Offcanvas

��������� ���������

‘데이터 랭글링’ 및 ‘탐구 데이터 분석’ 따라잡기

초보 데이터 사이언티스트는 데이터를 위한 적절한 모델만 찾아 적용하면 된다는 생각을 할 때가 있다. 애석하게도 이보다 더 데이터 사이언스의 현실과 동떨어진 것도 드물 것이다. 사실, 데이터 랭글링(Data Wrangling, 소위 말하는 데이터 정제 및 변경)과 탐구 데이터 분석(exploratory data analysis)은 데이터 사이언티스트가 소요하는 시간의 80%를 차지하는 경우가 많다. 데이터 랭글링과 탐구 데이터 분석의 개념은 쉽다. 단 제대로 하기가 어려울 수 있다. 정제되지 않거나 잘못 정제된 데이터는 쓰레기이며, GIGO 원리(garbage in, garbage out)는 모델링과 분석에도 적용된다. 데이터 랭글링이란? 데이터가 곧바로 사용 가능한 형태로 나오는 경우는 드물다. 오류와 누락으로 오염되는 경우가 많으며 원하는 구조를 가진 경우가 거의 없고 일반적으로 콘텍스트가 누락되어 있다. 데이터 랭글링은 데이터를 발견하고 정제하며 검증하고 사용 가능하도록 구조화한 후 콘텐츠의 질을 높이며(날씨와 경제 상황 등 공개 데이터로부터 얻은 정보 추가 등의 방식으로) 경우에 따라 데이터를 통합 및 변환하는 과정이다. 정확하게 말하면 데이터 랭글링 작업은 경우에 따라 달라질 수 있다. 데이터가 기구 또는 IoT 장치에서 제공되는 경우 데이터 전송이 프로세스의 주된 부분일 수 있다. 데이터를 머신러닝에 사용하는 경우 변환에 정규화와 표준화뿐 아니라 차원수 감소도 포함될 수 있다.  탐구 데이터 분석이 메모리와 저장 공간이 제한된 개인용 컴퓨터에서 수행되는 경우, 랭글링 프로세스에 데이터 하위 세트 추출이 포함될 수 있다. 데이터를 여러 개의 소스로부터 얻는 경우 측정값의 필드 이름과 단위를 매핑과 변환을 통해 통합해야 한다. 탐구 데이터 분석이란 무엇인가? 탐구 데이터 분석은 프린스턴 대학교(Princeton University)와 벨 연구소(Bell Labs) 소속인 존 투키와 긴밀히 연관되어 있다. 투키는 1961년에 탐구 데이터 ...

데이터 과학자 데이터 랭글링 탐구 데이터 분석 데이터 처리 애널리틱스 데이터 정제 데이터 모델링 ETL ELT 데이터 마이닝 데이터 스크래핑

2021.03.26

초보 데이터 사이언티스트는 데이터를 위한 적절한 모델만 찾아 적용하면 된다는 생각을 할 때가 있다. 애석하게도 이보다 더 데이터 사이언스의 현실과 동떨어진 것도 드물 것이다. 사실, 데이터 랭글링(Data Wrangling, 소위 말하는 데이터 정제 및 변경)과 탐구 데이터 분석(exploratory data analysis)은 데이터 사이언티스트가 소요하는 시간의 80%를 차지하는 경우가 많다. 데이터 랭글링과 탐구 데이터 분석의 개념은 쉽다. 단 제대로 하기가 어려울 수 있다. 정제되지 않거나 잘못 정제된 데이터는 쓰레기이며, GIGO 원리(garbage in, garbage out)는 모델링과 분석에도 적용된다. 데이터 랭글링이란? 데이터가 곧바로 사용 가능한 형태로 나오는 경우는 드물다. 오류와 누락으로 오염되는 경우가 많으며 원하는 구조를 가진 경우가 거의 없고 일반적으로 콘텍스트가 누락되어 있다. 데이터 랭글링은 데이터를 발견하고 정제하며 검증하고 사용 가능하도록 구조화한 후 콘텐츠의 질을 높이며(날씨와 경제 상황 등 공개 데이터로부터 얻은 정보 추가 등의 방식으로) 경우에 따라 데이터를 통합 및 변환하는 과정이다. 정확하게 말하면 데이터 랭글링 작업은 경우에 따라 달라질 수 있다. 데이터가 기구 또는 IoT 장치에서 제공되는 경우 데이터 전송이 프로세스의 주된 부분일 수 있다. 데이터를 머신러닝에 사용하는 경우 변환에 정규화와 표준화뿐 아니라 차원수 감소도 포함될 수 있다.  탐구 데이터 분석이 메모리와 저장 공간이 제한된 개인용 컴퓨터에서 수행되는 경우, 랭글링 프로세스에 데이터 하위 세트 추출이 포함될 수 있다. 데이터를 여러 개의 소스로부터 얻는 경우 측정값의 필드 이름과 단위를 매핑과 변환을 통해 통합해야 한다. 탐구 데이터 분석이란 무엇인가? 탐구 데이터 분석은 프린스턴 대학교(Princeton University)와 벨 연구소(Bell Labs) 소속인 존 투키와 긴밀히 연관되어 있다. 투키는 1961년에 탐구 데이터 ...

2021.03.26

워크플로우 간소화 지원하는 ‘프로세스 마이닝’ 툴 6선

비즈니스 프로세스 자동화 기반을 구축하려는 기업이라면 프로세스 플로우에서도 귀중한 인사이트를 얻을 수 있다. 엔터프라이즈 시스템의 데이터를 추적하는 AI 기반 툴 덕분이다.  비즈니스 프로세스 자동화를 추진하는 기업 사이에서 최근 ‘프로세스 마이닝(process mining)’이라는 용어가 인기를 얻고 있다. 프로세스 마이닝은 업무 자동화를 위해 취해진 RPA(Robotic Process Automation), ESM(Enterprise Service Management) 등에서 이어진 다음 단계다.  이 자동화 전략에서 중점을 두는 부분은 많은 기업이 수백, 수천, 많으면 수백만 개에 달하는 ‘프로세스’의 결합체라는 것, 그리고 IT 부문의 가장 큰 골칫거리가 기업을 지탱하는 낡고 녹슨 인프라를 교체하는 것이라는 점이다.    프로세스 마이닝의 이면에 있는 아이디어는 ‘데이터 마이닝(data mining)’에 들어간 모든 기발한 작업을 옮기고, 이를 RPA 또는 EPP 시스템에 연결해 문제가 일어날 만한 요인을 더욱더 잘 찾아낸다는 것이다.  하지만 여기서 끝이 아니다. 프로세스 마이닝 코드는 무엇이 ‘프로세스’로 적합한지 인식하고 정의할 수 있다. 스펙 파일을 작성하는 데 몇 개월 내지 또는 몇 년을 소비하지 않아도 된다.  또한 프로세스 마이닝 코드는 주문 데이터 흐름이 배송 데이터 흐름과 어떻게 연결되는지 데이터 이동 방식을 파악할 수 있으며, 이를 뱅킹 데이터 흐름으로 전환해 지급 처리를 할 수 있다. 작업에 일관된 고유 ID 번호가 있다면, 이 툴은 프로세스 간의 작업을 추적할 수도 있다.  이러한 AI 알고리즘에서 도출되는 인사이트는 최종적인 것이 아니며, 불가사의한 블랙박스에서 나오는 것도 아니다. 이 툴에서 나온 결과는 프로세스를 기술하는 플로우차트로 들어가는데, 이는 주로 RPA 툴에서 사용돼 프로세스 수정 및 개선의 시작점이 된다.  조직이 의도하는 바를 ...

워크플로우 워크플로우 간소화 프로세스 마이닝 데이터 마이닝 AI 인공지능 비즈니스 프로세스 자동화 자동화 RPA 프로세스 디스커버리 프로세스 인텔리전스 디지털 트윈 태스크 마이닝

2020.10.29

비즈니스 프로세스 자동화 기반을 구축하려는 기업이라면 프로세스 플로우에서도 귀중한 인사이트를 얻을 수 있다. 엔터프라이즈 시스템의 데이터를 추적하는 AI 기반 툴 덕분이다.  비즈니스 프로세스 자동화를 추진하는 기업 사이에서 최근 ‘프로세스 마이닝(process mining)’이라는 용어가 인기를 얻고 있다. 프로세스 마이닝은 업무 자동화를 위해 취해진 RPA(Robotic Process Automation), ESM(Enterprise Service Management) 등에서 이어진 다음 단계다.  이 자동화 전략에서 중점을 두는 부분은 많은 기업이 수백, 수천, 많으면 수백만 개에 달하는 ‘프로세스’의 결합체라는 것, 그리고 IT 부문의 가장 큰 골칫거리가 기업을 지탱하는 낡고 녹슨 인프라를 교체하는 것이라는 점이다.    프로세스 마이닝의 이면에 있는 아이디어는 ‘데이터 마이닝(data mining)’에 들어간 모든 기발한 작업을 옮기고, 이를 RPA 또는 EPP 시스템에 연결해 문제가 일어날 만한 요인을 더욱더 잘 찾아낸다는 것이다.  하지만 여기서 끝이 아니다. 프로세스 마이닝 코드는 무엇이 ‘프로세스’로 적합한지 인식하고 정의할 수 있다. 스펙 파일을 작성하는 데 몇 개월 내지 또는 몇 년을 소비하지 않아도 된다.  또한 프로세스 마이닝 코드는 주문 데이터 흐름이 배송 데이터 흐름과 어떻게 연결되는지 데이터 이동 방식을 파악할 수 있으며, 이를 뱅킹 데이터 흐름으로 전환해 지급 처리를 할 수 있다. 작업에 일관된 고유 ID 번호가 있다면, 이 툴은 프로세스 간의 작업을 추적할 수도 있다.  이러한 AI 알고리즘에서 도출되는 인사이트는 최종적인 것이 아니며, 불가사의한 블랙박스에서 나오는 것도 아니다. 이 툴에서 나온 결과는 프로세스를 기술하는 플로우차트로 들어가는데, 이는 주로 RPA 툴에서 사용돼 프로세스 수정 및 개선의 시작점이 된다.  조직이 의도하는 바를 ...

2020.10.29

의사결정지원시스템(DSS)이란? BI와 어떻게 다르지?

의사결정지원시스템(DSS)은 일종의 대화형 정보시스템으로, 대량의 데이터를 분석해 업무 의사결정에 필요한 정보를 제공한다. 불확실성의 의미를 평가하고 한가지 결정 대신 다른 결정을 했을 때 어떤 장단점이 있는지도 가늠함으로써 조직의 관리, 운영, 기획 수준에서 의사결정 개선을 지원한다.   DSS는 미가공 데이터와 문서, 개인 지식 및 사업 모델 등을 모두 활용하여 사용자의 의사결정 개선을 돕는다. DSS에서 사용되는 데이터 소스로는 관계형 데이터 소스, 큐브, 데이터창고, EHR, 수입 예상 자료, 판매 예상 자료 등등이 있을 수 있다. 의사결정지원시스템의 개념은 1950년대와 1960년대에 카네기 공과대학`에서 수행된 연구에서 유래한 것으로 1980년대에 EIS, GDSS, ODSS 등의 형태로 기업에서 제대로 뿌리를 내렸다. 요즘 들어 각 조직에서 데이터 주도 의사결정에 집중하는 경향이 늘어남에 따라 의사결정 과학(또는 의사결정 인텔리전스)이 부상하고 있으며, 의사결정 과학 시스템의 잠재력을 활용할 열쇠는 의사결정 과학자들이 쥐고 있을 수도 있다. 응용데이터과학, 사회과학, 경영과학 등이 결합된 의사결정 과학은 고급 의사결정을 내리기 위해 필요한 노력을 줄이기 위해 여러 옵션 중 취사선택에 집중한다. DSS와 BI의 비교 의사결정지원시스템(DSS)과 비즈니스 인텔리전스(BI)는 서로 융합되는 경우가 많다. DSS를 계승한 것이 BI라고 보는 전문가들도 있다. 대체로 의사결정지원시스템은 데이터 웨어하우징 및 데이터 마이닝과 더불어 비즈니스 인텔리전스 시스템의 한 요소로 인식되고 있다. BI는 의사결정에 사용될 데이터를 수집, 분석하고 평가하기 위한 광범위한 범주의 애플리케이션, 서비스, 기술인 반면, DSS 애플리케이션은 좀더 구체적인 의사결정을 지원하기 위한 목적을 두고 구축되는 경향이 있다. 예를 들어, 비즈니스 DSS는 과거의 판매 자료와 현재의 변수를 분석하여 일정 기간 회사의 수익 추정에 도움을 줄 수 있다. 의료 업체는 임상 의...

CIO 의사결정시스템 DSS ERP 데이터 분석 데이터 마이닝 인공지능 GPS 데이터 과학 비즈니스 인텔리전스 데이터베이스 데이터 웨어하우스 DW 예측 클릭뷰 SAP 비즈니스 오브젝트 BO 팁코 스폿파이어 세일즈포스 파워누늘 사운전드마인즈 브리크

2020.06.02

의사결정지원시스템(DSS)은 일종의 대화형 정보시스템으로, 대량의 데이터를 분석해 업무 의사결정에 필요한 정보를 제공한다. 불확실성의 의미를 평가하고 한가지 결정 대신 다른 결정을 했을 때 어떤 장단점이 있는지도 가늠함으로써 조직의 관리, 운영, 기획 수준에서 의사결정 개선을 지원한다.   DSS는 미가공 데이터와 문서, 개인 지식 및 사업 모델 등을 모두 활용하여 사용자의 의사결정 개선을 돕는다. DSS에서 사용되는 데이터 소스로는 관계형 데이터 소스, 큐브, 데이터창고, EHR, 수입 예상 자료, 판매 예상 자료 등등이 있을 수 있다. 의사결정지원시스템의 개념은 1950년대와 1960년대에 카네기 공과대학`에서 수행된 연구에서 유래한 것으로 1980년대에 EIS, GDSS, ODSS 등의 형태로 기업에서 제대로 뿌리를 내렸다. 요즘 들어 각 조직에서 데이터 주도 의사결정에 집중하는 경향이 늘어남에 따라 의사결정 과학(또는 의사결정 인텔리전스)이 부상하고 있으며, 의사결정 과학 시스템의 잠재력을 활용할 열쇠는 의사결정 과학자들이 쥐고 있을 수도 있다. 응용데이터과학, 사회과학, 경영과학 등이 결합된 의사결정 과학은 고급 의사결정을 내리기 위해 필요한 노력을 줄이기 위해 여러 옵션 중 취사선택에 집중한다. DSS와 BI의 비교 의사결정지원시스템(DSS)과 비즈니스 인텔리전스(BI)는 서로 융합되는 경우가 많다. DSS를 계승한 것이 BI라고 보는 전문가들도 있다. 대체로 의사결정지원시스템은 데이터 웨어하우징 및 데이터 마이닝과 더불어 비즈니스 인텔리전스 시스템의 한 요소로 인식되고 있다. BI는 의사결정에 사용될 데이터를 수집, 분석하고 평가하기 위한 광범위한 범주의 애플리케이션, 서비스, 기술인 반면, DSS 애플리케이션은 좀더 구체적인 의사결정을 지원하기 위한 목적을 두고 구축되는 경향이 있다. 예를 들어, 비즈니스 DSS는 과거의 판매 자료와 현재의 변수를 분석하여 일정 기간 회사의 수익 추정에 도움을 줄 수 있다. 의료 업체는 임상 의...

2020.06.02

제 값 하는 데이터 과학 교육 코스 15선

오늘날 IT에서 가장 핫한 직종은 누가 뭐래도 데이터 과학자다. 글래스도어는 데이터 과학자에 대해 전 직종을 통틀어 반론의 여지 없는 최고의 직업이라고 단언했다. 데이터 과학 분야에 막 발을 딛는 사회 초년생, 또는 경쟁자들에 비해 비교 우위를 점하고 싶은 경력자라면 데이터 과학 자격증에 대해 알아볼 만한 이유가 충분하다. 산업과 기업을 막론하고 데이터 과학이 중요시 되고 있는 것은 사실이지만, 리크루터들이 찾는 기술은 기업과 산업에 따라 조금씩 다르다. 이러한 상황에서 자격증을 취득하는 것은 남들보다 앞서갈 수 있는 좋은 방법이다. 그 이유 중 하나는 자격증을 취득하는 과정에서 수요는 많고 공급은 적은 기술을 취득하고 익힐 수 있게 되기 때문이다. 또한 이미 취득한 기술을 문서로 증명하기에도 적합하다. 이렇게 하면 리크루터나 채용 담당자들 역시 불확실성을 줄일 수 있으므로 좀 더 확신을 가지고 당신을 채용하게 될 것이다. 데이터 과학 분야에서 검토해볼 만한 자격증, 교육 프로그램을 알파벳 순으로 정리했다.   1. 딥러닝 통한 응용 AI, IBM 왓슨 IoT 데이터 과학 인증서(IBM Watson IoT Data Science Certificate) IBM의 IoT 데이터 과학 인증서를 취득하기 위해서는 코딩, 특히 파이썬을 다뤄 본 경험이 있어야 한다. 그렇지만 시작 단계에서는 다른 프로그래밍 언어를 사용하더라도 괜찮다. 수학적 역량, 특히 선형 대수학에 대한 지식이 있다면 좋겠지만, 이 토픽 역시 첫 주에 따로 다루게 될 것이다. 본 인증서를 취득하기 위한 강의는 코세라(Coursera)를 통해 수강할 수 있다. 고급 데이터 과학 기술을 가지고 있는 숙련자들을 대상으로 한다. 비용 : 코스당 79달러 위치 : 온라인 기간 : 스스로 조절 기한 : 만료 없음 2. 빅 데이터 인증서(Big Data Certification), UC 샌디에이고 확장 교육 프로그램 UC 샌디에이고의 평생 교육 프로그램에서...

자격증 데이터 과학자 데이터 마이닝 인증서 애널리틱스 데이터 엔지니어

2018.04.06

오늘날 IT에서 가장 핫한 직종은 누가 뭐래도 데이터 과학자다. 글래스도어는 데이터 과학자에 대해 전 직종을 통틀어 반론의 여지 없는 최고의 직업이라고 단언했다. 데이터 과학 분야에 막 발을 딛는 사회 초년생, 또는 경쟁자들에 비해 비교 우위를 점하고 싶은 경력자라면 데이터 과학 자격증에 대해 알아볼 만한 이유가 충분하다. 산업과 기업을 막론하고 데이터 과학이 중요시 되고 있는 것은 사실이지만, 리크루터들이 찾는 기술은 기업과 산업에 따라 조금씩 다르다. 이러한 상황에서 자격증을 취득하는 것은 남들보다 앞서갈 수 있는 좋은 방법이다. 그 이유 중 하나는 자격증을 취득하는 과정에서 수요는 많고 공급은 적은 기술을 취득하고 익힐 수 있게 되기 때문이다. 또한 이미 취득한 기술을 문서로 증명하기에도 적합하다. 이렇게 하면 리크루터나 채용 담당자들 역시 불확실성을 줄일 수 있으므로 좀 더 확신을 가지고 당신을 채용하게 될 것이다. 데이터 과학 분야에서 검토해볼 만한 자격증, 교육 프로그램을 알파벳 순으로 정리했다.   1. 딥러닝 통한 응용 AI, IBM 왓슨 IoT 데이터 과학 인증서(IBM Watson IoT Data Science Certificate) IBM의 IoT 데이터 과학 인증서를 취득하기 위해서는 코딩, 특히 파이썬을 다뤄 본 경험이 있어야 한다. 그렇지만 시작 단계에서는 다른 프로그래밍 언어를 사용하더라도 괜찮다. 수학적 역량, 특히 선형 대수학에 대한 지식이 있다면 좋겠지만, 이 토픽 역시 첫 주에 따로 다루게 될 것이다. 본 인증서를 취득하기 위한 강의는 코세라(Coursera)를 통해 수강할 수 있다. 고급 데이터 과학 기술을 가지고 있는 숙련자들을 대상으로 한다. 비용 : 코스당 79달러 위치 : 온라인 기간 : 스스로 조절 기한 : 만료 없음 2. 빅 데이터 인증서(Big Data Certification), UC 샌디에이고 확장 교육 프로그램 UC 샌디에이고의 평생 교육 프로그램에서...

2018.04.06

'머신러닝 활용을 더 쉽게' 오픈소스 툴 11선

스팸 필터링, 안면 인식, 추천 엔진 등, 방대한 분량의 데이터 셋을 상대로 예측 분석이나 패턴 인식을 하고자 한다면 머신러닝만한 방법이 없다. 무료 오픈소스 소프트웨어가 많아지면서 단일 기기 및 여러 대의 기기에, 널리 쓰이는 프로그래밍 언어로 확장하여 머신러닝을 활용하기가 훨씬 쉬워졌다. 오늘 소개할 11가지 오픈소스 툴은 파이썬, R, C++, 자바, 스칼라, 클로쥬어, 자바스크립트, 고 등의 라이브러리를 포함하고 있다.  ciokr@idg.co.kr

구글 사이킷-런 쇼군 어코드닷넷 아파치 머하웃 스파크 MLlib 클라우데라 오릭스 고런 웨카 Deeplearn.js ConvNetJS H2o 텐서플로 자바 자바스크립트 맵리듀스 하둡 데이터 마이닝 기계학습 파이썬 C++ 스칼라 R 클로쥬어

2017.10.11

스팸 필터링, 안면 인식, 추천 엔진 등, 방대한 분량의 데이터 셋을 상대로 예측 분석이나 패턴 인식을 하고자 한다면 머신러닝만한 방법이 없다. 무료 오픈소스 소프트웨어가 많아지면서 단일 기기 및 여러 대의 기기에, 널리 쓰이는 프로그래밍 언어로 확장하여 머신러닝을 활용하기가 훨씬 쉬워졌다. 오늘 소개할 11가지 오픈소스 툴은 파이썬, R, C++, 자바, 스칼라, 클로쥬어, 자바스크립트, 고 등의 라이브러리를 포함하고 있다.  ciokr@idg.co.kr

2017.10.11

원석에서 보석을 추출하기··· 데이터 마이닝이란?

오늘날 조직들은 그 어느 때보다 방대한 규모의 정보를 웹사이트, 애플리케이션, 소셜 미디어, 모바일 기기, IoT 등과 같은 여러 출처로부터 모으고 있다. 하지만 중요한 것은 이렇게 모은 정보들로부터 비즈니스 가치를 끌어내는 것이다. 데이터 마이닝이 바로 이 부분에서 기여할 수 있다. 데이터 마이닝은 방대한 양의 데이터 속에서 트렌드와 패턴을 식별해 내고, 정보 간 관계를 정립해 비즈니스 문제를 해결하거나 정보의 분석을 통해 새로운 기회를 만들어 내는 자동화된 프로세스를 뜻한다. 이는 단순히 과거에 있었던 사실들을 참조 하여 향후 일에 대비하자는 차원이 아니다. 데이터 마이닝 툴과 테크닉을 활용하면 미래에 어떤 일이 일어날 지 구체적으로 예측하고 이러한 트렌드를 이용할 수 있도록 도와주는 역할을 한다. ‘데이터 마이닝(data mining)’이라는 용어는 IT 업계에서 널리 쓰이고 있다. 이 용어는 주로 데이터의 수집, 추출, 저장, 분석과 같은 대규모 데이터 프로세싱 활동을 일컫는 것으로 사용된다. 또한 인공지능, 머신러닝, 비즈니스 인텔리전스 등 의사결정 지원 애플리케이션 및 테크놀로지 등도 데이터 마이닝의 범주에 포함되고 있다. 데이터 마이닝이 활용되는 분야는 상품 개발, 세일즈, 마케팅, 유전학, 그리고 사이버네틱스 등 비즈니스 및 연구 등 다양하다. 그리고 제대로만 사용한다면 예측 분석과 결합된 데이터 마이닝 기술은 이를 이용하지 않는 경쟁 조직들에 비해 상당한 이점을 부여해 줄 것이다. 데이터 마이닝으로 비즈니스 가치 이끌어 내기 데이터 마이닝의 진정한 가치는 데이터들 사이에 숨겨져 있는 패턴, 관계를 찾아냄으로써 비즈니스에 막대한 영향력을 가질 수도 있는 미래 예측을 해내는 데에 있다. 예를 들어, 만일 어떤 기업이 특정 마케팅 캠페인 덕분에 특정 제품 모델의 판매량이 특정 지역에서만 엄청나게 올라갔다고 판단 했다면, 미래에도 해당 캠페인을 집중 공략 함으로써 더 큰 ...

데이터 마이닝 HIPAA 애널리틱스 통찰 GDPR

2017.08.29

오늘날 조직들은 그 어느 때보다 방대한 규모의 정보를 웹사이트, 애플리케이션, 소셜 미디어, 모바일 기기, IoT 등과 같은 여러 출처로부터 모으고 있다. 하지만 중요한 것은 이렇게 모은 정보들로부터 비즈니스 가치를 끌어내는 것이다. 데이터 마이닝이 바로 이 부분에서 기여할 수 있다. 데이터 마이닝은 방대한 양의 데이터 속에서 트렌드와 패턴을 식별해 내고, 정보 간 관계를 정립해 비즈니스 문제를 해결하거나 정보의 분석을 통해 새로운 기회를 만들어 내는 자동화된 프로세스를 뜻한다. 이는 단순히 과거에 있었던 사실들을 참조 하여 향후 일에 대비하자는 차원이 아니다. 데이터 마이닝 툴과 테크닉을 활용하면 미래에 어떤 일이 일어날 지 구체적으로 예측하고 이러한 트렌드를 이용할 수 있도록 도와주는 역할을 한다. ‘데이터 마이닝(data mining)’이라는 용어는 IT 업계에서 널리 쓰이고 있다. 이 용어는 주로 데이터의 수집, 추출, 저장, 분석과 같은 대규모 데이터 프로세싱 활동을 일컫는 것으로 사용된다. 또한 인공지능, 머신러닝, 비즈니스 인텔리전스 등 의사결정 지원 애플리케이션 및 테크놀로지 등도 데이터 마이닝의 범주에 포함되고 있다. 데이터 마이닝이 활용되는 분야는 상품 개발, 세일즈, 마케팅, 유전학, 그리고 사이버네틱스 등 비즈니스 및 연구 등 다양하다. 그리고 제대로만 사용한다면 예측 분석과 결합된 데이터 마이닝 기술은 이를 이용하지 않는 경쟁 조직들에 비해 상당한 이점을 부여해 줄 것이다. 데이터 마이닝으로 비즈니스 가치 이끌어 내기 데이터 마이닝의 진정한 가치는 데이터들 사이에 숨겨져 있는 패턴, 관계를 찾아냄으로써 비즈니스에 막대한 영향력을 가질 수도 있는 미래 예측을 해내는 데에 있다. 예를 들어, 만일 어떤 기업이 특정 마케팅 캠페인 덕분에 특정 제품 모델의 판매량이 특정 지역에서만 엄청나게 올라갔다고 판단 했다면, 미래에도 해당 캠페인을 집중 공략 함으로써 더 큰 ...

2017.08.29

예측 분석 '느낌 아는' 마케팅과 영업

마케팅과 영업부서가 분석 기술 도입해 활용하고 있다. 앞으로 기업 전체로 예측 분석이 확산되기 위해서는 기업 문화가 바뀌어야 한다는 연구 결과가 발표됐다. 예측 분석 활용을 극대화하자 하는 기업이라면 신뢰를 쌓는 데는 시간이 걸리며, 성공을 위해서는 데이터 주도적인 경영을 위해서는 기업 전체가 바뀌어야 한다는 주장이 제기됐다. TWDI의 고급 분석(advanced analytics) 책임 연구원 펀 하퍼는 예측 분석의 사용과 장점에 대한 새로운 연구 결과를 바탕으로 조언을 전했다. ‘비즈니스 어드밴티지를 위한 예측 분석(Predictive Analytics for Business Advantage)’이라는 보고서에서 TWDI는 지금까지 예측 분석이 어떻게 사용됐으며 어떤 기술 투자가 필요하고 지금부터 2016년까지 예측 분석을 주도해 나갈 주역은 누구인지에 대해 심층적으로 다뤘다. 이 연구는 예측 분석이 비즈니스 인텔리전스(BI)의 뒤를 이을 수단으로서 자연스레 자리를 굳혀가고 있다고 주장했다. 예측 분석은 저렴하면서도 빨라진 컴퓨팅 파워, 선제적 고객 가치에 대한 이해, 경제적 요인 고려, 빅 데이터, 그리고 사용의 용이성 덕분에 새롭게 영역을 확장하고 있다. 하퍼는 온라인 회의 중에 “예측 분석의 매력을 알아보는 이들이 늘어나면서 예측 분석의 장점에 대한 이야기도 많이 나오고 있다”고 밝혔다. 그러나 예측 분석의 도입을 늘이려면 우선 시장 동향과 고객의 행동을 이해해야 하고 그 다음에는 고객에 대한 이해와 그들의 행동을 예측할 수 있어야 한다. 조사에 참여한 응답자들은 비즈니스 프로세스 역시 예측 분석 도입에 대한 이유로 꼽았다. TDWI에 따르면, 다수의 기업들이 예측 분석을 이용해 경영 성과, 전략적 의사결정, 그리고 경영 효율 등을 개선하려 하고 있다. ---------------------------------------------------------------...

영업 분석 예측 데이터 마이닝 CMO 의사결정 효율 조사 고객 마케팅 경영 TWDI

2014.01.22

마케팅과 영업부서가 분석 기술 도입해 활용하고 있다. 앞으로 기업 전체로 예측 분석이 확산되기 위해서는 기업 문화가 바뀌어야 한다는 연구 결과가 발표됐다. 예측 분석 활용을 극대화하자 하는 기업이라면 신뢰를 쌓는 데는 시간이 걸리며, 성공을 위해서는 데이터 주도적인 경영을 위해서는 기업 전체가 바뀌어야 한다는 주장이 제기됐다. TWDI의 고급 분석(advanced analytics) 책임 연구원 펀 하퍼는 예측 분석의 사용과 장점에 대한 새로운 연구 결과를 바탕으로 조언을 전했다. ‘비즈니스 어드밴티지를 위한 예측 분석(Predictive Analytics for Business Advantage)’이라는 보고서에서 TWDI는 지금까지 예측 분석이 어떻게 사용됐으며 어떤 기술 투자가 필요하고 지금부터 2016년까지 예측 분석을 주도해 나갈 주역은 누구인지에 대해 심층적으로 다뤘다. 이 연구는 예측 분석이 비즈니스 인텔리전스(BI)의 뒤를 이을 수단으로서 자연스레 자리를 굳혀가고 있다고 주장했다. 예측 분석은 저렴하면서도 빨라진 컴퓨팅 파워, 선제적 고객 가치에 대한 이해, 경제적 요인 고려, 빅 데이터, 그리고 사용의 용이성 덕분에 새롭게 영역을 확장하고 있다. 하퍼는 온라인 회의 중에 “예측 분석의 매력을 알아보는 이들이 늘어나면서 예측 분석의 장점에 대한 이야기도 많이 나오고 있다”고 밝혔다. 그러나 예측 분석의 도입을 늘이려면 우선 시장 동향과 고객의 행동을 이해해야 하고 그 다음에는 고객에 대한 이해와 그들의 행동을 예측할 수 있어야 한다. 조사에 참여한 응답자들은 비즈니스 프로세스 역시 예측 분석 도입에 대한 이유로 꼽았다. TDWI에 따르면, 다수의 기업들이 예측 분석을 이용해 경영 성과, 전략적 의사결정, 그리고 경영 효율 등을 개선하려 하고 있다. ---------------------------------------------------------------...

2014.01.22

의료와 빅 데이터의 만남, "치료 효과 ↑ 재입원 ↓"

임상 질환 치료 개선, 치료 효과 입증, 재입원율 감소는 환자와 병원, 더 나아가 사회적 부담까지도 줄여준다. 게다가 인구 노령화와 깊은 관련이 있는 만성 질환들로 야기되는 사회적 비용 부담은 범지구적인 현상이 됐다. 의료계는 '빅 데이터'에서 이러한 문제들을 해결할 가능성을 찾고 있다. 미국의 카이저 퍼머넌트(Kaiser Permanente), 피츠버그 의과대학 메디컬센터(UPMC, University of Pittsburgh Medical Center), 유나이티드 헬스케어(United Healthcare) 등 대형 종합 의료 기관들부터 25 개의 병실만을 갖춘 지역 병원들까지, 빅 데이터가 의료 비즈니스 일과를 관리하는 새로운 방향을 제시하는 도구로 부상하고 있다. 병원 및 의료 보험사들의 빅 데이터 이용은 주로 임상 질환 치료 개선, 치료 효과 입증, 재입원율 감소 등 3가지 영역에서 이뤄지고 있다. 산업 관계자들은 의료 서비스의 기초적인 분야라 할 수 있는 이 3가지 영역에 빅 데이터 솔루션을 적용함으로써 의료 시스템 전반이 단기간에 큰 규모의 발전을 이룩할 수 있으리라 기대하고 있다. (이 영역들은 의료 시스템뿐 아니라 사회적으로도 많은 비용 부담을 안겨주는 분야들이다.) 미국 최대 규모의 보험사 메디케어(Medicare)는 빅 데이터를 활용한 변화를 주도하는 선두 기업 중 하나다. 메디케어는 다음의 3가지 핵심 영역에서 개선 노력을 벌이지 않는 병원들에게 불이익을 주거나 그렇게 할 계획을 세웠다. ● 급성 심근경색 및 심부전, 폐렴 환자의 재입원율 기준을 30 일로 적용한다. ● 전자 건강 기록(EHR) 시스템을 의미 있게 활용한다. ● 환자에게 입원 시점 제공하지 못한 병원 획득 정보는 해당 환자에게 입원 기간 내에 제공한다.(2014년부터 적용) 비영리단체인 인스티튜트 포 헬스 메트릭스(IHM, Institute for Health Metrics)의 최고 의료 책임자 아니타 칼츠 박사는 &ldquo...

IBM 질병 진료 데이터 마이닝 빅 데이터 병원 가치 왓슨 의료 환자

2013.08.07

임상 질환 치료 개선, 치료 효과 입증, 재입원율 감소는 환자와 병원, 더 나아가 사회적 부담까지도 줄여준다. 게다가 인구 노령화와 깊은 관련이 있는 만성 질환들로 야기되는 사회적 비용 부담은 범지구적인 현상이 됐다. 의료계는 '빅 데이터'에서 이러한 문제들을 해결할 가능성을 찾고 있다. 미국의 카이저 퍼머넌트(Kaiser Permanente), 피츠버그 의과대학 메디컬센터(UPMC, University of Pittsburgh Medical Center), 유나이티드 헬스케어(United Healthcare) 등 대형 종합 의료 기관들부터 25 개의 병실만을 갖춘 지역 병원들까지, 빅 데이터가 의료 비즈니스 일과를 관리하는 새로운 방향을 제시하는 도구로 부상하고 있다. 병원 및 의료 보험사들의 빅 데이터 이용은 주로 임상 질환 치료 개선, 치료 효과 입증, 재입원율 감소 등 3가지 영역에서 이뤄지고 있다. 산업 관계자들은 의료 서비스의 기초적인 분야라 할 수 있는 이 3가지 영역에 빅 데이터 솔루션을 적용함으로써 의료 시스템 전반이 단기간에 큰 규모의 발전을 이룩할 수 있으리라 기대하고 있다. (이 영역들은 의료 시스템뿐 아니라 사회적으로도 많은 비용 부담을 안겨주는 분야들이다.) 미국 최대 규모의 보험사 메디케어(Medicare)는 빅 데이터를 활용한 변화를 주도하는 선두 기업 중 하나다. 메디케어는 다음의 3가지 핵심 영역에서 개선 노력을 벌이지 않는 병원들에게 불이익을 주거나 그렇게 할 계획을 세웠다. ● 급성 심근경색 및 심부전, 폐렴 환자의 재입원율 기준을 30 일로 적용한다. ● 전자 건강 기록(EHR) 시스템을 의미 있게 활용한다. ● 환자에게 입원 시점 제공하지 못한 병원 획득 정보는 해당 환자에게 입원 기간 내에 제공한다.(2014년부터 적용) 비영리단체인 인스티튜트 포 헬스 메트릭스(IHM, Institute for Health Metrics)의 최고 의료 책임자 아니타 칼츠 박사는 &ldquo...

2013.08.07

빅 데이터 광고에 현혹되지 않는 법

빅 데이터 과대 광고가 한창 진행 중이다. 그럴 듯해 보이지만, 실제 사례를 입증하지 못하면 빅 데이터 프로젝트 역시 투자만 많고 효과가 없었던 과거의 IT프로젝트들을 답습하게 될 것이다. 빅 테이터는, 기업들에 전에 없던 막대한 양과 형태의 데이터를 제공해 주며 기업 내부의 모든 측면에 대한 심도 있고 적극적인 이해를 가능케 하는 강력한 마법의 도구다. 그러나, 빅 데이터를 신중하게 다루지 않는다면, 이 마법은 한 마리의 돈 벌레로 변해버릴 것이다. NPI 파이낸셜(NPI Financial)의 IT비용 관리 컨설턴트 제프 무스까렐라는 “빅 데이터는 막대한 비용적 리스크를 내포하고 있다. 빅 데이터 프로젝트를 위해 하드웨어, 소프트웨어, 서비스 업체들과 계약을 맺으면서 기업은 쉴 새 없이 돈이 빠져나가는 일을 경험할 것이다. 그리고 때로 업체들이 광고했던 성공 사례들은, 실은 속 빈 강정에 불과할 수도 있다. 제대로 검토되지 않은 프로젝트는 기업에게 장밋빛 미래를 약속해주지 못할 것이다”라고 지적했다.   --------------------------------------------------------------- 빅 데이터 인기기사 -> 칼럼 | 빅데이터의 위력 -> 빅 데이터 구축과 활용 ‘사례 속의 교훈들’ ->기업 미래 좌우할 빅 데이터, 어떻게 준비할 것인가? -> 빅 데이터 전문가들 ʺ잠재력은 뚜렷, 그러나 신중히 접근해야ʺ -> 블로그 | 빅데이터, 미래의 불확실성을 줄여 줄까? --------------------------------------------------------------- 무스까렐라는 빅 데이터의 힘을 활용하는 것 자체가 잘못된 것은 아니라고 강조했다. 그는 기업들이 이 새로운 데이터 활용 계획을 결정하기에 앞서, 빅 데이터 프로젝트가 회사에 어떠한 효용을 어떻게 제공해줄지 철저히 검토해봐...

BI CIO 파일럿 프로젝트 IT예산 데이터 마이닝 멀티 벤더 전략

2012.05.10

빅 데이터 과대 광고가 한창 진행 중이다. 그럴 듯해 보이지만, 실제 사례를 입증하지 못하면 빅 데이터 프로젝트 역시 투자만 많고 효과가 없었던 과거의 IT프로젝트들을 답습하게 될 것이다. 빅 테이터는, 기업들에 전에 없던 막대한 양과 형태의 데이터를 제공해 주며 기업 내부의 모든 측면에 대한 심도 있고 적극적인 이해를 가능케 하는 강력한 마법의 도구다. 그러나, 빅 데이터를 신중하게 다루지 않는다면, 이 마법은 한 마리의 돈 벌레로 변해버릴 것이다. NPI 파이낸셜(NPI Financial)의 IT비용 관리 컨설턴트 제프 무스까렐라는 “빅 데이터는 막대한 비용적 리스크를 내포하고 있다. 빅 데이터 프로젝트를 위해 하드웨어, 소프트웨어, 서비스 업체들과 계약을 맺으면서 기업은 쉴 새 없이 돈이 빠져나가는 일을 경험할 것이다. 그리고 때로 업체들이 광고했던 성공 사례들은, 실은 속 빈 강정에 불과할 수도 있다. 제대로 검토되지 않은 프로젝트는 기업에게 장밋빛 미래를 약속해주지 못할 것이다”라고 지적했다.   --------------------------------------------------------------- 빅 데이터 인기기사 -> 칼럼 | 빅데이터의 위력 -> 빅 데이터 구축과 활용 ‘사례 속의 교훈들’ ->기업 미래 좌우할 빅 데이터, 어떻게 준비할 것인가? -> 빅 데이터 전문가들 ʺ잠재력은 뚜렷, 그러나 신중히 접근해야ʺ -> 블로그 | 빅데이터, 미래의 불확실성을 줄여 줄까? --------------------------------------------------------------- 무스까렐라는 빅 데이터의 힘을 활용하는 것 자체가 잘못된 것은 아니라고 강조했다. 그는 기업들이 이 새로운 데이터 활용 계획을 결정하기에 앞서, 빅 데이터 프로젝트가 회사에 어떠한 효용을 어떻게 제공해줄지 철저히 검토해봐...

2012.05.10

특허청, "데이터 마이닝 관련 특허출원 증가세"

특허청은 데이터 마이닝과 관련된 특허출원이 2005년까지 매년 10여 건 정도였으나, 2006년 이후에는 매년 20여 건으로 지속적인 증가세가 이어지고 있다고 밝혔다.   이 분야 특허출원은 개인 연구자 및 국내 중소기업이 주도하고 있다. 출원인별로 살펴보면, 개인이 24%, 중소기업 22%, 대학교 19%, 외국인 14%, 연구소 13% 순이다. 반면 대기업의 출원은 8%에 그쳤다.   관련 특허출원 중에는 ▲고객의 구매, 취미 등의 성향에 따라 고객에게 가장 필요한 콘텐츠를 데이터베이스에서 자동으로 찾아 이메일로 발송할 수 있도록 하는 콘텐츠 자동발송 방법 ▲온라인 대화내용을 분석하여 대화 내용과 관련된 광고내용을 표시하도록 하는 방법 ▲데이터 마이닝을 이용해 유해 데이터를 선별하는 방법 ▲온라인 쇼핑몰에 개제된 상품평으로부터 상품의 속성별로 사용자의 감정을 긍정 또는 부정으로 분류하는 방법 등 주로 IT 관련 서비스 산업분야에 데이터 마이닝 기술이 적용하고 있는 것으로 나타났다.   특허청 관계자는 “지금은 스마트폰과 SNS(Social Network Service)의 대중화로 인해 데이터 양이 기하급수적으로 증가하는 이른바 ‘빅 데이터(Big Data)’ 시대를 맞고 있다”며, “앞으로 데이터 마이닝 기술은 우리들의 일상에 더욱 깊숙이 파고들어 정치, 경제, 사회 현상 등 다양한 분야에서 활용될 것이고, 관련 기술의 특허출원도 지속적으로 늘어날 것으로 전망된다”고 밝혔다. editor@itworld.co.kr

데이터 마이닝 특허청 특허출원

2011.10.31

특허청은 데이터 마이닝과 관련된 특허출원이 2005년까지 매년 10여 건 정도였으나, 2006년 이후에는 매년 20여 건으로 지속적인 증가세가 이어지고 있다고 밝혔다.   이 분야 특허출원은 개인 연구자 및 국내 중소기업이 주도하고 있다. 출원인별로 살펴보면, 개인이 24%, 중소기업 22%, 대학교 19%, 외국인 14%, 연구소 13% 순이다. 반면 대기업의 출원은 8%에 그쳤다.   관련 특허출원 중에는 ▲고객의 구매, 취미 등의 성향에 따라 고객에게 가장 필요한 콘텐츠를 데이터베이스에서 자동으로 찾아 이메일로 발송할 수 있도록 하는 콘텐츠 자동발송 방법 ▲온라인 대화내용을 분석하여 대화 내용과 관련된 광고내용을 표시하도록 하는 방법 ▲데이터 마이닝을 이용해 유해 데이터를 선별하는 방법 ▲온라인 쇼핑몰에 개제된 상품평으로부터 상품의 속성별로 사용자의 감정을 긍정 또는 부정으로 분류하는 방법 등 주로 IT 관련 서비스 산업분야에 데이터 마이닝 기술이 적용하고 있는 것으로 나타났다.   특허청 관계자는 “지금은 스마트폰과 SNS(Social Network Service)의 대중화로 인해 데이터 양이 기하급수적으로 증가하는 이른바 ‘빅 데이터(Big Data)’ 시대를 맞고 있다”며, “앞으로 데이터 마이닝 기술은 우리들의 일상에 더욱 깊숙이 파고들어 정치, 경제, 사회 현상 등 다양한 분야에서 활용될 것이고, 관련 기술의 특허출원도 지속적으로 늘어날 것으로 전망된다”고 밝혔다. editor@itworld.co.kr

2011.10.31

KKR이 데이터 마이닝을 활용하는 방법

애널리틱스 시스템은 CIO들이 기업 차원에서 직접 개발하려는 인기 테마 프로젝트다. 이 때 CIO들이 기대하는 바는, 이미 보유한 데이터를 활용해 새로운 통찰을 얻어내거나 경쟁력 확보에 도움이 되는 강점을 얻어내는 것이다. 사모투자기업 KKR(Kohlberg, Kravis and Roberts)도 이러한 시스템을 구축했다. 이 시스템은 회사가 보유한 기업들로부터 데이터를 수집해 사모펀드의 전체적인 금융 상황을 분석하도록 고안됐다. 새로운 시스템은 매니저들이 새로운 측정값을 추가함으로써 실업률과 같은 현재의 사건에 반응할 수 있도록 지원한다. 예를 들어 KKR이 보유한 기업들로부터 직원회전율 데이터를 볼 수 있게 해준다. 또는 선택한 특정 부분값을 시스템에 이미 존재하는 다른 데이터와 비교할 수 있도록 하는 기능도 갖추고 있다. KKR의 CIO 에드 브랜드만은 "3년 전 이 프로젝트를 시작하기로 결정했을 때, 벤더는 우리가 원하는 것을 이해하는 것조차 어려워했다"라고 말했다. 이 시스템으로 인해 KKR은 2011년 CIO 100 수상 기업으로 선정됐다. IT를 혁신적으로 사용함으로써 비즈니스 전략을 고도화시킨 점이 인정됐기 때문이다. 엑시터 그룹의 컨설턴트이자 CIO 100 선정위원의 일원인 루이스 구티에레스는 정교화된 데이터 분석이 기업 경쟁력 확보에 기여하는 트렌드가 나타나고 있다고 말했다. 그는 "비즈니스 차별화 및 혁신의 핵심은 가치 생성이 가능하고 새로운 방안으로 핵심 정보를 창출하는 것"이라고 말했다. 한편 KKR은 당초 리포팅 도구인 크리스탈 리포트와 오픈소스 데이터베이스인 MySQL로 시작했지만, 개발자들은 특정 종류의 쿼리와 회사가 활용을 원하는 데이터 타입을 위한 코드를 작성하기 위해 자바를 사용했다. 알코어의 CIO 케빈 아너는 이와 관련, 커스텀 코드가 비즈니스 인텔리전스로부터 가장 전략적인 가치를 산출한다고 말했다. 그는 기업이 독특한 애널리틱스 도구를 활용해 ...

BI 애널리틱스 데이터 마이닝

2011.09.01

애널리틱스 시스템은 CIO들이 기업 차원에서 직접 개발하려는 인기 테마 프로젝트다. 이 때 CIO들이 기대하는 바는, 이미 보유한 데이터를 활용해 새로운 통찰을 얻어내거나 경쟁력 확보에 도움이 되는 강점을 얻어내는 것이다. 사모투자기업 KKR(Kohlberg, Kravis and Roberts)도 이러한 시스템을 구축했다. 이 시스템은 회사가 보유한 기업들로부터 데이터를 수집해 사모펀드의 전체적인 금융 상황을 분석하도록 고안됐다. 새로운 시스템은 매니저들이 새로운 측정값을 추가함으로써 실업률과 같은 현재의 사건에 반응할 수 있도록 지원한다. 예를 들어 KKR이 보유한 기업들로부터 직원회전율 데이터를 볼 수 있게 해준다. 또는 선택한 특정 부분값을 시스템에 이미 존재하는 다른 데이터와 비교할 수 있도록 하는 기능도 갖추고 있다. KKR의 CIO 에드 브랜드만은 "3년 전 이 프로젝트를 시작하기로 결정했을 때, 벤더는 우리가 원하는 것을 이해하는 것조차 어려워했다"라고 말했다. 이 시스템으로 인해 KKR은 2011년 CIO 100 수상 기업으로 선정됐다. IT를 혁신적으로 사용함으로써 비즈니스 전략을 고도화시킨 점이 인정됐기 때문이다. 엑시터 그룹의 컨설턴트이자 CIO 100 선정위원의 일원인 루이스 구티에레스는 정교화된 데이터 분석이 기업 경쟁력 확보에 기여하는 트렌드가 나타나고 있다고 말했다. 그는 "비즈니스 차별화 및 혁신의 핵심은 가치 생성이 가능하고 새로운 방안으로 핵심 정보를 창출하는 것"이라고 말했다. 한편 KKR은 당초 리포팅 도구인 크리스탈 리포트와 오픈소스 데이터베이스인 MySQL로 시작했지만, 개발자들은 특정 종류의 쿼리와 회사가 활용을 원하는 데이터 타입을 위한 코드를 작성하기 위해 자바를 사용했다. 알코어의 CIO 케빈 아너는 이와 관련, 커스텀 코드가 비즈니스 인텔리전스로부터 가장 전략적인 가치를 산출한다고 말했다. 그는 기업이 독특한 애널리틱스 도구를 활용해 ...

2011.09.01

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 편집인 : 박재곤 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2022 International Data Group. All rights reserved.

10.4.0.6