big data analytic과 기업경쟁력 - kostakosta.or.kr/mail/2013/kosta/download/03_2013_lim dong...

Big Data Analytic과 기업경쟁력

2013.2.26(화) 15:00 ~ 15:30

미래비즈니스센터장 / 본부장

임동진 상무

오늘의 이야기

1. 2013 IT Trends

2. Big Data와 Analytic

3. Analytic과 기업경쟁력

4. Analytic 기법과 사례

5. Analytic 도입 전략

6. 맺음말

※ Appendix – Case Study

Garter가 바라본 2013 IT Trends

3

1. 2013 IT Trends

주요 기관별 2013 IT Trends

4

모바일기기전쟁 전략적빅데이터 실용분석 모바일과HTML5 개인클라우드 사물인터넷 인메모리컴퓨팅 통합에코시스템

소셜비즈니스 빅데이터 게임화 엔터프라이즈모빌리티 하이퍼하이브리드클라우드 지리공간시각화 디지털ID 아웃사이드인아키텍처

빅데이터 클라우드 NFC 원거리생체인식기술 초고해상도디스플레이 BYOD 3D프린팅

멀티스크린모바일플랫폼 빅데이터와 BI 비즈니스앱스토어 엔터프라이즈앱스토어 클라우드컴퓨팅 플랫폼중심에코시스템

빅데이터도입및활용 신종보안위협 스마트홈 HTML5 클라우드컴퓨팅 소셜미디어

클라우드컴퓨팅 비즈니스분석 모바일 소셜비즈니스

빅데이터 퍼블릭클라우드 보안 모바일 소셜

비즈니스모델 모바일 빅데이터분석 보안

출처 : 전자신문

1. 2013 IT Trends

전자신문 2013 IT MAP

출처 : 전자신문

5

1. 2013 IT Trends

디지털마케팅,디지털비즈니스 시대

6

빅데이터 분석 구매패턴 분석 소셜분석 진열상품 추천등이 핵심 분야임

상품 재고 관리

유효 기간 관리

1. 2013 IT Trends

오늘의 이야기

1. 2013 IT Trends





6. 맺음말


Big Data를 바라보는 관점

Big Data

8


Big Data 분석 목적 및 활용 분야

의사결정을 위한 Business Insights 발굴

9


신 사업 발굴 시장고객 선제적 대응

수익성 리스크 캠페인 마케팅 IR 고객관리

실시간 캠페인 반응 실시간 소셜내 평판/불만

다이나믹상품 추천 엔진 개발 고객 행동/패턴 예측

금융/카드

트랜드 파악을 위한 시장분석 세부 정책수립용 시장분석 동향 및 조사보고서 분석용

데이터 공개를 위한 정책분석

공공/정부

설비 센서 데이터 분석 (수율/설비고장예측/생산성)

물류/배송 최적화 예측 원자재 가격 예측

제조/유통

Big Data에서 다루어야 할 이야기

배경 및 역사

개념 및 특징

적용사례 기대효과

기술요소 기술환경

기술 아키텍처

필요Skill

활용사례

분석필요성 분석중요성

분석의정의 분석의개념

분석유형 분석기법

분석방법론 분석절차

도입전략 활용사례

솔루션 도입사례

Analytic

10


패턴분석

기업이 집중해야할 Analytic

11


1. ASP (Analytic Strategy Planning)

2. SA (Social Analytic)

3. VA (Visual Analytic)

다양한 유형의 데이터

부서

고객명 취미

재고량 연체일수

콘도

회원권 방문고객수 부서실적

월별

판매량추이

직원수

12

기업내 업무활동에서 사용되고 생산되는 정형적인 수치 데이터

캠페인 및 이벤트속에 포함되어 관리되고 있는 이미지 데이터


Data, Information, Analytic

데이터는 사실을 내포하고 있음과 동시에 미래를 말하고 있음

은행

전체

시중

은행

13


의사결정의 시기와 범위 확대

14

통계적 기법을 접목한 분석이나 Simulation 기능이 강화되고 있음

미래예측이나 의사결정을 위한 방향으로 복잡화 되어가고 있음

사용자 유형

요구사항 유형

정보 기술 발전

고 업무유형

일상업무

분석업무 의사결정업무

고

저

실무자 관리자 경영층

정형 조회

비정형 조회

EUC

추세 분석

원인 분석

Data Mining

미래 예측

Simulation

의사 결정 지원

실시간 의사결정으로 변화


오늘의 이야기

1. 2013 IT Trends





6. 맺음말


기업 경쟁력은 분석에서 출발

Difference Innovation

마이클 포터 교수 피터 드래커 박사

저렴한 비용,틈새 시장,상품 차별성 프로세스, 인력, 제도등의 혁신

기업의 경영활동은 ㄷㅇㅌ로 시작해서 ㅂㅅ으로 마치며 ㄷㅇㅌ로 의사결정 한다 !!

16


현 분석 시스템의 경쟁력은 ? 이유는 ?

과거 몇 년간 처리계 및 정보계 시스템을 구축함

아직도 업무처리 간편화, 프로세스 효율화, 데이터 통합화에 중점을 두고 추진하고 있음

정보계 시스템 처리계 시스템

신상품 개발기간 단축

실시간 재고관리 및 자동발주

모바일앱을 이용한 회원가입

그룹사 SCM 확립

EDW 및 마트 보유

실시간 데이터 공급

OLAP 및 EIS시스템

다양한 실적/통계시스템

17


향후 IT시스템은 경쟁력의 원천

업무 자동화 및 정보화 시스템 개발 완료

기업 경쟁력을 확보할 수 있는 분석 시스템 영역에 집중

On-line 처리 (계정계)

•거래처리 중심 시스템

•업무중심의 시스템

보고서중심 (정보계)

•임원용 및 속보성

보고서 중심의 시스템

•기능중심의 시스템

정보계시스템 (Data Warehouse)

•다차원분석시스템

•기능/주제중심의 시스템

차세대 분석시스템

•전략경영지원 시스템

•CRM,BP,RM

•Big Data 분석

제조 및 운영관점의 생산성 사무직 업무의 생산성 업무 자동화 및 정보화 프로세스의 자동화, 효율화

영업 및 마케팅 관점의 생산성 직원의 혁신에 관점을 둔 생산성 지식노동자의 생산성

18

※ CRM(고객관계관리),BP(경영계획),RM(위험관리)


데이터 분석 능력 향상

차세대 IT시스템을 구축한 기업들의 향후 경쟁력은 데이터 분석 능력에 의해 좌우됨

정보간 숨어있는 지식을 찾고 이를 활용할 수 있는 분석적 접근이 필요함

19

Optimization

Predictive modeling

Forecasting

Statistical analysis

Alerts

Query drilldown

Ad hoc reports

Standard reports

실행할 수 있는 최적이 무엇인가?

다음에는 무슨일이 발생할 것인가?

현재의 트랜드가 계속될 것인가?

왜 이번 일이 발생한 것인가?

이 상황에 필요한 액션이 무엇인가?

문제가 정확히 어디에 있는 것인가?

얼마나 많이,자주,어디에서 발생한건가?

무슨 일이 일어난 것인가?

보고 수준

최적화 수준


분석 시스템 = 기업 경쟁력

20

“ 향후 기업 경쟁력의 비밀 무기는 분석(Analytics)에 있다 “

“ 앞으로의 세상은 데이터가 승자와 패자를 가를 것이다 ”

하드웨어, 인텔칩, LED LCD, 디지털TV

소프트웨어, 앱, OS 등

데븐포트 교수 버지니아 로메티


중요한 고객을 식별

과거의 분석 : 매스마케팅, 불특정 다수, 고객이 누구인지 알지 못했음

최근의 분석 : 1:1마케팅, 타겟/다이나믹마케팅, 추천마케팅, 고객의 행동까지 예측함

21


호흡파/피부전기반사/혈압/맥박정보를 이용하여 고의로 거짓말시 발각될지도 모른다는 걱정 때문에 발생하는 신체적 변화 정보 기록

-호흡 : 흉복부의 변화를 주름고무호스속 공기압의 변화로 파악

-심맥파 : 팔에 감은 혈압대속 고무주머니안 공기압 변화로 파악

-피부전기반사 : 2개의 작은 전극을 정신성 발한(精神性發汗)이 있는 부분(손바닥,손가락 끝)에 붙여서 전류의 변화를 증폭하여 파악

거짓말할때 이외의 생리적 변화도 기록

복잡한 분석 기술을 필요로 함

거짓말탐지기를 이용한 분석

의사결정에 도움이 되는 패턴을 발견

기업의 문제 해결을 위한 최적의 질문을 구성 할 수 있음

기업 내외부 데이터의 반복적 분석과 해석을 통해 정련된 경험 로직을 확보 할 수 있음

22


▶질문구성, 반복적 기록 분석과 해석

오늘의 이야기

1. 2013 IT Trends





6. 맺음말


예측 분석(Predictive Analytics) 컨텍스트 분석(Context Analytics) 실시간 분석(Real-Time Analytics) 고급 분석(Advanced Analytics) 감성 분석(Sentimental Analytics) 소셜 분석(Social Analytics)

• Explanatory Models • 예측 Models • 의사결정 Models

세그멘테이션 & 클러스터링 분류 - decision trees - logistic regression - neural networks 예측 - Time Series - Regression

Big

Analytics

Big Data Analytics 4. Analytic 기법과 사례

전통적인 분석 기법

전통적으로 BI 및 데이터 마이닝을 통한 분석 수행

Business Intelligence+

Data Mining+

Statistics+

New Technology

Analytics ?

사전에 미리 정의된 질문들에 해당하는 Answer 데이터의 구조나 값을 필요한 형태에 맞게 사전 처리 Managing & reporting & monitoring within E’

What-if 분석, 알고리즘의 진화 비수치적 데이터들의 값들도 활용한 질문 가능 자동화된 로직으로 결과를 일정부분 예측 또는 Guide

명확함,확실함보다는 가능성, 확률에 대한 개념 Advanced Analytics의 또 다른 측면 및 기초 수치데이터에 대한 수집,분석,표현

Statistics

Data Mining

Business Intelligence

Act on Customer Insight

Data driven Decision Making

OLAP, EUC

25

과거의 분석과 다른 것인가 ?

포함하는 개념


고도화된 분석 기법

분석 주제, 분석 방식, 분석 대상에 따라 다양한 유형의 고도화된 분석 기법 존재

분석

방식

분석 깊이

Exploration

Pre-defined

발생 사건 미래 예측

• Standard Report

• Ad Hoc

Query

• OLAP

• Statistical Analysis

• Planning and

Forecasting

• Sentiment Analysis

• Visual Analytic

• Optimization

• Simulation

발생 원인

Descriptive

Analytics

Predictive

Analytics

Optimization

• Predictive

Modeling

• Social Analytic

User-defined • Embedded Analytic

Deep Analytics(Advanced Analytics)

26


Winner Meh Looser

? 미리 알고 있는 특성,패턴,변수

등을 활용하여 미래의 가치나 상황을 예측하고자 함

캠페인 오퍼에 대한 고객 반응 예측 사기거래 판독 사건이 발생할 가능성 등

Linear regression Neural networks Decision Trees Regression Trees 등

Predictive(예측) Modeling

내부에 축적된 예측 알고리즘으로 패턴을 찾고 예측되는 결과를 가정함

27


데이터 분석과 관련시스템

대부분의 기업들은 분석 관련 시스템을 구축하여 운영하고 있음

기업가치 극대화를 위한 의사결정 업무에 적극 이용해야 함

관련 시스템

•성과관리시스템(BSC) •수익성관리 및 활동기준시스템(ABM) •전략경영시스템(SEM) 등

•OLAP •Query & Reporting •데이터 마이닝 등

•CRM, 여신종합관리 •SCM시스템 등

•DW, ETT(데이터추출변환적재), DM •Real-Time DW 등

•기업포털 •경영정보포털 •자동경보 솔루션 등

전략 인텔리전스

확장 인텔리전스

분석 인텔리전스

인텔리전스 정보전달

인텔리전스 인프라

YES: 36% NO:

64%

Business 의사결정에 정확한 정보가 사용되고 있는가 ? (Gartner Expo 결과) CIO

비즈니스 가치 발견 ≠ 기업가치 극대화

28


오늘의 이야기

1. 2013 IT Trends





6. 맺음말


골프 분석

준비도

성숙도

기업의 Analytic 수준 진단

분석 수준 진단을 통하여 해당 기업에 적합한 분석 유형, 분석 방향을 결정해야 함

연습환경 운동신경 가계경제 신체구조 직장환경

비거리 방향성 트러블샷 퍼팅실력 솟게임실력

30

5. Analytic 도입전략

분석 수준 진단 – Framework

9개 영역, 70여개의 질문 항목을 통한 정확한 분석 수준 진단

분석 업무

분석 데이터

분석 인력,조직

분석 문화

분석 기법

분석 인프라

비즈 니스

분석 준비도(Readiness) 분석 성숙도(Maturity)

조직 및

역량 IT

도입 활용 확산 최적화

31


분석적 사고에 대한

학습

분석적 사고 향상을 위한 교육

32

Analytical Capability는 충분한 교육과 반복적인 사례 실습을 통해서 향상됨

사실(fact,route-cause)속에 숨어 있는 Analytic(theory,consequence) 요소를 발견함

Business question 찾아내기

Analytic Use Case 발굴하기

Analytic IPO 정의하기

Analytic 기법 정의하기

Analytic 결과 평가하기

분석용 Data 수집 및 가공하기

분석 Data 및 결과 Mashup하기

Analytic 아키텍처 구성하기

Visual을 활용한 Analytic 찾기

Process에 Analytic embed

BI Tool(OLAP 등) 기능 활용 방법 교육을 통해서는 Analytical Capability를 향상 시킬 수 없음


Analytic 조직 및 인력 정의

33

조직 구조, 필요 직무, 분석 역할 등 필요 사항에 대한 정의가 필요하며, LOB unit차원에서 Analytic

업무 및 인력을 운영하는 것이 출발임

Analytic이 확산되고 비즈니스에 embedded 후 COA(Center of Analytics)체계로 전환해야 함

비즈니스 인력 IT기술 인력 변화관리 인력 교육담당 인력

해당 비즈니스를 잘 이해하고 분석요소를 찾고 협의할 수 있는 인력

분석에 필요한 IT 기술 동향을 파악하고 필요한 기술 아키텍처를 수립할 수 있는 인력

경영층 대상으로 분석문화 확산을 위한 변화관리를 담당하는 인력

분석조직에게 다양한 분석 기법에 대한 심도 있는 교육을 할 수 있는 인력

분석전문 인력

고급 통계 분석기법을 이해하고 다양한 예측 모델링을 설계/검증 할 수 있는 인력

분석 조직


소스 : Thomas H. Davenport, Competing on Analytics

재무 및 예산 관리

운영 및 생산

전략 및 사업화

판매 및 마케팅

고객 서비스

제품 연구 및 개발

일반 관리

리스크 관리

브랜드 및 시장관리

고객 경험 관리

인력계획 및 배정

0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0

직관적용 분석적용

Top Performers

Lower Performers

20.0

1.1 Lower Performer 평균 5.4 Top Performer 평균

도입 영역 우선순위 정의

34

분석을 수행하는 기업들은 미래 전략을 결정할때 직관 보다는 분석사실에 근거함


Perform Fact 발견 Aware

Feedback & Revise

Decision

Feedback & Revise

Line of Business - 기획부서

Line of Business - 재무부서

Line of Business - 생산부서

적용 LOB 확대

의사결정 유형확대

Analytics

fact-based 의사결정 문화 확산

분석결과 발견된 가치(value,truth)를 기반으로 의사결정할 수 잇는 문화를 확산해야 함

‘One version of the Truth’ ▶모든 LOB까지 확대할 수 있어야 함

35


분석 업무 유형 정의

[예시]

- 컴플라이언스 & 규제 분석

- 계약리스크 분석 및 관리

- 프로드 디택션 및 보안 분석

- 계약고객 충성도 분석

- 계약고객 신용리스크 분석

- 이상 거래 패턴 분석

전략경영

마케팅

회계

고객

생산

판매

핵심 업무영역 선별

분석 업무유형 발굴 및 목표수준 향상

고객 및 기업의 경험설계가 필요한 업무영역을 우선적으로 선정하고

해다 업무영역에 필요한 분석 업무유형 정의, 각 분석 업무의 활용 목표수준을 정의함

활용 목표수준 정의

예시

Optimization 실행할 수 있는 최적이 무엇인가?

Predictive modeling

Forecasting

Statistical analysis

Alerts

Query drilldown

Ad hoc reports

Standard reports

다음에는 무슨일이 발생할 것인가?

현재의 트랜드가 계속될 것인가?

왜 이번 일이 발생한 것인가?

이 상황에 필요한 액션이 무엇인가?

문제가 정확히 어디에 있는 것인가?

얼마나 많이,자주, 어디에서 발생한건가?

무슨 일이 일어난 것인가?

비즈니스 질문과 분석업무유형

개발에 적합한 업무영역 정의 및

선별

단위 업무영역 및 전사관점에서

핵심 분석업무유형 개발

36


[클럽별 거리]

170Y = 6I 160Y = 7I 150Y = 8I

데이터 품질의 지속적인 모니터링

분석에 사용되는 기초 데이터의 품질은 분석 결과를 좌우하는 결정적인 요소임

데이터 품질 확보를 위해 데이터 거버넌스 체계 수립 및 지속적인 활동이 되어야 함

모든 의사결정은 데이터를 사용하여 이루어 짐 !!!

[부도예측모형] Z < 0 : 부도 Z ≥ 0 : 건전

KOSPI

2001.53

USD

1,057.50

+0.01 +19.23

국공채(10Y)

3.83

-0.5

[프로그램매매] 자동매도 자동매수

주요지수

무엇이 기업의 운명을 결정한 것일까 ?

37


예측분석(Predictive Analysis) 중심의 업무 개발

현행 업무의 자동화, 효율화, 신속/정확화 중심의 프로젝트 단위가 아님

미래 예측의 선제적 준비로 기업의 수익과 리스크에 직접적 영향을 미치는 Analytic

업무 유형

ASP

통합 고객 시스템

대쉬보드/EIS 시스템

OLAP 시스템

영업 실적 시스템

전사 EDW 시스템

보고서 시스템

발전연료가격예측

마케팅 컨버젼rate예측

선박예상지연예측

사기혐의예측

부도위험예측

주가지수예측

공정수율예측

계약해지패턴예측

기존해지계약분석

채널접촉기록분석

고객행동패턴분석

시점외부환경분석

IV. 맺음말

38


오늘의 이야기

1. 2013 IT Trends





6. 맺음말


마치면서...

빅데이터는 비즈니스 요구에 의해 태동되었습니다.

기술의 발전으로 비구조적 빅데이터 분석이 가능하게 되었습니다.

빅데이터내 숨어 있는 Business Insights를 찾아내야 합니다.

빅데이터 솔루션 보다는 분석(Analytic)이 더욱 중요합니다.

찾아낸 Business Insights를 Actionable Value로 변환해야 합니다.

빅데이터 가공처리 기술보다 분석업무(Analytic Use Case)발굴에 집중해야 합니다.

40

Appendix – Case Study

오클랜드 애슬레틱스

“데이터를 분석하여 선수의 가치를 평가합니다”

배경 : 빌리 빈 단장은 메이저리그 만년 최하위 팀‘오클랜드 애슬레틱스(빌리빈단장)’ 선수 스카우트 방식을 관행적인 방식에서 철저한 데이터 분석에 의해 선수 선발로 변경

경제학 전공자 피터 분석 방법 예시 : 기존에 발이 빠른 선수에게 매겨지는 시장가격과 선수 사이에 존재하는 역량의 차이 등, 모든 데이

터를 체계적이고 과학적으로 재검토 하여 저평가된 선수를 낮은 가격에 영입 결과 : 2002년 지구 1위(103승), 연봉 4,000만달러(뉴욕양키스1/3), 20연승신기록(아메리칸리그)

설명 1 : 경기 데이터를 철저하게 분석하여 오직 데이터 기반으로 적재 적소에 선수들을 배치하여 승률을 높이는 게임이론

영화 : Money Ball1

42

San Jose, California 지역, 통근 어플 (Waze, Roadify) 데이

터를 Ericsson(글로벌 통신장비 공급업체), 미국운수부, 대학에

서 함께 연구 분석.

커뮤니티 서비스에 접속한 사용자들은 출퇴근길 트래픽 이슈에

대한 실시간 정보 수신 및 공유를 통해 통근 시간을 줄이고 가치

있는 서비스를 제공받음.

통근자들의 감성분석을 통해 통근자들이 가장 불편을 느끼는 루

트와 지역을 거의 실시간으로 파악하여, 교통당국이 가장 시급

히 개선해야 할 우선순위를 정하고 계획, 투자할 수 있도록 함.

사용자는 교통상황을 예측할 수 있게 되어 출근길 스트레스를

덜고 행복감을 느낄 수 있으며, 통근 관련 정보를 공유하여 다른

통근자를 돕는 것에 대해 만족감 나타냄.

Screen captures from the Waze app

스마트폰 어플 데이터 분석을 통한, 출퇴근길 감성 분석 및 교통 환경 개선

운전자 실시간 소셜 분석 사례

43

최적의 Offering 조건 탐색

마케팅에 최적인 Offering 조건을 찾아 내어 캠페인 효과 극대화

주말 랜트카 예약의 최적화 조건을 찾아내어 수익성 향상 극대화

과거와 현재의 데이터를 현장 영업담당자에게 제공하고 데이터 분석기법 교육

차량 배치 프로세스와 예약 프로세스에 분석 및 의사결정 모듈을 내재화

• 차량 가동률 2% 향상 • 효과 1천9백만 달러

44

미국 보스턴市는 운전자의 스마트폰을 이용해 도로노면이 파인 곳, 일명 포트홀(Pothole)을 자동으로 감지하고 도로

관리국에 데이터를 전송하는 "Street Bump" 라는 모바일앱을 개발하여 2012년 말부터 보급

이 모바일앱은 스마트폰의 GPS와 센서 등을 활용해 진동을 감지하게 되며, 진동이 감지될 경우 이를 도로관리국

도로정보 수집서버에 전송하게 됨

기존에는 시민들이 포트홀을 발견하여 신고하는데 많은 절차와 시간이 소요되어 신고건수 자체가 저조하므로 인해

보스턴市가 전체 도로에 대한 전수조사를 정기적으로 실시하여 많은 비용이 소요

하지만 "Street Bump"가 시민들에게 보급되어 실시간으로 수집되는 막대한 양의 도로노면 정보를 기반으로

빅데이터 분석을 실시하게 되어, 신속한 도로 유지보수를 통한 차량파손 최소화 및 사고 방지를 통한 운전자의

안전확보를 기대할 수 있게 됨

이렇게 수집된 엄청난 양의 데이터를 기반으로 빅데이터 분석을 실시

하여 포트홀을 파악하고, 현지에 인력을 파견하여 도로 상태를 정밀하

게 점검하고 도로 유지보수를 실시함

미국보스턴시 포트홀 사례

45

Case Study – Volvo

Rich Strader. Volvo, CIO

“We are now capturing massive amount of data form our vehicle”

소비자의 자동차 운전과정에서 수집된 데이터를 본사 분석시스템에 자동 전송하도록 하여 빅데이터 축적

빅데이터를 이용하여 제품개발 단계에서 알기 어려운 다양한 결함과 소비자의 잠재 니즈 파악 및 대응

50만대 판매시점에서 1,000대 시점으로

46

Case Study – 사례

회사 목적 주제 분석질문 분석기법 효과

기업은행마케팅 및 캠페

인

인터넷 상의 기업은행 평판을

분석하여 마케팅 및 은행 이미

지 관리

-기업은행이 최근 론칭한 광고에

대한 평판은 어떠한가?

-기업은행의 평판은 타사대비

얼마나 긍정적인가?

빅데이터 기술로 은행에 대한 온

라인상의 긍정, 부정 등의 내용을

분석

마케팅에 활용하는 방안을 1 년 동안 시

범적으로 운영 후 검토하여 확대 여부를

결정할 예정

마케팅 및 캠페

인

소셜미디어를 포함하는 웹 상

의 정서(Sentiment) 분석

소셜미디어상에 언급되는

BBVA 평판은 어떠한가?

소셜미디어를 포함하는 인터넷 상

의 약 5.8TB 데이터에 대해 정서

분석

평판 향상

고객

Segmentation

기반 상품추천

외부데이터와 내부데이터의

분석 결과를 토대로 맞춤형 고

객서비스 제공

-어떤 소비자가 새로 출시하는

상품을 구매할 것으로 보이는

가?

-어떤 소비자 유형에게 신상품을

홍보해야 할까?

-P&L 데이터와 세분화된 고객의

요구사항을 결합

-예측 분석 모델 도입

-마케팅 투자를 최적화

-고객 계정 정보를 토대로 서비스 소비 패

턴과 선호도에 대한 변화 탐지

-600% 투자 대비 수익 제공

-가치가 높은 고객군에 대한 타겟팅을 통

해 마케팅 응답률 3.1% 증가

-가장 매력적인 고객군을 대상 타겟하여

특별한 상품 제공 받음

-우편 발송 비용 20% 절감 및 인쇄 비용

17% 절감

47


48


회사 목적 주제 분석질문 분석기법 효과

고객

Segmentation

기반 광고

하둡에 기반한 데이터와 온라

인상 데이터 기반하여 맞춤형

광고 서비스 제공

(구글과 같은) 맞춤형 광고 서비

스를 보다 효율적으로 제공할 수

있을까?

다양해진 채널에서 발생하는 온라

인상 150 페타바이트 데이터와

30,000개의 데이터베이스와 35억

건의 사용자 로그인 데이터를 분

석에 활용

-할인쿠폰, 캐시백 등으로 고객 계좌와 연

계된 표적광고 서비스 론칭

-온라인 배너광고의 클릭률이 2% 내외임

에 반해 이러한 표적광고는 15%

골드만삭스 리스크 관리 데이터 분석 기반 리스크 관리당사가 잠재적으로 가진 리스크

에는 어떤 것이 있을까?

내부 시스템에 기반한 종합적 데

이터 분석

정교한 리스크 측정과 그에 적절한 빠른

대응 실행

리스크 관리

하둡에 기반하여 Fraud

Detection, IT 위험관리와 셀

프 서비스 제공

EMC 그린플럼을 통해 금융 사

기감지, 방지, 신용 위험 감소 추

구

신용등급 설정 금융 사기 감지, 방지, 신용 위험 감소

고객 소비 패턴

분석

통합된 정보 기반으로

고객 서비스 향상

통합 데이터에서 어떤 의미있는

가치를 이끌어 낼 수 있을까?

-각 서비스 프로세스의 변화를 실

험으로 취급

-통제집단, 시범연구, 통계분석 같

은 실험의 엄밀성을 적용

-소비자들의 소비 습관에 대한 데

이터 분석

소비자들의 소비 습관 분석을 통해 거시

경제지표의 월별 변동을 예측함

49


50

big data analytic과 기업경쟁력 - kostakosta.or.kr/mail/2013/kosta/download/03_2013_lim dong...

Documents