[데이터마이닝][데이터마이닝 활용 사례][데이터마이닝 한계점]데이터마이닝의 처리과정, 데이터마이닝의 기술 활용, 데이터마이닝 활용 사례, 데이터마이닝의 한계점, 데이터마이닝의 주의사항에 관한 심층 분석

소개글

[데이터마이닝][데이터마이닝 활용 사례][데이터마이닝 한계점]데이터마이닝의 처리과정, 데이터마이닝의 기술 활용, 데이터마이닝 활용 사례, 데이터마이닝의 한계점, 데이터마이닝의 주의사항에 관한 심층 분석에 대한 보고서 자료입니다.

목차

Ⅰ. 서론

Ⅱ. 데이터마이닝의 처리과정
1. 문제 정의 단계
2. 데이터베이스 구축 단계
3. Data Mining 단계
1) Sampling / Selection
2) 데이터 정제 및 전처리(Data Cleansing / Preprocessing)
3) 탐색 및 변형 (Transformation / Exploration)
4) 모형화(Modeling)
5) 보고 및 가시화 (Reporting / Visualization)
4. 비즈니스 보고서 작성 단계
5. 의사 결정 단계
6. 피드백(Feedback) 단계

Ⅲ. 데이터마이닝의 기술 활용
1. 비즈니스 데이터마이닝(Business Data mining)
2. 웹 텍스트 마이닝(Web Text Mining)
3. 지식관리시스템 (Knowledge Management System)
1) Dateware
2) Sovereign Hill Software, Inc.
3) Semio
4) Relevance Technologies,
4. 검색엔진 (Search Engine)
1) Northern Light
2) InFind
3) Google

Ⅳ. 데이터마이닝 활용 사례
1. 사례 1 비지니스 확장
2. 사례 2 비용 절감
3. 사례 3 판매 증가 효과와 수익성

Ⅴ. 데이터마이닝의 한계점

Ⅵ. 데이터마이닝의 주의사항

Ⅶ. 결론

참고문헌

본문내용

및 과학적인 분석을 통한 활용의 필요성이 자연스럽게 대두되었다는 데 있다. 그러나 국내의 경우는 이와 매우 다른 실정이다. 조사에 의하면 국내 기업의 고객정보 데이터베이스화율은 33% 수준에 머물고 있으며 그 것도 업종별로 심한 격차를 보이고 있다. 게다가 데이터베이스의 활용도는 더욱 더 저조한 상태이다. 이렇듯 데이터마이닝의 기대효과를 충분히 실현할 수 있는 기본 토대인 데이터의 양과 충실도가 매우 낮은 우리나라 현실에서 단지 데이터마이닝 기술의 도입으로 큰 성과를 기대하는 것은 무리라고 할 수 있다. 따라서 국내 기업은 데이터마이닝 기법을 도입하기에 앞서 보유하고 있는 마케팅 데이터베이스가 데이터마이닝의 성공적 활용에 필요한 데이터양과 질을 갖추고 있는 지를 객관적으로 평가하여야 한다. 또한 데이터마이닝의 도입을 통해 얻고자 하는 목표를 막연하게 설정하는 것이 아니라 구체적이고 종합적으로 설정하여야 한다.
Ⅵ. 데이터마이닝의 주의사항
Data Mining은 의미와 목적상 의사결정시스템(Business Intelligence System)과 병행되어져야한다. 다양하게 존재하는 원천데이터에 대한 용이한 접근이 가능해야 하고 유용하게 적용될 수 있는 여러 기법들을 제공할 수 있어야 한다. 구체적인 mining의 방법론을 가지고 실제 작업을 구현하는데 있어서 지침이 되는 가이드라인이 제시되어야 하고 Data Mining에 의한 결과물을 최종사용자가 쉽게 이해하고 이용할 수 있도록 하는 부분까지를 포함하는 보다 포괄적인 솔루션이어야 한다. Data Mining에서 인적요소의 역할은 매우 중요하다. 즉 사람에 의한 판단은 mining 과정에서 매우 중요하며, mining된 결과를 비교·평가하고 이를 실제 업무에 어떻게 활용할 것인가를 판단하는 것 역시 사람만이 가능하기 때문이다.
Ⅶ. 결론
데이터마이닝은 중요한 패턴이나 경향을 추출하기 위한 목적으로 데이터를 체계적으로 개발하는 것으로 정의된다. 많은 기업에서는 정보기술의 향상과 데이터 저장 비용의 하락으로 대용량의 데이터를 저장 할 수 있다. 방대하고 복잡해진 데이터를 효과적으로 활용하는 방안이 최대 관심이다. 경영에 도움이 되는 유용한 정보를 더욱 신속하고 효과적으로 찾는 기업이 경쟁 우위를 찾지 하게 된다. 이와 같이 기업 간의 경쟁이 심화되고 정보의 중요성에 대한 인식이 확산됨에 따라 대량의 데이터에서 정보를 캐내는 데이터마이닝 기술이 주목을 받게 되었다. 이 기법은 기업의 생산성 제고와 새로운 패러다임인 데이터베이스 마케팅(Database Marketing), 고객관계관리(CRM(Customer Relationship Management)), 위험관리(Risk Management)등의 중요성이 크게 부각되면서, 더욱 그 관심의 폭이 증가하고 있다. 이미 국내에서도 다양한 연구와 프로젝트가 추진되어 그 연구 결과물이 발표되고 있지만 데이터베이스의 전 단계라고 할 수 있는 데이터 웨어하우스 구축작업에 그치고 있다고 할 수 있다. 현재 구현된 마이닝 도구들은 실제 마이닝이 제공해야 하는 기능을 모두 제공하지 못하고 있다. 아직은 마이닝 기능 중 일부만을 제공하거나 통계학적 지식과 관계형 데이터베이스를 다룰 수 있는 기술, 현업에 관한 지식을 가진 전문가로서 도구에 매우 숙달된 사람만이 이용할 수 있도록 되어 있으며 자동적인 마이닝의 수행과 이용자 인터페이스의 제공이 미약하다. 최근까지 데이터마이닝은 깊이 있는 수학적 지식을 가진 통계학자에 의해서만 실용적으로 사용할 수 있는 난해한 분야였다. 현재 이러한 점이 어느 정도 개선되긴 하였지만, 여전히 데이터마이닝은 실제 마이닝을 수행하는 전문가를 보조하는 도구에 불과하여 개선의 여지가 많다.
데이터마이닝의 기본 개념에 대하여 살펴보고 이에 관련된 문제로서 데이터 웨어하우스와 데이터마이닝의 관계, 데이터마이닝 지식 프로세스, 데이터마이닝 모델을 조사하였다. 또한 이 기법을 활용한 분야인 지식관리시스템과 검색엔진을 중심으로 조사하였다. 이러한 조사결과는 경영 분야와 문헌정보 분야의 데이터마이닝의 활용에 대한 현황을 제공하며 인트라넷 개발 및 지식관리시스템 구축에 관심이 있는 정보 전문가에게 데이터마이닝의 밝은 가능성을 제시한다. 한편 웹 상에 있는 엄청난 문서와 웹 페이지들을 비롯하여 인터넷과 인트라넷의 다양한 정보들이 대부분 비 구조적인 형태로 이루어져 있기에 데이터마이닝 기술의 활용은 점차 증가할 것으로 기대된다. 물론 웹 문서들이 비 구조적인 HTML형식에서 좀 더 구조화된 XML과 SGML형식으로 변형된다면 데이터마이닝 기술이 좀 더 간편해지고 정확한 검색에 도움이 될 것이다. 그러나 아직은 데이터마이닝 응용 프로그램의 새로운 구현과 보완이 여러 부분에서 필요함으로 이를 다음과 같이 지적한다. 우선적으로 데이터 획득과 변환의 완전 자동화가 필요하다. 자동화된 의사결정나무를 생성함으로서 사용자의 실무 경험이 다양한 옵션 설정을 통해 마이닝 수행에 쉽게 반영될 수 있도록 한다. 적합한 데이터마이닝 모델의 선정과 이에 대한 평가가 제시되어야 한다. 끝으로 사용자가 설정이나 환경을 변경할 때, 이러한 전 과정에 미치는 결과를 한꺼번에 볼 수 있으며 쉽게 파악할 수 있는 이용자 중심의 인터페이스를 제공해야 한다.
참고문헌
◎ 강현철·박태원·임난희, Data Mining 방법론과 SAS Enterprise Miner, 한국분류학회 발표논문집, 1998
◎ 강현철, 데어터마이닝 : 방법론 및 활용, 자유아카데미, 1999
◎ 김정숙·나종화, 데이터마이닝 기법을 이용한 이동통신 광고 전략, 한국조사연구학회, 2001
◎ 안수산, 데이터마이닝 기법을 활용한 스팸메일 분류 및 예측모형 구축에 관한 연구 : 이화여대 경영 대학원 석사학위논문, 2001
◎ 장남식·장재호·홍성완, 데이터마이닝, 대청미디어, 1999
◎ 조재희·박성진, 데이터 웨어하우징과 OLAP, 대청출판사, 1996
◎ 최종후·한상태·강현철·김은석, AnswerTree를 이용한 데이터마이닝 의사결정나무분석, SPSS 아카데미, 서울, 1998
◎ Berry.M, J, A·Linoff, G춘계학술논문발표대회 논문집, 1997

키워드

데이터마이닝,   데이터마이닝기술,   데이터베이스,   데이터,   데이터마이닝기법