예측분석이란 무엇일까?

 

예측분석이란?
데이터를 미래 통찰력으로 변환함을 말한다.

 

 

예측 분석(Predictive Analytics)은 통계 모델링 및 기계 학습과 같은 과거 데이터 및 분석 기술을 기반으로 미래 결과에 대한 예측을 하는 것을 목표로 하는 데이터 분석의 범주이다. 예측 분석 과학은 상당한 정도의 정밀도로 미래의 통찰력을 생성할 수 있다. 이제 모든 조직은 정교한 예측 분석 툴과 모델을 통해 과거 및 현재 데이터를 사용하여 밀리초, 일 또는 년 후의 추세와 행동을 안정적으로 예측할 수 있습니다.

Insight Partners가 2022년 8월에 발표한 연구 조사에 따르면 예측 분석은 2022년 세계 시장 규모가 124억 9천만 달러에 달할 정도로 광범위한 조직의 지지를 받고 있습니다. 이 보고서는 시장이 2028년까지 380억 달러에 도달하여 2022년부터 2028년까지 약 20.4%의 복합 연간 성장률(CAGR)로 성장할 것으로 예상한다.

 

비즈니스의 예측 분석

예측 분석은 빅 데이터, 데이터 마이닝, 통계 모델링, 기계 학습 및 다양한 수학적 프로세스를 포함한 광범위한 방법과 기술에서 그 힘을 얻습니다. 조직은 예측 분석을 사용하여 현재 및 과거 데이터를 선별하여 추세를 감지하고 제공된 매개 변수를 기반으로 특정 시간에 발생해야 하는 이벤트 및 조건을 예측합니다.

예측 분석을 통해 조직은 위험과 기회를 감지하기 위해 데이터에 포함된 패턴을 찾고 활용할 수 있습니다. 예를 들어 다양한 행동 요인 간의 관계를 발견하기 위해 모델을 설계 할 수 있습니다. 이러한 모델을 통해 특정 조건 집합에 의해 제시된 약속 또는 위험을 평가할 수 있으므로 다양한 범주의 공급망 및 조달 이벤트에 걸쳐 정보에 입각한 의사 결정을 내릴 수 있습니다.

예측 분석을 통해 마케팅 캠페인을 최적화함으로써 조직은 새로운 고객 응답 또는 구매를 생성하고 교차 판매 기회를 촉진할 수도 있습니다. 예측 모델은 기업이 가장 가치 있는 고객을 유치, 유지 및 육성하는 데 도움이 될 수 있습니다.

예측 분석은 또한 심각한 피해가 발생하기 전에 다양한 유형의 범죄 행위를 감지하고 중지하는 데 사용할 수 있습니다. 예측 분석을 사용하여 사용자 행동과 행동을 연구함으로써 조직은 신용 카드 사기에서 기업 스파이, 사이버 공격에 이르기까지 비정상적인 활동을 감지할 수 있습니다.

 

 

예측 분석 사용 사례

오늘날 조직은 사실상 무한한 방식으로 예측 분석을 사용합니다. 이 기술은 금융, 의료, 소매, 접객업, 제약, 자동차, 항공 우주 및 제조와 같은 다양한 분야의 채택자를 지원합니다.

다음은 조직에서 예측 분석을 활용하는 몇 가지 방법입니다.

• 항공 우주: 특정 유지보수 작업이 항공기 안정성, 연료 사용, 가용성 및 가동 시간에 미치는 영향을 예측합니다.
• 자동차: 부품의 견고성 및 고장 기록을 향후 차량 제조 계획에 통합합니다. 더 나은 운전자 지원 기술과 궁극적으로 자율 주행 차량을 개발하기 위해 운전자 행동을 연구합니다.
• 에너지: 장기 가격 및 수요 비율을 예측합니다. 기상 현상, 장비 고장, 규정 및 기타 변수가 서비스 비용에 미치는 영향을 결정합니다.
• 금융 서비스: 신용 위험 모델을 개발합니다. 금융 시장 동향을 예측합니다. 새로운 정책, 법률 및 규정이 기업과 시장에 미치는 영향을 예측합니다.
• 제조: 기계 고장의 위치와 비율을 예측합니다. 예상되는 미래 수요를 기반으로 원자재 공급을 최적화합니다.
• 법 집행 기관: 범죄 추세 데이터를 사용하여 연중 특정 시기에 추가 보호가 필요할 수 있는 지역을 정의합니다.
• 소매: 온라인 고객을 실시간으로 추적하여 추가 제품 정보 또는 인센티브를 제공하면 거래가 완료될 가능성이 높아질지 여부를 결정합니다.

 

예측 분석 도구

예측 분석 도구는 사용자에게 거의 끝없는 비즈니스 활동에 대한 심층적인 실시간 통찰력을 제공합니다. 도구는 특정 시간에 리소스를 할당하는 방법, 재고를 보충 할시기 또는 마케팅 캠페인을 시작하기에 가장 좋은 순간과 같은 다양한 유형의 행동 및 패턴을 예측하는 데 사용할 수 있으며 일정 기간 동안 수집 된 데이터 분석을 기반으로 예측합니다.

최고의 예측 분석 소프트웨어 플랫폼 및 솔루션은 다음과 같습니다.

 

• Alteryx Analytics Automation Platform
• Amazon SageMaker
• H20 AI Cloud
• IBM SPSS
• RapidMiner
• SAP Analytics Cloud
• SAS Viya
• TIBCO

 

예측 분석 모델

모델은 예측 분석의 기초로, 사용자가 과거 및 현재 데이터를 실행 가능한 통찰력으로 전환하여 긍정적인 장기적 결과를 생성할 수 있는 템플릿입니다. 예측 모델의 몇 가지 일반적인 유형은 다음과 같습니다.

• 고객 평생 가치 모델: 제품 및 서비스에 더 많이 투자할 가능성이 가장 높은 고객을 찾아냅니다.
• 고객 세분화 모델: 유사한 특성과 구매 행동을 기반으로 고객을 그룹화합니다.
• 예측 정비 모델: 필수 장비가 고장날 가능성을 예측합니다.
• 품질 보증 모델: 고객에게 제품이나 서비스를 제공할 때 실망과 추가 비용을 피하기 위해 결함을 발견하고 예방합니다.

 

예측 모델링 기법

모델 사용자는 거의 무한한 범위의 예측 모델링 기술에 액세스할 수 있습니다. 많은 방법이 특정 제품 및 서비스에 고유하지만 의사 결정 트리, 회귀 및 신경망과 같은 일반 기술의 핵심은 이제 광범위한 예측 분석 플랫폼에서 널리 지원됩니다.

가장 널리 사용되는 기술 중 하나인 의사 결정 트리는 작업 과정을 결정하거나 통계적 확률을 표시하는 데 사용되는 도식적인 트리 모양의 다이어그램에 의존합니다. 분기 방법은 또한 특정 결정의 가능한 모든 결과와 한 선택이 다음 결정으로 이어질 수 있는 방법을 보여줄 수 있습니다.

회귀 기법은 종종 은행, 투자 및 기타 금융 지향 모델에서 사용됩니다. 회귀는 사용자가 자산 가치를 예측하고 상품 및 주가와 같은 변수 간의 관계를 이해하는 데 도움이 됩니다.

예측 분석 기술의 최첨단에는 인간의 마음이 기능하는 방식을 모방하여 데이터 세트 내의 기본 관계를 식별하도록 설계된 알고리즘인 신경망이 있습니다.

 

 

예측 분석 알고리즘

예측 분석 채택자는 예측 분석 모델에 사용하도록 설계된 광범위한 통계, 데이터 마이닝 및 기계 학습 알고리즘에 쉽게 액세스할 수 있습니다. 알고리즘은 일반적으로 특정 비즈니스 문제 또는 일련의 문제를 해결하거나, 기존 알고리즘을 향상시키거나, 특정 유형의 고유한 기능을 제공하도록 설계되었습니다.

예를 들어 클러스터링 알고리즘은 고객 세분화, 커뮤니티 감지 및 기타 소셜 관련 작업에 매우 적합합니다. 고객 유지율을 높이거나 추천 시스템을 개발하기 위해 일반적으로 분류 알고리즘이 사용됩니다. 회귀 알고리즘은 일반적으로 신용 점수 시스템을 만들거나 많은 시간 기반 이벤트의 결과를 예측하기 위해 선택됩니다.

 

 

의료 분야의 예측 분석

의료 기관이 가장 열정적인 예측 분석을 채택한 이유는 기술이 비용 절감에 도움이 된다는 매우 간단한 이유 때문입니다.

의료 조직은 과거 추세를 기반으로 시설 리소스를 지능적으로 할당하고, 직원 일정을 최적화하고, 비용이 많이 드는 단기 재입원 위험이 있는 환자를 식별하고, 제약 및 공급 획득 및 관리에 인텔리전스를 추가하는 등 여러 가지 방법으로 예측 분석을 사용합니다.

의료 컨소시엄 Kaiser Permanente는 예측 분석을 사용하여 향후 12시간 이내에 빠르게 악화될 가능성이 있는 비중환자실(ICU) 환자를 식별하는 데 사용하는 병원 워크플로 도구를 만들었습니다. NorthShore University 대학 의료 시스템은 환자의 전자 의료 기록(EMR)에 예측 분석 도구를 내장하여 관찰을 위해 입원해야 하는 흉통 환자와 집으로 보낼 수 있는 환자를 식별하는 데 도움이 됩니다.

 

조직은 예측 분석을 어떻게 시작해야 할까요?

예측 분석을 시작하는 것은 쉬운 일이 아니지만 접근 방식에 전념하고 프로젝트를 진행하는 데 필요한 시간과 자금을 기꺼이 투자하는 한 거의 모든 비즈니스가 처리할 수 있는 작업입니다. 중요한 비즈니스 영역에서 제한된 규모의 파일럿 프로젝트로 시작하는 것은 재정적 보상이 시작되기 전의 시간을 최소화하면서 시작 비용을 제한하는 훌륭한 방법입니다. 모델이 실행되면 일반적으로 수년 동안 실행 가능한 통찰력을 계속 연마하기 때문에 유지 관리가 거의 필요하지 않습니다.

 

 

Image ⓒ THINKSTOCK

 

 

-----

T. Olavsrud, J. Edwards, CIO, 10 Feb. 2023