|
데이터 유형별 가지치기 최적조건, 이지현, 한밭대학교, 2018, 국내석사
절단자료 분석을 위한 의사결정나무, 오인광, 고려대학교 대학원, 2020, 국내석사
데이터베이스 구축을 위한 의사결정나무기법의 비교연구, 조진혁,東亞大學校 大學院,2002
|
|
|
데이터 마이닝 결과 활용
-. 고객 유형별 마케팅 방안 도출
----(일부 내용)---- 1. 비즈니스 문제 - 데이터 마이닝 배경과 목표
2. 활용 데이터 - 마이닝에 사용할 데이터 설명
3. 데이터 마이닝 절차, 적용 기법
4. 군집 분석 - 분석 결과
|
|
|
데이터마이닝 의사결정나무분석 -』, 서울, SPSS 아카데미.
☆Michael J. A. Berry and Gordon Linoff (1997). Data Mining
Techniques for Marketing, Sales, and Customer Support, New
York: John Wiley & Sons, Inc.
☆Pieter Adriaans and Dolf Zantinge, (1998). 『데이타마이닝』,
서울, 그린.
★
|
|
|
대량의 데이터 베이스로부터 변수간에 존재하는 추세, 유사성 및 특정 패턴을 발견하여 기업의 의사결정에 활용할 수 있도록 해주는 기법이다. 마이닝의 사전적인 의미는 ‘채굴(採掘)’
인데 이는 무의미해 보이고 무질서한 데이터로부터
|
|
|
데이터마이닝 솔루션으로 불법화물을 보다 정확히 선별해 검사할 수 있게 됐으며 정상 화물의 신속한 통관은 물론, 수작업 수준의 적발율을 통해 불법화물을 효과적으로 차단할 수 있는 결과를 가시적으로 볼 수 있는 사례이다. 또한 무역 원
|
|
|
(1) 데이터 마이닝의 5단계
제1단계 : 요구 분석 및 계획 수립
제2단계 : 데이터 집합 정의
제3단계 : 사전처리
제4단계 : 데이터 분석
제5단계 : 해석과 결과 적용
(2) 데이터 마이닝과 OLAP의 차이점
--> 데이터 마이닝이 OLAP
|
|
|
Mining에서 인적요소의 역할은 매우 중요하다. 즉 사람에 의한 판단은 mining 과정에서 매우 중요하며, mining된 결과를 비교·평가하고 이를 실제 업무에 어떻게 활용할 것인가를 판단하는 것 역시 사람만이 가능하기 때문이다. 데이터마이닝
|
|
|
데이터웨어하우스인 관계로 IT 부서의 역할이 크기는 하지만 프로젝트를 이끌어가는 주체는 마케팅 부서여야 함
촹IT 부서가 주도할 경우 비지니스 요건보다 데이터 정리에 더 신경
기업 특성에 맞게 차별적 접근
□ 기업별로 자신의 업종
|
|
|
데이터의 비중이 크다.
5) 처리 및 분석의 유연성이 높다.
6) 동시에 처리해야 할 데이터의 양이 적다.
4. 빅데이터 3대 요소
1) 규모(Volume)
2) 다양성(Variety)
3) 속도(Velocity)
5. 빅데이터 분석을 위한 데이터마이닝 기술
1) Business Data mining
|
|
|
외 다수 Ⅰ. 서론
1. 마케팅과 CRM
Ⅱ. 본론 1
1. CRM과 데이터베이스 마케팅
2. CRM 의 개념
3. CRM의 필요성
4. CRM 구축의 전제조건과 구축 프로세스
5. CRM 사업의 실태와 전망
Ⅲ. 본론 2 - CRM 구축사례
Ⅳ. 결론
|
|
메뉴펼치기
