추천도서 1 :: 파이썬 데이터 분석 실무 테크닉 100 100가지 예제로 배우는 데이터 가공, 머신러닝, 이미지/자연어 처리의 기술 [ 예제 코드 제공 ] 시모야마 테루마사, 마쯔다 유마, 미키 타카유키 저/손민규 역 http://www.yes24.com/Product/Goods/91302724 파이썬 데이터 분석 실무 테크닉 100 - YES24 『파이썬 데이터 분석 실무 테크닉 100』은 실제 비즈니스 현장에서 마주칠 수 있는 100개의 예제를 풀면서 현장 분위기를 몸에 익히고 현장에 맞게 기술을 응용하는 힘을 기를 수 있게 설계한 문 www.yes24.com 추천도서 2 :: 데이터 시각화 교과서 데이터 분석의 본질을 살리는 그래프와 차트 제작의 기본 원리와 응용 [ 2020년 세종도서 학술부문 ..

패션트렌드 분석 : 카카오스타일, 무신사, 유니클로 그리고 코로나 as of 2022.04.13 . . . 전용준 . 리비젼컨설팅 . +비즈트렌드인터프리터 코로나 시대에 급락했던 패션에 대한 관심이 엔데믹에 대한 기대감으로 되살아나기 시작한 2022년 4월. 카카오 스타일 폭등 중 무신사 -- 꾸준한 상승세 연평균 증가율 측면에서는 카카오 스타일 (#카카오스타일)이 단연 압도적. 단, 아직은 점유율 극히 낮음 무신사 꾸준한 성장 반면 유니클로와 지오다노 하락세 만일 무신사에게 코로나가 없었다면? ML #머신러닝 을 활용한 다변량 분석을 통해 추정해 보면 적어도 최근(2022~)에는 코로나 검사 증가 (오미크론 재확산) 현상이 온라인 전문인 무신사 입장에서는 단기적 호재로 작용한 것으로 보임 (코로나가 급..

기업에게 베스트 상품이란 무엇인가? 지금 많이 팔리는 상품? 많은 고객들이 팔아주는 상품? 창사이래 지금껏 가장 많이 팔린 상품? 앞으로 많이 팔릴 것으로 보이는 상품? 어떤 관점에서 베스트 상품을 규정할 수 있을까? 모바일앱에서 어느 고객에게 상품을 추천하는 경우라면 어떤 상품을 추천해야하는가? 베스트 상품을 추천한다면? 이 때 베스트 상품은 무엇인가? 지금 보고 있는 상품과 가장 유사한 상품? 지금 보고 있는 상품과 유사하지만 좀 더 마진이 큰 상품? 지금 보고 있는 상품을 본 다른 사람들이 실제로 주문할 가능성이 가장 큰 상품? 어차피 이 고객이 다음에 누를 가능성이 높은 상품? 이 고객의 클릭스트림을 최대로 연장시켜줄 상품? 이 고객이 내일도 방문하게 해줄 상품? 빠져있는 것은 어떤 상품을 어떤 ..

머신러닝, 예측분석 그리고 타겟 마케팅: 목적을 잊은 기술의 향연 .......... 전용준 . 리비젼컨설팅 대표. 경영학 박사 2021.10. 근래에 머신러닝의 인기가 하늘을 찌른다. 그럼에도 머신러닝으로 다양한 분석을 한다고는 하지만 결국 무엇을 왜 하는가를 잊고 방황하고 있다. 목적을 잊은 기술의 향연 필요하지 않은 기술에 대부분의 노력과 자원을 투입하는 잔치 머신러닝과 예측분석, 정교한 모델링이 결국 무엇을 찾아야하는가? 어떤 결과를 만들어내야하는가? 핵심적인 그리고 결정적인 질문에 대해서는 답을 아는 이도 없지만 질문을 던지는이 자체도 찾아보기 힘들다. #머신러닝 #예측분석 #타깃마키팅 #타겟마케팅 #machinelearning #predictivemodeling #predictiveanalyt..

파워비아이 분석실습 전용준 __ 강의중 공유용 2일차 매출상품점포분석 ============ 1. 1일차 교육 내용 확인, 습득한 내용 확인 2. 매출/상품/점포 분석 PPT 보기 + 데이터분석 EDA Vs. 대시보드 3. 매출/상품, 점포 분석 실습 - 전년동기대비 - 상품별 이용고객 속성 - 부분집합 추출, 파생변수 추가 - 외부데이터 결합분석 - 구글트렌즈 상품별 검색추이(와이드핏) 4. 주요개체 이해 - 개체 속성 정의 - 산점도, 추체선, 막대/파이/선 개체 활용용도 차이 - 선, 도형 개체 삽입 5. 브루클린 데이터셋 연습 - 채널 분석 실습 - 시간대분석 6. 고객분석 마지막 부분 . •컬럼 == 필드 == 속성 == 항목 == 변수 •행 = 로우 row = 레코드 •테이블 ß 엑셀/CSV ..

고객세분화에 대한 이해와 활용방안 2007. BI코리아 고객세분화(customer segmentation)라는 용어는 이제는 특별히 심각한 학술 세미나에서가 아니라도 쉽게 들을 수 있다. 마케팅이나 고객관리와 관련된 업무를 담당하는 사람들이 일상 업무에도 흔히 사용하고 있다. 그러나 그처럼 보편화되었다는 것과 정확한 이해와 활용이 이루어진다는 것과는 별개의 문제인 듯하다. 꽤나 많은 사람들이 그 개념에 대해 오해를 가지고 있기 때문이다. 먼저 대표적인 오해들을 몇 가지 짚어보고 나서 그에 대한 여러 측면을 살펴보고 활용도를 높이기 위한 방안까지 알아본다. 고객세분화와 관련된 오해들 오해 1 RFM 분석은 고객세분화의 대표적인 방법이다 본래 통신판매에서 시작되었다고 하는 RFM (recency, frequ..