Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
KAIST 테크노경영대학원허순영
Data WarehousingData Warehousing
1998. 101998. 10
KAIST KAIST 크노경 학원크노경 학원
허허 순순 수수
KAIST 테크노경영대학원허순영
목목 차차
2. 2. 전략 과전략 과 사결정사결정
3. Data Warehousing 3. Data Warehousing 정정
5. IT5. IT 케팅케팅 계계
4. 4. 스 케팅스 케팅
1. Data Warehousing 1. Data Warehousing 등등
KAIST 테크노경영대학원허순영
포 500------------------------------------1970년 8 GB1980년 350 GB1990년 28,000 GB2000년 400,000 GB
1960 1970 1980 1990 2000
수집 접근 네비게 닝
정보
술투
OLTP
정보
(Informating)
동
(Automating))
1. 1. 웨어하 스웨어하 스 등등
수 에수 에 정보정보 근근
KAIST 테크노경영대학원허순영
Data Warehousing
Data Database
Information Data Warehouse
Knowledge Organization Memory
1. 1. 웨어하 스웨어하 스 등등 ((계계 ))
KAIST 테크노경영대학원허순영
수 에수 에 정보정보 근근
•• 시시 점점 계계 저하 는저하 는 그그 경경
•• 고객고객 만족 수만족 수 량량 고객고객 누누 체적 로체적 로 파악파악 안안
•• 극심한극심한 경경 상상 , , 추측추측 나나 정 한정 한 하 에는하 에는 너무너무 규 가규 가 큼큼
•• 다양한다양한 사업사업 내역들에내역들에 한한 가치가치 평가나평가나 조조 조정조정 과적 로과적 로 하고하고 싶싶 , ,
종합적종합적 상상 판단판단 할할 수수 는는 료료
•• 전산전산 보고 가보고 가 넘치나넘치나 정정 필 한필 한 정보는정보는 찾찾 수수 없없 . .
•• 료료 수집하는수집하는 시간시간 너무너무 많많 뺏겨뺏겨 정정 할할 시간시간 갖갖 함함..
•• 적적 스가스가 거래처 시스거래처 시스 안에안에 산 하나산 하나 약해약해 보보 어려어려 ..
Data Warehousing1. 1. 웨어하 스웨어하 스 등등 ((계계 ))
KAIST 테크노경영대학원허순영
최근최근 들들 정보정보 ScenarioScenario
•• 수퍼수퍼 켓켓: : 비비 매매 패패 , POS Data, POS Data로로 , , 매매 상품상품
열에열에 . . ) ) 한한 상품상품 다다 상품과상품과연 어연 어 복복 매 는가매 는가? ? 또한또한
역 로역 로상품상품 판매판매 상상 하여하여, , 켓 로켓 로최적최적 고고 하고하고, ,
매 적당매 적당매출매출 규규 늘늘 ..
•• 행행//보험 사보험 사: : 고객고객 산산 정보정보 종합종합수집수집, , 타상품에타상품에 한한
차판매차판매(Cross(Cross--Sell) Sell) 정책정책수수
•• 항공 사항공 사: : 고객고객 록에록에 거거, , 보너스보너스제공제공//고객고객 다다 표표 매매
. . 노노 매출매출상상 , , 정정 노 에노 에 한한최적최적 가격정책가격정책 수수 . .
•• 신 사신 사: DW: DW 하여하여사사 패패 파악파악, , 수수 고객고객 찾아찾아 냄냄. .
•• DMDM 주로주로 하는하는 사사: : 고객고객 최최 시킬시킬 수수 록록타겟팅타겟팅
해해 함함..
1. 1. 웨어하 스웨어하 스 등등 ((계계 )) Data Warehousing
KAIST 테크노경영대학원허순영
등등 경경: : 가 는가 는시시 간간경경
•• 경경 심심 // 축축
할 점할 점
•• 계 에계 에 무한무한 경경
M&A ISM&A IS
Nissan InfinityNissan Infinity
•• 상품상품// 비스비스수 주수 주 단축단축
수수 , , 비비 패패
•• Activity Cost ManagementActivity Cost Management
신 하고신 하고정 한정 한 Activity Activity 원가원가 파악파악 가치가치
Data Warehousing1. 1. 웨어하 스웨어하 스 등등
KAIST 테크노경영대학원허순영
등등 경경: : 술술
–– 량량처처 H/WH/W
–– 클라 트클라 트// 키 춰키 춰
–– 계계 타 스타 스
–– 병 처병 처
–– OLAP (OnOLAP (On--Line Analysis Program)Line Analysis Program)
–– Data MiningData Mining
Data Warehousing1. 1. 웨어하 스웨어하 스 등등
KAIST 테크노경영대학원허순영
원원집집정정
2. 2. 전략전략 과과 사결정사결정 원원 Data Warehousing
시 내시 내경경 전략전략
신규
무
공
수 에매수 큼
경
경 강 높매
시 , 매향,
체
체 정
전 비 여
KAIST 테크노경영대학원허순영
고객고객비스비스
물물 //판매판매생산생산// 치치원료원료//상품상품 매매
조조 Infrastructure Infrastructure 원원 (OA, (OA, , , 계계))
련련 사사
R & D R & D 술술 개개
가가 연연 핵심핵심프 스프 스 파파
2. 2. 전략전략 과과 사결정사결정 원원 Data Warehousing
KAIST 테크노경영대학원허순영
주주 공공 (Critical Success Factor) (Critical Success Factor) 파파과과 정정 (Performance Measure) (Performance Measure) 추출추출
2. 2. 전략전략 과과 사결정사결정 원원
고객만족고객만족무적 수무적 수
내 프로 스향상
내 프로 스향상
업무 신과조 학습능력
양
업무 신과조 학습능력
양
( )
•신상품 매출 비•신규고객 가•고객 만족 품
•시 점•ROI & ROA•매출 가
•주문에 달 납•단 생산 비• 고 수
•신 제품•각종• 원 퇴
Data Warehousing
KAIST 테크노경영대학원허순영
EIS
DSS
MIS
TPS
적 정보시스
포트폴
DSS
MIS
TPS
EIS
존 정보시스
포트폴
2. 2. 전략전략 과과 사결정사결정 원원
등등 경경: : 결정결정 원원시스시스 미비미비
KAIST 테크노경영대학원허순영
“Data Warehousing is a program dedicated to“Data Warehousing is a program dedicated to
the delivery of information which advances decision the delivery of information which advances decision
making, improves business practices and enables making, improves business practices and enables
knowledge workers.” knowledge workers.” -- Price WaterhousePrice Waterhouse
웨어하 징 란웨어하 징 란::
3. 3. 웨어하 징웨어하 징 정정Data Warehousing
DW DW 는는비 니스비 니스정보정보 과과정정 향샹시키고향샹시키고, , 가가 러한러한정보정보결정시결정시 할할수수 접근하접근하 쉽고쉽고 해하해하 쉬쉬 태태 제공하는제공하는
것 다것 다..
KAIST 테크노경영대학원허순영
경 적경 적점점
시시사사결정결정
과과
Revenue SimulationRevenue Simulation
비비 절감절감 피피
생산생산 향상향상
수수
웨 하 스는웨 하 스는 하는하는 식식 꾸꾸 다다..
3. 3. 웨어하 징웨어하 징 정정 Data Warehousing
KAIST 테크노경영대학원허순영
웨 하 스웨 하 스
전략적전략적 향향
주주 업무업무 ProcessesProcesses
단 능단 능
수수
시 스켓시 스켓
고객 치고객 치
제품가격제품가격
사결정 원사결정 원고고
CategoryManagement
CategoryManagement
사사
고객평생가치측정
고객평생가치측정
비 행동 측비 행동 측
경 보고경 보고타겟 고캠페타겟 고캠페
Data Warehousing3. 3. 웨어하 징웨어하 징 정정
KAIST 테크노경영대학원허순영
Data W
areho
usin
g F
ramew
ork
전 실
접 췌 필 정
웨 하 스 Detail Single version of truth
복 보
트
닝계 클러스 신경망 규 추 결정트
식 견
다차원 EIS/DSS 스프 드시트 Q+E 플 케
엑 스룰 (OLAP) 시각 개 룰
최종
ISAMVSAM
계DB
DB
계 DB
역 고객경케팅 무
파워가 원
고객담
플 케
3. 3. 웨어하 징웨어하 징 정정 ((계계 ))
KAIST 테크노경영대학원허순영
§§주주 : :
ll 주제 심주제 심 (subject(subject--oriented)oriented)
ll 합적합적 (integrated)(integrated)
ll 시간시간 (time(time--variant)variant)
ll 미갱신미갱신 (nonvolatile)(nonvolatile)
…W.H. Inmon, “Building the Data Warehouse”…W.H. Inmon, “Building the Data Warehouse”
3. 3. 웨어하 징웨어하 징 정정Data Warehousing
경경 정책결정에정책결정에필 한필 한정보처정보처 능능
과적 로과적 로 원하는원하는 집합집합
KAIST 테크노경영대학원허순영
“OLTP 시장과데이터웨어하우징시장으로양분”R. Kimball, “The Database Market Splits,” DBMS Magazine, 1995년 9월O L T P 웨 하 징
수집
(Getting the data in)
(Getting the data out)
거래처 결정 원
무 집합 주제 집합
Current Historical
Detailed Summary & Detailed
갱신 무 전제 미갱신 스냅샷
비 니스 비 니스
3. 3. 웨어하 징웨어하 징 정정 ((계계 ))
KAIST 테크노경영대학원허순영
다차원적다차원적 과과 과과 정정
Performance MeasuresPerformance Measures
Sales and Marketing FactsSales and Marketing Facts
Profitability FactsProfitability Facts
Quality FactsQuality Facts
Risk FactsRisk Facts
Productivity FactsProductivity Facts
Compliance FactsCompliance Facts
비스비스차원차원
계학계학차원차원
채널채널차원차원
시간시간차원차원
조조 차원차원
상품상품차원차원
고객고객차원차원
3. 3. 웨어하 징웨어하 징 정정 ((계계 )) Data Warehousing
KAIST 테크노경영대학원허순영
FactsFactsandand
DimensionsDimensions
Fact
당신 보고 하는타들
당신각종Performance
measures
( , 판매량, ROI, 득)
Dimension
식보고/접근하고 싶 가
( . 역)
Dimension
식보고/접근하고 싶 가
( . 고객)
Dimension
식보고/접근하고 싶 가
( . )
Dimension
식보고/접근하고 싶 가
( . 시간)
3. 3. 웨어하 징웨어하 징 정정 ((계계 )) Data Warehousing
KAIST 테크노경영대학원허순영
케팅케팅
Data Warehousing4. DB 4. DB 케팅케팅 시스시스 개개
1:11:1 케팅케팅새 케팅새 케팅표적 케팅표적 케팅매스 케팅매스 케팅
••동동
••고고
•• 량생산량생산
••매스미 어매스미 어에에량량 판매판매
••
••안정안정
•• 비비
계층계층파악과파악과 상품상품판매판매
••개개
•• 숙숙
•• 수한수한
비 에게비 에게판매판매
•• 가가치가가치
••초 숙초 숙
•• 비비 각각각각(( ,,연령연령,,주주 , ,
연수연수 , , 라 프스타라 프스타 , , 매상품매상품) ) 에에 한한
상품상품// 시시 제공제공
KAIST 테크노경영대학원허순영
다 트다 트 케팅케팅 고객고객 정정
•• 다 트다 트 케팅케팅
–– 정정가능한가능한여러여러 고고가능가능매체매체 쓰는쓰는 향향 케팅케팅
•• Individual Individual 케팅케팅
–– 1 : 1 1 : 1 케팅케팅
•• Relationship MarketingRelationship Marketing
–– 고객고객 Needs, Needs, 보다보다전체에전체에촛점촛점 맞추는맞추는 케팅케팅
–– 단단 비스에비스에 복수복수 비스비스 전전
–– 고객에고객에 단골단골 님님 전전
Data Warehousing4. DB 4. DB 케팅케팅 시스시스 개개 ((계계 ))
KAIST 테크노경영대학원허순영
스스 케팅케팅
•• 고객고객 비행태비행태
–– “가”“가” 라는라는 과과 “나”라는“나”라는 동시에동시에 매매 매매높다높다. : . : 스켓스켓 케팅케팅
•• : : 저저 맥주맥주
•• 초 량초 량고객고객
–– 고객고객 연간연간총총 (LTV)(LTV)에에 한한평가평가
•• 프 퀀시프 퀀시 케팅케팅 (20 (20 -- 8080 ))
20%20% 고객고객 80%80% 매출매출
20%20% 량량고객에게고객에게 Relationship MarketingRelationship Marketing 전개하전개하
폭적폭적 판매판매 가가가능가능
Data Warehousing4. DB 4. DB 케팅케팅 시스시스 개개 ((계계 ))
KAIST 테크노경영대학원허순영
비스비스 ZD ZD 동동
한한크 트크 트 드 에드 에
•• 신규신규고객고객 비비 평균평균 51$51$
•• 가가 22년년 다다..
11년째년째 30$30$
2 42$2 42$
5 55$5 55$
총총 220$220$
11년년 타 드타 드 원원 21$ 21$ 해해 생생
평균평균고객고객정착정착 55년에년에 1010년년 늘늘
고객고객 11 당당가 가가 가 134$ 134$ ----> 300$ > 300$ 승승
* * 고객고객 탈탈 가가 케팅케팅 패패 좌좌
Data Warehousing4. DB 4. DB 케팅케팅 시스시스 개개 ((계계 ))
KAIST 테크노경영대학원허순영
고객고객
Credit Insurance
Auto Service
Business Banking
Software
Office Management
Industrial Distribution
Insurance Brokerage
Industrial Laundry
Credit Card
0 20 40 60 80 100 120 140
Credit Insurance
Auto Service
Business Banking
Software
Office Management
Industrial Distribution
Insurance Brokerage
Industrial Laundry
Credit Card
고객고객보보 5% 5% 향향 수수 향 에향 에끼 는끼 는%%
Source: Bain & Company
Data Warehousing4. DB 4. DB 케팅케팅 시스시스 개개 ((계계 ))
KAIST 테크노경영대학원허순영
스스 케팅케팅 사례사례 약약
Data Warehousing
종 적
l 고객 , 그룹 특 견 l 니 (basket Analysis)
l 시간 패 (Time-based Pattern Analysis) l
l 고 판촉 과 l 고
l 계 l 탈고객 (Defection casuality)
l Target Marketing l 점 고객
매/ 케팅
l 케팅 과
l 검출(Fraud Detection) l 고객 (Customer Segementation)
l Predictive life-cycle management l 주식거래 규 견
l 채 l 수
l 해 고객 l Targe Mailing(calling)
행/
l Cross Selling
l 코드 (Call detail record Analysis) l 무 정 행 (Celluar fraud)적
l 고객 충 (Customer Loyalty) l
신/
l 타켓 케팅 l 차판매
l 정행 ( 동차, 생 등) 적l 험고객 특징 견(보험료 가정책에
)
l (Product design) l 험 (Risk analysis)
보험
l 료보험- 해 정행 (Claim form fraud)적
l 고객 l 동차생
l Warranties l Frequent flier incentives
l 학공정 에 한 시뮬l 제조 (항공, 동차,전 등)에 공정
검출
타
l 제조 -경 찰
KAIST 테크노경영대학원허순영
정보 술정보 술 케팅에케팅에 적적
• 19601960년년 말말 IT Initiatives IT Initiatives
는는비 절감과비 절감과 에에
집집
••최근최근 는는 ITIT 비비 절감뿐만절감뿐만
니라니라 에에
--경 적경 적 득득
-- 비비 숙해짐숙해짐
1960 1970 1980 1990 2000
Cost Focus
Revenue Focus
0
20
40
60
80
100
당신 여 에 습니다
Data Warehousing5. IT5. IT 케팅케팅 계계
KAIST 테크노경영대학원허순영
5. IT5. IT 케팅케팅 계계 ((계계 ))
Data WarehouseData Warehouse
업물 생산 계 사 정보TransactionTransaction
케팅케팅동동
생산생산동동
무무동동
사사동동
OLAP & Data Mining
Data Warehousing
DBDB 케팅과케팅과 웨어하 징웨어하 징
KAIST 테크노경영대학원허순영
•• 업업 고객 심고객 심 modelmodel로로
경시키고경시키고고객고객정보정보
전략적 로전략적 로
•• 술에술에 탕탕 Marketing Marketing
전략전략개개
•• MarketingMarketing 정보가정보가원동력원동력
DataData--Intensive ProcessIntensive Process로로 경경
•• 수 는수 는 고객고객 계계 축 로축 로
수수 추추
•• 19941994년년 , , 첨단첨단 ITIT 업들업들
고수고수 projectproject들들 2/32/3가가
Marketing Marketing 정보시스 과정보시스 과
접적 로접적 로 련련
ITIT MarketingMarketing 연합연합 추 시켜추 시켜
나가는것나가는것 다다 한한
과제과제
•• MarketingMarketing 련련 IT IT
ApplicationsApplications 에에 가가
큰큰 수수 돌려돌려
–– 22 에에 7070 ROI ROI
가능가능
–– 적 로적 로수수 상상
상상
–– 초초 는는 적 로적 로
$2 million $2 million 상상
Data Warehousing5. IT5. IT 케팅케팅 계계 ((계계 ))