AI의 이해 - 3. AI 업무적용 프로세스

AI 업무적용 프로세스 문제 정의 데이터 수집 데이터 분석 및 전처리 AI 모델링 AI 적용

1) 문제 정의

목적 : 고객 해지 방어 활동

목표1 : 사용패턴으로 해지예측

목표2 : 사용패턴 반영한 상품추천

 

=> 목적과 목표에 따라 어떤 AI모델을 만들 것인지 선택가능

 

ex. AI 과제 정의서

과제명	선글라스 판매량 증대를 위한 고객 타겟팅 방식 개선
배경 및 문제 정의	- 현상 / 상황 : 마케터의 직관을 바탕으로 타겟 고객 선정 - 핵심문제 및 원인 : 마케터 역량에 다른 직관력 상이, 미처 고려하지 못한 고객군 존재
가설	선글라스를 구매하는 고객의 뚜렷한 특징이 있을 것이다.
기대 효과	[As-Is] 경험에 의존한 마케팅 타겟 선정으로 영업효과 높지 않음 [To-be] 선글라스 구매하는 고객의 패턴을 분석하여 명확한 타겟 선정, 영업효과 극대화
문제 모델	활용 데이터(input) : - 구매 패턴 분석 데이터 선글라스 구매고개의 Demo Data(성별, 연령, 구매시간, 주소 등)	적용하는 AI 기능 (AI 솔루션/ 분석 방법) : -  비지도학습 > 군집 K-Means Clustering을 통해 선글라스 구매 고객군 분류하여 마케팅 타겟군으로 활용	적용 결과(Output/Effect) :

 

2) 데이터 수집

• 데이터가 편향되거나 손실되었다면, 정확하지 않은 학습을 하게 된다.
• 충분히 많고 깔끔한 데이터를 수집하는 것이 정확한 AI학습을 할 수 있다

 

3) 데이터 분석 및 전처리

데이터 분석 (상관관계 분석)

• 의미 있는 데이터는 무엇인가? 데이터의 분포과 관계는 어떠한가?와 같은 상관관계를 분석하는 단계이다.
• 상관관계 분석은 히트맵을 이용해 시각화 할 수 있다.

 

데이터 전처리 => 데이터를 기계가 이해할 수 있게 바꿔주는 사전 준비단계

• 피처 엔지니어링 : 데이터는 범주형인가? 수치형인가?
• 결측치 처리 : " 빈 값은 제거할까, 대처할까? "
• 데이터 인코딩 : " AI는 숫자로 이해한다! "

 

4) AI 모델링 (알고리즘 선택, 학습)

수집한 데이터들을 어떤 알고리즘으로 제대로 된 학습을 시킬지를 선택하는 단계

 

5) AI 적용

• Test 모델을 통해 평가하여 결정하는 단계
• 평가와 결정 => 오차율은 낮고 정확도는 높은 것이 좋다.
• 실제 환경에서 충분한 검증을 추천한다.