목차
01장 데이터마이닝의 정의와 의의 = 13
분석적인 고객과의 관계 관리 = 14
데이터마이닝은 무엇인가 = 20
데이터마이닝을 통해 수행할 수 있는 과업은 어떤 것들인가 = 21
데이터마이닝에 대한 관심이 왜 최근 들어 높아지는가 = 25
현재의 데이터마이닝 활용 = 25
정리 = 32
02장 데이터마이닝의 선순환 = 33
기업 데이터마이닝의 사례 연구 = 35
선순환은 무엇인가 = 38
선순환의 맥락에서의 데이터마이닝 = 45
이동통신 회사에서 제대로 된 연결을 이루다 = 47
SUV 판매를 증가시킨 인공신경망과 의사결정나무 = 51
정리 = 54
03장 데이터마이닝의 방법론과 모범적 활용 사례 = 57
방법론이 필요한 이유 = 58
가설 검증 = 65
모형, 프로파일링, 예측 = 66
방법론 = 70
1단계: 경영 문제를 데이터마이닝 문제로 번역한다 = 70
2단계: 적절한 데이터를 선택한다 = 76
3단계: 데이터에 대한 지식을 얻는다 = 81
4단계: 모형 집합을 생성한다 = 84
5단계: 데이터의 문제들을 수정한다 = 88
6단계: 정보를 표면에 내놓도록 데이터를 변환시킨다 = 91
7단계: 모형들을 생성한다 = 93
8단계: 모형들을 평가한다 = 94
9단계: 모형들을 배치한다 = 100
10단계: 결과들을 평가한다 = 101
11단계: 처음부터 다시 시작한다 = 102
정리 = 102
04장 마케팅과 고객관계관리에서의 데이터마이닝 적용 = 105
탐사 = 106
광고하기 적절한 장소를 선택하기 위한 데이터마이닝 = 108
직접 마케팅 캠페인을 향상시키는 데이터마이닝 = 111
현재의 고객을 이용한 잠재고객에 대한 학습 = 124
고객관계관리에서의 데이터마이닝 = 126
고객 유지와 이탈 = 132
정리 = 136
05장 통계의 유혹: 익숙한 도구들을 이용한 데이터마이닝 = 139
오컴의 면도칼 = 141
데이터 엿보기 = 143
응답의 측정 = 155
다중 비교 = 162
카이제곱 검정 = 164
사례: 지역과 가입에 대한 카이제곱 = 169
데이터마이닝과 통계 = 172
정리 = 176
06장 의사결정나무 = 177
의사결정나무는 무엇인가 = 178
어떻게 의사결정나무가 생성되나 = 184
최고의 분할을 선택하기 위한 테스트 = 189
가지치기 = 197
나무들로부터의 규칙의 추출 = 205
비용을 고려한다 = 207
의사결정나무 방법의 추가적 향상 = 207
의사결정나무의 다른 표현 방법 = 211
실제 활용에서의 의사결정나무 = 215
정리 = 218
07장 인공신경망 = 221
인공신경망의 역사 = 222
부동산 가격 감정 = 223
방향성 데이터마이닝을 위한 신경망 = 228
신경망은 무엇인가 = 230
훈련 집합의 선정 = 241
데이터의 준비 = 244
결과의 해석 = 251
시계열을 위한 신경망 활용 = 253
신경망 내에서 일어나는 일을 아는 법 = 256
자기조직화 지도 = 257
정리 = 263
08장 최근접 이웃 접근 방식: 메모리 기반 추론과 협업 필터링 = 265
메모리 기반 추론 = 266
MBR의 과제 = 269
사례 연구: 뉴스 주제의 분류 = 273
거리의 측정 = 280
결합 함수: 이웃들에게 답을 구하는 방법 = 286
협업 필터링: 추천을 위한 최근접 이웃 접근법 = 289
정리 = 292
09장 장바구니 분석과 연관규칙 = 295
장바구니 분석의 정의 = 297
연관규칙 = 304
연관규칙의 생성 = 311
개념들의 확장 = 323
연관규칙을 이용한 연속적 분석 = 326
정리 = 327
10장 연결 분석 = 329
기본 그래프 이론 = 330
연결 분석의 친숙한 응용 = 340
사례 연구: 가정에서 팩스를 사용하는 사람들은 누굴까? = 345
사례 연구: 휴대전화 고객들의 구분 = 349
정리 = 355
11장 자동 군집 탐지 = 357
단순함의 섬을 찾아서 = 358
K-평균 군집화 = 362
유사성과 거리 = 366
군집화를 위한 데이터 준비 = 371
군집 탐지에 대한 다른 접근 방식 = 373
군집의 평가 = 379
사례 연구: 타운의 군집화 = 381
정리 = 387
12장 걱정해야 할 시점을 파악하는 법: 마케팅에서의 위험도 함수와 생존 분석 = 389
고객 유지 = 391
위험 = 399
위험으로부터 생존으로 = 408
비율의 위험 = 412
실전에서의 생존 분석 = 417
정리 = 423
13장 유전자 알고리즘 = 425
작동 원리 = 428
사례 연구: 유전자 알고리즘을 이용한 자원 최적화 = 436
스키마타: 유전 알고리즘의 작동 원리 = 438
유전자 알고리즘의 다른 활용 사례 = 442
정리 = 447
14장 고객생명주기 내에서의 데이터마이닝 = 449
고객 관계의 수준들 = 450
고객생명주기 = 456
업무 프로세스는 고객생명주기를 중심으로 구성된다 = 462
정리 = 471
15장 데이터 웨어하우징과 OLAP와 데이터마이닝 = 473
데이터의 아키텍처 = 475
데이터 웨어하우징의 일반적인 구조 = 484
OLAP는 어디에 들어갈까 = 494
데이터마이닝이 데이터 웨어하우징에 맞물리는 부분 = 508
정리 = 511
16장 데이터마이닝 환경의 구축 = 513
고객 중심의 조직 = 514
이상적인 데이터마이닝 환경 = 515
현실로 돌아와서 = 516
데이터마이닝 팀 = 522
데이터마이닝 인프라구조 = 526
데이터마이닝 소프트웨어 = 532
정리 = 538
17장 마이닝을 위한 데이터 준비 = 541
데이터가 어떻게 보여야 하나 = 542
고객 시그니처의 구축 = 561
변수의 탐색 = 568
유도 변수 = 572
행위 기반 변수의 예 = 579
데이터의 어두운 측면 = 591
컴퓨터 용량 이슈 = 597
정리 = 599
18장 데이터마이닝을 업무 현장으로 = 601
시작하기 = 602
데이터마이닝 기법의 선택 = 610
데이터마이닝 착수 사례 = 614
정리 = 620
찾아보기 = 621
