SlideShare une entreprise Scribd logo
1  sur  17
Télécharger pour lire hors ligne
[Saltlux Annual Conference 2012 : 빅데이터 활용전략 세미나]




        VOC 비정형 데이터 분석 사례 및 활용



                                 문종영 수석 컨설턴트

                           솔트룩스 SD사업본부 컨설팅실

                                          2012.04
1일 처리 : 약 15~20만건, 월 약 340만건
SIZE : 월평균 40GB, 1년 약 500GB
(2011년 기준)




2006년 개소, 6년간 1억 1,500만건 상담, 1년 약 2천만건
(국민건강보험공단 2012.4.12)
* 2011년 민원 7천 만건




2007년 1월 시범운영, 4년 4개월간 3000만건
1일 처리량 약 4만 1천여건
(다산콜센터 2011년 6월 기준)
 빅데이터 정의



 기업에서의 빅데이터

 매일매일 다양하고 분석 가능한테라 바이트에데이터가 4V
  일반적인 데이터베이스 SW가 수십-수천 규모의 달하는 기업내부에 저장 및
  저장, 관리, 분석할 수 있는   거대한 데이터 집합 자체만을 지칭    규모 (Volume) : single jet 엔진
 관리가 되고 그 데이터 분석을 통해 기업에 도움이 되는 의미있는 정보
 범위를 초과하는 규모의 데이터    하던 말이었으나, 점차 도구, 플랫
                                                           10TB/30min
                                           속도 (Velocity) : 하루 생산되는 트윗
                     폼, 분석기법까지 포괄하는 용어로                    (140 byte)  8TB
 추출이 가능한 데이터         변화함                   다양성(Variety) : 다양하고 빠른 변화
                              .            가치 (Value) : 의미있는 정보의 추출
 VOC분석이 유리한 이유
 VOC 정의




           VOC(Voice of Customer: 고객의 소리)
           - 기업의 경영활동에 있어서 고객들이 기업에게
             반응하는 각종 문의, 불만, 제안 등의 정보

           - 고객이 기업 또는 기업에서 제공하는 상품이나
             서비스에 대한 특정한 행위를 요구

            (KMAC : 한국능률협회컨설팅)
 VOC Process




  등록            처리   피드백      활용




 고객/직원 등록       배분   처리 만족도   조회



                              통계


    접수          처리
                              지식화
 분석기술



                       Visual-
         Semantics     ization Statistics
                                  (R)

     Machine     Text            Cloud,
     Learning   Mining           NoSQL


                                Crawling
          NLP           IR
                     (Search)
 분석 Process




분석대상 및     용어정의 및             랭킹 및 추이
                    특성 분석               분석 시각화
 주제 선정     필터링 처리               분석



데이터 정제
                    자동 군집 및             사전관리 등
 (개인정보      언어분석              연관도 분석
                     토픽 추출                도구
  처리 등)




          특성벡터 추출                        보고서
 리포트


    요금




                                     접수, 처리 위주의 리포트에서
                                     상담메모의 내용 중 ‘요금’ 또는 관련
                                     동의어를 찾아 리포트를 제공




※ 기존 사용중인 리포트와 동기화는 되지 않으며 기존리포트에 추가적인 정보 확인
 추이분석
     2011/12       2011/7
                                         12월 14일 영동고속도로
                            A             신갈-호법간 확장 개통

                            B
                                        A(확장 전) : 최고 12건 발생



                                        B(확장 후) : 최고 2건 이하

                                C
                                        C(변동량) : 최고 11건 이하 감소




※ 고속도로 확장의 효과를 교통량 분석을 하지 않고 고객이 등록 또는 요청한 내용만으로도 분석 가능
 연관분석

    2011/12




                                      * 2011년 12월 “영동고속도로”와
                                      관련해서는 인천방향 만종분기점이
                                      연관정보 중 가장 높은 이슈가 있음




※ 연관 분석을 통해 해당 기간의 주요 키워드에 대한 연관정보를 보여주고 이슈분석 가능
 지역별 이슈 분석




                                          서울지역은 결과 강남, 강동을
                                          제외한 나머지 지역에서는
                                          ‘학자금’이 주요 토픽으로 분석
                                          ex> 업무카테고리는 “적금해약”이지
                                          만 실제 목적은 “학자금”에 있는 것이
                                          분석 가능




※ 각 지역 영업점 및 각종 VOC채널에서 등록한 내용을 분석하여 지역별 이슈 분석이 가능
 상세연관분석




• CRM과 인터넷 상담 채널을 통한 정보를   • 서울 강서지역본부의 신용카드와 연관 정   • 서울 강서지역본부의 신용카드와 체크
 분석하여 서울 강서지역본부 주요토픽제공      보를 분석하여 관련 토픽을 제공         카드를 분석하여 세분화된 분석 제공
 고객성별 분석




                                VOC 내용 중에 ‘여성’이 제안 한
                                내용만을 분석하여 주요 토픽
                                제공




※ 여성을 타켓 으로 하는 상품 기획 등에 활용 가능
 고객 연령대별 분석




  고객 등급별 불만




※ 고객의 연령대별 주요 토픽 분석과 고객 등급별 불만의 분석이 가능
문종영
e-mail : jymoon@saltlux.com


㈜솔트룩스 SD사업본부 컨설팅실
전화 : 02-2193-1633
주소 : 서울 강남구 대치동 967번지 덕일빌딩 6층

Contenu connexe

Tendances

Success Factors for Digital Transformation in Banking
Success Factors for Digital Transformation in BankingSuccess Factors for Digital Transformation in Banking
Success Factors for Digital Transformation in BankingTata Consultancy Services
 
The State of Global AI Adoption in 2023
The State of Global AI Adoption in 2023The State of Global AI Adoption in 2023
The State of Global AI Adoption in 2023InData Labs
 
Accenture Liquid Application Studio
Accenture Liquid Application StudioAccenture Liquid Application Studio
Accenture Liquid Application StudioAccenture Technology
 
Intro to Deep Learning for Question Answering
Intro to Deep Learning for Question AnsweringIntro to Deep Learning for Question Answering
Intro to Deep Learning for Question AnsweringTraian Rebedea
 
Accenture Media & Entertainment Industry 2021 - The Consumer Media Value Play
Accenture Media & Entertainment Industry 2021 - The Consumer Media Value PlayAccenture Media & Entertainment Industry 2021 - The Consumer Media Value Play
Accenture Media & Entertainment Industry 2021 - The Consumer Media Value Playaccenture
 
Accenture Digital Health Technology Vision 2018
Accenture Digital Health Technology Vision 2018Accenture Digital Health Technology Vision 2018
Accenture Digital Health Technology Vision 2018accenture
 
Netflix Recommender System : Big Data Case Study
Netflix Recommender System : Big Data Case StudyNetflix Recommender System : Big Data Case Study
Netflix Recommender System : Big Data Case StudyKetan Patil
 
About Indegene
About IndegeneAbout Indegene
About IndegeneIndegene
 
Thermo Fisher Introduction
Thermo Fisher IntroductionThermo Fisher Introduction
Thermo Fisher IntroductionKim Bunt
 
Retail Banking Analytics_Marketelligent
Retail Banking Analytics_MarketelligentRetail Banking Analytics_Marketelligent
Retail Banking Analytics_MarketelligentMarketelligent
 
Accenture Life & Annuity Analytics—Use Cases
Accenture Life & Annuity Analytics—Use CasesAccenture Life & Annuity Analytics—Use Cases
Accenture Life & Annuity Analytics—Use Casesaccenture
 
Big data in healthcare
Big data in healthcareBig data in healthcare
Big data in healthcareDeZyre
 
An introduction to the Transformers architecture and BERT
An introduction to the Transformers architecture and BERTAn introduction to the Transformers architecture and BERT
An introduction to the Transformers architecture and BERTSuman Debnath
 
70+ Digital Transformation Statistics
70+ Digital Transformation Statistics 70+ Digital Transformation Statistics
70+ Digital Transformation Statistics SantokuPartners
 
Google's Pathways Language Model and Chain-of-Thought
Google's Pathways Language Model and Chain-of-ThoughtGoogle's Pathways Language Model and Chain-of-Thought
Google's Pathways Language Model and Chain-of-ThoughtVaclav1
 
Customer Segmentation using Clustering
Customer Segmentation using ClusteringCustomer Segmentation using Clustering
Customer Segmentation using ClusteringDessy Amirudin
 
A survey of deep learning approaches to medical applications
A survey of deep learning approaches to medical applicationsA survey of deep learning approaches to medical applications
A survey of deep learning approaches to medical applicationsJoseph Paul Cohen PhD
 

Tendances (20)

Success Factors for Digital Transformation in Banking
Success Factors for Digital Transformation in BankingSuccess Factors for Digital Transformation in Banking
Success Factors for Digital Transformation in Banking
 
The State of Global AI Adoption in 2023
The State of Global AI Adoption in 2023The State of Global AI Adoption in 2023
The State of Global AI Adoption in 2023
 
Accenture Liquid Application Studio
Accenture Liquid Application StudioAccenture Liquid Application Studio
Accenture Liquid Application Studio
 
Bank market classification
Bank market classificationBank market classification
Bank market classification
 
Intro to Deep Learning for Question Answering
Intro to Deep Learning for Question AnsweringIntro to Deep Learning for Question Answering
Intro to Deep Learning for Question Answering
 
Accenture Media & Entertainment Industry 2021 - The Consumer Media Value Play
Accenture Media & Entertainment Industry 2021 - The Consumer Media Value PlayAccenture Media & Entertainment Industry 2021 - The Consumer Media Value Play
Accenture Media & Entertainment Industry 2021 - The Consumer Media Value Play
 
Analytical tools
Analytical toolsAnalytical tools
Analytical tools
 
Big Data Trends
Big Data TrendsBig Data Trends
Big Data Trends
 
Accenture Digital Health Technology Vision 2018
Accenture Digital Health Technology Vision 2018Accenture Digital Health Technology Vision 2018
Accenture Digital Health Technology Vision 2018
 
Netflix Recommender System : Big Data Case Study
Netflix Recommender System : Big Data Case StudyNetflix Recommender System : Big Data Case Study
Netflix Recommender System : Big Data Case Study
 
About Indegene
About IndegeneAbout Indegene
About Indegene
 
Thermo Fisher Introduction
Thermo Fisher IntroductionThermo Fisher Introduction
Thermo Fisher Introduction
 
Retail Banking Analytics_Marketelligent
Retail Banking Analytics_MarketelligentRetail Banking Analytics_Marketelligent
Retail Banking Analytics_Marketelligent
 
Accenture Life & Annuity Analytics—Use Cases
Accenture Life & Annuity Analytics—Use CasesAccenture Life & Annuity Analytics—Use Cases
Accenture Life & Annuity Analytics—Use Cases
 
Big data in healthcare
Big data in healthcareBig data in healthcare
Big data in healthcare
 
An introduction to the Transformers architecture and BERT
An introduction to the Transformers architecture and BERTAn introduction to the Transformers architecture and BERT
An introduction to the Transformers architecture and BERT
 
70+ Digital Transformation Statistics
70+ Digital Transformation Statistics 70+ Digital Transformation Statistics
70+ Digital Transformation Statistics
 
Google's Pathways Language Model and Chain-of-Thought
Google's Pathways Language Model and Chain-of-ThoughtGoogle's Pathways Language Model and Chain-of-Thought
Google's Pathways Language Model and Chain-of-Thought
 
Customer Segmentation using Clustering
Customer Segmentation using ClusteringCustomer Segmentation using Clustering
Customer Segmentation using Clustering
 
A survey of deep learning approaches to medical applications
A survey of deep learning approaches to medical applicationsA survey of deep learning approaches to medical applications
A survey of deep learning approaches to medical applications
 

En vedette

비정형 데이터를 기반으로 한 빅데이터 필요기술 및 적용사례
비정형 데이터를 기반으로 한 빅데이터 필요기술 및 적용사례비정형 데이터를 기반으로 한 빅데이터 필요기술 및 적용사례
비정형 데이터를 기반으로 한 빅데이터 필요기술 및 적용사례JeongHeon Lee
 
i-VOC (Voice of the Customer Big Data Analytics Solution) 고객의소리 분석
i-VOC (Voice of the Customer Big Data Analytics Solution) 고객의소리 분석i-VOC (Voice of the Customer Big Data Analytics Solution) 고객의소리 분석
i-VOC (Voice of the Customer Big Data Analytics Solution) 고객의소리 분석Taejoon Yoo
 
데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁
데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁
데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁datasciencekorea
 
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.kosena
 
VOC 활용사례_마인즈랩
VOC 활용사례_마인즈랩VOC 활용사례_마인즈랩
VOC 활용사례_마인즈랩Taejoon Yoo
 
Accenture Data Science Hackathon Presentation
Accenture Data Science Hackathon PresentationAccenture Data Science Hackathon Presentation
Accenture Data Science Hackathon Presentationams345
 
SemTech 2011, Saltlux, Tony Lee
SemTech 2011, Saltlux, Tony LeeSemTech 2011, Saltlux, Tony Lee
SemTech 2011, Saltlux, Tony LeeSaltlux Inc.
 
Jco 소셜 빅데이터_20120218
Jco 소셜 빅데이터_20120218Jco 소셜 빅데이터_20120218
Jco 소셜 빅데이터_20120218Hyoungjun Kim
 
Unlocking value in your (big) data
Unlocking value in your (big) dataUnlocking value in your (big) data
Unlocking value in your (big) dataOscar Renalias
 
고대8 9주 빅데이터
고대8 9주 빅데이터고대8 9주 빅데이터
고대8 9주 빅데이터JM code group
 
소셜커머스 애플리케이션의 모바일 접근성 및 개선 방안
소셜커머스 애플리케이션의 모바일 접근성 및 개선 방안소셜커머스 애플리케이션의 모바일 접근성 및 개선 방안
소셜커머스 애플리케이션의 모바일 접근성 및 개선 방안선영 박
 
234 deview2013 김형준
234 deview2013 김형준234 deview2013 김형준
234 deview2013 김형준NAVER D2
 
Snusv/인사이더스 서울대 창업동아리 강의 자료
Snusv/인사이더스 서울대 창업동아리 강의 자료Snusv/인사이더스 서울대 창업동아리 강의 자료
Snusv/인사이더스 서울대 창업동아리 강의 자료Kyu Byoung Sim
 
ESB의 이해와 기술 동향
ESB의 이해와 기술 동향ESB의 이해와 기술 동향
ESB의 이해와 기술 동향shiptaek
 
분석 현장에서 요구되는 데이터과학자의 역량과 자질
분석 현장에서 요구되는 데이터과학자의 역량과 자질분석 현장에서 요구되는 데이터과학자의 역량과 자질
분석 현장에서 요구되는 데이터과학자의 역량과 자질Sun Young Kim
 
빅데이터 이용 사례 분석 2
빅데이터 이용 사례 분석 2빅데이터 이용 사례 분석 2
빅데이터 이용 사례 분석 2ko donghwi
 

En vedette (20)

비정형 데이터를 기반으로 한 빅데이터 필요기술 및 적용사례
비정형 데이터를 기반으로 한 빅데이터 필요기술 및 적용사례비정형 데이터를 기반으로 한 빅데이터 필요기술 및 적용사례
비정형 데이터를 기반으로 한 빅데이터 필요기술 및 적용사례
 
i-VOC (Voice of the Customer Big Data Analytics Solution) 고객의소리 분석
i-VOC (Voice of the Customer Big Data Analytics Solution) 고객의소리 분석i-VOC (Voice of the Customer Big Data Analytics Solution) 고객의소리 분석
i-VOC (Voice of the Customer Big Data Analytics Solution) 고객의소리 분석
 
데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁
데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁
데이터에 포함된 동적 패턴의 탐색과 해석을 위한 협업적 탐험 플랫폼 -최진혁
 
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
[코세나, kosena] 빅데이터 기반의 End-to-End APM과 비정형 데이터 분석 자료입니다.
 
VOC 활용사례_마인즈랩
VOC 활용사례_마인즈랩VOC 활용사례_마인즈랩
VOC 활용사례_마인즈랩
 
Accenture Data Science Hackathon Presentation
Accenture Data Science Hackathon PresentationAccenture Data Science Hackathon Presentation
Accenture Data Science Hackathon Presentation
 
SemTech 2011, Saltlux, Tony Lee
SemTech 2011, Saltlux, Tony LeeSemTech 2011, Saltlux, Tony Lee
SemTech 2011, Saltlux, Tony Lee
 
Jco 소셜 빅데이터_20120218
Jco 소셜 빅데이터_20120218Jco 소셜 빅데이터_20120218
Jco 소셜 빅데이터_20120218
 
Unlocking value in your (big) data
Unlocking value in your (big) dataUnlocking value in your (big) data
Unlocking value in your (big) data
 
고대8 9주 빅데이터
고대8 9주 빅데이터고대8 9주 빅데이터
고대8 9주 빅데이터
 
원스토어 프로젝트 및 통합개발자센터 안내
원스토어 프로젝트 및 통합개발자센터 안내원스토어 프로젝트 및 통합개발자센터 안내
원스토어 프로젝트 및 통합개발자센터 안내
 
Big data2
Big data2Big data2
Big data2
 
소셜커머스 애플리케이션의 모바일 접근성 및 개선 방안
소셜커머스 애플리케이션의 모바일 접근성 및 개선 방안소셜커머스 애플리케이션의 모바일 접근성 및 개선 방안
소셜커머스 애플리케이션의 모바일 접근성 및 개선 방안
 
234 deview2013 김형준
234 deview2013 김형준234 deview2013 김형준
234 deview2013 김형준
 
T스토어-올레마켓-U+스토어 통합개발자센터 설명회
T스토어-올레마켓-U+스토어 통합개발자센터 설명회T스토어-올레마켓-U+스토어 통합개발자센터 설명회
T스토어-올레마켓-U+스토어 통합개발자센터 설명회
 
Snusv/인사이더스 서울대 창업동아리 강의 자료
Snusv/인사이더스 서울대 창업동아리 강의 자료Snusv/인사이더스 서울대 창업동아리 강의 자료
Snusv/인사이더스 서울대 창업동아리 강의 자료
 
기술5기 1조
기술5기 1조기술5기 1조
기술5기 1조
 
ESB의 이해와 기술 동향
ESB의 이해와 기술 동향ESB의 이해와 기술 동향
ESB의 이해와 기술 동향
 
분석 현장에서 요구되는 데이터과학자의 역량과 자질
분석 현장에서 요구되는 데이터과학자의 역량과 자질분석 현장에서 요구되는 데이터과학자의 역량과 자질
분석 현장에서 요구되는 데이터과학자의 역량과 자질
 
빅데이터 이용 사례 분석 2
빅데이터 이용 사례 분석 2빅데이터 이용 사례 분석 2
빅데이터 이용 사례 분석 2
 

Similaire à 4 voc비정형분석 문종영

170222 창조경제혁신센터 기술사업화 과정에서의 비즈니스모델 민광동
170222 창조경제혁신센터 기술사업화 과정에서의 비즈니스모델 민광동170222 창조경제혁신센터 기술사업화 과정에서의 비즈니스모델 민광동
170222 창조경제혁신센터 기술사업화 과정에서의 비즈니스모델 민광동Kwangdong Min
 
2017 기술사업계획서(trwth 문학컨텐츠)
2017 기술사업계획서(trwth 문학컨텐츠)2017 기술사업계획서(trwth 문학컨텐츠)
2017 기술사업계획서(trwth 문학컨텐츠)Nicky Dave
 
마인즈랩소개자료 20150616
마인즈랩소개자료 20150616마인즈랩소개자료 20150616
마인즈랩소개자료 20150616Taejoon Yoo
 
20160203_마인즈랩_딥러닝세미나_10 voc 매니지드서비스 김동수상무 20160203
20160203_마인즈랩_딥러닝세미나_10 voc 매니지드서비스 김동수상무 2016020320160203_마인즈랩_딥러닝세미나_10 voc 매니지드서비스 김동수상무 20160203
20160203_마인즈랩_딥러닝세미나_10 voc 매니지드서비스 김동수상무 20160203Taejoon Yoo
 
Big Data Analytics and Data Mining
Big Data Analytics and Data MiningBig Data Analytics and Data Mining
Big Data Analytics and Data MiningSuHyun Jeon
 
빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)동학 노
 
마인즈랩 회사소개서 V1.5
마인즈랩 회사소개서 V1.5마인즈랩 회사소개서 V1.5
마인즈랩 회사소개서 V1.5Taejoon Yoo
 
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big dataK data
 
Bigdata analysis Team 5
Bigdata analysis Team 5Bigdata analysis Team 5
Bigdata analysis Team 5fhshsjxj
 
실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다
실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다
실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다승화 양
 
2022.07.01 불평등연구회 특강 "계량모형과 자연어 분석을 결합하기"
2022.07.01 불평등연구회 특강 "계량모형과 자연어 분석을 결합하기"2022.07.01 불평등연구회 특강 "계량모형과 자연어 분석을 결합하기"
2022.07.01 불평등연구회 특강 "계량모형과 자연어 분석을 결합하기"Tae Young Kang
 
DLAB company info and big data case studies
DLAB company info and big data case studiesDLAB company info and big data case studies
DLAB company info and big data case studiesDLAB
 
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)Treasure Data, Inc.
 
Bigdata analysis team 5
Bigdata analysis team 5Bigdata analysis team 5
Bigdata analysis team 5fhshsjxj
 
도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용
도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용
도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용구중억 (한국기초과학지원연구원)
 
데이터를 통해 보는 송도의 변화
데이터를 통해 보는 송도의 변화데이터를 통해 보는 송도의 변화
데이터를 통해 보는 송도의 변화Ju-Hyung Lee
 
데이터를 통해 알아보는 송도의 변화
데이터를 통해 알아보는 송도의 변화데이터를 통해 알아보는 송도의 변화
데이터를 통해 알아보는 송도의 변화EUNYEONG PARK
 
빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)
빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)
빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)Myungjin Lee
 

Similaire à 4 voc비정형분석 문종영 (20)

170222 창조경제혁신센터 기술사업화 과정에서의 비즈니스모델 민광동
170222 창조경제혁신센터 기술사업화 과정에서의 비즈니스모델 민광동170222 창조경제혁신센터 기술사업화 과정에서의 비즈니스모델 민광동
170222 창조경제혁신센터 기술사업화 과정에서의 비즈니스모델 민광동
 
2017 기술사업계획서(trwth 문학컨텐츠)
2017 기술사업계획서(trwth 문학컨텐츠)2017 기술사업계획서(trwth 문학컨텐츠)
2017 기술사업계획서(trwth 문학컨텐츠)
 
마인즈랩소개자료 20150616
마인즈랩소개자료 20150616마인즈랩소개자료 20150616
마인즈랩소개자료 20150616
 
20160203_마인즈랩_딥러닝세미나_10 voc 매니지드서비스 김동수상무 20160203
20160203_마인즈랩_딥러닝세미나_10 voc 매니지드서비스 김동수상무 2016020320160203_마인즈랩_딥러닝세미나_10 voc 매니지드서비스 김동수상무 20160203
20160203_마인즈랩_딥러닝세미나_10 voc 매니지드서비스 김동수상무 20160203
 
Big Data Analytics and Data Mining
Big Data Analytics and Data MiningBig Data Analytics and Data Mining
Big Data Analytics and Data Mining
 
빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)
 
마인즈랩 회사소개서 V1.5
마인즈랩 회사소개서 V1.5마인즈랩 회사소개서 V1.5
마인즈랩 회사소개서 V1.5
 
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
 
Bigdata analysis Team 5
Bigdata analysis Team 5Bigdata analysis Team 5
Bigdata analysis Team 5
 
실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다
실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다
실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다
 
H사 IPA Usecase
H사 IPA UsecaseH사 IPA Usecase
H사 IPA Usecase
 
Ipa usecase
Ipa usecaseIpa usecase
Ipa usecase
 
2022.07.01 불평등연구회 특강 "계량모형과 자연어 분석을 결합하기"
2022.07.01 불평등연구회 특강 "계량모형과 자연어 분석을 결합하기"2022.07.01 불평등연구회 특강 "계량모형과 자연어 분석을 결합하기"
2022.07.01 불평등연구회 특강 "계량모형과 자연어 분석을 결합하기"
 
DLAB company info and big data case studies
DLAB company info and big data case studiesDLAB company info and big data case studies
DLAB company info and big data case studies
 
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
 
Bigdata analysis team 5
Bigdata analysis team 5Bigdata analysis team 5
Bigdata analysis team 5
 
도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용
도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용
도서관 이해관계자의 보다 나은 의사결정을 위한 비즈니스 인텔리전스 구축 및 활용
 
데이터를 통해 보는 송도의 변화
데이터를 통해 보는 송도의 변화데이터를 통해 보는 송도의 변화
데이터를 통해 보는 송도의 변화
 
데이터를 통해 알아보는 송도의 변화
데이터를 통해 알아보는 송도의 변화데이터를 통해 알아보는 송도의 변화
데이터를 통해 알아보는 송도의 변화
 
빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)
빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)
빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)
 

Plus de Saltlux Inc.

Semantic techandbigdata(presentation)rev01
Semantic techandbigdata(presentation)rev01Semantic techandbigdata(presentation)rev01
Semantic techandbigdata(presentation)rev01Saltlux Inc.
 
5 소셜빅데이터분석서비스 최광선
5 소셜빅데이터분석서비스 최광선5 소셜빅데이터분석서비스 최광선
5 소셜빅데이터분석서비스 최광선Saltlux Inc.
 
3 빅데이터기반비정형데이터의실시간처리방법 원종석
3 빅데이터기반비정형데이터의실시간처리방법 원종석3 빅데이터기반비정형데이터의실시간처리방법 원종석
3 빅데이터기반비정형데이터의실시간처리방법 원종석Saltlux Inc.
 
2 기업의빅데이터delta전략 이진권
2 기업의빅데이터delta전략 이진권2 기업의빅데이터delta전략 이진권
2 기업의빅데이터delta전략 이진권Saltlux Inc.
 
1 손에잡히는빅데이터 이경일
1 손에잡히는빅데이터 이경일1 손에잡히는빅데이터 이경일
1 손에잡히는빅데이터 이경일Saltlux Inc.
 
Semtech 2011, Saltlux, Tony Lee
Semtech 2011, Saltlux, Tony LeeSemtech 2011, Saltlux, Tony Lee
Semtech 2011, Saltlux, Tony LeeSaltlux Inc.
 
9.use case geo semantic technology
9.use case geo semantic technology9.use case geo semantic technology
9.use case geo semantic technologySaltlux Inc.
 
6.최광선 semantic search and mining
6.최광선 semantic search and mining6.최광선 semantic search and mining
6.최광선 semantic search and miningSaltlux Inc.
 
semantic search and mining
semantic search and miningsemantic search and mining
semantic search and miningSaltlux Inc.
 
An Introduction to OpenCyc
An Introduction to OpenCycAn Introduction to OpenCyc
An Introduction to OpenCycSaltlux Inc.
 
Cognitive Planning and Learning for Mobile Platforms
Cognitive Planning and Learning for Mobile PlatformsCognitive Planning and Learning for Mobile Platforms
Cognitive Planning and Learning for Mobile PlatformsSaltlux Inc.
 
Web Scale Reasoning and the LarKC Project
Web Scale Reasoning and the LarKC ProjectWeb Scale Reasoning and the LarKC Project
Web Scale Reasoning and the LarKC ProjectSaltlux Inc.
 
Industrials Use cases for Semantic Technology
Industrials Use cases for Semantic TechnologyIndustrials Use cases for Semantic Technology
Industrials Use cases for Semantic TechnologySaltlux Inc.
 
The Semantic Technology Business: Europe
The Semantic Technology Business: EuropeThe Semantic Technology Business: Europe
The Semantic Technology Business: EuropeSaltlux Inc.
 
Technology Trends for LOD and Semantic Web
Technology Trends for LOD and Semantic WebTechnology Trends for LOD and Semantic Web
Technology Trends for LOD and Semantic WebSaltlux Inc.
 
Learning Emergent Knowledge from Blog Postings
Learning Emergent Knowledge from Blog PostingsLearning Emergent Knowledge from Blog Postings
Learning Emergent Knowledge from Blog PostingsSaltlux Inc.
 

Plus de Saltlux Inc. (17)

Semantic techandbigdata(presentation)rev01
Semantic techandbigdata(presentation)rev01Semantic techandbigdata(presentation)rev01
Semantic techandbigdata(presentation)rev01
 
5 소셜빅데이터분석서비스 최광선
5 소셜빅데이터분석서비스 최광선5 소셜빅데이터분석서비스 최광선
5 소셜빅데이터분석서비스 최광선
 
3 빅데이터기반비정형데이터의실시간처리방법 원종석
3 빅데이터기반비정형데이터의실시간처리방법 원종석3 빅데이터기반비정형데이터의실시간처리방법 원종석
3 빅데이터기반비정형데이터의실시간처리방법 원종석
 
2 기업의빅데이터delta전략 이진권
2 기업의빅데이터delta전략 이진권2 기업의빅데이터delta전략 이진권
2 기업의빅데이터delta전략 이진권
 
1 손에잡히는빅데이터 이경일
1 손에잡히는빅데이터 이경일1 손에잡히는빅데이터 이경일
1 손에잡히는빅데이터 이경일
 
Semtech 2011, Saltlux, Tony Lee
Semtech 2011, Saltlux, Tony LeeSemtech 2011, Saltlux, Tony Lee
Semtech 2011, Saltlux, Tony Lee
 
9.use case geo semantic technology
9.use case geo semantic technology9.use case geo semantic technology
9.use case geo semantic technology
 
6.최광선 semantic search and mining
6.최광선 semantic search and mining6.최광선 semantic search and mining
6.최광선 semantic search and mining
 
semantic search and mining
semantic search and miningsemantic search and mining
semantic search and mining
 
An Introduction to OpenCyc
An Introduction to OpenCycAn Introduction to OpenCyc
An Introduction to OpenCyc
 
Cognitive Planning and Learning for Mobile Platforms
Cognitive Planning and Learning for Mobile PlatformsCognitive Planning and Learning for Mobile Platforms
Cognitive Planning and Learning for Mobile Platforms
 
Web Scale Reasoning and the LarKC Project
Web Scale Reasoning and the LarKC ProjectWeb Scale Reasoning and the LarKC Project
Web Scale Reasoning and the LarKC Project
 
Industrials Use cases for Semantic Technology
Industrials Use cases for Semantic TechnologyIndustrials Use cases for Semantic Technology
Industrials Use cases for Semantic Technology
 
The Semantic Technology Business: Europe
The Semantic Technology Business: EuropeThe Semantic Technology Business: Europe
The Semantic Technology Business: Europe
 
Technology Trends for LOD and Semantic Web
Technology Trends for LOD and Semantic WebTechnology Trends for LOD and Semantic Web
Technology Trends for LOD and Semantic Web
 
Learning Emergent Knowledge from Blog Postings
Learning Emergent Knowledge from Blog PostingsLearning Emergent Knowledge from Blog Postings
Learning Emergent Knowledge from Blog Postings
 
1.sos2010 tony
1.sos2010 tony1.sos2010 tony
1.sos2010 tony
 

4 voc비정형분석 문종영

  • 1. [Saltlux Annual Conference 2012 : 빅데이터 활용전략 세미나] VOC 비정형 데이터 분석 사례 및 활용 문종영 수석 컨설턴트 솔트룩스 SD사업본부 컨설팅실 2012.04
  • 2. 1일 처리 : 약 15~20만건, 월 약 340만건 SIZE : 월평균 40GB, 1년 약 500GB (2011년 기준) 2006년 개소, 6년간 1억 1,500만건 상담, 1년 약 2천만건 (국민건강보험공단 2012.4.12) * 2011년 민원 7천 만건 2007년 1월 시범운영, 4년 4개월간 3000만건 1일 처리량 약 4만 1천여건 (다산콜센터 2011년 6월 기준)
  • 3.  빅데이터 정의  기업에서의 빅데이터 매일매일 다양하고 분석 가능한테라 바이트에데이터가 4V 일반적인 데이터베이스 SW가 수십-수천 규모의 달하는 기업내부에 저장 및 저장, 관리, 분석할 수 있는 거대한 데이터 집합 자체만을 지칭 규모 (Volume) : single jet 엔진 관리가 되고 그 데이터 분석을 통해 기업에 도움이 되는 의미있는 정보 범위를 초과하는 규모의 데이터 하던 말이었으나, 점차 도구, 플랫 10TB/30min 속도 (Velocity) : 하루 생산되는 트윗 폼, 분석기법까지 포괄하는 용어로 (140 byte)  8TB 추출이 가능한 데이터 변화함 다양성(Variety) : 다양하고 빠른 변화 . 가치 (Value) : 의미있는 정보의 추출
  • 5.  VOC 정의 VOC(Voice of Customer: 고객의 소리) - 기업의 경영활동에 있어서 고객들이 기업에게 반응하는 각종 문의, 불만, 제안 등의 정보 - 고객이 기업 또는 기업에서 제공하는 상품이나 서비스에 대한 특정한 행위를 요구 (KMAC : 한국능률협회컨설팅)
  • 6.  VOC Process 등록 처리 피드백 활용 고객/직원 등록 배분 처리 만족도 조회 통계 접수 처리 지식화
  • 7.  분석기술 Visual- Semantics ization Statistics (R) Machine Text Cloud, Learning Mining NoSQL Crawling NLP IR (Search)
  • 8.  분석 Process 분석대상 및 용어정의 및 랭킹 및 추이 특성 분석 분석 시각화 주제 선정 필터링 처리 분석 데이터 정제 자동 군집 및 사전관리 등 (개인정보 언어분석 연관도 분석 토픽 추출 도구 처리 등) 특성벡터 추출 보고서
  • 9.  리포트 요금 접수, 처리 위주의 리포트에서 상담메모의 내용 중 ‘요금’ 또는 관련 동의어를 찾아 리포트를 제공 ※ 기존 사용중인 리포트와 동기화는 되지 않으며 기존리포트에 추가적인 정보 확인
  • 10.  추이분석 2011/12 2011/7 12월 14일 영동고속도로 A 신갈-호법간 확장 개통 B A(확장 전) : 최고 12건 발생 B(확장 후) : 최고 2건 이하 C C(변동량) : 최고 11건 이하 감소 ※ 고속도로 확장의 효과를 교통량 분석을 하지 않고 고객이 등록 또는 요청한 내용만으로도 분석 가능
  • 11.  연관분석 2011/12 * 2011년 12월 “영동고속도로”와 관련해서는 인천방향 만종분기점이 연관정보 중 가장 높은 이슈가 있음 ※ 연관 분석을 통해 해당 기간의 주요 키워드에 대한 연관정보를 보여주고 이슈분석 가능
  • 12.  지역별 이슈 분석 서울지역은 결과 강남, 강동을 제외한 나머지 지역에서는 ‘학자금’이 주요 토픽으로 분석 ex> 업무카테고리는 “적금해약”이지 만 실제 목적은 “학자금”에 있는 것이 분석 가능 ※ 각 지역 영업점 및 각종 VOC채널에서 등록한 내용을 분석하여 지역별 이슈 분석이 가능
  • 13.  상세연관분석 • CRM과 인터넷 상담 채널을 통한 정보를 • 서울 강서지역본부의 신용카드와 연관 정 • 서울 강서지역본부의 신용카드와 체크 분석하여 서울 강서지역본부 주요토픽제공 보를 분석하여 관련 토픽을 제공 카드를 분석하여 세분화된 분석 제공
  • 14.  고객성별 분석 VOC 내용 중에 ‘여성’이 제안 한 내용만을 분석하여 주요 토픽 제공 ※ 여성을 타켓 으로 하는 상품 기획 등에 활용 가능
  • 15.  고객 연령대별 분석  고객 등급별 불만 ※ 고객의 연령대별 주요 토픽 분석과 고객 등급별 불만의 분석이 가능
  • 16.
  • 17. 문종영 e-mail : jymoon@saltlux.com ㈜솔트룩스 SD사업본부 컨설팅실 전화 : 02-2193-1633 주소 : 서울 강남구 대치동 967번지 덕일빌딩 6층