빅데이터 분석 유형 & 예측 모델

별점: ★★★★★ | 기본 필수

답안.

Ⅰ. 개요

기술적(Descriptive): 무슨 일이 있었나? → 과거 데이터 집계, BI 리포트, 대시보드 진단적(Diagnostic): 왜 그런 일이 있었나?

Ⅱ. 핵심 구성요소

[4단계 분석 성숙도]
기술적(Descriptive): 무슨 일이 있었나?
  → 과거 데이터 집계, BI 리포트, 대시보드

진단적(Diagnostic): 왜 그런 일이 있었나?
  → 원인 분석, 드릴다운, 상관분석

예측적(Predictive): 무슨 일이 일어날까?
  → ML 모델, 추세 분석, 이상 탐지

처방적(Prescriptive): 어떻게 해야 하나?
  → 최적화, 시뮬레이션, AI 자율 의사결정
  → 가장 고도화된 분석 (AX의 목표)

[시계열 분석]
트렌드: 장기 방향성 (매출 증가 추세)
계절성: 주기적 패턴 (연말 매출 급증)
잔차: 랜덤 변동

모델:
ARIMA: 전통 시계열 (자기회귀 이동평균)
Prophet: Meta 개발, 계절성 자동 처리
LSTM: 딥러닝, 복잡한 비선형 패턴

[이상 탐지 (Anomaly Detection)]
통계적: Z-score, IQR (사분위수 범위)
머신러닝: Isolation Forest, One-Class SVM
딥러닝: AutoEncoder (재구성 오류)


해당 키워드의 기술적 구성요소와 동작 원리를 서술한다.

### Ⅲ. 특징 및 비교

핵심 기술의 장단점과 유사 기술과의 차이를 분석한다.

### Ⅳ. 적용 사례

실무 환경에서의 적용 사례와 기대효과를 제시한다.

### Ⅴ. 전망

최신 기술 동향과 향후 발전 방향을 서술한다.