예측 분석 (predictive analytics)를 위해 데이터 세트를 블렌딩하는 7단계를 설명합니다. 다양한 데이터 소스에 직접 액세스하고 드래그앤드롭의 쉬운 방식으로 코딩 없이 예측 분석을 누구나 수행할 수 있게 됩니다. R프로그래밍 언어를 기반으로 하여 고급사용자도 자신의 코드 또는 스크립트를 쉽게 통합하여 사용이 가능합니다. Tableau와 Quilk를 지원하여 예측분석과 시각화의 완벽한 협업을 이루어 낼수 있습니다. - by 픽데이타(www.pikdata.com)
Tableau 시각화 작성을 위해 데이터세트 준비에 많은 시간이 소요됩니다. 데이터 세트의 preparation 과 advanced analytic를 쉽게 할수 있게 합니다. 성공적인 Tableau data blending을 위한 6단계입니다. - by pikdata (www.pikdata.com)
예측 분석 (predictive analytics)를 위해 데이터 세트를 블렌딩하는 7단계를 설명합니다. 다양한 데이터 소스에 직접 액세스하고 드래그앤드롭의 쉬운 방식으로 코딩 없이 예측 분석을 누구나 수행할 수 있게 됩니다. R프로그래밍 언어를 기반으로 하여 고급사용자도 자신의 코드 또는 스크립트를 쉽게 통합하여 사용이 가능합니다. Tableau와 Quilk를 지원하여 예측분석과 시각화의 완벽한 협업을 이루어 낼수 있습니다. - by 픽데이타(www.pikdata.com)
Tableau 시각화 작성을 위해 데이터세트 준비에 많은 시간이 소요됩니다. 데이터 세트의 preparation 과 advanced analytic를 쉽게 할수 있게 합니다. 성공적인 Tableau data blending을 위한 6단계입니다. - by pikdata (www.pikdata.com)
본 강연에서는 AWS 파트너인 Treasure data의 솔루션을 이용하여 클라우드 환경에서 손쉽게 빅데이터 분석 및 적용하는 법에 대하여 살펴봅니다. 모범 사례에 따른 사용법을 소개하고 JP Morgan 등 해외 선도 고객 사례를 공유합니다.
연사: 고영혁 대표, Treasure Data
[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...Amazon Web Services Korea
기업 환경에 따라 차이는 있겠지만, 최근 대부분의 기업은 데이터 분석 환경이 구축되어 있고, 이를 기반으로 데이터를 분석하고 있습니다. 그럼에도 불구하고 현업에서는 분석하고자 하는 데이터가 없거나 변화하는 비즈니스 요건을 반영하지 못한다는 불만을 제기하고, 분석 환경을 제공하는 IT운영팀은 변화하는 비즈니스 요건에 따라 분석 환경을 적시에 제공하기 쉽지 않다는 어려움을 토로하고 있습니다. 이 해결책으로 운영시스템에 데이터베이스 형태로 존재하고 있거나, 현업의 PC에서 수작업으로 작성한 정형, 비정형 파일을 통합 관리할 수 있고, 또한 인프라 환경의 확장 및 변경을 보다 유연하게 할 수 있는 AWS Cloud 기반의 분석 환경 구축 사례를 소개하고자 합니다.
다시보기 링크: https://youtu.be/YvYfNZHMJkI
스페인, 뉴욕에서 떠오르는 O2O 데이터 비주얼라이제이션 맵핑 솔루션 CartoDB 소개자료입니다. Location Intelligence라는 BI의 특화된 영역의 솔루션인 카토디비(CartoDB)는 위치, 주소정보를 가진 데이터를 개발자의 도움없이 빠르게 지도위에 비주얼라이제이션해주는 클라우드 기반과 설치형 모두를 지원하는 맵핑 솔루션입니다.
* 행사 정보 :2016년 10월 14일 MARU180 에서 진행된 '데이터야 놀자' 1day 컨퍼런스 발표 자료
* 발표자 : Dylan Ko (고영혁) Data Scientist / Data Architect at Treasure Data
* 발표 내용
- 데이터사이언티스트 고영혁 소개
- Treasure Data (트레저데이터) 소개
- 데이터로 돈 버는 글로벌 사례 #1
>> MUJI : 전통적 리테일에서 데이터 기반 O2O
- 데이터로 돈 버는 글로벌 사례 #2
>> WISH : 개인화&자동화를 통한 쇼핑 최적화
- 데이터로 돈 버는 글로벌 사례 #3
>> Oisix : 머신러닝으로 이탈고객 예측&방지
- 데이터로 돈 버는 글로벌 사례 #4
>> 워너브로스 : 프로세스 자동화로 시간과 돈 절약
- 데이터로 돈 버는 글로벌 사례 #5
>> Dentsu 등의 애드테크(Adtech) 회사들
- 데이터로 돈을 벌고자 할 때 반드시 체크해야 하는 것
(오리지널 구글 프리젠테이션은 http://goo.gl/uiX2UH 에)
- 권재명 (Jaimyoung Kwon)
1. 실리콘 벨리 데이터 기업들
2. 온라인 광고 사업
3. 데이터 사이언티스트, 데이터 엔지니어, 머신러닝 사이언티스트
4. 실리콘 벨리 데이터 사이언티스트의 하루
5. 데이터 사이언스 툴채인
6. 데이터 사이언스 베스트 프랙티스
7. 데이터 사이언스 필수 통계 개념
8. 사내 데이터 사이언스 도입
고객 중심 서비스 출시를 위한 준비 “온오프라인 고객 데이터 통합” – 김준형 AWS 솔루션즈 아키텍트, 김수진 아모레퍼시픽:: AWS C...Amazon Web Services Korea
AWS의 빅데이터 서비스들이 데이터 파이프라인 상에서 어떻게 활용 되는지와 데이터 모델링과 플랫폼 구축을 100% 내재화 하여 AWS와 함께 고객기반 서비스의 경쟁력을 강화 해나가는 고객 사례를 전해 드립니다. 국내 뷰티산업을 리딩 하고 있는 아모레퍼시픽에서 온/오프라인 고객 정보를 AWS 기반의 Data Lake로 통합 하고 고객 관점의 데이터 서비스를 출시 하는데 속도를 높이고 있는 성공 스토리를 직접 전해 드립니다.
Data Engineers Lab's (DLAB) company and service information including Varies Big Data Case Studies in both vertical and horizontal business perspectives.
데이터엔지니어스랩 (디랩)의 회사 및 서비스 소개서입니다. 각 산업별 및 업무 분야별 빅데이터 사례와 활용도에 대한 커멘트를 수록한 최신 버전입니다.
국토지리정보원의 요청으로 수행했던 '공간정보 대량맞춤화 정보지원체계 연구' 소개 자료입니다. 연구의 배경, 공간정보 대량맞춤화의 개념, 향후 업무 체계 변화 방향, 법제도 개선 방향 등 연구 전반에 대한 개략적인 소개를 담고 있습니다. 결론적으로, 현재의 공급자, 제품 위주의 공간정보 생산/관리/제공 체계를 수요자, 서비스 위주로 개선할 때 필요한 사항들을 지적하고 있습니다.
본 강연에서는 AWS 파트너인 Treasure data의 솔루션을 이용하여 클라우드 환경에서 손쉽게 빅데이터 분석 및 적용하는 법에 대하여 살펴봅니다. 모범 사례에 따른 사용법을 소개하고 JP Morgan 등 해외 선도 고객 사례를 공유합니다.
연사: 고영혁 대표, Treasure Data
[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...Amazon Web Services Korea
기업 환경에 따라 차이는 있겠지만, 최근 대부분의 기업은 데이터 분석 환경이 구축되어 있고, 이를 기반으로 데이터를 분석하고 있습니다. 그럼에도 불구하고 현업에서는 분석하고자 하는 데이터가 없거나 변화하는 비즈니스 요건을 반영하지 못한다는 불만을 제기하고, 분석 환경을 제공하는 IT운영팀은 변화하는 비즈니스 요건에 따라 분석 환경을 적시에 제공하기 쉽지 않다는 어려움을 토로하고 있습니다. 이 해결책으로 운영시스템에 데이터베이스 형태로 존재하고 있거나, 현업의 PC에서 수작업으로 작성한 정형, 비정형 파일을 통합 관리할 수 있고, 또한 인프라 환경의 확장 및 변경을 보다 유연하게 할 수 있는 AWS Cloud 기반의 분석 환경 구축 사례를 소개하고자 합니다.
다시보기 링크: https://youtu.be/YvYfNZHMJkI
스페인, 뉴욕에서 떠오르는 O2O 데이터 비주얼라이제이션 맵핑 솔루션 CartoDB 소개자료입니다. Location Intelligence라는 BI의 특화된 영역의 솔루션인 카토디비(CartoDB)는 위치, 주소정보를 가진 데이터를 개발자의 도움없이 빠르게 지도위에 비주얼라이제이션해주는 클라우드 기반과 설치형 모두를 지원하는 맵핑 솔루션입니다.
* 행사 정보 :2016년 10월 14일 MARU180 에서 진행된 '데이터야 놀자' 1day 컨퍼런스 발표 자료
* 발표자 : Dylan Ko (고영혁) Data Scientist / Data Architect at Treasure Data
* 발표 내용
- 데이터사이언티스트 고영혁 소개
- Treasure Data (트레저데이터) 소개
- 데이터로 돈 버는 글로벌 사례 #1
>> MUJI : 전통적 리테일에서 데이터 기반 O2O
- 데이터로 돈 버는 글로벌 사례 #2
>> WISH : 개인화&자동화를 통한 쇼핑 최적화
- 데이터로 돈 버는 글로벌 사례 #3
>> Oisix : 머신러닝으로 이탈고객 예측&방지
- 데이터로 돈 버는 글로벌 사례 #4
>> 워너브로스 : 프로세스 자동화로 시간과 돈 절약
- 데이터로 돈 버는 글로벌 사례 #5
>> Dentsu 등의 애드테크(Adtech) 회사들
- 데이터로 돈을 벌고자 할 때 반드시 체크해야 하는 것
(오리지널 구글 프리젠테이션은 http://goo.gl/uiX2UH 에)
- 권재명 (Jaimyoung Kwon)
1. 실리콘 벨리 데이터 기업들
2. 온라인 광고 사업
3. 데이터 사이언티스트, 데이터 엔지니어, 머신러닝 사이언티스트
4. 실리콘 벨리 데이터 사이언티스트의 하루
5. 데이터 사이언스 툴채인
6. 데이터 사이언스 베스트 프랙티스
7. 데이터 사이언스 필수 통계 개념
8. 사내 데이터 사이언스 도입
고객 중심 서비스 출시를 위한 준비 “온오프라인 고객 데이터 통합” – 김준형 AWS 솔루션즈 아키텍트, 김수진 아모레퍼시픽:: AWS C...Amazon Web Services Korea
AWS의 빅데이터 서비스들이 데이터 파이프라인 상에서 어떻게 활용 되는지와 데이터 모델링과 플랫폼 구축을 100% 내재화 하여 AWS와 함께 고객기반 서비스의 경쟁력을 강화 해나가는 고객 사례를 전해 드립니다. 국내 뷰티산업을 리딩 하고 있는 아모레퍼시픽에서 온/오프라인 고객 정보를 AWS 기반의 Data Lake로 통합 하고 고객 관점의 데이터 서비스를 출시 하는데 속도를 높이고 있는 성공 스토리를 직접 전해 드립니다.
Data Engineers Lab's (DLAB) company and service information including Varies Big Data Case Studies in both vertical and horizontal business perspectives.
데이터엔지니어스랩 (디랩)의 회사 및 서비스 소개서입니다. 각 산업별 및 업무 분야별 빅데이터 사례와 활용도에 대한 커멘트를 수록한 최신 버전입니다.
국토지리정보원의 요청으로 수행했던 '공간정보 대량맞춤화 정보지원체계 연구' 소개 자료입니다. 연구의 배경, 공간정보 대량맞춤화의 개념, 향후 업무 체계 변화 방향, 법제도 개선 방향 등 연구 전반에 대한 개략적인 소개를 담고 있습니다. 결론적으로, 현재의 공급자, 제품 위주의 공간정보 생산/관리/제공 체계를 수요자, 서비스 위주로 개선할 때 필요한 사항들을 지적하고 있습니다.
Similar to 공간 분석(Spatial analytics)을 위한 alteryx (20)
2. 공간 분석(Spatial analytics)은 지도 상 주요 자산의 실제
위치를 확인하는 것 이상의 의미를 가집니다.
공간 분석으로 고객, 매장, 서비스 등의 상대적 위치가 기
업의 운영, 트랜잭션, 상호 작용에 미치는 영향에 대한 깊
은 통찰력을 얻을 수 있습니다.
데이터 세트와 공간 데이터를 블렌딩하고, 의사 결정 과정
에서의 이와의 관계를 분석함으로써 경영의 효율성을 높이
고 기업 운영을 개선하며 수익성을 향상시킬 수 있습니다.
공간 분석(SpatialAnalytics) 이란?
New BusinessOpportunities
Inventory and ServiceCustomization
Asset Location Planning
Transportation and Logistics Planning
Situational Awareness Intelligence
Location-specific Marketing
Spatial Data
GIS Mapping Data
Location-aware Mobile Device Data
Socially-enabled Platform Data
Asset Location Data
Drive TimeData
Trade Area Data
TraditionalData
Transaction Data
Inventory Data
Customer LoyaltyData
Marketing Data
Financial Data
6 Steps to Data Blending for Spatial Analytics
EnrichmentData
Demographic
Firmographic
Segmentation
Industry-specific
3. 기존 데이터와공간데이터의 블렌딩을통해 Locationintelligence를얻을 수 있습
니다.
• 핵심 고객에 맞춰 Location 서비스와 제품 재고 커스터마이즈 — 특정제품및
서비스에대한주변의소비자구매행동을이해할수있으며각위치에서인벤토리
또는서비스경험을최적화하고맞춤화할수있습니다.
• 매장, 서비스,자산 위치에대한전략 개선— 새 사이트 확장 시 경쟁업체 위치
또는 기존 매장 위치가 미치는 영향을 파악할 수 있으며, 고객이 우리 제품/서
비스를 이용하여 얼마나 기꺼이 이동하는지를 파악할 수 있습니다. (예 : 5 분,
30 분 이상).
• 서비스 가용성 보장 및 고객 경험 향상 — 주요허브가서로적절한거리내에위치하
도록하여서비스대기시간또는서비스의격차를확인하고이를예방할수있습니다.
• 마케팅 프로그램 효율성 향상 — 타겟지역의인구통계학적구매선호도에맞춰마
케팅오퍼링전략을수립할수있습니다.
공간 분석을 통해 알 수 있는 것은?
대부분의 데이터는 위치 정보의 일부 측면을
가지고 있습니다. 이것이 조직에 미치는 영향
을 이해할 수 있습니다.
6 Steps to Data Blending for Spatial Analytics
4. 다양한 공간 분석도구가 있지만
모두 동일하지는 않습니다
기존의 BI 분석 도구는 공간 데이터를 지도 위에 점으로 표시하여 주기만 합
니다. 점과 점 사이에 대한 분석은 사용자의 몫입니다.
보다 정교하지만 매우 한정된 시장을 대상으로 하는 공간 분석 도구도 있
지만 이는 극 소수의 전문가만 사용이 가능합니다. 사용이 복잡하고, 분석
범위도 좁고, 고가이며, 공간 데이터를 다른 형식의 데이터와 블렌딩하기
매우 어렵습니다. 그리하여 이러한 도구들은 광범위한 의사 결정 프로세
스에서 쉽게 사용할 수 없습니다.
또 다른 공간 도구는 분석 도구가 아니며 전혀 다른 소프트웨어 플랫폼이 분
석을 통한 후 보기 좋은 지도를 만드는 간단한 매핑 도구입니다.
6 Steps to Data Blending for Spatial Analytics
5. Alteryx는 공간 데이터를 정확하게 처리하여 “데이터”로
사용할 수 있게 하는 유니크한 기능을 제공합니다.
Alteryx는 공간 분석을 위한
데이터 블렌딩을 쉽게 합니다
직관적인 워크 플로우를 통해 여러 데이터 세트를 가져와 지오코딩
(geocode)하고, 공간적으로 결합하고, 인구 통계학적 데이터로 보강
하게 하여Alteryx는 공간 분석을 쉽게 해줍니다.
Alteryx 는 공간분석을 소수의 전문가가 아닌
일반 현업 분석가가 수행 할 수 있게 도와 줍니다.
Alteryx의 직관적인워크플로우
를통해
• 필요한 모든 위치 데이터 액세스
및 사용
• 쉽고 빠르게 데이터의
지오코딩 (geocode)
• 기존 데이터 세트와 위치데이터
를 블렌딩
• advanced 공간 분석 수행
• 인구 통계학적, Firmographic,
산업별 데이터로 데이터세트
보강(enrich)
• 새로운 방식으로 데이터 시각화,
모델링 및 분석
6 Steps to Data Blending for Spatial Analytics
* 지오코딩(Geocode): 지리 정보 체계(geographic information system, GIS)에 기반한 기술로
좌표를 주소로 변환해주거나, 주소를 좌표로 변환 하는 일련의 작업
6. 공간 데이터 블렌딩 6단계
with Alteryx
데이터소스(들)로 부터데이터가져오기
타겟 지역 설정하여 위치, 반경내 세부정보, 이동 시간을 분석
추가 인사이트를 얻기 위해 advanced공간분석수행
데이터 세트를 지오코딩(geocode)
데이터 세트를 블렌딩하여 고객과 위치의 상관 관계 분석
1
2
3
4
5
6
리포트와 시각화를 위한 데이터 준비 혹은
다운스트림 프로세스에 공급하기 위해 export 데이터 준비
준비물
• Alteryx 프로그램
Alteryx.com/download
• 블렌딩하려는
데이터 소스 리스트
• 사용할 데이터베이스 혹은 소스
에 접근 가능
• 필요한 데이터 세트에 대한
대략적 명세
• 수행하고자 하는 분석에 대한
명확한 이해
6 Steps to Data Blending for Spatial Analytics
데이터블렌딩데모
alteryx.com/solutions/data-blend
ing
7. • Input 도구를 사용하여 다음과 같은 다양한 파일 형식의 데이터를
쉽게 통합할 수 있습니다.
✓ 스프레드시트
✓ 데이터 베이스
✓ 비정형 데이터 (하드디스크, 데이터웨어하우스, SNS,
세일즈포스, 클라우드 기반 시스템)
• 데이터 세트에 대한 연결을 설정 후, 공간 분석을 위해 데이터를 준비
할 수 있습니다.
모든 데이터 소스로 부터
데이터 가져오기
팁:Preparation 이 핵심
• 데이터 소스에 접근가능한지
미리 체크 필요
• 무엇을 어떻게 분석 할지 미리
결정한 다음, 적절한 데이터를
찾아 준비합니다.
1
Inputtool: Connect to
Customer Database
Inputtool: Connect to
Site Location Information
6 Steps to Data Blending for Spatial Analytics
8. • Street Geocode 도구를 사용하여 표준 주소 정보를 빠르고 쉽게 가
져와 지오코딩하여 위도와 경도를 결정함으로써 데이터를 공간적
으로 사용할 수 있습니다. 결과 spatial point는 데이터 세트의 각
레코드에 추가됩니다.
이 예에서는 사이트 위치와 고객 데이터를 모두 지오코딩합니다.
공간 분석을 준비를 위해
데이터 세트를 지오코딩(geocode)
팁:선택적으로주소데이터를
표준화합니다
• 데이터 소스에는 종종 완벽한
데이터세트 퀘스트에 적용되지
않을 수 있는 많은 필드가 있습
니다. 워크플로우의 간소화를
위해, Select 도구를 사용하여
조기에 해당 필드를 제거하십
시오.
• CASS 도구로 주소 데이터를
정리하고 표준화하여 정확한
지오코딩을 할 수 있습니다
2
Street Geocode tool: Enrich
datasets containing street addr
esses with latitudeand longitud
e information for each record
Browse tool: View the
geocoded points on am
ap, quickly and easily
6 Steps to Data Blending for Spatial Analytics
9. • Trade Area 도구를 통해 각 위치 주변 타겟 지역 내에서 발생한
상황을 정확히 확인 할 수 있습니다.
• 차로 10분내 이동가능 거리에 대한 폴리곤을 생성하기 위해
Trade Area 도구는 각 위치에서 시작하여 도로 경로상 10분 내에
이동 가능한 거리를 찾아냅니다.
타겟 지역 설정하여
위치, 반경내 세부정보, 이동시간 분석
다음의두방법중하나로
trade area생성가능:
• 한 점을 중심으로 원형 반경을
정의
• TomTom의 지형공간(geospatial)
데이터를 사용하여 드라이브
시간을 계산합니다. 고객 및
선호도 분석시 유용합니다.
3
Trade Area tool: Create a
10-minute drive time area
around each location
Non-Overlapping Drive Time
tool: Create non- overlapping
trade areas based on the shor
test drive times to eachlocati
on
6 Steps to Data Blending for Spatial Analytics
10. 고객과 위치의 상관 관계 분석을
위해 데이터 세트 블렌딩
• Spatial Match 도구로 두 공간 객체 세트 간의 spatial relationship
(contains, intersects, touches 등)를 설정할 수 있습니다.
• 각 위치의 10분내 이동거리 안팎에 얼마나 많은 고객이 있는지 알기 위해
Spatial Match 도구를 사용하여 고객 데이터 세트의 spatial point를
사이트 위치 trade area 폴리곤과 결합합니다.
Spatial Match tool: Establi
sh the spatial relationship
between your customer dat
aset and location dataset
4 팁: 데이터세트간
spatial relationship이 올바르
게 설정되었는지 확인하십시오
• Spatial Match 도구의 configuration
properties에서 타겟이 Unverse 내
에 있도록 "Target"이 point 개체이
고 "Universe"가 폴리곤 개체인지
확인하십시오
6 Steps to Data Blending for Spatial Analytics
11. 팁: 필터 추가
• Filter 도구는 파일의 레코드를
지정된 조건을 충족하는 지
쿼리할 수 있습니다
• Filter 도구는 두 개의 output을
생성합니다 :
데이터가 지정된 기준을 충족
시키는 경우 - True
그렇지 않은 경우 - False
advanced 공간 분석 수행으로
추가 인사이트 획득
Alteryx에는 비즈니스 현업 사용자가 advance spatial analysis를 수행
할 수 있게 하는 일련의 도구가 포함되어 있습니다.
추가 도구에는 다음과 같은 것이 있습니다.
5
Distance tool: Calculate t
he distance or drivetime
between a point and anot
her point, line, or polygon
Find Nearest tool: Identify
the closest points or poly
gons in one file to the poi
nts in a second file
Heat Map tool:Generate pol
ygons representing different l
evels of “heat” (e.g. demand) i
n a given area, based on indiv
idual records (e.g. customers)
6 Steps to Data Blending for Spatial Analytics
12. 리포트와 시각화를 위해 혹은
다운스트림 프로세스에 공급을 위해
export를 위한 데이터 준비
• alteryx로 분석 결과를 쉽게 출력하여 비즈니스 의사 결정권자와
인사이트를 공유할 수 있습니다.
• advanced mapping 도구로 지도 또는 위성 이미지 위에 데이터를
오버레이하여 결과를 명확히 표시할 수 있습니다.
• Excel, ESRI, XML, PDF, Tableau, Qlik 같은 다양한 파일 형식으로
분석 결과를 출력하여, 다른 다운 스트림 분석 프로세스에 피드할 수도
있습니다
TIP:새로운데이터로워크플로우
를바로업데이트하십시오
• 특정 시간에 워크플로우가
실행되도록 예약하여
결과 보고서, 시각화, 기타
export된 데이터를 refresh하여
모든 사용자가 최신 데이터로
작업할 수 있게 합니다.
Output tool: Export data in
the format you need
6
6 Steps to Data Blending for Spatial Analytics
13. Alteryx는 더심도깊은 비즈니스인사이트를 획득할수 있게
demographic, firmograpich, behavior information을 사용하여
데이터를 보강 (enrich)하게할 수있습니다.
• Experian household data를 trade area에 결합하여 타겟 위치에
거주하는 사람들의 다양한 변수와 속성들 (총 인구, 구매 선호도 등)을
이해할 수 있습니다.
• Dun & Bradstreet의 firmographic 정보를 결합하여 과다 경쟁 지역
에서의 Risk를 분석하고 실적이 좋은 위치와 다른 유형의 비즈니스
와의 상관 관계를 분석 할 수 있습니다.
• Experian household data와 데이터를 블렌딩 하여 특정 서비스나 상
품을 이용하기 위해 소비자가 얼마나 기꺼이 이동할지 파악함으로
써 주요 고객의 소비자 행동 패턴을 분석합니다.
보너스: 써드파티 데이터로 귀하의
데이터를 보강(enrich)할 수 있습니다
Allocate Append tool: See how
many peoplelive within the 10-
mile target area of each location
6 Steps to Data Blending for Spatial Analytics
14. Alteryx는공간 분석을위한워크플로우에삽입가능한
통계 및 예측분석을위한 30가지이상의 추가 도구를제공합니다
• 위치가 구매 결정에 미치는 영향을 확인하기 위해 구매 항목
의 양, 빈도, 유형 등을 포함하여 과거 및 잠재적 구매를 분석
합니다.
• 실적이 높은 매장과 저조한 매장을 찾아내고 Location 전략의
문제를 파악할 수 있습니다.
• 새로운 위치에 대한 예측과 인근 위치에서의 매출 잠식에 대한
관점에서 새로운 사업장을 추가하는 데에 있어 매출에 미치는
영향을 예측할 수 있습니다.
보너스! 구매자 행동과
위치의 실적을 예측합니다
AB Analysis tool: Compare
the percentage change in p
erformanceto the same me
asure over a similar time per
iod
Decision Tree tool: Predict a
target variable using one or
more predictorvariables that
influence the value of the tar
get variable
Logistic Regression tool: De
termine the probability that
someone will respond to aca
mpaign
Lift Chart tool: Assess the c
omparative accuracy of diffe
rent models to predict new
data
6 Steps to Data Blending for Spatial Analytics
15. • 워크플로우를 저장하고 이의 자동화를 통해 데이터 업데이트
시 동일한 프로세스를 실행하고 에러 가능성을 제거합니다.
• Alteryx가 없는 동료를 위해 브라우저에서 실행가능한 분석 어
플리케이션에 워크플로우를 패키지화 할 수 있습니다.
• 의사결정자가 워크플로우를 만들지 않고도 분석 어플리케이
션을 커스터마이즈하고 실행할 수 있게 합니다.
• Alteryx Analytics Gallery에서 분석 어플리케이션 사례를 확
인할 수 있습니다.
보너스! 데이터 프로세스를
자동화 및 매개 변수화(parameterize)
팁:조직내동료들을위해
• 향후 프로세스에 재사용가
능한 워크플로우를 생성하
십시오
• 반복될 수 있는 프로세스를
쉽게할 수 있는 매크로 작성
6 Steps to Data Blending for Spatial Analytics
16. Alteryx를 통해 Rent-A-Center의 현업 사용자들은 기술교육이나 프로그래밍
경험 없이도 잠재고객 사이트를 대화식으로 쿼리하고 마켓 리서치를 위해
trade area를 조정함으로써 데이터 분석을 통해 신속한 인사이트를 얻고 있
습니다.
• Deeper Insights.현업 사용자가 언제 어디서나 필요한 지도, 보고서 ,
파일에 즉시 액세스하여 의사 결정 프로세스의 향상
• Hoursvs. Weeks. 12주 이상 걸렸던 3000개 점포의 GIS 맵을 작성하는
데 시간을 3시간 미만으로 단축.
• IntuitiveWorkflow. 기업내 모든 부서에서 사용할 수 있는 매장의 위치
와 고객의 위치 맵에 대한 중앙 저장소를 생성. 여기에는 매장에서 제공하
는 서로 다른 지역으로의 이동시간 계산 및 각 매장의 담당 지역 내 해당
인구 통계가 포함됩니다.
Case Study: Rent-A-Center
소매 네트워크의 최적화 “처음에는Alteryx를데이터관리에
만사용했으며,복잡한GIS관련
작업은GISSW를통해진행했습
니다. 얼마후루틴한 mapping의
대부분과 배치 프로세스를
Alteryx로 할 수 있다는 것을 깨
닫게 되었습니다.
최종적으로는 나는차량이동시
간생성,지오코딩,고객인구통
계등을Alteryx를통해수행할
수있음을깨달았습니다.”
– Deanna Sanchez
Market Planning andGISManager at
Rent-A-Center
Readtheir case study
to learn more
6 Steps to Data Blending for Spatial Analytics
17. Alteryx는 분석가가 필요한 3가지를 제공합니다
타인에 대한 의존 없이, 공간 분석 또는 예측 분석으로
더 깊은 비즈니스 통찰력을 가질 수 있게 합니다.
분석가가 필요한 모든 데이터를 활용하여 최적의 방식으로 분석할 수
있게 합니다.
완벽한 데이터 블렌딩과 advanced analytic 프로세스를위한
단일하고 직관적인 워크 플로우를 제공합니다.
6 Steps to Data Blending for Spatial Analytics
18. 매뉴얼 프로세스 제거로 보다 일관된
데이터 제공
정적 데이터에 위치에 대한 인사이트를 추가
하여 더 나은 상호 작용을 분석할 수 있습니다.
공간 분석을 위해 왜 Alteryx를
사용하여야하나? “Alteryx로고객전환데이터
를더깊이파악할수있었으
며상점별및세대별기준으
로고객에대해더깊이알수
있었습니다.”
– JohnLeTourneux
Senior Analyst, Kroger
데이터 준비 시간을 줄여 분석에 집중할 수
있습니다.
Alteryx로 다음이 가능해 집니다:
6 Steps to Data Blending for Spatial Analytics
19. Next Steps
Alteryx에서의 공간 분석
alteryx.com/spatial_analytics
고객사의 case study
alteryx.com/customers
Alteryx로 데이터 블렌딩 및 공간 분석 Trial
alteryx.com/download
6 Steps to Data Blending for Spatial Analytics