경고: 로그인하지 않았습니다. 편집을 하면 IP 주소가 공개되게 됩니다. 로그인하거나 계정을 생성하면 편집자가 사용자 이름으로 기록되고, 다른 장점도 있습니다.
편집을 취소할 수 있습니다.
이 편집을 되돌리려면 아래의 바뀐 내용을 확인한 후 게시해주세요.
최신판 |
당신의 편집 |
1번째 줄: |
1번째 줄: |
| [[분류:데이터 과학]][[분류:데이터 과학]] | | [[분류:데이터 분석]][[분류:데이터 공학]] |
| ;Dark Data | | ;Dark Data |
| ;조직이 정기적인 비즈니스 활동 중에 수집, 처리 및 저장하지만 일반적으로 다른 목적(ex 분석, 비즈니스 관계 및 직접 수익 창출)으로 사용할 수 없는 정보 자산(가트너의 정의) | | ;조직이 정기적인 비즈니스 활동 중에 수집, 처리 및 저장하지만 일반적으로 다른 목적(ex 분석, 비즈니스 관계 및 직접 수익 창출)으로 사용할 수 없는 정보 자산(가트너의 정의) |
| * 전 세계 데이터의 80% 이상이 다크데이터로 추정
| |
| * 2017년 5월, Apple이 다크 데이터 분석 기업 ‘Lattice Data’를 2억 달러에 인수 | | * 2017년 5월, Apple이 다크 데이터 분석 기업 ‘Lattice Data’를 2억 달러에 인수 |
|
| |
| == 주목 배경 ==
| |
| * '''저장 기술의 발전''': 대용량의 데이터를 큰 비용 없이 저장할 수 있게 됨
| |
| * '''분석 기술의 발전''': 인공지능 기술의 발달로 넘쳐나는 데이터 속에서 유의미한 정보를 찾아내 분석할 수 있게 됨
| |
|
| |
| == 두 얼굴의 다크 데이터 ==
| |
| * '''(개인)정보 보호 측면''': 향후 분석 가치가 있을 것으로 보고 저장해 두거나 쌓이고 있는지도 모르고 누적되고 있으나, 그 속에 개인정보 등의 민감한 정보가 포함되어 있을 수 있고 유출 시 예상치 못한 막대한 피해가 발생할 수 있는 데이터
| |
| * '''가치 창출 측면''': 인지하지 못하여 버려지거나 분석할 수 없어 쌓아만 놓았으나 유용한 정보 및 인사이트를 찾을 수 있는 데이터
| |