코로나19가 광범위하게 확산되면서 생산활동 중단, 소비 감소, 교역 감소 등 세계 경제에 심각한 타격이 이어지고 있습니다. 이 충격파를 최대한 완화하기 위해 각국 정부는 다양한 재정적 지원을 투입하고 있습니다. 그럼에도 대부분의 기업과 개인은 코로나19로 경제적 어려움을 겪고 있으며, 이로 인해 은행에서는 다음과 같은 과제에 직면하고 있습니다. 여신관리 코로나19의 영향을 가장 크고
지난 글에서는 기존 데이터 분석의 한계와 현업 사용자가 데이터 분석을 해야 하는 이유, 그리고 시티즌 데이터 사이언티스트가 되기 위한 조건을 알아봤습니다. 그렇다면 프로그래밍 기술이나 전문적인 분석 기술에는 능숙하지 않은 현업 사용자가 어떻게 데이터를 분석할 수 있을까요? 전문가 영역이었던 데이터 분석이 일반 현업 사용자로 확대되는 여러 움직임은 오래전부터 있었습니다. 그 가운데
지금처럼 빠르게 변화하는 비즈니스 환경에서 지속적인 성장을 이루기 위해서는 경영진과 분석가, 현업 사용자 등 기업 구성원 모두가 필요한 인사이트를 제때 확보하고, 이를 기반으로 최상의 결정을 내리고, 필요한 조치를 취할 수 있어야 합니다. 누구나 쉽게 데이터를 들여다보고, 탐색하고, 이해하고, 분석할 수 있는 단일화되고 통합된 분석 환경이 필요한 이유입니다. 본 기고문에서는 시티즌
지난 텍스트 분석 시리즈 2편에서는 보험사의 데이터를 이용하여 예측 모델을 개발하고, 모델의 성능을 개선하여 고객 행동에 대한 예측도를 높이는 방법을 살펴봤습니다. 이번에는 영화 리뷰 데이터를 사용하여 분류 규칙을 개발하는 과정을 SAS Visual Text Analytics를 중심으로 알아보겠습니다. SAS Visual Text Analytics(이하, VTA)는 대용량의 비정형 데이터로부터 쉽게 인사이트를 추출할 수 있도록 설계된
지난 텍스트 분석 시리즈 1편에서는 텍스트 토픽을 분류하여 빠르게 인사이트를 확보하는 방법을 소개해드렸습니다. 이번에는 텍스트 데이터를 기반으로 고객의 행동을 예측하고, 예측 모델링의 성능을 개선하는 방법을 알아보겠습니다. 이 작업에는 SAS의 머신러닝 솔루션인 SAS Visual Data Mining & Machine Learning(VDMML)이 유용합니다. 지금 이 시간에도 수많은 데이터 분석가들은 모델이 높은 성능을 발휘하도록 다양한
비정형 텍스트 데이터는 인류가 생성하는 가장 큰 데이터입니다. 더 나은 비즈니스 결정을 내리고, 제품 전략을 알리고, 고객 경험 개선에 도움이 되는 유용한 정보가 바로 이 데이터에 포함되어 있습니다. 비정형 텍스트 데이터의 잠재력을 최대한 활용해야 하는 이유입니다. 본 시리즈에서는 텍스트 데이터에서 인사이트를 얻는 주요 방법과 이를 위한 SAS 솔루션을 살펴봅니다. 전
고객은 금융기관이 개인 정보를 안전하게 관리하면서도 거래지연 없는 쉽고 빠른 서비스를 제공 해주기를 원합니다. 따라서 디지털 시대의 금융기관은 보다 빠르고 편리한 서비스를 보다 안전하게 제공하기 위해 실시간으로 위험거래를 탐지할 수 있는 시스템과 위기상황에 신속히 대응할 수 있는 정책이 준비되어야 합니다. 편리함이 가져온 새로운 위험요소 디지털화는 속도와 편리성이 높아 24시간 언제든
지난 글에서는 분석 모델을 배포하기까지 많은 시간이 소요되는 이유, 이를 극복하기 위한 방법으로서 운영계에 적용하는 ModelOps의 개념과 효과를 소개해드렸습니다. 하지만 통상적으로 기업의 의사결정이 분석의 결과만으로 이뤄지지는 않습니다. 분석 인사이트를 기반으로 하되 기업에서 설정한 비즈니스 룰을 확인해야 하며, 기업 안팎의 상황에 대한 검토도 필요합니다. 금융권을 예로 들면, 고객의 신용대출 요청에 따른
지난 딥러닝 시리즈에서는 SAS Visual Data Mining and Machine Learning을 활용한 딥 러닝 모델 생성에 대한 내용 중 <기본 심층 신경망(DNN) 모델 아키텍처와 배치 정규화를 사용한 DNN 모델 구축>에 대해 소개해 드렸습니다. 이번 시리즈에서는 딥 러닝 성능을 개선할 수 있는 하이퍼파라미터를 조정에 대해 소개해 드립니다. 일정 기간에 걸쳐 성능이 향상되고
기업에서는 하루에도 여러 차례 비즈니스에 중요한 의사결정을 내리고 있습니다. 최선의 선택을 하기 위해 많은 기업이 강력한 분석 모델을 개발하여 의사결정 프로세스에 분석 결과를 통합하고 있습니다. 하지만 의사결정에 결정적인 역할을 하는 대부분의 분석 모델은 빛을 보지 못합니다. 데이터 중심의 의사결정을 위한 실용화의 마지막 관문을 넘지 못하기 때문입니다. 본 글에서 데이터 중심의
