산업·직업별 고용구조조사에서의 개인의 특성에 따른 근로형태의 의사결정나무분석

Decision Tree Analysis of Employment Pattern in the Employment Arrangements According to Personal Characteristics

본 논문은 데이터마이닝의 의사결정나무분석을 이용하여 한국고용정보원에서 조사하는 산업 직업별 고용구조조사 자료에서 개인의 특성에 따라 정규직과 비정규직을 분류할 수 있는 규칙을 찾고자 한다. 본 연구에서는 근로자가 지니는 순수한 개인의 특성에 따라 데이터마이닝의 의사결정나무분석을 이용하여 정규직과 비정규직을 결정하는데 작용하는 요인을 살펴보고자 한다. 본 논문에서는 기존의 무조건적인 여성의 정규직 비율이 낮다는 속설 등과 다르게 고졸 청년층의 경우는 오히려 여성의 정규직 비율이 보다 높은 것을 밝혀냈으며, 장년층(58세 이상)의 4년제 대학 졸업 이상에서도 여성의 정규직 비율이 높은 것으로 밝혀졌다. 이는 고용 정책에서 1차원적 분석 결과에 의한 것 보다는 복합적인 분석 결과를 바탕으로 한다면 보다 심도 있는 CRM (customer relationship management) 정책의 일환이 될 수 있으며 보유한 데이터에서 새로운 정보를 찾아내는 한 단계 발전한 분석이라 할 수 있다.

This study aims to find a rule that enables to classify fixed-term worker and temporary worker according to personal characteristics in the occupational employment statistic(OES) data using the decision tree analysis of data mining. This study also aims to investigate workers individual factors that affect in deciding fixed-term worker and temporary worker using the decision tree analysis of decision tree. This study found out that contrary to the common belief that women s fixed-term worker rate is unconditionally lower than that of men, women s fixed-term worker rate is higher than that of men in the cases of high school graduated adolescence and the prime of life with a university degree(people who is over 58 years) it is on the basis of more complex result than the result of one-dimensional analysis on the employment policy, it will be more profound CRM policy and more developed analysis to find out new information from the data.