소개글
"csv 전략사례"에 대한 내용입니다.
목차
1. 빅데이터와 데이터마이닝
1.1. 빅데이터의 개념과 특징
1.2. 데이터마이닝의 유용성
1.3. 데이터마이닝을 이용한 빅데이터 분석 사례
2. 통계모형을 활용한 빅데이터 분석
2.1. 로지스틱 회귀모형 적용
2.2. 의사결정나무모형 적용
2.3. 분석 결과와 시사점
3. 경영전략과 본원적 경쟁전략
3.1. 성장전략
3.2. 마이클 포터의 본원적 경쟁전략
3.3. 본원적 경쟁전략 성공 사례
4. 참고 문헌
본문내용
1. 빅데이터와 데이터마이닝
1.1. 빅데이터의 개념과 특징
빅데이터는 규모가 매우 크고 다양한 유형의 데이터로 구성되는 정보 자원을 의미한다. 이러한 데이터는 전통적인 데이터베이스 관리 도구로 처리하기 어렵거나 불가능한 정도로 크고 복잡한 특징을 가지고 있다. 빅데이터는 3V(볼륨, 다양성, 속도) 모델을 기반으로 설명되는데, 이 특징들을 살펴보자면 다음과 같다.
볼륨은 빅데이터가 대량의 데이터로 이루어져 있어 기존의 데이터 처리 방법으로는 처리하기 어렵거나 불가능한 양이라는 것을 의미한다. 대용량의 데이터를 효율적으로 저장, 관리, 분석할 수 있는 체계적인 방법과 인프라가 필요하다.
다양성은 빅데이터가 다양한 소스에서 생성되며, 다양한 형식과 유형의 데이터로 구성된다는 것을 의미한다. 정형 데이터뿐만 아니라 비정형 데이터와 반정형 데이터도 포함되어 있다. 이러한 다양한 데이터 형식을 효과적으로 수집하고 통합하여 분석하는 능력이 필요하다.
속도는 빅데이터가 실시간 또는 거의 실시간으로 생성되는 데이터를 다룬다는 것을 의미한다. 데이터의 수집, 저장, 분석은 빠르고 신속하게 이루어져야 한다. 실시간 데이터 처리 시스템을 구축하여 데이터의 신속한 처리와 분석이 가능해야 한다.
정확성은 빅데이터가 데이터의 정확성과 일관성에 대한 요구사항이 있다는 것을 의미한다. 데이터의 오류나 불일치가 분석 결과에 부정적인 영향을 미칠 수 있으므로, 데이터의 정확성을 유지하고 일관성 있는 데이터 관리가 필요하다.
가변성은 빅데이터가 데이터의 특성이 빠르게 변화하는 특징을 가지고 있다는 것을 의미한다. 새로운 데이터가 지속적으로 생성되고, 데이터의 형식이나 속성이 변화할 수 있다. 기업은 이러한 가변성을 고려하여 유연한 데이터 처리 방법과 분석 방법을 도입해야 한다.
1.2. 데이터마이닝의 유용성
데이터마이닝은 빅데이터 시대에 매우 유용한 기법이다. 기업이나 정부는 일반적인 업무 활동을 통해 대용량의 데이터를 축적해 왔지만, 이 데이터들은 수치화가 되지 않았을 뿐만 아니라 일반적인 통계 방법으로는 잘 분석하고 활용하기 어려웠다. 데이터마이닝은 이러한 한계를 극복하고 데이터에 내재된 유용한 지식과 패턴을 추출할 수 있게 해준다.
데이터마이닝은 사용자의 경험이나 편견을 배제하고 전적으로 데이터에 기반하여 지식과 패턴을 추출하기 때문에, 영역 전문가가 간과할 수 있는 유용한 정보를 찾아낼 수 있다. 데이터마이닝의 활용 분야는 매우 다양해서, 카드사의 사기 발견, 금융권의 대출 승인, 기업의 마케팅 및 판매데이터 분석, 생산 프로세스 분석 등 다양한 분야에서 활용되고 있다. 이를 통해 기업은 중요한 인사이트를 얻고 경쟁우위를 확보할 수 있다.
따라서 데이터마이닝은 빅데이터 시대에 필수적인 기법으로, 대량의 데이터에서 유용한 정보와 지식을 추출할 수 있게 해주어 기업의 의사결정과 경쟁력 향상에 크게 기여할 수 있다고 할 수 있다.
1.3. 데이터마이닝을 이용한 빅데이터 분석 사례
빅데이터 시대가 도래하면서 기업들은 대량의 데이터를 수집하고 있지만, 이 데이터들에는 여전히 많은 유용한 정보가 숨겨져 있다. 이러한 데이터에서 ...
참고 자료
Chen, H., Chiang, R. H., & Storey, V. C. (2012). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 36(4), 1165-1188.
Davenport, T. H. (2014). Big data at work: Dispelling the myths, uncovering the opportunities. Harvard Business Press.
Kim, Y. S., & Choi, Y. (2017). The role of big data analytics in customer relationship management. Journal of Business Research, 70, 349-356.
Li, Y., Huang, Y., & Duan, Y. (2017). How Amazon.com uses big data to recommend products and drive sales. In 2017 IEEE International Conference on Big Data (Big Data) (pp. 3138-3143). IEEE.
McAfee, A., & Brynjolfsson, E. (2012). Big data: The management revolution. Harvard Business Review, 90(10), 60-68.
Provost, F., & Fawcett, T. (2013). Data science for business: What you need to know about data mining and data-analytic thinking. O'Reilly Media.
Rathore, M. M., Ahmad, A., & Paul, A. (2018). Big data analytics for smart and connected health. IEEE Access, 6, 6794-6808.
Riggins, F. J., Wamba, S. F., & Akter, S. (2015). Big data analytics in E-commerce: A systematic review and agenda for future research. Electronic Markets, 25(3), 179-194.
Sharma, R., & Yetton, P. (2018). The dark side of big data: Privacy concerns and analytics capability. Journal of Strategic Information Systems, 27(2), 135-157.
경영학 - 최수형/추교완 외 1명 저, 피앤씨미디어, 2013
2018 재미있는 경영학 워크북 - 최중락 저, 상경사, 2018
조직문화가 전략을 살린다 : 안근용, 조원규 외 1명 저 / 플랜비디자인 / 2019
경영학의 이해 - 이규현 저, 학현사, 2018
조직과 인간관계론 - 이택호/강정원 저, 북넷, 2013
사례중심의 경영학원론 - 김명호 저, 두남, 2018
내일을 비추는 경영학 - 시어도어 레빗 저/정준희 역, 스마트비즈니스, 2011
경영학의 진리체계 - 윤석철 저, 경문사, 2012
조직과 인간관계론 - 이택호/강정원 저, 북넷, 2013
국제경영학 - 김신 저, 박영사, 2012
경영학원론 - Gulati Mayo 외 1명 저, 카오스북, 2016
