통계 분석: 비즈니스 결정을 내리는 더 나은 방법

비즈니스에서 데이터를 자세히 살펴보지 않으면 놓치고 있는 가능성의 세계가 있습니다.

비즈니스 분석의 도움으로 조직은 데이터로 그 어느 때보다 많은 작업을 수행할 수 있으며 어디서부터 시작해야 하는지만 알면 됩니다. 예측을 하든 추세를 찾든 통계 분석은 필요한 통찰력을 얻기 위한 최선의 방법입니다.

기업이 빅 데이터로 할 수 있는 일은 많고 통계 분석은 조직이 빅 데이터를 스마트하게 조사하고 배울 수 있는 방법입니다. 데이터 수집, 설문 조사 및 실험을 포함하여 데이터의 다양한 구성 요소를 다룹니다.

비즈니스 인텔리전스의 한 측면으로 통계 분석은 비즈니스 데이터를 면밀히 조사하고 5가지 주요 단계를 사용하여 추세를 보고합니다.

1. 분석할 데이터 유형 설명
2. 데이터와 기본 모집단의 관계 탐색
3. 데이터가 기본 모집단과 어떻게 관련되어 있는지에 대한 이해를 요약하는 통계 모델을 만듭니다.
4. 모델의 유효성을 증명하거나 반증합니다.
5. 예측 분석을 사용하여 향후 조치를 안내할 시나리오 실행

통계에서 모집단 은 분석되는 전체 데이터 그룹입니다. 이것은 사람, 사물, 동물의 전체 그룹, 1년에 병원을 방문한 횟수, 이벤트 또는 측정과 같은 데이터를 참조할 수 있습니다. 분석 중인 모든 데이터를 포함하는 한 모든 크기가 될 수 있습니다.

통계 분석의 중요성

데이터가 수집되면 통계 분석은 비즈니스의 많은 부분에 사용될 수 있습니다. 일부는 다음과 같습니다.

• 주요 결과를 제시하기 위해 데이터를 요약하고 그래프 또는 차트로 표시
• 평균과 같은 데이터 내에서 중요한 측정값 발견
• 데이터가 약간 클러스터링되거나 분산되어 있는지 계산하여 유사도 결정
• 과거 행동을 기반으로 미래 예측하기
• 실험에서 가설 테스트

기업이 통계 분석을 유리하게 사용할 수 있는 몇 가지 방법이 있습니다. 이러한 방법 중 일부에는 영업 직원의 실적이 저조한 사람 식별, 고객 데이터의 추세 찾기, 최고 운영 제품 라인 좁히기, 재무 감사 ​​수행, 판매 실적이 국가의 여러 지역에서 어떻게 달라질 수 있는지 더 잘 이해하기 등이 포함됩니다. .

데이터 분석 vs. 통계 분석

비즈니스 인텔리전스의 세계에서 조직이 겪을 수 있는 다양한 문제를 해결하기 위해 통계 분석과 데이터 분석을 혼동하는 것은 드문 일이 아닙니다. 그러나 데이터 분석 도구와 전체 프로세스는 일반적인 유형의 통계 분석과 비교할 때 중요한 차이점이 있습니다.

통계 분석 은 전체 인구를 이해하기 위해 데이터 샘플에 특정 통계 방법을 적용합니다. 특정 시장, 집단, 일반 그룹에 대한 결론을 도출하여 다른 사람들의 행동과 특성을 잠재적으로 예측할 수 있습니다.

데이터 분석 은 사용 가능한 모든 데이터를 검사 및 정리하여 비기술자도 이해할 수 있는 유용한 정보로 변환하는 프로세스입니다. 이는 결정을 내리는 사람들이 데이터를 이해하지 못한다면 데이터가 무의미해질 수 있다는 점을 고려할 때 매우 중요합니다.

다양한 소스의 데이터가 통계 프로세스를 수행하는 방법으로 결합될 수 있으므로 데이터 분석은 통계 분석을 수행하기 위한 입력으로 사용할 수 있습니다.

통계 분석의 유형은 무엇입니까?

비즈니스에 통계 분석을 적용할 때 사용하게 될 두 가지 주요 유형은 기술 및 추론입니다. 그러나 조직이 대답하려는 전반적인 목표나 질문에 따라 많은 기업에서 사용하는 다른 유형도 있습니다.

기술 통계 분석

기술 분석은 기업이 특정 지점에서 무슨 일이 일어났는지 이해할 수 있도록 하는 데이터 시각화 소프트웨어를 사용하여 간단한 보고서와 그래프를 생성합니다. 기술적 분석은 과거에 발생한 사건에만 적용된다는 점에 유의하는 것이 중요합니다.

기술 분석의 일부인 실제 데이터는 과거 데이터를 심층 분석하는 방식으로 "무슨 일이 일어났는지"에 답하는 데 중점을 둡니다.

이름에서 알 수 있듯 과거 정보의 기본적인 특징을 설명 하고 쉽고 합리적으로 요약할 때 사용합니다. 이러한 유형의 통계 분석은 결론을 도출하는 데 사용되지 않는다는 점을 염두에 두는 것이 중요합니다. 무엇이 무엇인지, 과거의 데이터가 무엇을 나타내는지 설명할 수 있을 뿐입니다.

예를 들어, 기업은 기술 통계 분석을 사용하여 지난 1년 동안 회사의 트래픽을 살펴볼 수 있습니다. 트래픽이 감소한 시점, 다시 증가한 시점, 가장 많은 트래픽이 발생한 달, 월별 평균 트래픽 등을 볼 수 있습니다. 그러나 이 데이터는 트래픽이 감소한 이유 를 알려주지 않습니다.

기술 통계 분석은 데이터를 설명하거나 데이터를 둘러싼 정보를 요약합니다. 데이터를 의미 있는 방식으로 이해하는 것은 여전히 ​​중요합니다.

요약하면 기술 분석의 목표는 다음과 같습니다.

• 데이터를 시각적으로 설명
• 데이터가 무엇을 나타내는지 설명

추론 통계 분석

기술 통계에는 측정하는 데이터, 개체 또는 사람에 대한 더 넓은 가정만 허용한다는 한계가 있지만 추론 통계 분석은 이러한 한계를 해결할 수 있습니다.

추론 통계는 더 복잡하고 수학적 추정의 결과입니다. 이를 통해 사용자는 분석된 샘플을 기반으로 더 큰 모집단에 대한 추세를 추론하거나 결론을 내릴 수 있습니다. 기본적으로 샘플에서 데이터를 가져온 다음 더 큰 인구 또는 그룹에 대한 결론을 내립니다.

추론 통계 분석은 표본 내 변수 간의 관계를 연구하는 데 자주 사용되어 모집단을 정확하게 나타내는 결론과 일반화를 가능하게 합니다. 그리고 기술 분석과 달리 기업은 가설을 테스트하고 이 데이터에서 다양한 결론을 도출할 수 있습니다.

예를 들어 전 세계 모든 사람이 가장 좋아하는 피자 토핑을 알고 싶다고 가정해 보겠습니다. 당신은 밖에 나가서 전 세계의 모든 사람을 인터뷰하지 않을 것입니다. 대신, 사람들의 대표적인 모집단을 샘플링하고 결과를 가정하려고 합니다.

보다 비즈니스적이고 현실적인 관점에서 고객 한 명 한 명에게 제품이나 서비스에 대한 질문을 하고 싶을 수도 있습니다. 100,000명의 고객이 있는 경우 각 고객을 모두 폴링하는 것은 상당히 어려울 수 있습니다. 대신 샘플 고객 그룹과 함께 이동합니다.

이 프로세스가 완벽하지 않고 오류를 피하기 어려울 수 있지만 연구자가 모집단에 대해 합리적인 추론을 하는 것은 간단합니다.

추론 통계의 목표는 다음과 같습니다.

• 분석된 데이터에서 결론 도출
• 데이터를 둘러싼 다양한 가설 테스트

예측 분석

비즈니스에서 경험할 수 있는 미래 이벤트에 대해 예측하려면 다음에 발생할 가능성이 있는 일을 자세히 설명하는 예측 분석으로 전환하십시오. 이 분석은 현재 및 과거 사실을 기반으로 하며 통계 알고리즘과 기계 학습을 사용하여 과거 데이터를 기반으로 미래 추세의 가능성을 정의합니다.

예측 분석을 최대한 활용하는 산업은 마케팅 회사, 보험 회사, 금융 서비스이지만 모든 비즈니스는 예측할 수 없는 미래에 대비함으로써 막대한 이익을 얻을 수 있습니다.

예측 분석의 목적은 다음과 같습니다.

• 데이터를 사용하여 미래 이벤트 예측
• 행동의 다양한 경향의 가능성 결정

처방적 분석

처방적 분석은 매우 복잡할 수 있으므로 통계 분석을 수행할 때 아직 기업에서 널리 사용되지 않습니다.

다른 분석 도구를 사용하여 결론을 도출할 수 있지만 규범적 분석은 실제 답변을 제공합니다. 이러한 유형의 보고서는 다음에 수행할 작업을 제공하므로 높은 수준의 기계 학습 사용이 필요합니다. 또한 복잡한 이벤트 처리, 그래프 분석 및 시뮬레이션과 같은 기술을 사용합니다.

처방적 분석을 사용할 때의 목표는 다음과 같습니다.

• "다음에 무엇을 해야 합니까?"라는 질문에 대답하십시오.
• 특정 결정에 대한 올바른 권장 사항 범위 좁히기

탐색적 데이터 분석

EDA라고도 하는 탐색적 데이터 분석은 추론 통계를 보완하는 형태로 사용됩니다. 이 접근 방식은 데이터에서 패턴을 식별하여 잠재적으로 알려지지 않은 관계를 찾는 데 중점을 둡니다.

이 방법의 목적은 다음과 같습니다.

• 데이터 내에서 새로운 연결 발견
• 데이터 수집 내 누락된 데이터 또는 오류 확인
• 데이터 세트에 대해 가능한 한 많은 통찰력을 수집하십시오.
• 가정 및 가설 검토

인과관계 분석

비즈니스 목표가 일이 발생한 이유를 이해하고 식별하는 것이라면 캐주얼 분석이 선택해야 할 경로입니다.

조직이 어느 산업에 속하든 때때로 실패를 경험할 수밖에 없습니다. 인과 분석은 장애가 발생하는 원인을 파악하고 원인의 정확한 원인을 좁히는 데 사용됩니다.

인과 분석의 한 예는 기업이 다양한 소프트웨어에 대한 품질 보증을 수행하는 IT 분야입니다. 이러한 유형의 통계 분석은 버그, 데이터 침해 또는 DDoS 공격이 있는 경우 특정 소프트웨어가 실패한 이유를 조사하는 데 사용됩니다.

인과관계 분석의 목표는 다음과 같습니다.

• 데이터 내 주요 문제 영역 식별
• 장애가 발생한 원인의 근본 원인을 조사하고 결정합니다.

기계적 분석

모든 유형의 통계적 분석 중에서 기계론적 분석이 가장 흔하지 않습니다. 그러나 빅데이터 분석과 생물학의 의미에서는 그 과정에서 중요한 역할을 한다.

이 방법은 다른 변수의 다른 변경을 일으키는 변수의 특정 변경을 이해하는 것으로 구성됩니다. 온도 및 시간과 같이 비즈니스의 통제 범위를 벗어난 외부 영향은 고려하지 않습니다. 이 방법은 나중에 일이 어떻게 일어날지를 알려주기 보다는 일이 어떻게 일어나는지를 보여주는 데 사용되므로 예측을 하는 데 사용되지 않습니다.

작동하는 기계론적 분석의 예는 생물학자들이 바이러스를 연구하고 바이러스의 다양한 부분이 의학의 변화에 ​​의해 어떻게 영향을 받는지 조사하는 경우입니다.

기계적 분석의 목적은 다음과 같습니다.

• 다른 변수의 변화로 이어질 변수의 정확한 변화 이해
• 모든 데이터는 피험자가 특정 활동을 하고 있을 때 일어난 일의 결과임을 알려 주십시오.

통계 분석 예

통계 분석은 이해하기 어려운 주제일 수 있으므로 간단하고 실제적인 예를 살펴보겠습니다.

인기 있는 새로운 건강 및 피트니스 체육관의 프랜차이즈 매장을 소유하고 있다고 가정해 보겠습니다. 2010년 문을 연 이후 꾸준히 신규 회원이 감소하고 있고, 계약을 해지하는 회원도 꾸준히 감소하고 있습니다. 신규 회원 감소 및 재계약 감소의 주요 원인 중 하나는 최근 재택 운동 장비의 인기가 높아졌기 때문일 수 있습니다.

이 가설을 테스트하려면 다음을 수행합니다.

1. 문제의 두 변수(신규 회원 및 계약 갱신)의 데이터를 수집합니다.
2. 이 데이터를 다양한 통계 분석 방법을 실행할 수 있는 소프트웨어 프로그램에 넣습니다.
3. 회귀 공식을 분석 모델로 사용하여 선형 회귀 테스트를 실행하여 데이터를 시각화합니다. 이 경우 회귀를 사용하여 데이터 추세를 시각화할 수 있으며, 이는 회원 감소와 가정 내 운동 장비의 인기 증가 사이의 연결을 증명하는 데 도움이 됩니다.
4. 결과를 분석합니다.

완료되면 가정 내 운동 기구의 인기가 높아짐에 따라 건강 및 피트니스 체육관에 부정적인 영향을 미쳤는지 확인할 수 있습니다.

최고의 통계 분석 소프트웨어는 무엇입니까?

통계 분석 소프트웨어의 경우 선택할 수 있는 다양한 옵션이 있습니다. 이 소프트웨어는 사용자가 손으로 할 수 없는 복잡한 통계 분석을 수행할 수 있도록 설계된 특수 프로그램을 사용합니다.

통계 분석 소프트웨어 도구는 일반적으로 데이터 과학자와 수학자에 의해 사용되지만 산업별 기능을 제공할 수 있습니다. 각 도구는 회사에서 정확히 필요한 기능을 찾을 수 있는 고유한 기능 세트를 제공합니다.

G2의 Winter 2020 Grid Report에서 상위 10개 통계 분석 소프트웨어를 살펴보겠습니다.

면책 조항: 일부 리뷰는 명확성을 위해 편집될 수 있습니다.

1. IBM SPSS 통계

가장 인기 있는 것은 IBM SPSS Statistics로, 이는 의사 결정을 지원하는 산업별 비즈니스 문제를 해결하는 데 사용됩니다. 결과를 쉽게 보여주는 그래프와 보고서를 제공하면서 다양한 기술 수준에 맞게 사용자 정의할 수 있는 특정 기능을 사용자에게 제공합니다.

사용자 의견:

“IBM SPSS에는 직원으로서 분석을 수행하는 데 필요한 수많은 통계 도구가 있습니다. 나는 사회학적 연구에서 나온 분석을 제시하는 데 필요한 변수의 교차, 가설의 구성, 백분위수, 샘플링, 그래프, 표 및 보고서를 많이 사용합니다. 이러한 도구를 사용하여 확률, 이벤트 예측 및 커뮤니티에 도움이 되는 활동 계획을 세우고 사회학적 분석가로서의 목표와 내 작업의 목표를 달성할 수 있습니다.

그러나 처음에 기대했던 결과를 얻기 위해 각 도구를 배우고 올바르게 사용하는 방법을 배우는 것이 조금 복잡했습니다. 나는 IBM SPSS 읽기 튜토리얼을 사용하는 방법을 스스로 가르쳤고, 지금까지 매우 능숙하게 처리하여 내가 원하는 분석 결과를 얻고 있습니다.”

Douglas P.의 IBM SPSS Statistics 검토

2. 알스튜디오

RStudio는 데이터 과학 및 통계 컴퓨팅을 위해 만들어진 도구입니다. 사용자 팀이 함께 작업하고 컴퓨팅 리소스를 공유하며 조직 내 의사 결정자를 위해 결과를 게시하는 데 도움이 됩니다.

사용자의 의견:

“Rstudio는 R 언어를 위한 놀라운 그래픽 인터페이스일 뿐만 아니라 완전한 사용자 및 개발 환경을 나타냅니다. RStudio를 사용하면 데이터 세트를 자동으로 가져오고 코드를 작성하지 않고도 소스 파일과 작업 공간을 탐색하는 것이 매우 쉽습니다. 또한 생성된 플롯과 명령 흐름을 매우 효율적으로 관리할 수 있습니다.

한 가지 단점은 일부 그래픽 구성 요소가 아이콘 스타일을 변경하면 시각적으로 더 잘 알아볼 수 있다는 것입니다.”

Antonio Z의 RStudio 리뷰

3. 스태타

Stata는 데이터 관리, 통계 분석 및 고품질 그래픽을 위한 올인원 도구입니다.

사용자의 의견:

“Stata에서 가장 마음에 드는 점은 인터페이스가 쉽고 도움말 섹션과 온라인 설명서에 명령이 잘 설명되어 있으며 광범위한 커뮤니티 지원이 있다는 것입니다. 또한 탐색이 쉽고 그래프를 프레젠테이션에 사용할 수 있으며 분석이 사용자 친화적이라는 것을 알았습니다.

그러나 새로운 사용자와 초보자가 연구 과정에서 자신 있게 Stata를 사용하는 것은 상당히 어려울 수 있습니다. 그래픽 해석, 회귀 및 표준 오류 사용과 같은 심층적인 지식이 필요합니다."

John T.의 Stata 검토

4. JMP

JMP는 메모리 및 데스크탑에서 강력한 통계와 동적 그래픽을 결합한 통계 분석 도구입니다. 인터랙티브하고 시각적인 패러다임을 통해 원시 숫자 테이블이나 정적 그래프에서 얻을 수 없는 통찰력을 드러낼 수 있습니다.

사용자의 의견:

“JMP에는 업계의 통계 문제를 해결하는 데 도움이 될 수 있는 수많은 기능이 포함되어 있습니다. 분석을 수행하는 과정을 통해 사용자를 안내하는 사용하기 쉬운 인터페이스가 있습니다. 사용자가 품질 프로세스를 보다 심층적으로 분석하는 데 도움이 되는 가이드 자료가 많이 있습니다.

내가 싫어하는 유일한 것은 가격 포인트입니다. 더 저렴한 가격에 제공되는 다른 소프트웨어가 있습니다. 하지만 그 추가 자금을 투자하려는 경우 많은 이점을 얻을 수 있습니다.”

Rishi R.의 JMP 리뷰

5. 미니탭 18

Minitab 18은 데이터를 분석하고 어려운 비즈니스 문제에 대한 의미 있는 솔루션을 찾는 데 필요한 도구를 사용자에게 제공하는 통계 소프트웨어입니다. 원활한 데이터 준비부터 손쉬운 프레젠테이션에 이르기까지 발견할 것이 많습니다.

사용자의 의견:

“Minitab 18에는 놀라운 사용자 인터페이스가 있습니다. 범주에 따라 도구를 찾고 사용하는 것은 매우 쉽습니다. 도움말 기능도 훌륭합니다. 모든 기능에 대해 마우스 오른쪽 버튼을 클릭하고 도움말 을 선택하기만 하면 해당 기능의 단계별 분석으로 이동합니다. 단점은 일부 기능이 가능한 직관적이지 않다는 것입니다. UI가 너무 막히지 않도록 그래프와 데이터를 제거하는 것이 더 쉬워야 합니다.”

Mike C.의 Minitab 18 리뷰

6. KNIME 분석 플랫폼

KNIME 분석 플랫폼은 데이터 중심 혁신을 위한 개방형 솔루션으로 작동하여 사용자가 데이터에 숨겨진 잠재력을 발견하고, 새로운 통찰력을 발굴하거나, 새로운 미래를 예측할 수 있도록 지원합니다. 2,000개 이상의 모듈, 수백 개의 바로 실행할 수 있는 예제 및 포괄적인 통합 도구를 자랑합니다.

사용자의 의견:

“이 프로그램은 워크플로 검사, 통계 및 수학적 기능, 기계 학습을 위한 알고리즘 및 정교한 예측 알고리즘을 제공합니다. KNIME은 블록 모듈을 사용하여 그래픽 작업을 수행하기 때문에 프로그래밍 없이 정교한 알고리즘과 코드로 많은 양의 정보를 평가하는 데 매우 유용합니다.

한 가지 단점은 데스크탑에서 많은 메모리를 사용하여 컴퓨터의 전반적인 효율성에 영향을 미친다는 것입니다.”

KNIME 분석 플랫폼 검토: Betty E.

7. 오리진프로

OriginPro는 사용자 친화적이고 배우기 쉬운 소프트웨어 응용 프로그램으로, 과학자와 엔지니어의 요구 사항에 맞는 데이터 분석 및 출판 품질의 그래프 기능을 제공합니다. OriginPro를 사용하는 사용자는 가져오기, 그래프 작성 및 분석과 같은 작업을 모두 GUI에서 사용자 지정할 수 있습니다. 데이터 또는 매개변수가 변경되면 그래프, 분석 결과 및 보고서가 자동으로 업데이트됩니다.

사용자의 의견:

“고객 서비스는 Origin의 가장 중요한 부분입니다. 그들은 빠르고 매우 도움이됩니다. 당신이 만들 수 있는 그래픽은 매우 전문적이며 항상 미학적으로 매우 즐겁습니다. 또한 하나의 플랫폼에서 많은 작업을 수행할 수 있습니다. 다양한 데이터를 분석하는 데 사용하고 제한을 느끼지 않습니다. 유일한 것은 극복하기 어려운 학습 곡선이 있다는 것입니다. 기꺼이 시간을 할애한다면 나중에 스스로에게 감사할 것입니다.”

Louis C.의 OriginPro 리뷰

8.넘XL

NumXL이 다른 점은 Microsoft Excel을 일류 시계열 소프트웨어 및 계량 경제학 도구로 변환하는 시계열 Excel 추가 기능 제품군이라는 것입니다. 전체 프로세스를 안내하는 일련의 바로 가기 및 직관적인 사용자 인터페이스.

사용자의 의견:

“특히 Excel의 간단한 추가 기능으로 작업하기가 매우 쉽습니다. 모든 데이터, 예측 등을 계절에 따라 쉽게 조정할 수 있습니다. 고객 지원은 내가 경험한 것 중 최고였으며, 이는 큰 이점이었습니다. 일요일 저녁 늦게 문의를 드렸는데 바로 답변을 받았습니다. 이제 고객 지원입니다! NumXL이 마음에 들지 않는 것은 없습니다.”

Calen C의 NumXL 리뷰

9. SAS/STAT

SAS/STAT는 작은 데이터 세트에 대한 정확한 기술, 대규모 데이터 작업을 위한 고성능 통계 모델링 도구 및 결측값이 있는 데이터를 분석하기 위한 최신 방법을 사용자에게 제공합니다. 사용자는 또한 정기적인 업데이트, 바로 사용할 수 있는 다양한 통계 절차 및 다양한 통계 방법을 경험하게 됩니다.

사용자의 의견:

“코드를 작성할 수 있는 능력과 상세한 코드를 작성할 시간이 없을 때 패키지 및 매크로를 사용할 수 있는 능력의 좋은 균형에 감사드립니다. 내가 싫어하는 것은 다양한 통계 방정식을 코딩하는 방법에 대해 질문이 있을 때 사용할 수 있는 도움말 옵션이 충분하지 않다는 것입니다.”

Braden T.의 SAS/STAT 검토

10. SAS 베이스

SAS Base는 웹 기반 프로그래밍 인터페이스를 제공하는 프로그래밍 언어 소프트웨어입니다. 데이터 조작, 정보 저장 및 검색, 기술 통계 및 보고를 위해 바로 사용할 수 있는 프로그램을 제공합니다. 이 강력한 데이터 분석 도구는 플랫폼 간 및 다중 플랫폼 지원도 제공합니다.

사용자의 의견:

“SAS Base는 매우 능률적이며 군더더기 없이 깔끔합니다. 데이터를 설정하고 코드를 작성하고 실행한 다음 출력을 보거나 추가 분석을 위해 다른 프로그램에 전달합니다. 모든 것이 올바르게 설정되면 이 작업을 빠르고 효율적으로 수행합니다. 그러나 사용하기가 다소 투박할 수 있습니다. 인터페이스에 관한 한 다소 구식으로 느껴지고 상대적으로 가파른 학습 곡선을 가지고 있습니다.”

Erik G.의 SAS Base 검토

발견: 이 목록에 포함되지 않은 다른 통계 분석 소프트웨어에 관심이 있다면 다른 옵션을 확인하고 동료가 남긴 실제적이고 편견 없는 리뷰를 읽으십시오.

데이터 심층 분석

비즈니스에서 변수 간의 관계를 찾기 위해 모델과 공식을 평가하려는 경우 통계 분석으로 전환하십시오. 이러한 방법은 이미 거의 모든 분야에서 사용되고 있으므로 새롭고 흥미로운 방식으로 비즈니스 데이터를 분석하기에 지금보다 더 좋은 시기는 없습니다.

특히 데이터에서 발견할 수 있는 무한한 양의 데이터는 너무 방대합니다. 데이터 마이닝 에 대해 자세히 알아볼 때 데이터로 무엇을 할 수 있는지 자세히 알아보십시오 .