데이터마이닝의 정의와 효과

목차

1) 효과적인 가망고객(Prospective Customer)의 타겟팅
2)가능한 Cross-selling 기회 포착
3)판매 생산성을 극대화
4) 새로운 성장기회 발견
5)기 타

2-비용적인 측면에서는:
1)충성도 고객을 구분, 점수화
2)고객이탈방지
3)더 효과적으로 자원 할당
4)기 타

본문내용

는 " 세분화 모델링(Segmentation Modeling)" 이라고 알려진 기법으로 해결됩니다. 과거의 판매에 반응을 했던 고객과 그렇지 않았던 고객을 가장 잘 구별하는 인구통계학적인 변수의 조합을 찾는 전형적인 기법입니다. 이런 과정은 누가 가장 잘 반응을 할 수 있는지를 알 수 있는 중요한 증거를 줍니다. 즉, 반응도가 높은 고객에게 DM(direct mail)을 보낸다면 마케팅의 효과를 최대화하여 반응도도 높아지고 동시에 고객의 구매 역시 증가하는 것입니다. 의사 결정 나무는 또한 상호 판매 기회, 판매 분석의 실행, 신용 위험 분석 또는 부도율, 그리고 사기를 알아내는 것 등등에 사용될 수 있는 좋은 도구입니다.
Data Visualization
시각화 도구는 분석을 위한 방법으로 사람의 지각능력의 장점을 이용했습니다. 수치로 보여줄 수 없는 정보는 그림이 보여주는 경우가 자주 있습니다. 예를 들어 데이터의 선형 경향은 데이터의 분석테이블에서는 보기가 힘듭니다. 그러나, 직선에 걸쳐서 일련의 점으로 보여주는 산점도는 즉시 데이터의 선형성을 보여줍니다. 강력한 그래프로 프리젠테이션 때에 효과적으로 사용될 수 있습니다.
신경망 분석(Neural Networks)
신경망 분석은 사람 뇌의 구조를 모방한 데이터 모델링 기법입니다. 사람의 뇌 처럼 신경망은 Input set에서 학습을 하고, 패턴을 찾기 위해 학습결과를 모델의 파라미터를 조정하는 데 사용합니다. 신경망 분석은 비선형기법이지만 비선형 회귀분석처럼 특정한 설정이 필요없습니다. 즉, 분석을 할 때 구체적인 모델설정이 필요없다는 것입니다. 또한, 신경망 분석에서는 나이와 성별이 합쳐진 효과같은 상효 작용 효과가 뚜렷이 파악됩니다. 그러나 회귀분석에서는 명백히 구체화되었어야 합니다. 단점이라면, layer의 가중치나 난해한 변환으로 결과 모델을 해석하기가 힘들다는 것입니다. 신경망 분석은 따라서 데이터가 상호 작용 효과와 함께 높은 비선형성을 보일때 목표를 예측하기에 알맞습니다. 신경망 분석은 각종 예측, 신용평가, 소비자 반응예측모델, 그리고 신용리스크분석과 같은 곳에 적용하기 알맞은 좋은 도구입니다.
http://www.spss.co.kr/datamine/definition.htm
http://www.spss.co.kr/datamine/techniques.htm
http://www.spss.co.kr/datamine/evolution.htm

키워드

데이터마이닝,   mining,   Data,   데이터베이스,   DB,   카드