데이터마이닝(Data Mining)

데이터마이닝(Data Mining)

I. 의사결정에 유용한 정보추출, 데이터마이닝의 개요

가. 데이터마이닝(Data Mining)의 정의

- 대용량의 데이터에 담긴 패턴, 연관성을 탐색하고 모형화하여 의미 있는 정보로 변환하여 기업의 의사결정에 적용하는 과정

나. 데이터마이닝의 목적

구분	내용
예측	- 예측적 모델링 (Predictive Modeling) - 새로운 CASE에 대한 값을 예측
설명	- 탐색적 모델링 (Descriptive Modeling) - 사용자의 이해를 목적으로 표현, 설명

 

 

 

다. 데이터 마이닝(Data Mining)의 등장배경

관점	내용
기술적 요인	- 정보인프라 구축으로 인한 방대한 데이터 - 데이터 베이스를 통한 새로운 지식 창출 가능 - 기계학습기법의 급속한 발전
기업적 환경 요인	- 경쟁력 있는 정보 분석 환경 출현 - - 데이터 베이스 Marketing의 지속적인 대두

 

라. 데이터 마이닝(Data Mining)의 특징

- 정보의 Activity와 Rule을 추론하여 경영의 경쟁력강화를 위한 목표 예상을 가능하게 함

- 지식집약적(Knowledge Intensive) : 응용분야 지식, DB/DW지식, 데이터 마이닝 기법에 대한 지식

- 귀납적 결과에 초점

- 3I 모델링 프로세스

프로세스	프로세스 명칭
Iterative	반복적 데이터 모형
Interactive	상호대화적인 데이터 모형
Incremental	점진적으로 증가하는 데이터 모형

II. 데이터마이닝 적용기술

가. 데이터마이닝 적용기술

작업유형	설명	사용기법
연관성 탐사 (Association)	-데이터간 종속관계를 찾아내는 작업 예)넥타이구매고객은, 셔츠도 구입	-동시발생 메트릭스
연속성규칙 (Sequence)	-연관규칙에 시계열 정보가 포함된 형태 예)냉장고를 구입한 고객은 1달내 오븐구입 70%	-동시발생 메트릭스
분류규칙 (Classification)	-분류모델을 토대로 새로운 결과값 예측 예)신용”불량고객”은 25~30대 남자	-판별분석 -시계열분석 -신경망분석
데이터 군집화 (Clustering)	-레코드를 유사한 특성을 가진 소 그룹으로 분할 예)타 기법의 선행으로 사용	-K-Means Clustering
특성화	-일반적인 특성을 분석 -요약 과정을 통한 특성 규칙 발견
의사결정나무 (Decision Tree)	과거 수집된 레코드를 분석하여 이들 사이에 존재하는 패턴 즉, 분류별 특성을 속성의 조합으로 나타내는 나무형태의 분류 모형(분류 규칙, Classification) 예) 우수 고객 분류 모형