데이터를 생성하고 축적하고 있다. 데이터마이닝은 이렇게 아직은 의미와 가치가 없는 데이터로부터 유용한 패턴을 찾아내어 전략적, 전술적으로 유용한 마케팅 정보와 지식으로 전환시킨다는데 그 활용가치가 있다. 즉, 데이터마이닝은 현재 중요하게 대두되고 있는 관계마케팅, 원투원 마케팅, 서비
데이터를 다루는 데이터마이닝의 경우, 수많은 품목들의 관계속에서 의미있는 관련성을 찾기 위해서는 결과해석에 앞서 연관성의 내용이 일반화 할 수 있는 내용인가를 판단할 수 있도록 각 연관규칙을 비교할 수 있는 비교기준이 필요하다.
따라서 데이터마이닝에서의 연관성 분석 목적은 이러한 품
30대인지에 대한 기준이 나왔습니다.
셋째로,가정소득의 수준이 분류기준으로 나왔습니다.
<중 략>
의사결정나무분석결과 향후 출산계획여부는 자녀수, 연령대, 소득수준에 대해 주로 영향을 받는 것으로 나타남
회귀분석결과 향후출산 계획여부는 학력,가족형태, 자녀수 순서로 나타남
결정나무는 각 의사결정의 선택 가능한 대안들과 연관된 불확실한 사건들의 가능한 결과 값들에 따라, 의사결정 문제의 계획범위안의 가능한 모든 경로를 상세히 표현한다. 또한 의사결정나무는 대안을 선택한 후의 미래 발자취를 찾아가는 것과 같이 생각할 수 있다.
CRM을 포함한 데이터마이닝
분석하는 프로세스’로 정의한다. 즉, 대량의 데이터로부터 유용한 정보와 그에 버금가는 지식을 추출하고 의사결정에 도움을 주기 위해 통계적, 수학적 기법과 인공지능(Artificial Intelligence), 기계 학습(Machine Learning) 기술을 이용하는 프로세스라고 할 수 있다.
데이터마이닝은 컴퓨터 과학과 통계학의