데이터 마이닝

목차

I. 서론
1. 데이터 마이닝의 등장과 배경
2. 데이터 마이닝에 관련된 문제

II. 데이터 마이닝에 관한 개괄
1. 데이터 마이닝의 개요
2. 데이터 마이닝이란?
3. Knowledge Discovery in Databases(KDD) 와 데이터 마이닝
4. 데이터 마이닝 활용의 필요성
5. 기존 조회도구와의 차이점

III. 데이터 마이닝 알고리즘
1. 알고리즘의 계통
2. 분류 대상 알고리즘의 특징
3. 분류 기준
4. 데이터 마이닝 알고리즘 경향 및 추세
5. 최상 알고리즘 선정

IV. 데이터 마이닝 기법
1. 클러스터링(Clustering) 기법
2. 분류(Classification) 기법
3. 연관 규칙(Association Rule) 기법
4. 요약(Summarization) 기법

V. 데이터 베이스 작용 사례연구 및 응용분야
1. 적용 사례
2. 응용분야

VI. 현재 데이터베이스의 한계점

VII. 결론

본문내용

마이닝을 이용할 수 있다. 예를 들면 한 항공사는 비행거리 누적 혜택을 받는데는 별 도움이 되지 않을 정도의 짧을 거리를 매우 자주 여행하는 고객집단이 존재함을 발견하였다. 따라서 이 항공사는 비행거리 뿐만 아니라 비행횟수에 의해서도 항공사가 제공하는 혜택을 받을 수 있도록 규칙을 변경하였다
) 엄용환,「새로운 정보기술,데이터 마이닝」,『행정과전산』 82집(2000), pp.78∼79
.
VI. 현재 데이터베이스의 한계점
데이터 웨어하우스와 데이터 마이닝과 같이 전자적으로 축적되어 있는 데이터를 공유하고 이를 적극적으로 분석하여 활용하려는 정보기술은 주로 미국을 포함한 주요 선진국들에 의해 소개되오 있다. 이러한 정보기술의 등장배경을 살펴보면 오랜 기간 동안 운영시스템을 안정적으로 활용해온 결과 고품질의 많은 데이터가 전자적으로 수집되었고, 데이터를 쌓아오면서 축적된 노하우가 확실하며, 이로 인해 방대해진 데이터에 대한 공유 및 과학적인 분석을 통한 활용의 필요성이 자연스럽게 대두되었다는데 있다.
그러나 국내의 경우는 이와 매우 다른 실정이다. 국내 기업의 고객정보는 업종별로 심한 격차를 보이고 있으며 데이터 베이스의 활용도 그리 활발하지 못하다. 이렇듯 데이터 마이닝의 기대효과를 충분히 실현할 수 있는 기본 토대인 데이터의 양과 충실도가 매우 낮은 우리 나라 현실에서 단지 데이터 마이닝 기술의 도입으로 큰 성과를 기대하는 것은 무리라고 할 수 있다. 따라서, 국내 기업은 데이터 마이닝 기법을 도입하기에 앞서 보유하고 있는 마케팅 데이터 베이스가 데이터 마이닝의 성공적 활용에 필요한 데이터 양과 질을 갖추고 있는지를 객관적으로 평가하여야 한다. 또한 데이터 베이스 마이닝의 도입을 통해 얻고자 하는 목표를 막연하게 설정하는 것이 아니라 구체적으로 종합적으로 설정하여야 하다.
VII. 결론
지금 현 시대는 시장의 변화가 빠르게 진행되면서, 경쟁이 갈수록 심화되는 환경에 처해있다. 이러한 상황에서 기업이 살아남기 위한 방안으로 정보기술을 활용한 전략적읜 의사결정이 그 어느 때보다 중요한 이슈가 되고 있다. 즉, 기업 내 축적된 데이터 베이스를 효과적으로 활용하여 보다 나은 의사결정을 위한 전략정보를 추출하는 것이 중요한 사인이라 할 수 있겠다. 지금까지는 쿼리(Query) 혹은 리포팅(Reporting) 도구들을 이용하여 정보들을 도출하였으나, 이것은 고급정보의 창출이라기보다는 현황 분석 또는 보고서용 등으로 정보 제공범위가 국한되어 있다.
이에 반해 데이터 마이닝은 이 보다 한층 진보된 숨어있는 정보들을 얻는데 사용되어 진다. 예를 들면 '어느 지역, 어느 시기, 어떤 제품이 매출이 저조한가?'하는 질문에는 쿼리 나 레포팅 도구롤 해결이 가능하지만, '왜 그런 현상이 일어났는지?, 우리 제품을 떠나는 고객들의 특징 및 패턴은 무엇인지?'라는 질문에는 데이터 마이닝을 이용해 해결할 수 있는 것이다.
이처럼 데이터 마이닝은 산업 전반에 걸쳐 여러 가지 비즈니스 문제들을 해결하고 그에 맞는 전략 수입에도 도움이 되는 정보기술로 이미 많은 기업들이 적용하고 있고, 도입을 검토 중에 있는 추세이다. 그러나 여기저기에서 데이터 마이닝에 관한 선전이 과대해지면서 데이터 마이닝에 관한 환상을 가지게 되는데 경우가 많은데, 이제는 이러한 환상보다는 실질적인 접근에 대해 생각해보고 성공적인 데이터 마이닝 작업을 위해 필요한 요소들을 점검해봐야 할 것이다. 이제 데이터 마이닝 툴만 이용하면 모든 비즈니스 문제가 해결될 수 있을 거라는 생각은 버리도록 하자.
데이터 마이닝 작업은 어느 특정한 부서에 국한되는 것이 아니라, 비즈니스 욕구를 해결하기 위해 현업, 전산, 분석가 등이 하나의 목적을 위해 서로 조화와 협력을 통해 한 걸음씩 나아가야 하는 것이다. 아직까지는 이 부분에 있어서 현업담당자들은 전산담당자들은, 또한 전산담당자들은 현업담당자들을 이해하는데 부족한 면이 있지만, 꾸준한 의사소통을 통해 서로의 업무를 이해해 나간다면 데이터 마이닝 프로젝트를 성공적으로 이끌어 나갈 수 있고, 잔사적으로 마이닝 결과를 활용하는 측면에서도 효과적일 것이다.
데이터 마이닝 작업에 있어서 중요한 요소는 다시 한번 요약하면, 데이터를 분석하기 위한 데이터, 데이터를 분석한 도구, 데이터를 분석하는 사람, 데이터 마이닝 결과 적용을 위한 유기적인 조직체 등을 들 수 있는데, 이중 무엇보다 중요한 것은 데이터를 분석하는 사람이라고 할 수 있다. 왜냐하면 분석을 하고 분석한 결과를 비교 평가하는 이를 업무에 어떻게 활용할 것인가를 파단하는 것은 바로 사람이기 때문이다.
참 고 문 헌
강현철 외. 『데이터마이닝』. 자유아카데미, 1999.
장남식· 홍성완·장재호. 『데이터마이닝』. 대청, 1999
권진영. "데이터베이스 마케팅에서의 데이터마이닝기법 활용." 군산대 경영행정대학원, 2001.
조성진. "데이터 마이닝을 이용한 의사결정지원 시스템." 고려대 대학원, 1999.
김수용. "데이터 마이닝을 이용한 효과적인 DB 마케팅에 관한 연구." 영남 경영대학원, 2002.
강문식. "데이터마이닝을 위한 경쟁학습 모델과 BP알고리즘을 결합한 하이브리드형 알고리즘." 공주대 대학원, 2002.
오희경. "데이터 마이닝 분류 모델 비교 및 분석." 서울대 대학원, 2001.
박경우·이대영. "데이터 마이닝 알고리즘 분석 및 동향." 『光州保健大學 論文集』 (27) (2002).
한기준 評. "데이타 마이닝 : 개념, 기술, 그리고 응용." 『정보화정책』9(3) (2002).
이도헌, "데이터 마이닝을 이용한 CRM." 『情報科學會誌』138 (2000).
이란주. "데이터 마이닝(Data Mining)에 관한 연구." 『도서관』356 (2000).
엄용환. "새로운 정보기술,데이터 마이닝." 『행정과전산』82 (2000).
최희윤. "정보관리분야의 데이터 마이닝 기법 적용에 대한 연구." 『情報管理硏究』 31(3) (2000).
김정자·이도헌, "데이타 마이닝 기술 및 연구동향" 『情報科學會誌』112 (1998)
오승준 外著. "데이터 마이닝 기법의 현황 및 추세." 『韓國OA學會誌』 8(2) (2001).

키워드

데이터마이닝,   인공지능,   데이데베이스,   지식발견,   데이터 마이닝 알고리즘,   클러스터링