데이터 주도형 정책 개발을 위한 머신러닝 활용 방안 연구 - 국가연구개발사업을 중심으로 - KIET 산업연구원 - 연구 - 심층 분석

HOME

카카오스토리 페이스북 URL 복사 프린트 작게보기 크게보기

프린트

연구자료

연구방법론, 실증분석기법, 통계자료분석 등을 수행하여 향후 심층연구의 기초자료제공을 목적으로 하는 보고서

데이터 주도형 정책 개발을 위한 머신러닝 활용 방안 연구 - 국가연구개발사업을 중심으로 원문 미리보기 원문 다운로드 2025.10.02

# 국가연구개발사업 # 머신러닝 # 이상치 탐지 # 회귀분석 # SHAP # 산업정책

요약

제1장 서론

제2장 머신러닝 및 AD 기법의 적용 분석
1. 머신러닝 및 AD 알고리즘의 이해
2. 산업 선도기업에 대한 이상치 탐지 기법 적용의 의미
(1) 이상치 탐지를 통한 산업 선도기업 식별과 전략 패턴 분석
(2) 시계열상의 패턴 변화와 이상치 해석

제3장 데이터 구축 및 방법론 개발
1. 분석 대상 및 출처
2. 주요 분석 항목
(1) 연구개발 관련 항목
(2) 경영 관련 항목
3. 분석 내용 및 방법론
4. DEA 변수 설정

제4장 AD 및 예측 모델 개발
1. 이상치 탐지 적용 및 결과 분석
(1) 대기업
(2) 중견기업
(3) 중소기업
(4) 정책적 시사점
2. 회귀분석 모형 개발 및 분석 결과
(1) 회귀분석 변수 구성 및 방법론
(2) 분석 결과

제5장 기업 경영 성과 평가를 위한 회귀분석
1. 데이터 구축 및 분석 방법론
(1) 데이터 구축
(2) 분석 방법론
2. 통합 회귀모델 분석 결과
(1) 회귀분석 결과 요약 및 해석
(2) 정책적 시사점

제6장 심층 인터뷰 조사 분석
1. 조사 개요
2. 조사 결과 분석
(1) 참여 동기 및 성과 인식
(2) 장애 및 성과 요인 분석
(3) 국가연구개발사업의 개선 방향
(4) 기업규모별 성과 요인 분석
(5) 정책적 시사점

제7장 연구개발 정책 방향 및 개선 과제
1. 연구개발 정책의 질적 고도화
2. 기업 지원 차별화 정책의 정밀화
(1) 대기업
(2) 중견기업
(3) 중소기업
3. 머신러닝 분석의 정책 활용성과 한계
(1) 머신러닝 분석의 정책 활용성
(2) 머신러닝 분석의 방법론적 한계

참고문헌
부록

본 연구는 기업이 수행한 국가연구개발사업에 대해 투입 및 산출변수를 고려하여 이상치를 탐지하되 연구개발 성과의 고성과군에 해당하는 사업의 구조적 패턴을 분석하고자 한다. 또한 이들 국가연구개발사업의 정상치에 대해서도 회귀분석을 통해 연구개발 성과에 영향을 주는 요인을 도출하고자 한다. 이렇게 국가연구개발사업 단위의 분석과 별개로 이를 수행한 기업 단위에서 기존 연구개발 변수와 더불어 경영 변수를 감안하여 연구개발 성과에 영향을 미치는 요인을 분석하고, 이러한 분석결과를 바탕으로 연구개발 성과 제고를 위해 기업규모별로 차별화된 정책 방안을 제시한다.

분석 대상은 국가과학기술지식정보서비스(National Science & Technology Information Service, NTIS)에서 대기업 295개사, 중견기업 300개사, 중소기업 308개사 등 총 903개 기업을 선정하여 수행한 국가연구개발사업에 대한 정보를 데이터화하였으며, 기업별로는 NTIS 과제 데이터와 KoDATA 재무 정보를 수집하여 정량적 데이터셋을 구축하였다.

보도 자료

산업연구원의 본 저작물은 “공공누리 제4유형 : 출처표시 + 상업적 금지 + 변경금지” 조건에 따라 이용할 수 있습니다. 저작권정책 참조

담당자 대외협력실_ 오미숙
TEL 044-287-3146 메일

이 페이지에서 제공하는 정보에 대하여 만족하시나요?

매우만족
만족
보통
불만족
매우 불만족

보고서
자료 분류	제목	발간일
중국산업경제브리프	[산업단신] 에너지 소비 강도 및 총량 관리 제도 개선 외	2021.10.29

보고서

자료 분류

제목

발간일

중국산업경제브리프

[산업단신] 에너지 소비 강도 및 총량 관리 제도 개선 외

2021.10.29

요약 보기

월간 KIET 산업경제 코로나19 발생 이후 제조업 고용 변화: 중간 점검

코로나19 발생 이후 대부분의 고용 관심사가 항공 및 여행서비스, 음식·숙박 서비스 등 주로 서비스 업종에 집중된 상황에서 본 연구는 최근 그 중요성이 강조되고 있는 제조업의 고용변화를 살펴보았다. 분석에 따르면, 코로나19 이후 제조업 고용은 비교적 큰 충격 없이 빠르게 회복하는 모습을 보이고 있다. 제조업 고용은 서비스업에 비해 큰 충격 없이 유지되고 있고, 코로나19 직후 2020년 상반기에 약간 하락하였지만 하반기부터 회복 추세를 보이고 있으며, OECD 주요국의 제조업과 비교하여도 일본과 함께 고용 충격이 비교적 작게 나타나고 있다. 그러나 전반적으로 양호한 고용 성적에도 불구하고 제조업 내 특성 별로는 차이가 나타나는 것으로 보인다. 종사상 지위 별로 보면, 임시·일용직, 고용원이 있는 자영업자에서 고용 충격이 상대적으로 크게 나타났고, 상용직과 고용원이 없는 자영업자는 큰 충격이 없는 것으로 나타났다. 제조업 규모별로는 300인 이상의 경우 코로나 발생 초기 약간의 충격 이후 고용이 빠르게 반등하면서 코로나 이전보다 고용이 더 증가한 반면, 이보다 작은 규모의 제조업체들의 경우 고용 회복이 더디게 나타나고 있다. 고용의 중장기, 단기 추세선을 비교한 결과 제조업 업종에 따른 차이를 보였다. 코로나 발생 이전 3년간의 추세선을 2020년 1월부터 연장한 선과, 2020년 1월부터의 실제 자료를 이용한 단기 추세선을 비교한 결과, 의약품은 코로나19 발생 이전부터 시작하여 코로나19 발생 이후에도 견조한 증가세를 유지하고 있으며, 전자부품·컴퓨터, 기타운송장비, 가구는 코로나19 이후 오히려 고용 추세가 개선되었다. 그러나 다수 업종은 코로나 발생 이후 고용이 하락하였는데, 특히, 비금속광물, 1차금속, 금속가공 분야나 인쇄·기록매체 업종에서 하락이 상대적으로 크게 나타났다.

SITEMAP

연구자료

연구진 소개

요약 보기