|
데이터마이닝을 통해 기부자의의 성향을 정확히 파악해야 효과와 효율을 동시에 만족할 수 있다. 1. Association (연관규칙)
2. Classification (분류)
3. Sequential Pattern (순차패턴)
4. Clustering (군집)
5. 모금에서 데이터마이닝(Data mining) 의 활용
|
|
|
데이터를 바탕으로 신용등급을 결정하는 시스템을 많이 사용한다. 1. 데이터 마이닝 분석 기법
① 전통적인 통계적 방법(회귀분석, 판별분석)
② 의사결정나무(Decision Tree)
③ 신경망(Neural Networks)
④ 시각화(Data Visualization)
⑤
|
|
|
데이터마이닝은 누구에게 전화를 하는지, 언제 전화를 하는지, 고객에게 무엇을 질문하였는지, 고객에게 무엇을 제공하였는지, 다음 후속전화(Follow-Up Call)의 적기는 언제인지, 다양한 채널(인터넷, 홈뱅킹, 은행지점등) 전략내에서 콜센터의
|
|
|
데이터마이닝과 질의도구(SQL)의 차이를 기술하시오.
데이터마이닝(data mining)이란 대용량의 데이터로부터 이들 데이터 내에 존재하는 관계, 패턴, 규칙 등을 탐색하고 찾아내어 모형화 함으로써 유용한 지식을 추출하는 일련의 과정들로 정의
|
|
|
데이터마이닝 기법의 응용에 대한 연구, 신학경영연구, 2002
*홈페이지
-http://www.neoisys.com/mining.html
-http://www.dawinc.co.kr/html/solutions_sasmining.asp
-VAATZ 홈페이지 "www.vaatz.com"
*신문기사
-한국일보, [절대품질, 산업현장이 바뀐다] <2> 현대자동차
|
|
|
데이타마이닝이 왜 지금 이렇게 부각되는 것인가?
데이타마이닝에서 사용되는 복잡한 방법론들이 지금 나와서 인가?
고객에 대한 분석이 이제서야 궁금해서 인가?
정보기술 환경의 변화
비즈니스 환경의 변화 1. DATAMINING의 정의
2. DAT
|
|
|
데이터마이닝을 통한 소비자 분석이 필요
5. 사례 연구의 시사점
위의 4 가지 사례들은 모두 성공사례이고 , 데이터마이닝이 실제 적용된 정확한 수치 및 결과가 나타나 있지 않다는 한계점을 감안하여 그 시사점을 살펴보면 아래와 같다.
첫
|
|
|
한다. I. 서 론
Ⅱ. 이론적 배경
2.1 Data Mining
2.1.1 인공신경망
2.1.2 SVM
2.2 이탈고객관리에 관한 선행연구
Ⅲ. 연구모형
1. 연구절차
IV. 실증분석
4.1 자료 수집 및 변수 선정
4.2 이탈고객 세분화
V. 결론
참고문헌
|
|
|
데이터는 단순한 숫자나 부호가 제공할 수 있는 것보다 더 많은 양의 정보를 줄 수 있는 장점을 갖고 있으며 많은 기업들이 텍스트 데이터의 유용성을 인식, 많은 관심을 기울이고 있고 그 중요성이 날로 높아가고 있다.
III. 데이터마이닝 작
|
|
|
반면, MOLAP제품은 ROLAP제품에 비해 대용량의 데이터를 처리하지 못한다. 1. 데이터마이닝의 정의
2. OLAP의 정의
3. 데이터마이닝 Vs. OLAP
4. 데이터 마이닝 OLAP의 적용사례
5. 국내 OLAP의 시장 현황
6. 데이터마이닝 툴과 OLAP 툴
|
|
메뉴펼치기
