Data Mining와 전자상거래

1. Data Mining의 개념

2. Data Mining의 등장배경

1) 정보화 시대의 도래

2) 정보기술의 가속적 발전

3) 전통적인 전문가 시스템의 한계

4) 데이터의 홍수, 정보의 빈곤

3. Data Mining의 효익

4. Data Mining과 Dataware House의 관계

5. Data mining의 절차

1) 자료의 수집(Data Collection)

2) 데이터의 준비(Data Preparation)

3) 데이터마이닝의 수행

4) 데이터 시각화(Data Visualization) : 선택 가능

5) 마이닝 결과의 활용

6. Data Mining의 기법들

1) Modeling

2) 분석리포트작업

3) 상관분석(Correlations)

4) T-test

5) ANOVA(분산분석)

6) 회귀분석 (Regression)

7) 로지스틱 회귀 분석(Logistic Regression)

8) 판별 분석(Discriminant Analysis)

9) 예측 분석 기법(Forecasting Methods)

10) 군집 분석(Cluster Analysis)

11) 요인 분석(Factor Analysis)

12) 의사 결정 나무 (Decision Trees)

13) Data Visualization

14) 신경망 분석(Neural Networks)

7. Data Mining을 통해 도출되는 정보의 종류

1) 연관규칙

2) 연속규칙

3) 분류규칙

4) 데이터군집화

8. 일반적인 Data Mining의 응용분야

1) 소매/마케팅

2) 은행/카드

3) 보험

4) 통신

5) 제조

6) 유통

7) 의료

9. Data mining의 전자상거래 기업에서의 필요성

1) 데이터의 양적 팽창

2) 원시데이터로부터 의미있는 정보나 지식 추출의 필요성

3) 치열한 시장 경쟁

4) 대중마케팅에서의 일대일 마케팅으로 진화

10. 전자상거래 기업을 위한 Data mining 구조

11. 전자상거래 기업에서의 Data Mining 응용분야

1) 개인화 혹은 표적화된 동적 배너 광고 및 전자 카탈로그

2) 개인화 혹은 표적화된 이메일 마케팅

3) 지능화된 고객 셀프 서비스 센터

4) 유사상품 추천 및 교차 판매