• 2017-012

제4차 산업혁명 시대에 대비한 SW인력 중장기 수요 전망

날짜2018.05.09
조회수14150
글자크기
요약문 상세
    • 1. 연구 목적 및 필요성
    • 기존 산업의 근간이 되어온 제조 분야에 대한 정보통신 기술의 결합은 사물과 사물의 연결에 의한 산업구조의 변화를 가져오고 있다. 특히 정보통신기술에 기반한 4차 산업혁명은 기존 산업 구조로 하여금 파괴적 양상으로 나타나고 있다. 이 중 가장 큰 변화는 일자리 수의 감소 또는 신규 일자리의 출현이다.
    • 급격한 산업 환경 및 경제 환경의 변화로 야기되는 신사업 영역에서 새로운 직종의 발생 및 기존 직업에 대한 수요 전망을 확인하는 것은 매우 중요하다. 따라서 각 산업 분야별 인력 수요의 예측 및 신규 직종 및 직업을 구분해내는 것이 매우 시급한 시기이며 국가적 핵심 직업군의 육성 및 대응 전략 수립에 활용할 일자리 전략 수립을 위해 명확한 예측 정보가 필요하다.
    • 그럼에도 불구하고 기존 직종 분류에 대한 연구들은 주로 산업 전문가 및 실무 경험자들의 정성적 평가에 의존한 경우가 많았다. 특히 데이터 수집, 가공, 분석에 소모되는 시간을 고려할 때, 기존의 분석 방식에 의한 결과 자료는 현재의 상황에 대응하기에는 약 1~2년의 시차가 발생한다. 따라서 전통적 방식의 예측방법은 현재를 확인하고 대응할 수 있는 미래 신규 일자리 수요를 정확히 예측하기 어렵다. 이 문제를 해결하기 위해서는 최신의 구인 정보를 전수 분석함으로서 2017년 현재의 시장 환경에 반영하는 것이 필요하다. 따라서 최근 활발히 도입되고 있는 빅데이터 기반의 분류 기법을 이용한 분석을 도입하는 것은 본 문제의 해결에 매우 시의적절하다.
    • 특히 4차 산업혁명의 핵심 동인인 소프트웨어 분야의 특성을 파악하고 향후 출현할 직업 및 규모가 줄어들거나 타 직업과 융합될 직업에 대한 확인이 산업정책의 도출을 위해 선행적으로 수행되어야 한다. 따라서 본 연구는 텍스트마이닝을 통하여 직종 및 직업 분류를 도출하고, 각각의 직종별 성장 가능성에 대한 예측 분석을 수행함으로써 다가올 4차 산업혁명 시대의 대응 전략 및 핵심 산업 육성을 위한 토대를 마련하고자 하였다.
    • 그러므로 본 연구과제의 목적은 SW산업 관련 직종에 대한 구인정보를 바탕으로, 직종 및 직업의 재구성 및 신규 출현, 분화, 융합되는 직업을 분석함으로서 각 직종별 향후 방향성을 도출함에 있다. 연구 목적에 따른 본 연구과제의 세부 연구 사항은 다음과 같다. 첫째, 빅데이터 기반 워크넷의 구인 정보 분석을 통한 현 시점의 SW분야 인력수요를 파악하여 기존·신규 직종 및 직업에 대한 데이터 기반 분류를 도출한다. 둘째, 데이터 기반 분류 결과에 기반한 정성적 검정과 직종·직업 수요의 예측결과 기반 산업 생태계 분석을 수행한다.
    • 2. 연구 범위 및 방법
    • 본 연구 보고서의 구성은 다음과 같다. 먼저, 1장에서는 4차 산업사회의 특징과 일자리 변화를 중심으로 연구의 배경 및 목적을 기술하였다. 2장에서는 SW산업의 환경 분석을 바탕으로 정치, 경제, 사회 및 기술적 분석을 수행하였으며 본 연구에서 활용할 빅데이터 분석 방법인 다이나믹토픽모델링(Dynamic Topic Modeling, 이하, DTM)을 제시하였다. 빅데이터 분석 방법론의 적정성 평가를 위해 DTM의 원천 알고리즘인 잠재디리클레할당(Latent Dirichlet allocation, 이하, LDA)을 간단히 소개하고 이와 DTM사이의 장단점을 비교분석하였다. 이와 더불어 기존의 SW관련 직종·직업의 분류 방법에 대한 개선 사항을 도출하였다. 3장에서는 워크넷의 SW인력 채용공고 수집 프로세스 및 실제 DTM 분석과정과 직종·직업 도출 과정을 기술하였다. 분석을 위하여 먼저 텍스트마이닝을 통해 채용공고 데이터에 대한 수집 및 단어별 전처리를 끝낸 후, DTM 기반의 분석을 수행하여 직종·직업의 분류체계를 구분하였다. 이후 도출된 신규 및 기존 직종/직업의 도출 결과를 바탕으로 각 직종의 연평균복합성장률(CAGR)을 분석하여 시사점을 도출하였다. 연구 결과에 대해서는 DTM을 통해 도출 된 핵심단어 기반 직종·직업을 기존에 존재하는 분류체계와 매핑하여 범용성을 확보하고, 거시 환경 분석과의 결과 일치성을 검토하여 신뢰성을 검증하였다. 마지막으로 4장에서는 전체 연구에서 확인된 결과의 해석 및 시사점을 도출하고 최종 정책적 제언을 제시하였다.
    • 3. 연구 내용 및 결과
    • 본 연구를 수행하기 위하여 SW인력 관련 고용 시장 수요 데이터를 확보하고 데이터 분석을 통하여, 텍스트마이닝을 실시하였다. 이를 통해 도출한 결과는 다음과 같다. 첫째, 수집된 내용을 토대로 빅데이터 기반 분석 프로세스를 적용하여 다이내믹 토픽 모델링 분석을 실시하고, 24개의 토픽으로 분류하여 현재 상황을 반영한 데이터 기반 채용공고 유형화를 수행하였다. 둘째, 워크넷 및 잡(Job) 채용 사이트에서 획득된 인력공급 요구 데이터와 상기 언급한 한국직업분류체계(KSCO), 미국직업분류체계(O*net), 국제직무역량표준(SFIA) 등 7개의 기존 직종 및 직업 분류체계를 기반으로 DTM을 활용한 12개의 직종, 24개의 직업을 구성하였다. 이를 통해 변화된 일자리 4가지 직종과 9개의 직업을 확인하였다. 셋째, 분석 결과를 거시 환경 분석인 PEST 모델에 맞춰 현재 시장에 알맞은 분석이 되었는지 일치성을 검토하였다. 넷째, 연평균종합성장률(CAGR) 분석을 통하여 직업별 공고 수 및 평균 증감률, 평균 변동률 이에 따른 누적 공고 수를 확인하였다.
    • 4. 정책적 활용 내용
    • 본 연구과제는 워크넷 데이터를 기반으로 SW산업 현장의 일자리 변화 형태를 4차 산업혁명 시대에 대비한 직종 분류를 바탕으로 재정립함으로써 이론과 실무 관점의 직종 및 직업 전문성에 대한 이질감을 축소한 점에 의의가 있으며 다음과 같은 장점이 있다. 첫째, 총 24종의 분류된 직업 중 변화된 일자리로 4개 직종 및 9개 직업을 구분함에 따라, 분화, 변화, 발견 직종을 구분하여 향후 국가 경쟁력 재고를 위한 일자리 전략 도출에 활용할 수 있다. 둘째, 24개 직종 및 직업의 군집화를 바탕으로 실시간 직종 및 직업의 변화 추이를 관찰할 수 있다. 특히 시간 흐름에 따라 직종 및 직업이 어떻게 분화, 융합, 변화, 발견 될 수 있는지 확인함에 따라 향후 직업의 변화 가능성에 시의적절한 직업 육성 전략을 수립할 수 있다.
    • 5. 기대효과
    • 일자리 도출에 빅데이터 기반 분석방법론을 활용하는 접근은 향후 급변하는 일자리 지형변화를 측정하기 위한 실시간 분석 도구로 활용가능하다. 특히 본 연구과제에서 다룬 분석 방식과 데이터 처리는 직종·직업 별 역량의 변화를 객관적으로 확인할 수 있다. 또한 다양한 선행연구의 단점을 보완함으로서 실시간 일자리 변화 대응에 능동적 대처가 가능할 것으로 판단된다. 특히 향후 직종·직업에 대한 능동적 대응 정책을 도출하는 것은 향후 국가 경쟁력을 강화시킬 수 있다. 또한 SW분야의 직업이 분화, 융합, 변화, 발견 등 상이한 양상으로 진화하고 있음을 확인함으로써, 4차 산업혁명을 대비하기 위한 SW인력 양성 정책의 효과적인 전략 수립에 도움을 줄 수 있을 것으로 기대한다.
  • Summary
    • 1. Research Purpose and Necessity
    • The combination of ICT technology in the manufacturing sector, which has been the basis of the existing industry, is leading to changes in the connected industrial structure. Especially, the 4th industrial revolution through ICT has a destructive effect on the existing industrial structure. The biggest change is the decrease in the number of jobs or the emergence of new jobs.
    • New business is being activated in a rapid change of industrial environment and economic environment. Therefore, it is very important to identify the prospects for new occupations from various job characteristics. Therefore, it is necessary to predict the demand for labor in each industry sector and to classify new occupations and jobs. This is useful for the government to develop a core workforce and to develop a response strategy.
    • Nevertheless, previous studies on the classification of occupations often rely on the qualitative evaluation of industry experts and practitioners. In particular, considering the time of data collection, processing, and analysis, the analysis results of previous studies show a time lag of about one or two years from the recent situation. Therefore, it is difficult to identify future demand for new jobs that can respond appropriately to the current situation. To solve this problem, it is necessary to analyze and reflect the current data of 2017 by analyzing the latest job information. Therefore, it is very timely to approach the analysis using the big data-based classification technique which is actively used recently.
    • In particular, this research should identify the characteristics of the software industry, which is the most important area in the fourth industrial revolution. To do this, this research need to analyze the emerging jobs and the jobs that will disappear. Therefore, this study predicted the possibility of future job growth by performing job classification through text mining. These insights will provide the foundation for proper response strategies and upbringing of key industries in the forthcoming industrial revolution era.
    • The purpose of this study is to define occupational reorganization and newly emerging occupations based on the job information of SW industry related occupations and to analyze future demand direction for each job. The details of this research project are as follows. First, this study categorizes and derives existing and new occupations for SW industry at this time through analyzing Worknet’s job information with big data analysis. Second, we conduct qualitative tests through expert opinions on new and existing occupations in the SW field, and analysis for forecasting the demand of each occupation.
    • 2. Research Scope and Methodology
    • This research was composed as follows. In Chapter 1, we describe the background and purpose of the research based on the characteristics of the 4th industrial society and the importance of SW industry to job change. In Chapter 2, political, economic, social and technological analyzes were conducted based on the environmental analysis of the SW industry. The validity of the analytical method was evaluated by distinguishing the difference between the DTM (Dynamic Topic Modeling) presented in the big data analysis method and the Latent Dirichlet allocation (LDA) used in previous studies. In addition, we have improved the existing classification system of SW related occupations. In Chapter 3, after collecting the workforce recruitment announcements of Worknet, we rearranged the jobs and occupations based on the keywords of the announcement contents and examined the macroeconomic analysis. Moreover, this study collects and annotates the employment announcement data through text mining. And then we analyze the DTM topic modeling based on classification of job and occupation classification system. Based on deriving the new and existing jobs and occupations, the CAGR of each occupation was analyzed and implications were derived. In Chapter 4, the implications of the results and the political suggestions are presented.
    • 3. Research Contents and Results
    • This study collected demand data of SW-related industry and conducted text mining. The results of this study are as follows. First, based on the collected data, DTM analysis was performed and identified that occupations were re-classified into 24 topics. Second, the data on the labor supply requirements obtained from the worknet and other recruitment sites were compared with seven job categories and job classification systems such as KSCO, O*net, and SFIA. As a result, 12 jobs and 24 professions were formed. This identified 4 jobs and 9 professions that will change. Third, according to the analysis of the PEST, which is the macroeconomic analysis, we analyzed whether the analysis was appropriate for the environment of current SW industry. Fourth, the number of announcements, average increase rate, average change rate, and cumulative announcement number were confirmed by CAGR analysis.
    • 4. Political Implications
    • This study analyzed the changing patterns of the workplace in the SW industry based on the Worknet. The results are meaningful to redefine the classification of occupations in preparation for the fourth industrial revolution era. That result reduces the disparity in the professionalism of theory and practice. First, among the 24 types of classified jobs, 4 jobs and 9 professions were classified. In particular, it is possible to apply the system for deriving job strategy for future national competitiveness by classifying differentiated, changed, and appearing specific occupations. Second, we can observe periodic changes in the clustering of 24 jobs and profession. Confirming the differentiating, converging, changing, and appearing jobs and professions by time, it is possible to establish a timely career development strategy for future job change.
    • 5. Expected Results
    • In the fourth industrial society, the SW field can be regarded as a core industry. Therefore, the analysis of the keyword of the Worknet presented is optimized to utilize in the rapidly changing SW industry in the process of job creation and prediction of job change. In particular, this research aims at objectively confirming the change of competency by job type and profession type. It is also possible to actively cope with changes in real-time job-changing situations by supplementing the insignificant part of the analysis methods of previous studies. As a result, using the big data analysis, it is possible to enhance the national competitiveness in the rapidly changing 4th industrial society by deducing active policies for future occupations and occupations. In addition, differentiating, converging, changing and appearing ways of jobs in SW field can be analyzed in order to prepare jobs required in whole industries in South Korea to prepare for industrial society in the fourth. Therefore, it is expected that this study provides a way to promote the change of the whole industry by deducing new jobs and observing changes in existing jobs.
목차 상세
    • 제1장 서 론
    • 제1절 연구 배경
    • 제2절 연구 목적
    • 제2장 SW 산업의 환경 분석 및 신·구 직종 및 직업 분류
    • 제1절 데이터 분석 개요
    • 1. SW인력 수요 빅데이터 분석 프로세스
    • 제2절 거시환경 분석(PEST)
    • 1. 정치적(Political)
    • 2. 경제적(Economical)
    • 3. 사회문화적(Socio-cultural)
    • 4. 기술적(Technological)
    • 제3절 텍스트마이닝 분석 모델
    • 1. 잠재 디리클레 할당(LDA)
    • 2. 다이내믹 토픽 모델링(DTM)
    • 제4절 SW산업 직종 및 직업 분류체계
    • 1. 한국표준직업분류 (KCSO-07)
    • 2. ICSO-88 (국제표준직업분류)
    • 3. 한국고용직업분류 (KECO-09)
    • 4. 국가직무능력표준 (NCS)
    • 5. IT 분야 역량인정체계 (ITSQF)
    • 6. O*net (미국직업정보체계)
    • 7. SFIA (The Skills Framework for the Information Age)
    • 제3장 분석 결과
    • 제1절 텍스트마이닝 분석
    • 1. SW인력 수요 정보 데이터
    • 2. 빅데이터 기반 분석 프로세스
    • 3. 분석 결과
    • 4. 분석 후 직종/직업 재배치
    • 5. 일자리 변화상(직종/직업)
    • 제2절 거시 환경 분석과 일치성 검토
    • 1. 거시 환경 분석(PEST)과 SW직종 재배치의 일치성 검토
    • 2. 결과 비교
    • 3. 거시 환경 분석과 재배치 검토의 시사점
    • 제3절 SW직종 수요 예측을 위한 연평균복합성장률(CAGR) 분석
    • 1. 연평균종합성장률 (CAGR) 분석 프로세스
    • 2. 재배치된 SW 직종별 CAGR 결과
    • 3. CAGR의 결과에 따른 SW인력 수요 전망의 시사점
    • 제4장 시사점 및 제언
    • 제1절 시사점 및 향후 연구 방향
    • 제2절 제언
  • Contents
    • Chapter 1. Introduction
    • Section 1. Research Background
    • Section 2. Research Purpose
    • Chapter 2. The Environmental analysis of SW industry and classification of new and old occupation and job classification
    • Section 1. Introduction of Data Analysis
    • Section 2. The PEST Analysis of SW Industry
    • Section 3. The Methodology of Text Mining
    • Section 4. The Review of Previous Occupation Classifications
    • Chapter 3. Analysis and Improvement of SW Education in University
    • Section 1. The Result of Text Mining for Worknet Data
    • Section 2. The Validity for Mining Result with PEST analysis in SW Industry
    • Section 3. The CAGR results for Jobs and Professions in SW Industry
    • Chapter 4. Implication and Critical Review
    • Section 1. Implication and Future Study
    • Section 2. Conclusions