KR102328881B1 - 빅데이터 기반의 화장품업체 협업시스템 - Google Patents

빅데이터 기반의 화장품업체 협업시스템 Download PDF

Info

Publication number
KR102328881B1
KR102328881B1 KR1020190032409A KR20190032409A KR102328881B1 KR 102328881 B1 KR102328881 B1 KR 102328881B1 KR 1020190032409 A KR1020190032409 A KR 1020190032409A KR 20190032409 A KR20190032409 A KR 20190032409A KR 102328881 B1 KR102328881 B1 KR 102328881B1
Authority
KR
South Korea
Prior art keywords
data
cosmetic
information
company
country
Prior art date
Application number
KR1020190032409A
Other languages
English (en)
Other versions
KR20200119365A (ko
Inventor
강성훈
Original Assignee
(주)인더스웰
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)인더스웰 filed Critical (주)인더스웰
Priority to KR1020190032409A priority Critical patent/KR102328881B1/ko
Publication of KR20200119365A publication Critical patent/KR20200119365A/ko
Application granted granted Critical
Publication of KR102328881B1 publication Critical patent/KR102328881B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

웹에서 수집한 화장품 업체 관련 빅데이터를 인공지능(머신러닝, 딥러닝)으로 분석하여 시장트렌드, 선도업체 벤치마킹, 국가별 제품인증, 시스템 인증과 같은 국가별 규제 및 인증 최적화를 지원할 수 있도록 한 빅데이터 기반의 화장품업체 협업시스템에 관한 것으로서, 웹상에 접속하여 화장품 관련 데이터 및 선도업체 화장품 정보를 수집하고, 상기 웹상에 접속하여 공공기관 서버에 접속하여 인증 데이터를 수집하며, 수집한 화장품 관련 데이터와 선도업체 화장품 정보 및 인증 데이터를 머신러닝 또는 딥러닝을 이용한 인공지능 알고리즘으로 분석하여 화장품 수출을 위한 협업 데이터를 지원하는 화장품업체 지원부 및 화장품업체 지원부와 네트워크로 접속하여 수출국가의 협업 데이터를 요청하고, 상기 화장품업체 지원부로부터 전달되는 수출국가의 협업 데이터를 시각화하여 화면에 표출하는 수출업체 단말기를 포함하여, 빅데이터 기반의 화장품업체 협업시스템을 구현한다.

Description

빅데이터 기반의 화장품업체 협업시스템{Cosmetics company collaboration system based big data}
본 발명은 빅데이터(big data) 기반의 화장품업체 협업시스템에 관한 것으로, 특히 웹에서 수집한 화장품 업체 관련 빅데이터를 인공지능(머신러닝, 딥러닝)으로 분석하여 시장트렌드, 선도업체 벤치마킹, 국가별 제품인증, 시스템 인증과 같은 국가별 규제 및 인증 최적화를 지원할 수 있도록 한 빅데이터 기반의 화장품업체 협업시스템에 관한 것이다.
일반적으로 기술력이 없는 유통업체 또는 제조와 개발력은 있으나 영업망이 부족한 제조업체 등은 자신들의 부족함을 채우기 위해서 상대 업체들을 찾아 계약을 통해 특정 상품의 판매를 위한 개발, 제조, 유통을 협업한다. 이러한 산업방식을 대표적으로 ODM(original development manufacturing)이라고 한다. 여기서, ODM은 주문자가 제조자에게 자사 제품의 생산을 위탁하면 제조자는 제품을 개발 및 생산해서 납품하고, 주문자는 납품된 제품을 유통하고 판매하는 공지, 공용의 산업 구조이다. 참고로, 최근 들어 다양한 사업분야에서 이루어지고 있고, 자사의 부족한 유통망 또는 부족한 제조, 개발력을 보완하는 co-work 기술이라는 점에서 중소기업은 물론 대기업들도 선호하는 산업방식이다.
한편, 화장품 관련 사업분야에서 OEM-ODM 산업이 지속 성장세를 보이고 있다. 무엇보다 국내 전체 화장품 시장이 한자릿수 성장에 주춤하고 있는 것과는 달리, 화장품 OEM-ODM 분야는 평균 10%대의 성장률을 보이고 있는 것으로 업계는 추산한다.
2000년대 초반 이후 브랜드샵 성장과 대형 유통업체의 화장품 산업 진입 등에 힘입어서 폭발적인 성장세를 보인 것으로 평가된다. 90년대 말 IMF 구제금융 위기 이후 기업들이 체질개선에 나서면서 전문 영역이 세분화된 것도 한 몫 했다. 여기서 뷰티 한류를 이끌 수 있는 토대를 마련한 것도 국내 화장품 OEM-ODM 산업이었다는 평가다.
이 같은 요소들이 맞물려 국내 화장품 OEM-ODM 시장 규모도 1조원 대로 커졌다. 전체 화장품 시장의 10% 대의 비중으로 올라선 것이다. 2000년대 초반까지만 해도 국내 OEM-ODM 시장규모는 전체 화장품 시장의 5% 대의 비중에 머물렀다. 브랜드 샵이 본격적으로 성장한 2000년대 중반 이전과 비교하면 두 배 가까이 비중이 높아진 셈이다. 더욱이, 소비자 가격으로 환산하면 전체 시장의 절반 가까운 비중을 차지한다는 점에서 실제 소비 시장에 미치는 영향은 이보다 더 큰 것으로 예상한다. 그만큼 OEM-ODM 산업의 영향력은 갈수록 커지고 있다.
화장품 분야에서 OEM-ODM 산업이 성장하면서 중, 소규모의 제조개발업체가 우후죽순처럼 새롭게 설립되었으나, 대부분 연구 인력이 1 ~ 2인으로 적어, 연구개발 기획, 체계적인 관리 등에 한계를 보이고 있다. 특히, 화장품 수출 업체들은 수출 국가의 법규나 인증 등도 수행해야 하는 어려움이 있다.
따라서 화장품 업체의 적은 연구 인력으로 인해 발생하는 체계적인 관리 등의 한계성을 극복하기 위한 다양한 시스템이 제안되고 있으며, 하기의 <특허문헌 1> 에 종래에 제안된 기술이 개시되어 있다.
<특허문헌 1> 에 개시된 종래기술은 SNS(Social Network Service) 및 웹상에 접속하여 화장품 관련 데이터를 수집하는 데이터 수집부, 공공기관 서버에 접속하여 화장품 관련 데이터(표준데이터 및 공개 API를 통해 수집된 데이터를 포함)를 수집하는 공공 데이터 수집부, 화장품 관련 데이터 및 표준데이터와 공공 데이터 수집부에서 수집된 데이터를 복수의 카테고리로 구성하여 저장하는 빅데이터 저장부, 빅데이터 저장부에 저장된 데이터를 분석하여 화장품에 대한 고객의 트렌드를 분석하는 빅데이터 분석기, 분석된 데이터를 정형화 데이터로 변경하여 저장하는 정형화 데이터베이스, 정형화 데이터를 판독하여 차트 형태로 변환하도록 구성된 웹시각화부, 차트형태의 데이터를 웹 형태로 변환하도록 구성된 웹 서버, 빅데이터 분석기에 의해 분석된 데이터를 로컬 형태로 변환하도록 구성된 통계정보 시각화부, 최종 분석 정보 출력부를 포함한다. 이러한 구성을 통해, 화장품과 관련된 고객 의견과 같은 화장품 데이터를 수집하고 한국 보건 산업 진흥원 및 식품 의약품 안전처와 같은 공공 기관의 서버로부터 공공 데이터를 수집하여 그 수집된 화장품 데이터를 분석하여 고객의 트렌드를 분석하고, 그 분석 결과를 공공 데이터를 이용하여 검증하고 융합하여 분석 서비스의 신뢰성을 향상시킨다.
대한민국 등록특허 10-1899843(2018.09.12. 등록)(화장품 고객 트렌드 분석 시스템 및 방법)
그러나 상기와 같은 중소규모 화장품 수출업체는 연구인력 부족에 따른 연구 개발 및 체계적인 관리의 한계성으로 인해, 수출 국가의 트렌드 분석, 법규 분석, 제품이나 시스템 인증 등이 어려워 수출을 포기하거나 수출 시 법적 분쟁 소지를 미리 방지할 수 없는 단점이 있다.
또한, <특허문헌 1> 로 언급한 종래기술은 시스템적으로 고객 트렌드를 분석하여 제공해줄 수 있는 장점은 있으나, 수출 국가의 트렌드를 분석하거나 법규 분석을 통해 제품이나 시스템 인증을 지원해주는 것은 불가능한 단점이 있다.
따라서 본 발명은 상기와 같은 종래기술에서 발생하는 제반 문제점을 해결하기 위해서 제안된 것으로서, 웹에서 수집한 화장품 업체 관련 빅데이터를 인공지능(머신러닝, 딥러닝)으로 분석하여 시장 트렌드, 선도업체 벤치마킹, 국가별 제품인증, 시스템 인증과 같은 국가별 규제 및 인증 최적화를 지원할 수 있도록 한 빅데이터 기반의 화장품업체 협업시스템을 제공하는 데 그 목적이 있다.
상기한 바와 같은 목적을 달성하기 위하여, 본 발명에 따른 빅데이터 기반의 화장품업체 협업시스템은, 웹상에 접속하여 화장품 관련 데이터 및 선도업체 화장품 정보를 수집하고, 상기 웹상에 접속하여 공공기관 서버에 접속하여 인증 데이터를 수집하며, 수집한 화장품 관련 데이터와 선도업체 화장품 정보 및 인증 데이터를 머신러닝 또는 딥러닝을 이용한 인공지능 알고리즘으로 분석하여 화장품 수출을 위한 협업 데이터를 지원하는 화장품업체 지원부; 상기 화장품업체 지원부와 네트워크로 접속하여 수출국가의 협업 데이터를 요청하고, 상기 화장품업체 지원부로부터 전달되는 수출국가의 협업 데이터를 시각화하여 화면에 표출하는 수출업체 단말기를 포함하는 것을 특징으로 한다.
상기에서 화장품업체 지원부는 SNS 및 웹상에 접속하여 화장품 관련 데이터를 텍스트 및 문서 형태로 수집하는 데이터 수집부; 공개 API를 통해 공공기관 서버에 접속하여 공공 데이터 상의 인증 및 화장품법 시행규칙 관련 데이터를 수집하는 공공 데이터 수집부; 상기 데이터 수집부에서 수집한 화장품 관련 데이터 및 표준데이터와 상기 공공 데이터 수집부에서 수집된 데이터를 복수의 카테고리로 분류하여 빅데이터로 저장하는 빅데이터 저장부; 상기 빅데이터 저장부에 저장된 데이터를 머신러닝 또는 딥러닝을 이용한 인공지능 알고리즘으로 분석하여 화장품 수출을 위한 협업 데이터를 생성하는 데이터 분석기; 상기 빅데이터 분석기에 의해 분석된 데이터를 정형화 데이터로 변경하여 데이터베이스(DB)에 저장하는 데이터 정형화부; 상기 데이터베이스에 저장된 정형화 데이터를 국가별로 판독하고 시각화 형태로 변환하여 국가별 협업 데이터를 지원해주는 국가별 정보 지원부를 포함하는 것을 특징으로 한다.
상기에서 데이터 수집부는 선별적 정보 수집기법, 항목별 데이터 추출기법, 패턴기반 데이터 필터링, 제목 및 콘텐츠 항목별 중복 체크, URL 중복 필터링 중 적어도 어느 하나 이상을 이용하여 수집 자료에서 항목별 특정 데이터만을 추출하여 수집하는 것을 특징으로 한다.
상기에서 국가별 정보 지원부는 협업 데이터 지원 시 국가별 정보를 웹 형태로 변환하거나 로컬 형태의 통계정보로 변환하여 제공해주되, 그래프 및 차트 형태의 시각화 정보로 제공해주는 것을 특징으로 한다.
상기에서 데이터 분석기는 수집한 데이터를 정렬하고, 정렬된 데이터로부터 인공지능 알고리즘을 이용하여 시장 트렌드를 분석하고, 분석 결과로 시간 흐름에 따른 관심도 변화를 그래프 형태로 제공하여 그래프에 마우스 오버 시 해당 시간대의 관심도 수치를 확인할 수 있도록 하는 시장 트렌드 분석부를 포함하는 것을 특징으로 한다.
상기에서 데이터 분석기는 수집한 데이터를 정렬하고, 정렬된 데이터로부터 인공지능 알고리즘을 이용하여 선도업체 트렌드를 분석하여 검색 시 지정한 기간에 발생된 업체의 뉴스데이터/주식데이터 정보를 그래프 형태로 벤치마킹 정보를 제공하여, 그래프에 마우스 오버 시 해당 날짜에 보도된 뉴스 또는 주식 정보를 확인할 수 있도록 하는 벤치마킹 분석부를 포함하는 것을 특징으로 한다.
상기에서 데이터 분석기는 수집한 데이터를 정렬하고, 정렬된 데이터로부터 인공지능 알고리즘을 이용하여 국가별 제품 인증 정보를 분석하고 인증 정보를 제공하여, 화장품에 포함된 성분별로 국가별 ISO 인증 규격 대비 정상 유무를 확인할 수 있도록 하는 제품인증 분석부를 포함하는 것을 특징으로 한다.
상기에서 데이터 분석기는 수집한 데이터를 정렬하고, 정렬된 데이터로부터 인공지능 알고리즘을 이용하여 시스템 인증을 분석하여 시스템 인증 정보를 제공하여, 뉴스 데이터 분석 후 각각의 업체들이 특정 ISO 인증을 받을 확률을 예측하도록 하는 시스템인증 분석부를 포함하는 것을 특징으로 한다.
본 발명에 따르면 웹에서 수집한 화장품 업체 관련 빅데이터를 인공지능(머신러닝, 딥러닝)으로 분석하여 국가별 법제 규제와 국가별 시장 트렌드, 선도업체 벤치마킹, 국가별 제품인증, 국가별 시스템 인증 최적화를 지원할 수 있는 장점이 있다.
또한, 본 발명에 따르면 연구인력이 부족한 화장품 수출 중소기업에 대해 수출 국가의 트렌드 분석, 법규 분석, 제품이나 시스템 인증 등을 지원해줌으로써, 중소기업이 수출을 포기하거나 수출 시 법적 분쟁 소지를 미리 방지하도록 도모해주는 장점이 있다.
도 1은 본 발명에 따른 빅데이터 기반의 화장품업체 협업시스템의 개략 구성도,
도 2는 도 1의 데이터 분석기의 실시 예 블록 구성도,
도 3a 및 도 3b는 데이터 수집을 위한 웹 크롤러의 API 항목 및 명세서를 보인 표,
도 4a 및 도 4b는 웹을 통해 기사 문서 수집을 위한 API 항목 및 명세서를 보인 표,
도 5a 및 도 5b는 수집한 데이터로부터 문서 단어를 처리하는 API 항목 및 명세서를 보인 표,
도 6은 본 발명에서 지원해주는 시장 트렌드 분석 결과 예시도,
도 7은 본 발명에서 지원해주는 벤치마킹 분석 결과 예시도,
도 8은 본 발명에서 지원해주는 제품인증 분석 결과 예시도,
도 9는 본 발명에서 지원해주는 시스템인증 분석 결과 예시 도이다.
이하 본 발명의 바람직한 실시 예에 따른 빅데이터 기반의 화장품업체 협업시스템의 개략 구성도를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 바람직한 실시 예에 따른 빅데이터 기반의 화장품업체 협업시스템의 구성도로서, 크게 화장품업체 지원부(100), 네트워크(200) 및 수출업체 단말기들(301 - 300+N)로 대별된다.
여기서 수출업체 단말기들(301 - 300+N)은 복수이며, 퍼스널컴퓨터(PC)이거나 스마트폰과 같은 모바일 기기이거나 서버로 구현할 수 있으며, 각각의 수출업체 단말기들은 그 구성이나 작용이 동일하다. 이하 하나의 수출업체 단말기(301)에 대해서만 설명하기로 한다.
상기 네트워크(200)는 인터넷, 데이터망과 같은 다양한 유/무선 통신망으로 구현된다.
상기 화장품업체 지원부(100)는 SNS 및 웹상에 접속하여 화장품 관련 데이터 및 선도업체 화장품 정보를 수집하고, 상기 웹상에 접속하여 공공기관 서버에 접속하여 인증 데이터를 수집하며, 수집한 화장품 관련 데이터와 선도업체 화장품 정보 및 인증 데이터를 머신러닝 또는 딥러닝을 이용한 인공지능 알고리즘으로 분석하여 화장품 수출을 위한 협업 데이터를 지원하는 역할을 한다. 이러한 화장품업체 지원부(100)는 서버로 구현할 수 있다.
이러한 화장품업체 지원부(100)는 SNS 및 웹상에 접속하여 화장품 관련 데이터를 텍스트 및 문서 형태로 수집하는 데이터 수집부(110), 공개 API를 통해 공공기관 서버에 접속하여 공공 데이터 상의 인증 및 화장품법 시행규칙 관련 데이터를 수집하는 공공 데이터 수집부(120), 상기 데이터 수집부(110)에서 수집한 화장품 관련 데이터 및 표준데이터와 상기 공공 데이터 수집부(120)에서 수집된 데이터를 복수의 카테고리로 분류하여 빅데이터로 저장하는 빅데이터 저장부(130), 상기 빅데이터 저장부(130)에 저장된 데이터를 머신러닝 또는 딥러닝을 이용한 인공지능(AI) 알고리즘으로 분석하여 화장품 수출을 위한 협업 데이터를 생성하는 데이터 분석기(140), 상기 데이터 분석기(140)에 의해 분석된 데이터를 정형화 데이터로 변경하여 데이터베이스(DB)(170)에 저장하는 데이터 정형화부(150), 상기 데이터베이스(170)에 저장된 정형화 데이터를 국가별로 판독하고 시각화 형태로 변환하여 국가별 협업데이터를 지원해주는 국가별 정보 지원부(160)를 포함한다.
또한, 상기 데이터 분석기(140)는 도 2에 도시한 바와 같이, 수집한 데이터를 정렬하고, 정렬된 데이터로부터 인공지능 알고리즘을 이용하여 시장 트렌드를 분석하고, 분석 결과로 시간 흐름에 따른 관심도 변화를 그래프 형태로 제공하여 그래프에 마우스 오버 시 해당 시간대의 관심도 수치를 확인할 수 있도록 하는 시장 트렌드 분석부(141)를 포함한다.
아울러 상기 데이터 분석기(140)는 도 2에 도시한 바와 같이, 수집한 데이터를 정렬하고, 정렬된 데이터로부터 인공지능 알고리즘을 이용하여 선도업체 트렌드를 분석하여 검색 시 지정 기간에 발생된 업체의 뉴스데이터/주식데이터 정보를 그래프 형태로 벤치마킹 정보를 제공하여, 그래프에 마우스 오버 시 해당 날짜에 보도된 뉴스 또는 주식 정보를 확인할 수 있도록 하는 벤치마킹 분석부(142)를 포함한다.
아울러 상기 데이터 분석기(140)는 도 2에 도시한 바와 같이, 수집한 데이터를 정렬하고, 정렬된 데이터로부터 인공지능 알고리즘을 이용하여 국가별 제품인증 정보를 분석하고 인증 정보를 제공하여, 화장품에 포함된 성분별로 국가별 ISO 인증 규격 대비 정상 유무를 확인할 수 있도록 하는 제품인증 분석부(143)를 포함한다.
또한, 상기 데이터 분석기(140)는 도 2에 도시한 바와 같이, 수집한 데이터를 정렬하고, 정렬된 데이터로부터 인공지능 알고리즘을 이용하여 시스템 인증을 분석하여 시스템 인증 정보를 제공하여, 뉴스 데이터 분석 후 각각의 업체들이 특정 ISO 인증을 받을 확률을 예측하도록 하는 시스템인증 분석부(144)를 포함한다.
상기 수출업체 단말기(300)는 상기 화장품업체 지원부(100)와 네트워크(200)로 접속하여 수출국가의 협업 데이터를 요청하고, 상기 화장품업체 지원부(100)로부터 전달되는 수출국가의 협업 데이터를 시각화하여 화면에 표출하는 역할을 한다.
이와 같이 구성된 본 발명의 바람직한 실시 예에 따른 빅데이터 기반의 화장품업체 협업시스템을 구체적으로 설명하면 다음과 같다.
먼저, 화장품업체 지원부(100)의 데이터 수집부(110)는 SNS(예를 들어, 트위터, 페이스북) 및 웹(네이버 블로그, 카페, 네이버 뉴스, 지식, 다음 카페, 다음 지식, 기타)상에 접속하여 화장품 관련 데이터를 텍스트 및 문서 형태로 수집하여 빅데이터 저장부(130)에 전달한다.
즉, 데이터 수집부(110)는 선별적 정보 수집기법, 항목별 데이터 추출기법, 패턴기반 데이터 필터링, 제목 및 콘텐츠 항목별 중복 체크, URL 중복 필터링 중 적어도 어느 하나 이상을 이용하여, 지능형 웹 정보 수집 방식으로 필요한 자료를 수집하고, 수집 자료에서 항목별 특정 데이터만을 추출하여 빅데이터 저장부(130)에 전달한다.
이를 위해 웹 크롤러를 이용하는 데 웹 크롤러의 상세 구성 및 작용은 다음과 같다.
도 3a 및 도 3b는 데이터 수집을 위한 웹 크롤러의 API 항목 및 명세서를 보인 표로서, 타깃 신문사의 기사 URL 및 기타 정보를 수집한다.
아울러, 도 4a 및 도 4b와 같은 웹을 통해 기사 문서 수집을 위한 API 항목 및 명세서를 이용하여, 수집된 URL을 통하여 수집하고자 하는 기사의 문서만을 수집한다.
또한, 도 5a 및 도 5b와 같은 문서 단어 처리 기능을 통해, 수집한 데이터로부터 문서를 읽은 후 단어 단위로 구분하고, 형태소 분석을 통해 단어를 구분하는 방식으로 문서로부터 단어를 처리한다. 도 5a는 문서 단어 처리를 위한 API 항목 이고, 도 5b는 문서 단어 처리 기능을 위한 API 명세서이다.
아울러 공공 데이터 수집부(120)는 공개 API를 통해 공공기관 서버에 접속하여 공공 데이터 상의 인증 및 화장품법 시행규칙 관련 데이터를 수집하여, 상기 빅데이터 저장부(130)에 전달한다.
다음으로, 상기 빅데이터 저장부(130)는 상기 데이터 수집부(110)에서 수집한 화장품 관련 데이터 및 표준데이터(CSV, JSON, RDF, XLS, XML 등의 파일 형태 데이터)와 상기 공공 데이터 수집부(120)에서 수집된 데이터를 복수의 카테고리로 분류하여 빅데이터로 저장한다.
예컨대, 전처리 작업(Classification)을 통해 수집된 데이터를 복수의 카테고리로 분류하여 저장한다. 이를 위해, 주어진 수집 자료에서 주제어(Keyword)를 추출하고, 주제어를 통해 주제(Topic)를 생성하며, 생성된 주제(Topic)에 대한 자동 주제 이름을 카테고리로 생성하고(Topic Labeling), 자동 생성된 주제 이름에 대한 관리를 수행한다.
이어, 데이터 분석기(140)는 상기 빅데이터 저장부(130)에 카테고리별로 저장된 데이터를 공지의 MATLAB을 이용한 딥러닝과 같은 인공지능 알고리즘으로 다중분석하여 화장품 수출을 위한 협업 데이터를 생성한다.
예컨대, 데이터 분석기(140)는 시장 트렌드 분석부(141)에서 수집한 데이터를 정렬하고, 정렬된 데이터로부터 공지의 MATLAB을 이용한 딥러닝과 같은 인공지능 알고리즘을 이용하여 시장 트렌드를 분석하고, 분석 결과로 도 6과 같은 시간 흐름에 따른 관심도 변화를 그래프 형태로 제공한다.
아울러 데이터 분석기(140)는 벤치마킹 분석부(141)에서 수집한 데이터를 정렬하고, 정렬된 데이터로부터 공지의 MATLAB을 이용한 딥러닝과 같은 인공지능 알고리즘을 이용하여 선도업체 트렌드를 분석하고, 분석 결과를 도 7과 같이 지정한 기간에 발생한 업체의 뉴스데이터/주식데이터 정보를 그래프 형태로 벤치마킹 정보를 제공해준다.
또한, 상기 데이터 분석기(140)는 제품인증 분석부(143)에서 수집한 데이터를 정렬하고, 정렬된 데이터로부터 공지의 MATLAB을 이용한 딥러닝과 같은 인공지능 알고리즘을 이용하여 국가별 제품인증 정보를 분석하고 인증 정보를 도 8과 같은 형태로 제공해준다.
또한, 상기 데이터 분석기(140)의 시스템인증 분석부(144)는 수집한 데이터를 정렬하고, 정렬된 데이터로부터 공지의 MATLAB을 이용한 딥러닝과 같은 인공지능 알고리즘을 이용하여 시스템 인증을 분석하여 시스템 인증 정보를 도 9와 같은 차트 형태로 제공한다. 화장품 수출업체 관리자는 수출업체 단말기(300)를 이용하여 검색 조건을 입력하면 도 9와 같은 차트 형태의 시스템 인증 분석 정보를 확인할 수 있다. 업체리스트, 인증리스트 등의 검색 조건을 입력하여 시스템인증 결과를 상세하게 확인할 수 있다.
다음으로, 데이터 정형화부(150)는 상기 빅데이터 분석기(140)에 의해 분석된 데이터를 정형화 데이터로 변경하여 데이터베이스(DB)에 저장한다.
아울러 국가별 정보 지원부(160)는 네트워크(200)를 통해 접속한 수출업체 단말기(301)가 특정 국가의 협업 데이터를 요청하면, 상기 데이터베이스(170)와 연동하여 상기 데이터베이스(170)에 저장된 정형화 데이터를 국가별로 판독하고 시각화 형태로 변환하여 국가별 협업 데이터를 지원해준다.
여기서 국가별 정보 지원부(160)는 협업 데이터 지원 시 국가별 정보를 웹 형태로 변환하거나 로컬 형태의 통계정보로 변환하여 제공해주되, 그래프 및 차트 형태의 시각화 정보로 제공해준다.
아울러 수출업체 단말기(300)는 관리자의 검색 조작에 따라 상기 화장품업체 지원부(100)와 네트워크(200)로 접속하여 수출국가의 협업 데이터를 요청하고, 상기 화장품업체 지원부(100)로부터 전달되는 수출국가의 협업 데이터를 시각화하여 화면에 표출한다.
예컨대, 화장품 수출업체 관리자는 수출업체 단말기(300)를 이용하여 트렌드 검색 조건(트렌드 및 기간, 지역(국가)을 입력하면 도 6과 같은 결과 그래프가 화면에 표시된다. 이어 그래프에 마우스를 오버링하면 해당 시간대의 관심도 수치를 상세하게 확인할 수 있다. 키워드 검색 시 입력한 키워드는 그래프 좌측 상단에 텍스트 형태로 표시된다.
아울러 화장품 수출업체 관리자는 수출업체 단말기(300)를 이용하여 벤치마킹 검색 조건(업체명 및 기간)을 입력하면 도 7과 같은 그래프 형태의 벤치마킹 정보가 화면에 디스플레이된다. 그래프에 마우스를 오버링하여 해당 날짜에 보도된 뉴스 또는 주식 정보를 상세하게 확인할 수 있다.
아울러 화장품 수출업체 관리자는 수출업체 단말기(300)를 이용하여 제품인증 검색 조건(이미지 또는 프로젝트 파일)을 입력하면, 도 8과 같은 차트 형태의 제품인증 분석 정보가 결과물로 화면에 표출된다. 즉, 이미지 또는 프로젝트 파일로 검색을 실행하여 분석 결과를 상세하게 확인한다. 화장품 수출업체 관리자가 수출업체 단말기(300)를 이용하여 검색 조건으로 이미지 검색을 실행하면, 탐색기에서 불러온 이미지를 선택한 후 화장품 성분 분석 정보를 표시한다. 아울러 프로젝트 검색을 실행하면 프로젝트 DB를 통해 화장품 성분을 텍스트 형태로 추출하여 결과 정보를 제공한다. 다시 말해, 검색 결과로 화장품에 포함된 성분별로 국가별 ISO 인증 규격과 비교 분석하여 정상 여부 판단 결과를 제공해줌으로써, 화장품 수출업체에서는 간단하게 제품 인증 유무를 판별할 수 있다.
또한, 화장품 수출업체 관리자가 수출업체 단말기(300)를 이용하여 검색 조건으로 시스템 인증 분석을 진행할 업체 리스트(대기업, 중견기업, 중소기업, 기타)를 입력하면, 해당 업체의 뉴스 데이터를 빅데이터와 AI를 활용하여 상세하게 분석한 결과가 화면에 표시된다. 뉴스 데이터 분석 결과를 통해 각각의 업체들이 특정 ISO 인증을 받았을 확률에 대해 예측할 수 있다. 즉, 업체가 아모레퍼시픽일 경우, ISO9001(거의 없음), ISO41001(높음), ISO22716(낮음)과 같은 ISO 인증 확률의 예측정보가 결과물로 디스플레이되며, 이를 통해 각각의 업체들이 특정 ISO 인증을 받을 확률을 예측할 수 있게 되는 것이다.
이상 본 발명자에 의해서 이루어진 발명을 상기 실시 예에 따라 구체적으로 설명하였지만, 본 발명은 상기 실시 예에 한정되는 것은 아니고 그 요지를 이탈하지 않는 범위에서 여러 가지로 변경 가능한 것은 이 기술분야에서 통상의 지식을 가진 자에게 자명하다.
100: 화장품업체 지원부
110: 데이터 수집부
120: 공공 데이터 수집부
130: 빅데이터 저장부
140: 데이터 분석기
141: 시장 트렌드 분석부
142: 벤치마킹 분석부
143: 제품인증 분석부
144: 시스템인증 분석부
150: 데이터 정형화부
160: 국가별 정보 지원부
170: 데이터베이스(DB)
200: 네트워크
301: 수출업체 단말기(#1)

Claims (8)

  1. 빅데이터 기반으로 화장품 수출업체에 수출 관련 정보를 지원하기 위한 협업시스템으로서,
    웹상에 접속하여 화장품 관련 데이터 및 선도업체 화장품 정보를 수집하고, 상기 웹상에서 공공기관 서버에 접속하여 인증 데이터를 수집하며, 수집한 화장품 관련 데이터와 선도업체 화장품 정보 및 인증 데이터를 기초로 화장품 수출을 위한 협업 데이터를 지원하는 화장품업체 지원부; 및
    상기 화장품업체 지원부와 네트워크로 접속하여 수출국가의 협업 데이터를 요청하고, 상기 화장품업체 지원부로부터 전달되는 수출국가의 협업 데이터를 시각화하여 화면에 표출하는 수출업체 단말기를 포함하고,
    상기 화장품업체 지원부는 수집한 데이터를 기초로 화장품 수출을 위한 협업 데이터를 생성하는 데이터 분석기를 포함하며,
    상기 데이터 분석기는 검색 시 지정한 기간에 발생된 업체의 뉴스데이터/주식데이터 정보를 그래프 형태로 벤치마킹 정보를 제공하여, 그래프에 마우스 오버 시 해당 날짜에 보도된 뉴스 또는 주식 정보를 확인할 수 있도록 하는 벤치마킹 분석부;
    국가별 제품 인증 정보를 기초로 인증 정보를 제공하여, 화장품에 포함된 성분별로 국가별 ISO 인증 규격 대비 정상 유무를 확인할 수 있도록 하는 제품인증 분석부; 및
    협업 데이터로 시스템 인증 정보를 제공하여, 뉴스 데이터 분석 후 각각의 업체들이 특정 ISO 인증을 받을 확률을 예측하도록 하는 시스템인증 분석부를 포함하여, 수출 국가의 트렌드 분석과 법규 분석 및 제품이나 시스템 인증 정보를 제공해주는 것을 특징으로 하는 빅데이터 기반의 화장품업체 협업시스템.
  2. 청구항 1에서, 상기 화장품업체 지원부는 SNS 및 웹상에 접속하여 화장품 관련 데이터를 텍스트 및 문서 형태로 수집하는 데이터 수집부; 공개 API를 통해 공공기관 서버에 접속하여 공공 데이터 상의 인증 및 화장품법 시행규칙 관련 데이터를 수집하는 공공 데이터 수집부; 상기 데이터 수집부에서 수집한 화장품 관련 데이터 및 표준데이터와 상기 공공 데이터 수집부에서 수집된 데이터를 복수의 카테고리로 분류하여 빅데이터로 저장하는 빅데이터 저장부; 상기 데이터 분석기에 의해 분석된 데이터를 정형화 데이터로 변경하여 데이터베이스(DB)에 저장하는 데이터 정형화부; 상기 데이터베이스에 저장된 정형화 데이터를 국가별로 판독하고 시각화 형태로 변환하여 국가별 협업 데이터를 지원해주는 국가별 정보 지원부를 포함하는 것을 특징으로 하는 빅데이터 기반의 화장품업체 협업시스템.
  3. 청구항 2에서, 상기 데이터 수집부는 선별적 정보 수집기법, 항목별 데이터 추출기법, 패턴기반 데이터 필터링, 제목 및 콘텐츠 항목별 중복 체크, URL 중복 필터링 중 적어도 어느 하나 이상을 이용하여 수집 자료에서 항목별 특정 데이터만을 추출하여 수집하는 것을 특징으로 하는 빅데이터 기반의 화장품업체 협업시스템.
  4. 청구항 2에서, 상기 국가별 정보 지원부는 협업 데이터 지원 시 국가별 정보를 웹 형태로 변환하거나 로컬 형태의 통계정보로 변환하여 제공해주되, 그래프 및 차트 형태의 시각화 정보로 제공해주는 것을 특징으로 하는 빅데이터 기반의 화장품업체 협업시스템.


  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
KR1020190032409A 2019-03-21 2019-03-21 빅데이터 기반의 화장품업체 협업시스템 KR102328881B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190032409A KR102328881B1 (ko) 2019-03-21 2019-03-21 빅데이터 기반의 화장품업체 협업시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190032409A KR102328881B1 (ko) 2019-03-21 2019-03-21 빅데이터 기반의 화장품업체 협업시스템

Publications (2)

Publication Number Publication Date
KR20200119365A KR20200119365A (ko) 2020-10-20
KR102328881B1 true KR102328881B1 (ko) 2021-11-19

Family

ID=73025234

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190032409A KR102328881B1 (ko) 2019-03-21 2019-03-21 빅데이터 기반의 화장품업체 협업시스템

Country Status (1)

Country Link
KR (1) KR102328881B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102517027B1 (ko) * 2020-12-14 2023-04-03 주식회사 브이티피엘 Sns 화장품 트랜드분석 기반으로 운용되는 화장품 샘플 제공기를 통한 화장품 마케팅 시스템.
KR20230011191A (ko) 2021-07-13 2023-01-20 주식회사 씨디알아이 스크리닝을 통한 화장품 인증시스템
KR102692087B1 (ko) * 2021-07-22 2024-08-05 주식회사 씨디알아이 인체에 외용되는 제품의 승인 신청을 국가별로 구분하여 통합처리하는 방법 및 장치
KR20230150471A (ko) 2022-04-22 2023-10-31 주식회사 씨디알아이 Ai 및 딥러닝 기반의 화장품 인증관리 시스템
KR20230150470A (ko) 2022-04-22 2023-10-31 주식회사 씨디알아이 글로벌 화장품 인증 보조 시스템

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101899843B1 (ko) * 2016-12-23 2018-09-18 주식회사 제오시스 화장품 고객 트렌드 분석 시스템 및 방법

Also Published As

Publication number Publication date
KR20200119365A (ko) 2020-10-20

Similar Documents

Publication Publication Date Title
KR102328881B1 (ko) 빅데이터 기반의 화장품업체 협업시스템
Mitchell et al. The role of geodemographics in segmenting and targeting consumermarkets: a Delphi study
KR101034101B1 (ko) 상품 추천 서비스 제공 시스템 및 방법
CN103886487A (zh) 基于分布式的b2b平台的个性化推荐方法与系统
KR101870623B1 (ko) 지역 농업 통계 시스템 및 그의 처리 방법
Kim et al. The accuracy of tourism forecasting and data characteristics: a meta-analytical approach
CN110929969A (zh) 一种供应商的评价方法及装置
US20150242529A1 (en) Method for Interlacing Multiple Internet domain names with a Database Driven Website to Obtain Better Webpage Ranking on Major Search Engines by Executing Computer-Executable Instructions Stored On a Non-Transitory Computer-Readable Medium
KR20220079249A (ko) 소비자 수요를 예측하고 이를 반영한 정기배송 방법 및 시스템
CN116739836B (zh) 一种基于知识图谱的餐饮数据分析方法及系统
KR100469495B1 (ko) 지리정보를 이용한 마케팅 지원 서비스방법
Laosirihongthong et al. Improving supply chain operations by adopting RFID technology: evaluation and comparison of enabling factors
KR20160070282A (ko) 쇼핑몰 사이트 제공 시스템, 쇼핑몰 사이트 제공 방법, 그 프로그램 및 이를 기록한 기록매체
Lopes et al. Website content and design in SME: insights from Portugal
Koh How do oil supply and demand shocks affect Asian stock markets?
CN102004985A (zh) 对象定制及管理系统
US10719561B2 (en) System and method for analyzing popularity of one or more user defined topics among the big data
Paridhi et al. Sustainability reporting: Current state and challenges
Iyengar et al. The power and centrality of the transportation and warehousing sector within the US economy: A longitudinal exploration using social network analysis
Eliasson et al. Costs for thinning and final felling operations in Sweden, 2000–2017
Rosillo-Díaz et al. Analysis of the evolution and impact of product quality in business
Yan et al. Integrated data mining and TOPSIS entropy weight method to evaluate logistics supply and demand efficiency of a 3PL company
Smith Business and e-government intelligence for strategically leveraging information retrieval
Nguyen et al. Trade liberalization and income distribution in Vietnam: Dynamic CGE approach
CN115880077A (zh) 基于客户标签的推荐方法及其装置、电子设备及存储介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant