데이터 분석 전문 기업

개요

언제까지 일반적인 텍스트, 테이블, 그리고 이미지 만을 보여주는 웹 페이지에 만족하실겁니까?
샤이니로 구축한 대시보드는 정보 제공 뿐만 아니라 사용자와의 상호작용 그리고 의사결정을 할 수 있는 웹 페이지를 보여 줍니다.
아래 주소를 인터넷 주소창에 복사하거나 "Shiny Dashboard" 버튼을 클릭하여 샤이니가 지닌 무한한 가능성을 경험하시기 바랍니다.

• https://hooseon.shinyapps.io/Shiny/Shiny Dashboard 바로가기

의사결정 대시보드1 - 기술통계

의사결정 대시보드2 - 히스토그램

의사결정 대시보드3 - 박스플랏

의사결정 대시보드4 - 산점도

의사결정 대시보드5 - 상관분석

의사결정 대시보드6 - 회귀분석

Previous Next

의사결정 대시보드 구축은 디시전 인사이트로 문의 주시기 바랍니다.

개요

자료 분석 작업은 대부분 분석 결과를 이해하기 쉽도록 그래프를 만드는 작업으로 마무리됩니다. 데이터 원본, 시각화하고자 하는 내용들을 알려주시면 방대한 데이터도 쉽게 이해할 수 있도록 고품질의 시각화 결과물을 제공해 드립니다.

서비스 내용

데이터 시각화는 2가지로 나눌 수 있습니다.

• 탐색적 시각화
• 관련자료 다운로드(pdf): 탐색적 시각화 예제
• 우리 인간은 단 10줄의 데이터를 이해하는데 어려움을 느낍니다. 예를 들어 엑셀 시트에 A열에는 날짜, B열에는 매출이 각각 10개씩 있는 워크시트가 있다고 했을 때 이것을 한눈에 이해하기 어렵고 천천히 살펴봐야 하는 존재입니다. 그런데 조직 내 데이터는 수천, 수만 데이터로 쌓여있습니다. 더더욱 데이터가 말하고자 하는 바를 이해하기는 쉽지 않습니다. 그래서 이러한 어려움을 해결할 수 있는 방법이 시각화입니다. 숫자보다는 그림을 봄으로써 데이터가 어떤 모습이며 무엇을 말하고 있는 지를 알 수 있는 장치인 것입니다.
• 데이터를 분포, 관계, 비교 차원에서 봄으로써 우리 데이터의 특성을 이해하고 어떤 분석 방법이 좋을 지 고민하는 시간입니다. 시각화를 하는 중에 기존에 알고 있던 사실을 다시 확인하는 순간과 기존에 전혀 알지 못한 사실을 발견하는 순간이 있을 수 있습니다. 이러한 순간을 모델로 작성하는데 필수적인 단계가 탐색적 시각화입니다.
• 보고서 시각화
• 탐색적 시각화가 모델링 이전 단계인 반면 보고서 시각화는 모델링이 마무리 된 후 의사결정을 위한 시각화로 볼 수 있습니다. 쉽게 말하면 일종의 대시 보드입니다. 여기서 주의할 사항은 대시 보드를 작성할 때 그 목적에 반드시 부합하는 대시 보드를 작성해야 한다는 것입니다. 기술적 요약이나 데이터 이해를 위한 탐색적 그래프를 대시보드에 올리는 것은 의사결정을 위한 시각화로 볼 수 없습니다. 그리고 너무 많은 그래프를 하나의 대시보드에 올리는 일도 집중력을 저하시키는 면이 있으므로 주의해야 할 것입니다.

디시전 인사이트는 데이터 이해를 위한 탐색적 시각화 및 대시보드 작성 기술에 많은 경험이 있습니다. 고객이 원하는 범위와 가격에 맞는 시각화 서비스(customized visualization service)를 제공하고 있습니다.

개요

통계 분석은 왜 필요한 것일까요? 약 300년된 통계(및 확률)가 현 시대까지 필요한 이유는 무엇일까요?

빅 데이터 시대의 전제 조건은 데이터가 크다는 것입니다. 그런데 어떤 분야는 데이터를 우리가 원하는 만큼 수집할 수 없는 상황이 존재합니다. 생수를 예로 들어 보겠습니다. 생수 500 ml에는 사람의 생명에 지장이 없을 정도의 미생물 수가 요구될 것입니다. 생수 제조 공장에서 모든 생수의 미생물 수를 측정하려면 생수가 담아지는 순간에 미생물 수를 측정할 수 있는 센서가 있어야 할 것 입니다. 이 센서가 발명되기 전까지는 표본을 통한 전통적인 통계분석이 효율적이고 적합한 방법일 것 입니다. 질병 연구, 신약 연구 등에서 여전히 통계 분석이 중요한 것도 연구 대상(Subject)의 제약성 때문일 것입니다. 물론 유전자 정보나 의학 이미지(X-Ray, CT, MRI) 같이 데이터가 방대한 분야는 머신러닝과 딥러닝이 경쟁 우위에 있습니다.

서비스 내용

디시전 인사이트는 데이터의 크기에 적합한 분석 방법을 찾기 위하여 전통적인 통계 분석과 머신러닝 알고리즘을 서로 경합시켜 상대적으로 적합한 분석 방법을 제시하고 있습니다. 예를 들어 고객 매출(금액 또는 수량)을 예측하는 회귀 문제 해결을 위하여 회귀분석(단순, 다중, 다항 등)과 LASSO, Ridge 그리고 Random Forest, Gradient Boosting Method, Deep Neural Network 등 방법론적으로 서로 다른 이론적 배경을 지닌 모델 중 상대적으로 가장 좋은 예측력을 지닌 모델을 귀사에 제안합니다.

개요

문자로 이루어진 방대한 양의 자료를 텍스트 마이닝을 활용하여 의미 있는 정보를 얻을 수 있습니다. 예를 들면 웹사이트에 올라온 글들을 분석하면 사람들이 주로 어떤 이야기를 나누고 있는지 파악할 수 있습니다.

서비스 내용

• 기존 데이터 가져오기
• TXT, XLSX, XML, JSON, MySQL, MSSQL
• 웹 페이지, SNS/뉴스 등
• 분석 프로그램: RStudio
• 빈도 분석 표, 단어 구름(Word Cloud) 등

개요

머신러닝과 딥러닝을 정의하는 많은 학문적 내용이 있습니다. 실무적으로 간결하게 정리해 보면 아래와 같은 특징이 있습니다.

• 전통적인 샘플링 방식이 아닌 수집 및 저장된 모든 데이터에서 정보를 추출하는 방식으로 과거 컴퓨팅 자원의 한계로 힘들었던 일도 가능합니다. 빅 데이터는 머신러닝(딥러닝)의 재료이고 개인 노트북으로도 small data(램에 올릴 수 있는 사이즈로 램이 16GB이면 약 3 ~ 4GB 데이터, 연산 공간 제외)와, medium-sized data(램에 올리 수 없는 데이터이나 HDD나 SSD에 저장할 수 있는 데이터로 1테라 미만 데이터, I/O 속도개선으로 가능)는 다룰 수 있습니다. 순수 big data는 1테라 이상으로 정의할 수 있습니다.
• 자동화를 연상할 수 있습니다. 프로그래머가 규칙(Rule-based programming)을 정의하기 보다 알고리즘이 해결하고자 하는 과제에 상대적으로 오차(또는 오분류)를 최소화하는 기준을 스스로 찾고 이를 자동화하는 특징이 있습니다.
• 인간이 상대적으로 우수했던 분야인 감지 문제(perceptual problem)에서도 인간과 대등하거나 더 우수한 성능을 보이고 있습니다. 컴퓨터는 어떤 일을 반복하거나 정확하고 신속하게 연산 처리하는 데 우수했으나 사과와 배를 구분하거나 귤과 천혜향을 구분하는 감지문제에는 약했습니다. 딥러닝의 발달로 이런 분야에서도 인간을 앞서가고 있습니다.

서비스 내용

• 디시전 인사이트는 고객의 문제를 정의하고 어떤 접근 방법이 좋을 지를 고객의 입장에서 고민하고 그 해결 방안을 제시하는 데 많은 경험이 있습니다. 다양한 방법의 성능을 비교하여 최적의 모형(알고리즘)을 제시하고 있습니다. 또한 중간 사이즈 데이터(1테라 미만)를 보유한 조직에게 비용 효율적인 서버 구축, 효과적인 머신러닝(딥러닝) 기술을 적용한 많은 경험이 있습니다.
• 관련자료 다운로드(pdf): 비교를 통한 최적 모형 선택 예제

개요

(R) Markdown을 활용하여 작업한 내용을 원하는 형태로 출력할 수 있는 보고서를 제공합니다. 제공되는 파일은 PDF, HTML(웹), DOCX(Microsoft Word) 형식을 지원합니다. 또한 R Studio에서 제공하는 서비스, 리눅스 환경에서의 Shiny Server를 통하여 웹상에서 R 분석이 가능한 프로그램을 배포할 수도 있습니다.

서비스 내용

• (R) Markdown 보고서 생성
• 보고서에 포함된 내용: 분석에 대한 설명, 분석 코드, 결과 표 등
• 반응형 자료: 출력물, 컴퓨터, 태블릿, 모바일 등 형식이나 기기에 상관없이 볼 수 있는 반응형 보고서
• 다양한 형식의 결과물 출력: PDF, HTML, DOCX 등의 형식을 지원합니다.

개요

코딩 중심의 프로그래밍 과정이 아닌 "비즈니스 문제해결을 위한 데이터 분석 교육"을 제공합니다. (통계, 머신러닝/딥러닝, 공간 빅데이터 분석)

강의 별 내용

• R을 활용한 빅데이터 분석
• 교육 목표: 데이터 분석에 대한 개념을 이해하고, 오픈소스 분석도구인 R을 활용하여 빅데이터 분석을 실습한다.
• 교육 대상: R 초급자 (R 처음 접하신 분, R 사용 2년 미만인 분), 현업에서 데이터 분석업무 담당자
• 세부 교육내용: 1일차(데이터전처리), 2일차(시각화), 3일차(통계), 4일차(머신러닝)
강의 시간표 다운로드(PDF)

---

• R을 활용한 딥러닝
• 교육 목표: 오픈소스 분석툴인 R, H2O, Keras(tensorflow)를 활용하여 머신러닝/딥러닝을 학습한다.
• 교육 대상: R 2년 이상 사용자 또는 R을 활용한 빅데이터 분석 과정 수료자, R을 활용한 머신러닝(딥러닝) 이론과 실무를 습득하고 싶은 사용자
• 세부 교육내용: 1일차(회귀모형), 2일차(분류모형), 3일차(이미지분류)
강의 시간표 다운로드(PDF)

---

• R을 활용한 공간 빅데이터 분석
• 교육 목표: 오픈소스 분석툴인 R을 활용하여 공간 빅데이터 분석법을 습득한다.
• 교육 대상: R을 활용하여 공간 빅데이터 분석법을 습득하고 싶은 실무자, 기존 상업용 공간 분석툴에서 R로 전환하여 라이센스 비용을 절감하고 싶은 실무자
• 세부 교육내용: 1일차(R 리뷰), 2일차(공간 빅데이터 시각화), 3일차(공간 회귀)
강의 시간표 다운로드(PDF)

---

• 하루 동안 경험하는 데이터 분석가 과정
• 교육 목표: 많은 시간을 할애하기 어려운 현업 담당자가 하루 동안 데이터 분석 과정을 경험하고 분석가가 하는 업무 범위를 개괄한다.
• 교육 대상: R 초급자, 현업 데이터 분석 담당자
• 세부 교육내용: 1일차(R 설치, 데이터 읽기, 데이터 전처리 및 시각화, 모델링, 웹 보고서 작성 및 배포)
강의 소개자료 다운로드(PDF)

---

• Spark with R (기초반)
• 교육 목표: 오픈 소스 통계툴인 R을 활용하여 Spark를 컨트롤함으로써 빅데이터 연산을 수행한다.
• 교육 대상: 내 빅데이터 분석 관련 담당자, R을 사용하여 Spark를 컨트롤 하고 싶은 분
• 세부 교육내용: 1일차(R 기초 과정 리뷰, Spark 전 과정 리뷰), 2일차(Spark 전처리와 시각화, Spark 모델링)
강의 소개자료 다운로드(PDF)

---

• 파이썬을 활용한 빅데이터 분석
• 교육 목표: 데이터 분석에 대한 개념을 이해하고, 파이썬을 활용하여 빅데이터 분석을 실습한다.
• 교육 대상: 파이썬 초급자 (파이썬을 처음 접하신 분, 파이썬 사용 2년 미만인 분), 현업에서 데이터 분석업무 담당자
• 세부 교육내용: 1일차(데이터전처리), 2일차(시각화), 3일차(통계), 4일차(머신러닝)

---

• 파이썬을 활용한 딥러닝
• 교육 목표: 파이썬, H2O, Keras(tensorflow)를 활용하여 머신러닝/딥러닝을 학습한다.
• 교육 대상: 파이썬 2년 이상 사용자 또는 파이썬을 활용한 빅데이터 분석 과정 수료자, 파이썬을 활용한 머신러닝(딥러닝) 이론과 실무를 습득하고 싶은 사용자
• 세부 교육내용: 1일차(회귀모형), 2일차(분류모형), 3일차(이미지분류)

---

• 파이썬을 활용한 공간 빅데이터 분석
• 교육 목표: 파이썬을 활용하여 공간 빅데이터 분석법을 습득한다.
• 교육 대상: 파이썬을 활용하여 공간 빅데이터 분석법을 습득하고 싶은 실무자, 기존 상업용 공간 분석툴에서 파이썬로 전환하여 라이센스 비용을 절감하고 싶은 실무자
• 세부 교육내용: 1일차(파이썬 리뷰), 2일차(공간 빅데이터 시각화), 3일차(공간 회귀)

개요

'모델링'이란 '현실 세계의 복잡한 대상을 필요에 따라 특징을 잡아내 개념적으로 간략하게 표현하는 것'을 의미합니다. 하지만 실제 데이터가 주어졌을 때 구체적으로 어떻게 해야 하는지 모르는 경우가 많습니다. 디시전 인사이트는 다양한 데이터 분석 경험을 활용하여 고객들이 비즈니스에 활용할 수 있는 인사이트를 찾을 수 있도록 데이터 모델링 및 분석 서비스를 제공합니다.

서비스 내용

• 수요 예측
• 관련자료 다운로드(pdf): 수요예측 모형 개발 안
• 필요성
• 수요예측의 필요성을 한마디로 정리해보면 수요를 예측함으로써 제조업체든 유통업체든 기본적으로 재고계획(제조업체는 생산재고, 유통업체는 보유재고)을 세울 수 있습니다.
• 수요예측은 공급망 관리의 출발점이고 SCM을 주도하는 업무입니다. 회사의 판매 계획은 수요예측을 기반으로 진행 됩니다 미국에서 실시한 한 온라인 조사에 의하면 회사 이익 감소, 비용 효율성의 니즈 증가, 고객 서비스 레벨 개선 그리고 시장 변동성의 확대 등이 발생하였을 때 정확한 수요 예측을 요구된다고 합니다.
• 다양한 방법론
• 수요 예측을 하기 위한 방법은 여러가지가 있습니다. 정성적인 방법과 정량적인 방법으로 크게 나누어 볼 수 있고 각각 다양한 방법이 있을 것입니다.
• 
• 정량적인 방법과 정성적인 방법을 통합하여 예측치를 추정해 볼 수 도 있을 것입니다. 어떤 방법이 더 정확하다고 말하기에는 다소 무리가 있을 것이고 다만 어떤 방법이 상대적으로 더 예측가능하고(predictable), 어떤 방법은 예측불가능(unpredictable) 정도가 더 크다고 볼 수 있을 것입니다.
• 센서 데이터 분석: 설비와 장비의 이상 유무 판단
• 효율 분석: 지점, 매장, 상품 효율

개요

SAS는 좋은 분석 도구이지만 매년 라이선스 비용이 발생합니다. R과 Python은 꾸준히 발전하여 SAS에서 제공하는 거의 모든 내용을 구현할 수 있습니다. 지속적인 비용 부담이 문제라면 디시전 인사이트에서 제공하는 언어 변환(Language Migration) 서비스를 활용하여 기존에 SAS에서 진행하던 모든 분석을 R과 Python으로 전환하세요.

서비스 내용

• SAS 분석 코드를 R 분석 코드로 변환
• SAS 분석 코드를 Python 분석 코드로 변환
• R 분석 코드를 Python 분석 코드로 변환
• Python 분석 코드를 R 분석 코드로 변환

제안서 다운로드

개요

과거 데이터를 기반으로 현재 판매중인 제품 및 서비스의 향후 판매량을 예측하고 싶다면 수요예측 서비스를 구독하여 고객 만족도 제고, 비용 절감 등의 효과를 경험하세요.

서비스 절차

• 대상 상품 선정 및 과거 데이터 수집
• 구독서비스 품질 체험
• 검증 결과 컨설팅
• 계약 조건 협의
• 구독 서비스 계약

서비스 필요한 기업

• 영업부서의 단순 엑셀 활용을 통한 주관적 판단에 의존하고 있는 기업
• 과다 재고 보유로 재무적 어려움에 직면하고 있는 기업
• 수요예측 인력을 확보하거나 교육에 어려움을 겪고 있는 기업
• 검증된 기술을 통하여 객관적이고 신뢰할 만한 결과를 얻고 싶은 기업

개요

디시전 인사이트는 2011년부터 시작된 데이터 분석 전문 기업입니다.

2018년

• 삼성 디스플레이 빅데이터 분석
• 대우조선 해양 선진 보전 시스템 구축
• 사물 인터넷 협회 5년 연속 최다 수강생 배출

2017년

• 삼성전자 빅데이터 분석
• 한전 전신주 IoT 데이터 이상치 감지 모형 개발

2016년

• 성균관 대학교 빅데이터 분석
• 한전 휴/폐업 징후 대상자 예측 모형 개발
• 데이터 진흥원 주최 빅데이터 경진대회 대상

2015년

• 포스코 빅데이터 분석
• 신한은행 빅데이터 분석
• 대우조선 해양 빅데이터 분석
• KT 빅데이터 분석

2014년

• 현대중공업 빅데이터 분석

2013년

• 올리브영 가격 최적화
• 복합기 전문 회사 텍스트 마이닝

2012년

• 이마트 진열 최적화

2011년

• 디시전 인사이트 시작

개요

디시전 인사이트는 전문성과 성실함을 인정받아 아래와 같은 상훈 경력이 있습니다.

상훈 경력

• 2016년 12월 데이터 진흥원 주최 빅데이터 경진대회 대상
• 2018년 12월 사물 인터넷 협회 5년 연속 최다 수강생 배출

개요

디시전 인사이트는 2011년부터 시작된 데이터 분석 전문 기업으로 아래의 고객사들과 함께 일하였습니다.

고객사 목록