Choose Language Hide Translation Bar

cancel
Turn on suggestions
Auto-suggest helps you quickly narrow down your search results by suggesting possible matches as you type.
Showing results for 
Show  only  | Search instead for 
Did you mean: 
B2B 영업단계에서 활용되는 데이터 분석 및 활용
Tuesday, November 12, 2024
Chrysanthemum
JMP를 활용한 데이터분석 사례는 주로 제조업의 신제품개발을 위한 연구개발 부서나 제조현장의 품질, 기술부서에서 제공되었다. 그러나, JMP의 다양하고 편리한 기능은 제조, 연구개발 뿐만 아니라 마케팅, 인사, 재무, 영업, 서비스지원 등 다양한 부서에서도 폭넓게 활용되고 있다. 금번 발표에서는 특히, B2B 영업부문의 데이터 기반 의사결정에 대한 사례를 공유해보고자 한다. 영업사원들은 통계나 데이터분석 관련 경험이나 지식이 부족한 경우가 많다. 그러나, 쉽게 활용할 수 있는 JMP의 다양한 기능을 활용하여, 한 단계 업그레이드된 의사결정, 문제해결을 할 수 있음을 사례를 통하여 공유하고자 한다. 주요 사례는 SSTC 전략적 판매(Strategic Selling for Target Customer)단계에 따라서 1) 마켓맵을 활용한 타겟 고객선정, 2)Sale Pipeline 관리 및 고객분석, 3)그래프 빌더를 활용한 고객 구매형태 패턴 분석, 4) 머신러닝을 통한 KFS(Key Success Factor) 선정 등이다. 영업부문의 사례는 어려운 분석 도구를 사용한다는 것 보다, 쉽고 간단하지만 영업현장에 필요한 분석 기법을 접목해본다는 것에 큰 의미가 있다고 본다. 영업 분야에서도 데이터 분석을 활용한 의사결정 사례가 많이 확대되기를 바란다.
Python/JMP 통합 머신러닝 시뮬레이터와 의사결정 대시보드 구축
Wednesday, November 13, 2024
Chrysanthemum
JMP가 가지고 있는 통계적인 장점들 이외에도 설계 관점에서 바라보면 JMP 설계 플랫폼으로서의 장점은 수식 기반의 시뮬레이터와 데이터 기반의 대시보드 구축의 유연성에 있다. CAE(Computer Aided Engineering)와 실험(Test)을 포함한 모든 과제들은 프로세스 통합을 통하여 데이터를 획득하는 과정과 획득한 데이터를 가지고 얼마나 유용한 결과를 끄집어내냐는 것으로 귀결된다. 이런 관점에서 최근에 Python의 공학 분야에서의 놀라운 확장성과 JMP가 가지고 있는 공학 분야에서의 의사결정 플랫폼으로서의 장점을 살려서 모든 설계 프로세스를 "Python 프로세스 통합 및 JMP 머신러닝 최적설계"로 정의하여 과제를 진행하게 되었다. "Python 프로세스 통합 및 JMP 머신러닝 최적설계" 프로세스는 "Python 프로세스 통합", "JMP 머신러닝", "JMP 최적설계"의 3가지 설계 항목으로 정의하였으며, 특히 "JMP 머신러닝" 관점에서 살펴보면 머신러닝 모델이 구축되느냐 안되느냐를 판단하게 되며, 머신러닝 모델이 구축되면 "JMP 최적설계"의 "머신러닝 시뮬레이터"를 적용하게 되며, 머신러닝 모델이 구축되지 못한다면 "JMP 최적설계"의 "의사결정 대시보드"를 적용하면 된다. 본 연구에서는 "머신러닝 시뮬레이터"와 "의사결정 대시보드" 관점에서 해군, 항공, CAE, 실험 분야 등에서의 다양한 성공 사례를 다루어 보고자 한다.