데이터 마이닝 분석기법

목차

1. 데이터 마이닝 분석 기법
2. 프로그램
3. 응용사례

본문내용

One to One)의 중요성이 부각되면서 '콜센터'의 기능도 첨단화되고 있다. 오늘날 경쟁이 치열한 세계에서, 비용을 낮추려는 노력은 잔인하고 냉정할 정도이다. 따라서 콜센터의 운영에서도 효율적이고, 경제적인 운영이 반드시 필요하다. 콜센터에서 아웃바운드 서비스를 실시할 경우 데이터마이닝은 누구에게 전화를 하는지, 언제 전화를 하는지, 고객에게 무엇을 질문하였는지, 고객에게 무엇을 제공하였는지, 다음 후속전화(Follow-Up Call)의 적기는 언제인지, 다양한 채널(인터넷, 홈뱅킹, 은행지점등) 전략내에서 콜센터의 통합을 어떻게 최적화해야 되는지에 대한 질문에 대한 답을 할 수 있다.
4) Churn Management
최근 들어 CRM의 중요성이 부각되면서 새로운 고객의 유치보다는 기존고객의 유지를 위하여 많은 노력을 기울이고 있다. 특히 이동통신사의 경우 고객의 이탈은 곧 수입의 감소로 직결된다. 예를 들어, 전체 고객수가 500만인 어떤 이동통신사에서 한 고객의 월 평균 이용요금이 3만원이고 년 평균 이탈율이 25%라고 한다면 고객 이탈로 생기는 년간 손실액이 375억원에 이른다. 따라서 이들의 이탈을 방지하기 위하여 데이터마이닝 기법을 이용해서 고객들의 이탈확률을 계산하고, 이탈가능성이 높은 고객들을 집중관리 해서 이탈하려고 하는 고객 중 10%만이라도 해지하지 않게 만든다면 연간 37억 이상의 이득이 발생한다.
실지로 모 통신사에서 이탈방지를 위한 데이터마이닝의 프로젝트를 수행한 결과 이탈가능고객을 분류하고, 이들에게 집중적인 마케팅활동을 행한 결과 기존의 방법에 비해 5배 이상의 효과를 보았다고 한다.
5) Credit Scoring
신용등급은 은행이 대출을 하거나 신용카드의 사용한도를 정할 때 고객의 파산위험을 측정하는 방법이다. 가중되는 금융권의 경쟁은 은행이나 기타 모든 금융회사들이 고객확보에 총력전을 펴고 있다. 그런데, 고객확보와 파산위험관리는 서로 상호 배치된다. 따라서, 신용등급의 결정은 너무 관대하지도 않게(반대의 경우, 잦은 파산으로 인한 손실이 큼), 또한 너무 엄격하지도 않게(너무 엄격하면 고객을 다른 금융회사로 뺏길 수 있음) 정하여야 하며, 이러한 신용등급의 결정에 데이터마이닝방법이 사용된다. 과거에는 금융전문가에 의해 신용등급이 결정되어 왔으나, 현재는 데이터마이닝을 이용하여 주관적인 견해를 배제하고 데이터를 바탕으로 신용등급을 결정하는 시스템을 많이 사용한다.

키워드

데이터 마이닝,   분석기법,   경영정보시스템,   mis,   data mining