Data Mining vs. Analytics

1. Data Mining 

데이터 수집->과거 트랜드 분석->미래 현상 유추->리포트

일회성 분석으로 자산화되지 못함

포괄성이 없어 의사결정의 일부 참고자료에 그침 

대상 주체에 따라 해석이 달라짐 

2. Analytics 

(1)정의

Business decision problem[Strategic, Tactical, Operational]->Analytics powered Solution <- Data analytics Capabilities[Mathematics/Statistics, Data Programming, Domain Knowledge]("Bigdata & Analytics", Deloitte Analytics, May 2013., p.4)

(2)방법

명확한 목적 설정(예 : 쿠폰 이용율을 10%향상)->목적에 필요한 혁신 및 의사결정 파악->필요한 데이터 파악->데이터 수집->Analytics->목적달성

즉, 의사결정 문제를 먼저 정의하고 이후 데이터 수집, 결합, 분석이 이루어짐

3. 마케팅 효과측정에 Analytics 활용도

일상적이고 효율적으로 Analytics로부터 통찰을 얻음

마케팅 성과 측정이나 개선을 위해 활용

마케팅 커뮤니케이션 채널 관리

성과측정 등

4. Business models 

e-mail marketing, search engine 최적화, internet banner  광고, video motion picture marketing, contents marketing, social media, mobile 분야 등

5. 시사점 

애널리틱스(Analytics)는 데이터웨어하우스(Data Warehouse)로 부터 데이터를 캐내는(Data Mining)방식에서 더 나아가 깊은 바다에서 석유를 캐내듯이 데이터를 바다에서 필요한 데이터를 캐내어 분석하고 활용하고 예측하는 것임

많고, 다양하며, 실시간으로 유입되는 데이터를 분석해 더 나은 의사결정으로 Bigdata 가치창출함

일반적인 분석과 달리 Analytics는 복잡한 수학적 최적화나 고도의 알고리즘을 통해 실시간으로 분석해 그 결과를 도출한다는 의미로 통용되고 있다.

이승관 성남산업단지관리공단 수석전문위원 경영학박사 경영지도사 산업카운슬러 1급 성남하이테크밸리 융합혁신기술지원센터 경영혁신분과위원장 전 울산테크노파크 인천테크노파크 선임 책임연구원 혁신지원실장 역임(산업통상자원부 장관상 수상)