http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 김가회 ( Ga Hoe Kim ) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
제조업에서의 실시간 Business Intelligence 활용사례 연구
김가회 ( Ga Hoe Kim ),박인경 ( In Kyeong Park ),박진원 ( Jin Won Park ),백헌 ( Heon Baek ),최홍용 ( Hong Yong Choi ),김진화 ( Jin Hwa Kim ) (주)엘지씨엔에스(구 LGCNS 엔트루정보기술연구소) 2014 Entrue Journal of Information Technology Vol.13 No.3
데이터 기반의 기업 의사결정에 대한 의식이 변화하면서 점차 Business Intelligence(BI)가 ERP와 같은 기본 솔루션으로 인식되고 있다. 제조업에서는 BI와 핵심 정보시스템인 ERP, CRM, SCM등이 연계된 통합구축사례가 늘어나고 있으며 기업간 경쟁력 우위 요소로 BI 솔루션을 활용하고자 하는 움직임이 활발하다. 인메모리DB 기술의 발달로 대용량 데이터의 실시간에 가깝게 빠른 처리가 가능해 짐에 따라 다양한 소스를 통해 수집된 데이터를 실시간으로 분석하고, 웹 및 모바일을 통해 신속한 전달이 가능해져 비즈니스 효율성 증대로 이어질 전망이다. 본 연구에서는 제조업 분야에 실시간 BI를 도입 및 활용 사례 연구를 통하여, 실시간 BI구축시의 방법론 및 실시간 BI 주제 선정, 구축과정을 제시하였다. 또한, 실제 구축 후의 성과를 제시하고, 더 나아가 실시간으로 월말 결산시의 매출 및 손익을 예측해 보는 손익 예측모형을 Pilot으로 검증 함으로써, 기업에서 실시간 BI 도입으로 가능한 분석업무의 확대 방향성을 제시하였다. Since the change of the enterprise decision making based on the data has been growing, BI(Business Intelligence) has been recognized as the fundamental solution such as ERP. The business cases of implementing BI integrated with systems related to core information systems such as ERP, CRM and SCM have been increased among manufacturing companies. The active trend is to recognize BI solutions as the element of competitive advantage for companies. Due to the growth of in-memory database technology, it is possible to do faster processing of big data in near real-time and to analyze the collected data from various sources in real-time. It enables that the data can be efficiently accessable by the web and mobile devices. Therefore, it is expected that the level of business efficiency will be increased into higher level. This research conducts the case study to adopt a realtime BI in manufacturing industry. It describes the methodology, subject selection in real-time BI and its building process. This study also shows the result of building BI and proves a profit and loss predictive model in generating the expected revenues, profits, and losses during monthly accounting period in real-time basis with a pilot project.
-
의료 데이터 매시업과 빅데이터 기법 활용을 통한 환자의 재입원 가능성 예측과 원인 분석
정광훈,김가회 ( Ga Hoe Kim ),박진원 ( Jin Won Park ),이혜성 ( Hye Seong Lee ),김형중 ( Hyong Jung Kim ),최홍용 ( Hong Yong Choi ),김진화 ( Jin Hwa Kim ) (주)엘지씨엔에스(구 LGCNS 엔트루정보기술연구소) 2015 Entrue Journal of Information Technology Vol.14 No.3
최근 정보통신의 발달로 의료분야에서 대량의 데이터로부터 가치 있는 정보를 생성해 내는 빅데이터 기술이 활발히 활용되고 있다. 본 연구는 요양병원 내 환자의 질환이 악화되어 병원으로 이송되는 급성병원이송 환자군을 예측하여 위험 환자군에 대한 등급 관리와 선행 관리를 통해 병원 및 요양병원이 수행하는 의료 서비스의 질을 증대시키는 것을 목적으로 한다. 연구를 위해 병원에서 퇴원 후 요양병원에 입원가료중인 환자(43,986명)를 대상으로 일상활동보조와 급성병원이송 간의 관계를 규명하기 위해 통계분석 기법과 시각화 기법으로 데이터 탐색과정을 통해 재입원 환자와 재입원하지 않는 환자들과의 차이점을 파악하였다. 일상활동보조 데이터 중 10일 용변(대변) 평균의존도, 30일 취식 총 의존횟수, 10일 이동 평균의존도, 10일 취식 평균의존도, 30일 용변(대변) 총 비의존횟수, 30일 실내이동 총 의존횟수의 6개 변수가 도출되었다. 추출된 변수를 기반으로 환자의 재입원 확률을 예측하기 위해 3가지 데이터 마이닝 분석기법을 활용하여 그중 의사결정나무가 급성병원이송 환자를 예측하는 데 가장 우수한 분석 모델로 판단되었다. 본 연구는 요양병원 내 환자의 질환이 악화되어 병원으로 이송되는 급성병원이송 환자군을 예측하는 데 중요한 기반이 될 것으로 기대된다. Big data has been applied to diverse applications as it can create valuable information from large-sized data which is from diverse communication devices in the medical industry. This study predicts the patient group of acute hospital transfer that the patient``s dis-ease is so worse that they are transferred to the hospital. In addition, this study``s aim is to increase the healthcare quality that the hos-pital and convalescent hospital is performing. This study finds the differences between the patient group who returns to the hospital as inpatients and the patient group who does not return to the hospital through analysis of 43,986 patients data in convalescent hospital. We obtained six variables that were derived 10 days stool average dependence, 30 days ingestion total dependence times, 10 days mov-ing average dependence, 10 days ingestion average dependence, 30 days stool total non-dependent times, 30 indoor movement depend-ence times of the daily activities auxiliary data. The study uses data mining tools such as decision tree, logistic regression, and neural network to predict the rehospitalization of the patients based on the variables in front of. Decision tree shows the highest prediction performance when the performance of these three methods are compared. This study is expected to contribute to the prediction of ur-gent rehospitalization of patients who stay in convalescent hospital.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
