의사결정지원시스템(DSS Decision Support System)사례

목차

1. 의사결정지원시스템을 이용한 300GB 데이터의 활용과 고객 서비스

2. 의사결정지원시스템이 제공한 효과

<예제>

본문내용

ir : 항공업. 2천6백만에 달하는 상용 고객들에 대한 타겟 마케팅을 대중 매체를 이용해 수행할 경우 지출될 1억달러 이상의 비용을 절감함.
Mecksson : 의약품 판매업. 지능적인 고객 마케팅으로 효율을 개선했으며, 조제 약품과 소비자용 약품의 약구, 병원, 소매점에 대한 공급관리를 시도함. 즉품목 단위의 수익 분석 및 의사결정, 소매점과 공급업자에게 적시에 정확한 정보제공, 타겟 마케팅을 통하여 Mecksson과 소매업자에게 모두 이익이 생기게 함 등이다.
U.S West : 통신업. 미국 14개주에 2천5백만 고객. 시장 요구를 파악하고 공격적 상품 출시를 시도함. 전화비용 정보의 분석을 통하여 상품 출시를 보안. 즉시의 적절하고 정확한 정보를 통하여 시장 공략 기회를 신속히 포착, 상품별 수익성 파악 등이다.
데이터 마이닝
1. 금융업에서의 적용 사례
금융기관에서는 타 업체와의 차별화 전략을 모색하고 있으며, 이는 바로 그들이 이미 갖고 있는 데이터의 자세한 관찰에서부터 시작이 되는 것이다. 금융업에서는 은행 계좌의 기록, 자동지급기의 기록, 신용카드의 거래 기록, 투자 기록 등 날마다 다양한 형태의 데이터가 수집이 된다. 타 업체와의 경쟁에서 우위를 점령하기 위해서는 이러한 자료를 적절하게 제품, 가격, 프로모션등에 적용을 하여 ROI를 극대화하기 위한 방안을 모색해야 한다. 이러한 목표를 달성하기 위해서는 어떠한 부류가 가장 이익을 남기는 고객인가와 특정 상품을 제공했을 경우에 반응이 높을 것이라고 예상되는 고객이 어떠한 부류인가를 파악해야 한다.
First Union ; 고객 만족도 향상 mass 마케팅에서 일대일 마케팅으로의 전환, 캠패인 반응 결과 60%향상.
Bank of America ; 20%의 은행고객이 150%의 이익에 공헌을 하며, 40-50%에 해당하는 고객이 은행전체의 50%를 감소시킨다. 50%의 이익을 감소 시키는 고객 중 상위 20%고객을 탐지
Wells Fargo ; 기존의 모형에 대한 불만족 해소, 기존의 주 단위의 예측 모형에서 일단위로의 전환을 통해 보다 신속한 파악이 가능해짐
Toronto Dominion Bank ; 다양한 모델링 기법과 실행에 있어서의 신속함을 요구, 애초에 10주로 계획이 되었던 프로젝트가 3-4주로 단축이 됨
2. 유통업에서의 적용 사례
유통업계에서는 고객의 거래 테이터와 인구 통계학적 데이터, 라이프 스타일 등의 관계를 파악하여 그 결과를 고객의 충성도를 향상시키는 방법이나, 신규 고객의 확보나 cross-sell, up-sell등에 주로 마이닝 기법을 이용한다.
Newport News ; 제한된 카탈로그 분석을 통한 고객 세분화, 30시간이 걸리던 분석 시간이 30초로 단축이 됨
Vemont County Store ; 메일링 비용의 증가 등에 따른 세일 기간의 카탈로그 발송의 반응율 향상,
3. 통신업에서의 적용사례
불과 십여 년 전만해도 각국의 통신 업체는 독과점의 형식을 취하여서, 통신업계의 문제라면 단지 신규 고객의 확보와 서비스의 개선 등의 문제에 국한 되었다. 그러나 최근에는 통신시장에서의 빠른 변화가 진행되고 있으며, 통신 시장이 다른 어느 산업체보다도 경쟁이 치열한 분야로 떠오르고 있다. 미국과 유럽을 위시해서 각국마다 다수의 통신 업체가 들어서게 되고, 신규 고객의 확보에는 어느 정도의 한계에 부딪히게 되었다. 이제 각 통신사에서는 그 효율성이나 비용면에서, 신규 고객의 확보보다는 기존의 고객 유지에 중점을 두고 있는 형편이다.
AT&T ; 모델링 프로세스의 비효율성 개선, 모형 적합과정에서의 50% 시간 단축
France Telecom ; 이탈방지, 타겟마케팅, 이탈고객방지의 큰 효과.
MT&T ; 자본투자의 비효율성 개선, Market share의 5%증가.
SK ; 이탈방지, 캠패인과의 연계 및 평가, 이탈고객 방지의 큰 효과
인간 게놈 프로젝트
베일 벗은 인간 게놈의 신비가 최대 화제로 떠오르고 있는 가운데 대용량의 데이터 속에서 숨겨진 패턴을 찾아내는 데이터 마이닝 기술이 인간 게놈의 비밀을 푸는데 결정적으로 기여해 화제다.
인간 게놈은 인체 세포에 존재하는 23쌍의 염색체와 염색체를 이루는 DNA, 다시 DNA를 구성하는 30억 개의 염기 쌍의 나선형 조합으로 구성돼 있다. 이번에 규명된 것은 이 30억 개의 염기 배열, 즉 인체를 구성하는 유전자 지도를 그리는 것이다. 그러나 이것은 시작일 뿐이다. 과학자들은 30억 개의 인간 염기 설열중 3% 정도만이 유용한 것으로 보고 있다. 문제는 30억 개 중 어떤 것이 3%에 해당되는지 모른다는 것. 또 그 속에 담겨있는 유전자 정보를 찾아내 어떤 부문의 변이가 질병을 발생시키는지 알아내는 것이 중요하다. 이에 따라 게놈 코드 해석은 1000여명을 대상으로 이뤄지며 각 개인당 100만 비트 이상의 데이터를 서로 비교 분석하는 방식으로 진행된다. 특정 질병을 가지고 있는 이와 그렇지 않은 이의 유전 정보를 비교 분석함으로써 특정 게놈코드와 질병과의 연관관계를 밝히려는 것이다. 인간게놈 프로젝트에 투입된 과학자들은 여기에 데이터 마이닝 기술을 이용하고 있다. 막대한 양의 데이터를 비교 분석해 이상 부문을 찾기 위해서는 현재로선 유전정보 데이터웨어하우스를 구축하고 데이터마이닝 기술을 적용하는 것만 효과적인 것이 없다. 특히 인간 게놈의 유전적 특징 등에 대한 분석에 적합한 것으로 과학자들은 보고 있다. 30억개 염기의 배열이 규명된 지금, 이제 이 염기 배열지도를 통해 개별 유전자의 기능을 밝혀내는 일이 남았다. 인간게놈 프로젝트가 완료되면 암, 심장병, 알츠하이머, 에이즈, 천식, 탈모 등 질병을 유발하는 유전자들이 밝혀져 유전자 수준의 치료제가 나오게 된다. 앞으로는 자신의 유전 정보를 담은 극소형 DNA칩을 의사에게 제시하고 유전자 기형을 막는 치료도 받게 될 것이다.
개개 유전자가 어느 곳에 존재하고 어떤 역할을 하는지를 규명하는 길고 긴 '퍼즐 맞추기'작업에 데이터마이닝 기술이 결정적인 기여를 할 것으로 기대된다. 인류의 오랜 숙원인 '무병장수'는 데이터마이닝과 같은 정보기술의 든든한 뒷받침없이는 요원한 일이다.

키워드

의사결정지원