|
통해 얻을 수 있는 효과 (다양한 성공사례)
Ⅱ. ERP(전사적 자원관리) 도입의 성공요인과 실패요인 (다양한 기업의 ERP 성공사례)
Ⅲ. 데이터마이닝 기법 (5가지)
1. 연관규칙
2. 순차패턴
3. 클러스터링
4. 의사결정나무
5. 신경망모형
|
|
|
아직 시간이 더 필요하리라 보이나 부분적으로 마이닝 기술을 적용하는 곳은 점차로 늘어가고 있으며 그 효과 또한 입증되고 있다 데이터 웨어하우스
Data Warehouse 사례
쌍방울 Data Warehouse
데이터마이닝
( Data Mining )
|
|
|
데이터의 비중이 크다.
5) 처리 및 분석의 유연성이 높다.
6) 동시에 처리해야 할 데이터의 양이 적다.
4. 빅데이터 3대 요소
1) 규모(Volume)
2) 다양성(Variety)
3) 속도(Velocity)
5. 빅데이터 분석을 위한 데이터마이닝 기술
1) Business Data mining
|
|
|
데이터 마이너, CRM전문가 등 해서 유사한 직종이 있지만 데이터 과학자라는 직군은 통계, 데이터마이닝, 머신 러닝 등 데이터 분석에 대한 기초적인 지식과 더불어 프로그래밍 기술을 함께 갖춘 인력을 생각하시면 될 것 같다. 좀 더 자세히
|
|
|
리고 이 위원회는 손쉬운 데이터웨어하우스 이용이야말로 그랜드 서클의 우편물 관리 시스템, 예약 시스템, 고객 시스템 등을 통합할 수 있는 최선의 방책이란 결론을 내렸다. 이 결론에 따라 마케팅 부서는 자신들의 요구사항을 제출했고 IS
|
|
|
외 다수 Ⅰ. 서론
1. 마케팅과 CRM
Ⅱ. 본론 1
1. CRM과 데이터베이스 마케팅
2. CRM 의 개념
3. CRM의 필요성
4. CRM 구축의 전제조건과 구축 프로세스
5. CRM 사업의 실태와 전망
Ⅲ. 본론 2 - CRM 구축사례
Ⅳ. 결론
|
|
|
판매원을 통해 방문설명 1. 데이터베이스 마케팅 과정, 2. OLAP와 데이터웨어하우스를 비교 설명, 3. 데이터베이스 마케팅의 목적, 4. 데이터베이스 마케팅 전략 전개방향, 5. 데이터마이닝 기법, 6. 전자상거래를 위한 마케팅 방법론
|
|
|
Mining 발견 규칙
가. Data Mining Architecture
나. 연관규칙(Association rules)
- 레코드 셋에 대하여 아이템에 존재하는 친화도나 패턴을 찾아내는 규칙
다. 분류규칙(Classification rules)
- 데이터베이스 내의 객체의 셋에 대하여 그 안에 내재하는 공통 특성
|
|
|
1. 연관성 분석이란?
1.1 연관성 분석의 정의
1) 데이터 안에 존재하는 항목간의 연관규칙(Association Rule)을 발견하는 과정이다.
2) 마케팅분석에서 손님의 장바구니에 들어있는 품목간의 관계를 알아본다는 의미에서
장바구니 분석(Market Basket
|
|
|
Replacement
총자료의 개수가 32563이므로,그 의 10%인 3256개의 샘플을 뽑는다.
Data의 수가 많으므로(32562개) 데이터 파티션의 비율을 4:3:3 으로 하여 나눈다.
imputation method를 tree imputation with surrogates 로 선택한다.
5. Adult 데이터의 분석
|
|
메뉴펼치기
