|
system)이다. DATA WAREHOUSE
▶ 등장 배경
▶ 목표와 정의
▶ 진화과정
▶ FRAMEWORK
▶ 구축효과
▶ 시장동향
▶ 구축사례(피자헛)
DATA MINING
▶ 등장 배경과 정의
▶ PROCESS
▶ 기법
▶ 구축사례
▶ 다양한 활용 분야
▶ 결론
|
|
|
데이타 웨어하우스 활성화에 따른 데이타 마이닝 구축 필요성에 대한 인식의 확산
컴퓨팅 능력의 향상에따른 데이터 마이닝을 위한 대량의 연산을 소화하는 것이 가능
2.Data Mining의 배경 및 동향
국내 동향
발전 단계
한국 IBM , 한국 SAS,
|
|
|
Data Mining의 특징과 목적
특징
대용량(massive)의 관측 가능한 자료
컴퓨터 중심적 기법
경험적 방법
일반화에 초점
의사결정을 지원하기 위해서 활용
목적
현재의 비즈니스 문제와 관련한 패턴을 발견해내는 것. 1. DM의 정의
2. DM의
|
|
|
DM 매출은 현상유지 하면서 DM 발송비용은 35% 절감하였다.
3) LTV 의 결함률 조정
- 미국에서 세 번째의 철강 메이커인 LTV 에서는 96년 기준으로 40억불의 매출을 올리고 있다. 이 회사는 데이터마이닝 기법을 이용해서 결함 허용도를 3~5% 이던 기
|
|
|
DW (Data Warehouse)
4. ETT (추출시스템)
5. 데이터마이닝 (Data Mining)
6. OLAP (Online Analytical Processing)
7. LTV (Life time Value)
8. CTI (Computer Telephony Integration: 컴퓨터 전화통합 시스템)
9. VolP (voice over internet protocol)
10. EIP (Enterprise Information Portal)
|
|
 |
데이터 마이닝(data mining)이라 불리는 이 CRM 작업의 핵심은 장기간에 걸친 풍부한 자료 수집과 과학적인 분석. 이는 최근 ‘고객 맞춤형’ 점포를 통해 효율성을 극대화하려는 유통업체들이 적극 강화하고 있는 부문이기도 하다.
CRM은 고객에
|
|
|
2025년 롯데정보통신_D&A_DW_DM_최신 자기소개서
1.지원 동기
2.성격 장단점
3.생활신조 및 가치관
4.입사 후 포부
1.지원 동기
롯데정보통신의 데이터 분석 및 데이터 웨어하우스, 데이터 마트 분야에 지원하게 된 것은 기술적 역량과 데
|
|
 |
환경에 적응하는 유연성을 기르고 있습니다. 이러한 준비 과정을 통해 데이터에 대한 체계적인 이해와 넓은 시야를 갖추게 되었으며, 앞으로도 끊임없이 배움과 실천을 병행하여 성장해 나가고자 합니다. 앞으로 데이터 분야에서 가치 창출
|
|
|
통해, 단순히 데이터를 다루는 것을 넘어서, 데이터 기반의 전략 수립에 기여하고 기업의 성장에 핵심적인 역할을 할 수 있도록 최선을 다할 것입니다. 분석 결과는 물론, 데이터의 활용 방안에 대해서도 적극적으로 제안하고 피드백을 받아
|
|
|
더 많은 가치를 창출할 수 있는 방법을 모색할 예정입니다. 또한, 회사 내부에서 데이터 분석에 대한 문화와 인식을 확산시키기 위해 워크숍과 세미나를 개최하여 전사적인 데이터 활용 역량을 증대시키고, 데이터 기반의 의사결정이 일상화
|
|
|
데이터 분석 결과를 기반으로 한 인사이트를 제시하여 고객의 비즈니스 성장을 지원하겠다. 결국, NHN에서의 모든 활동은 고객의 가치를 최우선으로 생각하며 진행되며, 데이터 중심으로 의사 결정을 내리는 문화가 자리 잡는 데 기여하겠다.
|
|
메뉴펼치기
