|
Data Analytics 분야
━━━━━━━━─────────…
（Structured Data）
│
┌────┴────┐
（Statistical Analysis） （Data Mining）
（Unstr
|
|
|
시작했다.
뉴욕 소재 데이터 마이닝 테크놀러지 오브 베스페이지(Data Mining Technologies of Bethpage)의 마이클 길먼(Michael Gilman) CEO는 “전자상거래는 가장 새롭고 열기가 넘친다”며 “당신에게 일정기간동안 축적된 데이터가 있다면 데이터 마이
|
|
|
Data Mining의 정의
데이터 마이닝이라는 것은 방대한 양의 데이터 속에서 쉽게 드러나지않는 유용한 정보를 찾아내는 과정, 데이터간의 숨겨진 관계, 혹은 겉으로 드러나지 않거나 또는 기존의 통계학적 방법을 통해 뽑아내기에는 너무나 복잡
|
|
|
데이터마이닝 기법을 이용해서 결함 허용도를 3~5% 이던 기존에 비해 0.03~0.05% 정도로 줄여서 제품의 질과 고객 서비스를 향상시켰고, 이로 인해 매년 1,000 만 불의 비용을 절감하고 있다. 이 회사에서는 동쪽의 공장에서 생산된 코일의 색상이
|
|
|
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
|
|
|
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
|
|
|
데이터 웨어하우스 설계, 숭실대학교 정보과학대학원 논문, 2008.
정승태, 데이터 웨어하우스(Data Warehouse) 개인정보보호 가이드라인 개발에 관한 연구, 동국대학교 국제정보대학원 논문, 2014.
최용락이정일, 데이터 웨어하우스 개념과 성능, 20
|
|
|
양이 눈송이처럼 퍼져나간다고 하여 눈송이 스키마라고 부른다.
비교
스타 스키마
눈송이 스키마
장점
ㆍ모델이 간단하다.
ㆍ조인의 횟수를 줄임으로서
검색 속도를 빠르게 함
ㆍ데이터 중복 최소화
ㆍ적은 저장 공간 차지
ㆍ유연성
단점
|
|
|
Data Warehouse
8.DBM
9.DBM의 현황
10.우리나라에서 DBM의 어려운 점
11.현재 기업의 IT 현황
12.이상적인 형태의 CRM채널 통합
13.우리나라 CRM의 현황
14.DW, DBM, CRM의 차이점에 대한 논쟁
15.Meta Group의 CRM 3개 분야에 대한 논쟁
16.한국적
|
|
|
Mining
- 문제점 : 코드내부의 procedure를 고려하지 않음, 실행Path에 대해 둔감함
3) 함수 우선순위 Rule Mining(Mining Function Precedence Protocols)
- 제안 : Ramanathan et al., ICSE '07
- 방법 : Frequent Subsequence Mining
- 문제점 : Data흐름 or 종속관계를
|
|
메뉴펼치기
