분석

Analytics
그 외의 용도는, 「분석」(동음이의)을 참조해 주세요.

분석은 데이터 또는 [1]통계의 체계적인 계산 분석입니다.데이터의 의미 있는 패턴의 검출, 해석, 통신에 사용됩니다.또한 효과적인 의사결정을 위해 데이터 패턴을 적용해야 합니다.이는 기록된 정보가 풍부한 영역에서 유용하게 사용될 수 있습니다. 분석은 성능을 정량화하기 위해 통계, 컴퓨터 프로그래밍 및 운영 연구를 동시에 적용하는 데 의존합니다.

조직은 비즈니스 데이터를 분석하여 비즈니스 성과를 설명, 예측 및 개선할 수 있습니다.특히 분석 영역에는 기술 분석, 진단 분석, 예측 분석, 규범 분석 및 인지 [2]분석이 포함됩니다.분석은 마케팅, 관리, 재무, 온라인 시스템, 정보 보안, 소프트웨어 서비스 등 다양한 분야에 적용될 수 있습니다.분석에는 광범위한 계산이 필요할 수 있으므로(빅 데이터 참조), 분석에 사용되는 알고리즘과 소프트웨어는 컴퓨터 과학, 통계 [3]및 수학에서 가장 최신 방법을 활용합니다.IDC에 따르면 [4][5]2021년에는 빅데이터 및 비즈니스 분석(BDA) 솔루션에 대한 전세계 지출이 2157억달러에 이를 것으로 예상됩니다.Gartner에 따르면 2020년 전체 분석 플랫폼 [6]소프트웨어 시장은 255억 달러 성장했습니다.

분석과 분석

데이터 분석은 비즈니스 이해, 데이터 이해, 데이터 준비, 모델링 및 평가,[7] 도입을 통해 과거 데이터를 검사하는 프로세스에 초점을 맞춥니다.이는 데이터 분석의 서브셋으로, 이벤트가 발생한 이유와 [8][unreliable source?]이전 데이터를 기반으로 향후 발생할 수 있는 일에 초점을 맞추려면 여러 데이터 분석 프로세스가 필요합니다.데이터 분석은 대규모 조직의 [citation needed]의사결정을 수립하는 데 사용됩니다.

데이터 분석은 다원적인 분야입니다.분석을 [9]통해 데이터에서 귀중한 지식을 얻기 위해 컴퓨터 기술, 수학, 통계, 기술 기술 및 예측 모델을 광범위하게 사용하고 있습니다.에는 신경 네트워크, 결정 나무, 로지스틱 회귀, 다중 회귀 분석에 선형 및 분류는 예측 모델을 만들기 좋은 기계 학습 기술의 사용 등 신흥 분야에 특히 용어의 증가 사용 고급 분석, 일반적으로 분석의 기술적 측면을 묘사하는데 사용하는, 있다.[10][7]또한 클러스터 분석, 주성분 분석, 세분화 프로파일 분석 및 연관 [11][unreliable source?]분석과 같은 감독되지 않은 기계 학습 기법도 포함됩니다.

적용들

마케팅 최적화

마케팅 조직은 분석을 사용하여 캠페인 또는 노력의 결과를 결정하고 투자 및 소비자 타겟팅 결정을 안내합니다.인구통계학적 연구, 고객 세분화, 결합 분석 및 기타 기술을 통해 마케팅 [12]전략을 이해하고 전달하기 위해 마케팅 담당자는 대량의 소비자 구매, 설문 조사 및 패널 데이터를 사용할 수 있습니다.

마케팅 분석은 브랜드 및 수익 결과에 대한 전략적 결정을 유도하는 데 사용되는 질적 데이터와 정량적 데이터, 정형 데이터 및 비정형 데이터로 구성됩니다.이 프로세스에는 예측 모델링, 마케팅 실험, 자동화 및 실시간 판매 커뮤니케이션이 포함됩니다.이 데이터를 통해 기업은 예측하고 전략적 실행을 변경하여 성능 결과를 [12]극대화할 수 있습니다.

웹 분석을 통해 마케팅 담당자는 세션화라는 작업을 사용하여 웹 사이트의 상호작용에 대한 세션 수준 정보를 수집할 수 있습니다.Google Analytics는 마케팅 담당자가 이러한 [13]목적으로 사용하는 인기 있는 무료 분석 도구의 한 예입니다.이러한 상호작용은 웹 분석 정보 시스템에 레퍼러 추적, 키워드 검색, IP [14]주소 식별 및 방문자의 활동 추적에 필요한 정보를 제공합니다.마케팅 담당자는 이 정보를 통해 마케팅 캠페인, 웹사이트 크리에이티브 콘텐츠 및 정보 [15]아키텍처를 개선할 수 있습니다.

마케팅에서 자주 사용되는 분석 기법에는 마케팅 믹스 모델링, 가격 책정 및 프로모션 분석, 영업 인력 최적화 및 고객 분석(예: 세분화)이 포함됩니다.웹 사이트 및 온라인 캠페인의 웹 분석 및 최적화는 기존 마케팅 분석 기법과 함께 작동하는 경우가 많습니다.디지털 미디어에 초점을 맞추면서 어휘가 약간 바뀌어 마케팅 믹스 모델링은 일반적으로 디지털 또는 마케팅 믹스 모델링 [citation needed]컨텍스트에서 속성 모델링이라고 불립니다.

이러한 툴과 테크닉은 전략적인 마케팅 결정(마케팅에 소비하는 전체적인 금액, 브랜드 포트폴리오 및 마케팅 믹스 전체에서 예산을 할당하는 방법 등)과 보다 전술적인 캠페인 지원을 모두 지원합니다.이는 가장 비용 효율이 높은 매체에서 최적의 메시지를 통해 최적의 잠재 고객을 대상으로 하는 것입니다.항상.

사람 분석

사람 분석은 행동 데이터를 사용하여 사람이 일하는 방식을 파악하고 기업의 [16]관리 방식을 변경합니다.

인력 분석은 인력 분석, 인사 분석, 인재 분석, 인력 분석, 인재 분석, 인재 분석, 동료 통찰력, 인적 자본 분석 및 HRIS 분석이라고도 합니다.HR 분석은 기업이 인적 [17]자원을 관리하는 데 도움이 되는 분석의 응용 프로그램입니다.또한 HR 분석은 경력 분석 [18]도구를 사용하여 변화하는 노동 시장에서 인간 관련 동향을 분석하고 예측하는 전략적 도구가 되었습니다.그 목적은 어떤 직원을 고용하고, 어떤 직원을 보상하거나 승진시키고, 어떤 책임을 할당하고, 이와 유사한 [19]인적자원 문제를 파악하는 것입니다.예를 들어, People Analytics Tools를 활용한 직원 이직 전략 현상에 대한 점검은 업무 중단 시 중요한 분석으로 작용할 수 있습니다.[20] People Analytics는 HR 분석과는 별개의 분야로 관리 [21]프로세스보다는 비즈니스 문제에 더 중점을 두고 있으며 People Analytics는 조직의 인사부에 [22]속하지 않을 수 있습니다.그러나 전문가들은 이에 동의하지 않으며,[23] 많은 사람들이 인적 자원이 자동화에 의해 야기되는 변화하는 업무 세계에서 보다 능력 있고 전략적인 비즈니스 기능의 핵심 부분으로 People Analytics를 개발해야 한다고 주장합니다.일부 전문가들은 People Analytics를 HR 외부로 이동시키는 것이 아니라 HR에 속한다고 주장하지만, 데이터 중심적이고 비즈니스에 [24]정통한 새로운 유형의 HR 전문가가 이를 가능하게 합니다.

포트폴리오 분석

비즈니스 분석의 일반적인 적용 분야는 포트폴리오 분석입니다.이 경우, 은행이나 대출 기관은 다양한 가치와 위험을 가진 계좌들을 보유하고 있다.계좌는 보유자의 사회적 지위(부자, 중산층, 빈곤층 등), 지리적 위치, 순가치 및 기타 여러 요소에 따라 다를 수 있습니다.대출자는 각 대출에 대한 채무불이행 위험과 대출 수익률의 균형을 맞춰야 한다.문제는 포트폴리오 [25]전체를 어떻게 평가하느냐입니다.

가장 위험도가 낮은 대출은 매우 부유층에 대한 것일 수 있지만, 매우 제한된 수의 부유층이 있다.반면에, 빌려줄 수 있는 가난한 사람들이 많지만, 더 큰 위험을 감수해야 한다.수익률을 극대화하고 위험을 최소화할 수 있도록 균형을 맞춰야 합니다.분석 솔루션은 이러한 다양한 차입자 부문에 언제 돈을 빌려줄지 결정하기 위해 시계열 분석을 다른 많은 문제와 결합하거나,[citation needed] 해당 부문의 구성원 간 손실을 보전하기 위해 포트폴리오 부문의 구성원에게 부과되는 이자율에 대한 결정을 내릴 수 있다.

리스크 분석

은행업계의 예측 모델은 개별 고객의 리스크 점수 전반에 걸쳐 확실성을 제공하기 위해 개발되었습니다.신용 점수는 개인의 연체 행동을 예측하기 위해 작성되며 각 [26]지원자의 신용 가치를 평가하는 데 널리 사용됩니다.또[27], 과학계나 보험업계에서 [28]리스크 분석을 실시하고 있다.또한 온라인 결제 게이트웨이 회사와 같은 금융 기관에서도 거래가 진짜인지 [29]사기인지 분석하기 위해 광범위하게 사용됩니다.이를 위해 고객의 거래 내역을 사용합니다.이는 신용 카드 구매에서 더 일반적으로 사용되며, 고객 거래량이 갑자기 급증할 경우 고객이 거래를 시작했는지 확인 전화를 받습니다.이것은 그러한 [30]상황으로 인한 손실을 줄이는 데 도움이 된다.

디지털 분석

디지털 분석은 디지털 데이터를 정의, 생성, 수집, 검증 또는 보고, 연구, 분석, 권장사항, 최적화, 예측 및 [31]자동화로 변환하는 일련의 비즈니스 및 기술 활동입니다.여기에는 키워드 검색이 추적되고 [32]마케팅 목적으로 데이터가 사용되는 SEO(검색 엔진 최적화)도 포함됩니다.배너 광고나 클릭도 디지털 [33]분석에 포함됩니다.MROI(Marketing Return on Investment)는 중요한 KPI([citation needed]Key Performance Indicator)입니다.

보안 분석

보안 분석은 가장 [34][35]큰 위험을 수반하는 이벤트를 이해하고 분석하기 위해 보안 이벤트를 수집하는 정보기술(IT)을 말합니다.이 영역의 제품에는 보안 정보, 이벤트 관리 및 사용자 행동 분석이 포함됩니다.

소프트웨어 분석

주요 기사:소프트웨어 분석

소프트웨어 분석은 소프트웨어가 사용되고 [36]생산되는 방식에 대한 정보를 수집하는 과정입니다.

과제들

상용 분석 소프트웨어 업계에서는 대량의 복잡한 데이터 세트를 분석해야 하는 과제를 해결하는 데 중점을 두고 있습니다. 이러한 데이터는 항상 변화하고 있습니다.이러한 데이터 세트를 일반적으로 빅 [37]데이터라고 합니다.빅데이터로 인한 문제는 이전에는 과학계에서만 발견되었지만, 오늘날 빅데이터는 트랜잭션 시스템을 온라인으로 운영하고 그 결과 [38][37]대량의 데이터를 빠르게 축적하는 많은 기업에게 문제가 되고 있습니다.

비정형 데이터 유형의 분석은 업계에서 주목받는 또 다른 과제입니다.비정형 데이터는 형식이 매우 다양하며 데이터 [39]변환에 상당한 노력을 기울이지 않으면 기존의 관계형 데이터베이스에 저장할 수 없다는 점에서 정형 데이터와 다릅니다.이메일, 워드프로세서 문서 내용, PDF, 지리공간 데이터 등 구조화되지 않은 데이터의 소스는 기업, 정부 및 [40][41]대학의 비즈니스 인텔리전스의 관련 소스가 되고 있습니다.예를 들어, 영국의 경우, 한 회사가 고용주와[42] 보험 회사를 속이는 사람들을 돕기 위해 가짜 의사 진단서를 불법으로 판매한 사실이 밝혀짐에 따라 보험 회사는 구조화되지 않은 데이터 [43][original research?]분석에 대한 경계를 강화할 수 있는 기회가 되었습니다.

이러한 과제는 현대 분석 정보 시스템의 많은 혁신에 영감을 주는 것으로, 복잡한 이벤트 처리,[44] 전문 검색 및 분석, 심지어 프레젠테이션의 새로운 아이디어와 같은 비교적 새로운 기계 분석 개념을 탄생시켰습니다.이러한 혁신 중 하나는 머신 분석에 그리드형 아키텍처를 도입하는 것으로, 완전한 데이터 세트에 대한 동등한 액세스를 [45]가진 많은 컴퓨터에 워크로드를 분산시킴으로써 대규모 병렬 처리 속도를 높일 수 있습니다.

분석은 교육, 특히 구청 및 관공서 차원에서 점점 더 많이 사용되고 있습니다.그러나 교육자가 분석을 통해 학생의 성적 패턴을 파악하고, 졸업 가능성을 예측하고, 학생의 성공 가능성을 향상시키려 할 때 학생성취도 측정의 복잡성은 문제를 야기합니다.[46]예를 들어, 데이터 사용이 많은 것으로 알려진 학군에 대한 연구에서 48%의 교사가 데이터에 의해 유발되는 질문을 하는 데 어려움을 겪었고, 36%가 주어진 데이터를 이해하지 못했으며, 52%가 데이터를 [47]잘못 해석했습니다.이에 대처하기 위해 교육자를 위한 일부 분석 도구는 처방전 없이 사용할 수 있는 데이터 형식(라벨, 보충 문서 및 도움말 시스템 포함, 주요 패키지/디스플레이 및 콘텐츠 결정)을 준수하여 [48]교육자가 표시되는 분석에 대한 이해와 사용을 개선합니다.

리스크

일반 인구의 위험에는 가격 차별 또는 통계 [49]차별과 같은 메커니즘을 통해 성별, 피부색, 민족적 출신 또는 정치적 의견과 같은 특성에 기초한 차별이 포함된다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ "Oxford definition of analytics".
  2. ^ "Cognitive Analytics - combining Artificial Intelligence (AI) and Data Analytics". www.ulster.ac.uk. March 8, 2017. Retrieved January 7, 2022.
  3. ^ Kohavi, Rothleder and Simoudis (2002). "Emerging Trends in Business Analytics". Communications of the ACM. 45 (8): 45–48. CiteSeerX 10.1.1.13.3005. doi:10.1145/545151.545177. S2CID 15938729.
  4. ^ "Global Spending on Big Data and Analytics Solutions Will Reach $215.7 Billion in 2021, According to a New IDC Spending Guide".
  5. ^ "Big data and business analytics revenue 2022".
  6. ^ "Market Share: Data and Analytics Software, Worldwide, 2020".
  7. ^ a b Kelleher, John D. (2020). Fundamentals of machine learning for predictive data analytics : algorithms, worked examples, and case studies. Brian Mac Namee, Aoife D'Arcy (2 ed.). Cambridge, Massachusetts. p. 16. ISBN 978-0-262-36110-1. OCLC 1162184998.
  8. ^ Park, David. "Analysis vs. Analytics: Past vs. Future". EE Times. Retrieved January 20, 2021.
  9. ^ "What is Data Analytics?". Master's in Data Science. Retrieved July 8, 2021.
  10. ^ "AI, Big Data & Advanced Analytics In The Supply Chain". Forbes.com. Retrieved April 16, 2020.
  11. ^ Ronin Myers (May 19, 2019). Data Management and Statistical Analysis Techniques. ISBN 9781839473395. Retrieved April 16, 2020.
  12. ^ a b Wedel, Michel; Kannan, P.K. (November 1, 2016). "Marketing Analytics for Data-Rich Environments". Journal of Marketing. 80 (6): 97–121. doi:10.1509/jm.15.0413. ISSN 0022-2429. S2CID 168410284.
  13. ^ "Session - Analytics Help". support.google.com. Retrieved January 9, 2022.
  14. ^ "IP address - Analytics Help". support.google.com. Retrieved January 9, 2022.
  15. ^ "Analytics Tools & Solutions for Your Business - Google Analytics". Google Marketing Platform. Retrieved January 9, 2022.
  16. ^ lukem (November 4, 2016). "People Analytics: Transforming Management with Behavioral Data". Programs for Professionals MIT Professional Education. Retrieved April 3, 2018.
  17. ^ Chalutz Ben-Gal, Hila (2019). "An ROI-based review of HR analytics: practical implementation tools" (PDF). Personnel Review, Vol. 48 No. 6, pp. 1429-1448.
  18. ^ Sela, A., Chalutz Ben-Gal, Hila (2018). "Career Analytics: data-driven analysis of turnover and career paths in knowledge-intensive firms: Google, Facebook and others" (PDF). In 2018 IEEE International Conference on the Science of Electrical Engineering in Israel (ICSEE). IEEE.{{cite web}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  19. ^ "People analytics - University of Pennsylvania". Coursera.
  20. ^ Avrahami, D., Pessach, D., Singer, G. and Chalutz Ben-Gal, Hila (2022). "A human resources analytics and machine-learning examination of turnover: implications for theory and practice" (PDF). International Journal of Manpower, Vol. ahead-of-print No. ahead-of-print.{{cite web}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  21. ^ "People Analytics: MIT July 24, 2017". HR Examiner. August 2, 2017. Retrieved April 3, 2018.
  22. ^ Bersin, Josh. "The Geeks Arrive In HR: People Analytics Is Here". Forbes. Retrieved April 3, 2018.
  23. ^ "The CEO's guide to competing through HR". Retrieved July 24, 2020.
  24. ^ McNulty, Keith. "It's Time for HR 3.0". Talent Economy. Retrieved July 24, 2020.
  25. ^ Pilbeam, Keith (2005), Pilbeam, Keith (ed.), "Portfolio Analysis: Risk and Return in Financial Markets", Finance and Financial Markets, London: Macmillan Education UK, pp. 156–187, doi:10.1007/978-1-349-26273-1_7, ISBN 978-1-349-26273-1, retrieved January 9, 2022
  26. ^ "Credit Reports and Scores USAGov". www.usa.gov. Retrieved January 9, 2022.
  27. ^ Mayernik, Matthew S.; Breseman, Kelsey; Downs, Robert R.; Duerr, Ruth; Garretson, Alexis; Hou, Chung-Yi (Sophie); Committee, Environmental Data Governance Initiative (EDGI) and Earth Science Information Partners (ESIP) Data Stewardship (March 12, 2020). "Risk Assessment for Scientific Data". Data Science Journal. 19 (1): 10. doi:10.5334/dsj-2020-010. ISSN 1683-1470. S2CID 215873228.
  28. ^ "Predictive Analytics in Insurance: Types, Tools, and the Future". Maryville Online. October 28, 2020. Retrieved January 9, 2022.
  29. ^ Liébana-Cabanillas, Francisco; Singh, Nidhi; Kalinic, Zoran; Carvajal-Trujillo, Elena (June 1, 2021). "Examining the determinants of continuance intention to use and the moderating effect of the gender and age of users of NFC mobile payments: a multi-analytical approach". Information Technology and Management. 22 (2): 133–161. doi:10.1007/s10799-021-00328-6. ISSN 1573-7667. S2CID 234834347.
  30. ^ Crail, Chauncey (March 9, 2021). "How to Enable Mobile Credit Card Alerts for Purchases and Fraud". Forbes Advisor. Retrieved January 9, 2022.
  31. ^ Phillips, Auda "Building a Digital Analytics Organization" Financial Times Press, 2013, 페이지 7-8.
  32. ^ "SEO Starter Guide: The Basics Google Search Central". Google Developers. Retrieved January 9, 2022.
  33. ^ "Clickthrough rate (CTR): Definition - Google Ads Help". support.google.com. Retrieved January 9, 2022.
  34. ^ "Security analytics shores up hope for breach detection". Enterprise Innovation. Archived from the original on February 12, 2019. Retrieved April 27, 2015.
  35. ^ Talabis, Mark Ryan M. (2015). Information security analytics : finding security insights, patterns, and anomalies in big data. Robert McPherson, I Miyamoto, Jason L. Martin. Waltham, MA. p. 1. ISBN 978-0-12-800506-4. OCLC 910911974.
  36. ^ "Software Analytics - an overview ScienceDirect Topics". www.sciencedirect.com. Retrieved January 9, 2022.
  37. ^ a b "2.3 Ten common characteristics of big data". www.bitbybitbook.com. Retrieved January 10, 2022.
  38. ^ Naone, Erica. "The New Big Data". Technology Review, MIT. Retrieved August 22, 2011.
  39. ^ Inmon, Bill; Nesavich, Anthony (2007). Tapping Into Unstructured Data. Prentice-Hall. ISBN 978-0-13-236029-6.
  40. ^ Wise, Lyndsay. "Data Analysis and Unstructured Data". Dashboard Insight. Archived from the original on January 5, 2014. Retrieved February 14, 2011.
  41. ^ "Tapping the power of unstructured data". MIT Sloan. Retrieved January 10, 2022.
  42. ^ "Fake doctors' sick notes for Sale for £25, NHS fraud squad warns". The Telegraph. London. August 26, 2008. Archived from the original on January 12, 2022. Retrieved September 16, 2011.
  43. ^ "Big Data: The next frontier for innovation, competition and productivity as reported in Building with Big Data". The Economist. May 26, 2011. Archived from the original on June 3, 2011.
  44. ^ Flouris, Ioannis; Giatrakos, Nikos; Deligiannakis, Antonios; Garofalakis, Minos; Kamp, Michael; Mock, Michael (May 1, 2017). "Issues in complex event processing: Status and prospects in the Big Data era". Journal of Systems and Software. 127: 217–236. doi:10.1016/j.jss.2016.06.011. ISSN 0164-1212.
  45. ^ Yang, Ning; Liu, Diyou; Feng, Quanlong; Xiong, Quan; Zhang, Lin; Ren, Tianwei; Zhao, Yuanyuan; Zhu, Dehai; Huang, Jianxi (June 25, 2019). "Large-Scale Crop Mapping Based on Machine Learning and Parallel Computation with Grids". Remote Sensing. 11 (12): 1500. Bibcode:2019RemS...11.1500Y. doi:10.3390/rs11121500. ISSN 2072-4292.
  46. ^ Prinsloo, Paul; Slade, Sharon (March 13, 2017). "An elephant in the learning analytics room: the obligation to act". Proceedings of the Seventh International Learning Analytics & Knowledge Conference. LAK '17. New York, NY, USA: Association for Computing Machinery: 46–55. doi:10.1145/3027385.3027406. ISBN 978-1-4503-4870-6. S2CID 9490514.
  47. ^ 미국 교육부 계획, 평가 및 정책 개발국(2009년).학교에서의 데이터 정보에 근거한 의사결정 실시: 교사의 접근, 지원 및 사용.미국 교육부(ECR 문서 재생 서비스 번호)ED504191)
  48. ^ 랭킨, J. (2013년 3월 28일)데이터 시스템 및 보고서가 데이터 분석 오류 확산과 어떻게 싸우거나 전파되는지, 교육 리더가 어떻게 도움을 줄 수 있는지.2019년 3월 26일 TICAL(Technology Information Center for Administrative Leadership) 스쿨리더십 서밋에서 실시된 웨이백 머신 프레젠테이션에서 아카이브.
  49. ^ Favaretto, Maddalena; De Clercq, Eva; Elger, Bernice Simone (February 5, 2019). "Big Data and discrimination: perils, promises and solutions. A systematic review". Journal of Big Data. 6 (1): 12. doi:10.1186/s40537-019-0177-4. ISSN 2196-1115. S2CID 59603476.

외부 링크