KR102645612B1 - 데이터 가치 산출 방법과 시스템 - Google Patents

데이터 가치 산출 방법과 시스템 Download PDF

Info

Publication number
KR102645612B1
KR102645612B1 KR1020230051419A KR20230051419A KR102645612B1 KR 102645612 B1 KR102645612 B1 KR 102645612B1 KR 1020230051419 A KR1020230051419 A KR 1020230051419A KR 20230051419 A KR20230051419 A KR 20230051419A KR 102645612 B1 KR102645612 B1 KR 102645612B1
Authority
KR
South Korea
Prior art keywords
data
value
processed data
processed
identification
Prior art date
Application number
KR1020230051419A
Other languages
English (en)
Inventor
함민혁
함준혁
Original Assignee
주식회사 젠데이터
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 주식회사 젠데이터 filed Critical 주식회사 젠데이터
Priority to KR1020230051419A priority Critical patent/KR102645612B1/ko
Application granted granted Critical
Publication of KR102645612B1 publication Critical patent/KR102645612B1/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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0278—Product appraisal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G06F21/6254—Protecting personal data, e.g. for financial or medical purposes by anonymising data, e.g. decorrelating personal data from the owner's identification
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Bioethics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 개시의 일 실시예는, 데이터 가치 산출 방법을 제공한다. 본 방법은, 수집된 데이터의 비식별화를 수행해야 하는지를 판단하여 판단 결과를 생성하는 단계, 상기 판단 결과에 따라 상기 수집된 데이터의 비식별화 과정 및 정제 과정 중 적어도 하나의 과정을 수행하여 가공 데이터를 생성하는 단계 및 기설정된 가치 산출 모델에 기초하여 상기 가공 데이터의 비용적 가치 및 활용 가치를 산출하는 단계를 포함한다.

Description

데이터 가치 산출 방법과 시스템 {METHOD AND SYSTEM FOR CALCULATING VALUE OF DATA}
본 데이터 가치 산출 방법과 시스템에 관한 것으로, 보다 상세하게는, 수집된 데이터 중 개인 정보가 포함된 데이터들을 비식별화하여 보호하고, 기설정된 가치판단모델에 기초하여 데이터의 가치를 산출하는 방법 및 시스템에 관한 것이다.
현재 인공 지능 기술의 적용 범위는 의료, 국방, 교육, 물류, 게임 등 다방면에 적용되기 시작하고 있다. 점차 인공 지능 기술이 발달하고, 보다 신뢰할 수 있는 인공 지능 기술이 보편화 되면서, 그 적용의 범위는 확대 가속화될 것으로 예상된다.
이와 같이 인공지능 전 산업에 확산되면서, 인공지능 핵심 산업 및 후방 산업에 해당하는 데이터 수집, 가공 및 검수 작업에 대한 수요도 계속 늘어나고 있다.
데이터 수집, 가공 및 검수 작업에 필요한 데이터들은 기존에는 무형 자산으로서 기업의 비용이라고 인식되어 왔으나 현재에는 데이터들이 기업의 자산이라는 인식으로 변화하고 있다.
최근에는 기업뿐만 아니라 개인들도 데이터가 자산이라고 생각하여 본인들의 데이터를 판매하기도 한다. 이에 따라, 데이터를 판매하고, 데이터 판매에 대한 수익을 판매자에게 제공하는 서비스에 대한 수요가 늘어나고 있다.
그러나, 데이터들에는 사진 및 주민등록번호와 같은 민감한 부분의 개인 정보가 포함되어 있는 경우가 있어, 사용자들이 심리적 불안감을 느낄 때가 있다.
또한, 데이터를 판매할 때 기설정된 기준에 따른 데이터의 가치를 알 수 없어, 판매자가 임의로 금액을 제시하거나 구입자가 제시한 금액에만 의존하여 데이터를 판매할 수밖에 없다는 문제점이 있다.
이에 따라, 데이터들이 기설정된 기준에 따라 가치가 산출되고, 산출된 가치에 따라 데이터의 판매 금액을 정할 수 있는 기술에 대한 연구가 필요하다.
본 개시는 전술한 종래 기술의 문제점을 해결하기 위한 것으로, 수집된 데이터 중 개인 정보가 포함된 데이터들을 비식별화하여 보호하고, 기설정된 가치판단모델에 기초하여 데이터의 가치를 산출하는 방법 및 시스템을 제공하고자 한다.
본 발명이 이루고자 하는 기술적 과제들은 상기한 기술적 과제로 제한되지 않으며, 이하의 설명으로부터 본 발명의 또 다른 기술적 과제들이 도출될 수 있다.
상술한 기술적 과제를 해결하기 위한 기술적 수단으로서, 본 개시의 제1 측면에 따른 실시예는, 데이터 가치 산출 방법을 제공한다. 본 방법은, 수집된 데이터의 비식별화를 수행해야 하는지를 판단하여 판단 결과를 생성하는 단계, 상기 판단 결과에 따라 상기 수집된 데이터의 비식별화 과정 및 정제 과정 중 적어도 하나의 과정을 수행하여 가공 데이터를 생성하는 단계 및 기설정된 가치 산출 모델에 기초하여 상기 가공 데이터의 비용적 가치 및 활용 가치를 산출하는 단계를 포함한다.
또한, 본 개시의 제2 측면에 따른 실시예는, 데이터 가치 산출 시스템을 제공한다. 본 시스템은, 통신 모듈, 적어도 하나의 프로세서 및 상기 프로세서와 전기적으로 연결되고, 상기 프로세서에서 수행되는 적어도 하나의 코드(code)가 저장되는 메모리를 포함하고, 상기 메모리는 상기 프로세서를 통해 실행될 때 상기 프로세서가, 수집된 데이터의 비식별화를 수행해야 하는지를 판단하여 판단 결과를 생성하고, 상기 판단 결과에 따라 상기 수집된 데이터의 비식별화 과정 및 정제 과정 중 적어도 하나의 과정을 수행하여 가공 데이터를 생성하며, 기설정된 가치 산출 모델에 기초하여 상기 가공 데이터의 비용적 가치 및 활용 가치를 산출하도록 야기하는 코드를 저장한다.
본 발명에 따르면, 데이터에 포함된 개인 정보를 비정형화함에 따라, 개인정보 유출을 방지할 수 있다.
또한 본 발명에 따르면, 기설정된 기준에 기초하여 데이터의 가치 및 비용을 산정함에 따라 판매자와 구매자 간의 데이터 거래 시에 발생할 비용적 문제를 최소화할 수 있다.
본 발명의 효과들은 상술한 효과들로 제한되지 않으며, 이하의 기재로부터 이해되는 모든 효과들을 포함한다.
도 1은 본 발명의 일 실시예에 따른 데이터 가치 산출 시스템을 설명하기 위해 도시한 도면이다.
도 2는 도 1에 도시된 서버의 세부구성을 도시한 도면이다.
도 3은 본 발명의 다른 실시예에 따른 데이터 가치 산출 방법의 순서를 도시한 흐름도이다.
도 4 내지 도 6은 도 3에 도시된 데이터 가치 산출 방법의 일부 단계에 대한 세부 단계들을 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 가치 판단 모델의 일 예를 도시한 도면이다.
도 8은 본 발명의 실제 구현 예를 도시한 도면이다.
이하에서는 첨부한 도면을 참조하여 본 개시를 상세히 설명하기로 한다. 다만, 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며, 여기에서 설명하는 실시예들로 한정되는 것은 아니다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않는다. 여기에 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미로 해석되어야 한다. 사전에 정의된 용어들은 관련기술문헌과 현재 개시된 내용에 부합하는 의미를 추가적으로 갖는 것으로 해석되어야 하며, 별도로 정의되지 않는 한 매우 이상적이거나 제한적인 의미로 해석되지 않는다.
도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 도면에 나타난 각 구성요소의 크기, 형태, 형상은 다양하게 변형될 수 있다. 명세서 전체에 대하여 동일/유사한 부분에 대해서는 동일/유사한 도면 부호를 붙였다.
이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부" 등은 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략하였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉 또는 결합)"되어 있다고 할 때, 이는 "직접적으로 연결(접속, 접촉 또는 결합)"되어 있는 경우뿐만 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결 (접속, 접촉 또는 결합)"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함(구비 또는 마련)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 "포함(구비 또는 마련)"할 수 있다는 것을 의미한다.
본 명세서에서 사용되는 제1, 제2 등과 같이 서수를 나타내는 용어들은 하나의 구성 요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 구성 요소들의 순서나 관계를 제한하지 않는다. 예를 들어, 본 개시의 제1구성요소는 제2구성요소로 명명될 수 있고, 유사하게 제2구성요소도 제1구성 요소로 명명될 수 있다. 본 명세서에서 사용되는 단수 표현의 형태들은 명백히 반대의 의미를 나타내지 않는 한 복수 표현의 형태들도 포함하는 것으로 해석되어야 한다.
도 1은 본 발명의 일 실시예에 따른 데이터 가치 산출 시스템을 설명하기 위해 도시한 도면이다.
도 1을 참조하면, 데이터 가치 산출 시스템은 서버(100) 및 사용자 단말(200)을 포함할 수 있다.
데이터 가치 산출 시스템은 서버 또는 컴퓨팅 장치로 구현될 수 있고, SaaS (Software as a Service), PaaS (Platform as a Service) 또는 IaaS (Infrastructure as a Service)와 같은 클라우드 컴퓨팅 서비스 모델에서 동작 할 수 있다. 또한, 데이터 가치 산출 시스템은 사설(private) 클라우드, 공용(public) 클라우드 또는 하이브리드(hybrid) 클라우드 시스템과 같은 형태로 구축될 수도 있으나, 본 발명의 범위가 이에 제한되는 것은 아니다.
서버(100)는 수집된 데이터의 비식별화를 수행해야 하는지를 판단하여 판단 결과를 생성한다. 예컨대, 데이터는 사용자 단말(200)로부터 수집될 수도 있고, 웹 서버로부터 수집될 수도 있다.
서버(100)는 판단 결과에 따라 수집된 데이터의 비식별화 과정 및 정제 과정 중 적어도 하나의 과정을 수행하여 가공 데이터를 생성한다.
서버(100)는 기설정된 가치 산출 모델에 기초하여 가공 데이터의 비용적 가치 및 활용 가치를 산출한다.
사용자 단말(200)은 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), 휴대성과 이동성이 보장되는 무선 통신 장치 또는 스마트폰, 태블릿 PC 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 의미할 수 있다.
서버(100)와 사용자 단말(200)은 통신 네트워크로 연결되어, 정보를 송수신할 수 있다. 예컨대, 서버(100)는 사용자 단말(200)로 가공 데이터의 비용적 가치 및 활용 가치를 전송할 수 있고, 사용자 단말(200)은 서버(100)로 가치를 판단하기 위한 데이터를 전송할 수 있다.
도 2는 도 1에 도시된 서버의 세부구성을 도시한 도면이다.
도 2를 참조하면, 서버(100)는 통신 모듈(110), 프로세서(120) 및 메모리(130)를 포함할 수 있다.
통신 모듈(110)은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치를 포함할 수 있다.
통신 모듈(110)은 사용자 단말(200)로 산출된 데이터의 비용적 가치 및 활용 가치를 전송할 수 있다. 또한, 통신 모듈(110)은 외부 서버 혹은 사용자 단말로부터 가치를 산출하고자 하는 데이터를 수신할 수 있다.
프로세서(120)는 데이터를 제어 및 처리하는 다양한 종류의 장치들을 포함할 수 있다. 프로세서(120)는 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다.
일 예에서, 프로세서(120)는 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 형태로 구현될 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
프로세서(120)는 메모리(130)에 저장된 코드에 따라 동작을 수행한다.
메모리(130)는 통신 모듈(110)로 입력되는 정보 및 데이터, 프로세서(120)에 의해 수행되는 기능에 필요한 정보 및 데이터, 프로세서(120)의 실행에 따라 생성된 데이터 중 적어도 어느 하나 이상을 저장할 수 있다.
메모리(130)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 저장된 정보를 유지하기 위하여 전력을 필요로 하는 휘발성 저장장치를 통칭하는 것으로 해석되어야 한다. 메모리(130)는 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치 외에 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
메모리(130)는 프로세서(120)와 전기적으로 연결되고, 프로세서(120)에서 수행되는 적어도 하나의 코드가 저장된다. 메모리(130)에는 프로세서(120)를 통해 실행될 때 프로세서(120)가 다음과 같은 기능 및 절차들을 수행하도록 야기하는 코드가 저장된다.
메모리(130)에는 수집된 데이터의 비식별화를 수행해야 하는지를 판단하여 판단 결과를 생성하도록 야기하는 코드가 저장된다.
좀 더 자세하게, 메모리(130)에는 수집된 데이터를 분석하여 데이터 내 식별자 및 속성자 중 적어도 하나가 포함되어 있는지 판단하도록 야기하는 코드가 저장될 수 있다.
식별자는 개인과 관련된 정보로서 직접적으로 개인을 특정할 수 있는 정보이고, 속성자는 개인과 관련된 정보로서 다른 정보와 결합하는 경우에 특정 개인을 알아볼 수 있는 정보일 수 있다. 예컨대, 식별자는 데이터와 관련된 개인에 대한 고유식별정보, 성명, 상세주소, 날짜 정보, 전화번호, 의료기록번호, 건강보험번호, 복지수급자번호, 통장계좌번호, 신용카드번호, 각종 자격증 및 면허 번호, 자동차 번호, 사진, 신체식별정보, 이메일주소 및 식별코드 중 적어도 하나의 식별 정보를 포함하고, 속성자는 데이터와 관련된 개인에 대한 신체 특성, 신용 특성, 경력 특성, 전자적 특성 및 가족 특성 중 적어도 하나의 특성 정보를 포함할 수 있다.
메모리(130)에는 데이터 내 식별자 및 속성자 중 적어도 하나가 포함된 경우 수집된 데이터의 비식별화를 수행해야 한다고 판단하고, 데이터 내 식별자 및 속성자가 없을 경우 비식별화를 수행하지 않아도 된다고 판단하도록 야기하는 코드가 저장될 수 있다. 예컨대, 데이터 내에 성명 및 전화번호가 포함되어 있다면, 메모리(130)는 해당 데이터의 비식별화를 수행해야 한다고 판단할 수 있다.
메모리(130)에는 판단 결과에 따라 수집된 데이터의 비식별화 과정 및 정제 과정 중 적어도 하나의 과정을 수행하여 가공 데이터를 생성하도록 야기하는 코드가 저장된다.
좀 더 자세하게, 메모리(130)에는 데이터의 비식별화를 수행하는 경우, 수집된 데이터 내에서 필요 데이터만을 정제하고, 필요 데이터 내의 식별자 및 속성자 중 적어도 하나를 비식별화하여 가공 데이터를 생성하도록 야기하는 코드가 저장될 수 있다. 예컨대, 메모리(130)는 수집된 데이터 중 신호등이 포함된 이미지만을 추출하고, 추출된 이미지 내의 인물의 얼굴을 비식별화하여 가공 데이터를 생성할 수 있다.
메모리(130)에는 데이터의 비식별화를 수행하는 경우, 자동 비식별화 및 수동 비식별화 중 적어도 하나의 방법을 통해 데이터를 비식별화 하도록 야기하는 코드가 저장될 수 있다. 예컨대, 메모리(130)는 필요 데이터 내의 식별자 및 속성자를 검출하고, 해당 식별자 및 속성자를 자동으로 모자이크 처리 및 블러 처리를 할 수 있다. 다른 예로, 메모리(130)는 검출된 식별자 및 속성자를 수동으로 모자이크 처리 및 블러 처리를 할 수 있도록 인터페이스를 제공할 수 있다.
또한, 메모리(130)에는 데이터의 비식별화를 수행하지 않는 경우, 수집된 데이터 내에서 필요 데이터만을 정제하여 가공 데이터를 생성하도록 야기하는 코드가 저장될 수 있다. 예컨대, 메모리(130)는 수집된 데이터 중 콜라 캔 이미지만을 추출하여 가공 데이터를 생성할 수 있다.
메모리(130)에는 기설정된 가치 산출 모델에 기초하여 가공 데이터의 비용적 가치 및 활용 가치를 산출하도록 야기하는 코드가 저장된다. 예컨대, 비용적 가치는 데이터를 구축하기 위해 사용되는 비용을 가치로 나타낸 것을 의미하고, 활용 가치는 데이터를 활용하여 얻을 수 있는 수익 또는 데이터의 활용성을 가치로 나타낸 것을 의미할 수 있다.
기설정된 가치 산출 모델에 기초하여 가공 데이터의 비용적 가치를 산출하기 위해, 메모리(130)에는 기설정된 가치 산출 모델에 저장된 데이터들 중 기설정된 유사도 판단 방식에 따라 산출된, 가공 데이터와 유사한 유형의 유사 유형 데이터 및 가공 데이터의 유사도 점수를 기초로 가공 데이터의 유사도 가치를 산출하도록 야기하는 코드가 저장될 수 있다.
예컨대, 메모리(130)는 가공 데이터 가치의 기본적인 비용 판별을 위해, 공개되어 있는 유/무료 데이터로부터 구축된 비용, 과정 비용 및 판매 가격 등에 대한 정보를 포함한 데이터들 중 가공 데이터와 유사한 유형의 데이터를 추출할 수 있다. 메모리(130)는 추출된 유사 유형 데이터와 가공 데이터를 비교하여 유사도 점수를 산출할 수 있다. 메모리(130)는 산출된 유사도 점수에 기초하여 가공 데이터의 유사도 가치 및 데이터의 금액을 산출할 수 있다.
또한, 기설정된 가치 산출 모델에 기초하여 가공 데이터의 비용적 가치를 산출하기 위해, 메모리(130)에는 유사 유형 데이터의 사용 빈도에 기초하여 가공 데이터의 사용 빈도 가치를 산출하도록 야기하는 코드가 저장될 수 있다.
예컨대, 메모리(130)는 데이터를 어떻게 얼마나 활용했는지에 대한 정보를 포함한 데이터들 중 가공 데이터와 유사한 유형의 데이터를 추출할 수 있다. 메모리(130)는 추출된 유사 유형 데이터와 가공 데이터를 비교하여 사용 빈도 가치를 산출할 수 있다. 이때, 사용 빈도 가치는 주기적인 데이터 사용 빈도에 따라 동적으로 변동될 수 있다. 예를 들어, 가공 데이터가 자율 주행과 관련이 있고, 자율 주행 차량의 시장 및 산업 성장에 따라 자율 주행용 데이터의 필요성이 증가하면, 자율 주행용 데이터들의 사용량이 증가함에 따라 가공 데이터의 가치도 증가할 수 있다.
이에 더해, 기설정된 가치 산출 모델에 기초하여 가공 데이터의 비용적 가치를 산출하기 위해, 메모리(130)에는 가공 데이터에 대한 샘플링 검사 기법을 통한 데이터 불량률, 유사도 가치 및 사용 빈도 가치에 기초하여 가공 데이터의 비용적 가치를 산출하도록 야기하는 코드가 저장될 수 있다.
예컨대, 메모리(130)는 샘플링 검사 기법을 통해서 데이터 불량률을 산출할 수 있다. 여기서, 샘플링 검사 기법은 10,00건짜리의 데이터 셋에서 불량을 확인하여 불량률을 산출할 수 있다. 메모리(130)는 데이터 불량률과 기설정된 가치 산출 모델에 기초하여 산출된 가공 데이터의 유사도 가치 및 사용 빈도 가치 각각에 따른 데이터 개별 단가에 기초하여 데이터의 품질 통계적 예상 비용인 비용적 가치를 산출할 수 있다. 예를 들어, 샘플링 검사 기법의 결과가 정확도 98%로 데이터를 판별할 경우, 데이터의 단가, 수량 및 불량률의 통계적 예상을 고려하여 데이터 금액을 판별하고 비용적 가치를 산출할 수 있다.
좀 더 자세하게, 메모리(130)는 유사도 가치에 기초하여 데이터의 개별 단가를 산출하고, 사용 빈도 가치에 기초하여 데이터의 활용도를 산출할 수 있다. 메모리(130)는 데이터의 개별 단가 및 활용도에 기초하여 데이터의 비용을 산출할 수 있다. 예컨대, 데이터의 비용은 아래의 수학식 1에 기초하여 산출될 수 있다.
여기서, St는 비용적 가치이고, Dup는 데이터 개별 단가이고, Dtn은 데이터의 총 수량이고, Dut는 사용 빈도 가치일 수 있다.
기설정된 가치 산출 모델에 기초하여 가공 데이터의 활용 가치를 산출하기 위해, 메모리(130)에는 가공 데이터와 유사 유형 데이터의 수명에 기초하여 가공 데이터의 소득 기반 미래 가치를 산출하도록 야기하는 코드가 저장될 수 있다.
예컨대, 메모리(130)는 데이터 활용을 통해 활성화된 비즈니스의 측정 소득(가치)와 수명을 기반으로 소득 기반 미래 가치를 산출할 수 있다. 예를 들어, 유사 데이터 A를 사용한 자율 주행 차량 업체의 비즈니스 기업 가치 중 가공 데이터와 관련이 있는 가치가 10만 달러이고, 수명이 3년으로 측정된다면, 메모리(130)는 두 가지 지표를 기반으로 소득 기반 미래 가치를 산출할 수 있다.
또한, 기설정된 가치 산출 모델에 기초하여 가공 데이터의 활용 가치를 산출하기 위해, 메모리(130)에는 유사 유형 데이터의 비즈니스 기업 가치에 기초하여 가공 데이터의 현재 가치를 산출하도록 야기하는 코드가 저장될 수 있다.
예컨대, 메모리(130)는 데이터의 활용을 통해 활성화된 비즈니스의 측정 소득(가치)를 기반으로 현재 가공 데이터의 가치를 산출할 수 있다. 예를 들어, 유사 유형 데이터 A를 사용한 자율 주행 자량 업체의 비즈니스 기업 가치 중 가공 데이터와 연관이 있는 가치가 10만 달러로 측정되면, 메모리(130)는 현재 가공 데이터의 가치를 10만 달러로 산출할 수 있다.
이에 더해, 기설정된 가치 산출 모델에 기초하여 가공 데이터의 활용 가치를 산출하기 위해, 메모리(130)에는 유사 유형 데이터와 가공 데이터를 융합할 시에 추가되는 정보를 분석하여 가공 데이터의 활용 가치를 산출하도록 야기하는 코드가 저장될 수 있다.
예컨대, 메모리(130)는 유사 유형 데이터와 가공 데이터의 분석을 통해 각 데이터가 가지고 있는 정보에 대해 파악할 수 있다. 메모리(130)는 유사 유형 데이터와 가공 데이터를 융합할 시에 어떤 정보가 새로 추가되는지를 분석하여 가공 데이터의 활용 가치를 산출할 수 있다. 여기서, 메모리(130)는 융합에 필요한 비용과 리소스를 분석하고 비용 대비 이익을 산출할 수 있다.
도 3은 본 발명의 다른 실시예에 따른 데이터 가치 산출 방법의 순서를 도시한 흐름도이다.
이하에서 설명될 데이터 가치 산출 방법은 앞서 도 1 및 도 2를 참조하여 설명한 데이터 가치 산출 시스템 또는 서버(도 1의 서버)에 의해 수행될 수 있다. 따라서, 앞서 도 1 및 도 2를 참조하여 설명한 본 발명의 실시예에 대한 내용은 이하에서 설명될 실시예에도 동일하게 적용될 수 있으며, 이하에서 상술한 설명과 중복되는 내용은 생략하도록 한다. 이하에서 설명되는 단계들은 반드시 순서대로 수행되어야 하는 것은 아니고, 단계들의 순서는 다양하게 설정될 수 있으며, 단계들은 거의 동시에 수행될 수도 있다.
도 3을 참조하면, 데이터 가치 산출 방법은 데이터의 비식별화 수행 여부 판단 단계(S100), 가공 데이터 생성 단계(S200) 및 가공 데이터의 비용적 가치 및 활용 가치 산출 단계(S300)를 포함할 수 있다.
데이터의 비식별화 수행 여부 판단 단계(S100)는 수집된 데이터의 비식별화를 수행해야 하는지를 판단하여 판단 결과를 생성하는 단계이다.
가공 데이터 생성 단계(S200)는 판단 결과에 따라 수집된 데이터의 비식별화 과정 및 정제 과정 중 적어도 하나의 과정을 수행하여 가공 데이터를 생성하는 단계이다. 예컨대, 가공 데이터 생성 단계(S200)에서, 데이터의 비식별화를 수행하는 경우에 데이터 내의 식별자 및 속성자 중 적어도 하나를 비식별화하고, 비식별화된 데이터 내에서 필요 데이터만을 정제하여 가공 데이터를 생성할 수 있다. 또한, 가공 데이터 생성 단계(S200)에서, 데이터의 비식별화를 수행하지 않는 경우에 수집된 데이터 내에서 필요 데이터만을 정제하여 가공 데이터를 생성할 수 있다.
가공 데이터의 비용적 가치 및 활용 가치 산출 단계(S300)는 기설정된 가치 산출 모델에 기초하여 가공 데이터의 비용적 가치 및 활용 가치를 산출하는 단계이다.
도 4 내지 도 6은 도 3에 도시된 데이터 가치 산출 방법의 일부 단계에 대한 세부 단계들을 도시한 도면이다.
도 4를 참조하면, 데이터의 비식별화 수행 여부 판단 단계(S100)는 데이터 수집 단계(S110), 데이터 내 식별자 및 속성자가 포함되어 있는지 판단하는 단계(S120), 판단 결과를 데이터 비식별화 수행 필요로 생성하는 단계(S130) 및 판단 결과를 데이터 비식별화 수행 불필요로 생성하는 단계(S140)를 포함할 수 있다.
데이터 수집 단계(S110)는 사용자 단말 또는 외부 서버로부터 가치를 평가하고자 하는 데이터를 수집하는 단계일 수 있다.
데이터 내 식별자 및 속성자가 포함되어 있는지 판단하는 단계(S120)는 수집된 데이터를 분석하여 데이터 내 식별자 및 속성자 중 적어도 하나가 포함되어 있는지 판단하는 단계일 수 있다. 데이터 내 식별자 및 속성자가 포함되어 있는지 판단하는 단계(S120)에서, 데이터 내 식별자 및 속성자가 포함되어 있을 경우에는 판단 결과를 데이터 비식별화 수행 필요로 생성하는 단계(S130)를 수행하도록 하고, 포함되지 않을 경우에는 판단 결과를 데이터 비식별화 수행 불필요로 생성하는 단계(S140)를 수행하도록 할 수 있다.
판단 결과를 데이터 비식별화 수행 필요로 생성하는 단계(S130)는 데이터 내 식별자 및 속성자 중 적어도 하나가 포함되어 있어, 판단 결과를 데이터 비식별화 수행 필요로 생성하는 단계일 수 있다.
판단 결과를 데이터 비식별화 수행 불필요로 생성하는 단계(S140)는 데이터 내 식별자 및 속성자가 포함되어 있지 않아, 판단 결과를 데이터 비식별화 수행 불필요로 생성하는 단계일 수 있다.
도 5를 참조하면, 가공 데이터의 비용적 가치 및 활용 가치 산출 단계(S300)는 가공 데이터의 비용적 가치를 산출하기 위해, 유사도 점수에 따른 가공 데이터의 유사도 가치 산출 단계(S311), 사용 빈도에 따른 가공 데이터의 사용 빈도 가치 산출(S312) 및 가공 데이터의 비용적 가치 산출(S313)를 포함할 수 있다.
유사도 점수에 따른 가공 데이터의 유사도 가치 산출 단계(S311)는 기설정된 가치 산출 모델에 저장된 데이터들 중 기설정된 유사도 판단 방식에 따라 산출된 유사 유형 데이터 및 가공 데이터의 유사도 점수를 기초로 가공 데이터의 유사도 가치를 산출하는 단계이다. 여기서, 유사 유형 데이터는 가공 데이터와 유사한 유형의 데이터일 수 있다.
사용 빈도에 따른 가공 데이터의 사용 빈도 가치 산출(S312)는 유사 유형 데이터의 사용 빈도에 기초하여 가공 데이터의 사용 빈도 가치를 산출할 수 있다. 여기서, 유사 유형 데이터는 기설정된 가치 산출 모델이 저장된 데이터를 어떻게 얼마나 활용했는지에 대한 정보를 포함한 데이터들 중 가공 데이터와 유사한 유형의 데이터일 수 있다.
가공 데이터의 비용적 가치 산출(S313)는 가공 데이터에 대한 샘플링 검사 기법을 통해 데이터 불량률, 유사도 가치 및 사용 빈도 가치에 기초하여 가공 데이터의 비용적 가치를 산출하는 단계일 수 있다.
도 6을 참조하면, 가공 데이터의 비용적 가치 및 활용 가치 산출 단계(S300)는 가공 데이터의 활용 가치를 산출하기 위해, 수명에 따른 소득 기반 미래 가치 산출 단계(S321), 비즈니스 기업 가치에 따른 현재 가치 산출 단계(S322) 및 데이터 융합에 따른 활용 가치 산출 단계(S323)를 포함할 수 있다.
수명에 따른 소득 기반 미래 가치 산출 단계(S321)는 기설정된 가치 산출 모델에 저장된 데이터들 중 가공 데이터와 유사한 유형 데이터의 수명에 기초하여 가공 데이터의 소득 기반 미래 가치를 산출하는 단계이다.
비즈니스 기업 가치에 따른 현재 가치 산출 단계(S322)는 유사 유형 데이터의 비즈니스 기업 가치에 기초하여 가공 데이터의 현재 가치를 산출하는 단계이다.
데이터 융합에 따른 활용 가치 산출 단계(S323)는 유사 유형 데이터와 가공 데이터를 융합할 시에 추가되는 정보를 분석하여 가공 데이터의 활용 가치를 산출하는 단계이다.
도 7은 본 발명의 일 실시예에 따른 가치 판단 모델의 일 예를 도시한 도면이다. 도 7에서 설명된 가치 판단 모델은 도 1 내지 도 6에서 설명된 가치 판단 모델일 수 있다.
도 7을 참조하면, 가치 판단 모델(700)은 비용적 가치 산출 모델(710)과 활용 가치 산출 모델(720)을 포함할 수 있다.
비용적 가치 산출 모델(710)은 데이터를 구축하기 위해 사용되는 비용을 가치로 산출할 수 있다.
비용적 가치 산출 모델(710)은 유사도 가치 산출부(711), 사용 빈도 가치 산출부(712) 및 비용적 가치 산출부(713)을 포함할 수 있다.
유사도 가치 산출부(711)은 가치 산출 모델에 저장된 데이터들 중 기설정된 유사도 판단 방식에 따라 산출된, 가공 데이터와 유사한 유형의 유사 유형 데이터 및 가공 데이터의 유사도 점수를 기초로 가공 데이터의 유사도 가치를 산출할 수 있다.
사용 빈도 가치 산출부(712)는 유사 유형 데이터와 가공 데이터를 비교하여 사용 빈도 가치를 산출할 수 있다. 예컨대, 유사 유형 데이터는 데이터를 어떻게 얼마나 활용했는지에 대한 정보를 포함하여 가치 산출 모델에 저장된 데이터들 중 가공 데이터와 유사한 유형의 데이터일 수 있다.
비용적 가치 산출부(713)는 가공 데이터에 대한 샘플링 검사 기법을 통한 데이터 불량률, 유사도 가치 및 사용 빈도 가치에 기초하여 가공 데이터의 비용적 가치를 산출할 수 있다.
활용 가치 산출 모델(720)은 활용 가치는 데이터를 활용하여 얻을 수 있는 수익 또는 데이터의 활용성을 가치로 산출할 수 있다.
활용 가치 산출 모델(720)은 소득 기반 미래 가치 산출부(721), 현재 가치 산출부(722) 및 활용 가치 산출부(723)를 포함할 수 있다.
소득 기반 미래 가치 산출부(721)는 가공 데이터와 유사 유형 데이터의 수명에 기초하여 가공 데이터의 소득 기반 미래 가치를 산출할 수 있다.
현재 가치 산출부(722)는 유사 유형 데이터의 비즈니스 기업 가치에 기초하여 가공 데이터의 현재 가치를 산출할 수 있다.
활용 가치 산출부(723)는 유사 유형 데이터와 가공 데이터를 융합할 시에 추가되는 정보를 분석하여 가공 데이터의 활용 가치를 산출할 수 있다.
도 8은 본 발명의 실제 구현 예를 도시한 도면이다.
도 8을 참조하면, 기업 가치 판단 시스템은 데이터 수집 단계(S811), 비식별화 여부 판단 단계(S812), 개인정보 미포함 데이터 획득 단계(S813), 개인정보 포함 데이터 획득 단계(S814), 데이터 정제 단계(S815), 비식별화 단계(S816), 데이터 가치 판단 단계(S817) 및 데이터 가치 획득 단계(S818)를 포함할 수 있다.
데이터 수집 단계(S811)는 외부 서버 또는 사용자 단말로부터 가치 평가를 하기 위한 데이터를 수집하는 단계일 수 있다.
비식별화 여부 판단 단계(S812)는 수집된 데이터 내에 비식별화가 필요한 정보가 포함되어 있는지 판단하는 단계일 수 있다.
개인정보 미포함 데이터 획득 단계(S813)는 비식별화 여부 판단 단계(S812)로부터 비식별화가 필요한 정보가 포함되어 있지 않은 데이터를 획득하는 단계일 수 있다.
개인정보 포함 데이터 획득 단계(S814) 비식별화 여부 판단 단계(S812)로부터 비식별화가 필요한 정보가 포함된 데이터를 획득하는 단계일 수 있다.
데이터 정제 단계(S815)는 수집된 데이터들 중 필요 데이터만을 추출하는 단계일 수 있다.
비식별화 단계(S816)는 비식별화가 필요한 정보가 포함된 데이터를 비식별화하는 단계일 수 있다. 예컨대, 데이터 내 개인정보 등을 비식별화할 수 있다.
데이터 가치 판단 단계(S817)는 기설정된 가치 판단 모델에 기초하여 데이터의 가치를 판단하고 데이터의 가치를 산출하는 단계일 수 있다.
데이터 가치 획득 단계(S818)는 데이터 가치 판단 단계(S817)로부터 산출된 데이터의 가치를 획득하는 단계일 수 있다.
본 개시가 속하는 기술분야의 통상의 지식을 가진 자는 상술한 설명을 기초로 본 개시의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해되어야만 한다. 본 개시의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 개시의 범위에 포함되는 것으로 해석되어야 한다. 본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.

Claims (12)

  1. 데이터 가치 산출 시스템에 의해 수행되는 데이터 가치 산출 방법에 있어서,
    a) 수집된 데이터의 비식별화를 수행해야 하는지를 판단하여 판단 결과를 생성하는 단계;
    b) 상기 판단 결과에 따라 상기 수집된 데이터의 비식별화 과정 및 정제 과정 중 적어도 하나의 과정을 수행하여 가공 데이터를 생성하는 단계;
    c) 기설정된 가치 산출 모델에 기초하여 상기 가공 데이터의 비용적 가치 및 활용 가치를 산출하는 단계; 및
    d) 상기 가공 데이터의 유사도 가치에 기초하여 산출된 상기 가공 데이터의 개별 단가, 가공 데이터의 총 수량, 상기 가공 데이터의 비용적 가치 및 상기 가공 데이터의 사용 빈도 가치에 기초한 수학식 1에 따라 상기 가공 데이터의 비용을 산출하는 단계를 포함하고,
    상기 수학식 1은,
    이고,
    상기 St는 상기 비용적 가치이고, 상기 Dup는 상기 가공 데이터의 개별 단가이고, 상기 Dtn은 상기 데이터의 총 수량이고, 상기 Dut는 상기 가공 데이터의 사용 빈도 가치이고,
    상기 c) 단계는,
    상기 가공 데이터의 비용적 가치 판별을 위해, 공개되어 있는 유료 및 무료 데이터로부터 구축된 비용, 과정 비용 및 판매 가격 중 적어도 하나에 대한 정보를 포함한 데이터들 중 가공 데이터와 유사한 유형의 데이터인 유사 유형 데이터를 추출하는 단계;
    상기 기설정된 가치 산출 모델에 저장된 데이터들 중 기설정된 유사도 판단 방식에 따라 산출된, 상기 가공 데이터와 유사한 유형의 상기 유사 유형 데이터 및 상기 가공 데이터의 유사도 점수를 기초로 상기 가공 데이터의 유사도 가치를 산출하는 단계;
    상기 유사 유형 데이터의 사용 빈도에 기초하여 상기 가공 데이터의 사용 빈도 가치를 산출하는 단계;
    상기 가공 데이터에 대한 샘플링 검사 기법을 통한 데이터 불량률, 상기 유사도 가치 및 상기 사용 빈도 가치에 기초하여 상기 가공 데이터의 비용적 가치를 산출하는 단계;
    상기 유사 유형 데이터의 수명에 기초하여 상기 가공 데이터의 소득 기반 미래 가치를 산출하는 단계;
    상기 유사 유형 데이터의 비즈니스 기업 가치에 기초하여 상기 가공 데이터의 현재 가치를 산출하는 단계; 및
    상기 유사 유형 데이터와 상기 가공 데이터를 융합할 시에 추가되는 정보를 분석하여 상기 가공 데이터의 활용 가치를 산출하는 단계를 포함하는, 데이터 가치 산출 방법.
  2. 제1항에 있어서,
    상기 a) 단계는,
    a-1) 상기 수집된 데이터를 분석하여 데이터 내 식별자 및 속성자 중 적어도 하나가 포함되어 있는지 판단하는 단계; 및
    a-2) 상기 데이터 내에 상기 식별자 및 상기 속성자 중 적어도 하나가 포함될 경우에 상기 비식별화를 수행해야 한다고 판단하고, 상기 데이터 내에 상기 식별자 및 상기 속성자가 없을 경우에 상기 비식별화를 수행하지 않아도 된다고 판단하는 단계를 포함하는, 데이터 가치 산출 방법.
  3. 제2항에 있어서,
    상기 식별자는 상기 데이터와 관련된 개인에 대한 고유식별정보, 성명, 상세주소, 날짜 정보, 전화번호, 의료기록번호, 건강보험번호, 복지수급자번호, 통장계좌번호, 신용카드번호, 각종 자격증 및 면허 번호, 자동차 번호, 사진, 신체식별정보, 이메일주소 및 식별코드 중 적어도 하나의 식별 정보를 포함하고,
    상기 속성자는 상기 데이터와 관련된 개인에 대한 신체 특성, 신용 특성, 경력 특성, 전자적 특성 및 가족 특성 중 적어도 하나의 특성 정보를 포함하는 것인, 데이터 가치 산출 방법.
  4. 제3항에 있어서,
    상기 b) 단계는,
    상기 데이터의 비식별화를 수행하는 경우, 상기 수집된 데이터 내에서 필요 데이터만을 정제하고, 상기 필요 데이터 내의 식별자 및 속성자 중 적어도 하나를 비식별화하여 상기 가공 데이터를 생성하고,
    상기 데이터의 비식별화를 수행하지 않는 경우, 상기 수집된 데이터 내에서 필요 데이터만을 정제하여 상기 가공 데이터를 생성하는 단계를 포함하는, 데이터 가치 산출 방법.
  5. 삭제
  6. 삭제
  7. 통신 모듈;
    적어도 하나의 프로세서; 및
    상기 프로세서와 전기적으로 연결되고, 상기 프로세서에서 수행되는 적어도 하나의 코드(code)가 저장되는 메모리를 포함하고,
    상기 메모리는 상기 프로세서를 통해 실행될 때 상기 프로세서가, 수집된 데이터의 비식별화를 수행해야 하는지를 판단하여 판단 결과를 생성하고, 상기 판단 결과에 따라 상기 수집된 데이터의 비식별화 과정 및 정제 과정 중 적어도 하나의 과정을 수행하여 가공 데이터를 생성하고, 기설정된 가치 산출 모델에 기초하여 상기 가공 데이터의 비용적 가치 및 활용 가치를 산출하며, 상기 가공 데이터의 유사도 가치에 기초하여 산출된 상기 가공 데이터의 개별 단가, 가공 데이터의 총 수량, 상기 가공 데이터의 비용적 가치 및 상기 가공 데이터의 사용 빈도 가치에 기초한 수학식 1에 따라 상기 가공 데이터의 비용을 산출하고,
    상기 수학식 1은,
    이고,
    상기 St는 상기 비용적 가치이고, 상기 Dup는 상기 가공 데이터의 개별 단가이고, 상기 Dtn은 상기 데이터의 총 수량이고, 상기 Dut는 상기 가공 데이터의 사용 빈도 가치이고,
    상기 가공 데이터의 비용적 가치 판별을 위해, 공개되어 있는 유료 및 무료 데이터로부터 구축된 비용, 과정 비용 및 판매 가격 중 적어도 하나에 대한 정보를 포함한 데이터들 중 가공 데이터와 유사한 유형의 데이터인 유사 유형 데이터를 추출하고,
    상기 기설정된 가치 산출 모델에 저장된 데이터들 중 기설정된 유사도 판단 방식에 따라 산출된, 상기 가공 데이터와 유사한 유형의 상기 유사 유형 데이터 및 상기 가공 데이터의 유사도 점수를 기초로 상기 가공 데이터의 유사도 가치를 산출하고, 상기 유사 유형 데이터의 사용 빈도에 기초하여 상기 가공 데이터의 사용 빈도 가치를 산출하고, 상기 가공 데이터에 대한 샘플링 검사 기법을 통한 데이터 불량률, 상기 유사도 가치 및 상기 사용 빈도 가치에 기초하여 상기 가공 데이터의 비용적 가치를 산출하고, 상기 유사 유형 데이터의 수명에 기초하여 상기 가공 데이터의 소득 기반 미래 가치를 산출하고, 상기 유사 유형 데이터의 비즈니스 기업 가치에 기초하여 상기 가공 데이터의 현재 가치를 산출하며, 상기 유사 유형 데이터와 상기 가공 데이터를 융합할 시에 추가되는 정보를 분석하여 상기 가공 데이터의 활용 가치를 산출하도록 야기하는 코드를 저장하는, 데이터 가치 산출 시스템.
  8. 제7항에 있어서,
    상기 메모리는 상기 프로세서로 하여금,
    상기 수집된 데이터를 분석하여 데이터 내 식별자 및 속성자 중 적어도 하나가 포함되어 있는지 판단하고, 상기 데이터 내에 상기 식별자 및 상기 속성자 중 적어도 하나가 포함될 경우에 상기 비식별화를 수행해야 한다고 판단하고, 상기 데이터 내에 상기 식별자 및 상기 속성자가 없을 경우에 상기 비식별화를 수행하지 않아도 된다고 판단하도록 야기하는 코드를 저장하는, 데이터 가치 산출 시스템.
  9. 제8항에 있어서,
    상기 식별자는 상기 데이터와 관련된 개인에 대한 고유식별정보, 성명, 상세주소, 날짜 정보, 전화번호, 의료기록번호, 건강보험번호, 복지수급자번호, 통장계좌번호, 신용카드번호, 각종 자격증 및 면허 번호, 자동차 번호, 사진, 신체식별정보, 이메일주소 및 식별코드 중 적어도 하나의 식별 정보를 포함하고,
    상기 속성자는 상기 데이터와 관련된 개인에 대한 신체 특성, 신용 특성, 경력 특성, 전자적 특성 및 가족 특성 중 적어도 하나의 특성 정보를 포함하는 것인, 데이터 가치 산출 시스템.
  10. 제9항에 있어서,
    상기 메모리는 상기 프로세서로 하여금,
    상기 데이터의 비식별화를 수행하는 경우, 상기 수집된 데이터 내에서 필요 데이터만을 정제하고, 상기 필요 데이터 내의 식별자 및 속성자 중 적어도 하나를 비식별화하여 상기 가공 데이터를 생성하고,
    상기 데이터의 비식별화를 수행하지 않는 경우, 상기 수집된 데이터 내에서 필요 데이터만을 정제하여 상기 가공 데이터를 생성하도록 야기하는 코드를 저장하는, 데이터 가치 산출 시스템.
  11. 삭제
  12. 삭제
KR1020230051419A 2023-04-19 2023-04-19 데이터 가치 산출 방법과 시스템 KR102645612B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230051419A KR102645612B1 (ko) 2023-04-19 2023-04-19 데이터 가치 산출 방법과 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230051419A KR102645612B1 (ko) 2023-04-19 2023-04-19 데이터 가치 산출 방법과 시스템

Publications (1)

Publication Number Publication Date
KR102645612B1 true KR102645612B1 (ko) 2024-03-11

Family

ID=90248789

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230051419A KR102645612B1 (ko) 2023-04-19 2023-04-19 데이터 가치 산출 방법과 시스템

Country Status (1)

Country Link
KR (1) KR102645612B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160071899A (ko) * 2014-12-12 2016-06-22 한국과학기술정보연구원 기술 가치 평가 장치, 방법 및 이를 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체
KR101783476B1 (ko) * 2016-12-15 2017-10-10 (주) 씨이랩 원천 데이터 제공에 따른 수익 분배 및 데이터 거래 서비스 제공 방법
KR20190050691A (ko) * 2017-11-03 2019-05-13 한국전자통신연구원 전주기적 비식별화 관리 장치 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160071899A (ko) * 2014-12-12 2016-06-22 한국과학기술정보연구원 기술 가치 평가 장치, 방법 및 이를 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체
KR101783476B1 (ko) * 2016-12-15 2017-10-10 (주) 씨이랩 원천 데이터 제공에 따른 수익 분배 및 데이터 거래 서비스 제공 방법
KR20190050691A (ko) * 2017-11-03 2019-05-13 한국전자통신연구원 전주기적 비식별화 관리 장치 및 방법

Similar Documents

Publication Publication Date Title
CN109658478B (zh) 一种提供企业画像的方法及系统
CN108133013B (zh) 信息处理方法、装置、计算机设备和存储介质
US11682093B2 (en) Document term recognition and analytics
US11652628B2 (en) Deterministic verification of digital identity documents
WO2019080662A1 (zh) 信息推荐方法及装置、设备
US20210233181A1 (en) System and method of determining tax liability of entity
WO2019084922A1 (zh) 信息处理方法和系统、服务器、终端、计算机存储介质
US20160321723A1 (en) Systems and methods for presenting vendor data
KR20160088307A (ko) 지불 승인 네트워크 내의 판매자 식별을 얻기 위한 방법 및 시스템
CN107798579B (zh) 一种协议文件的生成方法及其终端
US20190147468A1 (en) Location evaluation
CN108885762B (zh) 用于在数据市场中分配价格发现机制的方法和系统
EP3306550A1 (en) Determination device, determination method, and determination program
AU2017425676B2 (en) System for data consolidation across disparate namespaces
CN106489156A (zh) 用于从表征多个文档的图像中提取文档图像的系统和方法
Nanda et al. Decentralization of car insurance system using machine learning and distributed ledger technology
KR102645612B1 (ko) 데이터 가치 산출 방법과 시스템
KR20170092516A (ko) 싸이버 빅데이터 거래시스템 및 방법
US9338062B2 (en) Information displaying method and apparatus
US20150161532A1 (en) Business process modeling using a question and answer system
AU2014101413B4 (en) Information displaying method and apparatus
TW201546731A (zh) 用於網路經紀媒合平台之資訊交換系統及其資訊交換方法
Erdogan Check for A Need for Privacy-Assistive Technology in Notice and Consent Paradigm in IoT
KR102347187B1 (ko) Ai　마케팅　솔루션을　위해　특정　사이트에　대한　정보를　분석하는　전자　장치　및　그　동작　방법
Steinberg et al. Application of analytical hierarchy process to support selection of difficult-to-quantify characteristics in new product development

Legal Events

Date Code Title Description
AMND Amendment
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant