해군 함정의 클라우드 컴퓨팅 전환의도에 미치는 영향 분석

2-1 해군 함정 컴퓨팅 시스템

함정 전투체계는 센서로부터 표적을 실시간으로 탐지하여 상황을 감시하고, 위협을 평가하고 무장할당을 적극적으로 통제하여 교전을 가능하게 하는 자동화 시스템을 말한다.

함정은 다양한 적의 공격 위협으로부터 대응하기 위하여, 실시간으로 정보 처리 및 지휘결심을 위한 다양한 센서 체계(Radar, Sonar 등), 타격 체계(함포, 유도탄, 어뢰 등), 전투체계 및 C4I 체계 등 다양한 기능이 통합된 다양한 시스템으로 구성되어 있다[3]. 이러한 다양한 시스템을 통하여 함정은 독립된 플랫폼으로 네트워크 중심전(Network Centric Warfare)에서 제시하는 전투수행 논리 단계인 탐지, 지휘통제, 타격 단계(Sensor - Command & Control - Shooter)를 수행한다[3]. 함정에 탑재된 컴퓨팅 시스템은 그림 1과 같이 표적 탐지, 교전 그리고 무장 운용 등의 전투를 수행하는 전투체계(Combat System), 다른 전력과의 전술정보 공유 및 전술 지휘를 위한 지휘통제체계(Command & Control System), 지원 및 행정 업무를 수행하는 작전지원체계(Operation Support System)로 구성된다[4].

Fig. 1.

The Naval Shipboard Computing System(J.H. Eum, 2014)

이와 같이 기존 함정의 컴퓨팅 체계는 함정의 수행 임무를 고려하여 각각의 하부 체계들을 선정하여 탑재하고, 이들을 하나의 체계로 통합하여 구성된 시스템이다[5]. 각각의 하부 탑재 체계는 하나의 단일 시스템으로서 서버 및 저장장치, 단말기 등으로 구성되어 있으며, 각 시스템은 운영체계 기반 미들웨어와 소프트웨어 등의 응용프로그램으로 구성된다. 이러한 컴퓨팅 시스템의 하부 체계들은 각각의 서버에서 처리한 데이터를 교환하도록 연동되어 있다.

위와 같은 현 함정 컴퓨터 시스템의 단점은 다음과 같이 두 가지로 나누어 볼 수 있다. 첫째, 함정 전체적인 관점에서 데이터 처리를 위한 컴퓨팅 자원 및 각 하부체계 서버들의 통합 운용하는 것에 대한 고려가 부족하다. 각각 하부체계 서버들은 해당 체계에 대한 처리하여 운용되도록 물리적으로 분리되어 있다. 함정은 다양한 전술 상황을 고려하여 적시에 필요한 시스템을 탄력적으로 운용하므로 사용 빈도가 낮거나 운용이 불필요한 서버가 발생하게 되지만, 하부체계 서버들이 각각 분리되어 있어 다른 체계에서 활용이 제한된다[4, 5]. 둘째, 운용자가 사용하는 단말기 컴퓨팅 자원의 효율적인 활용 제한이다. 함정에서는 100여대 이상의 데스크톱을 탑재하여 운용하고 있지만 잉여 자원의 활용은 제한이 되고 있다. 특히, 탑재공간과 중량이 제한되는 함정 경량화의 특수성을 고려한다면 함정에서의 추가적인 데스크톱 설치를 위한 공간과 추가적인 탑재 중량은 그만큼 제한될 수밖에 없다. 따라서 함정 클라우드 컴퓨팅 시스템의 적용은 컴퓨팅 자원의 동적 할당을 통해 효과적으로 시스템을 통합 사용이 가능하고 자원 사용의 효율성, 활용성을 증가시키며 기존의 함정 컴퓨팅 시스템의 제한점을 극복할 것으로 기대된다.

2-2 군 도메인에서 클라우드 컴퓨팅 시스템 적용 추세

기업이나 연구기관 등 군 이외의 다른 도메인에서도 클라우드 컴퓨팅을 통해 기존 시스템의 문제점들을 해결하기 위해 노력하고 있다. 물리적으로 분리된 서버, 저장장치 등의 컴퓨팅 자원을 가상화하여 개별 시스템이 아닌 하나의 자원 풀(Pool)로 활용하고, 사용자의 요구에 따라 자원을 제공하기 위해 많은 노력을 기울이고 있다.

국방 분야의 선진국인 미군은 클라우드 컴퓨팅을 합동정보환경(JIE ; Joint Information Environment) 목표 달성의 핵심요소로 인식하고 지속적인 노력을 집중하고 있으며, 2011년 미 국방부 클라우드 컴퓨팅 전략 발표 및 2012년 연방정부의 위험 및 인증 관리 프로그램(FedRAMP ; Federal Risk and Authorization Management Program)을 도입하고, 연방정부의 클라우드 우선 정책(Cloud First)을 근간으로 4단계의 클라우드 컴퓨팅 전략을 발표하면서 다양한 업무에 컴퓨팅 서비스를 적용하고 있다[6].

미 해군은 기존의 함정에 설치된 다양한 컴퓨터 HW, SW 및 네트워크 서비스들을 대체하여 공통 컴퓨팅 환경을 기반으로 기존의 체계별로 설치된 많은 서버들을 가상화 서버로 통합한 지휘통제체계인 CANES(Consolidated Afloat Naval Enterprise Service) 구축함으로서 서버 수량을 획기적으로 절감하고 서버 추가 설치에 대한 비용을 절약하였다[6]. 그리고, 미 육군은 Thin/Zero Client를 적용하는 참조 아키텍처를 기본 지침으로 설정하고, 가상 데스크톱 서비스를 추진함으로써 운용자의 단말기 운용을 위해 클라우드 컴퓨팅 적용을 추진 중이다[5, 6].

그림 2와 같이 서버에서 응용프로그램, 데이터 처리 및 저장을 위한 자원을 제공하고, 사용자는 가상 데스크톱 서비스를 제공받는 구조로 변화한다는 의미이다. 이는 클라이언트별로 다양하게 분산되어 운용하던 전술 응용프로그램과 데이터를 중앙에서 집중적으로 관리하여 자료 유출 및 해킹 방지 등 보안을 강화하고, 사용자는 클라이언트 단말기를 통하여 현재 수준 이상의 서비스를 사용할 수 있도록 표준화된 컴퓨팅 아키텍처로 추진한다는 것이다[5].

Fig. 2.

Thin/Zero Client Computing System(U.S. Army)

앞서 살펴본 바와 같이 군 도메인에서 클라우드 컴퓨팅 시스템의 적용은 클라우드 기반 데이터 센터를 구축하고 가상화 적용을 통하여 활용성 및 확장성을 증대시키기 위해 노력과 연구를 지속 추진할 것으로 예상이 된다[7].

2-3 PPM(Push-Pull-Mooring) 이론

어떤 시기에 두 개의 장소 간에 인간의 이동을 의미하는 이주(migration) 개념을 설명하는 PPM(Push-Pull-Mooring) 이론은 인간의 지리학적인 이동뿐만 아니라 온·오프라인 소비자의 서비스 전환 행동을 결정하는 요인을 설명하고자 하는 데에도 유용한 이론적인 틀을 제공하는 것으로 알려져 있다[8]. 초기 연구는 Ravenstein(1881)이 British Cencus Data를 분석한 이주 법칙(Low of Migration)으로, 이후 Lee(1966)가 인간들이 이주하는 요인을 Push와 Pull 효과의 두 개의 개념으로 구분하고 각 요인의 상호작용으로 인간들이 이주를 결정하게 된다고 설명하고 있다.[9]. 여기서 Push 효과는 본래의 지역(origin)에서 다른 지역으로 떠나도록 밀어내는 본래 지역에 대한 부정적 요소를 의미하며, Pull 효과는 인간들을 새로운 지역으로 유인하는 새로운 지역과 연관된 긍정적 요소를 의미하는 것이다[10].

Moon(1995)의 연구에서는 기존의 이주 이론을 확장하여 설명하기 위해 Push-Pull 모델에서 이주 결정을 용이하게 하거나 또는 역으로 제한하는 역할을 하는 규범적이고 개인적, 사회적, 문화적 요소들이 중요한 요인으로 작용할 수 있음을 제안하며 Mooring 효과를 적용하였다[11]. 이는 이주 의사에 대한 결정을 예측하기 위해 인간을 떠나도록 만드는 본래 거주지의 부정적인 요인에 대한 인식과 인간을 끌어들이는 목적지의 긍정적 요인, 그리고 이주 결정을 더욱 용이하게 하거나 방해하는 개인의 특성 요인들을 종합적으로 고려되어야 한다는 것이다[12, 13]. 즉, 연구자 들은 인간의 이주 문제에 대해 더욱 효과적인 설명을 위하여 기존의 Push-Pull 모델에 추가하여 Mooring 효과를 적용하였으며, Mooring 효과는 이주 결정을 촉진하거나 방해하는 요인을 의미하는 것으로 개인의 심리, 상황, 환경, 문화 및 사회 등과 관련된 상황적 요소들을 포함한다는 것이다[14]. 이러한 측면에서 PPM 모델은 인간의 이주 문제를 살펴보는 것뿐만 아니라 경영정보, 마케팅 등 경영학적인 측면에서 개인 서비스 및 서비스 제공자들의 전환 행동을 설명하기 위한 유용한 이론적 틀로 적용되고 있다[15].

3-1 연구모형

국방 분야에서도 클라우드 컴퓨팅 시스템에 대한 관심은 더욱 증가하고 있으나, 현재는 교육부대와 같은 일부 부대에서만 제한적으로 도입을 위해 추진 중이며, 클라우드 서비스 도입에 따른 위험요소, 보안대책 및 제한적인 운용 방안 등에 대한 연구 이외에 함정에서 클라우드 컴퓨팅 시스템으로 전환에 관한 연구는 미비한 실정이다.

따라서, 본 연구는 PPM 모델의 Push, Pull, Mooring 요인을 선정하여 현재 운영 중인 함정 컴퓨팅 시스템이 클라우드 시스템으로 전환 시에 각각의 변수들이 전환 의도에 어떠한 영향을 미치는지 확인하기 위한 실증적인 분석에 목적이 있다. 이를 위해 기존에 운영 중인 함정 컴퓨팅 시스템에서의 부정적 부분을 Push 요인으로 정의하고 시스템품질 저하(Reduced System Quality), 호환성 저하(Reduced Compatibility), 시스템 확장 제한(Limit System Expansion)을 선정하였고, 도입해야 할 클라우드 컴퓨팅 시스템의 긍정적 부분을 Pull 요인으로 정의하고 유연성(Flexibility), 제도적 지원(Institutional Support), 경제성(Economics)을 선정하였다. Mooring 요인으로는 선행 연구들을 참고하여 전환비용(Switching Cost) 및 정보보안(Information Security)을 선정하였고, 이러한 내용을 바탕으로 Fig. 3.과 같은 연구모형을 개발하였다.

Fig. 3.

Reserch model

3-2 가설설정

4-1 자료수집 및 표본 특성

이번 연구는 표 1.과 같이 최종 149명을 대상으로 실증 분석을 실시하였다. 인구통계학적 특성을 살펴보면 남성 145명(97.3%), 여성 4명(2.7%)이다. 연령은 29세 이하 38명(25.5%), 30대 53명(35.6%), 40대 57명(38.3%), 50대 이상 1명 (0.7%)이다. 학력은 고등학교 졸업 1명(0.7%), 대학교 졸업 68명(45.6%), 대학원 이상이 80명(53.7%)이다. 병과는 정보통신 39명(26.2%), 함정 97명(65.1%), 그 외 병과 13명(8.7%)이다. 소속 부서는 작전 부서 68명(45.6%), 정책 부서 55명(36.9%), 지원 부서 18명(12.1%), 기타 8명(5.4%)이다.

Table 1.

The result Demographic data

4-2 탐색적 요인 분석

타당성 및 신뢰도 분석을 위하여 SPSS를 통한 탐색적 요인 분석(Exploratory Factor Analysis : EFA)을 실시하였다. 탐색적 요인 분석은 각 변수들 간 내재된 설문 항목의 상관관계를 탐색하여 각 요인들 간 구조 분석을 실시하였으며, 측정한 항목 사이에 내적 일관성 검증을 위한 지표인 Cronbach's 계수를 이용 각각의 변수에 대한 신뢰도를 검증하였다.

Cronbach's계수가 0.7 이상으로 도출된 경우에 변수의 신뢰도가 높다고 설명할 수 있다[20]. 표 2.와 같이 탐색적 요인 분석 및 신뢰도 분석 결과를 제시하였으며, 모든 항목이 기준에 부합되어 신뢰도와 타당성이 있다는 것으로 나타났다. 요인 적재량이 낮은 시스템 품질 저하 2, 5, 6번 항목, 호환성 저하 1, 4번 항목, 시스템 확장 제한 3, 5번 항목, 유연성 5번 항목, 제도적 지원 1, 3번 항목, 경제성 5번 항목, 불만족 4번 항목, 대안매력도 1번 항목, 전환의도 1번 항목을 제거하였다. 그리고 모든 요인 적재량 값이 0.5 이상, 모든 Cronbach’s A 계수가 0.8 이상으로 도출되어 신뢰도에도 이상이 없음을 확인하였다.

Table 2.

The result of Validity, Reliability test of EFA

4-3 확인적 요인 분석

본 연구에서는 AMOS 23.0 통계프로그램을 활용하여 확인적 요인 분석을 실시하였다.

표 3.에서 보는 바와 같이 최종 선정된 모든 측정 항목들의 개념 신뢰도(CR)는 0.8 이상으로 도출되었으며, 평균 분산 추출 값(AVE)은 0.6 이상의 수치로 도출되어 본 연구를 진행하는데 이상이 없는 것으로 나타났다. 탐색적 요인 분석으로 검증된 변수들을 연구모형을 구성함에 있어 이상이 없는지 다시 한번 확인하기 위해 선정된 측정 항목에 대한 신뢰성 및 타당성을 검증하는 방법으로 Hair et al.(2010)가 제시한 공식을 사용하였으며, 표 3.과 같은 결과를 도출하였다. 척도의 신뢰도 및 타당성 확보를 위해 각각의 잠재 변수의 표준화 계수는 최소 0.5 이상 되어야 한다. 또한, 개념 신뢰도(CR)는 내적 일관성 측정 지표로서 0.7 이상되어야 하며, 평균분산 추출 값(AVE)은 0.5 이상의 수치를 나타내어야 한다[21].

Table 3.

Result of the conceptual reliability and intent validity test of the measurement model

4-4 판별 타당성 분석

판별 타당성 검증을 위해서 Fornell & Larcker(1981)의 방법을 이용하였으며, 두 변수 사이에서 구한 평균분산 추출 값(AVE)이 각 변수 간 상관계수의 제곱보다 클 경우 두 변수 사이에는 판별 타당성이 있는 것으로 확인할 수 있다[22].

표 4.는 변수 간의 상관행렬을 수치화 하여 작성한 것으로, 각 변수들 사이에서 계산한 평균분산 추출 값이 변수들의 상관계수의 제곱보다 크게 나타나기 때문에 구성 개념 사이에 판별 타당성이 있다고 해석할 수 있다.

Table 4.

The result of discriminant Validity

4-5 연구모형의 적합도 검증

가설의 채택, 기각을 확인하기에 앞서, 구조방정식 모형의 적합도 검정을 실시하였다.

표 5.의 결과와 같이 모델의 적합도 지수가 χ²(CMIN)p=512.696(P=0.003), χ²(CMIN)/df= 1.198, RMSEA= 0.037, RMR= 0.043, GFI= 0.837, AGFI= 0.800, PGFI= 0.679, NFI= 0.887, NNFI(TLI)= 0.976, CFI= 0.979, PNFI= 0.766, PCFI= 0.845 로 나타났으며, 지표 값 모두 임계치 기준 범위 안에 포함되어 적합도 지수가 우수한 것으로 판단할 수 있다.

Table 5.

Model fitness test

4-6 연구모형의 검정

연구모형에 대한 실증 분석 결과를 정리하면 8개의 가설 중 6개 가설은 채택되었고, 2개 가설은 기각되었다. 그림 4.에 연구 결과를 도식화 하였으며, 표 6.에는 세부사항을 작성하여 제시하였다. 본 연구에서 설정한 가설들의 영향 정도를 알아보기 위하여 Amos 23.0을 이용하여 경로 분석을 시행하였으며, 그 결과는 표 6.과 같다. 표준화 계수(Standardized Regression Weight)를 활용하여 상대적으로 더 많은 영향을 미치는 독립변수에 대하여 확인하였고, 상대적인 중요도를 보여주는 S.E.값인 표준오차(Standard Error)는 모수 치의 정확도 및 안정성을 말한다.

Fig. 4.

The Result of hypothesis test* p-value <0.05, ** p-value <0.01, *** p-value <0.001

Table 6.

The result of Path Analysis

또한, 설정한 가설 채택 여부는 임계치(Critical Ratio)인 C.R.값으로 표현하고 ±1.96을 기준으로 판별하며, 유의수준 값(P-Value)의 기준은 0.05 이하로 판단한다.

연구모형의 경로분석을 수행한 결과를 보면, Push Factors 속성 중 불만족 요인에 정(+)의 영향을 미치는 요인들은 시스템 품질 저하 및 시스템 확장 제한이 불만족에 정(+)의 영향을 미치는 것으로 나타났으며, 호환성 저하는 불만족에 영향을 미치지 못하는 것으로 나타났다. Pull Factors 속성 중 경제성과 유연성은 대안매력도에 정(+)의 영향을 미치는 것으로 나타났으며, 제도적 지원은 대안매력도에 영향을 미치지 못하는 것으로 나타났다. 마지막으로 불만족과 대안 매력도는 전부 전환의도에 정(+)의 영향을 미치는 것으로 연구에서 확인하였다.

4-7 조절효과 분석 결과

앞서 연구 가설들의 분석 결과를 도출하였고, 그 가설들은 무어링(Mooring) 변수인 전환비용, 정보보안에 따라 각각 어떠한 차이를 보이는 지 분석하기 위해 조절효과 분석을 실시하였다. 분석 방법은 모수 비교를 통해 두 개의 집단 간 연구 가설의 차이점을 확인하였고, 두 집단 사이의 차이를 비교하기 위해 Critical Ratios for Differences Between Parameters(Z-Statistics)로 분석하였다. 표 7.과 같이 전환비용이 낮다고 생각하는 집단과 높다고 생각하는 집단으로 설정하여 조절효과 분석을 실시하였다. 분석 결과, 전환비용이 낮다고 생각하는 집단에서 시스템 품질 저하가 불만족에 미치는 영향에 더욱 민감하게 반응하는 것으로 나타났으며, 전환비용이 높다고 생각하는 집단에서 시스템 확장 제한이 불만족에 미치는 영향에 더욱 민감하게 반응하는 것으로 나타났다.

Table 7.

Type of Switching Cost Hypothesis Comparison

Table 8.

Type of Information Security Hypothesis Comparison

분석 결과, 정보보안이 낮다고 생각하는 집단과 높다고 생각하는 집단으로 설정하여 조절효과 분석을 실시하였다. 정보보안이 높다고 생각하는 집단에서 경제성이 대안매력도에 미치는 영향이 더욱 민감하게 반응하는 것으로 나타났다.

5-1 연구결과 논의

최근 4차 산업혁명이라는 패러다임과 함께 클라우드 컴퓨팅은 세계적으로 관심을 가지고 다양한 제품과 서비스들을 빠르게 융합되면서 비용절감, 업무혁신을 위해 확산 중이다.

본 연구는 현 함정 컴퓨팅 및 클라우드 컴퓨팅 시스템에 대한 선행연구와 PPM 프레임워크를 바탕으로 클라우드 전환에 관한 요인들을 도출하여 연구모형을 제안하고, 수집된 설문 자료를 바탕으로 실증 분석을 실시하였다. 본 연구의 결과는 다음과 같이 요약할 수 있다.

첫째, 현 컴퓨팅 시스템의 부정적 요인인 Push 요인의 시스템품질 저하 및 시스템 확장 제한은 불만족에 유의한 영향을 미치며 전환의도를 증가시키는 것으로 나타났다. 즉, 현 함정 컴퓨팅 시스템은 장애로 인하여 업무 수행 시 속도가 지연되거나 오류가 발견되는 경우가 많으며, 문제 발생시 복구시간이 많이 소요되어 전반적으로 안정적이지 못하다고 느끼고 있다. 그리고, 현 함정 컴퓨팅 시스템의 다양한 하부시스템은 각 시스템의 HW, SW에 종속되어 추가적인 시스템 확장 시 다른 시스템과의 통합이 어려울 것이라고 생각하고 있다. 이러한 불만족에 영향을 미치는 요인들은 현 함정에서 운용하고 있는 컴퓨팅 시스템이 사용자 또는 정책결정자에게 부정적인 영향을 미치게 되어 불만족으로 작용하였고 이는 전환의도를 증가시키는 것으로 나타났다.

둘째, 클라우드 시스템에서의 긍정적 요인인 Pull 요인의 유연성과 경제성은 대안 매력도에 유의한 영향을 미치며 전환의도를 증가시키는 것으로 나타났다. 이는 기존의 함정 전투체계는 다양한 적 위협 공격에 대해 정확하고 신속한 탐지를 통한 대응 능력을 바탕으로, 동시다발적인 상황에서 실시간으로 정보를 처리하고 지휘결심을 위해 다양한 기능을 이용할 수 있는 시스템로 구성되어야 하는 특성을 가지므로 다양한 작전 상황 하에서 IT 자원의 사용 패턴의 차이가 큰 함정에 적용하는 것은 시너지 효과가 더욱더 클 것으로 해석된다. 그리고 컴퓨팅 자원의 가상화를 통한 통합자원 풀의 활용이 가능하므로 시스템 교체 및 업그레이드 속도가 빠르다는 것 또한 대안매력도에 유의미한 영향을 미치고 전환 의도 결정에 있어 중요한 요인으로 나타났다. 또한, 기존의 함정에 설치된 다양한 네트워크와 많은 서버를 공통 컴퓨팅 환경 기반의 클라우드 컴퓨팅으로 전환을 통해 비용을 절감한 미 해군의 사례에서 볼 수 있듯이 경제성은 대안매력도에 유의한 영향이 있는 것으로 나타났으며, 향후 시스템 고도화를 위한 개발비용의 절감까지도 고려될 수 있을 것이다. 그러나, 본 연구에서 제도적 지원은 대안매력도에 유의한 영향을 미치지 않는 것으로 나타났다. 이러한 결과는 우리 군은 방위사업법에 의해 방위력 개선, 방위산업육성 등 방위사업의 수행에 관한 사항을 규정함으로써 방위산업의 경쟁력 강화를 도모하고 있으며, 각 군, 국방부 직할부대 및 관련 기관에서 제기한 방위력개선사업의 소요에 대하여 합동참모회의의 심의를 거쳐 무기체계 등의 소요를 결정함에 따라 제도적 지원은 소요 결정에는 영향을 미칠 수 있으나 전환을 고려하기 위한 대안매력도에는 유의한 영향을 미치지 못함을 의미한다고 볼 수 있을 것이다.

셋째, 본 연구에서 Mooring 요인으로 제안한 전환비용에서 낮은 전환비용은 Push 요인의 시스템 품질 저하와 전환의도간에 관계를 강화하는 것으로 나타났으며, 높은 전환비용은 Push 요인의 시스템 확장 제한이 전환의도간에 관계를 강화하는 것으로 나타났다. 이러한 결과는 클라우드 컴퓨팅 시스템으로 전환할 때 현재 정보시스템에서 제공되고 있는 지각된 가치의 부정적인 정도는 그 과정에서 발생할 수 있는 시간이나 노력 및 학습비용 또는 기존 시스템의 매몰 비용 등이 적게 발생한다고 느낄수록 전환할 가능성이 높다고 할 수 있으며, 현재 운용 중인 시스템의 기능 확장이나 새로운 플랫폼으로 데이터 또는 프로그램 등의 이동이 제한 되는 정도는 그 과정에서 발생할 수 있는 전환비용이 높을수록 전환할 가능성이 높다고 할 수 있다. 그리고, Mooring 요인으로 제안한 정보보안의 조절효과를 보면 높은 정보보안은 Pull 요인의 경제성이 전환의도간에 관계를 강화 하는 것으로 나타났다. 이러한 결과도 클라우드 서비스의 사용으로 IT 투자비 및 유지비용 등의 비용 절감으로 경제적 효과를 기대하는 정도는 정보보안이 높을수록 전환할 가능성이 높다고 할 수 있다. 따라서, 클라우드 컴퓨팅 시스템으로 전환 시 실제적인 비용뿐만 아니라 전환 과정에서 발생할 수 있는 비용과 정보보안의 요소들을 고려한 정책 기준을 제공 할 수 있어야 할 것이다.

5-2 연구의 시사점 및 한계점

본 연구 결과를 통해 시사점 및 한계점을 살펴보면 다음과 같다. 우선 학술적인 시사점을 살펴보면 기존 연구에는 국방 분야에 전반의 클라우드 도입에 대한 위험 요소, 보안대책 등을 주로 다루고 있으나, 함정 플랫폼에서의 클라우드 적용을 위한 전환 행동에 관한 실증연구는 전무한 실정이다. 따라서 함정 클라우드 컴퓨팅 시스템의 적용에 관한 연구가 미흡한 현 시점에서 본 연구는 시의적절한 연구모델을 제시함으로써 이론적인 측면에서 매우 유용한 정보를 제공할 수 있을 것이다. 다음으로 본 연구는 클라우드 컴퓨팅 시스템으로 전환하는 행동에 영향을 주는 요인들을 제안하고, PPM 프레임워크에 적용하여 연구모형을 개발하여 각 변수 간의 관계를 실증적으로 증명하였다. 이러한 연구를 통한 결과는 우리 군 내에서는 적용해 보지 못한 최초 시도로서 향후 이와 유사한 연구에서 본 연구에서 살펴본 요인들의 중요성에 대한 타당성을 높일 수 있을 것이다. 마지막으로 전환비용 및 정보보안을 조절변수로 제안하여 변수 간에 제약요인으로 작용할 수 있음을 확인하였다. 이러한 결과 또한 향후 유사한 연구에 활용하면 요인의 중요성에 대한 타당성을 제공할 수 있을 것이다.

본 연구가 제시하는 시사점에도 불구하고 다음과 같은 한계점을 지니고 있다. 첫째, 본 연구는 가설 검증을 위해 군 내 일부 인원을 대상으로 설문 데이터를 수집하였으나, 기존의 함정에서 운용하는 컴퓨팅 시스템과 클라우드 컴퓨팅 기술에 대한 이해도가 높은 민간 연구소, 업체 등의 개발자 및 운용자를 대상으로는 연구를 진행하지 못한 부분을 지적할 수 있다. 추후 연구 시에는 기술적 이해도가 높은 민간 전문 조직 집단에 대한 설문을 추가로 진행한다면 함정의 클라우드 컴퓨팅으로의 전환의도에 대한 군과 민간의 양 집단 간 시각의 차이도 비교해 볼 수 있을 것으로 예상된다. 둘째, TOE(기술-조직-환경) 프레임워크와 같은 이론을 적용하여 본연구에서 활용하지 않은 변수들을 도출하여 다양한 관점에서 연구를 진행한다면 더욱 심도있는 연구가 될 것으로 판단한다.