경영혁신을 통해 얻을 수 있는 효과 & ERP 도입 성공과 실패 요신 & 데이터마이닝

소개글

경영혁신을 통해 얻을 수 있는 효과 & ERP 도입 성공과 실패 요신 & 데이터마이닝에 대한 보고서 자료입니다.

목차

Ⅰ. 경영혁신을 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

본문내용

ees)는 분류 또는 예측을 목적으로 하는 어떤 경우에도 사용될 수 있는 기법
- 분석의 정확도보다는 분석과정의 설명이 필요한 경우에 더 유용하게 사용 활용분야
ㆍ세분화(Segmentation) : 데이터를 비슷한 특성을 갖는 몇 개의 그룹으로 분할하여 각 그룹별 특성을 발견하는 경우 또는 각 고객이 어떤 집단에 속하는지를 파악하고자 하는 경우
예) 시장세분화, 고객세분화
ㆍ분류(Classification, Stratification) : 관측개체를 여러 예측 변수들에 근거하여 목표변수의 범주를 몇 개의 등급으로 분류하고자 하는 경우.
예) 고객을 신용도에 따라 우량/불량으로 분류하는 것
ㆍ예측(Prediction) : 자료로부터 규칙을 찾아내고 이를 이용하여 미래의 사건을 예측하고자 하는 경우.
예) 고객속성에 따라서 대출한도액을 예측하는 것
ㆍ 차원축소 및 변수선택(Data reduction and variable screening) : 매우 많은 수의 예측변수 중에서 목표변수에 큰 영향을 미치는 변수들을 골라내고자 하는 경우
ㆍ교호작용효과의 파악(Interaction effect identification) : 여러 개의 예측 변수들이 결합하여 목표변수에 작용하는 규칙(교호작용효과)을 파악하고자 하는 경우
ㆍ 범주의 병합 또는 연속형 변수의 이산화(Category merging and discretizing continuous variable) : 범주형 목표변수의 범주를 소수의 몇 개로 병합하거나 연속형 목표변수를 몇 개의 등급으로 이산화 하고자 하는 경우.
의사결정나무를 사용하게 되면 대출거절, 카드사용승인 거절과 같이 고객에게 그 이유를 반드시 설명해야 하는 경우에 사용할 수 있다.
5. 신경망모형
Data mining에 대한 관심이 모아지면서 가장 일반적으로 언급되어지고 또한 다양한 응용 분야를 가지고 있는 기법
Data mining에 이용되는 한 기법으로서의 신경망모형은 인간이 경험으로부터 학습해 가는 두뇌의 신경망 활동을 흉내내어 자신이 가진 데이터로부터의 반복적인 학습 과정을 거쳐 패턴을 찾아내고 이를 일반화함으로써 특히 향후를 예측(Prediction)하고자 하는 문제에 있어서 유용하게 이용되는 기법 매우 복잡한 구조를 가진 데이터들 사이의 관계나 패턴을 찾아내는 유연한 비선형 모형(Flexible nonlinear Model)의 하나로, 신경생리학과의 유사성 때문에 일반적으로 다른 (통계적) 예측모형에 비해 보다 흥미롭게 여겨지고 있다.
주로 Supervised data에 적용되어 결과변수(target)에 대한 예측(Prediction)이나 분류(Classification)를 목적으로 감춰진 패턴을 찾고 이를 일반화하는데 이용,
혹은 Unsupervised data에서 코흐넌 맵(Kohonen maps)을 이용하여 데이터의 클러스터링 작업을 수행하는데 쓰이기도 한다.
신경망모형은 입력변수와 결과변수의 관계를 그리기가 어려운 복잡한 데이터에 대해서도 좋은 결과를 주며 입력변수와 결과변수의 속성이 연속형이나 이산형인 경우를 모두 다룰 수가 있어 유연하기는 하지만 설명력이 부족하여 종종 블랙박스 Black box로 불리고 있음
신경망모형은 인간이 어떠한 현상을 인지하게 되는 것처럼 쉽게 설명되지 않는 내부적인 작업을 수행하고 이를 통해 얻어진 결과물을 제공할 뿐 어떠한 변수가 중요한지, 어떻게 상호작용이 이루어져 그러한 결과물을 주게 되는 지에 대한 설명은 하지 않는다. 설명력 (Comprehensibility) 보다는 더욱 정확한 예측을 주는 것이 더 중요하게 고려되는 경우에 이용될 수 있을 것이다.
신경망의 구성요소
ㆍ입력층(Input layer) : 각 입력변수에 대응되는 마디들로 구성되어 있다. 명목형(nominal) 변수에 대해서는 각 수준에 대응하는 입력마디를 가지게 되는데, 이는 통계적 선형모형에서 가변수(dummy variable)를 사용하는 것과 같다.
ㆍ은닉층(Hidden layer) : 여러 개의 은닉마디로 구성되어 있다. 입력층으로부터 전달되는 변수값들의 선형결합(linear combination)을 비선형함수(nonlinear function)로 처리하여 출력층 또는 다른 은닉층에 전달한다
ㆍ출력층 (Output layer) : 목표변수(target)에 대응하는 마디들을 갖는다. 여러 개의 목표변수 또는 세 개 이상의 수준을 가지는 명목형 목표변수가 있을 경우에는 여러 개의 출력마디들이 존재한다.

키워드

경영혁신,   ERP,   데이터마이닝