Korean

Analytics
Byoung-Jeong Choi 0
배팅랩: 분석을 지원하는 모델

공원을 걷다 보면 좋아하는 운동을 하는 아이들을 흔히 볼 수 있습니다. 그들은 종종 기술을 연마하기 위해 오랜 시간을 보냅니다. 그러나 혼자서는 무엇을 어떻게 해야 현재를 개선해야 하는지 파악하기 어렵습니다. 좀 더 나은 수준으로 향상하기 위해서는 무엇을 해야 하는지 가르칠 수 있는 코치를 고용하면 좋겠는데, 그렇게 하는 것은 비용이 많이 듭니다. 이럴 때 어떤 대안이

Analytics
Jong-Phil Park 0
고객 성향 분석(Customer Propensity Analysis) : DIY & DIFM 접근 방법

고객의 데이터를 분석하여 고객 성향 및 선호도를 이해하고, 이를 활용해 마케팅 업무를 효율화하고자 하는 노력은 90년대 데이터베이스 마케팅, 2000년대 분석 CRM, 최근의 퍼포먼스, 그로스 마케팅까지 계속적으로 진화하고 있습니다. 멀티채널에서 쏟아지는 고객의 온/오프라인 데이터를 통합, 분석하여 마이크로 타겟팅 마케팅은 기본적으로 고객 성향 예측 모형(Customer Propensity Model)을 기반으로 수행되고 있습니다. 디지털채널을 중심으로

Analytics | Artificial Intelligence | Internet of Things
Jihye Yoo 0
이젠 야구도 데이터로 배운다! (The Batting Lab)

야구에 데이터를 더한다면 어떤 효과가 일어날까요? 야구 실력도, 데이터 활용 능력도 향상시켜줄 어린이를 위한 데이터 리터러시 프로그램, SAS ‘배팅 랩’을 소개합니다. 전 세계적으로 7,000명 이상의 경영진을 대상으로 진행한 한 설문조사에 따르면 85%가 미래에는 데이터 활용 능력이 오늘날 컴퓨터 사용 능력만큼 더욱 중요해질 것[1]이라고 답했습니다. 반면, 48%의 어린이는 현재 교육 과정이 데이터

1 24 25 26 27 28 99