Slide 1

Slide 1 text

© 2018 Arm Limited 고영혁 (Dylan Ko) Head of Korea Data Business 돈 버는 시각화를 위한 데이터 플랫폼 MASOCON 2018 2018-12-15

Slide 2

Slide 2 text

돈 버는 시각화란?

Slide 3

Slide 3 text

대시보드 만들어 납품하거나 인포그래픽 만들어 팔거나 그런거 말구요 ^^;;

Slide 4

Slide 4 text

어떻게 하면 돈을 버나요? 4 • 우리 서비스/사업에 “돈 낼 법한” Right Person 찾아내기 • 그들에게 Right Timing 에 Right Offer 를 Right Interface 로 찾아 던지기 • 최종 단계인 돈 내는 단계까지의 서비스/사업 프로세스 상에서 결함 찾아 개선 • 돈을 잘 벌어들이는 요인을 찾아 더욱 강화하기 • 조금 다른 관점이지만, 돈을 헛되이 쓰는 포인트를 찾아서 막기

Slide 5

Slide 5 text

돈벌기 위해 파고들어야 하는 데이터 플랫폼 관점 5 • 사람 • 시간의 흐름 (not only stock, but also flow) • Funnel • Right? 찾아?  Trial & Error (이거저거 조합해서 해보고)  Multi & Cross Dimensional Slice & Dice (다양한 관점으로 잘라보고 교차해서 보고)  Hierarchical Drill Down (계층구조에서 마음대로 위아래. 연-분기-월-주-일)

Slide 6

Slide 6 text

사람을 안다 – CUSTOMER 360 VIEW 6

Slide 7

Slide 7 text

감사합니다! Thank You! Danke! Merci! 谢谢! ありがとう! Gracias! Kiitos! 돈 버는 시각화를 위한 데이터 플랫폼

Slide 8

Slide 8 text

감사합니다! Thank You! Danke! Merci! 谢谢! ありがとう! Gracias! Kiitos! 빅데이터 자동 수집 360도 고객 데이터 통합 빅데이터 분석/머신러닝 개인화 자동 실행 ADVANCED BIG DATA PLATFORM 기반 Cloud-based | Secure | Scalable | Persistent | Schemaless ARM TREASURE DATA ENTERPRISE CUSTOMER DATA PLATFORM GUI 기반 머신러닝 예측 액티베이션 Treasure Workflow Audience Suite Segment Builder | Machine Learning Library Profiles API Output Connectors Input Connectors Online & Offline Data 개별 프로필 레벨 통합 관리 데이터 정제 / 변환 세그멘테이션 모든 고객접점 통합 개인화 데이터 수집/통합 소셜미디어 광고 플랫폼 이메일 메신저 모바일 앱 웹사이트 추천 오퍼 BI 대시보드 IoT devices Web logs Mobile app logs Social Media POS CRM Customer Survey E-Commerce DMP

Slide 9

Slide 9 text

차트나 대시보드만이 돈버는 시각화 접근이 아닙니다 9 세그멘테이션 조건에 따른 프로필 변화 통계 시각화 기반의 머신러닝 활용과 모델 최적화

Slide 10

Slide 10 text

감사합니다! Thank You! Danke! Merci! 谢谢! ありがとう! Gracias! Kiitos! 데이터 시각화로 돈벌기 위한 고려 사항

Slide 11

Slide 11 text

플랫폼 관점의 주의 사항 11 • 시각화의 원천이 되는 데이터들에 대한 고려  어딘가에 저장되어 있는 건가? 아니면 어떤 서비스에서 계속 생겨나는 건가?  양은 얼마나 되나? 그 종류는 또 얼마나 다양한가?  그 데이터는 실시간으로 가져와야 하나? 배치면 되나?  가져올 때부터 변환을 하는 게 낫나? 가져온 다음에 이런저런 처리를 하는게 낫나? • 시각화된 차트가 나오기까지의 전처리/분석 고려  전처리의 복잡도, 자동화, 처리완료까지의 리드타임  정형화된 시각화 템플릿으로 커버가 안되는 Adhoc 분석에 대한 필요성의 정도와 리드타임  자유도와 정합성을 동시에 만족시키는 데이터 마트로 원천 데이터들을 정제하기 위한 데이터 모델링 편의성 • 시각화 구현 자체의 고려  템플릿의 다양성 및 Dimension(차원) 과 Measure(측정값)의 디자인 자유도  필터에 대한 고려 – 광역/지역 필터, 중첩 필터, 절대/상대좌표계, 차트간 차원 연동 필터  모니터링 Vs. EDA (탐색적 시각화 분석) – 약간씩 필터 걸면서 그냥 보면 되나? 아님 마구마구 탐색?

Slide 12

Slide 12 text

플랫폼이고 뭐고 떠나서 주의 사항 12 • Metric (지표) 설계 – 지금 보는 차트의 지표가 진짜 도움되는 거 맞나요? • 대시보드/차트 설계 누가했나요? 설정된 거 쓴지 얼마나 되었나요? • 대시보드 보면서 무슨 생각하고 있나요? • 혼자 보고 있나요 같이 보고 있나요? • 같이 보기만 하나요? 아니면 보면서 이걸 근거로 뭔가 토론을 하나요? • 정제를 위한 노가다에 투입한 시간과 구축된 시각화 플랫폼을 갖고 노는 시간 의 비율에 대해 어떤 생각을 갖고 있나요?