[논문]e-Business에서의 BI지원 데이타마이닝 시스템

이준욱; 백옥현; 류근호

e-Business에서의 BI지원 데이타마이닝 시스템
A Data Mining System for Supporting of Business Intelligence in e-Business 원문보기

정보과학회논문지. Journal of KISS : Computing practices. 컴퓨팅의 실제, v.8 no.5, 2002년, pp.489 - 500

이준욱 (충북대학교 컴퓨터과학과) , 백옥현 (국방과학연구소) , 류근호 (충북대학교 전기전자및컴퓨터공학부)

초록
AI-Helper

비즈니스 인텔리젼스에 대한 관심이 증대되면서 핵심 기술로써 데이타마이닝의 적용이 증대되고 있다. e-Business에서의 비즈니스 인텔리젼스를 지원하기 위해 다양한 마이닝 연산을 통합적으로 제공하는 마이닝 시스템은 데이타베이스 시스템과 유연하게 통합될 수 있어야 하며, 또한 다양한 비즈니스 응용에서의 마케팅 프로세스를 쉽게 구현할 수 있는 인터페이스를 제공하여야 한다. 이 연구에서는 e-Business영역에서의 BI를 지원하기 위해 데이타마이닝 기법을 통합적으로 제공하는 시스템으로써 EC-DaMiner 시스템을 설계, 구현하였다. 데이타마이닝 시스템은 기존의 데이타베이스 시스템과의 표준적인 인터페이스를 통하여 연동될 수 있도록 하였다. 아울러 비즈니스 어플리케이션들은 마이닝 질의어인 MQL을 통하여 규칙을 탐사하고 탐사된 규칙을 기존의 마케팅 데이타베이스에 모델화하여 반영함으로써 마케팅 전략의 구현을 용이하게 하였다.

Abstract ▼ AI-Helper

As the interest in business interest is increased, data mining is increasingly used in BI as the core technique. To support Business Intelligence in e-business environment, the integrated data mining system which included in various mining operations should be able to flexibly integrate with database system and also it must provide the easy and efficient interface to implement the marketing process in various business applications. In this paper, we have implemented the EC-DaMiner system to support business intelligence in e-business area. The implemented system can be integrated with the conventional database system with the standard interface. Business applications can use MQL mining query language to discover the rules and mining result is modeled in marketing database, and the EC-DaMiner system make the implementation of business marketing process more easy.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

둘껴, 나르게 변화하는 사용자 요구와 복잡한 비즈니스 환경에서의 요구를 모댈링한다. 마지막으로 기존의 중복적이고 비일관적인 비즈니스 정보를 통합하고 경제적으로 경감하는 것이다.
이 논문에서는 e-Business 데이타 분석을 위한 이식성과 확장성을 갖는 데이타마이닝 시스템으로서 EC-DaMiner를 설계, 구현한다 이 시스템의 구현을 위하여 다음과 같은 설계 목표를 설정한다. 첫째, 시스템은 톡정 시스템에 종속적이지 않은 데이타베이스 시스템들과의 통합을 지원한다.
이 논문에서는 e-Business환경에서의 BI에 대한 정의와 BI지원 시스템의 전반적인 구조 및 프로세스 모델을 분석하였다. 또한 e-Business에서의 BI 지원을 위해 기존의 연구들이 갖는 문제점을 제시하고 이를 해결하기 위해 시스템 독립적인 통합성과 이식성 그리고 응용인터페이스 지원 등의 세 가지 요구사항을 만족하는 데이타마이닝 시스템인 EC-DaMinei.
이 논문에서는 기존 연구들이 BI지원 시스템으로서 갖는 이러한 문제점과 최근의 비즈니스 데이타 분석을 위한 시스템의 요구사항을 토대로 결합구조의 문제점을 극복하고 시스템 吁조와 확장성을 위한 연산 구조로써 마이닝 연산을 시스템 독립적으로 구현한다. 이러한 DBMS 독립적인 구조로써 다양한 시스템과의 통합 및 이식성을 제공할 수 있으며 시스템은 추가로 구현된 마이닝 연산에 대하여 확장성을 갖는다.
나눌 수 있다. 이 절에서는 BI를 지원하기 위한 데이타마이닝 시스템인 EC-DaMiner 엔진과 사용자 UI의 구현하고 사용자 UI를 통해 마이닝 연산을 수행한 결과를 기술한다.
집합이다. 즉, 효율적인 비용과 빠른 접근을 통해 비즈니스 질의에 응답하고 경향을 파악해서 긍극적으로 경쟁력 있는 비즈니스를 지원하는 지식을 제공하는 것이다. [3] 에서 제시된 바와 같이 개념은 새로운 것은 아니며 과거 10 년간 1세대 호스트 기반 질의/레포팅 시스템과 EIS, 2 세대 데이타 웨어하우징과 DSS 그리고 3세대 비즈니스 인텔리젼스로 발전되었다.

제안 방법

EC-DaMiner 시스템은 관계형 데이타배이스에 대한 SQL인터페이스를 기반으로 하였기 떄문에 이 논문에서는 이를 고려하여 SQL과 유사한 형식의 MQL을 설계한다. 위에서 언급된 사항올 고려하여 MQL을 통해 탐사하는 지식의 유형은 다음과 같다.
EC-DaMiner 시스템의 구현환경으로 엔진은 Spark Ultra Is 워크스테이션의 UNIX 운영체제 하에서 Java 언어 L2로 구현하였다. 사용자를 위한 UI는 Windows 98환경에서 Java언어와 JDBC 둥을 사용하여 구현하였다.
EC-DaMiner 시스템의 마이닝 질외어 MQL은 기존의 DMQL과 유사한 형식으로 서론에서 언급한 바와 같은 시스템의 설계 원칙 및 앞서 언급한 고려사항들을 기초로 하여 설계하였다. 마이닝 질의어는 여러 옹용분야에서의 마이닝 수행 태스크 수행을 위한 필수 요소로써 다양한 설계 및 구현 연구가 진행되고 있다, 제시된 MQL의 다수의 다른 유형의 마이닝 태스크의 표현이 포함되지 못한 점과 또한 다른 그래픽적인 요소로의 규칙의 변환 둥과 관련하여 제한점을 갖고 있어 이에 대한 추가적인 연구가 진행되어야 할 것이다.
지원한다. EC-DaMiner^ CRM 시스템과 같이 개별 고객의 지속적인 가치를 증대하기 위한 다양한 지식을 관리자 및 응용 어플리케이션 개발자에게 제공하도록 DBMS 기반의 기존의 프론트 어플리케이션에 유연하게 통합될 수 있는 구조로 설계하였다.
구현된 EC-DaMiner 시스템의 BI 적용을 위하여 현재 구축되어 운영 중에 있는 우체국 전자상거래 쇼핑몰사이트(http://www.epost.go.kr)와 유사한 형태로 구축하였다. 쇼핑몰은 Apache 웹서버를 사용하였으며 Oracle DBMS 7.
이들 기법온 상대적으로 적온 수외 데이타 셋을 갖는 것에 잘 적용되는 특성욜 가지고 있다 하지만 데이타 마이닝에서는 데이타가 대량이라는 특성을 가지고 있기 패문에 효율성과 확장성(scalability)에 대한 문제가 제기된다. 따라서 대용량의 트레이닝 셋을 처리하기 위한 알고리즘으로 SLIQ나 SPRTNT와 같은 결정 트리 알고리즘이 제시되었다.
3 상에 쇼핑몰 데이타베이스를 구축하였다. 상품검색 및 구매 둥의 비즈니스 프로세스 구현은 자바 서블릿으로 구현하였다.
효율적인 고객관리 및 마케팅 전략의 수립과 적용을 위하여 데이타마이닝 시스템은 기존의 쇼핑몰 시스템과 같은 전방시스템과 자연스럽게 통합뙬 수 있어야 한다. 앞장에서는 데이타마이닝 엔진의 구조와 기능을 설명하였고 이 엔진을 통하여 규칙을 생성하기 위한 기본 연산들 그리고 연산들을 통해 하나의 마이닝 작업을 표현하기 위한 마이닝 질의언어를 제시하였다. 데이타마이닝엔진은 언관규칙 탐사 및 분류를 위한 연산 기능을 포함하고 있다.
전체적인 구조에서 보듯 데이타마이닝 시스템은 고객 신상정보, 구매 이력, 상담이력 및 웹로그 정보 둥을 통하여 구매 성향 및 이탈 가능 고객 판별 등과 같은 고객 관련 지식을 추출한다. 이 논문에서 제시하는 EC-DaMiner 시스템은 이러한 모델에서의 적용을 전제로 하며 다음과 같은 요구사항을 기반으로 설계하였다.
이 연구에서는 데이타마이닝올 수행함으로써 얻올 수 있는 지식 애 따라 데이타마이닝을 분류(classifi cation)와 예측(prediction), 평가(estimation), 유연 그룹화 (affinity grouping) 혹은 장바구니 분석 (market basket analysis), 클러스터링Bring), 기술(description) 의 다섯 가지의 태스크로 구분하였다. 각각의 태스크는 어느 한 가지의 데이타마이닝 툴이나 테크닉(또는 알고리즘) 올 동일하게 사용하지는 않는다.

대상 데이터

사용자를 위한 UI는 Windows 98환경에서 Java언어와 JDBC 둥을 사용하여 구현하였다. EC-DaMiner 마이닝 테스트를 위한 마케팅 데이타베이스 및 규칙 베이스는 Oracle DBMS 7.3엔진을 이용하였다.

이론/모형

아키텍쳐률 제시하였다. 마이닝 연산은 크게 연관규칙 탐사, 순차 패턴 탐사, 시계열 클러스터링, 분류 그리고 점진적 마이닝 등으로 규정하였으며 다수의 연관규칙 탐사 알고리즘[15, 16, 17], 순서 패턴 탐사 알고리즘[18, 19], 시계열 탐사 알고리즘[20] 그리고 분류 알고리즘[21, 22) 및 점진적/능동 마이닝[23J 알고리즘 둥이개발되어 Quest 시스템에 적용되었다.

성능/효과

BI 시스템 프레임 워크에서는 의사결정 지원 틀로써는 데이타마이닝 기법이 적용됨을 보았고 또한 BI 프로세스 모델에서는 데이타 분석(data analysis) 단계애서정보마이닝을 위해 데이타마이닝 기법이 적용됨을 제시하였다. 이 연구에서는 데이타마이닝올 수행함으로써 얻올 수 있는 지식 애 따라 데이타마이닝을 분류(classifi cation)와 예측(prediction), 평가(estimation), 유연 그룹화 (affinity grouping) 혹은 장바구니 분석 (market basket analysis), 클러스터링Bring), 기술(description) 의 다섯 가지의 태스크로 구분하였다.
넷째, 비즈니스 웅용을 위한 인터페이스를 지원한다. EC-DaMiner^ CRM 시스템과 같이 개별 고객의 지속적인 가치를 증대하기 위한 다양한 지식을 관리자 및 응용 어플리케이션 개발자에게 제공하도록 DBMS 기반의 기존의 프론트 어플리케이션에 유연하게 통합될 수 있는 구조로 설계하였다.
첫째, 시스템은 톡정 시스템에 종속적이지 않은 데이타베이스 시스템들과의 통합을 지원한다. 둘째, 시스템은 다양한 플랫폼에서 수행 가능한 이식성올 갖는다. 셋째, 시스템은 Java Servl여:이나 JSP와 같은 비즈니스 웅용을 위한 인 더페이스를 지원한다.
셋째, 마이닝 질의는 그 결과로써 고유한 규칙이 생성되고 사용자에 의해 식별되고 평가될 수 있는 형태로 저장 관리되어야 한다. 즉 마이닝 질의는 해당하는 查의유형에 따라 규정된 지식의 표현 방법으로 결과를 생성한다.
둘째, 시스템은 다양한 플랫폼에서 수행 가능한 이식성올 갖는다. 셋째, 시스템은 Java Servl여:이나 JSP와 같은 비즈니스 웅용을 위한 인 더페이스를 지원한다.
셋째, 시스템은 다양한 플랫폼에서 수행 가능한 이식성을 갖는다.
첫째, 마이닝 질의어는 마이닝 기법들 중 e-Business 적용될 수 있는 기법들을 포괄할 수 있는 일반적인 형식을 취한다. 광범위한 영역의 연구 기법 등이 복잡하고 다양한 마이닝 패턴의 탐사에 적용될 수 있기 때문에이롤 다 포괄적으로 수용할 수 있는 마이닝 언어의 설계는 상당히 어려운 점이 많다.
다음과 같은 설계 목표를 설정한다. 첫째, 시스템은 톡정 시스템에 종속적이지 않은 데이타베이스 시스템들과의 통합을 지원한다. 둘째, 시스템은 다양한 플랫폼에서 수행 가능한 이식성올 갖는다.

후속연구

마이닝 질의어를 확장해야 한다. 또한 시간규칙 탐사 연산과 시간 규칙의 효과적인 생성 및 규칙의 관리 등에 관한 연구가 필요하다.
하여 설계하였다. 마이닝 질의어는 여러 옹용분야에서의 마이닝 수행 태스크 수행을 위한 필수 요소로써 다양한 설계 및 구현 연구가 진행되고 있다, 제시된 MQL의 다수의 다른 유형의 마이닝 태스크의 표현이 포함되지 못한 점과 또한 다른 그래픽적인 요소로의 규칙의 변환 둥과 관련하여 제한점을 갖고 있어 이에 대한 추가적인 연구가 진행되어야 할 것이다.
향후에는 MQL에 포함되지 않은 다양한 마이닝 연산 및 e-Business 영역에서의 시간 지식 탐사를 위해 시간데이타마이닝 모델 기반의 마이닝 연산 둥을 포함하도록 마이닝 질의어를 확장해야 한다. 또한 시간규칙 탐사 연산과 시간 규칙의 효과적인 생성 및 규칙의 관리 등에 관한 연구가 필요하다.

참고문헌 (31)

Q. Chen, U. Dayal, and M. Hsu, 'OLAP-Based Data Mining for Business Intelligence Applications in Telecommunications and E-commerce,' In Proc. of the Int'l Workshop on Databases in Networked Information Systems, pp.1-19, 2000
J. Mrazek, 'Data Mining for Robust Business Intelligence Solutions,' PKDD 1999
W. Colin, 'The IBM Business Intelligence Software Solution,' Database Associates, 2000
U. Fayyad, G. Piatetsky-Shaprio, P. Smyth, and Uthurusamy, Advanced in Knowledge Discovery and Data Mining, AAAI/MIT Press, 1996
G. Piatetsky-Shaprio, J. Frawley, Knowledge discovery in databases, AAAI/MIT Press. 1991
IBM Research Center, 'Developing Tightly-Coupled Applications on IBM DB2/CS Relational Database System: Methodology and Experience,' IBM Research Report RJ 10005(89094), 1995
S. Sarawagi, S. Thomas, and R. Agrawal, 'Integrating Mining with Relational Database Systems: Alternatives and Implications,' In Proc. of the ACM SIGMOD Int'l Conference on Management of Data, pp343-353, 1998
H. T. Kim, E-Commerce Marketing Strategy, SamGakHyung Press, 1999
이용준, 서성보, 류근호, 김혜규, '시간 간격을 고려한 시간 관계 규칙 탐사', 정보과학회논문지, 제28권 제3호, 2001

원문보기 상세보기
R. Agrawal, et al., 'The Quest Data Mining System,' In Proc. Of the Int'l Conference on Knowledge Discovery in Databases and Data Mining, pp.244-249, 1996
J. Han, et al., 'DBMiner: A System for Data Mining in Relational Databases and Data Warehouses,' In Proc. of CASCON, 1997
IBM DB2 Intelligent Miner for Data, http://www-4.ibm.com/software/ data/iminer/fordata/
M. King, et al., 'Evaluation of Fourteen Desktop Data Mining Tools,' IEEE International Conference on Systems, Man, and Cybernetics, 1998
J. Han, et al., 'DBMiner: A System for Mining Knowledge in Large Relational Databases,' In Proc. of the Int'l Conference on Data Mining and Knowledge Discovery, pp.250-255, 1996
R. Agrawal, T. Imielinski, and A. Swami, 'Mining association rules between sets of items in large databases,' In Proc. Of the ACM SIGMOD Conference on Management of Data, pp.207-216, 1993
R. Agrawal and R. Srikant, 'Fast Algorithms for Mining Association Rules in Large Data,' In Proc. Of Int'l Conference on Very Large Databases, pp.487-499, 1994
R. Sri kant, and R. Agrawal, 'Mining Generalized Association Rules,' In Proc. Of Int'l Conference on Very Large Databases, pp.407-419, 1995
R. Agrawal, et al., 'Mining Sequential Patterns,' In Proc. of the Int'l Conference on Data Engineering, pp.3-14, 1995
R. Srikant and R. Agrawal, 'Mining Sequential Patterns: Generalizations and Performance Improvements,' In Proc. of the Int'l Conference on Extending Database Technology,pp.3- 17, 1996
R. Agrawal, K. Lin, H. Sawhney, and K. Shim, 'Fast Similarity Search in the Presence of Noise, Scaling, and Translation in Time-Series Databases,' In Proc. of the Int 'l Conference on Very Large Databases, pp.490-501, 1995
M. Mehta, R. Agrawal, and J. Rissanen, 'SLIQ:A fast scalable classifier for data mining,' In proc. Of Int'l Conference Extending Databases Technology, 1996
J. Shafer, R. Agrawal, and M. Mehta, 'SPRINT: A Scalable Parallel Classifier for Data Mining,' In Proc, of the Int'l Conference on Very Large Databases, pp.544-555, 1996
R. Agrawal and G. Psaila, 'Active data mining,' In Proc. Of the Int'l conference on Knowledge Discovery in Databases and Data Mining, pp.3-8, 1995
J. Han, Y. Fu, K. Koperski, W. Wang, and O. Zaiane, 'DMQL: A Data Mining Query Language for Relational Databases,' SIGMOD'96 Workshop. on Research Issues on Data Mining and Knowledge Discovery, 1996
K. Keiser, J. Rushing, H. Conover, and S. Graves, 'Data Mining System Toolkit for Earth Science Data,' Earth Observation (EO) & Geo-Spatial (GEO) Web and Internet Workshop '99, 1999
이정무, Introduction to Data Mining with SQL Server 2000, Microsoft Tech-Ed 2000, 2000
S. Thomas and S. Sarawagi, 'Mining Generalized Association Rules and Sequential Patterns Using SQL Queries,' In Proc, of the Int'l Conference on Knowledge Discovery in Databases and Data Mining, pp.344-348, 1998
T. Imielinski, A. Virmani, and A. Abdulghani, 'DataMine: Application Programming Interface and Query Language for Database Mining,' In Proc. of the International Conference on Knowledge Discovery and Data Mining, pp.256-262, 1996
M. Brohman, M. Parent, M. Pearce, and M. Wade, 'The Business Intelligence Value Chain: Data Driven Decision Support in a Data Warehouse Environment: An Exploratory,' In Proc. of the Int'l Conference on System Sciences, 2000
류근호, 이준욱, 이용준, 'eCRM을 위한 시간 데이타마이닝', 한국정보과학회 데이타베이스연구회지, 제17권 제1호, 2001
류근호, 'CyberPost BI 기술 개발', 한국 전자통신 연구원 위탁과제 최종 보고서, 2000

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증