빅데이터를 이용하여 개인별 맞춤광고를 제공하

고 있는 사례이다. 또한 기업은 현대인의 필수품인 모바일 폰과 여기에서

생성되는 데이터를 이용하여 빅데이터 분석을 수행하고 이 결과를 맞춤형

광고에 적극 활용하고 있다.

구분 내용

활용 주체 - 비즈니스(기업체)

활용 분야 - 소비

활용 목적- 빅데이터를 이용한 개별 맞춤 광고로 사업자들이 매장판매 전략 수립과 관리에 활용할 수 있으며

1대1 고객 맞춤 전략을 수립하는 데 활용할 수 있음.

활용 자료 - SNS데이터, 인터넷 검색어 수집, 모바일 GPS데이터, 기업웹페이지 고객 통계데이터

활용 방법 - 소셜미디어 분석, 텍스트 마이닝, 통계분석 등

분석 결과

- 아마존은 소비자들의 검색목록을 수집하여 개개인별 맞춤 광고를 제공하고 있음. 개인의 구매

내역과 검색내역을 분석하여 추천 상품 목록에 검색내역을 기반으로 한 개인별 추천 상품 광고를

제공함. 또한 개인이 아마존의 프라임 비디오를 통해 비디오를 시청한 내역을 기반으로 한 “watch

new show”정보를 제공함.

- 일부 기업들은 모바일폰에 있는 GPS와 같은 센서를 이용한 플랫폼을 통해 소비자들에게 실시간

으로 지역과 연관된 광고를 제공하고 있음. 예를 들어 만일 소비자가 “홈디포”에서 가까운 새 집으로

이사를 왔다면 핸드폰으로 홈디포에서 구입이 가능한 “페인트” “선반”과 같은 물품에 대한 쿠폰이

제공됨.

- 이 물품은 또한 그동안 소비자가 온라인 쇼핑을 통해 구입한 물품정보를 기반으로 선정된 것들이며

이러한 쿠폰을 받은 소비자는 한번이라도 더 홈 디포를 연상하게 되고 홈디포를 방문하여 물건을

살 가능성이 높아짐.

기대효과 및

농림업분야

활용 가능성

- 농식품 판매 및 마케팅 분야에 다양하게 활용할 수 있음.

- 개인 소비자들의 농식품 구매패턴 데이터를 활용하여 소비자의 기호에 맞는 맞춤형 농식품 광고를

제공할 수 있음.

- 개별 맞춤형 광고를 통하여 새로운 농산물 수요 창출 및 농가 소득 증대

<부표 2-47> 빅데이터를 이용한 맞춤형 광고전략 사례

자료: Big Data and Advertising: What Could Be the Possible Uses(2015)를 참고하여 재작성함.

부 록188

C14. 기업체의 소비자 온라인 평판관리

본 활용사례의 주체는 기업체 및 사업 분야가 될 수 있으며, 분석 자료는

SNS 데이터, 인터넷 검색어 수집, 온라인 신문기사 등이다. 분석 방법으로

는 텍스트분석, 통계분석 등을 활용하였다.

빅데이터 분석을 이용하여 온라인 및 소셜미디어상에서 발생한 기업에

대한 키워드 및 이슈 등을 검색, 수집하여 기업의 평판을 조사한 뒤 기업의

안 좋은 평판을 줄이고 좋은 평판을 증가시키는 온라인 평판관리 서비스의

사례이다.

구분 내용

활용 주체 - 사업체

활용 분야 - 소비

활용 목적- 빅데이터를 이용하여 기업의 평판을 체계적으로 평가하고 이를 관리하는 시스템을 통해 기업의

평판을 높이고 높아진 평판을 통해 마케팅 성과를 제고시킴.

활용 자료 - SNS데이터, 인터넷 검색어 수집, 온라인 신문기사

활용 방법 - 키워드 분석, DNA분석

분석 결과

- Meltawater는 온라인상에서 기업들의 평판을 조사, 관리하는 기업이며 이들이 Danone사의 baby

nutrition 제품에 대한 평판관리는 빅데이터를 이용한 온라인 평판관리의 좋은 예시임.

- Meltwater는 소셜 미디어를 통하여 Danone사에 대한 평판을 모니터링하고 관리해 왔음.

- 유럽에서 일부 육가공품에서 말의 DNA가 검출된 일이 이슈가 됐을 때, 영국의 주요 언론들의

보도에 앞서 Meltawater의 전략에 따라 Danone에서는 그들의 제품이 말고기와 아무런 연관성이

없음을 온라인상에 알리고, 제품 상태 체크하기를 허용하여 소비자들에게 그들의 제품이 안전

하다는 것을 알림으로써 신뢰를 심어주었음.

기대효과 및

농림업분야

활용 가능성

- 특정 농식품에 새로운 이미지를 부과하고 좋은 평판을 유지시켜 마케팅 성과를 높임.

- 농식품 관련 확인되지 않은 소문(예: GMO 관련 정보나, PLU61 코드에 관한 소문)이 인터넷에

퍼지는 것을 확인하고, 널리 퍼지기 전에 조기에 대응할 수 있음.

<부표 2-48> 소비자 온라인 평판관리 사례

자료: “Big Data For Reputation Management Blogs News(2016)”을 참고하여 재작성함.

61 PLU 코드는 제품의 종류와 크기를 식별하여 소매점에 판매 시 제품 및 종류

간에 서로 다른 가격을 적용할 수 있게 만든 시스템이나 한때 온라인에서 이

를 이용해 유기농제품과 그렇지 않은 제품을 식별할 수 있다는 논란이 있었음.

부 록 189

C15. 구글 플루 트렌드 예측

정책적으로 활용할 수 있는 사례이며, 분석 자료는 SNS데이터, 인터넷

검색어 등이다. 분석 방법은 텍스트 마이닝, 통계분석 등이다.

구글에서 서비스한 구글 플루 트렌드의 사례로서 네티즌들이 인터넷으로

플루와 연관된 검색어의 검색빈도와 그들의 IP주소를 수집하고 플루의 발

병률과 플루 관련 검색빈도를 통계학적 모형을 통해 추정한 뒤, 지역별 플

루 트렌드를 예측하는 서비스 사례이다.

구분 내용

활용 주체 - 정책

활용 분야 - 질병예측, 학술연구

활용 목적

- 37~52%의 미국인들이 의학정보를 얻기 위해 인터넷을 이용하며, 일반적으로 검색엔진을 통해

질병의 증상, 몸 상태, 치료법 등을 검색하여 정보를 얻고 있다는 사실에 기반을 두어 인터넷

연관검색어를 이용하여 플루 발생률을 예측하기 위한 서비스임. 보건정책 등에 활용될 수 있음.

활용 자료 - SNS데이터, 인터넷 검색어 수집 등

활용 방법 - 텍스트분석, 통계분석

분석 결과

- 2012년까지는 비교적 높은 예측률을 보였으나 2013년 1월 구글 플루 트렌드는 CDC(Disease

Control and Prevention)에서 보고된 것보다 2배 정도 더 많은 양의 플루를 예측하였음.

- 당해 연도에 중국에서 발생한 조류독감과 신종 플루의 유행으로 뉴스와 소셜 미디어에서 플루에

대해 특히 관심을 보인 것이 추정치에 영향을 끼쳤을 것으로 추측되며, 이로 인해 실제예상치보다

과도 추정된 플루 케이스를 추정한 것으로 예상됨.

기대효과 및

농림업분야

활용 가능성

- 농민들이나 지역주민들의 가축질병 및 식물 병해충에 관한 의견을 SNS에서 추출하여 동식물 질병

발생 예측에 활용할 수 있음.

- 그러나 동식물 질병에 관한 정보 또한 일반인들이 정확한 진단을 내릴 수 없는 경우가 많고 자칫

잘못된 정보가 퍼지게 되면 이는 오히려 실질적인 발병률 수치를 왜곡시킬 수 있음.

- 따라서 이를 단독으로 활용하기보다는 빅데이터를 이용한 가축질병 예측 시스템과 보완하여 활용할

수 있는 가능성이 있음.

- ICT를 활용한 질병 예측 시스템과 연계하여 질병예측의 정확도를 높이고 시너지 효과를 누릴 수

있으며, 이를 보건 정책수립에 활용할 수 있음.

<부표 2-49> 구글 플루 트렌드 예측사례

자료: Lazer, David, Ryan Kennedy, Gary King, and Alessandro Vespignani(2014)를 참고하여

재작성함.

부 록190

C16. 구글 연관검색어를 이용한 살모넬라 발병률 분석

활용사례의 주체는 연구자이며 분석 자료는 구글 검색어, 분석방법은 상

관관계 분석을 활용하였다. 구글의 search volume reporting 방법과 구글 인

사이트 검색을 이용하여 미국 내에서 피넛버터 살모넬라균 감염이 확인된

날짜로부터 살모넬라 발병 곡선과 ‘설사’, ‘피넛버터’, ‘식중독’, ‘반품’, ‘살

모넬라’와 같은 연관 검색어의 상관관계에 대해 분석하였다.

분석결과는 인터넷 검색어를 통해 질병탐지에 활용할 수 있다는 기초적

인 증거와 질병을 조기에 발견할 수 있는 가능성을 제시해 주고 있다. 또한

질병이 확대됨에 따라 여론의 변화 추이를 살펴볼 수 있는 지표로도 활용할

수 있다.

구분 내용

활용 주체 - 연구자

활용 분야 - 질병

활용 목적

- 대략 37~52%의 미국인들이 의학정보를 얻기 위해 인터넷을 이용하고, 검색엔진을 통해 질병의

증상, 몸 상태, 치료법 등을 검색하여 정보를 얻고 있음.

- 네티즌들이 인터넷을 검색할 때 입력하는 키워드와 그들의 지리적 위치를 나타내주는 IP 정보를

수집하여 질병 트렌드를 예측하는 서비스와 이를 이용한 학술 연구에 활용함.

- 연구결과를 정책수립에 활용할 수 있음.

활용 자료 - 인터넷 검색엔진 연관 검색어, SNS 검색어

활용 방법 - 텍스트분석, 통계분석

분석 결과

- 2009년 큰 문제가 되었던 피넛버터의 살모넬라균 검출 사건을 바탕으로 인터넷 검색어와

질병예측의 상관관계를 알아보는 연구를 진행함

- 2009년 7월에 최초로 살모넬라에 대한 보도가 나왔고, ‘살모넬라’, ‘반품’, ‘피넛버터’에 대한 검색

횟수가 증가하기 시작했음. 하지만 초창기에는 앞서 말한 검색어보다 ‘설사’, ‘식중독’에 대한

검색빈도가 더 높았음.

- 연구결과에 따라 질병의 발병추이와 인터넷 연관검색어가 상관관계가 있음이 밝혀짐.

기대효과 및

농림업분야

활용 가능성

- 농민들의 가축질병 및 식물 병해충에 관한 의견을 SNS에서 추출하여 동·식물 질병 발생 지역과

전파경로를 예측하는 데 활용할 수 있음.

<부표 2-50> 구글 연관검색어를 이용한 살모넬라 발병률 분석사례

자료: Brownstein, Freifeld, and Madoff(2009)의 연구를 참고하여 재작성함.

부 록 191

C17. 빅데이터를 활용한 금가격 예측

활용사례의 주체는 연구자가 될 수 있으며, 빅데이터 분석을 통해 기존의

시계열 분석방법을 보완함으로써 가격 예측력을 높인 사례이다.

기존의 통계 데이터베이스에서 추출한 데이터와 빅데이터 분석을 통해

얻어진 데이터를 결합하여 좀 더 정확한 금가격을 예측하기 위한 사례이다.

구분 내용

활용 주체 - 연구자

활용 분야 - 유통(수급예측)

활용 목적 - 빅데이터를 활용한 금가격 예측력의 상승

활용 자료 - 시장가격 데이터, 온라인을 통한 시장 분석 데이터, 시장 통계가격

활용 방법 - Decision tree 모형, Support vectr 모형, 웹 크롤링

분석 결과

- 금 가격 예측은 일반적으로 금시장의 트렌드를 분석하고 예측하여 이를 통해 수익을 올리기 위해

행해지고 있으며 회귀분석 모형, 로지스틱 모형, decision tree 모형, support vector 회귀모형

등이 많이 이용됨.

- 이 논문에서는 decision tree 모형과 support vector 모형을 이용하여 금 가격 예측을

시도하였고, 금가격 예측에 영향을 끼치는 금의 시가, 종가, 최저가, 최고가와 같은 시장 데이터를

수집하고 데이터를 분석하는데 빅데이터 기법을 활용함.

- 빅데이터 분석을 이용하여 데이터 변수 간의 상관관계, 소비자 선호도 및 다양한 데이터의 트렌드를

찾아낼 수 있음. 빅데이터 분석을 이용하는 가장 중요한 목적은 금시장에 대한 투자와 매각

타이밍을 찾는 데 있음.

기대효과 및

농림업분야

활용 가능성

- 기존에 실물 가격 예측에 많이 이용되었던 시계열 및 통계적 방법론을 보완하여 빅데이터

분석기법을 도입한다면 농산물 가격 예측력을 높일 수 있음.

- 가격 예측은 기본적으로 추세를 점검하고 수익을 얻기 위해 사용되는 경향이 있음. 상품시장에는

금 외에도 밀, 커피, 코코아, 설탕 등의 농산물의 일차적 거래가 이루어지고 있으며 이와 같은

상품에 투자하여 돈을 벌기 위한 투자자들에 의해 빅데이터를 이용한 가격 예측 방법론을 활용할

수 있음.

- 빅데이터를 이용하여 정밀한 가격예측 모형을 설정함으로써 농산물 수급 관리에 활용 될 수 있음.

- 실물가격을 예측하기 위해서는 과거 가격뿐 아니라 많은 다른 사회적, 경제적 변수가 요구됨.

빅데이터의 데이터 마이닝 기법과 저장, 처리 기법을 이용하면 대용량의 데이터 수집과 저장이

가능해지므로 가격 예측성을 높일 수 있음.

<부표 2-51> 빅데이터를 활용한 금가격 예측사례

자료: G, Vadivu, and navin(2015)을 참고하여 재작성함.

부 록192

C18. 빅데이터를 이용한 맞춤형 질병 시스템 개발

활용사례의 주체는 정책부서가 될 수 있으며, 분석 자료는 유전자 데이

터, 의학센서 기구, 개인 건강 디바이스를 통해 수집된 개인 정보데이터 등

이다. 분석 방법은 데이터 수집, 결합을 통한 유전자 지도 작성, 통계분석

등이다.

빅데이터 분석기법의 발달로 개개인을 타깃으로 한 정밀의학이 주목받고

있다. 정밀의학은 개개인의 유전자, 환경, 활동 등을 기반으로 질병을 미리

예측하고 질병에 걸렸을 경우 개인 맞춤형 처방을 내리는 서비스이다. 백악

관과 미국 보건센터는 이 분야를 차세대에 가장 중요한 연구 분야로 선정한

바 있다.

구분 내용

활용 주체 - 정책부서(공공기관)

활용 분야 - 질병

활용 목적

- 유전공학의 발달로 생명 과학계는 실험과 투약정보 등을 통해 방대한 데이터를 축적하고 있으며,

이러한 유전자 데이터는 가장 빠르게 성장하고 있는 빅데이터 형태 중 하나임.

- 바이오메디컬 분야에서 빅데이터는 다양하게 응용되고 있으며 특히 개인 맞춤형 처방 분야에서

널리 활용되고 있음. 빅데이터를 이용하여 개인의 특성을 반영한 수술과 치료계획을 세울 수 있음.

활용 자료 - 유전자 데이터, 의학센서 기구, 개인 건강 디바이스를 통해 수집된 개인 정보데이터

활용 방법 - 데이터 수집, 결합을 통한 유전자 지도 작성, 통계분석

분석 결과

- 빅데이터 기법의 발달로 개인을 타깃으로 한 정밀의학이 가능함.

- 인간의 건강을 분석하는 데 있어서 유전자 정보를 활용하는 것은 매우 중요하지만 유전자 데이터는

그 양이 매우 방대함. 이러한 방대한 유전자 데이터를 효과적으로 처리하고 저장하는 것도

중요하지만 이를 다른 정보와 통합하여 의미 있는 분석 결과를 도출하는 것이 매우 중요함. 이에

따라 빅데이터분석이 정밀의학에서 중요한 역할을 수행하고 있음.

- 정밀의학에서는 유전자 데이터와 병원에서 이용하는 의학적 센서, 개인이 평소에 소지하고 다니는

운동 손목밴드, 운동 손목 시계 등과 같은 피트니스 디바이스(fitness device), 핸드폰 건강

애플리케이션 등이 생성하는 각종 데이터를 결합하여 질병을 예측하고 맞춤형 처방을 내림.

기대효과 및

농림업분야

활용 가능성

- 맞춤형 가축 질병서비스 분야에 활용될 가능성이 있음.

- 농촌주민 농업민의 맞춤형 진료 및 의료 서비스에 활용됨.

- 가축들의 몸에 센서를 부착하여 활동, 유전정보를 기록하여 맞춤형 가축 질병서비스를 제공할 수 있음.

<부표 2-52> 맞춤형 질병예측 서비스 사례

자료: Zhang, Xiaohua Douglas(2015)를 참고하여 재작성함.

부 록 193

C19. 슈퍼컴퓨터를 이용한 화재예측

활용사례의 주체는 공공기관이며, 분석자료는 기상데이터, 위성사진, GIS

데이터, SNS 텍스트 등이다. 분석방법은 실시간 데이터 분석, 통계분석, 텍

스트분석, 화재시뮬레이션 방법 등을 활용하였다.

최근 발전 중인 슈퍼컴퓨터 기술을 바탕으로 기존에 데이터베이스화되어

있는 기상데이터, 지리 데이터, SNS에서 생성되는 비정형데이터를 결합하

여 실시간으로 화재를 예측하는 시스템을 구축하고 있다.

구분 내용

활용 주체 - 공공기관

활용 분야 - 재난재해

활용 목적

- 매년 미국에서는 산불로 인하여 많은 재산손실과 인명피해를 입고 있음.

- 화재가 일어나는 것을 통제하기 어렵지만 빅데이터를 이용하여 다양한 소스의 데이터를 이용하여

화재를 예측하고 대응하는 것이 가능함.

활용 자료 - 기후데이터, 위성사진, GIS데이터, SNS데이터

활용 방법 - 슈퍼컴퓨터를 이용한 실시간 데이터 분석, 통계분석, 텍스트 마이닝, 화재 시뮬레이션

분석 결과

- 슈퍼 컴퓨터를 이용하여 기상데이터, GIS데이터와 같은 이미 정형화 된 데이터를 기반으로

트위터나 페이스북에 업데이트되는 주민들이 실시간 제보를 통합하고 분석하여 실시간으로 화재를

모델링하고 예측함.

- 기상 센터의 데이터베이스에서 기상 데이터를 SQL과 같은 장비를 이용하여 추출하고 기상패턴과

산티아나 컨디션(산지에서 남부 캘리포니아 지역으로 불어오는 시속 40마일 이상의 건조한

바람으로 가뭄과 산불의 주원인이 됨)을 알아내는 모델을 수립함.

- 특정 기상센터에서 산티아나 컨디션이 감지되었는지를 알아보기 위해 분석가들은 웹 소캣 서비스

(web socket service)를 이용하여 실시간으로 데이터에 접근하여 특정지역에 산티아나 컨디션이

발생했는지를 비교함.

- 이와 동시에 트위터 해시태그(트위터에서 키워드 또는 주제 색인에 사용되는 기능) 중 산불과

연관된 해시태그들을 검색함. 트위터 검색을 통하여 인근지역의 산불로 인한 분노, 공포 혹은

태연함과 같은 주민들의 감정적인 변화를 탐지할 수 있고 이를 통해 지역산불의 심각성 정도를

추론할 수 있음.

기대효과 및

농림업분야

활용 가능성

- 한국에서도 이미 산림과학원을 중심으로 빅데이터를 이용한 산불 재해 방지 시스템을 구축하고

있으나 아직 초기 단계임.

- 이에 따라 해외의 성공적인 재해방지 빅데이터 시스템들을 벤치마킹하여 국내의 산불 재해 정보

시스템을 업그레이드하는 데 참고할 수 있음.

<부표 2-53> 샌디에이고의 슈퍼컴퓨터를 이용한 화재 예측사례

자료: Tarantola, Andrew(2016). “How Big Data Is Helping Snuff Out California’s Wildfire Epidemic.”

부 록194

C20. 국가 간 질병예측 시스템

이 사례는 정책부서에서 활용할 수 있는 사례이며, 활용자료는 온라인 뉴

스, SNS 데이터, 네티즌제보, 온라인 연관검색어 등이다. 활용방법은 통계

분석, 텍스트분석, 구글어스 인터페이스를 이용한 공간분석 등을 활용하였

다. 다양한 연구주체와 국경을 초월하는 기관들이 협력하여 질병 예측 시스

템을 구축하고 이를 대중에게 공개하고 있다. 이는 여행지의 정보를 얻기

위한 여행객뿐만 아니라 질병 연구분야 등에서도 다양하게 활용되고 있다.

구분 내용

활용 주체 - 정책부서(질병정책 담당자)

활용 분야 - 질병예측 및 관리

활용 목적- 인터넷을 이용하여 일반인이 참여하는 온라인 질병 정보 시스템을 구축하여 질병을 조기에

발견하고, 효율적인 정책적 대응을 가능하게 함.

활용 자료 - 온라인 뉴스, SNS데이터, 네티즌 제보, 온라인 연관검색어

활용 방법 - 통계분석, 텍스트 마이닝, 구글 얼스 인터페이스를 통한 공간분석

분석 결과

1. ProMED-mail

전염병을 모니터하는 프로그램. 일반인들이 참여하여 전염병에 대한 정보를 리포트할 수 있으며 전 세계 188개국에서 45,000명의 구독자들이 참여하고 있음.

2. Global public health network(GPHIN) 캐나다의 퍼블릭 헬스 에이전시와 WHO가 합작하여 만든 서비스 일렉트로닉 공공 보건 경보

시스템임(public health warning system). 자체 소프트웨어를 이용하여 뉴스에 보도된 기사들을 매 15분마다 수집하고 있음.

ProMED와 GPHIN은 2002년 중국에 사스가 유행하였을 때 웹을 통하여 사스 전염에 대한 정보를 대중에게 공유하는 등 사스를 대중들에게 알리는데 큰 역할을 하였음.

3. GeoSentinel 프로젝트 International Society of Travel Medicine과 CDC(Centers for Disease Control and

Prevention)는 공동으로 GeoSentinel 프로젝트를 진행하고 있으며, 이 프로젝트에서는 여행과 열대 질병 클리닉 데이터를 통합하여 여행 관련 질병을 감시하는 네트워크를 구축하고 있음.

이와 비슷하게 CDC와 Infection Diseases Society of America가 합동으로 Emerging Infections Network를 구축하여 1,000여 명 이상의 전염병 전문가들이 웹 베이스트 네트워크를

기반으로 전염병을 관측하고 새롭거나 특이한 임상 케이스를 관찰하고 있음.

기대효과 및

농림업분야 활용 가능성

- 농림업분야에서 병해충 및 가축 전염병 예측 지도 등에 활용 가능함.

- 동식물 병해충 조기 발견에 활용할 수 있음.- 위험지역 설정을 통해 동식물 병해충을 사전에 대비할 수 있음.

<부표 2-54> 국가 간 질병예측 시스템 구축사례

자료: Brownstein, John S., Clark C. Freifeld, and Lawrence C. Madoff(2009)를 참고하여 작성함.

부 록 195

C21. 빅데이터를 활용한 미국 교통시스템 개선

이 사례는 정책부서(공공기관)에서 활용할 수 있는 사례이다. 활용자료는

GPS를 이용한 차량통행 속도 데이터, 블루투스나 카메라에서 추출된 데이터,

모바일 기기에서 나오는 신호 등이며 활용방법은 실시간 데이터분석 등이다.

기술의 진보가 빠른 빅데이터 시장에서 정부의 정책만으로 연구개발과

시설유지에 한계가 있다. 공공부문 교통 빅데이터 구축을 위해 공공부문(미

국 교통부: DOT)과 민간부문이 합작한 사례이다.

구분 내용

활용 주체 - 정책부서(공공기관)

활용 분야 - 유통

활용 목적- 빅데이터를 활용한 효율적인 교통시스템을 구축하여 혼잡한 교통에 따른 비효율을 줄이고, 시민들의

편익을 도모하는 정책 수립

활용 자료

- 차량 및 스마트폰에 장착된 GPS를 이용한 차량통행 속도 데이터

- 블루투스나 카메라에서 추출된 데이터

- 모바일 기기에서 나오는 신호

활용 방법

- 실시간 데이터 분석

- 정보 수집방법은 전통적인 교통루프 데이터를 바탕으로 정보를 수집하는 방법이 있으나, 차량이나

스마트폰에 장착된 GPS정보를 활용한 차량통행 및 속도를 파악하는 진보된 기술이 이용되기도 함.

- 이 외에 블루투스나 카메라를 이용한 방법이나 최근에는 모바일 기기에서 나오는 신호를 클라우드

소싱하여 다양한 교통정보를 추출하는 방법이 각광받고 있음.

분석 결과

- 교통 시스템 구축을 위해 민간업체들이 협력하고 있으며, 민간부문 교통 빅데이터 업체는 크게 일반차량과

화물차량 정보제공 업체로 구분되어 있음.

- 일반차량 데이터는 구글, IBM, INRIX, Waze, TomTom, Here, AirSage 등 원천기술을 가진 기업들과

글로벌 기업들이 다양하게 참여하고 있음. 화물차량 데이터는 일반차량 데이터에 비해 상대적으로 민간과

공공부문의 협력이 부족하며 하며 FEDEX와 UPS 같은 민간물류 회사들은 자체적인 물류망과 교통

정보망을 확보하고 있음. 민간물류 회사들에게 이는 핵심기술이기 때문에 정부와 대중에게 이를 공개하는

범위는 매우 제한적임.

- 민간부문은 정부부문에 비해 다양한 데이터 수집방법을 통해 대규모 교통 데이터를 실시간으로 수집하고

있고, 품질 또한 향상되는 추세이므로 교통 빅데이터 구축에서 민간업체의 역할이 점점 커지고 있음.

- 미연방 도로국은 2002년부터 시행된 FPM(Freight Performance Measurement Initiative)정책을

위해 ATRI(American Transportation Research Institute)와 화물차량 데이터 사용 계약을 체결함.

기대효과 및

농림업분야

활용 가능성

- 물류 유통 분야에서 효율적인 경로 탐색을 위해 사용될 수 있음.

- 화물차량과 일반차량 정보제공을 구분함으로써 농산물 유통, 소매, 생산 주체들이 필요한 정보를 선별적

으로 이용할 수 있음.

<부표 2-55> 빅데이터를 활용한 미국 교통시스템 개선사례

자료: Neumann, Carl-Stefan(2016)을 참고하여 작성함.

부 록196

4. 일본 빅데이터 활용사례

D1. 신선한 채소를 필요로 하는 실내재배공급 솔루션

활용사례는 비즈니스 분야에서 활용할 수 있으며, 분석 자료는 작물별 재

배실적, 과거사례, 적용업체의 정기적 데이터 등이다. 분석 방법은 Real

time 모니터링을 통한 추정치, 통계분석 등이다.

레스토랑 등 재배 노하우는 없으나 신선한 야채 또는 특별한 채소를 필요

로 하는 곳에 재배설비 및 노하우를 제공하여 고객에게 제공하는 사례이다.

국내와 비교해서 샌드위치 및 샐러드 수요가 높은 일본에서는 신선, 무공해

채소를 수확후 공급하기 위한 솔루션이 활용되었다. 재배 노하우가 없는 업

체에 작물별 빅데이터를 분석하여 재배 노하우를 제공함으로써 초보자도

용이하게 재배를 할 수 있게 하는 실무적용 솔루션시스템이다.

구분 내용

활용 주체 - 비즈니스(IT회사)

활용 분야 - 유통

활용 목적- 신선한 채소를 필요로 하거나 조달이 용이하지 않는 야채를 필요로 하는 레스토랑에서 직접 재배/

수확한 신선한 야채를 고객에게 제공할 수 있도록 재배를 지원하는 하는 솔루션으로 공급효율성을 제고할 수 있음.

활용 자료 - 과거 재배실적, 업체 내 기호 및 습관 등 관리기록 등

활용 방법 - 실시간 모니터링, 통계분석, 산소, 광량, 이산화탄소, 외관 등의 다양한 데이터를 총망라한 분석

활용 결과

- 레스토랑의 경우 환경특성에 따라 사용량이 다르며 종업원이 상주하는 만큼 기본옵션에서 종업원의 작업을 통해 재배/수확/사용

- 식물에 따른 적산온도, 광량, 기호비료 등 재배 최적 환경이 다르며 초보자들에게 일어날 수 있는 다양한 가능성/시행착오를 데이터화하여 매뉴얼화된 데이터는 기초연구를 위한 데이터는 물론 산업적용 가능성도 높여줌.

- 쉽게 조달하기 어려운 채소, 향신료 등을 재배하여 신선한 소재를 사용하기 위한 고급레스토랑 및 샐러드의 소비량이 높은 점포 등에서 주로 활용됨.

기대효과 및 농림업분야 활용 가능성

- 많은 사례를 바탕으로 하여 축적된 재배노하우 데이터는 신선하고 다양한 채소의 수급을 수치화 하여 재배

- 선호하는 야채를 점포, 가정, 재배공장에 맞추어 재배데이터 및 재배노하우 축적을 위한 기본 데이터로 활용, 산학협연의 가능성도 높음.

<부표 2-56> 채소 재배 및 공급 솔루션(HAKONIWA) 사례

자료: S-cubism group(2013)을 참고하여 작성함.

부 록 197

D2. 버섯재배를 위한 환경조절 솔루션

활용사례의 주체는 시설농업, 버섯재배 경영자가 될 수 있으며, 분석 자

료는 필드 데이터, 기상데이터, 작업환경 데이터 등이며 분석 방법은 통계

분석, 시뮬레이션 등이다.

과거 사례 등 축적된 데이터를 이용해 빅데이터 분석을 통한 버섯류의 재

배 최적화를 위한 시스템으로 수확량 증대, 수확 후의 손실감축, 저렴한 가

격을 통한 소비자 이익증진, 환경변화의 영향력 최소화 등으로 직결된다.

또한 이러한 특정 지역 기상예보로 원자재, 물, 전기 등 자원의 효율적인 이

용이 가능하다.

구분 내용

활용 주체 - 비즈니스(버섯재배사, 농업경영자)

활용 분야 - 생산

활용 목적

- 시설재배 중 버섯재배를 위한 경우 환경에 따른 수확량의 차이가 많음에도 불구하고 효율적인

재배환경을 분석, 적용하는 경우가 극히 드묾. 특히 품종별 최적환경 조성이 필요한바, 빠른 시간에

최적 환경을 파악/분석하는 시설이 필요함. 여기에 Tsukinoyo에서 활용하는 방법으로 과거사례

및 필드데이터, 그리고 환경데이터 등 빅데이터를 통계적으로 분석하여 활용하는 시스템은 농산물

생산 분야에 응용되고 있음.

활용 자료 - 필드 데이터, 기상데이터, 지리정보데이터

활용 방법 - 통계 분석, 시뮬레이션, Real time 데이터 분석

분석 결과

- 종균의 배양 및 발생에 있어서 배지의 조성물에 따른 환경조절이 특히 필요하며 적합한 환경조성을

목표로 한 솔루션

- 종균 배양과정에 있어서 적합한 온도 조절과 공기의 기류, 그리고 배양완료의 시기를 분석하여 가장

효율적인 시기를 품종별로 분석

- 버섯의 발생과정에서 다량의 이산화탄소가 발생되며 이는 버섯의 생장을 억제하는 만큼 공조의

순환 및 배출시기를 통해 종균에 따른 이산화탄소 농도를 조절

- 정확한 환경 예측을 통한 대중적인 재배법 보급은 효율적인 농업 생산율에 기여하고 있음(농산물

가격 절감 or 농가 소득).

기대효과 및

농림업분야

활용 가능성

- 해외품종 대체 국내품종의 육성과 더불어 재배효율성 증진을 통한 보급 확대에 일조할 것으로 사료됨.

- 지역적 특징(수질, 온도, 그리고 계절에 따른 환경 등)에 맞춘 각각의 종균 보급과 함께 지역적

활성화에 기여

<부표 2-57> 빅데이터를 이용한 기상예측 시스템 구축사례

자료: Tsukiyono Kinokoen(2014)를 참고하여 작성함.

부 록198

D3. 시설원예에서의 IC기술 적용

사례의 활용 주체는 비즈니스 운영자이며, 분석 자료는 고화질 지도 및

공간정보, 필드데이터 등이다. 분석방법은 실시간 데이터 분석, 통계분석,

필드데이터를 연계하여 가시화된 정보제공, 데이터의 실시간 시각영상화

및 기록이다.

시설원예에서 진행되는 상황을 시각적으로 확인하기 위해 애플리케이션

을 통한 디지털 디바이스를 활용하여 농업종사자들이 언제든지 작업현황에

접근 및 관리하도록 고용된 프로그램이다.

구분 내용

활용 주체 - 비즈니스(농업종사자, 농업법인 등)

활용 분야 - 생산

활용 목적- 농기업 업체들은 최근 빅데이터와 농업 최첨단 기술을 이용하여 작업의 효율성을 제고하고 과학적

농업 경영을 토대로 생산성 향상을 목표로 진행상황을 모니터할 수 있는 모바일 애플리케이션 활용

활용 자료 - 고화질 cctv 및 필드정보, 데이터 등

활용 방법 - 실시간 데이터 분석, 통계분석, 공간정보와 필드데이터 연계분석

분석 결과

- 국내 및 국외 농장/다른 기관을 연결하여 채소 수경재배를 실시, 디지털 디바이스를 활용하여

관리자들이 언제든지 작업 현황을 데이터로 접근할 수 있도록 함.

- 무선이동통신과 와이파이를 이용하여 사무실과 현장 작업 중에도 작업 데이터를 고객지원 사이트로

전송이 가능하며, 정보 동기화

- 생산성 향상과 더불어 환경(수온, 기온, ph, 비료농도 등)을 최적화, 컴퓨터에 의한 24시간 관리로

작업시간 최소화 가능

기대효과 및

농림업분야

활용 가능성

- 국내 농업생산분야에 도입하여 생산부문 효율성을 증가시킴.

- 모니터링할 수 있는 시스템을 동시에 보급함으로써 농업 현장에서 뿐만 아니라 실내에서도 현장을

모니터링할 수 있음.

- 국내에서도 이미 식물공장 등 자동화 시스템 및 이를 모니터링할 수 있는 기술은 있으며 효율성을

제고시킬 수 있음.

<부표 2-58> 농장관리를 위한 돔형 식물공장 운영사례

자료: Linda(2016)을 참고하여 작성함.

부 록 199

D4. Intelligent society solution 식 농 클라우드, AKISAI

이 사례의 활용주체는 사업체(비즈니스)이며, 분석 자료는 농경지데이터,

기후데이터, 수확량데이터, 토양데이터, 위성데이터 등이고 분석 방법은 통

계분석, 시뮬레이션 분석 등이다.

농업 현장에서 경영까지 기업적 농업을 실현하는 서비스를 제공하며 토

지이용형, 시설원예형, 축산형 등 농업의 전체 체계에 조직적 관리를 지원

하는 이노베이션 시스템이다.

구분 내용

활용 주체 - 사업 분야(농업법인, 식품유통업체, 식품종사자 등)

활용 분야 - 생산

활용 목적- 농업에 있어서 수량향상, 고품질화, 작업효율증대, 유통구조 단축 등 작업공정이 보이도록 하여

전반적인 효율증대를 목적으로 함.

활용 자료 - 필드데이터, 기후데이터, 수확량데이터, 토양데이터, 환경데이터 등

활용 방법 - 통계분석, 시뮬레이션 분석, 비용편익분석 등

활용 결과

- AKITA라는 이름으로 Fuguist사에서 농업정보 처리기술 및 빅데이터 분석을 토대로 한 다양한

옵션 상품이 존재함.

- 자사 회계처리시스템인 GLOVIA를 토대로 대규모 농업법인을 위한 회계서비스, 생산계획에서

수집, 출하까지의 정보를 축적, 관리, 집계하여 지원하기 위한 특화 서비스, 작업군별 상태 파악,

수급조절, 품질관리 등 복잡한 생산자의 프로세스를 정시, 정량, 정품질, 정가격에 맞춘 생산관리

매니지먼트 시스템

- 디바이스를 활용하여 재배현장의 정보 및 작업계획을 용이하게 한 생육관리 시스템 AGIS, 현장과

클라우드로 연계하여 디바이스를 통한 환경조절 시스템, GAP 등 농업생산에 관한 규격에 맞춘

관리 시스템, 생산 환경에 따른 재배흐름을 지원하는 분석시스템, 각종 센서를 통한 정보 수집/분석

시스템, 축산업의 개체정보 관리 등을 시각화하기 위한 관리 시스템, 가공 및 재고관리 시스템,

기타 생산자를 위한 컨설턴트형 서비스 등 다양하게 옵션화하여 공급

기대효과 및

농림업분야

활용 가능성

- 클라우드형 서비스로 생산자들의 농업경영에 관해 데이터를 수집, 축적, 공유하며 빅데이터 분석을

통해 활용하는 것으로서 규모의 확대, 품질향상, 차세대의 기술승계 등 경영과제의 해결을 지원하는

컨설턴트 서비스까지 패키지화하여 제공하면 농업경영자들에 의해 위험관리 수단으로 활용이

가능할 것으로 예측

<부표 2-59> 농업전반에 이르는 이노베이션 시스템(AKISAI) 구축사례

자료: Fujitsu group(2015)을 참고하여 작성함.

부 록200

D5. 벼농사의 수급증대를 위한 계획 서비스

활용사례의 주체는 비즈니스이며 분석 자료는 필드 데이터, 기후데이터,

작업데이터 등이다. 분석은 빅데이터를 근거로 한 통계 분석 및 실시간 데

이터 분석방법 등을 활용하였다.

자동차업계의 생산관리법 및 공정개선 노하우를 농업부문에 적용하였다.

빅데이터를 활용하여 쌀농사 농업법인 9개사의 생산성 향상을 목표로 농업

법인이 프로젝트를 주도하고 시스템의 단점을 보완했다.

구분 내용

활용 주체 - 비즈니스(농업법인, 농민)

활용 분야 - 생산

활용 목적 - 빅데이터와 자동차 업계의 공정개선 노하우를 활용하여 효율적인 벼농사를 가능하게 하는 시스템

활용 자료 - 필드데이터, 기후데이터, 작업데이터 및 기존 사례 등

활용 방법 - 빅데이터를 토대로 필드데이터의 분석, 통계 분석

분석 결과

- 아이치 현, 이시카와 현의 농업법인 9개사와 협업하여 생산프로세스의 개선을 통해 긍정적인 결과

도출

- 프로젝트지역의 소규모 농가와 지주가 대규모 쌀 생산법인에게 농작물을 위탁하는 모델로 논․밭을

집약적으로 관리하여 효율성을 높인 개발방법, 관리는 토요타의 토요타미디어 서비스사에서 진행

- 2012년부터 시행한 결과 작업공정의 미스는 저감되고 자재비 감소, 경영관리레벨이 향상되는 등

성과가 크게 나타남.

- 복수의 작업자가 디바이스를 통해 실시간 정보를 볼 수 있으며 농작업 관련 일일보고서가 관계자의

리포트에 의해 자동 작성됨.

기대효과 및

농림업분야

활용 가능성

- 입지조건 토양, 온도, 습도 및 작업공장 등을 데이터화하여 최상의 조건에서 경쟁력 있는 품질

생산이 용이, 안정화에도 기여

- 경험에 의존했던 농업이 계획된 생산이 가능한 산업으로 변화

- 쌀농사 관련은 물론 보리, 콩 등 다양한 작물에서도 대응 가능하며 이로 인해 국내농업의 경쟁력

강화에 일조

<부표 2-60> 쌀농사 농업관리 “농작계획” 시스템 구축사례

자료: TOYOTA group(2014)을 참고하여 작성함.

부 록 201

D6. 농산물 무인판매시스템-클라우드측 서버시스템 개발

활용 주체는 사업체가 될 수 있으며, 분석 자료는 생산관련 필드데이터,

판매관리데이터 등이다. 분석방법은 회사 자체에서 개발한 알고리즘을 이

용하여 생산 및 유통정보와 판매관리 시스템을 실시간으로 탐지하여 결과

에 반영하였다.

농민들의 판매를 돕기 위하여 판매처에 맞춘 애플리케이션 개발을 통해

신선한 농산물의 수요와 공급체계의 효율성을 높여 영세농업 종사자의 활

용빈도도 높다.

구분 내용

활용 주체 - 사업체 (농산물유통매장 및 농산물 생산업체)

활용 분야 - 유통

활용 목적

- 스마트폰 애플리케이션을 활용하여 비용을 낮추고 무인판매시스템의 단점을 개선하기 위함. 더불어

농업종사자들의 판매를 돕고 신선한 야채의 소비를 가능케 함.

- 상품데이터를 보전하기 위한 서버를 Google app Engine(GAE)을 통해 개발하여 시스템과

전송방식을 결정함으로써 검색기능을 용이하게 함.

활용 자료 - 생산데이터, 판매데이터, 사전정보 데이터, 시장데이터

활용 방법 - 구글베이스의 각 데이터 집적, 판매 실적데이터의 통계처리

분석 결과

- 농가가 수확한 채소의 정보를 스마트폰에 등록하여 데이터가 서버로 인식, 판매데이터를 송신하여

정산과 함께 해당 데이터를 판매소에 전송, 남은 상품은 농가에서 회수하는 시스템

- 농가부담을 고려하여 UAPS서버 시스템은 클라우드상에서 개발, 판매시스템, 농가 등은 HTTP

프로토콜에서 실행 가능케 함.

- 데이터스토어를 설계/수정/첨가함으로써 현실화하는 것이 가능해졌으며 판매시스템과의 통신을

통해 데이터의 장기보존이 가능

기대효과 및

농림업분야

활용 가능성

- 구글베이스를 이용, 가격절감, 생산자와 소비자의 판매/구입이 활발히 이루어짐.

- 도시농업의 활성화와 더불어 관련 정보를 통한 지역 내 오프라인매장과의 연계를 통한 활성화 가능

<부표 2-61> 농산물 무인판매시스템 UAPS 운영사례

자료: Tokumasu T. and Ootani M.(2014)을 참고하여 작성함.

부 록202

D7. ICT 기반 가축생산 안정성 제고 시스템

활용주체는 사업체(비즈니스)가 될 수 있으며, 분석 자료는 가축 생산정

보, 유통정보, 질병관련 정보 등이다. 분석 방법은 자체 가축식별시스템 및

통계분석 등을 활용하였다.

생산 장려가 필요한 가축의 지원을 위해 시작된 사업으로 가축 품종별 생

산량(육/우유 총량 등)을 위한 로드 셀의 개발 및 개량을 통해 가축정보의

갱신을 빅데이터로 취급하여 시스템을 구축하는 사업이다.

구분 내용

활용 주체 - 비즈니스(가축농가, 검역소/연구소, 가축사료판매, 수의사 등)

활용 분야 - 생산

활용 목적

- 빅데이터를 이용하여 광우병, 조류인플루엔자 등의 관리를 엄격히 하고 있으나 더 나아가 안심,

안전을 위한 시스템 구축 목적

- 가축의 생산정보, 생산이력의 관리구축을 보다 시각화하기 위한 사업과 더불어 생산자 지원을

접목하기 위한 사업

활용 자료 - 가축생산정보, 질병정보, 가축식별시스템, 유통정보 등

활용 방법 - 자체가축식별 시스템 및 관련 데이터 통계분석

분석 결과

- RFID 태그를 사용하여 가축의 개체식별을 적용하여, 자체 식별법을 기반으로 착유량, 체중변화,

채집영양량 등의 생산데이터를 스마트 기기를 이용하여 수집, 데이터베이스 서버에 매일 기록

- Ubiquitous ICT를 통한 가축 자동계측시스템 구축

- 가축의 빅데이터를 활용하여 클라우드 서비스로 산양생산지원에 활용되었으며 관련 기술은 국제적

시야를 갖고 해외로 확대 지원 중

기대효과 및

농림업분야

활용 가능성

- 통신프로토콜의 규격화 및 기기 간 호환성의 보완과 더불어 사용이 용이한 인터페이스 개발 시

국내 적용은 어렵지 않을 것

- 생산농가, 수의사, 유통업자 간 이용가능한 정보공유체계의 구성이 필요

- 국내뿐만 아니라 동남아 및 이슬람권의 육가공 산업에 적용되면서 오키나와 등지에서 시작하여

관련 기술을 해외로 확대 적용

<부표 2-62> 가축생산 안정성 제고 시스템 구축사례

자료: Tamaki S. and Hirata T.(2013)를 참고하여 작성함.

부 록 203

D8. 재해예측을 위한 신속정확한 방재분석 기술

이 사례는 정책부서에서 활용할 수 있으며, 분석 자료는 SNS 데이터, 인

터넷 검색어 수집, 위치기반 서비스, 기후데이터 등이며, 통계분석 등을 이

용하였다.

지진, 기후, 기상센터에서 얻은 강우량을 비롯한 기후데이터를 Fujitsu가

개발한 ICT 방재솔루션을 통해 빅데이터 분석을 수행하고 분석 결과를 컴

퓨터 프로그램과 문자 및 스마트폰 애플리케이션을 통해 관련자에게 통지

한다.

구분 내용

활용 주체 - 정책부서 (정부기관, 지역 내 시민 및 관련자)

활용 분야 - 재해/재난

활용 목적

- 최근 기후의 변동심화와 자연재해 빈도 증가로 심각한 피해에 앞선 재해예측을 통한 대책마련이

필요

- 홍수 등 수위 센서로부터 정보를 토대로 한정지역을 넘어서 지역을 커버할 수 있는 분석시스템의

필요

활용 자료 - SNS데이터, 인터넷 검색정보, 위치기반 서비스, 기후데이터 등

활용 방법 - 시뮬레이션, 통계분석 등

분석 결과

- 마케팅 분야 등에 활용된 빅데이터 분석기술을 응용하여 SNS데이터로부터 발생한 재해추정기술을

개발. 재해에 관해 다양한 SNS 데이터로부터 직접 목격한 정보를 유출한 것뿐만 아니라 발언 장소,

추정, 발언조건, 수량, 변화를 감지하여 추측

- Fujitsu는 홍수예측시뮬레이터에 수리 최적화기술을 적용하여 유량계산결과와 실제의 유량측정

데이터의 오차를 최소화한 파라미터를 자동 조정하여 최적화함으로써 숙련된 고도의 기술자가

없이도 시스템을 이용 가능하도록 함.

- 하수도범람에 대해 실제 유량시간데이터를 분석하여 센서를 설치한 맨홀의 위치, rtn 등을 결정하여

약 5분의 1의 센서 개수로 하수도전체의 유량이 예측가능. 고해상도의 쓰나미 모델을 새롭게

개발하여 슈퍼컴퓨터의 고효율계산을 통해 리얼타임으로 쓰나미의 침수상황을 예측하는 기술

기대효과 및

농림업분야

활용 가능성

- 재해관련 빅데이터는 아직 활발하게 이용되고 있지 않은 만큼 신뢰성이 있는 데이터의 집적과

표준화작업이 필요

<부표 2-63> 재해예측을 위한 방재분석기술 운영사례

자료: 일본 후지츠(http://jp.fujitsu.com/solutions/cloud/agri: 2016. 9. 12.).

부 록204

D9. 농업정보의 표준화 및 정보취급 관련 정책

활용사례 주체는 정책부서이며, 분석 자료는 생산정보, 유통정보 및 선진

국 정보취급에 관한 사례 등이며, 분석 방법은 통계분석을 활용한다.

빅데이터 분석을 이용하여 농업정보 제공 및 유통촉진 전략 마련을 목표

로 한다.

구분 내용

활용 주체 - 정책부서 (정부기관 및 관련 연구소 등)

활용 분야 - 유통(수급예측)

활용 목적- 빅데이터를 이용하여 농업인의 권리를 보호하고 농업 분야 전반의 정보 창출을 위한 농업정보의

상호 운용성 확보를 위해 표준화 및 정보 취급에 관한 정부전략 및 법규의 필요성에 따른 대책마련

활용 자료 - 생산정보, 유통정보, 선진국 정보취급 사례 수집, 앙케이트 등

활용 방법 - 앙케이트 및 통계분석 등

분석 결과

- 농업분야의 ICT 활용을 통한 선진사례가 증가하는 바, ICT 도입에 따른 농업정보 활용방안 모색

- 정부의 전략으로 2014년 6월 3일에 IT종합전략본부에 “농업정보 제공, 유통 촉진 전략”을 결정

하였으며 이를 감안한 대책 추진

- 총무성은 “농업정보 제공, 유통 촉진 전략”과 연계하는 형태로 ICT에 의한 농업정보 활용을 위해

다양한 사업 추진 중

기대효과 및

농림업분야

활용 가능성

- 국내의 ICT 적용 가능성은 타국에서 벤치마킹하는 수준으로, 자국의 플랫폼을 타국으로의 제안

가능성 존재

- 한 개 부서가 아닌 타부서와 연계하여 “지능형 농작물 생산시스템의 시연”, 또는 “ICT를 활용한

농업생산지도 시스템”, “청과물 정보유통 플랫폼 개발” 등으로 활용 예상

<부표 2-64> 농업정보 표준화 및 정보취급 정책사례

자료: 일본농림수산성(2016)을 참고하여 작성함.

부 록 205

D10. 농산물 공급체인(SCM) 효율화

이 사례의 활용주체는 연구자와 유통업체가 될 수 있으며 분석 자료는 유

통관련데이터, 생산정보, 시뮬레이션 등이고 분석 방법은 통계분석 등이다.

유통업에 대한 빅데이터의 활용 가능성을 정리하여 소비자 접점을 기점

으로 한 데이터의 활용에 적합한 플랜 및 플랫폼을 구축하여 소비와 공급의

효율성 증대를 목적으로 한다.

구분 내용

활용 주체 - 연구자

활용 분야 - 유통

활용 목적

- 가격저하 요인을 회피하기 위한 수비적 농업에서 계획 경영을 통한 리스크 절감에 이어 수확예측,

출하시기부터 작물을 선정하여 유통망과 연계를 통한 공격적 농업에 맞춰 농산물 물류, 유통분야에

대한 정보를 토대로 SCM 효율화를 목표로 함.

활용 자료 - 유통관련 데이터, 생산정보, 시뮬레이션 등

활용 방법 - 앙케이트, 통계분석

분석 결과

- 2015년 10월 유통물류분야 관련 연구회를 설립하여 정기적으로 보고서를 작성

- 유통은 GDP의 18%에 해당하는 큰 부분인 만큼 유통업체와 소비자의 소개역할에 있어서 발생하는

다량의 데이터를 활용하여 발주의 용이성, 업무의 효율성증대를 가능케 함.

- 유통업 환경도 변화하여 국내 인구감소 및 내부 수요가 확대됨에 따라 잠재수요의 발생에 초점을

두고 이에 맞춘 SCM의 효율개선과 해당 작물의 생산성 향상에 도움

기대효과 및

농림업분야

활용 가능성

- 지역 또는 학술대회 차원의 심도 있는 연구회 개설을 통해 국내의 담합, 부조리, 옛 유통방식의

개선 가능성 존재

- 연구회의 정기적 보고서 및 데이터를 참조함으로써 리스크를 줄이고 수집한 POS데이터 및 ID_

POS데이터 등을 참조하여 생산 관련 개선도 가능할 것으로 봄.

- 농업법인 등 기업의 입장에서는 소비자에게 데이터의 활용을 통지함으로써 적절한 기준선정이 필요

<부표 2-65> 농산물 공급체인(SCM) 효율화 사례

자료: GLOCOM & GOOGLE 연구회(2015)를 참고하여 작성함.

부 록206

D11. 기상 빅데이터를 통한 농업용 예보시스템

공공기관에서 활용할 수 있는 사례이며, 분석 자료는 위성 데이터, 기상

데이터, 시장가격 데이터, 센서 데이터, GPS데이터 등이다. 분석 방법은 통

계분석, 슈퍼컴퓨터분석, 실시간 모니터링 등이다.

기상 빅데이터 분석에 의한 농업용 정밀 기상 예보(1km 메쉬, 최대 72 시

간 후까지)를 활용하여 세계 최초의 농업용 기상 시스템을 구축하고, 정확

도 향상 및 노지 재배의 위험 회피와 생산 비용 절감, 그리고 농업인이 이용

하기 쉬운 시스템 개선사항을 검토한다.

구분 내용

활용 주체 - 정책부서

활용 분야 - 재해/재난

활용 목적- 기상정보를 위한 빅데이터분석 및 농업용 정밀기상예보(1km 메쉬, 최대 72시간 후)를 활용하여

세계최초 농업용 기상시스템을 구축하고 정확도를 향상시켜 노지재배의 피해를 줄이기 위함.

활용 자료 - 분석 자료는 위성 데이터, 기상데이터, 시장가격 데이터, 센서데이터, GPS데이터 등

활용 방법 - 통계분석, 슈퍼컴퓨터분석, 실시간 모니터링

분석 결과

- 안정적인 식량 생산을 위해 농업의 근간이 되는 환경정보를 기반으로 예측이 가능한 재난에

사전대응하고 낭비되는 자원을 최소화하여 효율성을 높이는 방법이 필요하며 이를 위해 빅데이터가

활용될 수 있음.

- 기상정보를 1차적으로 활용함으로써 풍해, 수해, 등의 기상재해 회피를 지원하며 2차적으로 정보를

가공함으로써 병충해예방, 농작물의 생육관리, 계획, 품질예측 및 시장정보 등에 의한 경쟁력

향상을 간접적으로 지원

- 농업 가치사슬의 전 단계에서 빅데이터를 활용할 수 있으며, 빅데이터는 생산부문에서는 정밀농업,

관개시스템 지원, 기상예측 분야에 활용될 수 있음. 또한 SNS와 온라인 및 스마트폰

애플리케이션을 통해서 농민들이 서로 농업경영 관련 정보제공 가능

기대효과 및

농림업분야

활용 가능성

- 빅데이터는 농업전반에 정보를 제공할 수 있으며 특히 생산부문에서는 정밀농업, 관개시스템 지원,

기상예측 분야에 활용될 수 있음.

- 수급 부분에서는 빅데이터를 이용하여 방대한 양의 시장데이터를 추출, 분석하여 시장가격 등

공급정보를 예측할 수 있음.

- 소매 판매자와 소비자가 특정 제품에 대한 즉각적인 의견을 가질 수 있음.

<부표 2-66> 빅데이터를 통한 농업용 예보시스템 운영사례

자료: 일본기상청(2014)을 참고하여 작성함.

부 록 207

D12. 농업분야 센서 네트워크 기술의 이용과 과제

이 사례는 주로 생산분야에서 활용할 수 있으며, 분석 자료는 센서수집

데이터, 기상데이터, 시장가격 데이터, 사물간 인터넷, GPS 데이터 등이다.

분석 방법은 텍스트분석, 통계분석, 클라우드 기술조합을 활용한 실시간 모

니터링 등이다.

21세기 농업을 위한 시·공간적 정보를 세밀하게 수집하여 목적에 따라 분

석 작업을 수행하는 농가에게 유용한 정보를 제공, 작물의 생육개선을 위해

센서 네트워크 기술을 활용할 수 있다.

구분 내용

활용 주체 - 연구 분야

활용 분야 - 생산

활용 목적- 현장의 상세 데이터를 축적하고 이를 토대로 농업경영을 위한 정보를 작성하여 작업의 효율성 개선

실현

활용 자료 - 분석 자료는 센서 수집 데이터, 기상데이터, 시장가격 데이터, 사물간 인터넷, GPS데이터 등

활용 방법 - 텍스트분석, 통계분석, 클라우드 기술조합을 활용한 실시간 모니터링

분석 결과

- 작물 모델에 대한 온도 측정 시스템으로 통풍, 단열기능을 조절함으로써 소비전력을 억제하면서

온도와 습도를 정밀히 측정

- 유비쿼터스 환경제어시스템과 식물공장의 재배 환경을 예측하여 노지재배의 경우에도 환경조건을

엄격히 측정, 제어함으로써 고품질 농산물을 생산하기 위한 운영방법을 확립할 수 있게 됨.

- 작물의 생육상태와 병해충의 상황을 파악하여 미세한 식물의 변화를 데이터화하여 산출, 수치화함.

기대효과 및

농림업분야

활용 가능성

- 몬산토의 경우 날씨 빅데이터 업체를 인수하여 데이터 과학으로 인한 농업의 성장을 이끌어 갈

목표를 세우는 시장의 잠재력을 높이 평가. 이로 인한 생명기술(BT), 정보기술(IT), 환경기술(ET)과

보험 분야를 아우르는 거대 농업 기업 출현을 예고하고 있음.

<부표 2-67> 센서 네트워크 기술의 이용사례

자료: Fukatsu(2014)를 참고하여 작성함.

부 록208

D13. 빅데이터로 디자인하는 스마트농업

주로 생산분야에서 활용할 수 있는 사례이며, 환경, 기후변동 등의 데이

터가 활용되었다. 분석 방법은 텍스트 마이닝, 통계분석 등을 활용하였다.

정보과학 및 정보기술이 필수적인 스마트농업을 통해 농업 생산분야 생

산성 및 수익성 향상을 목표로 한다.

구분 내용

활용 주체 - 연구자

활용 분야 - 생산

활용 목적

- 데이터 구동형 과학에 의한 문제 해결로, 많은 제약요인과 다수의 목표설정 사이에서 최적점을

찾아냄.

- 논밭에 기상 센서를 설치하고, 기상 데이터와 수확량 및 품질 등 데이터와의 관계를 파악하여 농업

프로세스를 최적화하여 생산성과 수익성을 향상시키는 데 활용함.

- 농산물 데이터를 수집하여, 빅데이터를 구축하고, 네트워크 기술과 센서 기술이 조합된 IoT에

기대가 높아지고 있음.

활용 자료 - 환경 및 기후변동 데이터, SNS 데이터, 재배 등 농업 전반 데이터

활용 방법 - 텍스트 마이닝, 통계분석

분석 결과

- 농업생산현장에 관계한 데이터는 크게 환경 데이터, 생체 데이터 및 재배관리 데이터로 구분됨.

- 환경 데이터 수집을 위한 센서에 대한 상당한 기술축적이 되어 왔으며, 필드 서버 등 비교적 저가의

센서 네트워크형 환경 데이터 수집기가 개발되고 있음.

- 생체 데이터 수집은, 이미지(화상) 분석 고속화 기술(벼개화 자동인식), MEMS 기술을 응용한

초소형 FTIR을 통합 글러브형 당도 센서 등 저렴하고 야외에서도 쉽게 사용할 수 있는 생체 센서가

등장함. 또한, 드론을 플랫폼으로 효율적으로 작물 상태를 감지하는 기술의 발전도 매우 기대가

되며, 이들이 조합으로 인한 작물 군락의 3차원 구조를 재구성하는 방법도 제안되고 있음.

- 재배관리를 위한 농림수산청의 의뢰 프로젝트로, IC태그 및 농기계에 센서를 부착하여 GPS 및

GIS와 결합시킴으로써 효율적인 재배 관리 데이터를 수집하기 위한 기술임. 민간회사에서도 적용

소프트웨어를 제공하고 있지만, 스마트폰을 베이스로 하여 재배관리정보 수집을 지원하는 툴이

중심이 됨.

기대효과 및

농림업분야

활용 가능성

- 기상 변화에 따른 농산물 수급 불안정성을 줄이며, 가격 안전성 제고에도 기여할 수 있음.

- 실시간 수급 예측을 추가로 지원하기 위해 모바일 수급관리 시스템을 활용할 수 있음.

<부표 2-68> 빅데이터로 디자인하는 스마트농업 사례

자료: Ninomiya Seishi(2015)를 참고하여 작성함.

부 록 209

D14. 주관적 정보부여 농장정보 시스템 “농라이브”

활용사례의 주체는 비즈니스(농가 등)이며, 분석 자료는 관측 데이터, 기

상데이터, 작물화상데이터 등이다. 분석 방법은 데이터 수집 분석을 통해

최적화된 재배방법과 조합하여 적용하는 시뮬레이션 등이다.

농장의 관측데이터라는 객관적 정보에 대하여 농가나 일반시민의 주관적

정보를 부여함으로써 축적된 관측데이터로부터 유익한 정보를 효율적으로

추출하는 서비스이다.

구분 내용

활용 주체 - 비즈니스(농가 및 일반시민)

활용 분야 - 생산분야

활용 목적

- 농장 모니터링 디바이스에서 취득한 기상데이터 및 화상 데이터를 공개하여, 이러한 데이터에

답변하는 형식으로 농가 및 일반 시민이 주관적 정보를 부여할 수 있는 애플리케이션을 개발함.

- 농장의 기상 데이터나 작물의 생육 화상 등 여러 현장 정보를 리얼타임으로 계측하는 농장계측

로봇이나, RFID를 이용한 농장 자동기록 시스템이 개발되어 있지만, 이렇게 축적된 막대한

데이터를 정리하고, 인과관계를 규명하는 것이 쉽지 않기 때문에, 수집한 데이터를 그래프화하여

상황을 파악하기 쉽게 하거나, 근처 농가의 수집데이터도 표시하여 비교할 수 있게 함.

- 객관적 정보와 주관적 정보를 조합함으로써, 농장에서 수집한 객관적 정보에 농가가 주관적 정보를

부여할 수 있는 web 애플리케이션 ‘農 live’를 개발함.

활용 자료 - 관측데이터, 기상데이터, 작물화상데이터 등

활용 방법 - 데이터 수집 분석 데이터 및 최적 재배데이터의 결합

분석 결과

- 객관적 정보와 주관적 정보를 관련지을 수 있도록 하는 것을 목적으로 한 農 live 요건 설정

- 특정지역에 모니터링 장치를 설치하고 기상 데이터와 화상 데이터를 수집함. 포도와 채소 농장에는

필드 서버, 밤 농장에는 3G회선에 대응하는 실험용 필드 서버를 이용하여 농장의 화상과 온도,

습도 등을 수집

- Live Note에 대해 작물의 안심, 안전정보 제공에 대한 만족감을 가진다는 앙케이트 결과에

의해서도 농산물에 적절한 관리를 실시하는 것을 확인할 수 있음.

기대효과 및

농림업분야

활용 가능성

- 농업 분야 대기업들이 다양한 농기구 등 농업과 관련된 모든 정보망을 연결해 빅데이터 시스템을

구축하고 농경지에서의 시장상황에 맞는 마케팅을 펼치고 있음.

- 토양 정보, 곡물 시세 등에 접속함으로써 다양한 정보 활용을 통한 생산성증대 도모 가능

<부표 2-69> 농장정보 시스템 “농라이브” 운영사례

자료: Toda H., Kobayash I., Saito H., Fukatsu T., Kiura T., Hirato A.(2013)를 참고하여 작성함.

부 록210

D15. 이동자를 고려한 재해 발발이후 지원시스템

활용사례의 주체는 비즈니스가 될 수 있다. 분석 자료는 SNS 데이터, 인

터넷 검색어, GPS 데이터, 통계데이터 등이고 분석 방법은 소셜미디어 분

석, 통계분석 등이다.

2011년 발생한 동일본 대지진에서 네트워크와 정보기술을 이용하여 안전

확인 및 피해지 정보전달을 지원하고, Google Person Finder를 통해 안전정

보를 수집하여 피해 직후부터 서비스를 개시했다.

구분 내용

활용 주체 - 비즈니스 (정보, IT기업체, 통신사업체 등)

활용 분야 - 재해/재난

활용 목적

- 화재 등 재해발생 후 네트워크 이용이 불가능한 경우에도 이용가능하고 타 지역 이주자의 경우라도

피난지원경보를 파악하는 것이 가능한 시스템의 설계가 필요한바, 재난발생 시 용이하게 이용할

수 있는 것이 목적

활용 자료 - SNS 데이터, 인터넷 검색어 수집, GPS 데이터, 통계 데이터

활용 방법 - 소셜미디어 분석, 통계분석 등

분석 결과

- Fujitsu는 상시 이용형 재해지원 시스템 “아카리맵”을 개발. 이는 스마트 디바이스상의 화면에

지도나 위젯을 이용하여 피난지원정보를 표시하는 것으로 위치정보 주위의 피난자원정보파악을

목표로 함.

- 아카리맵의 기능은 위치정보를 서버에 발송하는 지도기능, 필요시 코멘트 등을 입력할 수 있는

피난지원정보 등록, 일상적인 피난지원 정보 표시 시스템, 오프라인 시에도 이용 가능하도록

피난정보를 정기적으로 저장하는 기능 등을 가짐.

- 지방자치체의 재해대응을 지원하기 위한 정보공유시스템 및 피해정보 수집 공유시스템을 갖춰

네트워크를 이용해 피해정보의 교환이 이루어짐.

기대효과 및

농림업분야

활용 가능성

- 미래창조과학부는 이미 재난예측과 대응에 빅데이터를 활용하는 시범사업을 선정하여 서비스

사업을 시작함.

- 조류인플루엔자의 조기대응서비스 및 산간 등 비탈면 붕괴에 대한 사전예측 및 조기대응 등 실시 중

- 전통적 행정망과 조직 외에 다양한 정보전달채널을 최대한 확보할 경우 보다 효율적으로 정보

제공이 가능할 것으로 사료됨.

<부표 2-70> 재해 발발 사후 지원 시스템 구축사례

자료: Mimura S., Fukusima T., Yoshino H., Esyu S.(2013)를 참고하여 작성함.

부 록 211

D16. 소비데이터 형식 통일 및 규격화

사례의 활용주체는 유통업체나 정책부서가 될 수 있다. 분석 자료는 구매

데이터, 유통데이터, 판매관련 데이터 등이고 분석 방법은 통계분석 등이다.

생산을 위한 소비데이터가 필요하나 온라인/오프라인 매장의 포맷이 달라

서 정확한 데이터 수집이 어려운 만큼 관련 포맷의 규격화 지정이 필요하다.

구분 내용

활용 주체 - 정책부서

활용 분야 - 유통

활용 목적

- 소비자의 니즈가 다양화됨에 따라 다품종 소량생산에 맞춘 적정 공급량을 위한 생산자가 활용할

수 있는 정보의 제공과 더불어 개인정보의 무단활용을 방지하기 위한 적정 기준을 설정하기 위해

소비자의 정보를 얻고자 데이터의 표준 표를 작성

- 표준화된 데이터는 정책수립 및 비즈니스 분야 등에서 데이터를 수집하고 분석하는 것을 용이하게

해줌.

활용 자료 - 구매데이터, 유통데이터, 판매관련 데이터 등

활용 방법 - 통계분석

분석 결과

- 소비 데이터의 양식은 유통기업별로 각각 다르기 때문에 농산물 생산자의 정보를 데이터

사용자별로 소비데이터를 활용할 수 있도록 표를 작성

- 업계 단체와 연계하여 소비데이터를 표준화한 내용은 점포면, 영수증, 날짜, 지점명, 주소, 매니저

성명, 캐시담당자, 메뉴, 소계, 합계, 지불방법, 기기번호, 고객정보(회원의 경우에 한함)로 한정함.

- 이 포맷을 활용하여 생산자 입장에서 소비자의 구매패턴, 연령패턴 등을 알 수 있으므로 다양한

분야에서 활용 가능함.

기대효과 및

농림업분야

활용 가능성

- 일부 농산물 매매 장소에 따라 고객정보 제공이 불가능한 곳은 있으나 대부분 신용카드결제가

가능한 만큼 소비패턴확인은 농업종사자의 이익률 향상에 기여할 것으로 추정됨.

<부표 2-71> 소비데이터 형식 통일 및 규격화 사례

자료: GLOCON & GOOGLE 연구회(2015)를 참고하여 작성함.

부 록212

D17. 오픈필드 서버 및 센서 클라우드 시스템 개발

이 사례는 정책부서에서 활용할 수 있다. 오픈소스를 이용하며 인증 등

절차를 단순화하여 목적에 맞는 맞춤형 필드서버의 공급 효율성을 높였다.

연구개발과 관련하여 오픈소스 기술을 기반으로 한 저가의 맞춤형 필드

서버를 많은 이용자에게 제공할 수 있는 서비스 연구이다.

구분 내용

활용 주체 - 정책부서

활용 분야 - 생산

활용 목적

- 반도체 기술의 진보와 CPU 등 LSI의 세대교체에 따라 하드웨어 및 펌웨어 업데이트와 기능

신속하게 향상시킬 필요가 있으나, 대량 생산이 불가능한 단계인 경우 저비용과 고기능화를

양립시키기가 어려움.

- 오픈소스·하드웨어를 이용한 방법을 고안하여 오픈소스 필드 서버(Open-FS)를 개발하고,

Open-FS를 이용하여 측정한 데이터를 저비용으로 수집·열람·공유하기 위한 방법으로서, 기존의

클라우드 서비스와 HTML5 기술을 활용한 “센서 클라우드·시스템”을 제안하고, 시작 및 현지

실험에 의해 그 유효성을 평가

- 필드 서버는 사람이나 농기계 등이 왕래하는 공간에 설치하는 것을 고려하고, 필요로 하는 장치를

소형 케이스에 넣어 일체화함. 또한, 레거시 디바이스(사용자 주변에서 원격으로 조정할 수 있는

장치)화를 최대한 회피함.

활용 자료 - SNS 등 field twitter 및 센서 클라우드 정보데이터 사용

활용 방법 - 오픈소스를 기반으로 기존서버보다 쉽게 재작성

분석 결과

- 오픈소스 하드웨어 Arduino를 이용하여 디지털 디바이스의 세대 업데이트 영향을 받지 않을

것으로 예상되며, 오픈 소스이기 때문에 회로도 등의 소스 정보 외에도 사용자의 버그 및 활용

사례 등의 정보도 접근 가능함.

- 클라우드 서비스를 기반으로 한 센서 네트워크를 센서 클라우드(Sensor Cloud)라고 부르며, 이

시스템에서 센서 네트워크는 클라우드 서비스에서 API를 사용하여 검색할 데이터를 추상화함.

기대효과 및

농림업분야

활용 가능성

- 국내 기업의 빅데이터 활용은 대부분 해외 글로벌 기업의 기술을 빌리거나 오픈소스를 이용 중.

프로그래머 인프라가 높은 한국에서 농업으로의 응용가능성은 높다고 사료됨.

<부표 2-72> 오픈필드서버 및 센서 클라우드 시스템 개발사례

자료: Hirafuji A. et al.(2013)을 참고하여 작성함.

부 록 213

D18. 마케팅정보의 빅데이터 활용

활용사례의 주체는 사업체(비즈니스)가 될 수 있으며, 각종 다양한 데이

터를 수집한 뒤 분석결과를 마케팅에 활용하였다.

컴퓨터의 진보 및 정보교환의 속도 향상과 함께 수요다양성 등으로 IT업

계는 물론 농산업계에서도 활용가능성이 높아졌다.

구분 내용

활용 주체 - 사업체(비즈니스)

활용 분야 - 소비

활용 목적

- 종합병원의 경우, 매일매일 그날의 기온, 습도, 병원 내 온도, 습도, 입원 환자 수, 외래자수, 병상수,

조명의 사용, 의료기기가동, PC가동 등이 시간에 따라 기록 수집된 대량데이터로부터 규칙성을

관찰하고, 어떠한 경향이나 패턴을 발견하면 에너지의 효율적인 운영에 의한 에너지 절약, 또한

정확한 예견 예측에 따라 긴급 대책 등이 가능해짐.

- 자사 제품에 적합한 고객정보를 이용해 타깃 고객층 맞춤형 신상품 개발에 활용하고, 위치 정보를

통해 탐색하여 교통 체증을 완화할 수 있으며, 작업 기반의 데이터에 의해 농작물의 육성 지원을

목적으로도 함.

활용 자료 - 시장가격 데이터, 온라인을 통한 시장 분석 데이터

활용 방법 - 과거 데이터 연간분석

분석 결과

- 대상 소비자가 어떠한 것을 필요로 하는지를 과거 이력이나 앙케이트 등에서 조사하여 알게 되며

그 소비자가 요구하는 특성을 가진 상품을 정의하고 이상적 상품을 순서대로 표시해 줌.

- 아마존 등에서 어떠한 상품을 검색하거나 구입하면, 구입이력과 함께 그것과 관련한 상품이

기억되어 컴퓨터를 열면 저절로 상품 등이 추천 소개됨.

- 텔레비전 프로그램에 관한 리얼 타임의 투표 순서가 트위터, 페이스북, 블로그 순이라는 조사가

있었던바, SNS에 의한 데이터 중 트위터 데이터가 마케팅 해석 대상이 됨.

기대효과 및

농림업분야

활용 가능성

- 농식품 소비에 관한 행사를 통해 소비자 패널을 확대해 나가며 빅데이터를 구축함으로써, 농업

종사자로 하여금 어떤 농식품을 생산해야 할지 판단할 수 있도록 함.

<부표 2-73> 마케팅정보의 빅데이터 활용사례

자료: Hireshi N.(2015)을 참고하여 작성함.

부 록214

D19. 이종 협력형 재해정보시스템 실현을 위한 기반기술 개발

이 사례는 정책부서(공공기관)에서 활용할 수 있는 사례이다. 기존에 데

이터베이스화 되어 있는 기상데이터, 지리 데이터, 유튜브 등 SNS에서 생성

되는 비정형데이터를 결합하여 실시간으로 화재를 예측하는 시스템을 구축

하였다.

동일본대지진 직후부터 ICT를 활용한 지원시스템이 개발되어 제공되기

시작했다.

구분 내용

활용 주체 - 정책부서/공공기관

활용 분야 - 재해 재난

활용 목적

- 재해 시를 대비한 이종 협력형 지원시스템의 기반기술을 개발하여, 인공지능이 재해 발생 이후를

예상할 수 있는 AI기술에 활용될 수 있는 구조를 구축하는 것임.

- 현재로는 수집 가공 제공하기 위한 기술이 충분하다고 할 수 없기 때문에, 이 기반 기술이나 구조를

논의함으로써 정보 사이클을 완성시켜, “재해발생 후 48시간 이내에 지원시스템을 구축하는 기반

기술 제공”이 논의될 수 있도록 하는 것이 목표임.

활용 자료 - 기상데이터, 지리데이터, GIS데이터, SNS데이터

활용 방법 - 슈퍼컴퓨터를 이용한 실시간 데이터 분석, 통계분석, 텍스트 마이닝, 재난 시뮬레이션

분석 결과

- 다양한 매체를 통한 대량의 데이터를 고도로 처리하기 위해서는 1. 스트리밍 데이터 마이닝, 2.

분산데이터 마이닝, 3. 빅데이터로부터의 중요 정보의 리얼타임 추출, 4. 통신, 동영상의 이상 감지

등과 같은 기술 과제가 있을 수 있음.

- 정보의 유용성은 시간적 공간적으로 불균일하게 변화함에 따라 정보마다의 유용성의 시간적･공간적

노화를 고려하기 위해, ‘언제, 어디서, 어떻게’ 와 같은 정보가 필요하게 되는가를 확실히 하는

기술이 필요

- 수집된 정보를 활용하는데 먼저 그 신뢰성을 확증하는 기술이 확립될 필요가 있으며, 기술

과제로는, 1. 신뢰성확보를 위한 노이즈 제거, 2. 복수의 소스로부터의 정보 통합, 3. 의도적 루머의

발견과 방지, 4. 시뮬레이션을 통한 정확도 검증

- 정보수집 과정에 있어서, 통신망의 단절이나, 센서 고장, 인원 부족 등에 의해 데이터의 부족이나

결격, 지연 등이 생기기에, 긴급할수록 구조 활동의 초동이 늦어지고 여러 영향이 있을 수 있음.

기대효과 및

농림업분야

활용 가능성

- 빅데이터 활용 기상융합 서비스에 대한 많은 연구가 이루어지고 있으며, 빅데이터 분석 기반

기상예보 신뢰도를 향상시키고 농업 분야에서는 기후변화 시나리오를 활용하여 농업과 기상과학

과의 융합 전략을 세우는 데 활용할 수 있음.

<부표 2-74> 이종 협력형 재해정보시스템 실현을 위한 기반기술 개발사례

자료: Fujio T., Kosuke S., Takeshi S.(2014)를 참고하여 작성함.

부 록 215

D20. 원전방출 데이터 분석

이 사례는 정책부서에서 활용할 수 있는 사례이다. 분석 자료는 온라인

연관검색어, 온라인 뉴스, SNS 데이터 등이며, 분석은 텍스트 마이닝, 구글

얼스(Google Earth) 인터페이스를 통한 공간분석 방법을 이용하였다.

원전방출 데이터를 분석하여 정확한 피해지역을 예측하고 이를 일반인들

에게 알림으로써 원전피해를 최소화할 수 있다.

구분 내용

활용 주체 - 정책부서

활용 분야 - 재해재난

활용 목적- 빅데이터를 활용하여 원전방출 데이터를 분석하고 정확한 예상 피해지역을 설정함으로써 원전

피해를 줄일 수 있음.

활용 자료 - 온라인 뉴스, SNS 데이터, 네티즌 제보, 온라인 연관검색어

활용 방법 - 통계분석, 텍스트 마이닝, 구글 얼스 인터페이스를 통한 공간분석

분석 결과

- 재해모니터링 시스템으로 재해를 모니터하는 프로그램. 일반인들의 정보 또한 참조하여 정보를

보고할 수 있음.

- 공공 경보 시스템(public health warning system)으로 자체의 소프트웨어를 이용하여 뉴스에

보도된 기사들을 매 15분마다 수집

* 원전에서 방출된 요오드, 세슘 등 파편시뮬레이션 및 SPEEDI의 데이터를 기존사례 데이터와

조합 분석하여 차기 재해에 대비

기대효과 및

농림업분야

활용 가능성

- 농림업분야 기상재해를 지도에 표시하는 방법 등으로 이 기술을 활용

- 기상에 따른 수확량 및 병해충 조기 발견

- 위험지역 설정을 통해 1차적 및 2차적 피해를 사전에 대비할 수 있음

<부표 2-75> 원전 방출 예측 시스템 구축사례

자료: 동일본대지진 빅데이터 워크숍 Project 311(2013)을 참고하여 작성함.

부 록216

D21. 재해 빅데이터 활용 시스템, 피해정도 지도맵핑 및 위치정보 제공

이 사례는 정책부서에서 활용할 수 있는 사례이다. 분석 자료는 온라인

뉴스, SNS 데이터, 네티즌 제보, 온라인 연관검색어이며, 분석은 통계분석,

텍스트 마이닝, 구글 얼스 인터페이스를 통한 공간분석 방법을 이용하였다.

국경을 넘는 해외여행에 있어서도 재해정보를 조기에 예측하고 피해를 최

소화하는 것이 가능하게 되었다.

다양한 연구주체와 국경을 초월하여 기관들이 협력하여 재해 예측 시스

템을 구축하고 이를 대중에게 공개하고 있다. 이는 여행지의 정보를 얻기

위한 여행객뿐만 아니라 지질 연구분야 등에서도 다양하게 활용되고 있다.

구분 내용

활용 주체 - 정책부서

활용 분야 - 재해재난 예측 및 관리

활용 목적- 해당지역 여행객 및 거주인원에게 인터넷을 이용하여 온라인 재해 정보 시스템을 구축하여 조기에

예측, 통보함.

활용 자료 - 온라인 뉴스, SNS 데이터, 네티즌 제보, 온라인 연관검색어

활용 방법 - 통계분석, 텍스트 마이닝, 구글 얼스 인터페이스를 통한 공간분석

분석 결과

- 지진 직후의 TV 방송이나 신문 기사에 포함된 지명을 추출하여 지도에 mapping함으로써, 언론

보도가 많은(적은) 지역을 시각화함. 현실 피해 상황과 지원을 필요로 하는 지역 등 상향식 제공

정보와 조합하여, 차이를 부각시킴.

- 위치 정보의 부여에 필요한 작업을 제한하기 위해 750H (32일 정도) 데이터를 공유하고 만드는

프로젝트

- 동일본 대지진 정보 관련 Twitter의 데이터로부터 사용자의 행동 경로를 추출하는 방법을 제안.

또한 추출된 경로 정보를 지진 당시의 철도 운행 상황이나 통행 실적 맵 데이터 등과 비교 신뢰성

검증

기대효과 및

농림업분야

활용 가능성

- 기상재해를 지도에 표시하는 방법 등으로 재배를 위한 정보로 활용

- 위험지역 설정을 통해 1차적 및 2차적 피해에 대한 사전 대비가 가능

<부표 2-76> 재해관련 빅데이터 활용 시스템 운영사례

자료: 동일본대지진 빅데이터 워크숍 Project 311(2013)을 참고하여 작성함.

부 록 217

D22. 의료에 앞선 질병확산 방지를 위한 빅데이터 분석

이 사례는 정책부서에서 활용할 수 있는 사례이다. 질병관련 정보와 샘플

을 제공받아 데이터센터 및 시료보관시설에 축적하여 연구기관이나 서비스

제공자가 데이터뱅크로부터 정보를 받고 이를 활용하여 통계분석, 텍스트

분석 등을 통해 질병확산을 관리할 수 있다.

최근 들어 모바일 기술과 데이터 관리 소프트웨어 기술이 발전함에 따라

질병부분에서는 빅데이터를 활용한 정보제공, 활용방법이 널리 이용되고

있다. 이러한 기술과 데이터를 연구 및 농업정책 분야에도 활용 가능하다.

구분 내용

활용 주체 - 주민, 정부부처, 관련연구기관 등

활용 분야 - 질병

활용 목적- 시민들의 안전을 위한 정책을 구축하고 효과적이고 지속적인 환경을 구축하기 위해 빅데이터

기술을 활용할 수 있음.

활용 자료

- 민간 및 공공 데이터베이스를 통해 얻어진 질병 데이터

- 기후데이터, 토양데이터, 지역데이터, 시민거주데이터

- 이동정보, GPS 등 지리정보데이터

활용 방법 - 통계분석, 텍스트 마이닝, 구글 얼스 인터페이스를 통한 공간분석

분석 결과

- 연구단계에서 필요한 데이터는 사전계획을 기초로 다수의 데이터가 적정한 빈도와 타이밍에서

수집, 통합되어 축적됨. 새로운 기술 및 서비스를 발견하거나, 결과와의 관계 유효성을 검증하기

위한 해석기법을 도입하여 측정항목이나 측정방법을 개선함.

- 사업단계에서는 적정화된 모델을 사용한 서비스를 검토하고, 서비스를 받는 개인에 대한 데이터

측정을 실시. 이를 수집하여 모델을 이용한 진단, 판정 및 분석을 실시하여 그 결과를 이용자에게

제공

- 데이터 뱅크 운영은 정부로부터의 지침 가이드라인을 따라 실시되며, 데이터 수집·통합·축적에는

철저한 보안대책과 프라이버시 보호가 적용됨.

- 업종과 상관없이 다수의 다른 업종의 사업자가 연계한 비즈니스 생태를 형성하여, 사람과 사회에

가치를 제공하는 것이 실현됨.

기대효과 및

농림업분야

활용 가능성

- 빅데이터를 처리할 수 있는 방안으로 클라우드 환경에서의 처리를 대안으로, 식량의 안정적 생산을

위한 가축질병 및 식물 질병 등 보건산업에서도 등 당면한 문제 해결을 위한 빅데이터 활용

<부표 2-77> 빅데이터를 이용한 질병확산 방지시스템 구축사례

자료: Hoshino T.(2015)를 참고하여 작성함.

부 록218

부록 3

농림업분야 빅데이터 활용 수요 조사표

통계법 제33조(비밀의 보호 등)

통계작성 과정에서 알려진 사항으로서 개인 또는 법인

이나 단체의 비밀에 속하는 사항은 보호되어야 한다.

주관기관 : 한국농촌경제연구원

농림업분야 빅데이터 활용 수요조사

안녕하세요?

저희 한국농촌경제연구원은 우리나라의 농업·농촌·식품을 연구하는 국내 유일의 국무총리실 산하 국책

연구기관입니다.

본 설문조사는 농림업분야 빅데이터 활용 현황 및 실태, 활용도 제고를 위한 개선사항 등을 파악하기

위해서 관련 전문가와 잠재 수요자를 대상으로 조사를 실시하고 있습니다.

본 설문에서 응답해 주신 내용들은 아래의 통계법 제33조에 의하여 통계·연구의 목적으로만 사용됩니다.

바쁘시더라도 잠시만 시간을 내주시어 설문에 응답해 주시면 감사하겠습니다.

A. 빅데이터 이해도

< 조사대상 코드번호: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스/농장) / 4. 정책담당 >

A1. 귀하는 빅데이터에 대해 들어본 적이 있습니까?

< 조사대상: 2. 농업정보 전문가 / 3. 산업체(비즈니스) / 4. 정책담당 >

① 전혀 들어보지

못했다

② 별로 들어본

적이 없다

③ 잘 모르겠다 ④ 몇 번 들어봤다 ⑤ 자주 들어봤다

A2. 귀하는 빅데이터에 대해 어느 정도 알고 있습니까?

< 조사대상: 2. 농업정보 전문가 / 3. 산업체(비즈니스) / 4. 정책담당 >

① 전혀 모른다 ② 잘 모른다 ③ 모르지도 않고

이해하고

있지도 않다

④ 조금 이해하고

있다

⑤ 매우 잘

이해하고 있다

부 록 219

A3. 귀하는 농림업분야의 빅데이터에 어떤 종류가 있는지 알고 아십니까? 빅데이터는 농업경영체DB처럼

빅데이터 3V 속성 중에 한 가지라도(데이터량이 방대함) 포함하고 있으면 빅데이터로 볼 수 있습니다.

< 조사대상: 2. 농업정보 전문가 / 3. 산업체(비즈니스) / 4. 정책담당 >

① 전혀 모른다 ② 잘 모른다 ③ 모르지도 않고

알지도 않는다

④ 조금 알고

있다(1~5개)

⑤ 매우 많이 알고

있다(5개 이상)

빅데이터 개요

◦ 농림축산식품 관련 빅데이터 종류

- 빅데이터 종류는 공공데이터의 농업경영체정보, 농산물 출하량 및 저장정보, 가축사육 및 동물질병 관련

데이터, 스마트팜 데이터, 농산물유통정보(K-AMIS), 축산유통종합정보센터(eKAPEPIA), 농산물이력

추적정보, 농업기상정보, 소비자패널정보 등이 있음.

- 빅데이터 분석은 빅데이터 자체뿐만 아니라 통계자료, 웹사이트 검색자료(SNS 등)를 결합시켜 분석할 수

있음. 예를 들어 농산물 공급 예측 정보와 웹사이트의 검색어 정보를 연계시켜 농산물 수급 예측 분석에 활

용할 수 있음.

◦ 빅데이터의 특징(3V)

- 일반 컴퓨터로 분석하기 어려울 정도로 데이터 용량이 큼(Volume).

- 빅데이터 종류는 통계자료, 실시간 축적되는 텍스트, 사물이미지, 동영상, 사물이 수집하는 데이터 등으로

다양함(Variety).

- 실시간 빅데이터를 활용하여 드론이나 인공지능(AI) 사업개발까지 가능함(Velocity).

◦ 빅데이터는 정형데이터와 비정형데이터 등으로 구분됨.

- 정형데이터는 고정된 필드에 저장되는 데이터베이스 및 스프레드시트 등을 포함

- 비정형데이터는 텍스트 문서, 이미지, 동영상, 음성데이터 등을 의미

◦ 일반적으로 빅데이터 분석은 정형데이터와 비정형데이터를 연계시켜 분석하는 방법임.

- 빅데이터 분석의 알고리즘은 데이터가 자동적으로 업데이트되며, 분석이 자체적, 자동적으로 진행됨.

◦빅데이터 분석의 Life Cycle은 분석 단계별로 자료수집(기업데이터, 웹데이터, 센서데이터) → 저장(데이

터베이스, 데이터창고) → 분석(데이터 마이닝, 텍스트분석, 데이터 시각화) → 활용 단계(경영효율성 증대,

부가가치 증대, 생산성 향상, 소비자효용 증대) 과정을 거침.

A4. 귀하는 업무수행 과정에서 빅데이터 분석의 필요성을 느껴본 적이 있습니까?

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) / 4. 정책담당 >

① 필요성을 느낀

적이 전혀 없다

→ A8로 이동

② 필요성을 느낀

적이 없는

편이다

→ A8로 이동

③ 잘 모르겠다

→ A5로 이동

④ 필요성을 느낀

적이 있다

→ A5로 이동

⑤ 필요성을 느낀

적이 매우 많다

→ A5로 이동

부 록220

A5. 현재 농림업분야에서 빅데이터 활용/분석이 가장 필요한 분야는 어디인지 아래 보기 중에서 중요한 순

서대로 두 개를 선택하여 주시기 바랍니다.

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) / 4. 정책담당 >

1순위: 2순위:

① 생산분야 ② 유통분야 ③ 소비분야 ④ 질병분야 ⑤ 자연재해분야

빅데이터 활용 분야별 세부 내용

① 생산분야: 생산요소, 생산기술, 재배면적, 생산환경, 병해충, 생산량 등

② 유통분야: 출하, 저장, 가공, 물류, 가격

③ 소비분야: 소비정보, 안전성, 등급정보

④ 질병분야: 가축위생, 이력정보

⑤ 자연재해분야: 산사태, 산불

A6. 미래에 농림업분야 빅데이터 활용가치가 가장 높아질 것으로 예상되는 분야는 어디입니까? 아래 보기

중에서 활용가치가 높은 분야를 순서대로 두 개 선택해 주시기 바랍니다.

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) / 4. 정책담당 >

1순위: 2순위:

① 생산분야 ② 유통분야 ③ 소비분야 ④ 질병분야 ⑤ 자연재해분야

A7. A6의 응답을/를 1순위 분야로 선택한 이유는 무엇 때문인지요?

(1순위 선택 이유: )

[응답 후 B1으로 이동]

A8. [A4의 1, 2번 응답자] 만일 빅데이터를 분석할 필요성이 없었다면 어떤 이유 때문인지요? 해당 이유를

모두 선택해 주시기 바랍니다.

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) / 4. 정책담당 >

① 빅데이터 및 빅데이터 종류가 무엇인지 잘 모르기 때문에

② 빅데이터 활용/분석 방법에 대해 잘 모르기 때문에

③ 빅데이터 자료 소스 파악과 활용 가능한 자료수집이 어려워서

④ 빅데이터에 대한 신뢰성이 낮기 때문에

⑤ 빅데이터를 활용/분석하는데 소요되는 비용이 비싸기 때문에

⑥ 직접 분석하는 것보다 전문업체에 위탁하는 방법이 효율적이기 때문에

⑦ 기존의 통계분석방법으로도 원하는 분석이 가능하기 때문에

⑧ 기타( )

부 록 221

B. 빅데이터 활용경험

B1. 귀하는 농림업 분야 관련 정보를 얻거나 업무를 수행하기 위해 빅데이터를 활용한 경험이 있습니까?

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) / 4. 정책담당 >

① 경험이 전혀

없다

→ C1로 이동

② 경험이 별로

없다

→ C1로 이동

③ 잘 모르겠다 ④ 경험이 몇 번

있다

→ B2로 이동

⑤ 경험이 매우

많다

→ B2로 이동

B2. [B1의 1.2 응답자만] 귀하가 빅데이터를 활용한 경험이 있다면 가장 최근의 경험 기준으로 분석 데이터

의 규모, 다양성, 데이터 생성속도 측면에서 활용 만족도는 어느 정도 수준입니까?

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) / 4. 정책담당 >

구분①

매우 불만족②

다소 불만족③

잘 모르겠다④

대체로 만족⑤

매우 만족

데이터 규모(Volume)

① ② ③ ④ ⑤

데이터 다양성(Variety)

① ② ③ ④ ⑤

데이터 생성속도(Velocity)

① ② ③ ④ ⑤

B3. [B1의 1.2 응답자만] 귀하가 빅데이터를 활용한 경험이 있다면 빅데이터 자료수집과 자료분석, 활용성

과 측면에서 만족도는 어느 정도 수준입니까?

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) >

구분①

매우 불만족②

다소 불만족③

잘 모르겠다④

대체로 만족⑤

매우 만족

자료 수집 ① ② ③ ④ ⑤

자료 분석 ① ② ③ ④ ⑤

활용 성과 ① ② ③ ④ ⑤

B4. [B1의 1.2 응답자만] 농림업분야 빅데이터를 분석/활용함에 있어서 기존의 통계분석 방법보다 만족하

셨다면 주요 이유는 무엇입니까? 해당되는 내용의 번호를 모두 선택해주시기 바랍니다.

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) / 4. 정책담당 >

① 기존의 데이터분석 방법으로 파악하기 어려웠던 정보를 알 수 있었다

② 빅데이터 분석으로 기존 통계분석보다 더 정확한 정보를 얻을 수 있었다

③ 빅데이터 분석으로 기존 통계분석보다 더 실용적인 정보를 얻을 수 있었다

④ 빅데이터를 분석함으로써 시의성이 더 높은 정보를 얻을 수 있었다

⑤ 기존의 정성적인 분석내용을 빅데이터 분석으로 인해 객관성을 높일 수 있었다

부 록222

B5. [B1의 1.2 응답자만] 빅데이터를 분석하여 농림업분야에 활용하는 데 있어서 불만족스러운 점이 있었

다면 가장 중요한 요인부터 두 개를 선택해 주시기 바랍니다.

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스/농장) / 4. 정책담당 >

1순위: 2순위:

① 빅데이터 분석을 위한 자료가 거의 없다

② 데이터를 공개하지 않아 기간 관 공유가 필요한 자료수집이 어렵다

③ 데이터 자료의 분류체계나 내용의 일관성 등 표준화가 부족하다

④ 데이터가 실시간으로 업데이트 되지 않아 시의성이 부족하다

⑤ 데이터가 분석에 적용할 수 있을 정도로 충분하지 않다

⑥ 데이터의 신뢰성이 떨어져 예측의 정확도가 낮다

⑦ 활용하기 위한 빅데이터 소스를 잘 모르겠다

⑧ 빅데이터 연계분석이 가능한 시나리오를 잘 모르겠다

⑨ 빅데이터 활용의 비용 대비 활용성과의 경제적 이익이 적다

⑩ 빅데이터를 실시간으로 분석할 수 있는 시스템이 부족하다

⑪ 기타( )

B6. [B1의 1.2 응답자만] 귀하께서 빅데이터 분석을 시도한 경험이 있다면 어떤 형태의 자료를 이용하셨습

니까?

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) >

① 전문기관/전문가가 수집을 완료한 자료를 이용해 분석했다 (→B9로 이동)

② 본인이 직접 자료수집부터 가공-저장-빅데이터 분석을 시도했다 (→B7로 이동)

B7. [B6의 2 응답자만] 귀하께서 빅데이터 분석을 시도한 경험이 있다면 자료수집 및 분석/활용에 있어서

어느 단계까지 진행하셨는지요?

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) >

① 빅데이터 분석을 위해 일부자료만 수집하고 전체 자료 수집에는 실패했다

② 빅데이터 분석을 위한 자료수집은 전체적으로 완료했다

③ 수집자료를 데이터베이스화하여 저장하는 데 성공하였다

④ 빅데이터를 처리하거나 분석하는 단계까지 완료했다

⑤ 빅데이터 분석결과를 해석하고 원래 활용목적의 단계까지 진행했다

B8. [B7의 1~4 응답자만] 귀하께서는 농림업분야 빅데이터 자료를 수집하고 분석하여 활용하는 단계까지

발전시키지 못했다면 이유가 무엇인지요? 해당되는 내용을 모두 표시해 주시기 바랍니다.

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) >

부 록 223

① 원하는 자료가 어떤 곳에 어떠한 형식으로 존재하는지 잘 몰랐다(데이터소스 모름)

② 기존 데이터 중 원하는 항목을 포함하는 데이터가 없다(데이터 결측)

③ 분석에 필요한 데이터가 있었지만 자료의 신뢰성이 낮았다(자료 신뢰도 저하)

④ 기존데이터 외에 추가적인 자료가 필요했지만 자료수집이 어려웠다(자료수집 어려움)

⑤ 데이터 간에 연계시키기 어려웠다

⑥ 지속적인 자료수집이 어려웠다

B9. [B1의 1.2 응답자만] 귀하께서 농림업분야 빅데이터 분석을 시도한다면 어떤 종류의 데이터 유형에 대

한 활용도가 가장 높을 것으로 보십니까?

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) >

① 데이터 용량이 큰 데이터: 예시)농업경영체정보, 소비패널정보 등 개별데이터 분석

② 공공분야데이터+기초통계 데이터: 예시)수입쇠고기이력정보+축산물등급판정 결합분석

③ 공공데이터·기초통계 데이터+웹 데이터:

예시) 수입쇠고기이력정보 혹은 축산물등급판정 결합분석+ 웹 검색어정보 결합분석)

④ 웹 데이터: 예시) 소비자검색어 등 비정형데이터로만 분석

⑤ 기타( )

C. 농림업분야 공공 데이터 활용 수요조사

공공 데이터는 공공데이터 포털(data.go.kr)의 농축수산 부문 관련 정보이며, 예를 들어 품종정보, 농산물가격동향, 농림업생산액 및 생산지수 등의 데이터가 있습니다.

C1. 귀하가 농림업분야 통계분석이나 관련 정보를 얻는 데 있어서 공공 데이터를 몇 번 정도 활용하십니까?

최근 1년간을 기준으로 답변해주시기 바랍니다.

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) >

① 사용하지

않는다

(0회/1년)

② 가끔 사용한다

(2~3회/1년)

③ 적지도 많지도

않게 사용한다

(4~5회/1년)

④ 자주 사용한다

(6~7회/1년)

⑤ 아주 자주

사용한다

(7회 이상/1년)

C2. 귀하가 농림업분야 공공 데이터를 활용하지 않는 경우가 있다면 주요 이유는 무엇입니까?

중요한 순서대로 세 개를 선택해 주시기 바랍니다.

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) >

1순위: 2순위: 3순위:

① 공공분야 빅데이터의 존재 자체를 몰라서

② 어떠한 자료를 어느 사이트에서 어떤 형태로 수집할 수 있는지 잘 몰라서

부 록224

③ 원하는 데이터 종류가 없어서

④ 원하는 데이트가 있으나 데이터를 취득할 수 없어서

⑤ 빅데이터 활용방법을 모르거나 활용방법이 까다로워서

⑥ 공공분야 빅데이터로 어떤 분석을 수행할 수 있을지 잘 몰라서

⑦ 공공 데이터에서 제공하는 자료들을 분석하고 해석하는 데 어려움이 있어서

⑧ 빅데이터의 포함내용, 데이터 기간 등 내용이 만족스럽지 않아서

⑨ 스스로 데이터를 분석하지 않기 때문에 (예: 빅데이터 자료수집과 분석을 외부에 의뢰)

⑩ 기타( )

C3. 귀하가 빅데이터 활용/분석을 시도하거나 외부로 의뢰한다면 어느 분야의 정보를 가장 얻고 싶습니까?

중요한 순서대로 세 개를 선택해 주시기 바랍니다.

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) >

1순위: 2순위: 3순위:

① 작황 정보

② 병충해(질병) 징후 정보

③ 생산량 예측 정보

④ 기상정보

⑤ 농식품 공급관련 정보(저장동향, 공급동향)

⑥ 농식품 도소매 가격 정보

⑦ 농·임산물 수출입 정보

⑧ 농식품 안전성 정보

⑨ 국내 소비동향 정보

⑩ 해외 소비동향 정보

⑪ 정부 수급 정책

⑫ 기타:

C4. 귀하가 만일 빅데이터 자료 수집, 결합, 분석을 위한 서비스 이용이 가능하다면 비용을 지불하여 유료로

이용할 용의가 있으십니까?

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) >

① 전혀 없다 ② 거의 없다 ③ 잘 모르겠다 ④ 조금 있다 ⑤ 아주 많다

C5. 귀하가 빅데이터 분석/활용서비스를 이용하게 된다면 어떤 종류의 서비스를 이용하고 싶습니까?

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) >

(예시: 빅데이터분석 아이디어 수집, 빅데이터 자료 수집, 빅데이터 분석 등)

(원하는 서비스가 없을 경우에는 다음 질문으로 이동)

부 록 225

①

②

③

C6. 귀하의 업무에 빅데이터를 분석/활용하게 된다면 어떠한 장점을 얻을 수 있을 것으로 기대하십니까? (응

답할 만한 장점이 없을 경우에는 다음 질문으로 이동)

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) >

(예시: 예측력이 높은 모델 개발/ 새롭고 다양한 가치창출의 사업모델 개발/ 사업경제성 제고/

정책사업 개발/ 정책목적 달성 등)

①

②

③

C7. 귀하의 업무나 사업체(비즈니스, 농장) 운영에 가장 필요한 빅데이터 분석 분야는 무엇입니까?

< 조사대상: 2. 농업정보 전문가 / 3. 산업체(비즈니스) >

① 현황 분야 ② 진단 분야 ③ 예측 분야

C8. 귀하께서 향후 빅데이터 분석을 하게 된다면 어떤 목적을 위해 어떤 데이터를 결합하여 분석하고 싶습니

까? 대표적으로 3개 주제에 대한 관련된 내용을 선택해 주시기 바랍니다.

< 조사대상: 1. 빅데이터 전문가 >

분석 주제명 활용 목적 원하는 데이터 종류

예시) 사과 공급량 예측 분석 ◦사과 공급량 예측을 통한 국내

수급과 수출 조절 물량 판단

- 재배면적 정보(통계청)

- 단위당 수확량 예측 정보(krei

관측정보)

- 기상정보(기상청)

1) ◦-

-

-

2) ◦-

-

-

3) ◦-

-

-

부 록226

D. 빅데이터 활용이 미래 농업분야에 미칠 영향

D1. 귀하는 빅데이터 활용이 향후 농식품산업 분야에 어느 정도 영향을 미칠 것이라고 생각하십니까?

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) / 4. 정책담당 >

① 전혀 도움이

되지 않을

것이다

② 별로 도움이

안 될 것이다

③ 잘 모르겠다 ④ 약간 도움이

될 것이다

⑤ 아주 크게

도움이

될 것이다

D2. 농림업 분야에서 빅데이터 활용이 활성화될 경우 예상할 수 있는 가장 주된 변화는 무엇입니까? 보기 중

에서 중요한 순서대로 두 개를 선택해 주시기 바랍니다.

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스) / 4. 정책담당 >

1순위: 2순위:

① 농가의 인건비 등 생산비를 절감할 수 있을 것이다

② 시설운영 자동화로 노동력 및 노동 강도를 절감시킬 수 있을 것이다

③ 생산성 확대로 농가소득을 높일 수 있을 것이다

④ 수급예측 정확도가 높아져 재배 의사결정이 용이해질 것이다

⑤ 저장관리 시스템 운영으로 수급조절(SCM) 관리가 용이해질 것이다

⑥ 스마트 유통 및 물류체계 개선으로 물류효율성이 높아질 것이다

⑦ 유통분야 사업모델 개발과 마케팅전략 수립이 용이해질 것이다.

⑧ 농식품 소비자의 안전성을 높일 수 있을 것이다

⑨ 농식품 소비 수요를 확대시킬 수 있을 것이다

⑩ 농식품 소비에 있어서 소비자의 선택권이 다양해질 수 있다

⑪ 가축질병 등이 발생했을 때 효과적으로 대응하여 확대방지 및 피해를 줄일 수 있다

⑫ 산사태, 산불 등 자연재해 발생 시 피해를 줄이기 위해 효과적으로 대응할 수 있다

D3. 만일 농림업 분야에서 빅데이터 활용이 활성화될 경우 미래에 생산, 유통, 소비 부문별로 가장 크게 영향

을 미칠 품목부류를 1개만 선택해주시기 바랍니다.

< 조사대상: 1. 빅데이터 전문가 / 2. 농업정보 전문가 / 3. 산업체(비즈니스/농장) / 4. 정책담당 >

품목 부류 생산부문 유통부문 소비부문

① 곡물류 1 2 3

② 채소류 1 2 3

③ 과채류 1 2 3

④ 과일류 1 2 3

⑤ 화훼류 1 2 3

⑥ 축산물 1 2 3

⑦ 임산물 1 2 3

부 록 227

D4. 귀하는 빅데이터 활용의 활성화를 위하여 귀 농장에 축적되는 데이터를 제공할 의향이 있으십니까?

< 조사대상: 3. 산업체(농장) >

① 전혀 없다

→ D6으로

② 별로 없다

→ D6으로

③ 잘 모르겠다 ④ 조금 있다

→ D5로

⑤ 아주 많다

→ D5로

D5. [D4의 4 ,5 응답자만] 만약 귀하가 데이터를 제공할 의향이 있다면 주요 이유는 무엇입니까?

(이유가 없다면 다음 질문으로 이동)

< 조사대상: 3. 산업체(농장) >

①

②

③

D6. [D4의 1 ,2 응답자만] 만약 귀하의 농장 데이터를 제공할 의향이 없다면 주요 이유는 무엇입니까?

< 조사대상: 3. 산업체(농장) >

① 빅데이터 축적 및 제공은 사업체 운영 시간의 효율성을 떨어뜨린다

② 빅데이터 축적 및 제공 시 사업체 운영 비용 및 관련 세금이 늘어날 것이다

③ 빅데이터 축적 및 제공 시 사업체 운영정보 유출이 우려된다

④ 빅데이터 축적 및 제공으로 해당 사업체의 경제적 이득을 추가적으로 얻기 어렵다

⑤ 빅데이터를 제공해도 정책지원사업 등의 혜택을 받기 어려울 것이다

⑥ 기타:

D7. 정부가 빅데이터 활용 활성화를 위해 귀 사업체를 지원한다면 어떠한 종류나 형태의 지원이 필요하다고

생각하십니까? (원하는 서비스가 없을 경우에는 다음 질문으로 이동)

< 조사대상: 3. 산업체(농장) >

생산기반 부문 ①

②

③

사업체 운영 부문 ①

②

③

E. 응답자 특성

E1. 귀하의 업무 분야는 다음 중 무엇입니까?

① 사업체

(비즈니스 회사)

② 산업체

(스마트팜)

③ 연구

(대학/연구소)

④ 정책수립

(공무원)

⑤ 협회 및 단체

부 록228

E2. 귀하가 현재 가장 중요하게 관여하고 있는 품목류는 무엇입니까. 두 개 이상일 경우나 해당사항이 없을

경우에는 가장 관심있는 품목류를 한 개만 선택하여 주시기 바랍니다.

① 곡물류 ② 채소류 ③ 과채류 ④ 과일류 ⑤ 화훼류

⑥ 축산물 ⑦ 임산물 ⑧ 농림업을 전공하지 않음

E3. [E2의 1~7 응답자만] 현재 귀하가 종사하고 있는 분야는 무엇입니까?

① 생산 ② 유통 ③ 소비 ④ 산림 ⑤ 자원·환경

⑥ 농업·농촌 ⑦ 농림업 전분야 ⑧ 타산업 분야

E4. 귀하의 연령은 다음 중 어디에 해당하십니까?

① 20~29세 ② 30~39세 ③ 40~49세 ④ 50~59세 ⑤ 60세 이상

E5. 귀하의 성별은 무엇입니까?

① 남성 ② 여성

E6. 귀하의 학력은 무엇입니까?

① 고졸 ② 초대졸 ③ 대졸 ④ 석사 ⑤ 박사

E7. 귀하의 업무 경력은 어느 정도 입니까?

전체 업무경력 ( 년)

빅데이터 업무경력 ( 년)

E8. [3.산업체 응답자만] 귀사의 연간 매출액은 어느 정도입니까? ( 억 원)

E9. 귀하께서 속한 기관/회사는 어디에 있습니까? ( )시/도 ( )시/군/구

- 감 사 합 니 다 -

참고문헌 229

참고문헌

기상청. 2014. 기상기후 빅데이터와 경제. 기상기술정책.

김관수. 2015. “2015 식품산업 소셜미디어 키워드분석.” 식품정보 심층분석 및 활용화

사업 연구단 발표자료.

김선영. 2015. “콘텐츠산업분야 빅데이터 서비스플랫폼 구축모델.” 중앙대학교 예술대

학원 석사학위 논문.

김연중·국승용·김용렬·이명기·김종선·김윤형·민경택·지인배·심재헌. 2013. 스마트

농업의 현황과 발전 방향. 한국농촌경제연구원.

김이식. 2015. “빅데이터 기회탐색: 공공혁신 사례를 중심으로.” 제91차 신유통토론회

농업 빅데이터 활용 세미나 발표자료.

김종익. 2015. 주요국 빅데이터 정책현황과 국내 에너지 수요관리부문 활용방안.

에너지경제연구원.

김종학·고용석·김준기·박종일. 2016. 모바일 빅데이터를 활용한 재난대응 방안.

국토연구원.

김재생. 2014. “빅데이터 분석 기술과 활용사례.” 한국콘텐츠학회.

김지애. 2016. “보건복지 분야의 빅데이터 활용 연구.” 전주대학교.

김진우. 2013. 공공분야 빅데이터 사업 동향분석. 한국지역정보개발원.

농림축산식품부 정보통계정책담당관실. 2015. “2015년 농업정보이용활성화 기본계획.”

농수산식품교육문화정보원. 2014. 농식품 공공데이터 개방 및 빅데이터 모델 개발

연구용역.

“동일본 대지진 빅데이터 워크샵.” 2013. Project 311.

더아이엠씨. 2014. 도홈페이지 및 포털사이트 빅데이터 분석을 통한 정부 3.0 도민

맞춤형 계획 수립 용역.

문정훈·장익훈·최영찬·김진교·박진. 2015. “빅데이터 기반 소비자 유형별 농식품 추천

시스템 구축 사례.” 한국통신학회논문지 40(5): 903-913. 한국통신학회.

박병주. 2015. 경상남도 빅데이터 활용방안. 경남발전연구원.

박시룡·안순권·장선화·이효정. 2013. 빅데이터를 활용한 과학적 효율적 행정 구현방안.

서울경제 백상경제연구원.

박정환. 2016. “스마트팜 국내외 기술동향.”

참고문헌230

박진서·김제철·심가람. 2014. 항공분야 빅데이터의 정책적 활용방안 연구. 한국교통

연구원.

복경수·유재수. 2014. “빅데이터 활성화 정책 및 응용사례.” 한국통신학회지 31(11):

3-13. 한국통신학회.

산림청. 2015. 2015년도 산불방지분야 사업계획.

성지은·박기량. 2014. 빅데이터를 활용한 정책 사례 분석과 시사점. 과학기술정책

연구원.

손상영·김사혁. 2012. 빅데이터 시대의 새로운 정책이슈와 이용자 중심의 활용방안

연구. 정보통신정책연구원.

심재헌·정도채·유은영. 2015. 농업 농촌 정책 지원을 위한 통합 공간정보인프라 구축

기초연구. 한국농촌경제연구원.

안동환·김관수·임정빈·김영준·조지성·하용현. 2013. 식품산업 통계 정보 사업 중장기

발전 전략 수립. 서울대학교 산학협력단.

윤미영. 2013. “주요국의 빅데이터 추진전략 분석 및 시사점.” 과학기술정책 192:

31-43. 한국정보화진흥원.

이문용. 2015. “빅데이터 이해와 Biz 활용.” 롯데인재개발원.

이유재·이신형·이종세. 2014. “KB국민카드의 마케팅활동과 빅데이터 활용.” 한국경영

학회 18(1): 145-176.

이종호·박희준. 2016. “오피니언 마이닝을 통한 스마트 워치 출시 전후 소비자 반응분석.”

한국빅데이터학회지.

이재성. 2014. “기업의 빅데이터 활용 유형별 적용 방안 및 효과분석.” 한신대학교.

이재학·김병곤·박정구·이민호·이정훈·정용규·조중환·최재섭·허준. 2013. 빅데이터 환

경하의 ICT데이터 유통체계 진단 및 생태계 조성방안. 남서울대학교 산학

협력단.

이창범. 2013. 유럽 연합의 빅데이터 관련 법제동향 및 시사점. 한국법제연구원.

이호영·김사혁·서문기·김용철·2009. “온라인 평판시스템의 순기능 제고 방안.” 한국

인터넷 문화의 특성과 발전방안 연구.

임재규·김종익. 2014. 에너지부문 빅데이터 활용사례 연구. 에너지경제연구원.

임화진. 2014. 충남 정책 키워드의 SNS 데이터 분석. 충남발전연구원.

장영재. 2012. “제조 분야에서의 빅데이터 기술 활용.” 한국통신학회지 29(11): 30-35.

한국통신학회.

조인호·전채남. 2014. “웹 기반 소비자관심지수와 채소소비량: 양파, 배추에 대한 탐색

참고문헌 231

적 연구.” 더아이엠씨. 제92차 신유통 토론회 채소류 수급 안정 방안 세미나

발표자료.

조인호·전채남. 2015. “농업빅데이터 활용사례.” 더아이엠씨. 농업빅데이터 활용세미

나 제91차 신유통토론회.

조정환. 2012. “스포츠 빅데이터 활용과 전망.” 한국체육측정평가학회지 14(3): 1-11.

정병호·조종표·문정훈. 2013. 농식품 분야에서의 빅데이터 활용현황 및 미래방향.

농림수산식품교육문화정보원.

정보통신산업진흥원. 2014. 미국 공공 부문의 빅데이터 도입 정책에 대한 평가와 성과

제고를 위한 고려 요인.

정삼철·이상용·조완섭. 2014. 2015 괴산 세계유기농산업엑스포 홍보 프로모션 전략.

정용찬·한은영. 2014. 빅데이터 산업 촉진 전략 연구: 해외 주요국 정부 사례를 중심

으로. 정보통신산업진흥원.

정혜정·오정화. 2016. “SNS 소셜 빅데이터를 통한 아웃도어 의류 소비자 특성과 주요

아웃도어 의류 브랜드 현황 분석.” 한국의류산업학회지 18(1): 48-62.

추병조. 2014. “빅데이터 거래 서비스 시스템 구축방안.” 정보처리학회지 21(3).

최경덕·강경구·주하연. 2016. “식품안전 관련 유해정보가 소비패턴에 미치는 영향분석.”

한국경제연구 34(1): 41-83.

최영찬 외. 2015. “인공신경망을 이용한 가격예측 모형 개발.” 제92차 신유통토론회.

최재혁·신창섭. 2015. “빅데이터를 활용한 휴양림 이용객현황과 인터넷 검색어의 상관

관계분석.” 한국산림휴양학회지 19(4): 13-23

채승병·안신현·전상인. 2012. “빅데이터: 산업 지각변동의 근원.” 삼성경제연구소.

하상호. 2014. “상품 기획, 판매, 유통 혁신을 가져온 빅데이터 활용사례.” Business

Impact & Big Data 2014 컨퍼런스 발표자료.

한국농수산식품유통공사. 2014. 중국 바이두 빅데이터 활용한 한국식품 온라인 마케

팅 전략.

한국정보화진흥원. 2012. 빅데이터로 알아가는 세상: UN Global Pulse의 빅데이터

분석 사례(Methdology 중심). 빅데이터 전략연구센터.

한국정보화진흥원. 2012. 빅데이터로 진화하는 세상: Big Data 글로벌 10대 선진

사례. 빅데이터 전략연구센터.

한경록. 2015. 광주 주요 분야의 빅데이터 구축 및 가공 활용방안 연구. 광주발전

연구원.

Baek, Jisun and Park, WooRam. 2015. “The Impact of Improved Passenger Transport

참고문헌232

System on Manufacturing Plant Productivity.” Working Paper.

Bertot, John Carlo, and Heeyoon Choi. 2013. “Big Data and E-Government: Issues,

Policies, and Recommendations.” In Proceedings of the 14th Annual

International Conference on Digital Government Research, 1–10. Dg.o ’13.

New York, NY, USA: ACM. doi:10.1145/2479724.2479730.

“Big Data and Advertising: What Could Be the Possible Uses?” 2015. August 11.

Accessed June 14 <http://www.mazeberry.com/en/blog-big-data-and-advertis-

ing-what-could-be-the-possible-uses/>.

“Big Data For Reputation Management | The World’s Best News for You |

BestTheNews.com |Bestthenews Community, Blogs News” 2016.

Brownstein, John S., Clark C. Freifeld, and Lawrence C. Madoff. 2009. “Digital

Disease Detection — Harnessing the Web for Public Health Surveillance.” The

New England Journal of Medicine 360(21): 2153–57. doi:10.1056/NEJMp

0900702.

Cho, Janghee, Chun, Hyunbae, and Lee, Yoonsoo. 2015. “How Does the Entry of

Large Discount Stores Increase Retail Employment? Evidence from Korea.”

Journal of Comparative Economics 43: 559–574.

Corporation. 2013. “세미오더메이드방식의 수경재배 식물공장 시스템 HAKO-NIWA.”

S-cubism group.

Corporation. 2014. “벼농사의 수급증대를 위한 계획 서비스.” TOYOTA group.

Corporation. 2014. “표고버섯재배를 위한 최적 시스템 구축을 위한 ICT정보 활용.”

Tsukiyono Kinokoen.

Corporation. 2015. “농업분야 데이터이노베이션.” GLOCOM & GOOGLE 연구회.

<https://goo.gl/RAkW0h>.

Corporation. 2015. “Intelligent society solution 식·농 클라우드 AKISAI.” Fujitsu

group.

Corporation, The Climate. 2016. “The Climate Corporation Introduces Total Weather

InsuranceTM2012WithNext-GenerationWeatherMonitoringandLocation-Specific

YieldAssessment.”Accessed June 14. <http://www.prnewswire.com/news-releases/

the-climate-corporation-introduces-total-weather-insurance-2012-with-next-gene

ration-weather-monitoring-and-location-specific-yield-assessment-132990478.ht

ml>.

참고문헌 233

Fujio T., Kosuke S. and Takeshi S. 2014. “이종협조형 재해정보지원시스템 실험을 위

한 기반기술의 구축.” 인공지능학회논문지 29(1): SP2-B.

Fukatsu T. 2014. “농업분야에 의한 센서네트워크기술의 이용과 과제.” 전자정보통신학회.

G, Vadivu, and navin. 2015. “Big Data Analytics for Gold Price Forecasting Based on

Decision Tree Algorithm and Support Vector Regression (SVR).” International

Journal of Science and Research (IJSR). March.

Hirafuji A. et al. 2013. “오픈필드서버 및 센서크라우드 시스템 개발.” 농업정보연구22(1): 60-70.

Hiroshi Noguchi. 2015. “마케팅을 위한 빅데이터의 활용에 대하여.” The practical use

of Big Data in Marketing. 유통과학대학논집 27(2): 219-235.

Hoshino T. 2015. “의료빅데이터의 활용을 위한 서비스창출의 방법.” Unisys technol-

ogy Review 123.

“IBM and Gallo Winery Built a Big Data Irrigation System for Wine - Fortune.” 2016.

Accessed June 13. <http://fortune.com/2016/01/09/ibm-bringing-watson-wine/>.

“Irrigation Soil Sensors: CropX.” 2016. Postscapes. Accessed June 14. <http://postscapes.

com/smart-irrigation-soil-moisture-sensors-cropx>.

Joo, Hailey Hayeon and Lee, Jungmin. 2016. “Does Exposure Reduce Gender Bias in

Politics? Evidence from A Non-Affirmative Action Natural Experiment.” Working

Paper.

Lazer, David, Ryan Kennedy, Gary King, and Alessandro Vespignani. 2014. “The

Parable of Google Flu: Traps in Big Data Analysis.” Science 343 (6176): 1203

–5. <doi:10.1126/science.1248506>.

Linda. 2016. “Takaki Abe and the Granpa Dome Factory Farm System.” Accessed

September 12. <The way of words.com https://goo.gl/ph4evC>.

Neumann, Carl-Stefan. 2016. “Big Data versus Big Congestion: Using Information to

Improve Transport | McKinsey & Company.” Accessed June 13.

Mimura S., Fukusima T., Yoshino H. and Esyu S. 2013. “이용자의 이동을 고려한 일상

이용가능 재해시지원시스템 개발.” 멀티미디어 분석 협조모바일심포지움.

1930-1937.

“Mining Indonesian Tweets to Understand Food Price Crises. 2013. | United Nations

Global Pulse.” 2016. Accessed June 3. <http://unglobalpulse.org/social-media-

social-protection-indonesia>.

참고문헌234

McKinsey Global Institute. 2011. “Big Data: The next Frontier for Innovation,

Competition, and Productivity.” <file:///D:/_probook/Desktop/MGI_big_data_

full_report.pdf>.

Ninomiya Seishi. 2015. “빅데이터로 디자인한 스마트한 농업.” 정보관리 58(8):

589-596.

ntle, John, Susan Capalbo, and Laurie Houston. 2015. “Using Big Data to Evaluate

Agro-Environmental Policies.” 30(3). <https://socionet.ru/publication.xml?h=re-

pec:ags:aaeach:210007>.

O’Brien, John. 2013. “Food Safety at Nestlé: Combining Foresight, Vigilance and

Harmonised Standards.” Nestle Good Food Good Life.

Performance Measurement - FHWA Freight Management and Operations.” 2016.

Accessed June 13. <http://ops.fhwa.dot.gov/Freight/freight_analysis/perform_meas/

index.htm>.

Research and Market. 2016. “Global Big Data Market - 2016; Market Size, Market

Trends, Growth Drivers, Future Forecast, Market Opportunity.”

Snoka, Steve. 2014. “Big Data and the Ag Sector: More than Lots of Numbers.”

International Food and Agribusiness Management Review.

Stubbs, Megan. 2016. “Big Data in U.S. Agriculture.” Congressional Research Service

Report 44331. R.

Tamaki S. and Hirata T. 2013. “ICT를 활용한 축산분야의 생산자지원과 생산자추적을

실현한 글로벌 유비쿼터스시스템 개발.” 류큐대학 SCOPE발표회.

Tarantola, Andrew. 2016. “How Big Data Is Helping Snuff Out California’s Wildfire

Epidemic.” Gizmodo. Accessed June 8. <http://gizmodo.com/how-big-da-

ta-is-helping-snuff-out-californias-wildfire-1617073672>.

Toda H., Kobayashi I., Saito H., Fukatsu T., Kiura T. and Hirato A. 2013. “주관적정보를

부여가능한 Web농장정보 공개시스템, 농Live.” 농업정보연구 22(1): 12-23.

Tokumasu T. and Ootani M. 2014. “농산물무인판매시스템의 개발.” 정보처리학회지76(1J-8).

Ulisses Mello. 2016. “IBM Research: Precision Agriculture.” Accessed April 20. <http://www.

research.ibm.com/articles/precision_agriculture.shtml>.

“Why Big Data Is a ‘How’ at UPS, Not a ‘What.’” 2016. Accessed June 8. <http://www.

datanami.com/2015/10/26/why-big-data-is-a-how-at-ups-not-a-what/>.

참고문헌 235

Zhang, Xiaohua Douglas. 2015. “Precision Medicine, Personalized Medicine, Omics

and Big Data: Concepts and Relationships.” Journal of Pharmacogenomics &

Pharmacoproteomics 6(2). <doi:10.4172/2153-0645.1000e144>.

28, Apr, and 2014 Jodie Wehrspann | Farm Industry News. 2016. “New SeedStar

Mobile App from John Deere.” Accessed June 16. <http://farmindustrynews.com/

electronics/new-seedstar-mobile-app-john-deere>.

. 2016. “The Big Data Market: 2016 - 2030 - Opportunities, Challenges, Strategies,

Industry Verticals and Forecasts.” <http://www.researchandmarkets.com/reports/

3751533/the-big-data-market-2016-2030-opportunities#relb1>.

산림청 홈페이지. <www.forest.go.kr>. 검색일: 2016. 7. 19.

유가정보서비스. <http://www.opinet.co.kr>. 검색일: 2016. 7. 22.

일본 후지츠. <http://jp.fujitsu.com/solutions/cloud/agri/>. 검색일: 2016. 9. 28.

일본 농림수산성. <http://www.maff.go.jp>. 검색일: 2016. 9. 28.

일본 기상청. <http://www.jma.go.jp>. 검색일: 2016. 9. 28.

자동차민원대국민포털. <http://ecar.go.kr>. 검색일: 2016. 7. 22.

포스코. <http://www.posco.co.kr>. 검색일: 2016. 7. 22.