Detail View

경영의 관점에서 비즈니스 애널리틱스를 공부하려는 학생과 실무자들을 염두에 두고 쓰여졌다. 비즈니스 애널리틱스를 데이터과학에 중점을 두고 개관하면서, 현상을 요약하여 정리하기 위한 기술적 애널리틱스(descriptive analytics), 이로부터 미래를 예측하기 위한 예측적 애널리틱스(predictive analytics), 그리고 의사결정과 계획을 위한 처방적 애널리틱스(prescriptive analytics)에 이르는 비즈니스 애널리틱스의 전체 사이클을 다루었다.

모델들의 개념과 이론적 기반에 대한 상세한 설명과 더불어, 피상적 이해에 그치지 않고 직접 적용할 수 있는 역량을 체득할 수 있도록 실제 응용에 필수적인 파이썬(Python) 언어의 기초로부터 시작하여 딥러닝 적용을 위한 텐서플로우(Tensorflow)와 케라스(Keras) 패키지를 활용하여 비즈니스의 문제에 적용하는 방안을 다루었다.

마부작침(磨斧作針).

도끼를 갈아 바늘을 만든다는 뜻인데, 필자의 느낌이 딱 그랬다. 경영에 데이터과학을 적용하는 것이 중요하다는 생각에서 비즈니스 애널리틱스 과목을 개설하여 강의하면서, 좋은 책과 자료는 많지만 한 권의 분량으로 길잡이가 되어 줄 수 있는 책이 있으면 좋겠다는 가벼운 생각으로 시작한 일이었다. 그랬던 것이 지난 2년간 주말을 반납하고 휴가에도 노트북을 들고 다니면서 원고를 쓰고 코드를 작성하며 써도 써도 끝나지 않는 분량에 마치 사포로 바위를 갈아 없애는 느낌이었다. 이제 교정본을 출판사에 송고하고 머리말을 쓰면서, 책 한 권에 들어가는 공이 이렇게나 크다는 생각에, 훌륭한 저술을 남기신 앞선 저자들의 노고와 열정에 다시 한번 고개가 숙여진다.

비즈니스 애널리틱스(Business Analytics)는 매력적이지만 쉽게 진입하기 어려운 분야이다. 비즈니스라는 대상과 통계학(statistics), 경영과학(management science), 그리고 데이터과학(data science) 등의 학제적 방법론이 교차하는 지점에 있는 특성상, 비즈니스 애널리틱스는 접근 관점도 다양하고 범위도 넓으며, 어디서부터 시작해서 공부해야 할지 방향을 잡기도 무척 어렵다. 더군다나 수학과 컴퓨터 언어 등 필요한 사전 지식이 어느 정도여야 하는지도 막연하다 보니, 이 분야에 관심을 가진 학생이나 비즈니스 실무자들로부터 어떻게 시작하면 좋을지, 참고할 만한 책이나 자료가 있는지 자주 질문을 받게 된다.

이 책은 그래서, 경영의 관점에서 비즈니스 애널리틱스를 공부하려는 학생과 실무자들을 염두에 두고 쓰여졌다. 비즈니스 애널리틱스를 데이터과학에 중점을 두고 개관하면서, 현상을 요약하여 정리하기 위한 기술적 애널리틱스(descriptive analytics), 이로부터 미래를 예측하기 위한 예측적 애널리틱스(predictive analytics), 그리고 의사결정과 계획을 위한 처방적 애널리틱스(prescriptive analytics)에 이르는 비즈니스 애널리틱스의 전체 사이클을 다루었다. 모델들의 개념과 이론적 기반에 대한 상세한 설명과 더불어, 피상적 이해에 그치지 않고 직접 적용할 수 있는 역량을 체득할 수 있도록 실제 응용에 필수적인 파이썬(Python) 언어의 기초로부터 시작하여 딥러닝 적용을 위한 텐서플로우(Tensorflow)와 케라스(Keras) 패키지를 활용하여 비즈니스의 문제에 적용하는 방안을 다루었다.

비즈니스 애널리틱스 분야의 공부를 시작해보고자 하는 사람들에게 실제 적용에 이르기까지의 길잡이가 되는 책으로 구성하다 보니 난이도의 스펙트럼이 넓어진 것 같다. 파이썬 언어에 이미 익숙하다면 파이썬 기초를 설명하는 앞부분은 건너뛰고 4장 이후부터 참고하면 될 것이다. 반대로, 경영과학 분야의 정량적 의사결정모델에 익숙하지 않다면 16장은 다소 어려울 수 있으므로 시간이 부족하다면 개념적으로만 파악하는 정도로도 충분할 것으로 생각된다. 모델의 이해와 적용을 위한 풍부한 예제를 포함하였으므로, 시간을 가지고 책에 포함된 프로그램 코드를 직접 실행하면서 설명을 따라가 보면 비즈니스 애널리틱스의 다양한 모델에 대한 깊이있는 이해와 적용 능력을 갖게 될 것으로 믿는다.

광활한 영역에 나름대로의 지도를 그리고 줄을 잡아 한 권으로 정리하여 세상으로 내보내려고 하니 부끄럽고 두려운 마음이 앞선다. 독자 제현들의 많은 피드백을 부탁드린다. 아울러, 비즈니스 애널리틱스를 공부하기 위해 이 책을 집어 드는 학생과 비즈니스 실무자들을 응원한다. 처음에는 막막하겠지만, 최대한 친절하게 설명하려고 노력하였으니 차근차근 책의 설명을 따라가면서 시간을 두고 여행하다 보면 언젠가는 비즈니스 애널리틱스라는 대지의 전체 그림이 보일 것으로 믿는다. 마부작침. 갈고 다듬다 보면 언젠가는 빛나지 않겠는가.

끝으로, 이 책이 나올 수 있도록 해 준 많은 이들에게 감사드린다. 먼저, 강의자료와 코드를 정리하고 검토하는 데 아낌없는 정성과 노력을 기울여준 연구실 석사과정 제자 최동엽 군과 학부 연구생 권예진 양에게 감사의 뜻을 전한다. 이들의 역량과 도움이 없었다면 이 책을 시작하지도 못했을 것이다. 또한, 함께 토론해준 연구실의 제자들과 동료 연구자들, 책의 아이디어에 많은 도움을 준 기업 관계자들, 그리고 이 책의 출간까지 고생을 마다하지 않은 생능출판사 관계자 여러분께도 깊은 감사의 말씀을 드린다. 무엇보다도, 집필 과정에서 변함없는 따뜻한 격려와 응원을 보내준 가족들에게 깊은 감사의 마음을 표한다.

Information Provided By: :

PART Ⅰ 개요

CHAPTER 1 Business Analytics란?
1.1 비즈니스 애널리틱스의 정의
1.2 모델에 대한 이해
1.3 정량적 모형의 필요성
1.4 비즈니스 애널리틱스의 구분
1.5 비즈니스 애널리틱스와 관련 개념과의 관계
1.6 비즈니스 애널리틱스 트렌드
1.7 이 책의 범위
ㆍ연습문제

PART Ⅱ Python을 활용한 분석 기초

CHAPTER 2 Python 기초
2.1 Python 설치
2.2 첫 번째 Python 프로그램
2.3 Python의 기초: 변수
2.4 Python의 기초: 리스트
2.5 조건문
2.6 반복문 1 : while
2.7 반복문 2 : for
2.8 함수
ㆍ실습예제
ㆍ연습문제

CHAPTER 3 데이터 처리와 수치 연산 기초
3.1 Pandas를 이용한 csv 파일 입력
3.2 데이터 추출과 그룹화
3.3 데이터프레임에서 통계량 산출
3.4 행렬과 numpy 패키지
3.5 Numpy를 활용한 배열 생성과 기초
3.6 Numpy 배열의 사칙연산
3.7 Numpy를 활용한 행렬 연산
3.8 단위행렬, 역행렬과 특수 행렬의 표현
3.9 데이터의 통계치 추출
ㆍ실습예제
ㆍ연습문제

PART Ⅲ 기술적 분석모형(Descriptive Analytics)

CHAPTER 4 데이터의 대표값
4.1 대표값
4.2 데이터의 변동성
4.3 파이썬을 이용한 실습: 데이터 추출하기
4.4 파이썬을 이용한 실습: 대표값 구하기
4.5 파이썬을 이용한 실습: 표준편차 구하기
ㆍ실습예제
ㆍ연습문제

CHAPTER 5 데이터 시각화
5.1 데이터 시각화의 사례
5.2 데이터 시각화를 위한 프로그램 기초
5.3 데이터 시각화 실습: 히스토그램
5.4 데이터 시각화 실습: 상자그림
5.5 데이터 시각화 실습: 산점도
ㆍ실습예제
ㆍ연습문제

PART Ⅳ 예측적 분석모형(Predictive Analytics)

CHAPTER 6 예측적 분석과 학습 데이터 구조
6.1 실습 준비
6.2 데이터의 구조
6.3 와인 데이터의 2차원 시각화
6.4 와인 데이터의 3차원 시각화
6.5 KNN의 개념
6.6 KNN 모형 구축
ㆍ실습예제
ㆍ연습문제

CHAPTER 7 모델의 성능지표
7.1 1종 오류와 2종 오류
7.2 혼동행렬
7.3 TP, TN, FP, FN
7.4 정확도
7.5 정밀도와 재현율
7.6 F1 score
7.7 성능지표 계산 파이썬 예제
7.8 ROC 곡선과 AUC
ㆍ실습예제
ㆍ연습문제

CHAPTER 8 의사결정나무
8.1 의사결정나무 모델의 이해
8.2 의사결정나무의 구조
8.3 의사결정나무 실습
8.4 의사결정나무 실습 시각화
ㆍ실습예제
ㆍ연습문제

CHAPTER 9 Tensorflow 기초와 회귀분석
9.1 Tensorflow 소개
9.2 Tensorflow 설치 및 맛보기
9.3 회귀분석의 원리
9.4 텐서플로우로 하는 회귀분석 1 - 초기모델 설정
9.5 텐서플로우로 하는 회귀분석 2 - 오차 측정
9.5 텐서플로우로 하는 회귀분석 3 - 모델의 최적화
ㆍ실습예제
ㆍ연습문제

CHAPTER 10 로지스틱 회귀
10.1 분류에 적합하지 않은 선형 모델
10.2 시그모이드 함수(sigmoid function)
10.3 로지스틱 회귀모델
10.4 경사하강법을 통한 최적의 로지스틱 회귀모델 산출
10.5 텐서플로우를 활용한 로지스틱 회귀모델 계산 예제
10.6 사이킷런 패키지를 통한 로지스틱 회귀모델 계산
10.7 신용카드 부정사용 예측을 위한 로지스틱 회귀 모델링
ㆍ실습예제
ㆍ연습문제

CHAPTER 11 인공신경망 기초
11.1 인공신경망에 대한 이해
11.2 퍼셉트론 모델
11.3 현대적인 뉴런 모델
11.4 단일 뉴런에서의 오차 역전파
11.5 다계층 인공신경망과 역전파 알고리즘
11.6 원시 데이터의 준비
11.7 이진분류 기계학습 데이터로 변환
11.8 역전파 알고리즘의 구현
11.9 인공신경망 모델의 예측성능
11.10 맺음말
ㆍ실습예제
ㆍ연습문제

CHAPTER 12 인공신경망 구현과 Keras 패키지
12.1 Keras 패키지
12.2 Keras의 최적화 알고리즘
12.3 활성화 함수의 종류
12.4 손실 함수의 종류
12.5 이미지 인식 예제 데이터셋
12.6 Keras를 활용한 이미지 인식 인공신경망 구현
12.7 이미지 인식 인공신경망의 성능 평가
ㆍ실습예제
ㆍ연습문제

CHAPTER 13 순환신경망과 시계열 예측
13.1 RNN의 개요
13.2 단순 RNN의 한계
13.3 LSTM
13.4 LSTM을 통한 주식가격 예측 예제
ㆍ실습예제
ㆍ연습문제

CHAPTER 14 자연어 처리 기초
14.1 BOW 모델과 워드클라우드
14.2 빈도 벡터와 코사인 유사도
14.3 TF-IDF와 문서 유사도 측정
14.4 감정분석
14.5 자연어 처리기술의 발전
ㆍ실습예제
ㆍ연습문제

PART Ⅴ 처방적 분석모형(Prescriptive Analytics)

CHAPTER 15 추천 시스템
15.1 추천 시스템의 이해
15.2 콘텐츠 기반 필터링 추천 시스템
15.3 협업 필터링 추천 시스템
15.4 장르 유사도 기반 추천 시스템으로 영화 추천 시스템 만들기
ㆍ실습예제
ㆍ연습문제

CHAPTER 16 비즈니스 계획
16.1 선형계획법의 개요
16.2 도해법을 이용한 선형계획모형 최적해 계산
16.3 Pulp 라이브러리
16.4 선형계획법을 이용한 의사결정 예제
16.5 뉴스벤더 모델의 개요
16.5 뉴스벤더 모델의 이익계산을 위한 파이썬 시뮬레이션
16.6 뉴스벤더 모델의 최적 주문량
16.6 인공신경망 적용을 위한 데이터 생성과 평균수요 생산 시뮬레이션
16.7 인공신경망을 활용한 생산계획 최적화 구현
16.8 인공신경망을 활용한 생산계획의 성능 시뮬레이션
ㆍ실습예제
ㆍ연습문제