[데이터마이닝 등장배경][데이터마이닝 기법][데이터마이닝 문제점][미국 데이터마이닝 활용 사례]데이터마이닝의 등장 배경, 데이터마이닝의 기법, 데이터마이닝의 문제점, 미국의 데이터마이닝 활용 사례 분석

소개글

[데이터마이닝 등장배경][데이터마이닝 기법][데이터마이닝 문제점][미국 데이터마이닝 활용 사례]데이터마이닝의 등장 배경, 데이터마이닝의 기법, 데이터마이닝의 문제점, 미국의 데이터마이닝 활용 사례 분석에 대한 보고서 자료입니다.

목차

Ⅰ. 개요

Ⅱ. 데이터마이닝의 등장 배경
1. 출현배경
2. 국내동향

Ⅲ. 데이터마이닝의 기법
1. 로지스틱 회귀분석
1) 로지스틱 회귀분석의 개요
2) 회귀분석의 특징
2. 의사결정나무
1) 의사결정나무의 개요
2) 의사결정나무의 특징
3. 신경망 분석
1) 신경망 분석의 개요
2) 신경망 모형의 특징

Ⅳ. 데이터마이닝의 문제점
1. 데이터 웨어하우스와 데이터마이닝의 관계
2. 데이터마이닝 지식 프로세스
1) 데이터마이닝 지식 프로세스의 중요 요소
2) 데이터마이닝 지식 프로세스 분석 기법
3. 데이터마이닝 모델
1) 분류
2) 클러스터링
3) 연관성
4) 순차적 패턴

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

참고문헌

본문내용

stone Financial은 1.6백만 달러의 신규수익을 거둬들이게 된다. 데이터마이닝을 활용한 비지니스 확장의 대표적인 성공 사례가 아닐 수 없다.
2. 사례 2 비용 절감
Empire Blue Cross / Blue Shield는 뉴욕 주 최대의 의료 보험 회사이다. 미국의 의료업계는 가장 경쟁이 심한 분야의 하나로 꼽히는데 이 분야에서 경쟁력을 보유하기 위해서는 품질 서비스는 물론 비용 절감이 중요한 관건이 된다. 현재 Empire Blue의 시급한 과제는 보험사기를 감시 방지하는 것인데 이는 때때로 비정직한 의사들이 환자에게 필요 이상의 치료를 받게 하여 보험 회사로 하여금 큰 비용을 부담케 하기 때문이다. 이로 인한 과도한 비용 지출은 보험 회사의 경쟁력 저하를 초래하는 실정이다. 데이터마이닝 응용 프로그램이 Empire Blue의 데이터베이스에 저장된 각 의사들의 진찰 정보를 분석하여 동료 그룹과 다른 행동을 보이는 의사들을 선별해 낸다. 예를 들어, 다른 의사들과 비교해서 환자 당 많은 치료를 실행하는 의사, 환자 당 40%이상 초과 치료비를 부과하는 의사, 주말 진료가 잦은 의사들이 의심 그룹으로 구별된다. 이 경우 동료 의사들의 일반적인 행동이 모델로 결정되고 여기서 이탈하는 이상 의사들의 행동이 별도로 감지된다. 이와 같은 방식을 통해 의심 그룹 군에 속한 의사들을 감시함으로써 Empire Blue는1995년도에만 29 백만 달러, 96년 36 백만 달러, 97년 39 백만 달러에 이르는 막대한 비용을 절감하게 된다.
3. 사례 3 판매 증가 효과와 수익성
제약 회사의 판매 대표들은 자사의 제품을 의사들에게 판촉하기 위해 다양한 방법을 동원하는데 의약품 샘플제공, 텔레 컨퍼런스, 골프 접대, 디너 미팅, 의학 자료(서적) 제공 등이 그 몇 가지 예에 해당한다. 어떤 판촉 행사가 의사들에게 가장 효과적인가를 이해하는 것은 판매 대표들에게 아주 중요한 정보가 된다. 왜냐하면 판촉 결과에 따라 장기간 막대한 비용을 들여 개발한 신제품의 판매 성패가 결정될 수 있기 때문이다. 모 제약회사는 6개월간에 걸쳐 의사들을 대상으로 여러 가지 방법의 신제품 판촉 활동을 펼쳤다. 이 기간동안 판촉 방식과 그에 따른 판매 수익이 회사의 데이터베이스에 저장되었다. 다음으로 이렇게 구축된 정보들이 데이터마이닝 기술을 통해 세심하게 분석되었고 그 결과 판촉 방식에 따른 의사의 반응 모델이 결정되었다. 이 회사의 경우 사용된 여섯 판촉 방식 중에 단지 두 방식만이 의사의 의약 처방에 실제 영향을 끼치는 것으로 나타났다. 이렇게 데이터마이닝을 통해 얻은 지식을 바탕으로 의사 결정을 내림으로써 이 회사는 원래 예상보다 1.4백만 달러를 초과 판매하는 쾌거를 올리게 된다. 불필요한 판촉비를 절감하여 수익을 극대화함은 물론이다. 데이터마이닝이 투자에 대한 수익을 극대화 (ROI: Return On Investment)하는 데에 잘 활용된 예이다.
그러나 이와 같은 장점에도 불구하고 데이터마이닝은 아직 통계 전문가들이나 컴퓨터 전문가들만이 활용할 수 있는 어렵고 비싼 기술로 통하는 것이 사실이다. 가격 면에서 고성능 서버형 데이터마이닝 소프트웨어를 라이센스 하는데 드는 비용은 $150,000에서 $200,000에 이른다. 그러나 최근에 소형 마이닝(Micromining)으로 통하는 데스크 탑형 소프트웨어 개발이 활발한데 이들의 라이센스 비용은 $500에서 $50,000로 상당히 저렴한 편이다. 컴퓨터 하드웨어로 유명한 IBM은 1년 전 고성능 서버형 데이터마이닝 분야에 진입하여 신제품 Intelligence Miner를 선보였는데 라이센스 비용은 $25,000에서 $150,000정도인 것으로 알려져 있다. 이 밖에 데이터마이닝 제품을 개발하는 메이저 회사들을 소개하면 다음과 같다.
● IBM
● Thinking Machines
● DataMind
● Pilot Software
● Business Objects
● SAS Institutes
● Angoss International
● Neo Vista Solutions
● Magnify
● Cognos
그렇다면 데이터마이닝의 결과는 얼마나 정확한가? 파리와 산호제에 본부를 두고 있는 Business Objects의 상품 마케팅 부장 Alex Moissis는 \"정보 분석 측면에선 상당히 정확하다.\" 라고 말한다. 그러나 분석된 정보를 어떻게 활용할 것인가는 또 다른 문제라고 지적한다.\" 예를 들어 모 회사 데이터베이스의 소비자를 분석한 결과 포도주 애호가들이 오토바이를 갖고 싶어 하는 것으로 나타났다고 하자. 그렇다고 해서 일반적으로 모든 사람들이 동일한 행태를 보이는 것은 아니다.\" 이와 관련해서 그는 데스크 탑형 마이크로 데이터마이닝이 문제를 어느 정도 해결해 줄 것으로 믿는다. 예를 들어 자동차 제조업체가 기업 목적을 위해 대형 서버형 데이터마이닝을 활용할 때 개인 딜러들은 자신들이 관리하는 고객들을 진정으로 이해하기위해 소형 데이터마이닝 기술을 별도로 활용할 필요가 있는 것이다. 정보 홍수의 시대, 정보 속에 금맥이 있는 것은 확실하다. 데이터마이닝은 그러한 금맥을 찾는 훌륭한 도구임에 틀림없다. 그러나 어느 곳을 파야 하는 지에 대한 판단은 결국 사용자의 몫이다. 그러므로 데이터마이닝의 진정한 성공은 다시 말해 정보와 자신의 기업에 대한 사용자의 철저한 이해에 달려 있다고 할 수 있다.
참고문헌
◇ 강현철(2001), 데이터마이닝 enterprise miner 4,0을 이용한 방법론 및 활용, 자유아카데미
◇ 김성언최재화(1999), 데이터베이스 시스템, 학현사
◇ 박원환(2001), 수량 연관규칙을 위한 데이터마이닝 알고리즘에 관한 연구, 순천대학교 대학원 석사학위논문
◇ 이수연·김성희(2000), 데이터마이닝기법을 이용한 검색엔진에 관한 연구, 제7회 한국정보관리학회 학술대회 논문집
◇ 장남식·홍성완·장재호(1999), 데이터마이닝, 대청
◇ 최종후(1998), Answer tree를 이용한 데이터마이닝 의사결정나무분석 : 고려정보산업
◇ 최종후(1999), 데이터마이닝 : 기능과 사용법, 자유아카데미

키워드

데이터마이닝,   데이터마이닝사례,   데이터마이닝기법,   마케팅,   데이터