PowerPoint 프레젠테이션
|
|
|
- 일우 천
- 5 years ago
- Views:
Transcription
1
2 Agenda 회사소개 Customer challenges Pre-Configured Solution 사례 Special offer or promotion Predictive Analytics Industry Experience Big Data
3 회사소개 - 일반 DS-eTrade Microsoft 의 Cloud Platform & Data Platform 파트너 2000 년창업이래 Supply Chain Planning 컨설팅및고급분석컨설팅부터시스템구축까지가능한한국내최고전문기업 Industry 별전문 Data Scientist 와 Azure Cloud 전문가들이다양한산업부분에서분석플랫폼및컨설팅서비스를제공 잠재적가능성이무한한한국의 Cloud 시장에서고객과함께지속적으로성장하는기업 2015~16 년약 30 건의 Azure 기반 Big data Pilot 및시스템을구축 Solution & Service 제조 / 유통산업에서의고급분석영역에대한 Pre-Configured솔루션제공 - Demand Forecasting, Recommendation, Quality Analytics 게임 / 의료 / 교육등특화시장에서의 Advanced Analytics 모형제공 - 이탈방지모형, Recommendation, 비정상패턴탐지 ( 게임, 의료 ) Microsoft 인지서비스와연계한 AI 서비스제공 - 대화형추천서비스 ( 음성, 영상, Chat) + Contents 추천 Training Microsoft Advanced Analytics 전문교육파트너 (Microsoft R, Azure ML, HDInsight Spark) Cortana Intelligence Suite 과연계된고객별맞춤식 Machine learnin 구현을위한 Handon 교육
4 회사소개 - 사업영역 분석 전문가 Planning 영역의프로세스및모델전문가와통계적분석가 co-work 실제활용가능한 Prediction 영역 최근 Machine Learning 이론을경험한전문인력 1.Demand Forecasting Demand Sensing 자동패턴탐지 신제품예측 프로모션효과분석 Big Data 연계 - POS, 비정형데이터활용 2.Customer Analytics /Recommend System 고객분석, 고객행태예측 유형별상품추천알고리즘 구매패턴예측 Mktg. 전략시뮬레이션 On/Offline 분석 컨설팅 제공 고급분석을통한분석방법 Guide 기존모형의개선방안제시 적합한통계모형제시 데이터연계를통한실증적인효과제시 데이터통합방안제시 3.Advanced SFA (Smart Sales Guide) 영업방문고객추천 고객발주예측 상품추천알고리즘 방문코스최적화 4.Market Intelligence B2B 시장예측 수요시장 Insights 수요시장및수요패턴세분화 수주확률장단기예측 고객별영업전략 Guide 개발및 기술지원 데이터연계 / 모델링 /UI 전체영역의일원화된분석시스템구현 기본패키지 Add-on 을통한 Customizing 개발 R / ML 등을통한통계교육 통계관련지원서비스 5.Service Planning 서비스용자재수요예측 불규칙패턴의평활기법 LTB(Last Time Buy) 시점의 Long Term Forecasting 적정 Inventory 수준산정 6.Field Quality Analytics Field 불량사전예측 공정품질분석 품질이상원인분석 모니터링및조기경보
5 Customer challenges 시장변화에 빠른대처능력필요 실적위주의분석 미래에대한예측분석 Cost Reduction 고객수요대응을위한예측력강화 짧아지는제품의 Lifecycle 대응 완제품재고최소화 Customer Segment 와 pattern 에따른의사결정 Rule 미래분석중심의자동화 무엇을보고 / 어떻게판단해야하는지에대한 Guide 제공 빠르게도입가능한 Built-in Agility Big Data Infra 도입비용의현실화 클라우드, Mobile 등의 IT 기반활용
6 Customer challenges AS-IS 개선점 TO-BE ( 이익 ) 공급망효율화위한최적안은 효율적인계획활동이필요함 Big Data 활용한분석필요함 실적데이터 각종마케팅활동 ( 증정, 할인등 ) 의분석이안되고있음 활동이력 빅데이터기술 + 분석기법 실시간디멘드센싱 급변하는시장환경을재빨리, 그리고정확히파악할수있어야. 매출증대 예측력강화 출하데이터위주의예측 재고수준감소
7 Pre-Configured Solution Sales Guide 솔루션 예측및추천모형활용 수요예측 : 자료유형별예측기법 Pool, 자동예측기법 Selector, 시계열 / 인과모형제공 Segment 분류 / 추천 : 거래유형별패턴분석을통한 Segment 생성, 고객 Scoring 및세분화, Segment 별영업전략시뮬레이션 영업활동방문최적화 : 방문고객추천, 옵션별최적코스도출, 전략적코스변경에따른시뮬레이션 사용자 UI : 태블릿기반 Modern UI 제공 (Smart Sales Force Automation ) 기대효과 자동화된 workflow 기반의실시간 Demand Sensing 선진예측모형탑재로빠르고정확한의사결정을통한매출증대 Tablet, Office 등에기능제공사용자활용극대화
8 Pre-Configured Solution 세부기능 내 / 외부데이터를활용한고객분석및판매량예측모형수립 (Azure Machine Learning) 고객특성을반영한세분화모형 ( 상권, 등급,RFM 등 ) 을통한최적방문고객및방문코스추천모형제공 거래처상황변화에대응가능한시나리오기반의영업전략 ( 프로모션및제품추천 ) 제공 거래처별현황분석및 Trend 분석제공 On/Off 영업활동지원을위한최신업무환경지원 (Tablet Modern UI) 유사업종에서검증된모형기반고객사맞춤식모형제공 (Template 기반 ) 수요예측 수요패턴자동탐지및분류 수요패턴별예측모형자동 Selector 수요패턴에따른일 / 주 / 월예측량생성 신제품 / 프모로션예측 영업활동방문최적화 요일패턴및고객가치에따른방문고객추천 거리, 시간에따른옵션별최적코스도출 전략적코스변경에따른시뮬레이션 Segment 분류 / 추천 고객세분화 (RFM 모형 ) Segment 별교차상품추전 (X-Selling) 모델링 기구매패턴및유사그룹의구매패턴을예측 Segment 별영업전략시뮬레이션 사용자 UI Tablet 기반영업활동 Apps 제공 Self Service Business Intelligence 제공 - 매출예상분석 - 고객상세분석 - 행사효과분석
9 Pre-Configured Solution Overview 급격하게변화하는영업환경에서대처하기위한거래처현장중심의영업활동지원솔루션 판매가이드추천모형 현장중심영업활동지원기능 자료유형별예측기법 Pool 예측기법 Selector 분석모델링및수요예측모형 거래처현황분석및잠재매출분석 거래유형패턴화 거래처및고객스코어링밀세분화 영업력향상및업무효율극대화 방문고객선정및상품추천모델 영업활동방문코스최적화 최신 Machine Learning 기법 SVM, Deep Learning 최신 Recommender 기법 거래유형별 Targeting 세그먼트별전략시뮬레이션 옵션별최적코스도출 전략적코스변경에따른시뮬레이션 일일추천방문코스 영업정책판촉행사 제품별판매추천거래처 영업활동기본기능 거래처별판매제안 영업정책판촉행사 제품정보 / 광고 추천기반가이드기능 최신 Win Apps. Modern UI 적용 미취급거래처현황 거래처기본정보 영업분석정보 영업활동관리기본 고객관리 / 주문처리등
10 Pre-Configured Solution Data Flow 계획생성 영업활동 1-1 기본정보생성 주문주기, 요일패턴 2-1 프로모션전략수립 프로모션품목선정 프로모션효과상품추천 2-3 방문대상및코스 고객가치점수 Rank 시판 평균주문량 프로모션유형효과분석 요일패턴유형 현시점기준 : 경과기간, 기주문량 - 프로모션예측엔진수행 거리, 미팅시간 Base 예측엔진수행 수요패턴도출 ( 간헐성, 일반, 불규칙 ) 주문패턴 ( 일별, 주 1, 월 1 ) 신제품유사상품판매패턴을고려해수요패턴의불규칙성, 변동성과빈도등을예상 2-2 예상 수요생성 신제품및미취급상품추천 신제품유사제품판매패턴생성 거래처유사패턴생성 3-1 권고발주량생성 일자별권고발주량산정 행사물량고려 주문주기, 안전재고, 리드타임고려 권고발주량 유사상품의판매증진을위한판매가능미취급상품추천 추천상품 추천상품발주권고량신제품추천미취급추천프로모션
11 Pre-Configured Solution 예측및추천판매가이드를활용하여영업역량극대화를위한고객및상품추천산출 Machine Learning 데이터정제 / 통계량생성 분석데이터준비 모델링대상정의 ( 폐업등 ) 이상치자료탐색및분석기준 1 분석대상선정 2 탐색적데이터분석 3 폐업여부 마스터상태체크 제외 배송실적 X 최근 3 개월간배송실적 모델링포함 이상점탐색 추천에만포함 매일배송처리 매출액 Big 순 분석기준정립 상권, 영업사원, 프로파일분석 상품군, 품종, 통계적유의미한분석변수선정 Recency Frequency Monetary 상품 분석변수도출 예측요일의배송확률 배송회수증가율 배송시매출액 상품군별비중 예측모형 ( 분류 / 회귀 ) 4 예측방법분류 5 예측 ( 거래처 ) 6 예측결과 ( 단기 / 장기 ) 권고발주량생성 예측 변동 4 분면차트 자료수 예측 Level ( 개별, 배분 ) 과거추이및패턴 외부영향인자 R/F/M 기반의거래처별가치산정 가치점수와예측기반세분화 세분화전략별추천 / 경로최적 7 VALUATION 8 SEGMENTATION 9 OPTIMIZATION 추천 / 최적화모형 Key Factors 세분축 예측수량 대상소매점 세분화 / 추천 항목 R 항목 F 항목 M Scoring Model Valuation 예측수량 세분화전략 대상선정 상품군추천영업최적노선 New New
12 Pre-Configured Solution 추천모형 ( 예시 ) Data Source 고객분석 추천서비스 고객정보 전체고객 Master 1. 고객 Segmentation Recency Frequency M R New 가망고객 동일군내가망고객예측 ( 가망고객지수 ) 멤버쉽대상 Monetary 구매모형등으로 R/F/M 가중치정의 F 점수화 / 가중치 : PCA( 주성분분석 ) 구매예측 : Logistic Regression, Decision Tree Clustering, SVM Deep Learning 상품정보 상품 Master 상품판매이력 2. 세분축도출 상품기본 : Category( 대 / 중 / 소 ), 브랜드 가격대특성 : 가격대, 매출금액비율, 고객비율 주구매고객 : 성별, 연령, 기혼여부, 자녀결제수단, 주구매가격대 고객이용 : 이용고객수, 구매건수, 구매금액, 주이용가격대, 고객가치별 : 고객 Seg 별구매비율 / 건수 재구매이용 : 재구매율, 구매주기 프로모션 : 할인유형, 건수, 평균반응률, 증감율주반응고객, 미반응고객 New 상품추천 Association, Clustering 추천우선순위 구매영향력 Matrix 유사그룹군의구매분석
13 Pre-Configured Solution 아키텍처 *SSIS :SQL Server Integration Service SQL Server 에기본탑재된 Interface Tool(DB2DB, FileToDB 등자동화된 I/F 환경제공 ) **Data Factory : Azure 서비스로내부 / 외부데이터를 Azure 또는외부로 I/F 하는도구 ***PolyBase : 하둡상의데이터를관계형 DB 에서사용하는 SQL 로처리 (SQL-on-Hadoop)
14 Pre-Configured Solution 분석도구 Microsoft 코타나인텔리전스스위트 서비스 Azure 머신러닝 데이터레이크분석 특징 ML Studio 제공 다양한 ML 기법 R, Python embedded Web Service 연계 데이터 Lake 저장소연결 독립적 Spark, Storm 연계 HDInsght 연계 Standard R 의기능을포함한확장기능제공 Tool 기반제공 비용, 활용성, 속도 - SQL Server 통합내장 - 병렬처리 - R 기반 Debugging HDInsight HBASE Apache Spark Storm Microsoft R Azure ML 연계 Open Source ML 연계 - SparkML, Mahout CNTK 스트림분석 실시간분석 IoT Hub 연계 In-Memory 처리 실시간분석연계 (AML)
15 Pre-Configured Solution 분석도구 CNTK
16 사례 N 사 영업사원 판매가이드시스템 본사 ( 분석 ) Advanced SFA 마케팅 / 기획 /SCM Mobile Device 태블릿 PC 영업활동관리 일일추천거래처 일일추천방문코스 거래처별판매제안 제품별판매추천거래처 미취급거래처현황 제품정보 / 광고 영업정책판촉행사 영업분석정보 분석엔진 상품 / 고객세분화 상품추천 프로모션분석 예상매출분석 고객상세분석 전사물류게획 방문상품추천 고객 ( 판매처 ) 주문반품 고객관리 반품 / 회송 제품조회 SFA 기본기능 주문 / 판매 수금 사용자관리 추천소매점코스최적화 발주량예측 MS Machine Learning (R Statistical Package) Batch / Realtime 처리 BI 대리점, 소매점 대형유통, 편의점등 Mobile Middleware ( 웹서비스 ) 시뮬레이션 외부데이터 DB 운영 DB 분석 DB 기존운영 DB 의확장 Factor 변경행사, 배송주기 정형데이터 비정형데이터 산업공통, 경제지표 POS / 시장데이터 News, Blog, SNS : : : : : : 데이터연계 : : : : : : Legacy 시스템 : ERP, WMS/TMS, DW, CRM 등기타
17 Special offer or promotion 초기분석 Infra 투자필요없음 분석과제의빠른검증기간 고객의원하는형태를동시수용 다양한최신알고리즘과오픈소스수용 최근 Machine Learning 의 Trend 를활용한과제도출과수행 [[ Infra + Analytics ]] 신규과제도출 추진과제 (IoT, Machine learning) - Demand Forecasting 고도화 - SFA 기반제안영업활성화영역 - 고객추천및분석을통한 Cloud Marketing Platform - 공정품질및설비고장예측등 IoT 기반과제 Pre-Configured 솔루션제안과제선택후 PoC 수행 ( 효과산출 ) 데이터준비후 2 주 ~4 주 기존시스템대체 기존사용중인분석솔루션대체 - CRM, MES, SCM 등다양한영역 - 기존 SAS, SPSS 상용솔루션사용고객 제안 (Advanced Analytics) - Azure Machine Learning - Microsoft R Server - Cortana Analytics Suite - Spark ML, Deep Learning Toolkit Cloud 기반과제수행을통한빠른효과도출 기업분석업무변화와최근 Trend 접목가능성파악
18 End Of Document 디에스이트레이드
PowerPoint 프레젠테이션
Agenda 회사소개 Customer challenges Pre-Configured Solution 사례 Special offer or promotion Predictive Analytics Industry Experience Big Data 회사소개 - 일반 DS-eTrade Microsoft 의 Cloud Platform & Data Platform 파트너
Microsoft PowerPoint - 3.공영DBM_최동욱_본부장-중소기업의_실용주의_CRM
中 규모 기업의 실용주의CRM 전략 (CRM for SMB) 공영DBM 솔루션컨설팅 사업부 본부장 최동욱 2007. 10. 25 Agenda I. 중소기업의 고객관리, CRM의 중요성 1. 국내외 CRM 동향 2. 고객관리, CRM의 중요성 3. CRM 도입의 기대효과 II. CRM정의 및 우리회사 적합성 1. 중소기업에 유용한 CRM의 정의 2. LTV(Life
歯CRM개괄_허순영.PDF
CRM 2000. 8. KAIST CRM CRM CRM CRM :,, KAIST : 50%-60%, 20% 60%-80%. AMR Research 10.. CRM. 5. Harvard Business review 60%, 13%. Michaelson & Associates KAIST CRM? ( ),,, -,,, CRM needs,,, dynamically
정보기술응용학회 발표
, hsh@bhknuackr, trademark21@koreacom 1370, +82-53-950-5440 - 476 - :,, VOC,, CBML - Abstract -,, VOC VOC VOC - 477 - - 478 - Cost- Center [2] VOC VOC, ( ) VOC - 479 - IT [7] Knowledge / Information Management
歯목차45호.PDF
CRM CRM (CRM : Customer Relationship Management ). CRM,,.,,.. IMF.,.,. (CRM: Customer Relationship Management, CRM )., CRM,.,., 57 45 (2001 )., CRM...,, CRM, CRM.. CRM 1., CRM,. CRM,.,.,. (Volume),,,,,,,,,,
따끈따끈한 한국 Azure 데이터센터 서비스를 활용한 탁월한 데이터 분석 방안 (To be named)
오늘그리고미래의전략적자산 데이터. 데이터에서인사이트까지 무엇이? 왜? 그리고? 그렇다면? Insight 데이터의변화 CONNECTED DIGITAL ANALOG 1985 1990 1995 2000 2005 2010 2015 2020 데이터의변화 CONNECTED DIGITAL ANALOG 1985 1990 1995 2000 2005 2010 2015 2020
Data Industry White Paper
2017 2017 Data Industry White Paper 2017 1 3 1 2 3 Interview 1 ICT 1 Recommendation System * 98 2017 Artificial 3 Neural NetworkArtificial IntelligenceAI 2 AlphaGo 1 33 Search Algorithm Deep Learning IBM
김기남_ATDC2016_160620_[키노트].key
![김기남_ATDC2016_160620_[키노트].key](/thumbs/85/91488855.jpg "김기남_ATDC2016_160620_[키노트].key")
metatron Enterprise Big Data SKT Metatron/Big Data Big Data Big Data... metatron Ready to Enterprise Big Data Big Data Big Data Big Data?? Data Raw. CRM SCM MES TCO Data & Store & Processing Computational
슬라이드 1
[ CRM Fair 2004 ] CRM 1. CRM Trend 2. Customer Single View 3. Marketing Automation 4. ROI Management 5. Conclusion 1. CRM Trend 1. CRM Trend Operational CRM Analytical CRM Sales Mgt. &Prcs. Legacy System
Agenda
Agenda 코타나인텔리전스소개 Gallery, Solution Template 데모1. ML Tutorial : Classification 데모2. HDI 생성방법, Spark notebook demo, Power BI 시각화 데모3. 인지서비스 Live demo, Intelligent Kiosk 데모4. 챗봇 Skype Preview + LUIS Digital
3Æí2Àå¨éÀç
333 442 443 1e 1.1 eecrmeprocurement e eelectronic e e IT 321 444 online offline e front back IT 445 2000 com 1 1.2 322 e e 10 potential customers 446 1.3 e 323 447 Michael Porter 323 2 value chain enterprise
ecorp-프로젝트제안서작성실무(양식3)
(BSC: Balanced ScoreCard) ( ) (Value Chain) (Firm Infrastructure) (Support Activities) (Human Resource Management) (Technology Development) (Primary Activities) (Procurement) (Inbound (Outbound (Marketing
SAS Customer Intelligence SAS Customer Intelligence Suite은 기업이 당면한 다양한 마케팅 과제들을 해결하기 위한 최적의 통합 마케팅 제품군으로 전사적 마케팅 자원관리를 위한 Marketing Operation Manageme
Advanced Analytics 기반의 고객가치 극대화 SAS Customer Intelligence SAS 고객 인텔리전스 SAS Customer Intelligence SAS Customer Intelligence Suite은 기업이 당면한 다양한 마케팅 과제들을 해결하기 위한 최적의 통합 마케팅 제품군으로 전사적 마케팅 자원관리를 위한 Marketing
정보화 산업의 발전단계 : 정보혁명의 진화 정보화 산업의 발전단계 1세기에 두 번 정도의 큰 기술혁명이 이루어져 경제성장의 원동력으로 작용 uit 시대는 정보혁명 중 인터넷 이후의 새로운 기술혁명인 컨버전스 기술이 핵심이 되는 시대 uit 시대는 정보화의 극대화와 타
모바일 혁명이 바꾸는 기업의 미래 모바일 빅뱅의 시대 기업경영환경의 변화 2011. 04. 26 더존 IT 그룹 더존씨앤티 지용구 사장 더존씨앤티 (트위터ID : Jiyonggu / E-mail : todcode@duzon.com) 11 정보화 산업의 발전단계 : 정보혁명의 진화 정보화 산업의 발전단계 1세기에 두 번 정도의 큰 기술혁명이 이루어져 경제성장의
CONTENTS Volume.174 2013 09+10 06 테마 즐겨찾기 빅데이터의 현주소 진일보하는 공개 기술, 빅데이터 새 시대를 열다 12 테마 활동 빅데이터 플랫폼 기술의 현황 빅데이터, 하둡 품고 병렬처리 가속화 16 테마 더하기 국내 빅데이터 산 학 연 관
방송 통신 전파 KOREA COMMUNICATIONS AGENCY MAGAZINE 2013 VOL.174 09+10 CONTENTS Volume.174 2013 09+10 06 테마 즐겨찾기 빅데이터의 현주소 진일보하는 공개 기술, 빅데이터 새 시대를 열다 12 테마 활동 빅데이터 플랫폼 기술의 현황 빅데이터, 하둡 품고 병렬처리 가속화 16 테마 더하기 국내
PowerPoint 프레젠테이션
ㆍ Natural Language Understanding 관련기술 ㆍ Semantic Parsing Conversational AI Natural Language Understanding / Machine Learning ㆍEntity Extraction and Resolution - Machine Learning 관련기술연구개발경험보유자ㆍStatistical
빅데이터_DAY key
Big Data Near You 2016. 06. 16 Prof. Sehyug Kwon Dept. of Statistics 4V s of Big Data Volume Variety Velocity Veracity Value 대용량 다양한 유형 실시간 정보 (불)확실성 가치 tera(1,0004) - peta -exazetta(10007) bytes in 2020
untitled
Logistics Strategic Planning pnjlee@cjcci.or.kr Difference between 3PL and SCM Factors Third-Party Logistics Supply Chain Management Goal Demand Management End User Satisfaction Just-in-case Lower
슬라이드 1
Data-driven Industry Reinvention All Things Data Con 2016, Opening speech SKT 종합기술원 최진성원장 Big Data Landscape Expansion Big Data Tech/Biz 진화방향 SK Telecom Big Data Activities Lesson Learned and Other Topics
Business Agility () Dynamic ebusiness, RTE (Real-Time Enterprise) IT Web Services c c WE-SDS (Web Services Enabled SDS) SDS SDS Service-riented Architecture Web Services ( ) ( ) ( ) / c IT / Service- Service-
PowerPoint Presentation
IoT, 디바이스부터머신러닝까지 놓치지않을꺼에욧 Microsoft Data platform End-to-end 서비스 디바이스및센서데이터연결및처리데이터저장및성능분석프레젠테이션및활용 Internal only Microsoft IoT platform End-to-end 서비스 디바이스및센서 데이터연결및처리데이터저장및성능분석프레젠테이션및활용 각종소형디바이스및센서
Model Investor MANDO Portal Site People Customer BIS Supplier C R M PLM ERP MES HRIS S C M KMS Web -Based
e- Business Web Site 2002. 04.26 Model Investor MANDO Portal Site People Customer BIS Supplier C R M PLM ERP MES HRIS S C M KMS Web -Based Approach High E-Business Functionality Web Web --based based KMS/BIS
15_3oracle
Principal Consultant Corporate Management Team ( Oracle HRMS ) Agenda 1. Oracle Overview 2. HR Transformation 3. Oracle HRMS Initiatives 4. Oracle HRMS Model 5. Oracle HRMS System 6. Business Benefit 7.
Service-Oriented Architecture Copyright Tmax Soft 2005
Service-Oriented Architecture Copyright Tmax Soft 2005 Service-Oriented Architecture Copyright Tmax Soft 2005 Monolithic Architecture Reusable Services New Service Service Consumer Wrapped Service Composite
2017 년 AI 에대한전망 5 predictions for artificial intelligence in 2017, Stuart Frankel, CEO, Narrative Science Interactions Computer Computer Human Compute
AI 를위한 Microsoft 의전략적솔루션 인지서비스및 Bot 프레임워크 한석진부장마이크로소프트 2017 년 AI 에대한전망 5 predictions for artificial intelligence in 2017, Stuart Frankel, CEO, Narrative Science Interactions Computer Computer Human Computer
S Special Report ORACLE이 주도하는 MODERN MARKETING의 세계 각하게 고민하게 되었다. 유통채널인 Place 요소의 혁신적 변화는 최근 O2O(Online To Offline)나 Omni - Channel 혁신이라는 Keyword로 많이 회
S SPECIAL REPORT Oracle이 주도하는 MODERN MARKETING의 세계 기업의 Marketer들은 고객에게 자사의 상품이나 서비스의 판매를 극대화하기 위해 전통적으로 Marketing Mix라는 4P 요소들 (Products, Price, Place, Promotion)을 통해 전략을 수립하고 실행하기 위한 고민을 해왔다. 최근 이 네 가지
02이승민선생_오라클.PDF
Oracle Internet Procurement Agenda 1 2 3 4 5 Introduction Oracle Solution Overview Oracle Internet Procurement Value Proposition Reference Conclusion e-procurement, E- Commerce Internet Automated Transactions
I What is Syrup Store? 1. Syrup Store 2. Syrup Store Component 3.
Deep-Dive into Syrup Store Syrup Store I What is Syrup Store? Open API Syrup Order II Syrup Store Component III Open API I What is Syrup Store? 1. Syrup Store 2. Syrup Store Component 3. 가맹점이 특정 고객을 Targeting하여
CRM Fair 2004
easycrm Workbench ( ) 2004.04.02 I. CRM 1. CRM 2. CRM 3. II. easybi(business Intelligence) Framework 1. 2. - easydataflow Workbench - easycampaign Workbench - easypivot Reporter. 1. CRM 1.?! 1.. a. & b.
DW 개요.PDF
Data Warehouse Hammersoftkorea BI Group / DW / 1960 1970 1980 1990 2000 Automating Informating Source : Kelly, The Data Warehousing : The Route to Mass Customization, 1996. -,, Data .,.., /. ...,.,,,.
PowerPoint 프레젠테이션
I. 문서표준 1. 문서일반 (HY중고딕 11pt) 1-1. 파일명명체계 1-2. 문서등록정보 2. 표지표준 3. 개정이력표준 4. 목차표준 4-1. 목차슬라이드구성 4-2. 간지슬라이드구성 5. 일반표준 5-1. 번호매기기구성 5-2. 텍스트박스구성 5-3. 테이블구성 5-4. 칼라테이블구성 6. 적용예제 Machine Learning Credit Scoring
비식별화 기술 활용 안내서-최종수정.indd
빅데이터 활용을 위한 빅데이터 담당자들이 실무에 활용 할 수 있도록 비식별화 기술과 활용방법, 실무 사례 및 예제, 분야별 참고 법령 및 활용 Q&A 등 안내 개인정보 비식별화 기술 활용 안내서 Ver 1.0 작성 및 문의 미래창조과학부 : 양현철 사무관 / 김자영 주무관 한국정보화진흥원 : 김진철 수석 / 김배현 수석 / 신신애 부장 문의 : cckim@nia.or.kr
Open Cloud Engine Open Source Big Data Platform Flamingo Project Open Cloud Engine Flamingo Project Leader 김병곤
Open Cloud Engine Open Source Big Data Platform Flamingo Project Open Cloud Engine Flamingo Project Leader 김병곤 (byounggon.kim@opence.org) 빅데이터분석및서비스플랫폼 모바일 Browser 인포메이션카탈로그 Search 인포메이션유형 보안등급 생성주기 형식
[Brochure] KOR_TunA
![[Brochure] KOR_TunA](/thumbs/95/123928128.jpg "[Brochure] KOR_TunA")
LG CNS LG CNS APM (TunA) LG CNS APM (TunA) 어플리케이션의 성능 개선을 위한 직관적이고 심플한 APM 솔루션 APM 이란? Application Performance Management 란? 사용자 관점 그리고 비즈니스 관점에서 실제 서비스되고 있는 어플리케이션의 성능 관리 체계입니다. 이를 위해서는 신속한 장애 지점 파악 /
08SW
www.mke.go.kr + www.keit.re.kr Part.08 654 662 709 731 753 778 01 654 Korea EvaluationInstitute of industrial Technology IT R&D www.mke.go.kr www.keit.re.kr 02 Ministry of Knowledge Economy 655 Domain-Specific
Cloud Friendly System Architecture
-Service Clients Administrator 1. -Service 구성도 : ( 좌측참고 ) LB(LoadBlancer) 2. -Service 개요 ucloud Virtual Router F/W Monitoring 개념 특징 적용가능분야 Server, WAS, DB 로구성되어 web service 를클라우드환경에서제공하기위한 service architecture
Microsoft PowerPoint - 6.CRM_Consulting.ppt
고객DB로 가치를 창출해 내는 CRM 컨설팅 제안? 현장 CRM 컨설팅? 분석 CRM 컨설팅 AGENDA I. I. 공영 DBM 소개 II. II. III. III. IV. 컨설팅 구성 컨설팅 추진 방법론 CRM 컨설팅 사례 V. V. 컨설턴트 소개 -1- I-1 공영DBM 서비스 범위 I. 공영 DBM 소개? 공영DBM은 CRM Portal 전문기업으로써,
Bigdata가 제공하는 구체적인 혜택과 변화 양상 기업의 데이터 기반의 의사결정 시스템 구축 의지 확대 양상 빅데이터를 활용한 경영 및 마케팅 지속적인 증가세 뚜렷 빅데이터를 도입한 기업은 사전 기대를 뛰어넘는 효과를 경험 본 조사 내용은 美 BARC- Researc
Bigdata가 제공하는 구체적인 혜택과 변화 양상 기업의 데이터 기반의 의사결정 시스템 구축 의지 확대 양상 빅데이터를 활용한 경영 및 마케팅 지속적인 증가세 뚜렷 빅데이터를 도입한 기업은 사전 기대를 뛰어넘는 효과를 경험 본 조사 내용은 美 BARC- Researcht 社 가 2015년 대륙별 표본을 추출한 글로벌 546개사를 대상으로 리서치를 수행하여
PowerPoint Presentation
SAP HANA 와 Predictive Analytics 를홗용한 IoT & Big Data 의인사이트도출 이철 / SAP Korea 2016.04.05 2015 2014 SAP AG. SE or All rights an SAP reserved. affiliate company. All rights reserved. 1 AGENDA 1 2 3 4 5 분석에대한니즈의변화
Cover Story 01 20 Oracle Big Data Vision 01_Big Data의 배경 02_Big Data의 정의 03_Big Data의 활용 방안 04_Big Data의 가치
Oracle Big Data 오라클 빅 데이터 이야기 Cover Story 01 20 Oracle Big Data Vision 01_Big Data의 배경 02_Big Data의 정의 03_Big Data의 활용 방안 04_Big Data의 가치 최근 빅 데이터에 대한 관심이 커지고 있는데, 그 배경이 무엇일까요? 정말 다양한 소스로부터 엄청난 데이터들이 쏟아져
PowerPoint 프레젠테이션
2003 CRM (Table of Contents). CRM. 2003. 2003 CRM. CRM . CRM CRM,,, Modeling Revenue Legacy System C. V. C. C V.. = V Calling Behavior. Behavior al Value Profitability Customer Value Function Churn scoring
PowerPoint Presentation
1 2 Enterprise AI 인공지능 (AI) 을업무에도입하는최적의제안 Taewan Kim Solution Engineer Data & Analytics @2045 Imagine the endless possibilities to learn from 2.5 quintillion bytes of data generated every day AI REVOLUTION
PowerPoint 프레젠테이션
Microsoft Power BI on Big Data Platform 아젠다 Ⅰ Ⅱ Ⅲ Microsoft Power BI on Big Data Platform 소개 Microsoft Power BI on Big Data Platform 구축사례 메이븐클라우드서비스소개 Microsoft Power BI on Big Data Platform 소개 Microsoft
2016_Company Brief
1MILLIMETER Creative Agency / Tiny Make Big. Copyrights all-rights reserved. 2016/1-mm.net 1MILLIMETER // Copyright all-rights reserved. 2016/1-mm.net Distance Between You & Us & Tiny Make Big 1MILLIMETER
[한반도]한국의 ICT 현주소(송부)
![[한반도]한국의 ICT 현주소(송부)](/thumbs/91/105475683.jpg "[한반도]한국의 ICT 현주소(송부)")
ICT 2016. 5. 3 SKT KT LGU+ ( ) ( ) ( ) 18,000 15939 16141 16602 17164 17137 18,000 21990 23856 23811 23422 22281 12,000 10905 11450 11000 10795 13,500 13,425 9,000 9185 9,000 8,850 6,000 4,500 4,275 3,000-0
OZ-LMS TM OZ-LMS 2008 OZ-LMS 2006 OZ-LMS Lite Best IT Serviece Provider OZNET KOREA Management Philosophy & Vision Introduction OZNETKOREA IT Mission Core Values KH IT ERP Web Solution IT SW 2000 4 3 508-2
Agenda I. What is SRM? II. Why SRM? Trend, III. Function / To-be - IV. V. Critical Success Factor 2
(Procurement Engineering) - Engineering Introduction & Case study 2006. June 8 th Yoon-chang So / IBM GBS Agenda I. What is SRM? II. Why SRM? Trend, III. Function / To-be - IV. V. Critical Success Factor
AGENDA 01 02 03 모바일 산업의 환경변화 모바일 클라우드 서비스의 등장 모바일 클라우드 서비스 융합사례
모바일 클라우드 서비스 융합사례와 시장 전망 및 신 사업전략 2011. 10 AGENDA 01 02 03 모바일 산업의 환경변화 모바일 클라우드 서비스의 등장 모바일 클라우드 서비스 융합사례 AGENDA 01. 모바일 산업의 환경 변화 가치 사슬의 분화/결합 모바일 업계에서도 PC 산업과 유사한 모듈화/분업화 진행 PC 산업 IBM à WinTel 시대 à
Agenda 오픈소스 트렌드 전망 Red Hat Enterprise Virtualization Red Hat Enterprise Linux OpenStack Platform Open Hybrid Cloud
오픈소스 기반 레드햇 클라우드 기술 Red Hat, Inc. Senior Solution Architect 최원영 부장 wchoi@redhat.com Agenda 오픈소스 트렌드 전망 Red Hat Enterprise Virtualization Red Hat Enterprise Linux OpenStack Platform Open Hybrid Cloud Red
빅데이터 시대의 전자상거래 초판인쇄 2015년 8월 15일 초판발행 2015년 8월 12일 지은이 노규성 김의창 문용은 박성택 이승희 임기흥 정기호 펴낸이 김승기 펴낸곳 (주)생능 / 주소 경기도 파주시 광인사길 143 출판사 등록일 2014년 1월 8일 / 신고번호
빅데이터 시대의 전자상거래 초판인쇄 2015년 8월 15일 초판발행 2015년 8월 12일 지은이 노규성 김의창 문용은 박성택 이승희 임기흥 정기호 펴낸이 김승기 펴낸곳 (주)생능 / 주소 경기도 파주시 광인사길 143 출판사 등록일 2014년 1월 8일 / 신고번호 제2014-000003호 대표전화 (031)955-0761 / 팩스 (031)955-0768
歯부장
00-10-31 1 (1030) 2/26 (end-to-end) Infrastructure,, AMR. e-business e-business Domain e-business B2B Domain / R&D, B2B B2E B2C e-business IT Framework e-business Platform Clearance/Security * e-business
Global Bigdata 사용 현황 및 향후 활용 전망 빅데이터 미도입 이유 필요성 못느낌, 분석 가치 판단 불가 향후 투자를 집중할 분야는 보안 모니터링 분야 와 자동화 시스템 분야 빅데이터의 핵심 가치 - 트랜드 예측 과 제품 개선 도움 빅데이터 운영 애로 사항
Global Bigdata 사용 현황 및 향후 활용 전망 빅데이터 미도입 이유 필요성 못느낌, 분석 가치 판단 불가 향후 투자를 집중할 분야는 보안 모니터링 분야 와 자동화 시스템 분야 빅데이터의 핵심 가치 - 트랜드 예측 과 제품 개선 도움 빅데이터 운영 애로 사항 - 재직자 전문성, 복잡성으로 인해 알고리즘 개발 난항 본 조사 내용은 美 Techpro Research
ETL_project_best_practice1.ppt
ETL ETL Data,., Data Warehouse DataData Warehouse ETL tool/system: ETL, ETL Process Data Warehouse Platform Database, Access Method Data Source Data Operational Data Near Real-Time Data Modeling Refresh/Replication
SAP ERP SAP Korea / Public &
SAP ERP 2006.6.14 SAP Korea / Public & IT ( 1/2 )? 94% 6% SAP Korea 2006, SAP ERP 2 업무프로세스혁신을통한차별화 ( 차별화된가치 ) 가관건입니다. 하지만현실은 SAP Korea 2006, SAP ERP 3 SAP Korea 2006, SAP ERP 4 2010 The Public Sector Commitment
1224_2008forecast.hwp
2008년 국내외 SW 시장 전망 2007. 12. 24 오는 2008 년 전 세계 주요국의 경제성장이 둔화될 것으로 전망되고 있는 가운데, 전 세계 IT 수요 역시 소폭 감소할 것으로 전망되고 있다. IDC는 세계 경기의 불확실 성과 경기 하강의 위험으로 미국을 비롯한 여타 지역의 IT 투자 증가세가 꺾일 것으 로 전망하면서, 전 세계 IT 시장 성장률은
SW¹é¼Ł-³¯°³Æ÷ÇÔÇ¥Áö2013
SOFTWARE ENGINEERING WHITE BOOK : KOREA 2013 SOFTWARE ENGINEERING WHITE BOOK : KOREA 2013 SOFTWARE ENGINEERING WHITE BOOK : KOREA 2013 SOFTWARE ENGINEERING WHITE BOOK : KOREA 2013 SOFTWARE ENGINEERING
슬라이드 1
삼성그룹을위한 Microsoft BI Day: 지속적인비즈니스성과향상을위한제 3 세대비즈니스인텔리전스설명회 i2 Intelligence Shin, Ho-Sub Industry Executive i2 Technologies, Inc. 전사적 System Integration Role Based Web UI Demand/Supply Collaboration i2
Portal_9iAS.ppt [읽기 전용]
![Portal_9iAS.ppt [읽기 전용]](/thumbs/104/163081918.jpg "Portal_9iAS.ppt [읽기 전용]")
Application Server iplatform Oracle9 A P P L I C A T I O N S E R V E R i Oracle9i Application Server e-business Portal Client Database Server e-business Portals B2C, B2B, B2E, WebsiteX B2Me GUI ID B2C
Æí¶÷4-¼Ö·ç¼Çc03ÖÁ¾š
솔루션 2006 454 2006 455 2006 456 2006 457 2006 458 2006 459 2006 460 솔루션 2006 462 2006 463 2006 464 2006 465 2006 466 솔루션 2006 468 2006 469 2006 470 2006 471 2006 472 2006 473 2006 474 2006 475 2006 476
클라우드컴퓨팅확산에따른국내경제시사점 클라우드컴퓨팅확산에따른국내경제시사점 * 1) IT,,,, Salesforce.com SaaS (, ), PaaS ( ), IaaS (, IT ), IT, SW ICT, ICT IT ICT,, ICT, *, (TEL)
클라우드컴퓨팅확산에따른국내경제시사점 클라우드컴퓨팅확산에따른국내경제시사점 * 1) IT,,,, Salesforce.com SaaS (, ), PaaS ( ), IaaS (, IT ), IT, SW ICT, ICT IT ICT,, ICT, *, (TEL) 02-570-4352 (e-mail) jjoon75@kisdi.re.kr 1 The Monthly Focus.
160322_ADOP 상품 소개서_1.0
상품 소개서 March, 2016 INTRODUCTION WHO WE ARE WHAT WE DO ADOP PRODUCTS : PLATON SEO SOULTION ( ) OUT-STREAM - FOR MOBILE ADOP MARKET ( ) 2. ADOP PRODUCTS WHO WE ARE ADOP,. 2. ADOP PRODUCTS WHAT WE DO ADOP,.
KRG. IT Research & Consulting... Providing INSIGHT Into IT Market.. Developing Business STRATEGY.. Supporting Marketing ACTIVITY 주요 수행 프로젝트 IT기업 성장성 평
2009 IT Service 시장 전망 2009.1.22 Knowledge Research Group www.krgweb.com KRG. IT Research & Consulting... Providing INSIGHT Into IT Market.. Developing Business STRATEGY.. Supporting Marketing ACTIVITY
PowerPoint 프레젠테이션
In-memory 클러스터컴퓨팅프레임워크 Hadoop MapReduce 대비 Machine Learning 등반복작업에특화 2009년, UC Berkeley AMPLab에서 Mesos 어플리케이션으로시작 2010년 Spark 논문발표, 2012년 RDD 논문발표 2013년에 Apache 프로젝트로전환후, 2014년 Apache op-level Project
자동화된 소프트웨어 정의 데이터센터
사례로보는 Big Data 프로젝트의 Success Factor 한지수이사 한국이엠씨컴퓨터시스템즈 1 목차 Big Data는무엇인가? BI/DW와 Big Data의차이점? Big Data프로젝트의목표 Big Data 프로젝트수행의 3가지어려움 Big Data 프로젝트사례와시사점 Key Success Factor Big Data 수행을위한조직 Big Data
재영 솔루텍의 Vision 달성을 위하여…
S&OP 2004. 6. 17 ( /, Intellic Inc.) e-mail: daeyoung.chung@intellic.co.kr CONTENTS 1. SCM Trends Global SCM 7 Principles of SCM 2. S&OP? 3. S&OP 4. S&OP 5. Q&A 2 , SCM SCM Initiative SCM? 3 SCM? Moderately
Slide 1
SAS Visual Analytics: In-Memory 분석엔진기반의 Big Data 시각적분석 박현옥부장 SAS Korea Agenda Big Data Analysis - Issues Case Study Big Data Analytics를위한 SAS 분석아키텍쳐 SAS Visual Analytics의특징 데모 활용방안 Big Data Analytics -
sehyun_brochure
SmartGeoKit Series HTML5 기반 Web/Mobile 2D GIS Engine 빠르고쉬운 2D GIS 시스템구현가능 2D GIS Engine 3D GIS Engine WebGL 기반 Web/Mobile 3D GIS Engine 3D Object 관리및편집기능 외부모델링파일연계기능 SmartGeoKit CAD View HTML5 Canvas 기반무손실
Oracle CX Cloud
www.oracle.com/kr Applications CX (Customer Experience) 문의 오라클 클라우드 애플리케이션에 대한 자세한 정보는 www.oracle.com/kr/cloud 에서 확인하거나 080-2194-114로 전화하여 한국오라클 담당자에게 문의하십시오. 오라클은 환경 보호에 도움이 되는 서비스와 제품을 개발하기 위해 노력하고 있습니다.
PowerPoint 프레젠테이션
CRM Fair 2004 Spring Copyright 2004 DaumSoft All rights reserved. INDEX Copyright 2004 DaumSoft All rights reserved. Copyright 2004 DaumSoft All rights reserved. Copyright 2004 DaumSoft All rights reserved.
Oracle Apps Day_SEM
Senior Consultant Application Sales Consulting Oracle Korea - 1. S = (P + R) x E S= P= R= E= Source : Strategy Execution, By Daniel M. Beall 2001 1. Strategy Formulation Sound Flawed Missed Opportunity
about_by5
WWW.BY5IVE.COM BYFIVE CO. DESIGN PARTNERS MAKE A DIFFERENCE BRAND EXPERIENCE CONSULTING & DESIGN PACKAGE / OFF-LINE EDITING CONSULTING & DESIGN USER EXPERIENCE (UI/GUI) / ON-LINE EDITING CONSULTING & DESIGN
? Search Search Search Search Long-Tail Long-Tail Long-Tail Long-Tail Media Media Media Media Web2.0 Web2.0 Web2.0 Web2.0 Communication Advertisement
Daum Communications CRM 2007. 3. 14. ? Search Search Search Search Long-Tail Long-Tail Long-Tail Long-Tail Media Media Media Media Web2.0 Web2.0 Web2.0 Web2.0 Communication Advertisement Communication
170918_hjk_datayanolja_v1.0.1.
모 금융회사 오픈소스 및 머신러닝 도입 이야기 김 형 준 2 0 발표자소개 1 인터넷폐쇄망에서분석시스템구축 (feat. 엔지니어가없을때 ) 2 분석보고서자동화 3 Machine Learning 삽질기 ( 분석 & 개발 ) 3 0 발표자소개 1 인터넷폐쇄망에서분석시스템구축 (feat. 엔지니어가없을때 ) 2 분석보고서자동화하기 3 Machine Learning
Microsoft PowerPoint - CRM 추진전략 방법론
CRM 추진전략방법론 I. CRM 수행방법론 1. 고객이해와고객관계 고객의이해단계는고객자료현황파악, 고객특성분석, 상품 / 서비스분석, 채널분석과고객가치척도개발로구성됨. 고객이해단계에서이루어진고객에관한종합적인이해는고객관계활동의기반으로활용됨. 고객이해 고객관계 Marketing Offering 상품 고객가치 고객 채널 I Test Marketing 기획 Test
이제는 쓸모없는 질문들 1. 스마트폰 열기가 과연 계속될까? 2. 언제 스마트폰이 일반 휴대폰을 앞지를까? (2010년 10%, 2012년 33% 예상) 3. 삼성의 스마트폰 OS 바다는 과연 성공할 수 있을까? 지금부터 기업들이 관심 가져야 할 질문들 1. 스마트폰은
Enterprise Mobility 경영혁신 스마트폰, 웹2.0 그리고 소셜라이프의 전략적 활용에 대하여 Enterpise2.0 Blog : www.kslee.info 1 이경상 모바일생산성추진단 단장/경영공학박사 이제는 쓸모없는 질문들 1. 스마트폰 열기가 과연 계속될까? 2. 언제 스마트폰이 일반 휴대폰을 앞지를까? (2010년 10%, 2012년 33%
istay
` istay Enhanced the guest experience A Smart Hotel Solution What is istay Guest (Proof of Presence). istay Guest (Proof of Presence). QR.. No App, No Login istay. POP(Proof Of Presence) istay /.. 5% /
슬라이드 1
4. Mobile Service Technology Mobile Computing Lecture 2012. 10. 5 안병익 (biahn99@gmail.com) 강의블로그 : Mobilecom.tistory.com 2 Mobile Service in Korea 3 Mobile Service Mobility 4 Mobile Service in Korea 5 Mobile
OUR INSIGHT. YOUR FUTURE. Disclaimer Presentation ( ),. Presentation,..,,,,, (E).,,., Presentation,., Representative.( ). ( ).
OUR INSIGHT. YOUR FUTURE. Disclaimer Presentation ( ),. Presentation,..,,,,, (E).,,., Presentation,., Representative.( ). ( ). Investor Relations 2016 Contents Prologue Chapter1. 네트워크 솔루션 전문기업 Chapter2.
歯Final-Handout.PDF
In pursuit of Media Excellence How to Maximize Your Return On Media Investment 2003123 35 35 30 25 20 20 15 10 10 5 0 => => GRPs GRPs 02/01-254 352 02/02-180 254 02/03-180 254 02/04-180 254 02/05-187
Office 365, FastTrack 4 FastTrack. Tony Striefel FastTrack FastTrack
FastTrack 1 Office 365, FastTrack 4 FastTrack. Tony Striefel FastTrack FastTrack 5 11 2 FASTTRACK 소개 디지털 혁신은 여기서 시작합니다. Microsoft FastTrack은 Microsoft 클라우드를 사용하여 고객이 신속하게 비즈니스 가치를 실현하도록 돕는 고객 성공 서비스입니다.
사물인터넷비즈니스빅뱅_내지_11차_160421.indd
사물인터넷 빅뱅 2016. 연대성 All Rights Reserved. 초판 1쇄 발행 2016년 4월 29일 지은이 연대성 펴낸이 장성두 펴낸곳 제이펍 출판신고 2009년 11월 10일 제406 2009 000087호 주소 경기도 파주시 문발로 141 뮤즈빌딩 403호 전화 070 8201 9010 / 팩스 02 6280 0405 홈페이지 www.jpub.kr
03여준현과장_삼성SDS.PDF
Procurement Extended IP Business Application Business Application Business Application Business Application Business Application Internet Business Application Sourcing Market efficiency Private e-marketplace
소식지3월호
2013 3 2013 3 25 154 4 02)2669.0700 www.kpipa.or.kr Contents 03 05 06 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 28 30 32 www.kpipa.or.kr -3- Publication Industry Promotion Agency of Korea
소식지4월호
2013 4 2013 4 25 154 4 02)2669.0700 www.kpipa.or.kr Contents 03 09 11 12 12 12 13 13 14 14 15 15 15 16 17 17 17 18 18 19 19 19 20 20 21 21 22 22 23 23 24 24 24 25 25 26 26 27 27 28 34 35 37 45 www.kpipa.or.kr
슬라이드 1
Data Warehouse 통합솔루션 회사연혁 Teradata Corporation (NYSE: TDC) 은 30 년이상업계를선도하며, 전세계적으로 Big Data 및데이터웨어하우스관련 Analytic 솔루션과컨설팅서비스를제공하는최고의기술을보유한 Global 기업 Teradata 본사 한국 Teradata 미국오하이오주 Dayton에세계최초의금전등록기제조사
aws
Amazon Web Services AWS MIGRATION MANAGED SERVICE FOR AWS 베스핀글로벌 S AWS OFFERING 베스핀글로벌과 Amazon Web Services (AWS) 가 여러분의 비즈니스에 클라우드 날개를 달아드립니다. AWS에 높은 이해도를 갖춘 베스핀글로벌의 클라우드 전문가가 다양한 산업 영역에서의 구축 경험과 노하우를
Microsoft Word - 조병호
포커스 클라우드 컴퓨팅 서비스 기술 및 표준화 추진 동향 조병호* 2006년에 클라우딩 컴퓨팅이란 용어가 처음 생겨난 이래 글로벌 IT 기업 CEO들이 잇달아 차 기 핵심 기술로 클라우드 컴퓨팅을 지목하면서 전세계적으로 클라우드 컴퓨팅이라는 새로운 파 라다임에 관심이 고조되고 있다. 클라우드 컴퓨팅 기술을 이용하면 효율적인 IT 자원을 운용할 수 있으며 비용절감
consulting
CONSULTING 전략 컨설팅 클라우드 마이그레이션 애플리케이션 마이그레이션 데이터 마이그레이션 HELPING YOU ADOPT CLOUD. 클라우드로 가기로 결정했다면 누구와 함께 갈지를 선택해야 합니다. 처음부터 끝까지 믿을만한 파트너를 찾는다면 베스핀글로벌이 정답입니다. 전략 컨설팅 다양한 클라우드 공급자가 존재하고, 클라우드 공급자마다 다른 장단점을
untitled
9 차시 2 강 기업의 CRM 전략 (2) 01. 학습목표 CRM 운영지원전략에대해이해할수있다. CRM 운영지원전략의세부전략에대해설명할수있다. CRM 전략아키텍처 02. 학습내용 CRM 운영지원전략 CRM 운영지원세부전략 CRM 전략아키텍처 CRM 프로세스 관계획득전략 관계유지전략 관계강화전략 전략 핵심고객관리 캠페인관리 제휴마케팅 CRM 기반전략 CRM 운영지원전략
SECTION TITLE A PURE PRIMER (AI), // 1
SECTION TITLE A PURE PRIMER (AI), // 1 ,...,.,,. AI Enlitic.. Aipoly Microsoft Seeing AI.,, " ",. 4. 4..,.,?.. AI Drive.ai Lyft. // 1 .,.. 1. 2. 3.,. 50~100,., (AI) 4.,,.,.. // 2 ,,. 1 (HAL VARIAN) //,
PowerPoint 프레젠테이션
CRM Data Quality Management 2003 2003. 11. 11 (SK ) hskim226@skcorp.com Why Quality Management? Prologue,,. Water Source Management 2 Low Quality Water 1) : High Quality Water 2) : ( ) Water Quality Management
논단 : 제조업 고부가가치화를 통한 산업 경쟁력 강화방안 입지동향 정책동향 <그림 1> ICT융합 시장 전망 1.2 2.0 3.8 681 1,237 365 2010년 2015년 2020년 <세계 ICT융합 시장(조 달러)> 2010년 2015년 2020년 <국내 ICT
산업입지 Vol.61 ICT융합을 통한 제조업의 고부가가치화 방안 정보통신산업진흥원 수석연구원 김 민 수 1. 머리말 2. 국내외 ICT융합동향 3. ICT융합을 통한 국내 제조업의 고부가가치화 사례 4. 맺음말 1. 머리말 융합(convergence)이 세계적으로 화두가 된 것은 2002년 미국 국가과학재단(NsF)의 인간수행능력 향상을 위한 융합 기술 전략
[메이븐] 8P 브로셔_1910(2)
![[메이븐] 8P 브로셔_1910(2)](/thumbs/103/161245947.jpg "[메이븐] 8P 브로셔_1910(2)")
on Big Data Platform 활용방법 - - Copyright 2019 by MAVEN Cloud Service Co., Ltd. All rights reserved. on Big Data Platform on Big Data Platform 활용방법 활용방법 메이븐클라우드서비스는 Big data End to End Platform 기반의 를활용하고자하는고객사의도입목적에따른적용을위해아래와같은활용을제안합니다.
고객 지향적인 IT 투자와 운영이 요구되는 시대! 2014년 현재 유통, 서비스 업계의 정보화 화두는 BYOD 수용과 고객의 마음을 읽는 분석 입니다. Market Overview _ Cross Industry 의 정보화 동향 유통과 서비스 업계의 IT 환경은 발 빠르
무엇이든 물어보세요! 4 3 고객 지향적인 IT 투자와 운영이 요구되는 시대! 2014년 현재 유통, 서비스 업계의 정보화 화두는 BYOD 수용과 고객의 마음을 읽는 분석 입니다. Market Overview _ Cross Industry 의 정보화 동향 유통과 서비스 업계의 IT 환경은 발 빠르게 고객 지향적인 방향으로 발전해 가고 있다. 제품과 서비스를
KEIT PD(15-11)-수정1차.indd
/ KEIT SW PD / KEIT SW PD SUMMARY * (, 2013) : 3(2010) 5(2013) 6(2018E) ICT (,, CPS),, (, ) (,,, ) ICT - - - - -, -, -, -,, - ( ~ ~ ) - CPS, IoT, -- KEIT PD Issue Report PD ISSUE REPORT NOVEMBER 2015 VOL
<A1DAC1D6BFE4BACEB9AE20B0E6B7C2C1F7C3A4BFEB20C1F7B9ABB1E2BCFABCAD28C1BEC7D5292D76332E786C73>
HRD 부문 직무기술서1 1. HRD기획 직군 일반직 직 종 교육 직무명 교육기획 소속팀 HRD기획팀 필요직급 과장~차장급 작성일자 2011-04-20 주요활동 책임 전사 교육전략 교육방침을 수립하고 당해년도 교육실적(교육투자예산)을 평가 관리한다. 교육체계 교육제도의 수립 관리 운영, HRD 역량개발 업무 HRD협의체를 운영한다. 사회적 트렌드, 경영방침,
ecorp-프로젝트제안서작성실무(양식4)
/ / Selling Point Solution Next Business Proposal 1 1 1 review 2 2 2 review Why What How (Service) / Knowledge Asset Library Risk Risk ( ) Risk. Risk Cost