금융 서비스 신용점수 산정, 사기 탐지, 가격 책정 프로그램 트레이딩, 클레임 분석, 고객 수익성 분석 소매업 판촉, 매대 관리, 수요예측 재고 보충, 가격 및 제조 최적화 제조업 공급사슬 최적화, 수요예측 재고 보충, 보증서 분석 맞춤형 상품 개발, 신상품 개발 운송업 일정 관리, 노선 배정, 수익 관리 헬스케어 약품 거래, 예비 진단, 질병 관리 병원 가격 책정, 고객 로열티, 수익 관리 에너지 트레이딩, 공급 & 수요 예측 커뮤니케이션 가격 계획 최적화, 고객 보유, 수요 예측 생산능력 계획, 네트워크 최적화, 고객 수익성 관리 서비스 콜센터 직원 관리 서비스-수익 사슬 관리 정부 사기 탐지, 사례 관리, 범죄 방지, 수익 최적화 온라인 웹 매트릭스, 사이트 설계, 고객 추천 모든 사업 성과관리

stddev (standard deviation) 표준편차

▶ 회귀분석 독립변수를 조작함에 따라 종속변수가 어떻게 변하는지 보기 두 변인의 관계를 파악할 때 사용한다 ex) 나이 - 구매 차량 타입 간의 상관관계 젊은 사람들은 이런 차를 사고, 나이든 사람들은 이런 차를 산다.

▶ 빅데이터 일반적인 DB로 저장, 관리, 분석할 수 있는 범위를 초과하는 규모의 데이터 싸고 빠르게 분석하기 시장, 기업, 정부 관계 등 많은 분야에 변화를 가져온다

정형데이터 고정된 필드가 있으며 연산이 가능하다 주로 관계형 데이터베이스(RDBMS)에 저장된다 형식이 정해져 있어서 처리가 쉽다 관계형 DB, 스프레드 시트, CSV( comma-separated values) 난이도 : ★ 반정형데이터 스키마, 메타데이터와 같은 형태가 있다. 연산 불가능 주로 파일로 저장이 된다. API 형태로 제공되기 때문에, 데이터 처리기술 (parsing)이 필요하다 XML, HTML, JSON, log형태 (웹로그, 센서 데이터) 난이도 : ★ ★ 비정형데이터 형태가 없다. 연산 불가능 주로 NoSQL에 저장된다 텍스트 마이닝 혹은 파일 데이터 형태로 파싱을 해야한다 소셜데이터(트위터, 페이스북), 영상, 이미지, 음성, 텍스트(word, PDF) 난이도 : ★ ★ ★

데이터 마스킹 데이터의 길이, 유형, 형식과 같은 속성을 유지한 채, 새롭고 읽기 쉬운 데이터를 익명으로 만들기 홍길동, 20세, 서울 거주, 한국대학 재학 => 홍**, 20세, 서울 거주, **대학 재학 가명처리 홍길동, 20세, 서울 거주, 한국대학 재학 => 김철수, 60세, 부산 거주, 미국대학 재학 총계처리 홍길동 180cn, 김길동 170cm, 이길동 160cm, 나길동 150cm => 물리학과 학생 키 합 : 660cm, 평균키 : 165cm 데이터값 삭제 홍길동, 20세, 서울 거주, 한국대학 재학 => 20세 서울 거주 주민등록번호 901234 - 1234567 => 90년대 생, 남자 데이터 범주화 홍길동 25세 => 홍씨, 20~30세

- 1980년대 OLTP (On-line Transaction Processing) OLAP (On-Line Analytical Processing) - 2000년대 ERP Enterprise Resource Planning 독립적으로 운영되던 관리 시스템을 하나로 바꿈 CRM Customer Relationship Management RTE Real-Time Enterprise 실시간 통합

- 데이터의 유형 정성적 데이터 (qualitative data) 정량적 데이터 (quantitative data) 언어, 문자 회사 매출이 증가함 비정형 데이터 주관적인 내용, 통계 분석이 어렵다 저장, 검색, 분석에 많은 비용이 소모된다 수치, 도형, 기호 나이, 몸무게, 주식 가격 정형화 된 데이터 객관적인 내용, 통계분석이 쉽다 비용 소모가 적다 - 지식 경영의 핵심 이슈 암묵지 ( tacit knowledge ) 형식지 ( explicit knowledge ) * explicit 분명한 학습과 경험을 통해 개인에게 체화되어 있지만, 겉으로 드러나지 않는 지식 김치 담그기, 자전거 타기 사회적으로 중요하지만 다른 사람들에게 공유되기는 어렵다 공통화, 내면화 문서화 되거나 메뉴얼화된 것 교과서, 비..

1. 데이터의 이해 데이터의 이해 데이터와 정보 DB의 정의와 특징 DB 활용 데이터의 가치와 미래 빅데이터의 이해 빅데이터의 가치와 영향 비지니스 모델 위기 요인과 통제 방안 미래의 빅데이터 데이터 사이언스 & 인사이트 빅데이터 분석과 전략 인사이트 전략 인사이트 도출을 위한 필요 역량 빅데이터, 데이터 사이언스의 미래 2. 데이터 분석 기획 데이터 분석 기획의 이해 분석 기획 방향성 도출 분석 방법론 분석 과제 발굴 분석 프로젝트 관리 방안 분석 마스터 플랜 마스터 플랜 수립 Framework 분석 governance 체계 수립 * governance 정부 주도의 관리와 통제에서 벗어나, 주도적으로 정책을 결정하고 집행하는 것 3. 데이터 분석 데이터 분석 개요 데이터 분석 기법의 이해 R 프로그래밍..