Data Mining의 도입효과
기업의 경쟁이 심화되고 있고 고객의 요구사항이 증가하는 추세에 발맞추어 정보기술 발전에 의한 데이터마이닝은 대용량의 데이터 탐색이 가능하며 기업 업무 수행에 필수적인 자료가 전사적으로 보관, 운용되고 신속한 분석을 할 수 있다. 데이터마이닝은 주로 마케팅 분야에서 고객의 행동을 분석하는데 사용되고 있다.
데이터베이스 마케팅(Database Marketing)
데이터마이닝이 가장 성공적으로 적용되고 있는 분야로 소매, 통신판매, 금융서비스, 보험, 통신, 운송 등 다양한 분야에서 활용되고 있다. 고객유치(우수고객선정), 목표고객 선정(TM,DM) , 마케팅 효과분석, 상품개발, 고객유지(고객이탈방지), 캠페인 관리, 영업점 관리, DM대상고객선정, M&A 분석, 고객별 수익성/비용분석, 고객세분화, 시장세분화 전략수립, 지점별 업적 평가, 고객정보 관리, UP-selling & Cross-selling, 매출분석, 판촉활동분석, 새로운 성장기회의 포착 등에 탁월한 효과를 볼 수 있다.
신용평가(Credit Scoring)
특정대상의 신용거래 대출한도를 결정하는 것으로 불량채권이나 기타의 금융문제에서 손실을 최소화하기 위한 것으로, 신용평가의 중요한 사안은 현재의 대출시스템을 그대로 유지하면서 불량채권이나 금융사고에 대한 최선의 대응책을 결정하는 것이다. 이러한 신용평가와 관리는 은행, 금융서비스, 보험 등의 분야에서 신용위험 관리(risk management), 신용평가(Credit Scoring) 등의 분석에 쓰이게 된다.
품질개선(Quality Improving)
불량품을 찾고, 그 원인을 파악하여 궁극적으로 문제를 예방하는데 중점을 두고 있다. 제조업체에서는 불량품의 감소를 통한 이윤의 증가, 품질/공정관리, 공정내 불량진단에 중점을 두고 있으며, 병원과 의료보험조합에서는 의료사고, 불필요한 장기입원, 의료비 과다청구 등에 초점을 맞추고 있다.
부정행위 적발
고도의 사기행위를 발견할 수 있는 패턴을 알아내는 것이다. 은행에서는 발견된 패턴을 이용하여 신용카드 거래 사기, 신용카드 도용 및 불량수표 등을 적발할 수 있으며, 통신회사에서는 전화카드거래 사기를 방지하며, 보험회사에서는 허위 및 과다청구를 예방할 수 있다.
이미지 분석
디지털화된 사진으로부터 패턴을 추출하는 기법으로 천문학, 문자인식, 의료진단, 방위산업 등 다양한 분야에서 활용되고 있다.
수요 및 판매 예측
과거로부터 현재에 이르는 판매관련 자료로부터 일정한 소비패턴이나 계절별 또는 월별 판매량의 변동 등을 파악하고, 모형화하여 재고분석, 적정 재고량 등 미래 값을 예측할 수 있다.
따라서 데이터 마이닝을 통해 새로 포착된 자료에 대해서도 습득된 지식을 적용할 수 있으며, 과거에 알았던 자료나 지식의 내용을 변경할 수 있고, 새로운 지식을 이용하여 유용한 결과를 도출할 수 있는 것이다.
그러나 데이터 마이닝에 의하여 얻어진 정보를 다차원적으로 검색하거나 리포팅하는 기능에 있어서 OLAP이 보다 뛰어나다고 할 수 있으므로 대용량의 데이터를 기반으로 유용한 정보를 얻고자 하는 목적에 있어서 OLAP과 데이터마이닝은 상호보완적인 관계에 있다고 볼 수 있다. OLAP을 이용하여 얻을 수 있는 정보를 기반으로 데이터 마이닝에 접근한다면, 보다 효과적으로 고급 정보를 얻을 수가 있을 것이다.
기업의 경쟁이 심화되고 있고 고객의 요구사항이 증가하는 추세에 발맞추어 정보기술 발전에 의한 데이터마이닝은 대용량의 데이터 탐색이 가능하며 기업 업무 수행에 필수적인 자료가 전사적으로 보관, 운용되고 신속한 분석을 할 수 있다. 데이터마이닝은 주로 마케팅 분야에서 고객의 행동을 분석하는데 사용되고 있다.
데이터베이스 마케팅(Database Marketing)데이터마이닝이 가장 성공적으로 적용되고 있는 분야로 소매, 통신판매, 금융서비스, 보험, 통신, 운송 등 다양한 분야에서 활용되고 있다. 고객유치(우수고객선정), 목표고객 선정(TM,DM) , 마케팅 효과분석, 상품개발, 고객유지(고객이탈방지), 캠페인 관리, 영업점 관리, DM대상고객선정, M&A 분석, 고객별 수익성/비용분석, 고객세분화, 시장세분화 전략수립, 지점별 업적 평가, 고객정보 관리, UP-selling & Cross-selling, 매출분석, 판촉활동분석, 새로운 성장기회의 포착 등에 탁월한 효과를 볼 수 있다.
신용평가(Credit Scoring)특정대상의 신용거래 대출한도를 결정하는 것으로 불량채권이나 기타의 금융문제에서 손실을 최소화하기 위한 것으로, 신용평가의 중요한 사안은 현재의 대출시스템을 그대로 유지하면서 불량채권이나 금융사고에 대한 최선의 대응책을 결정하는 것이다. 이러한 신용평가와 관리는 은행, 금융서비스, 보험 등의 분야에서 신용위험 관리(risk management), 신용평가(Credit Scoring) 등의 분석에 쓰이게 된다.
품질개선(Quality Improving)불량품을 찾고, 그 원인을 파악하여 궁극적으로 문제를 예방하는데 중점을 두고 있다. 제조업체에서는 불량품의 감소를 통한 이윤의 증가, 품질/공정관리, 공정내 불량진단에 중점을 두고 있으며, 병원과 의료보험조합에서는 의료사고, 불필요한 장기입원, 의료비 과다청구 등에 초점을 맞추고 있다.
부정행위 적발고도의 사기행위를 발견할 수 있는 패턴을 알아내는 것이다. 은행에서는 발견된 패턴을 이용하여 신용카드 거래 사기, 신용카드 도용 및 불량수표 등을 적발할 수 있으며, 통신회사에서는 전화카드거래 사기를 방지하며, 보험회사에서는 허위 및 과다청구를 예방할 수 있다.
이미지 분석디지털화된 사진으로부터 패턴을 추출하는 기법으로 천문학, 문자인식, 의료진단, 방위산업 등 다양한 분야에서 활용되고 있다.
수요 및 판매 예측 과거로부터 현재에 이르는 판매관련 자료로부터 일정한 소비패턴이나 계절별 또는 월별 판매량의 변동 등을 파악하고, 모형화하여 재고분석, 적정 재고량 등 미래 값을 예측할 수 있다.
따라서 데이터 마이닝을 통해 새로 포착된 자료에 대해서도 습득된 지식을 적용할 수 있으며, 과거에 알았던 자료나 지식의 내용을 변경할 수 있고, 새로운 지식을 이용하여 유용한 결과를 도출할 수 있는 것이다.
그러나 데이터 마이닝에 의하여 얻어진 정보를 다차원적으로 검색하거나 리포팅하는 기능에 있어서 OLAP이 보다 뛰어나다고 할 수 있으므로 대용량의 데이터를 기반으로 유용한 정보를 얻고자 하는 목적에 있어서 OLAP과 데이터마이닝은 상호보완적인 관계에 있다고 볼 수 있다. OLAP을 이용하여 얻을 수 있는 정보를 기반으로 데이터 마이닝에 접근한다면, 보다 효과적으로 고급 정보를 얻을 수가 있을 것이다.