데이터의 가용성 증가와 계산 지능의 발전으로 제품 개발에서 데이터 기반 방법(DDMs)의 채택이 가속화되었지만, 그 통합은 여전히 단편화되어 있다. 이 논문은 이러한 단편화를 해결하기 위해, 어떤 DDM을 언제 제품 개발 라이프사이클에 걸쳐 사용할지 명확하지 않은 불확실성을 해결하고자 한다. 이를 위해, 엔지니어링 설계에서 DDM의 사용을 조사하기 위해 PRISMA 체계적 문헌 검토를 수행했다. V-모델을 제품 개발 프레임워크로 채택하여 시스템 설계, 시스템 구현, 시스템 통합, 검증의 네 단계로 단순화했다. Scopus, Web of Science, IEEE Xplore (2014-2024)를 대상으로 구조화된 검색을 통해 1,689개의 기록을 검색했으며, 최종적으로 114개의 출판물을 분석했다. 그 결과, 기계 학습(ML)과 통계적 방법이 현재 실무를 지배하고 있으며, 딥 러닝(DL)은 덜 일반적이지만 채택이 증가하는 추세임을 확인했다. 또한, 지도 학습, 클러스터링, 회귀 분석, 대리 모델링은 설계, 구현, 통합 단계에서 널리 사용되지만, 검증 단계에 대한 기여는 제한적이다.
