[논문 리뷰] Empirical Big Data Research: A Systematic Literature Mapping

Leendert W. M. Wienhofen, Bjørn Magnus Mathisen외 1명|arXiv (Cornell University)|2015. 09. 10.

Big Data and Business Intelligence참고 문헌 217인용 수 12

한 줄 요약

이 연구는 빅데이터 분야의 체계적 문헌 맵핑을 수행하여 실증 연구의 빈도와 세 가지 V(용량, 속도, 다양성)와의 일치도를 평가하고, 적용 분야를 특정한다. 전체 1,778편의 논문 중 실증 결과를 포함한 논문은 151편(8.5%)에 불과했으며, 다양성은 가장 미비하게 연구되었지만 잠재력 있는 연구 영역로 부상하고 있다.

ABSTRACT

Background: Big Data is a relatively new eld of research and technology, and literature reports a wide variety of concepts labeled with Big Data. The maturity of a research eld can be measured in the number of publications containing empirical results. In this paper we present the current status of empirical research in Big Data. Method: We employed a systematic mapping method with which we mapped the collected research according to the labels Variety, Volume and Velocity. In addition, we addressed the application areas of Big Data. Results: We found that 151 of the assessed 1778 contributions contain a form of empirical result and can be mapped to one or more of the 3 V’s and 59 address an application area. Conclusions: The share of publications containing empirical results is well below the average compared to computer science research as a whole. In order to mature the research on Big Data, we recommend applying empirical methods to strengthen the condence in the reported results. Based on our trend analysis we consider Variety to be the most promising uncharted area in Big Data.

연구 동기 및 목표

• 문헌 내 실증 연구의 비율을 측정하여 빅데이터 연구의 현재 성숙도를 평가하기 위해.
• 빅데이터의 핵심 세 요소인 용량, 속도, 다양성의 세 가지 차원에 걸쳐 기존 실증 연구를 맵핑하기 위해.
• 빅데이터 연구가 적용되고 있는 응용 분야를 특정하고 분류하기 위해.
• 전체 컴퓨터 과학 분야와 비교하여 빅데이터 분야의 실증 연구 환경 전반을 평가하기 위해.
• 연구의 성숙도와 신뢰성을 향상시키기 위해 실증 연구의 철학적 엄밀성을 강화할 수 있는 전략을 제안하기 위해.

제안 방법

• 빅데이터 분야의 1,778편의 논문을 분석하기 위해 체계적 문헌 맵핑 접근법을 적용하였다.
• 논문은 용량, 속도, 다양성의 세 가지 V에 대한 일치 여부에 따라 분류되었다.
• 측정 가능한, 데이터 기반의 결과가 포함된 경우 실증 결과로 식별하고 분류하였다.
• 식별된 논문들에서 응용 분야를 추출하고 분류하였다.
• 각 V 차원의 발전 수준과 잠재력 평가를 위해 추세 분석을 수행하였다.
• 빅데이터 분야의 실증 논문 비율을 컴퓨터 과학 분야 평균과 비교하여 연구 성숙도를 평가하였다.

실험 결과

연구 질문

• RQ1 빅데이터 연구 논문 중 실증 결과를 포함한 비율은 얼마인가?
• RQ2 기존 실증 연구는 빅데이터의 세 가지 V(용량, 속도, 다양성) 중 어디에 어떻게 분포되어 있는가?
• RQ3 빅데이터 연구에서 가장 두드러지게 다루어지는 응용 분야는 무엇인가?
• RQ4 빅데이터 분야의 실증 연구 비율은 컴퓨터 과학 분야 전반의 평균과 비교해 어떻게 다른가?
• RQ5 세 가지 V 중 향후 실증 연구를 위한 가장 미비하게 연구되었지만 유망한 분야는 무엇인가?

주요 결과

• 전체 1,778편의 논문 중 실증 결과를 포함한 논문은 151편(약 8.5%)에 불과했다.
• 대부분의 실증 연구는 용량과 속도에 할당되었으며, 다양성은 상당히 부족하게 나타났다.
• 59편의 논문이 특정 응용 분야를 다루어 빅데이터 연구의 일부 실용적 적용 사례를 보여주었다.
• 빅데이터 분야의 실증 연구 비율은 컴퓨터 과학 분야 전체 평균보다 현저히 낮았다.
• 추세 분석 결과, 다양성이 향후 실증 빅데이터 연구에 가장 유망한 미개척 분야로 나타났다.
• 낮은 실증 검증 비율은 연구의 철학적 엄밀성을 강화할 필요가 있음을 시사하며, 이는 분야의 성숙도와 신뢰성 향상에 기여할 것이다.