|
데이터를 직접 분석할 수 있도록 통계적, 수학적 분석기법과 각종 하드웨어, 소프트웨어를 모아 놓은 집합체
데이터 마이닝(data mining): 다량의 데이터를 분석하여 의사 결정에 활용할 수 있는 정보를 찾아내기 위해서 사용되는 여러 가지 분
|
|
|
데이터 웨어하우스(Data Warehouse: DW)의 구축과 고객세분화, 고객유지, 고객분석 등에 관한 의사결정을 위한 다양한 데이터를 얻는데 필요한 데이터 마이닝(Data Mining: DM), 온라인 분석처리(On-Line Analytical Processing: OLAP)기술 등이 있다.
이러한 기술
|
|
|
데이터베이스이다. 데이터 웨어하우스는 복수의 거래 시스템으로부터 데이터를 수집한다. 이들 데이터는 데이터 검색, 요약 및 분석 등을 지원하기 위하여 ! 정제되고 재구조화 된다.
- 데이터 마이닝툴(Data Mining): 고객을 분류하고 이해하며
|
|
|
데이터 웨어하우스
2) OLAP(On Line Analytical Processing)
3) 데이터 마트
4) 데이터 마이닝(Data Mining)
5) 웹 로그 분석
6) 웹 마이닝
7) 콜 센터(Call Center)
8) 영업조직 자동화(SFA)
9) 리포팅 준비 도구
7. 고객관계관리의 성공적 접근방안
1) 성
|
|
|
Data Warehouse)
4. ETT(추출시스템)
5. 데이터마이닝(Data Mining)
6. OLAP(Online Analytical Processing)
7. LTV(Life time Value)
8. CTI(Computer Telephony Integration: 컴퓨터 전화통합 시스템)
9. VolP(voice over internet protocol)
10. EIP(Enterprise Information Portal)
Ⅴ. CRM(고객관계
|
|
|
관련기술
DSS/EIS/ES, Data Mining, Neural Network, KMS
지식의 저장관련 기술
EDMS, DB/DBMS/Data Warehouse, K-Repositories
지식의 Communication 관련기술
Groupware, Internet/Intranet, 지식단말, Workflow
전반적인 조직의 정보화 발전단계와 KMS Project
|
|
|
데이터베이스를 말한다. 데이터 웨어하우스는 주요 의사·결정·자원 등 정보계 시스템에 사용하며 저장 및 분석, 방법론까지 포함하여 말하는 경우도 있다. 여기서의 웨어하우스는 창고나 격납고의 의미를 뜻한다.
데이터 마이닝(Data mining)
|
|
|
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
|
|
|
점검항목 요약
2. ERP시스템 평가를 위한 체크리스트
3. 오라클 데이터베이스 보안 감리 프로그램
4. ERP패키지 도입의 성공요건 및 장단점
5. ERP시스템 하드웨어 용량 산정 기법
6. 주요 ERP 제품의 표준 프로세스 모듈
요약
요 약 문
|
|
|
데이터 웨어하우스 10
가. 데이터 웨어하우스의 대두 배경 및 개념 10
나. 데이터 웨어하우스의 구축 방법 12
4. 데이터 마이닝 16
가. 데이터 마이닝의 정의 및 필요성 16
나. 데이터 마이닝 프로세스 18
다. 데이터 마이닝 접
|
|
메뉴펼치기
