Earticle

As the users continuously play the mobile game, the mobile game service requires a method to manage theirinformation such as their game play score and their own game items. For the purpose of responding to the userrequests in real time, the proposed method reduces the size of the database by separating the information ofinactive users from the main database. Considering the construction cost, the proposed method moves theinformation of the inactive users to the file instead of another secondary database system. In order to minimizethe effect of the system environment such as CPU or memory, the proposed method depends on the responsetime to the user request rather than the last login time or the number of the user accounts. For the safety andconsistency of the database, the proposed method utilizes a traditional RDBMS rather than NoSQL.

최근 초거대 AI의 부상으로 고품질 학습용 데이터의 중요성이 증대됨에 따라, 본 연구는 기존 설문조사 기반 연구의 한계를 넘어 대규모 로그 데이터를 활용해 AI 허브 이용자의 실제 데이터 소비 행태를 실증적으로 규명하고자 하였다. 이를 위해 2024년과 2025년의 이용 로그를 바탕으로 이용 그 룹별 방식 변화를 통계적으로 검증하고, 연관 규칙 및 사회 연결망 분석(SNA)을 통해 데이터 간의 구 조적 관계를 시각화하였다. 분석 결과, 개인 이용자는 웹 중심의 탐색을 유지하는 반면, 기업 및 기관 이용자는 API 기반의 자동화된 이용 방식으로 급격히 전환되고 있음이 확인되었다. 또한 데이터 소 비 패턴 분석 시, 텍스트 데이터는 네트워크 전반에 걸쳐 높은 연결 중심성을 가지며, 영상 및 이미지 데이터는 높은 향상도(Lift)를 기반으로 특정 도메인 내에서 강하게 결합된 형태의 소비 특성을 보였 다. 본 연구는 이러한 결과를 바탕으로 이용자 유형에 따른 이원화된 플랫폼 운영 정책과 데이터 특 성을 고려한 큐레이션 전략을 제안한다.

This study empirically analyzes AI Hub user behavior using large-scale log data from 2024 to 2025, addressing the growing demand for high-quality training data. We applied Association Rule Mining and Social Network Analysis (SNA) to visualize structural consumption patterns. Results confirm a divergence: individual users prefer web-based exploration, while organizations are shifting toward API-based automation. Network analysis reveals that text data acts as a central “anchor” with broad connectivity, whereas image and video data exhibit strong, domain-specific clustering based on high lift values. Consequently, we propose a dual-track strategy: enhancing web UX for individuals and API infrastructure for organizations, alongside purpose- driven data curation to optimize the AI ecosystem.

분산 시스템은 대규모 데이터 처리의 한계를 극복하며, 기존 중앙 집중형 시스템의 성능 저하와 자원 비효율 문제를 해결한다. 특히 대규모 로그 분석은 시스템 운영 상태, 성능 최적화 등 다양한 분야에서 활용된다. 하둡은 분산 처리 분야의 주요 도구이며, 맵리듀스는 데이터를 병렬 처리하고, HDFS는 높은 확장성과 내결함성을 제공한다. 이러한 특징 덕분에 하둡은 대규모 로그 데이터의 효율적인 처리 및 분석에 적합하다. 최근 IT 플랫폼들은 대규모 분산 환경에서 운영됨에 따라 로그 데이터의 양이 기하급수적으로 증가한다. 이로 인한 로그의 급격한 증가는 고수준의 빅데이터 분석 기술을 요구하며, CPU와 메모리 사용 시간 및 메모리 사용량 증가, 처리 속도 지연을 야기한다. 이에 본 논문에서는 대규모 로그 데이터 분석을 위한 패턴화 압축 기반 빅데이터 처리 시스템을 제안한다. 제안하는 시스템은 데이터 압축 기술을 활용하여 자원 사용시간 및 사용량을 감소시키고 처리 속도를 향상시킨다. 성능 평가 결과, CPU 사용량은 기존 대비 78.8%, 메모리 사용 시간은 65%, 메모리 사용량 6.2%, 처리 시간은 80% 감소하며 향상된 성능을 보인다. 향후 본 연구를 기반으로 다양한 데이터 구조에서의 패턴화 압축 알고리즘을 적용한 실질적인 검증이 필요하다.

Distributed systems overcome the limitations of large-scale data processing and address inefficiencies in resource utilization of traditional centralized systems. In particular, large-scale log analysis is utilized in various fields, such as monitoring system performance and operational status and optimizing overall efficiency. Hadoop is a major tool in the field of distributed processing, with MapReduce enabling parallel data processing and HDFS offering high scalability and fault tolerance. These features make Hadoop well-suited for the efficient processing and analysis of large-scale log data. Recently, as IT platforms operate in large-scale distributed environments, the volume of log data has increased exponentially. This rapid growth in log data demands advanced big data analysis technologies but also increases CPU and memory usage, as well as processing delays. To address these challenges, this paper proposes a patterned compression-based big data processing system for large-scale log data analysis. The proposed system leverages data compression technology to reduce resource usage time and consumption while improving processing speed. Performance evaluation results show improvements: CPU usage is reduced by 78.8%, memory usage time by 65%, memory consumption by 6.2%, and processing time by 80%, achieving significant overall performance enhancement. Based on this study, further research and validation are expected to focus on applying patterned compression to various types of big data.

Attempts to hack online game servers and abusing problems in online games have been issues in gameindustry. Mobile games are famous these days thanks to the widespread of smart devices. Unfortunately, mobilegames have very short life cycle. Therefore, analysis of game log data becomes more important to overcome thehacking and abusing problems in online games and extend their life cycles in mobile games. In this paper, wepropose a new game log data analysis technique based on the MapReduce methodology. MapReduce is a widelyused programming model for analyzing and processing Big data. Instead of processing each analysis queryseparately, the proposed technique processes multiple analysis queries together in a batch by a single, optimizedMapReduce job. As a result, the number of queries processed per unit time increases significantly. Experimentresults show that the proposed technique improves the performance significantly compared to a naive method.

본 연구는 중학생들의 스마트폰 애플리케이션 실제 사용행태와 관련해 실증적 데이터를 이용해 성별의 차이를 알아보고 자 하였다. 사용관리 애플리케이션 조사에 동의한 학생 199명을 대상으로 로그 기록을 수집하였으며, 남성은 128명, 여성 은 71명이었다. 첫째, 애플리케이션당 일일 사용횟수는 여성이 많은 반면, 일일 사용시간은 남성이 더 길었다. 둘째, 콘텐츠 별 사용비율을 살펴본 결과 남성은 도구/생산성, 소셜, 게임 콘텐츠 등의 순으로 나타났고, 여성은 소셜, 도구/생산성, 사진 콘텐츠 등의 순으로 나타났다. 셋째, 남성은 게임, 동영상 플레이어/편집기, 만화 콘텐츠를 하루에 여성보다 더 많이 긴 시간 사용한 반면, 여성은 돈벌기, 라이프스타일, 사진, 소셜, 엔터테인먼트, 음악 및 오디오, 정보수집 및 참고자료 콘텐츠를 하루에 남성보다 더 많이 긴 시간 사용하였다.

This study investigates the gender differences in the actual usage of smartphone applications among middle school students using empirical data. The log records were collected from 199 students 128 who agreed to answer smartphone use management application research questions, male and 71 female. First, while the total number of applications used is higher for females, the total usage time is higher for males. Second, as a result of content usage ratio, males appeared in the order of tool/productivity, social, game content, and so on. Likewise, Female's social, tools/productivity, photo content, and so on. Third, males use games, video players/editors, and cartoon content for a longer time than females in a day. On the other hand, females use money, lifestyle, photography, social, entertainment, music and audio, information gathering, and reference content more than males in a day.

본 논문에서는 검색로그 데이터의 네트워크 분석방법을 통해 검색자들의 검색행위에 나타난 다양한 특성을 살펴보았다. 이러한 작업을 통해 얻어진 결과는 다음과 같다. 첫째, 검색자들은 검색어의 유사성에 따라 네트워크라는 연결구조를 나타내었다. 둘째, 특정한 검색자 네트워크에서 중심적인 위치를 차지하는 검색자들이 존재하였다. 셋째, 중심 검색자들은 다른 검색자들과 검색 키워드를 공유하고 있었다. 넷째, 전체 검색자들은 다수의 하위 집단으로 군집되어 있다. 이 연구의 결과는 네트워크 분석 방법에 의한 연관된 검색자와 검색어를 추천하는 알고리즘을 개발하는데 활용이 가능할 것이다.

This paper used the network analysis method to analyse a variety of attributes of searcher's search behaviors which was appeared on search access log data. The results of this research are as follows. First, the structure of network represented depending on the similarity of the query that user had inputed. Second, we can find out the particular searchers who occupied in the central position in the network. Third, it showed that some query were shared with ego-searcher and alter searchers. Fourth, the total number of searchers can be divided into some sub-groups through the clustering analysis. The study reveals a new recommendation algorithm of associated searchers and search query through the social network analysis, and it will be capable of utilization.

본 연구는 피플미터 기반의 시청률만이 존재하는 현 상황에서 IPTV 셋탑박스 로그데이터를 기반으로 한 새로운 시청률을 실험적으로 제안하기 위해 진행되었다. 구체적으로 본 연 구에서는 IPTV 3사의 셋탑박스 로그데이터를 표본없이 모두 취합하여 시청기록 전수 데이터를 구축하여 시청률을 산출하고 이를 피플미터 기반 방식의 전통적인 시청률 지표인 닐슨 시청률 과 비교하여 검증하였다. 연구결과, IPTV 셋탑박스 로그데이터를 기반으로 한 시청률은 닐슨 시 청률에 비해 평균 약 50~60% 규모로 집계되었으며, 닐슨 시청률과의 상관계수는 .95이상 수 준으로 매우 높게 나타났다. 본 연구에서는 이 같은 결과를 바탕으로 IPTV 셋탑박스 로그데이 터 기반의 시청률지표의 특성을 살펴보고, 산업 내 활용될 수 있는 시청률 지표로서의 가능성을 제안하였다.

The purpose of this study is to propose a new viewership rating based on log data of all IPTV set-top boxes in Korea where only people meter-based viewership ratings exists. Specifically, this study collected all of the set-top box log data from IPTV companies without sampling. This study tried to construct viewership records from the collected data, calculated viewership ratings and also verified the results by comparing them to traditional Nielsen viewership ratings based on people meters. The results showed that viewership ratings, based on IPTV set-top box log data, averaged about 50-60% of Nielsen ratings, with a high correlation coefficient of 0.95 or more. Based on these results, this study examined the characteristics of viewership ratings estimated from the IPTV set-top box log data and proposed their potential as usable viewership ratings in the industry as well.

이 논문의 목적은 조극선이 15세부터 29세까지 기록한 일기체 자료인 『인재일록』의 데이터 분석을 통해 문화사 및 생활사를 구명하는데 목적 이 있다. 어휘나 정보의 빈도수 연구가 한문 자료와 같은 고전 자료에 적용된 경우는 거의 없는 수준이다. 본 연구는 고전 자료에 데이터적인 접근을 통해, 고전 자료의 데이터 기반으로 하는 다양한 연구에 기여하고 자하였다. 조극선은 조선 후기 문인으로 일상을 사소한 일들을 매우 의미 있는 조각으로 인식했다. 모든 일상이 담겨있을 정도로 특정한 사건을 중심으로 서술했다기보다는 하루하루의 모든 일들을 기록하는 중점을 두었다. 조극선은 하루하루의 일상들이 모여서 큰 의미를 지닌다고 인식 했고 일상의 사소한 것들을 무작위로 기록했다. 이는 『인재일록』이 데이 터로서의 가치를 지니고 있다는 증거가 된다. 데이터는 정보를 이끌어 낼 수 있는 정보풀이 방대해야 하고 무작위적으로 데이터를 추출했을 때 의미 있는 결과를 도출할 수 있다. 본 연구는 『인재일록』에서 많이 쓰인 ‘酒’의 빈도수에 주목하였다. ‘酒’의 빈도수는 3,723이며 인접한 어 휘인 ‘飮酒’는 142회, 안주인 酒肴는 118회, 酒果는 71회가 나온다. 祭酒 는 11회가 쓰였으며 제사 일정에 맞게 제주를 준비하는 과정과 사건들이 기술되어 있어서 당시 생활사 및 문화사를 이해하는 데 도움을 준다.

The purpose of this paper is to investigate cultural history and life history through data analysis of Injae Ilrok, a diary written by Cho Geuk-seon from the age of 15 to 29. Frequency studies of vocabulary or information have rarely been applied to classical materials such as Chinese characters. This study sought to contribute to various studies based on data from classical materials through a data-oriented approach to classical materials. Jo Geuk-seon was a writer of the late Joseon Dynasty who recognized the trivial details of everyday life as very meaningful pieces. Rather than focusing on a specific event to the extent that all daily life is included, the focus was on recording everything that happened on a daily basis. Cho Geuk-seon recognized that each day’s daily life had great meaning and recorded the trivial details of daily life at random. This serves as evidence that the talent log has value as data. Data must be a vast pool of information from which information can be derived, and meaningful results can be derived when data is randomly extracted. This study focused on the frequency of ‘酒’, which was frequently used in talent logs. The frequency of ‘酒’ is 3,723, and the adjacent vocabulary ‘飮酒’ appears 142 times, hostess 酒肴 118 times, and 酒果 71 times. Eleven times were written about the ancestral rites, and the process and events of preparing Jeju according to the ancestral rite schedule are described, helping to understand the life and cultural history of the time.

최근 보안 업계에서 새롭게 화두가 되고 있는 XDR(eXtended Detection and Response)은 엔드포인트 와 네트 워크 영역의 모든 정보에 대한 통합 연계 분석을 통하여, 기업 내 보안 목표를 보다 효과적 으로 달성할 수 있는 솔 루션이다. 그러나, XDR에서 추구하는 통합 연계 분석을 위해서는 기업내 에서 운영되는 이기종 보안 솔루션들 간 의 서로 다른 프로토콜과 정보 저장 방식의 문제를 해결해야 한다. 서로 다른 형태의 데이터를 통합하고 이를 분석 하기 위한 얼라이언스와 통합 레이블링 등의 표준화를 제안한 연구들이 있지만, 연동하는 모든 보안솔루션이 표준 API를 기반으로 개발되어야 하는 현실적인 어려움이 존재한다. 이 문제를 해결하기 위해 본 논문에서는 다양한 보 안솔루션 데이터 중에서 가장 기본적이고 필수적인 데이터인 비정형 로그를 중심으로 계층적 구조 기반의 데이터 정 규화 방법을 제안한다. 공통적인 CODE와 Corpus로 구성한 정규화 모델 알고리즘으로 정제된 비정형로그 데이터 는 계층적 구조를 가지는 정규화된 데이터 형태로 출력된다.

XDR(eXtended Detection and Response) is a new topic in the security industry. It is a solution to achieve security goals within the enterprise more effectively through integrated linkage analysis of all information in the endpoint and network area. However, for the integrated linkage analysis of XDR, it is necessary to solve the problem of different protocols and information storage methods between heterogeneous security solutions operated within the enterprise. Standardization approaches such as alliance and unified labeling to integrate and analyze different types of data have been proposed. However, those approaches suffer from some practical difficulties that all interworking security solutions are developed based on standard APIs. To overcome the difficulties, in this paper, we propose a new method to normalize the hierarchical structure-based data of the unstructured log, which is the most basic and essential data in the security solution data. The unstructured log data refined through the normalization model algorithm composed of common CODE and Corpus is output in the form of normalized data having a hierarchical structure.

최근 들어 기업정보 시스템의 성공적인 활용은 기업의 효과적인 전략 수행과 기업 경영 목적 달성에 핵심적인 역할을 하고 있다. 기업정보 시스템의 도입 성공 여부를 결정하는 인자 중의 하나가 시스템 활용도로서, 정보시스템 활용도를 측정하는 효과적인 방안을 마련하는 것은 기업 경영에서 매우 중요하다. 본 연구에서는 프로세스 마이닝 기법을 이용한 로그 데이터 분석을 통해 정보 시스템 활용도를 평가한다. 즉, 기본적인 접속 로그 통계뿐만 아니라 정보시스템을 실제로 사용하는 순서를 패턴화하고 유사 사용 기능을 군집화하여, 정보시스템 설계시에 예상하였던 시스템 사용 순서/기능과 실제 현황을 비교함으로써 기존 정보시스템을 개선하거나 확장하는데 피드백을 제공하고자 한다.

The success of enterprise information system(EIS) is crucial to align with corporate strategies and eventually attain corporate goals. Since one of the factors to information system success is system use, managerial efforts to measure the level of EIS utilization is vital. In this paper, the EIS utilization level is analyzed using system access log data. In particular, process sequence patterns and clustering of similar functions are identified in more detail based on a process mining method, in addition to basic access log statistics. The result of this research can be used to improve existing information system design by finding real IS usage sequences and function clusters.

본 연구의 목적은 대학도서관 공간 활용 현황 분석을 통해 공간 활용도를 향상시키기 위한 고려 사항들을 도출하는 것이다. 이를 위해 첫째, 대학도서관의 이용자 공간을 범주화하고 그에 따른 이용률을 분석하였으며, 둘째, 이용자 공간의 특성에 따른 주요 이용자 그룹의 선호도를 분석하였다. 셋째. 구체적인 이용자 그룹별 공간 선호 요인을 판별하고, 넷째, 분석 결과를 바탕으로 효율적인 도서관 공간을 설계하기 위한 시사점과 개선 방안을 제안하였다. 실증적인 분석을 위해 국립 J대학의 중앙도서관을 대상으로 1년간 누적된 이용자 공간 이용 데이터(98,282명, 433,769건)를 수집·정제하여 공간별, 기간별(월별, 시간별)로 이용 패턴을 파악하였다. 또한 동 기간 내 도서관 방문자 전체 데이터(2,426,553건)를 통해 도서관의 주요 이용자 그룹(학부생, 대학원생, 졸업생)을 도출, 이용자 그룹별 공간 특성에 따른 선호도를 분석하였다. 본 연구의 결과는 향후 대학도서관의 이용자 공간의 구성 및 배치를 위한 기초 자료로 활용될 수 있을 것이다.

The purpose of this study is to analyze the current status of space use in university library and draw up considerations for enhancing space utilization based on the analysis results. For this purpose, the utilization rate of each space was analyzed by categorizing the user’s space of the university library, and secondly, the preferences of the major user groups were analyzed according to the characteristics of the users’ space. For empirical analysis, we collected and refined users’ space usage data (98,282 people's data 433,769 cases) accumulated for one year for the central library of “J” National University. Then we analyzed the usage pattern according to space and period(monthly, hourly). In addition, preferences for each major group of users (undergraduates, graduate students and graduates) in the library were analyzed through the library visitors’ data (2,426,553 cases) over the same period. The results of this study can be used as preliminary research for the composition and arrangement of users’ space in future university libraries.

보안 장비에서 발생하는 로그는 그동안 ESM(Enterprise Security Management) 기반으로 통합적으로 데이터 를 분석하였으나 데이터 저장 용량의 한계와 ESM자체의 데이터 처리 성능의 한계로 빅데이터 처리에 부적합하기 때문에 빅데이터 플랫폼을 이용한 보안로그 분석 기술이 필요하다. 빅데이터 플랫폼은 Hadoop Echosystem을 이용하 여 대용량의 데이터 수집, 저장, 처리, 검색, 분석, 시각화 기능을 구현할 수 있다. 현재 ESM기술은 SIEM(Security Information & Event Management)방식으로 기술이 발전하고 있으며 SIEM방식의 보안기술을 구현하기 위해서는 현 재 보안장비에서 발생하는 방대한 로그 데이터를 처리할 수 있는 빅데이터 플랫폼 기술이 필수적이다. 본 논문은 Hadoop Echosystem 이 가지고 있는 빅데이터 플랫폼 기술을 활용하여 보안로그를 분석하기 위한 시스템을 어떻게 구현할 수 있는지에 대한 모델을 연구하였다.

The log data generated by security equipment have been synthetically analyzed on the ESM(Enterprise Security Management) base so far, but due to its limitations of the capacity and processing performance, it is not suited for big data processing. Therefore the another way of technology on the big data platform is necessary. Big Data platform can achieve a large amount of data collection, storage, processing, retrieval, analysis, and visualization by using Hadoop Ecosystem. Currently ESM technology has developed in the way of SIEM (Security Information & Event Management) technology, and to implement security technology in SIEM way, Big Data platform technology is essential that can handle large log data which occurs in the current security devices. In this paper, we have a big data platform Hadoop Ecosystem technology for analyzing the security log for sure how to implement the system model is studied.

Recently, cyber-attack has become the serious national treat such as shut down industry control system, and an act of war. Therefore, the issue is suggested about the necessity of Enterprise Security Management (ESM) that is for integrated management of network system such as firewall, IPS, VPN, and etc. However, current ESM has the limit of blocking only cyber-attack from outside due to using the networking attack detection method that monitoring the traffic inflows from outside to inside. Therefore, this study suggests the new security log system using big data that enhances intelligence of security by analyzing the relationship between security and data events created from network, system, application service of main IT infrastructure. We assume to apply the distribution-based saving/processing technology through the security log system using big data which is suggested in the study. Moreover a ripple effect of enhanced customer service satisfaction due to the possibility of inflow and infection (spread) of malignant code in-house and real time monitoring.

With the development of information technology, digital works are copied illegally without the consent of copyright owners. The copied works are then spread rapidly across the world by online service providers (OSPs). Some OSPs ignore unlawful acts to create profits and commit additional criminal acts to hide their unlawful acts, such as changing or deleting log files. Consequently, there has been research on digital forensic technology to protect the intellectual copyrights of digital works and ensure integrity. In this paper, we propose a log data integrity support scheme for the reliable log analysis of OSP (LISS). The proposed scheme is used to monitor OSP events on the basis of reliable logs, thereby preventing unlawful acts such as filtering detour, and the omission, forgery, and alteration of log records; it also supports the integrity of log files essential for digital forensic investigations.

본 연구는 모바일 기기를 활용한 현장체험학습에서 수집된 로그데이터를 STP(Space Time Path)로 시공간 시각화하여 현장체험학습에서 학생들의 이동특성을 파악하고, 머무름이 있던 지점에서의 활동특성을 분석하고자 하였다. 탐구활동 로그데이터 분석결과 이동과 머무름의 패턴이 연속적으로 나타나며, 조사활동의 유형에 따라 머무른 장소와 시간이 다름을 확인할 수 있었고, 머무름이 나타나는 장소는 관찰지점 뿐 아니라 관찰지점이 아닌 곳도 나타남을 확인하였다. 현장체험학습의 경우 공간 및 시간적으 로 제한된 범위 내에서 이루어지는 활동이기 때문에 머무른 지점에서의 활동에 대한 추가 분석이 필요함을 알 수 있었다. STP를 이용한 이동 로그의 시각화는 복잡한 구조를 가진 로그데이터를 탐색하여 패턴을 발견하는 기초 자료로 활용할 수 있으며, 이는 다양한 유형의 로그데이터 분석에 응용될 수 있을 것으로 판단되었다.

The purpose of this study is to identify the movement characteristics of students in field experience learning by visualizing the log data collected from field experience learning using mobile devices as STP technique and to analyze the characteristics of activity at the point of retention. As a result of analysis of log data, the patterns of movement and retention were consecutively appeared, and it was confirmed that the place and time were different depending on the type of inquiry activity, and the place where the retention appeared was not only the inquiry point but also the non-inquiry point. In the case of field experience learning, it is necessary to carry out further analysis on the activity at the retention point since it is performed within a limited space and time. It was confirmed that the visualization of the movement log using STP can be used as a basic data for exploring log data having a complicated structure and it can be applied to various types of log data analysis.

본 논문은 웹사이트를 구성하는 웹컨텐츠의 합목적성 및 사용성 평가를 위하여 웹사이트 사용자들의 흔적인 웹로그 분석 데이터를 적용하여 정량적인 평가를 한 결과 에 대하여 보고 하고자 한다. 웹로그파일은 사용자가 웹사이트를 이용하면 이에 대한 기록이 로그라는 형태로 흔적이 남는다. 로그분석이란 이 데이터를 기반으로 위에서 말한 다양한 정보를 추출해 내는 것이라 할 수 있다. 로그분석은 사용자에 따라 단지 로그 정보를 분석하는 것에 한정시키기도, 로그 정보를 기반으로 한 보다 다양한 정보를 분석하는 확장된 개념으로 확대시키기도 한다. 본 논문은 웹트랜즈［로그분석 툴］를 사용하여 웹사이트내의 웹컨텐츠 분석에 웹 로그 분석 결과가 같는 정량적인 개념을 활용하여 정상적인 분석으로 일관되었던 웹사이트 분석에 새로운 결과를 도출하였다. 또한 마케팅을 수행하는 데 있어서 고객의 요구에 천저히 대응하기 위해서 고객을 철저히 파악하여야 한다. 로그파일 분석을 통해서 주요 고객층, 고객의 구매 패턴, 주 구매시간, 구매탐색 경로등의 데이터를 추출할 수 있다. 로그파일 분석 데이터를 기반으로 인터페이스 설계나 상품의 레이아웃등의 설계, 고객 서비스 강화등의 다양한 대 고객 마케팅을 펼칠 수 있다. 본 논문은 단순 수치해석의 개념이었던 로그 분석에 웹컨텐츠분석 기법을 접목하여 웹사이트내에서 사용되고 있는 컨텐츠의 사용성에 대안 연구 결과에 대해서 발표하고자 한다.

본 논문에서는 RFID 기술을 수원 화성행궁 미아위치추적 시스템에 적용하였다. 적용한 결과인 로그 데이터를 분석하고, 문제점과 특징들을 파악해본다.