일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
- pass by reference
- assignment operator
- string
- 백준
- C++
- 티스토리챌린지
- 알고리즘
- predictive analysis
- baekjoon
- 포인터
- Data Science
- Pre-processing
- vscode
- 문자열
- Python
- 파이썬
- programming
- 함수
- Class
- Object Oriented Programming
- pointer
- array
- 오블완
- 배열
- 반복문
- raw data
- OOP
- const
- function
- Deep Learning
- Today
- Total
Channi Studies
Business Intelligence (BI) | 비즈니스 인텔리전스 본문
Business Intelligence (BI)는 무엇일까요?
Business Intelligence, BI는 과거의 데이터를 분석, 이해, 설명 및 보고하는 과정에 포함된 모든 tool입니다.
대상 비즈니스의 매출이 증가하였는지, 그리고 왜 증가하였는지를 분석한다고 생각하면 직관적입니다.
우리는 BI를 통해서 아이디어와 통찰력을 얻고, 미래의 결정에 도움을 주기를 원합니다.
실생활의 예시로는, 성수기에 (수요가 늘어나는 시기에) 호텔 가격을 올리는 price optimization이 있겠습니다.
과거의 숙박객 데이터를 바탕으로 방의 가격을 최적화하여 수익을 최대화 시키는 행위가 되겠습니다.
BI를 더욱 이해하기 위해, 몇가지 개념들을 소개하겠습니다.
Observation (관찰): 수학적으로 다루어질 수 없는 관찰
ex) 새로운 고객이 있음을 관찰, 매출이 늘어난 것을 관찰
이는 수량화로 이어집니다.
Quantification (수량화): 존재하는 관찰을 수량적으로 나타내기 위한 처리과정
이 중에서 무의미한 데이터들을 제외한 수량화된 데이터들은 Measures로 이어집니다.
Measures: 특정 정보를 나타내기 위해 수량화된 관찰들의 축적
ex) 올해 1분기의 총 이익
이렇게 계산된 measures가 보여주는 정보가 꼭 비즈니스에 필요하진 않을수도 있겠죠?
Metric: 구해진 Measures 중, 비즈니스 퍼포먼스와 성과를 극대화하기 위하여 사용될 수 있는 유의미한 데이터들
Measures + Business Meaning으로 이해하면 편합니다.
ex) 평균 분기당 이익
Key Performance Indicators (KPIs): Metric 중, 비즈니스 목적성과 결합하는 것들
Metric + Business Objectives로 이해하면 편합니다.
비즈니스 인텔리전스는 주로 이렇게 구해진 KPI들에 대한 대시보드들을 제작합니다.
정리하자면, Business Intelligence는 과거의 데이터를 분석, 이해, 설명 및 보고하는 과정에 포함된 모든 tool이고,
observation -> quantification -> measures -> metric -> KPIs로 이어지는 유의미하고 비즈니스의 목적성과 결부하는 데이터들을 바탕으로 대시보드를 제작하는 것이 주요한 과정으로 이해하면 되겠습니다.
다음 포스트부터는 과거 지향적인 분석에서 벗어나, 미래 예측 지향적인 분석 중 하나인 Traditional Predictive Analysis에 대해서 알아보겠습니다.
'Data Science > 개념과 용어' 카테고리의 다른 글
Machine Learning | 머신 러닝 (0) | 2024.05.18 |
---|---|
Traditional Predictive Analysis | 전통적 예측 분석 (0) | 2024.05.18 |
Big Data의 전처리와 시각화 모델 (0) | 2024.05.18 |
Raw Data와 Data Pre-processing for Traditional Data (0) | 2024.05.18 |
Analysis와 Analytics의 차이는? (0) | 2024.05.18 |