Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

of

예측 분석 산업별 사례 147 Slide 1 예측 분석 산업별 사례 147 Slide 2 예측 분석 산업별 사례 147 Slide 3 예측 분석 산업별 사례 147 Slide 4 예측 분석 산업별 사례 147 Slide 5 예측 분석 산업별 사례 147 Slide 6 예측 분석 산업별 사례 147 Slide 7 예측 분석 산업별 사례 147 Slide 8 예측 분석 산업별 사례 147 Slide 9 예측 분석 산업별 사례 147 Slide 10 예측 분석 산업별 사례 147 Slide 11 예측 분석 산업별 사례 147 Slide 12 예측 분석 산업별 사례 147 Slide 13 예측 분석 산업별 사례 147 Slide 14 예측 분석 산업별 사례 147 Slide 15 예측 분석 산업별 사례 147 Slide 16 예측 분석 산업별 사례 147 Slide 17 예측 분석 산업별 사례 147 Slide 18 예측 분석 산업별 사례 147 Slide 19 예측 분석 산업별 사례 147 Slide 20
Upcoming SlideShare
예측 분석이 발견한 이상하고 놀라운 인간 행동들
Next
Download to read offline and view in fullscreen.

3 Likes

Share

Download to read offline

예측 분석 산업별 사례 147

Download to read offline

Predictive Analytics Case 147

예측 분석 산업별 사례 147

  1. 1. 페이지 1 / 20 예측 분석 산업별 사례 147 -에릭 시겔, “빅데이터의 다음 단계는 예측 분석이다” p272 ~ p291 ● 가정 및 개인 생활 분야 예측 대상 예측 분석 활용 사례 위치 당신이 있게 될 곳 노키아(Nokia) -노키아는 휴대폰 추적을 통해서 미래의 사용자 위치를 예측하는 콘테스 트를 주최하였다. 이를 통해 얻은 방법론들은 부분적으로 사용자 친구들 의 행위(예를 들면 한 사람이 통화하는 사회적 접촉 대상들)를 분석에 포 함 시켜서 스위스의 특정 지역에 거주하는 사람들에 대해서 평균적으로 그들이 어디에 있게 될 것인지를 하루 전에 20미터 범위 내에서 예측할 수 있다. 마이크로소프트(Microsoft) -GPS 데이터에 근거하여 한 사람이 몇 년 후에 어디에 있게 될 것인지를 정확하게 예측하는 기술을 개발하는 데 예측 분석을 활용하였다. 우정 페이스북(Facebook) -당신이 알고 있을 가능성이 있는 사람들 및 연결하고 싶어할 가능성이 있는 사람들을 정확하게 추천하는 방법론을 개선하기 위한 콘테스트를 후 원 하였다. 링크드인(LinkedIn) -당신이 알고 있을 가능성이 있는 사람들을 예측하여 추천하는 서비스가 “자신들이 만든 것들 중에서 가장 중요한 데이터 제품”이라고 말한다. 사랑 매치닷컴(Match.com) -온라인 데이트에서 ‘지능적 소개팅’(Intelligent Matching)은 당신이 교류하 고 싶어할 가능성이 높은 상대를 예측한다. 오케이큐피드(OKCupid) -온라인 데이트에서 어떠한 메시지가 상대방으로부터 반응을 얻을 가능성 이 가장 높은지를 예측한다.
  2. 2. 페이지 2 / 20 임신 타깃 쇼핑몰(Target) -쇼핑 행태로부터 고객의 임신을 예측함으로써 30%나 더 많은 대상자를 찾아내어 신생아 부모의 구매욕구에 호소할 수 있는 할인쿠폰을 보낸다. 불륜 모 대학 연구진 -불륜행각은 인구사회학적 특징보다는 행태 특징에 의해서 더 정확하게 예측된다는 것을 보여주었다. 물론 유전적 요소도 영향을 준다고 하였다. 이혼 모 병원 연구진 -90% 정확도를 가지고 이혼을 예측한다. 사망 보험, 의료, 범죄 소탕 및 안전 분야 사례 참조 ● 마케팅, 광고, 웹 분야 예측 대상 예측 분석 활용 사례 구매 행위 타깃 마케팅을 위 하여 프리미어 뱅크카드(PREMIER Bankcard) -1,200만 달러의 우편홍보물 비용을 절감하였다. 퍼스트 테네시 은행(First Tennessee Bank) -우편홍보물 비용은 20% 절감하고 반응률은 3.1% 증가하여 예측 분석에 투자된 비용 대비 600% 수익을 창출하였다. 타깃 쇼핑몰(Traget) -예측 분석을 통해 매출액이 15~30% 증가하였다. 하버 스위트(Harbor Sweets) -구매한 지 오래된 고객들을 다시 오게 만들기 위해서 데이터 분석을 통 해 타깃을 선정하였는데 40%라는 놀라운 반응률을 보였다. 핑거허트(FingerHut) -타기팅으로 우편홍보물을 20% 줄여서 연간 거의 300만 달러를 절감하면 서도 수익은 오히려 더 늘어났다. 버몬트 컨트리 스토어(Vermont Country Store)
  3. 3. 페이지 3 / 20 -판매 카탈로그 발송 대상을 보다 정확하게 타기팅함으로써 데이터 분석 에 투자한 비용 대비 11배가 넘는 수익률을 거두었다. 하라스 라스베이거스(Harrah’s Las Vegass) -이 카지노 업체는 각각의 고객들이 장기적으로 얼마나 지출할 것인지를 예측하였다(이를 고객의 ‘평생가치’라고 부르기도 한다.). 콕스 커뮤니케이션스(Cox Communications) -구매 경향을 예측함으로써 우편홍보물에 대한 반응률이 3배 증가하였다. 특히 가정용 TV, 인터넷, 이동통신 서비스 등과 같은 커뮤니케이션 관련 제품들에 대한 요구를 예측함으로써 연간 수익률이 50%에 이르게 되었 다. 뮤추얼펀드 투자관리 회사 -평균적인 개인보다 추가적인 투자를 할 가능성이 5배나 더 높은 고객들 을 선별해 내었다. 영국의 한 슈퍼마켓 -고객들 중 19%에 대해서 그 고객이 재방문할 날짜를 정확하게 예측할 수 있었으며, 그들이 지출할 금액에 대해서 10달러 이상 차이나지 않게 정확하게 예측할 수 있었다. 엘리 타하리(Elie Tahari) -여성 패션라인 제품에 대한 수요를 예측하였다. 구매 취소 행위 고객 유지를 위하 여 프리미어 뱅크카드(PREMIER Bankcard) -고객 예치금 800만 달러를 이탈하지 않고 계속 보관하게 만들었다. 페덱스(FedEx) -어느 고객이 경쟁업체로 넘어갈 것인가를 65~90% 정확도로 예측하였다. 호주 옵투스(Optus) -이동통신 서비스의 평균 가입자보다 서비스 해지 가능성이 10배나 높은 고객을 선별해 내었다. 스프린트(Sprint) -유선전화 서비스의 평균 가입자보다 서비스 해지 가능성이 3배나 높은
  4. 4. 페이지 4 / 20 고객을 선별해 내었다. 노르웨이 텔레로느(Telenor) -이동통신 서비스 가입자의 이탈률을 36% 감소시켰으며 고객유치 비용 대비 수익은 11배 높아졌다. 뉴질랜드 투디그리스(2degrees) -이동통신 서비스의 평균 가입자보다 서비스 해지 가능성이 12배나 높은 고객을 선별해 내었다. 로이드 TSB(Lloyds TSB) -고객 이탈에 대한 예측 모델링을 개선함으로써 연간 이익이 800만 파운 드나 증가하였다. 체이스 은행(Chase Bank) -금융 리스크 및 보험 분야 사례 참조 리드 엘세비어(Reed Elsevier) -잡지의 구독갱신률이 16% 증가하였다. 세일즈 성공 가능 성 거래 우선순위 선 정을 위하여 IBM -IBM 캐나다 법인은 세일즈를 위해 계획한 이벤트에 응할 참가자 목표를 83% 신뢰도를 가지고 예측하였다. 즉 “우리가 이 파티를 주최한다면 사람 들이 충분히 참가할 것인가”를 예측한 것이다. 여기에는 IBM 예측 분석 솔루션의 세일즈도 포함되어 있으므로 예측 분석을 팔기 위해서 예측 분 석을 한 것이다. 휴렛팩커드(HP) -세일즈 담당자들에게 판매 기회를 예견해 주는 조기 경보 시스템을 구축 하여 95%의 정확도로 세일즈 노력의 결과 중 92%를 예측하였다. 또한 전 체 60%의 딜에 대해서 최종 결과까지 걸리는 시간을 예측하였다. 벨라 픽처스(Bella Pictures) -웨딩사진 촬영 예약판매를 위해서 예비신부를 타기팅하였다. 페이첵스(Paychex) -급여 및 인력관리 서비스 제공 업체인 이 회사는 영업 목적의 전화통화
  5. 5. 페이지 5 / 20 중 성공 가능성이 적은 통화를 예측 선별함으로써 전체 영업 목적의 통화 수를 40% 감소시킴과 동시에 전체 세일즈를 늘릴 수 있었다. 선 마이크로시스템즈(Sun Microsystems) -전화 영업 성공률을 2배나 향상시켰다. 제품 선택 개인 맞춤화된 추 천을 위하여 아마존닷컴(Amazon.com) -제품 추천을 통한 매출이 전체 매출의 35%를 차지한다. 넷플릭스(Netflix) -영화 추천 능력 개선을 위한 100만 달러 상금의 콘테스트를 주최하였다. 넷플릭스 가입자들이 선택하는 영화 중 약 70%는 온라인 추천에 의한 것 이라고 한다. 영국 테스코(Tesco) -13개국에 걸친 마트 계산대에서 연간 1억 장의 개인맞춤화된 쿠폰을 발 급한다. 예측 모델링은 그 이전의 다른 방법론들과 비교할 때 쿠폰 사용 률을 3.6배나 증가시켰다. 타깃 쇼핑몰(Target) -제품 선별 추천 모델을 사용한 타기팅 우편홍보물로 매출이 15~20% 증 가하였다. 유에스뱅크(U.S. Bank) -반응률이 2배 향상되었으며 투자 대비 교차판매 수익률이 5배 증가하였 다. 판도라(Pandora) -400가지의 음악적 특성에 근거하여 음악을 추천한다. 마우스 클릭 보여줄 콘텐츠를 선별하기 위하여 구글(Google) -사용자에게 검색 결과로 보여질 웹페이지들 중 어떤 것이 사용자의 고품 질 요구에 더 부합하는가를 예측함으로써 검색 기능을 향상시켰다. 교육 관련 한 포털 -사용자가 클릭할 가능성이 더 높은 광고를 보여줌으로써 19개월마다 100만 달러의 매출을 추가로 창출하였다.
  6. 6. 페이지 6 / 20 비효율적인 광고 광고주에게 경고하 기 위하여 구글(Google) -새로운 광고들 중에서 어떤 것이 더 많이 후회(bounce)하게 만드는가를 예측한다(즉 사람들이 어떤 광고를 클릭한 후 즉시 이전 페이지로 다시 되돌아오는가를 분석한다.). 트윗 및 게시물의 구전 효과 노출 극대화를 위 하여 MTV -비디오 뮤직 어워드 방송 시 해당 웹페이지의 페이지 뷰가 55% 증가하 였다. 스팸 메일 스팸 편지함에 자 동으로 집어넣기 위하여 구글(Google) -2004년까지만 해도 상당히 높았던 지메일(Gmail)의 스팸 메일 오인율 (false positive rate)이 현재는 거의 무시해도 좋을 정도로 낮아졌다. 히트곡 및 히트 영 화 모 연구진 -기계 학습을 이용해 어떤 시나리오 대본이 할리우드의 대박 영화가 될 것인지 그리고 어떤 노래가 음원 차트에서 히트를 칠 것인지를 예측하였 다. ● 금융 리스크 보험 분야 예측 대상 예측 분석 활용 사례 자동차 충돌로 인 한 신체 상해 올스테이트(Allstate) -2012년에 개최된 예측 모델링 콘테스트를 통해서 보험 가입 차량의 특 성들에 근거하여 신체 상채 부담금액의 예측 정확도를 3배나 향상 시켰 다. 고액의 산업재해 상해 액시던트 펀드 보험(Accident Fund Insurance) -의료보험 가입자의 비용청구서 내용으로부터 2차적 건강 조건(예를 들면 비만이나 당뇨병 여부)을 확인한다. 이러한 조건들은 어떤 상해를 당했을 때 고액의 비용이 발생할지를 예측하게 해줌으로써, 예를 들어 보험에 가 입한 직원들 중 특정인에게 예방조치를 취하도록 할 것인지 여부를 판단
  7. 7. 페이지 7 / 20 할 수 있게 해준다. 보험 청구 인피니티 보험(Infinity Insurance) -정부 정치 비영리단체 교육 분야 사례 “신청서 승인 및 거절” 참조 유명한 국제상선보험사 -예측 모델을 이용하여 ‘손실률’을 0.5% 낮춤으로써 거의 5천만 달러를 절 약할 수 있게 되었다. 사망 생명보험회사들 -보험가입 승인 여부 및 보험납입액을 결정하기 위해서 사망 연령을 예측 한다. 상위 5위권에 드는 미국의 한 의료보험회사 -의료 분야 사례 참조 부동산 담보대출 조기상환 체이스 은행(Chase Bank) -어떤 주택소유자가 부동산 담보대출을 갈아타기(대환대출)하여 향후 지불 할 이자를 모조리 경쟁 은행에 가져다 줄지를 미리 알 수 있는 예측 모델 을 사용하여 수억 달러의 이익을 창출하였다. 파산(리스크) 시티그룹(Citygroup) -30년이 넘는 기간 동안의 국제적 채무불이행 사례들에 대한 분석을 활용 하여 각 지역별로(북미 및 서유럽 지역에서는 더 세분하여 산업별로) 상 업적 신용 리스크 모델들을 개발하였다. 은행 내부에서 이러한 모델을 이 용하는 담당자들이 3천 명에 이르며 이 모델들은 20년이 넘게 이용되었 다. 캐나디안 타이어(Canadian Tire) -리스크 관리를 위해서 신용카드 지불 연체를 예측한다. 프리미어 뱅크카드(PREMIER Bankcard) -연체율 및 대손상각비율을 낮출 수 있었으며 1천만 달러 이상의 수익을 올렸다. 청구서 체납 브라질 텔레콤(Brasil Telecom, 지금은 Oi로 개명) -악성 체납을 예측하여 400만 달러를 회수하였다.
  8. 8. 페이지 8 / 20 DTE 에너지(DTE Energy) -대손상각에 대해서 선제적으로 대응하고 서비스 해지를 줄임으로써 비용 을 700% 절감하였다. 모 금융기관 -전액 상환이 불가능하다고 채무자들에게 상환금액을 조정해 주고 전액 상환이 가능하다고 예측된 채무자들에게는 조정을 해주지 않음으로써 210만 달러 규모의 손실을 줄일 수 있었다. 주식시장 (블랙박스 거래) 런던 주식 거래소(London Stock Exchange) -런던 주식 거래소 거래량의 40%가 알고리즘 시스템에 의해서 이루어진 다. 존 엘더(John Elder) -자신이 직접 설계한 블랙박스 거래 시스템에 자신의 전재산을 투자하였 다. 다양한 회사들 -알파지니어스(AlphaGenius), 세레벨럼 캐피털(Cerebellum Capital), 레벨리 온 리서치(Rebellion Research) 그리고 많은 회사들이 알고리즘에 의해서 거래한다. ● 의료 분야 예측 대상 예측 분석 활용 사례 사망 상위 5위권에 드는 미국의 한 의료보험회사 -말기 의료 서비스(유언장 작성 및 통증완화 치료 등)를 제공하기 위하여 건강보험 노인 가입자가 18개월 이내에 사망할 가능성을 예측한다. 영국의 리스크 프리딕션(Riskprediction.org.uk) -사용자의 신체조건 등에 근거하여 간단한 수술, 중대한 수술, 복잡한 수 술, 복원성 대장직장절제술 같은 특수수술 등의 수술 도중에 사망할 리스 크를 예측한다.
  9. 9. 페이지 9 / 20 유행성 독감 구글 독감 트렌드(Google Flu Trends) -(증상관 관련된) 온라인 검색 트렌드를 분석함으로써 질병통제센터보다 7~10일 앞서서 병원의 독감 환자 증가를 예측할 수 있다는 것을 보여주 었다. 유방암(D) 스탠퍼드 대학교 -예측 모델링을 활용하여 샘플 세포조직의 더 많은 요소들을 고려함으로 써 유방암을 의사보다 훨씬 더 잘 진단해 낼 수 있는 혁신적 방법론을 개 발하였다. 폐혈증 시스터즈오브머시 의료 시스템(Sisters of Mercy Health Systems) -환자의 활력징후(vital signs) 관찰에 근거하여 심각한 폐혈증 및 패혈 소 크를 예측한다. 수용 가능한 오인율 범위 내에서 71%의 케이스를 탐지하 였다. HIV 진행 모 연구진 질병 진행에 대한 예측 정확도를 70%에서 78%로 개선하였다. 약품 효능 화이저(Pfizer) -환자에게 약품 투여 시 3주 이내에 호전될 확률을 예측한다. 조산 브리검영 대학 및 유타 대학 -빠르면 임신 24주차의 혈액 샘플에서 찾아볼 수 있는 펩타이드 바이오마 커(peptide biomarker)에 근거하여 조산 위험성을 80% 정도 정확하게 예 측한다. 발기부전(D) 화이저(Pfizer) -더 효과적이고 간단한 자가진단 테스트용 5가지를 개발하였다. 병원 행정 헤리티지 프로바이더 네트워크(Heritage Provider Network) -한 환자가 향 후 1년 동안 병원에서 지내야 할 입원 일수를 가장 잘 예 측할 수 있는 모델을 개발하기 위해서 300만 달러 상금의 콘테스트를 주 최하였다. 피츠버그 대학 메디컬 센터 퇴원 승인 여부를 결정하기 위해서 환자가 퇴원 후 30일 이내에 재입원
  10. 10. 페이지 10 / 20 할 리스크를 예측한다. 약품 미복용 FICO -환자가 약품 처방에 따르는지를 예측한다. 이를 통해서 평균적으로 1년 에 수백일간 처방 계익을 따르지 않을 그룹을 골라낸다. 의약 처방을 따 르지 않는 행위로 인해서 미국에서만 연간 12만 5천 명의 불필요한 조기 사망과 2,900억 달러의 불필요한 비용이 발생한다. 임상실험자 모집 영국 글락소스미스클라인(GlaxoSmithKline) -고가의 실험 약품 공급을 계획하고 할당하기 위해서 신약 임상실험에 많 이 필요한 실험 참여자의 공급량을 예측한다. 수납 오류(D) 멀티케어 의료 시스템(MultiCare Health System, 워싱턴 주에 있는 4개의 병원) -비정상적인 계정 및 청구서를 탐지하여 연간 200만 달러에 달하는 수납 오류를 만회하였다. 다양한 건강상 리 스크 다양한 병원 및 의료센터들 -상대적으로 건강상 리스크가 높은 개인들에게 예방적 진료 및 조기 진료 를 하도록 유도하기 위해서 선도적으로 타깃 마케팅을 실행하고 있다. 테네시 주 블루크로스 블루실드 공공의료보험(Blue Cross Blue Shield of Tennessee) -청구 데이터로부터 개별 가입자들이 어떤 의료 서비스를 원하게 될 것인 지를 예측한다. **(D)는 ‘예측’을 한다기보다는 ‘탐지’(detection)된 것을 의미한다. ● 범죄 소탕 및 사기 감지 분야 예측 대상 예측 분석 활용 사례 사기(D) 세금 환급 미국 국세청 -국세청 조사 담당자들은 예측 분석을 활용하여 사기로 의심되는 세금 환 급 요청서의 순위를 매김으로써 조사 건수를 늘리지 않고도 25배나 많은 탈세를 찾아내었다. 사기(D) 미국 국방성 국방재무회계 부서
  11. 11. 페이지 11 / 20 정부 대상 청구서 -공개된 보고서에서 이미 알려진 사기 사례를 대상으로 검증한 결과 그중 97%를 탐지할 수 있었다. 사기(D) 정부 계약 미국 우체국 -하청업체 계약 건 중에서 내부 공모 또는 특혜로 의심되는 건들에 대해 서 예측 분석으로 순위를 매겨서 회계감사의 가이드로 삼았다. 사기(D) 수표 시티즌스 뱅크(Citizens Bank) -사기로 의심되는 수표들을 예측함으로써 사기로 인한 손실을 20% 절감 하였다. 사기(D) 사무장비 400억 달러 규모의 미국 보험회사 -의심스러운 보험 청구서들에 대해서 예측 분석으로 순위를 매겨서 회계 감사원들이 동일한 조사건수 대비 6.5배의 사기를 적발할 수 있었다. 사기(D) 자동차 보험 청구 서 영국의 아비바 보험(Aviva Insurance) -신체상해가 포함된 자동차 보험 청구서의 사기를 탐지하는 방법을 개선 하여 매월 50만 파운드를 추가로 절약할 수 있었다. 사기(D) 보증 수리 청구서 휴렛팩커드(HP) -HP의 판매대리점 및 서비스대리점들이 제출한 보증수리 청구서의 사기 여부를 탐지하여 5년간 6,600만 달러의 비용을 절약하였다. 사기(D) 직원 수당 청구 미국 우체국 -직원들의 수당청구서 중 부당한 것을 예측 분석으로 탐지하여 950만 달 러를 절약할 수 있었다. 살인 메릴랜드 주 -예측 모델을 사용하여 교도소 수감자 중에서 누가 더 살인 가해자 또는 피해자가 될 위험성이 높은지를 분석하였다. 길거리 범죄 시카고, 로스앤젤레스, 멤피스, 리치먼드, 산타크루스, 바인랜드 -범죄 발생이 예측되는 지역으로 경찰차를 미리 보내 순찰을 하도록 하였 다. 테러리스트 공격 미군
  12. 12. 페이지 12 / 20 관련자의 체포, 재판, 금전적 지원, 정치적 맥락 등의 요소에 근거하여 테 러리스트의 공격 및 무장저항세력의 활동을 예측 분석하는 연구를 수행하 고 자금을 지원한다. 행정규제 위반(D) 뉴욕 시 -타기팅된 조사를 통해서 불법 아파트 및 영업허가증 불법 양도를 5배나 더 적발하였으며 밀수한 담배를 파는 가게를 2배나 더 적발하였다. 상습범 징역형 선고 도는 가석방 결정을 위 하여 오리건 주 및 펜실베이니아 주 -판사 및 가석방 심사위원회에서 재소자들 중 누구를 얼마나 더 오래 감 금해야 할지 결정하는 데 도움을 얻기 위해서 예측 모델을 사용 하였다. 살인사건 해결 시카고 경찰청 -수사가 성과가 있을지 여부를 예측하는 데 살인사건 및 피해자의 특성이 도움이 된다는 것을 발견하였다. 보안 수준 아마존닷컴(Amazon.com) -직원별로 적절한 수준의 보안접근 필요성을 예측한다. 해커 및 바이러스 (D) 연구진들 -어떤 온라인 행위들이 악의적 침입 및 공격이며 어떤 것들이 정당한 행 위들인지 예측하는 모델링을 만든다. ● 안전 및 효율을 위한 고장 탐지 분야 예측 대상 예측 분석 활용 사례 시스템 오류 인공위성 원자로 대형 상업용 위성 회사 -발사 후 3년 이내에 유지보수가 필요한 위성을 더 잘 예측하기 위해서 위성 배터리 고장의 패턴을 발견해 내었다. 아르곤(Argonne) 국립연구소
  13. 13. 페이지 13 / 20 도시 전력 공급 기차 궤도(D) 기차 바퀴 사무장비 신용카드 지불 시 스템(D) 건물 회사 네트워크 -원자로 고장(냉각관의 파열 등)을 예측 분석으로 모델링 하였다. 콘 에디슨(Con Edison) -뉴욕 시의 전력 케이블 고장을 예측하고 1시간에 3번씩 운영 모니터에 표시되는 위험수위를 업데이트한다. BSNF 철도 -심각한 열차사고의 주요한 원인인 궤도 파손을 예측 분석하여 85% 정확 도로 문제가 발생할 구체적 위치를 예측한다. TTX -1.5% 범위 내에서 연간 재고 및 유지보수 총액을 예상하기 위해서 수십 만 개의 열차 바퀴에 대해서 개별적으로 고장 확률을 예측한다. 포춘 500대 기업에 속하는 글로벌 테크놀로지 회사 -수리 서비스 출동 차량에 사전 적재해 놓기 위해서 프린터 및 하드 드라 이브와 같은 전자기기의 부품들 중 어떤 것들이 교체할 가능성이 높은지 를 예측한다. 주요 결제처리 서비스 업체 -거래 시스템의 비정상적 작동을 탐지하여 문제를 훨씬 신속하게 해결하 도록 한 프로젝트로 인해서 투자 대비 7배의 수익을 거두었다. 이란의 대학들 -콘크리트가 어떤 원료들로 어떻게 배합되었는지에 근거하여 그 강도를 예측하였다. 설문조사 결과 IT부서들의 18% -예측 분석을 이용하여 단기간에 발생할 가능성이 높은 IT분야의 고장을
  14. 14. 페이지 14 / 20 경고함으로써 적절한 대처 수단을 사전에 취할 수 있도록 하고 있다. 불량부품 제조라인 품질관리 를 위하여(D) 한 세탁기 제조업체 -불량 탐지 성공률이 87%를 넘어섰다. 기름 유량 지하의 석유자원을 효율적으로 채굴하 기 위하여 국립 이란 남부 석유회사(National Iranian South Oil Company) -신경망 분석법을 사용하여 석유 생산율을 예측한다. 고객 수요 서비스 합리화를 위하여 캐나다 자동차 협회 -고객 전화에 대한 새로운 응대 절차를 마련함으로써 서비스 출동률을 25%나 줄였고 이를 통해 인건비를 절감하면서도 불만율은 45%나 낮추었 다. 항공기 충돌시 사 망률(D) 데이터 분석 책임자 -국가교통안전국(NTSB)의 데이터를 모델링하여 평균보다 5배나 더 치명적 일 수 있는 항공기 사고를 밝혀내었다. 항공편 지연 컨티넨탈 항공(Continental Airlines) -레이더 네트워크 데이터를 통해서 항공편의 지연을 예측하고 하늘 공간 의 활용도를 개선함으로써 수천만 달러를 절약할 수 있었다. 교통량 호주 뉴사우스웨일스 주정부 -호주 시드니 시의 M4 고속도로의 차량 이동시간을 예측하고, 예상되는 교통량 지연을 일기예보와 마찬가지로 지역별로 온라인에 게시한다. 통화 끊김 노키아 지멘스 네트워크(Nokia Siemens Networks) -4G 이동통신 네트워크 상에서의 통화 끊김 현상을 70% 정확도로 예측 하여 서비스 이용도 및 지속성을 개선한다. ● 정부, 정치, 비영리단체, 교육 분야 예측 대상 예측 분석 활용 사례
  15. 15. 페이지 15 / 20 유권자 설득 2012년 오바마 대선 캠프 -선거운동 접촉(전화, 방문, 홍보물, TV 광고 등)을 통해서 설득할 수 있는 유권자는 누구인지, 이러한 접촉을 할 경우 역효과가 나 오히려 상대방 후보에게 투표하게 될 유권자는 누구인지를 예측하였다. 예측 모델은 접 전지역 주의 수백만 유권자들을 대상으로 한 선거운동에 활용되었고 전통 적인 선거운동 타기팅과 비교하여 “괄목할 만한 발전을 이루어내었다”. 모금 활동 샬롯데 레스큐 미션(Charlotte Rescue Mission, 노스캐롤라이나 주 샬롯데 시의 빈민구호 시민단체) -모금운동 결과로 기부금이 거의 50% 증가하였다. 네이처 컨서번시(The Nature Conservancy, 미국의 대표적인 환경보호 단 체) -대상자 명단 중에서 기부할 가능성이 가장 높다고 예측된 10%만을 대상 으로 우편물을 발송하여 669,000달러를 모을 수 있었다. 저스트기빙(JustGiving, 전세계의 자선단체와 기부희망자를 이어주는 온라 인 플랫폼) -영국돈 수억 파운드에 달하는 모금활동에서 예측 분석이 핵심적 역할을 하였다고 평가하였다. 유타 대학 경영대학원 -연간 기부금 모금에 대한 반응을 예측함으로써 졸업생 동문들의 기부금 이 73% 증가하였다. 연구보조금 획득 호주 멜버른 대학 -어떤 연구보조금 신청서들이 승인될 것인지를 예측하는 예측 모델링 콘 테스트를 개최하였다. 에너지 소비 호주 에너젝스(Energex) -호주에서 두 번째로 큰 전력회사인 에너젝스는 인프라 개발과 고객 타기 팅(에너지 소비 절감을 위한 인센티브 제공 대상 선정)을 위하여 향후 20 년의 전력 수요 증가 예측을 공간적 차원에서 시뮬레이션하였다. 소액대출 상환 불 능 키바(Kiva, 소액대출을 통해 저개발국가의 주민 자활을 돕는 미국의 비영 리단체)
  16. 16. 페이지 16 / 20 (빈곤 탈출을 위한) 소액대출 신청 프로젝트들 중에서 프로젝트 소개글에 ‘학교’ 또는 ‘기계’ 등의 키워드가 미포함되어 있는지 여부 등에 따라서 평 균보다 상환 불능 가능성이 거의 두 배 이상 높은 프로젝트들을 선별한 다. 신청서 승인 및 거 절 미국 사회복지청 -신청자들 중 상당 부분을 차지하는 신체장애 지원금 신청서에 대한 승인 여부 심사기간이 한 달 넘게 걸리던 것을 한 시간 이하로 줄일 수 있게 되었다. 서비스 도움 요청 영국 BBC 방송 -각 가정의 TV 시청자들, 특히 노년층 및 장애인 중에서 디지털 TV로 전 환하는 데 기술적 지원을 필요로 할 사람들을 선별해 내었다. 학교 중퇴 미국 공립대학 위원회(American Public University System), 애리조나 주 립대학, 아이오와 주립대학, 네덜란드 아이트호벤 대학, 오클라호마 주립 대학, 앨라배마 대학 -중퇴 위기에 놓인 학생들을 예측하여 사전에 상담하고 그들이 계속 학교 에 다닐 수 있도록 도움을 제공한다. 학점 컴퓨터가 자동으로 채점할 수 있게 하 고 교수가 학문적 도움을 줄 대상을 타기팅하기 위하여 휴렛 재단(Hewlett Foundation) -학생들이 쓴 보고서를 자동으로 채점하는 시스템을 개발하는 데 자금을 지원하였다. 그 결과로 개발된 시스템은 사람이 채점하는 것과 동일하게 정확한 채점을 할 수 있었다. 피닉스 대학 -수업별로 어느 학생이 낙제할 위험이 높은지를 예측하여 학습 코칭과 같 은 도움을 누구에게 줄 것인지 타기팅을 한다. 리오 살라도 커뮤니티 칼리지(Rio Salado Community College) -수업 시작 8일 후 (부분적으로 온라인 활동에 근거하여) 어느 학생이 C 또는 그 이상의 학점을 얻을 것인지를 70% 정확도로 예측하고 교수에게 사전에 알려준다. 지식 교육을 위하여 <제퍼디!> 우승자 데이터 분석 전문가 로저 크레이그(Roger Craig)는 자신이 어떤 연습문제 를 틀릴 가능성이 높은지를 예측하여 <제퍼디!> 출전에 대비하는 공부시
  17. 17. 페이지 17 / 20 간을 어떻게 할애할 것인지를 타기팅하였다. 그는 역대 출전자 중 1회당 최고 상금을 획득하였으며 2011년 챔피언 토너먼트에서 승리하였다. 페이스북, 엘스비어(Elsevier), IBM, 피츠버그 학습과학센터 -수학의 대수(Algebra) 문제에 대한 학생들의 풀이 능력을 예측하는 예측 모델링 콘테스트를 주최하였다. 예측 모델링에서 맞춤화된 ‘지능적 개인교 사 시스템’은 매년 전체 학생들이 수학 공부를 위해 사용하는 시간들 중 에서 대략 2억 5천만 시간을 절약해 줄 수 있다고 평가 받고 있다. 그록킷(Grockit, SAT, ACT, GRE 등 미국의 표준시험 대비 교육업체인 카플 란 Kaplan의 온라인 플랫폼 자회사) -시험 대비 교육업체인 그록킷은 GMAT, SAT, ACT 등의 시험에서 응시자가 어떤 문제를 틀릴 가능성이 높은지를 예측하여 각자 어떤 분야를 더 공부 해야 하는지 타기팅하도록 해준다. ● 인간 언어의 이해, 생각, 심리학 분야 예측 대상 예측 분석 활용 사례 질문에 대한 대답 (D) IBM -예측 모델링을 이용하여 질의응답 컴퓨터 왓슨을 개발하였고 공개방송된 퀴즈 대결에서 <제퍼디!>의 역대 최고 챔피언 2명을 이겼다. 거짓말 (D) 버펄로 대학 -연구원들은 눈동자의 움직임을 관찰하는 것만으로도 82%의 정확도로 거 짓말을 탐지해 내도록 시스템을 훈련시켰다. 모 연구진 -군대 내의 형사사건 조사에서 피의자들이 쓴 진술서에서 76%의 정확도 로 거짓말을 찾아낸다. 모욕 (D) 임페리움(Imperium) -데이터 통합을 전문으로 하는 회사로, 블로그와 온라인 댓글에서 모욕을 구별해 내는 알고리즘을 주제로 콘테스트를 개최하였다. 부적절한 댓글 (D) 영국 BBC 방송
  18. 18. 페이지 18 / 20 -자신의 웹페이지에 어떤 댓글들이 게시되도록 허용할 것인지 예측함으로 써 모니터 요원이 상대적으로 적은 양의 댓글들에 대해서만 검토해도 되 게끔 하였다. 빈정거림 (D) 헤브루 대학 아마존닷컴에 게시된 비꼬는 서평들 중 83%를 식별해 낸다(예를 들면 “고작 이 책을 위해서 나무들이 죽어야 했단 말인가?” 등). 불만 (D) 페이팔(PayPal) -고객의 피드백으로부터 이탈할 의사가 있는 고객을 85%의 정확도로 식 별해 낸다. 시티은행(Citybank) -고객들의 메시지를 범주화하여 자동으로 정확한 고객지원 담당자에게 해 당 문제를 전달한다. 운전 부주의 (D) 포드 자동차(Ford Motor Company) -데이터에 대한 학습을 통하여 주의력 분산, 피로, 또는 음주 등으로 인해 서 운전자가 주의를 기울이고 있지 않다는 것을 감지한다. 에버릿(Averitt) -이 운송회사는 트럭 운전사의 피로를 예측하여 자동차 사고를 30% 감소 시켰다. 미 공군 -조종사의 적외선 촬영 비디오를 통해서 피로 상태를 감지하는 연구에 자 금을 지원하였다. 정신질환 (D) 온라인 프라이버시 재단(Online Privacy Foundation) -일반적으로는 9개의 심리학적 질문을 통해서 정신질환을 판단했는데, 이 재단은 대상자의 트윗을 분석함으로써 정신질환을 예측하는 것을 주제로 한 콘테스트 개최하였다. 정신분열증 (D) 데이터 분석 전문가들 및 심리학 교수 -빈번한 대명사 사용 및 질문에 대한 짧은 대답 등으로부터 환자의 정신 분열증을 판단해 내는 방법론을 개발하여 상담기록만 가지고도 29명의
  19. 19. 페이지 19 / 20 초진 환자 중 27명을 정확하게 평가해 내었다. 뇌 활동 눈으로 본 이미지 를 재구성하기 위 하여 캘리포니아 주립대학교 버클리 캠퍼스 -대상자가 시각적으로 경험한 것을 그 사람의 뇌 활동으로부터 유추해 유 사하게 비디오로 재구성할 수 있게 하였다. 이들이 개발한 모델은 대상자 가 눈으로 본 것에 대한 뇌 활동을 예측함으로써 새로운 비디오를 볼 때 그 사람의 뇌 fMRI(기능적 자기공명영상, functional Magnetic Resonance Imaging의 약자로, 쉽게 말해 뇌의 신경활동을 마치 비디오로 찍듯 찍는 MRI라고 할 수 있다.) 스캔을 해독할 수 있다. 대량의 비디오 라이브러리 에서 뽑은 100개의 이미지를 조합한 것을 사용자에게 보여주고 그것을 역(逆)구성한다. 생각 (D) 모 연구진 -컴퓨터로 하여금 사람의 마음을 읽게 하였다. 연구진은 당신이 특정한 사물(도구, 건물, 음식 등)을 생각할 때 뇌의 활동을 fMRI로 스캔한 뒤 그 것을 해독하도록 시스템을 훈련시켰다. 그리하여 일부 사물에 대해서는 80%의 정확도로 식별하였다. 레디카 게임스(Radica Games) -신경망 알고리즘을 이용하여 스무고개 게임을 할 수 있는 요요 크기의 장난감인 20Q를 생산한다. 이 장난감은 사용자에게 25개의 질문을 통해 서 98%의 정확도로 당신이 생각하는 동물/식물/광물을 맞힌다. 심지어 잘 못된 답변에도 큰 영향을 받지 않는다. ● 인사관리 분야 예측 대상 예측 분석 활용 사례 사직 휴렛팩커드(HP) -예측 모델을 통해서 전세계 35만 명의 직원들의 ‘이직 위험’을 분석해 낸 다. 그리하여 관리자들이 사전에 개입할 수 있도록 해주거나 적절한 인력 계획을 세울 수 있게 해준다. 이를 통해서 약 3억 달러의 잠재적 비용절 감 효과를 가져왔다. 위키피디아(Wikipedia)
  20. 20. 페이지 20 / 20 -위키피디아는 75만 명의 자원봉사자들이 편집에 참여하여 매년 1억 3,900만 번의 편집을 하고 매일 8,000개의 새로운 항목을 만든다. 이 자원 봉사자들 중 누가 그만둘 것인지를 예측한다. 업무성과 모 대학 연구진 -페이스북 프로필을 통해서 개인의 업무성과를 예측할 수 있다는 것을 보 여주었다. 업무성과 평가는 페이스북 프로필에서 찾아볼 수 있는 그 사람 의 성격, 예츨 들면 호기심, 상냥함, 성실함 등과 상관관계가 있다. 미군 특수부대 -지원자들 중에서 누가 이같이 특수하고 힘든 과제를 잘 수행할 수 있을 것인지, 다시 말해 수년간의 훈련에 비용을 투자할 가치가 있는 대상이 누구인지를 예측한다. 핵심 예측 변수에는 근성(IQ보다 더 유용한 예측 변 수이다.), 80회 이상의 팔굽혀펴기 능력 등이 포함되어 있다. 업무 관련 기술 (D) 링크드인(LinkedIn) -사용자가 쓴 내용으로부터 그 사람의 업무 관련 기술을 예측하여 프로필 에 추가한다. 취업지원서 커리어빌더(CareerBuilder) -개별 구직자마다 그가 지원할 가능성이 높은 산업/직종/직급/ 등을 예측 하여 타기팅화된 일자리 추천을 해준다.
  • TimKim7

    May. 20, 2019
  • kodatt

    Dec. 12, 2016
  • choeungjin

    Aug. 20, 2016

Predictive Analytics Case 147

Views

Total views

1,958

On Slideshare

0

From embeds

0

Number of embeds

79

Actions

Downloads

25

Shares

0

Comments

0

Likes

3

×