분야
hwp1. 분석 동기와 보고서의 목적
우리 주위에 상업 활동을 하는 대부분은 자영업을 하는 40~50대 서민계층이 대다수인데 기업들과 같은 단체와 비교했을 때 개개인이 소자본(小資本)을 가지고 작은 금액을 유통하는 큰 흐름이라고 할 수 있다. 이러한 서민들은 경제활동(economic activity)의 결과들을 가계부와 같은 아날로그(analog)적인 방법으로 기록한다. 또는 경제활동의 결과를 문서화하지만 단지 보관용으로 사용한다. 이것은 적어도 40~50대층은 경제활동에 따른 여러 수치(figure)들을 활용하지 않는다는 것을 말하며, 오랜 경험을 축적해서 직관적으로 근 미래를 예측하며 경제활동을 이어가고 있다고 할 수 있다.
이때 가계부는 수입, 지출, 총수익 정도의 항목을 제공하는데 이는 전체 경제활동에서 얻게 되는 많은 종류의 데이터(data)가 가계부 정리 과정에서 합해지면서 거의 대부분 유실된다고 할 수 있다. 따라서 가계부를 활용한 직관적인 예측(forecast)은 오류(error)를 자주 발생시킨다. 하지만 소자본을 다루는 서민들은 예측오류에 따른 리스크(risk)가 기업에 비해 작기 때문에 리스크를 체감 할 수 없어 오류를 간과하곤 한다.
그러나 현대에 이르러 경제활동에서 얻어지는 수치들의 통계분석(statistical analysis)이 예측오류를 줄여주고 더 효율적인 상업전략(commercial strategy)을 제시해 준다는 것을 알게 되었고 기업들은 예측오류가 가져오는 큰 리스크 때문에 무한경쟁 사회에서의 생존을 위해 발 빠르게 행동하여 정보를 계량화하고 통계분석에 의한 의사결정(decision making)보조기구를 활용하게 되었다. 이러한 통계적 의사결정은 경험적인 의사결정에 대해 확신을 주는 결과를 제공하기도 하고 잘못된 판단을 바로잡아 수정 할 수 있게 해주기도 한다.
앞서 말한 대로 서민들의 경제활동에서 발생하는 예측오류에 의한 리스크는 기업의 수준 보다는 작지만, 경제활동이 10~20년 이상 지속되는 경우 리스크가 중복되면서 쌓이게되는 누적손해(cumulative damage)는 결코 작다고 할 수 없기 때문에 우리는 서민들에게 통계분석이 리스크를 줄이고 논리적인 상업전략 도출이 가능하다는 것을 증명해보고자, 통계적 의사결정에의한 상업전략의 가능성을 검증 하려고 한다. 이를 위해 한 가지 상업분야에 통계분석 방법을 접목시키기로 하였고 ‘2010년 SAS championship’에서 경연대회 자료로 주어졌던 인터넷쇼핑몰 데이터를 이용해 인터넷쇼핑몰 마케팅전략(marketing strategy)을 제시하여 통계분석 작업의 가능성을 증명하기로 하였다.
김정권, 인터넷쇼핑몰에서의 고객충성도 제고 전략, 목포대학교 연구논문, 36p-41p
김형택·민옥길, “효과적인 인터넷 마케팅을 위한 웹로그분석”, 비비컴, 2001.
류창수·서용무, “통계 및 데이터마이닝 기법을 이용한 웹 사이트 분석”, 한국데이타베이스학회 춘계 학술대회, 2001, 6. pp. 369-379.
안현철·한인구, “데이터 마이닝을 활용한 인터넷 쇼핑몰의 상품 추천 시스템 개발.”, 한국경영정보학회 춘게학술대회, 2002, 6., pp. 739-748.
오재인·최재화·김홍기·권순범·손승희, “인터넷 비즈니스-전략, 모델, 마케팅, 백오피스, 기술”, 박영사, 2001.
이화영, “표준 로그파일을 이용한 웹 마이닝에 관한 연구”, 한국과학기술원 석사학위논문, 2000, 2.
임현성·이영재, “웹 로그 분석을 통해 연관성 규칙을 활용한 개인화 상품 추천의 효과성 연구”, 한국경영정보학회 춘계학술대회, 2002, 6, pp. 749-759.
최기준·최재영·박은미, “전자상거래에서 상품 유형에 관한 연구”, 한국경영정보학회 추계국제학술대회, 2000, 11, pp. 318-347.
한국경제. 1999. 8. 11.
행정학사전 이종수 2009.1.15., 대영문화사, 432p-485p
황현숙·어윤양, “연관 마이닝과 고객 선호도 기반의 인터넷 상품 검색 시스템 설계 및 구현”, 경영정보학연구, 2002, 3, 제12권 제1호 pp. 1-16.
Azevedo, A. and Santos, M. F. KDD, "SEMMA and CRISP-DM: a parallel overview. In Proceedings of the IADIS European Conference on Data Mining", 2008, pp 182-185.
Berry, J. and G. Linoff, "Data Mining Techniques: For Marketing, Sales, and Customer Support", John Wiley & sons, 1997.
Cooley, R., Tan, P.N., Srivasata, J., "Discovery of Interesting Usage Patterns form Web Data," Technical Report TR 99-022, University of Minnesota, 1999.
Kalacota, R. and M. Robinson, "e-business: Roadmap for success", Addison-Wesley, 1999.
Meta Group, "The Customer Relationship Management Esosystem", 2000.
SAS Enterprise Miner website
Rohanizadeh, S. S. and Moghadam, M. B. A Proposed Data Mining Methodology and its Application to Industrial Procedures Journal of Industrial Engineering 4 (2009) pp 37-50.
Zaiane, O.R., Xin, M. and Han, J., "Discovering Web Access Patterns and Trends by Applying OLAP and Data Mining Technology on Web Logs", IEEE ADL Proceedings, 1998, pp. 19-29.
