1. 데이터 마이닝의 개요1. 데이터 마이닝(data mining)1) 개요- 대용량 데이터에서 의미있는 패턴을 파악하거나 예측하여 의사결정에 활용하는 방법- 관련 용어 : 데이터웨어하우징, 의사결정지원시스템, OLAP(On-Line Analytic Processing), 지식경영 등- 정의  1) 거대한 양의 데이터 속에서 쉽게 드러나지 않은 유용한 정보를 찾아내는 과정    예) “창문이 많은 집에는 도둑이 많다”    → 차별적인 보험률 적용, 보다 효율적인 정책을 수립    → 기업의 수익증대에 공헌    ⇒ 창문과 도둑과의 관계를 찾아내는 것    → 데이터 마이닝 - 정의  2) 기업이 가지고 있는 모든 원천 데이터(고객데이터, 상품데이터, 고객반응데이터, 외부데이터 등)를 기반으로 감춰진  ..

1. 통계 분석의 이해1. 통계 분석(1) 통계학 개론: 모집단/표본(sample), 표본 추출방법(4), 자료의 종류(4)(2) 기초 통계 분석: 기술 통계/추측통계, 회귀분석(3) 다변량 분석: 상관 분석(상관계수), 다차원 척도법(MDS), 주성분 분석(PCA)(4) 시계열 예측 2. 통계- 특정 집단을 대상으로 수행한 조사나 실험을 통해 나온 결과에 대한 요약된 형태의 표현- 통계 자료의 획득 방법: 총조사(census), 표본조사(sampling)  3. 모집단과 표본4. 표본 추출 방법(4가지, 확률표본 추출)① 단순랜덤추출법(simple random sampling)- N개의 원소로 구성된 모집단에서 n개의 표본을 추출할 때 각 원소에 1, 2, 3, ..., N까지의 번호를 부여, n개의 ..

1. 데이터 변경 및 요약1. 데이터 마트- 데이터웨어하우스와 사용자 사이의 중간층에 위치- 데이터의 한 부분으로서 특정 사용자가 관심을 갖는 하나의 부서 중심의 데이터웨어하우스라고 할 수 있다.- reshape 패키지, sqldf 패키지, plyr 패키지, data.table 패키지 활용하여 데이터 마트 구성할 수 있다.참고) KDD 분석방법론참고) R에서 패키지 사용법  1) install.packages(“패키지명”)    – 패키지 다운로드 및 로컬 장소에 압축 풀기  2) library(패키지명)    – 메모리(주기억장치)로 패키지 로딩하기2. reshape 패키지- 2개의 핵심적인 함수로 구성 : melt(), cast() melt()  녹이는 함수 쉬운 casting을 위해 데이터를 적당한..

1. R 소개1. R의 특징- 오픈소스 프로그램으로 통계, 데이터 마이닝과 그래프를 위한 언어- 다양한 최신 통계 분석 및 마이닝 기능을 R 플랫폼에서 제공- 뛰어난 그래픽 처리, 데이터 처리 및 계산 능력, 다양한 패키지 제공- 주기억장치를 이용하여 처리 속도가 빠름 - 모든 운영체제에서 사용 가능(윈도우, 맥, 리눅스)- 객체지향언어이면서 함수형 언어 2. R 기초1. R의 데이터 구조 ① 벡터(vector)- 하나의 스칼라 값, 혹은 하나 이상의 스칼라 원소들을 갖는 단순한 형태의 집합- 모든 원소가 같은 자료형(모드)여야 함② 행렬(matrix)- 행과 열을 갖는 m×n 형태의 직사각형의 데이터를 나열한 데이터 구조 matrix 명령어 사용하여 행렬 생성③ 배열(array)- 데이터의 형태가 3차..

1. 분석 마스터 플랜 수립 프레임워크1. 분석 마스터 플랜 수립 프레임워크- 분석 과제를 대상으로 다양한 기준을 고려해 적용 우선순위를 설정하고, 데이터 분석 구현을 위한 로드맵을 수립한다.- 적용 범위 및 방식에 대한 고려 요소(3가지)  1) 업무 내재화 적용 수준  2) 분석 데이터 적용 수준  3) 기술 적용 수준 2. ISP(Information Strategy Planning, 정보화전략기획)- 기업 및 공공기관에서 시스템 중장기 로드맵 정의하는 절차- 정보 기술 또는 정보시스템을 전략적으로 활용하기 위하여 조직 내・외부 환경을 분석하여 기회나 문제점을 도출하고 사용자의 요구사항을 분석하여 시스템 구축 우선순위를 결정하는 등 중장기 마스터 플랜을 수립하는 절차 3. 마스터 플랜 수행 과제 우..

1. 분석 기획 방향성 도출1. 분석 기획의 특징1) 분석 기획  - 실제 분석을 수행하기에 앞서 분석을 수행할 과제를 정의하고, 의도했던 결과를 도출할 수 있도록 이를 적절하게 관리할 수 있는 방안을 사전에 계획하는 일련의 작업2) 데이터 사이언티스트의 역량  - 수학/통계학적 지식, 정보기술(IT기술, 해킹기술, 통신기술 등), 비즈니스에 대한 이해와 전문성 2. 분석에서 가장 중요한 요소Data + Analytics Model(분석 모델) + Analyst(분석가) ⇒ Value(가치 창출) 3. 분석 기획 구분(2가지) – 목표 시점별① 분석 과제 발굴(단기)  - 분석과제의 목표를 달성하기 위해 필요 요건 정의② 분석 마스터플랜(중장기)  - 지속적인 분석과제 수행을 지원하기 위한 분석지원 거버..

이번 시간에는 ADsP 1과목 데이터의 이해에서 1. 데이터의 이해부터 1.3 데이터베이스의 활용에 대해서 알아보겠습니다. 이 정보는 개인 공부 목적으로 작성 되었으며, 혹시 잘못 작성된 부분이 있다면 댓글로 알려주시면 감사하겠습니다.1. 빅 데이터 분석과 전략 인사이트1. 빅데이터 열풍과 회의론① 빅 데이터 회의론의 원인i) 부정적 학습효과  - 과거의 고객관계관리(CRM), 공포마케팅, 투자대비 효과 별로 없었음 ii) 부적절한 성공사례  - 빅 데이터가 필요없는 분석 사례 기존 CRM 활용   → 빅데이터 분석 : 데이터에서 가치, 즉 통찰을 끌어내 성과를 창출하는 것이 관건 ② 왜 싸이월드는 페이스북이 되지 못했나?  - 데이터 분석 기반 경영 문화의 부재 전략적 분석과 통찰력 창출이 중요  - ..

이번 시간에는 ADsP 1과목 데이터의 이해에서 1. 데이터의 이해부터 1.3 데이터베이스의 활용에 대해서 알아보겠습니다.  이 정보는 개인 공부 목적으로 작성 되었으며, 혹시 잘못 작성된 부분이 있다면 댓글로 알려주시면 감사하겠습니다.1. 빅 데이터 의 이해1. 빅 데이터의 특징 (3 가지 ) : 3V① 규모 (Volume) 데이터의 양* 데이터 양의 단위 - 기가바이트 (GB)  ② 형태 (Variety) - 데이터 유형과 소스 측면의 다양성* 데이터의 유형 – 정형데이터, 반정형데이터, 비정형데이터 종류 설명종류설명정형고정된 필드에 저장된 데이터 (예) 관계형 데이타베이스, 스프레드시트반정형고정된 필드에 저장되어 있지는 않지만, 메타데이터나 스키마 등을 포함하는 데이터 (예) XML, HTML 텍스..

이번 시간에는 ADsP 1과목 데이터의 이해에서 1. 데이터의 이해부터 1.3 데이터베이스의 활용에 대해서 알아보겠습니다.  이 정보는 개인 공부 목적으로 작성 되었으며, 혹시 잘못 작성된 부분이 있다면 댓글로 알려주시면 감사하겠습니다.1. 데이터와 정보1. 데이터의 유형1) 정성적 데이터 = 질적 자료- 저장・검색・분석에 많이 비용이 소모되는 언어, 문자 형태의 데이터, 주관적 내용, 통계 분석이 어려움   (예) 회사매출이 증가함2) 정량적 데이터 = 양적 자료- 정형화된 데이터로 수치, 도형, 기호 등의 형태를 가진 데이터, 객관적 내용, 통계 분석이 용이함  (예) 나이, 몸무게, 주가 등 2. 데이터의 역할 : 지식 경영의 핵심 이슈 (내공 -> 표연)- 지식경영의 핵심 이슈인 암묵지와 형식지의..