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 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 1 2 3 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
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
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
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
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
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
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
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 4 1-2 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
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 ( 상품 @ 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
Pre-Configured Solution 추천모형 ( 예시 ) Data Source 고객분석 추천서비스 고객정보 전체고객 Master 1. 고객 Segmentation Recency Frequency 1 2 9 10 1 2 9 10 M R New 가망고객 동일군내가망고객예측 ( 가망고객지수 ) 멤버쉽대상 Monetary 1 2 9 10 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
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)
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)
Pre-Configured Solution 분석도구 CNTK
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
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
End Of Document 디에스이트레이드