공급망 분석
분석은 종종 그래프, 차트 형식의 시각화나 기타 수단을 사용하여 관련된 신뢰 데이터의 요약을 기반으로 데이터 구동 의사결정을 내릴 수 있는 능력을 나타냅니다. 공급망은 일반적으로 엄청난 양의 데이터를 생성합니다. 공급망 분석은 이 모든 데이터에 대한 이해를 도우며, 패턴을 파악하여 인사이트를 얻을 수 있도록 합니다.
다양한 유형의 공급망 분석에는 다음이 포함됩니다.
- 설명 분석. 내부/외부 시스템과 데이터 모두에 대해 공급망 전반의 가시성과 사실의 단일 소스를 제공합니다.
- 예측 분석. 조직이 가장 가능성이 높은 결과 또는 향후 시나리오와 그 비즈니스 영향을 파악하도록 도와줍니다. 예를 들어, 예측 분석을 사용하여 중단과 위험을 파악하고 완화할 수 있습니다.
- 처방 분석. 기업이 문제점을 해결하고 최대한의 비즈니스 가치를 위해 협력하도록 도와줍니다. 기업이 로지스틱 파트너와 협력하여 혼란을 경감시키는 데 드는 시간과 노력을 줄이도록 도와줍니다.
- 코그너티브 분석. 조직이 자연어(개인이나 팀이 질문에 대답할 수 있는 방식)로 복잡한 질문에 대답할 수 있도록 도와줍니다. 이는 기업들이 "우리가 X를 어떻게 개선하거나 최적화할 수 있을까?" 등의 복잡한 문제나 이슈를 통해 생각할 수 있도록 지원합니다.
공급망 분석은 인공지능(AI) 등의 코그너티브 기술을 공급망 프로세스에 적용하기 위한 기반이기도 합니다. 코그너티브 기술은 마치 사람처럼 이해하고 추론하며 학습하고 상호작용하지만, 이는 엄청난 용량과 속도로 진행됩니다.
공급망 분석의 이 진화된 모습은 공급망 최적화를 새로운 시대로 안내합니다. 이는 자동으로 많은 양의 데이터를 샅샅이 살펴봄으로써 조직이 예측을 향상시키고 비효율성을 기술 분석의 개념 식별하며 고객의 요구에 보다 잘 대응하고 혁신을 추진하며 혁신적 아이디어를 추구하는 데 도움을 줄 수 있습니다.
공급망 분석이 중요한 이유
공급망 분석은 조직이 보다 스마트하고 빠르며 효율적인 의사결정을 내리도록 도와줍니다. 이점에는 다음이 포함됩니다:
- 높은 투자수익률(ROI) 확보. 최근의 Gartner 조사에 따르면, ROI를 달성하지 못한 4%와 비교하여 조사 대상 기업 중 29%가 분석을 사용하여 높은 수준의 ROI를 달성했다고 밝혔습니다.
- 위험을 보다 잘 이해. 공급망 분석은 알려진 위험을 식별할 수 있으며, 공급망 전반의 패턴과 경향을 정확히 파악하여 향후 위험을 예측하는 데 도움을 줍니다.
- 계획의 정확도 향상. 고객 데이터를 분석함으로써 공급망 분석은 향후 수요를 보다 잘 예측하도록 기업들을 도와줄 수 있습니다. 이는 조직이 수익성이 낮아질 때 생산을 최소화할 제품을 결정하거나 초기 주문 후 고객이 어떤 요구를 할지 파악할 수 있도록 도와줍니다.
- 군살을 뺀 공급망 달성. 기업들은 보다 나은 정보에 기초한 의사 결정을 위해 공급망 분석을 사용하여 웨어하우스, 파트너 응답 및 고객 요구사항을 모니터링할 수 있습니다.
- 미래 준비. 기업들은 지금 공급망 관리에 대한 고급 분석을 제공하고 있습니다. 고급 분석은 정형 및 비정형 데이터를 모두 처리함으로써 기업들이 최적의 의사결정을 내리기 위해 적시에 경보를 받을 수 있도록 해줍니다. 이는 적은 비용과 지속 가능성에 최대한 영향을 주지 않는 방법으로 위험을 최소화하는 경보를 제공하기 위해 여러 소스 간에 상관 및 패턴을 빌드할 수 있습니다.
AI 기술 분석의 개념 등의 기술이 공급망 분석에서 보다 일반화되어 있으므로, 기업들은 추가적인 이점이 급증할 것으로 보고 있습니다. 자연어 데이터 분석의 한계 때문에 이전에 처리되지 않은 정보를 이제는 실시간으로 분석할 수 있습니다. AI는 이질적인 소스, 사일로 및 시스템의 데이터를 빠르고 철저하게 읽고 이해하며 상관시킬 수 있습니다. 그리고 데이터의 해석을 기반으로 실시간 분석을 제공할 수 있습니다. 기업들은 훨씬 더 광범위한 공급망 정보를 보유하게 됩니다. 새로운 비즈니스 모델을 지원하면서도 보다 효율화되고 혼란을 피할 수 있습니다.
공급망 분석의 진화
과거에 공급망 분석은 대부분 수요 계획과 예측을 위한 통계 분석 및 정량화 가능한 성능 지표로 제한되었습니다. 데이터는 공급망의 다른 참여자로부터 제공된 스프레드시트에 저장되었습니다.
1990년대에는 기업들이 EDI(Electronic Data Interchange) 및 ERP(Enterprise Resource Planning) 시스템을 채택하여 공급망 파트너 간에 정보를 연결하고 교환했습니다. 이러한 시스템은 설계, 계획 및 예측에서의 비즈니스 지원과 함께 분석용 데이터에 대한 손쉬운 액세스를 제공했습니다.기술 분석의 개념
2000년대에 들어서 기업들은 비즈니스 인텔리전스와 예측 분석 소프트웨어 솔루션으로 돌아서기 시작했습니다. 이러한 솔루션은 기업들이 공급망 네트워크가 움직이는 방법, 더 나은 의사 결정을 내리는 방법 및 네트워크를 최적화하는 방법을 보다 심층적으로 이해하는 데 도움을 주었습니다.
오늘날의 과제는 기업들이 공급망 네트워크에서 생성된 방대한 양의 데이터를 최대한 활용하는 것입니다. 2017년까지, 일반적인 공급망은 5년 전보다 50배나 더 많은 데이터에 액세스했습니다.¹ 그러나 이 데이터의 25% 미만이 분석되었습니다. 게다가 전체 공급망 데이터의 약 20%가 정형 데이터이고 쉽게 분석될 수 있는 반면에, 공급망 데이터의 80%가 비정형 또는 다크 데이터입니다.² 오늘날의 기업들은 이 다크 데이터를 최대한 적절히 분석할 수 있는 방법을 찾고 있습니다.
연구들은 공급망 분석의 다음 선구자로서 코그너티브 기술이나 인공지능을 지적합니다. AI 솔루션은 정보 보관 및 프로세스 자동화 그 이상으로 향하고 있습니다. AI 소프트웨어는 인간과 같은 방식으로 생각하고 추론하며 학습할 수 있습니다. 또한 AI는 엄청난 양의 데이터와 정보(정형 및 비정형 데이터)를 처리하고 해당 정보의 요약과 분석을 즉각적으로 제공할 수도 있습니다.
IDC는 2020년까지 모든 비즈니스 소프트웨어의 50%가 일부 코그너티브 컴퓨팅 기능을 통합할 것으로 추정하고 있습니다.³ AI는 시스템과 소스의 데이터를 강력하게 상관시키고 해석하기 위한 플랫폼을 제공할 뿐만 아니라, 기업들이 공급망 데이터와 정보를 실시간으로 분석할 수 있도록 해줍니다. 새로운 블록체인 기술과 결합하여 미래의 기업들은 이벤트를 사전에 예측할 수 있게 됩니다.
효과적인 공급망 분석의 핵심 기능
공급망은 고객과 소비자를 위한 비즈니스의 가장 명백한 기술 분석의 개념 얼굴입니다. 기업이 공급망 분석을 더 잘 수행할수록, 비즈니스 명성과 장기 지속 가능성을 더 잘 보호할 수 있습니다.
The Thinking Supply Chain에서 IDC의 Simon Ellis는 미래의 효과적 공급망 분석의 5가지“C”를 식별합니다.
- 연결됨(Connected). 소셜 미디어의 비정형 데이터, 사물인터넷(IoT)의 정형 데이터, 기존 ERP 및 B2B 통합 툴을 이용하여 사용 가능한 추가적인 기존 데이터 세트에 액세스할 수 있습니다.
- 협업적(Collaborative). 공급업체와의 협업이 개선된다는 것은 여러 기업의 협업과 참여를 가능하게 하는 클라우드 기반 상거래 네트워크의 사용이 늘어나고 있음을 의미합니다.
- 사이버 인식(Cyber-aware). 공급망은 사이버 침입과 해킹으로부터 시스템을 강화해야 하며, 이는 전사적인 관심사가 되어야 합니다.
- 코그너티브 기술 분석의 개념 적용(Cognitively enabled). AI 플랫폼은 공급망에서 의사결정과 조치를 조합, 조정 및 실행함으로써 현대 공급망의 컨트롤 타워가 됩니다. 대부분의 공급망은 자동화되어 있으며 자체 학습이 가능합니다.
- 종합적(Comprehensive). 분석 기능은 실시간으로 데이터와 스케일링되어야 합니다. 인사이트는 포괄적이고 빨라집니다. 지연은 미래의 공급망에서 허용되지 않습니다.
오늘날의 공급망 네트워크에서 효과적인 분석에는 보다 고객 중심적인 능력인, 기술 분석의 개념 정확성과 무결성 유지 및 신속한 대응이 필요합니다. 기업들은 비정형 및 자연어 기반 데이터를 포함하여 이질적 데이터 소스의 방대한 양의 데이터를 빠르게 분석할 수 있는 공급망 분석 솔루션을 찾고 있습니다. 마지막으로, 공급망 분석은 날씨, 전쟁, 근로자 및 규정과 같은 외부 요인을 포함하여 날로 숫자가 증가하는 공급망 변수를 예측해달라는 요청을 받습니다.
공급망 분석을 위한 소프트웨어 사용
공급망 분석이 너무 복잡해지면서 공급망 성능을 최적화하기 위해 많은 유형의 소프트웨어가 개발되었습니다. 적시에 정확한 공급망 정보 제공에서부터 판매 모니터링까지, 소프트웨어 제품이 전 과정을 처리합니다.
예를 들어, IBM은 공급망 분석의 효율성을 높이기 위해 많은 소프트웨어 제품을 개발했으며, 일부 소프트웨어는 AI 기술도 사용합니다. AI 기능을 갖춘 공급망 소프트웨어는 실제로 계속 변화되는 처리 과정을 학습할 수 있으며 변화에 대한 요구를 예측할 수 있습니다. IBM 제품에는 다음이 포함됩니다.
기술 분석의 개념
효율적 시장가설에서는 기술적 분석이 아무런 효과가 없다고 합니다. 그러나 기술 분석의 개념 우리는 주위에 수많은 기술적 분석가들이나 분석지표들을 보고 있고, 이들의 글이나 말을 sns나 방송에서 접하고 있죠. 그렇다면 이런 정보들은 무시해야 하는 것일까.
시장에서 특별한 주식과 펀드는 사거나 기술 분석의 개념 팔 때를 결정하기 위해 타이밍을 잡으려고 하는 사람들이 기술적 분석을 이용합니다. 기술적 분석가들이 시장에 영향을 주고 있고 그들은 믿는 충분한 신봉자들이 있죠. 또한 기술적 분석가들이 어떤 행동을 할 것인지를 예측하기 위해서 기술적 분석의 기본적인 개념을 인지하는 것에 가치가 있다고 생각합니다.
주식을 매수하거나 매도하려 할 때, 기술적 투자자들의 매수, 매도 타이밍을 안다는 기술 분석의 개념 것은 보다 유리한 가격으로 매매할 수 있는 기회를 제공할 수 있습니다.
만약 기술적 투자자들은 주식의 지지 수준 Support Level과 저항 수준 Resistance Level을 분석한다면 어느 특정 주식을 매수하고자 한다면, 매수 주문을 내기 전에 그 주식의 지지 수준과 저항 수준을 고려해 볼 수도 있죠.
적어도 단기간에는 기술적 투자자들이 지지선 위의 가격을 유지하거나 저항선 아래의 가격을 지키는 데 영향을 줄 수도 있습니다. 이와 같은 지식을 가지고 있으면 저항선보다는 지지선 근처에서 매수를 결정할 것입니다.
다른 전략은 언제 주식을 사고팔지에 대한 가이드로 가격과 거래량의 기술적 지표들을 사용한다는 것입니다. 특정 산업이나 이머징마켓이서 거래량이 증가하는 것을 기술적 지표로 파악할 수 있습니다. 거래량이 증가한다는 것은 그 산업이나 이머징마켓에 관심이 증대하기 시작한다는 것이죠. 기술적 분석가는 이런 추세를 파악하고 그 시장에 그들의 보유자금을 투자하기 시작합니다. 이는 그 시장의 매수력을 증가시키고 시장 가격을 상승시킬 것입니다.
그러므로 현대 포트폴리오 이론 원리를 응용하고 기술적 분석보다는 기본적 분석에 의해 주식을 매수할지라도 매매의 실행에 있어서의 이점을 위해 기술적 분석의 지식을 이용할 수 있습니다. 매입 주식이 움직이기 시작하는 동안 많은 기간이 소요될 가능성을 피할 수 있을 것입니다. 일반적으로 고객은 상승장에서 빨리 수익을 얻지 못하면 초조해합니다.
효율적 시장가설 효율적 자본시장 Efficient Capital Market 이란 정보의 측면에서 효율적인 시장입니다. 즉 효율적 시장에서는 새로운 정보가 알려지는 즉시 주가에 반영되고 현재의 주가에는 그 주
기본적 분석과 효율적 시장가설
효율적 시장가설에 의하면 일반적으로 기본적 분석은 투자자에게 기술 분석의 개념 이익을 줄 수 없다고 합니다. 자본시장법은 공개되어야 할 정보의 범위와 공개의 시기에 대한 엄격한 조항이 있습니다. 증권분석가들이 받는교육에도 드러나 있죠.
동일한 기업에 대해 수많은 사람들이 분석하기 때문에 그 기업에 관련된 중요한 정보를 놓칠 가능성은 거의 없습니다. 이런 상황에서 어떻게 어느 한 분석가만이 다른 분석가들보다 뛰어난 이득을 얻을 수 있겠는가 라는 의문을 가질 수 있습니다.
그러나 기본적 분석이 가치가 있느냐 없느냐에 대한 성급한 결론은 아직 시기상조죠. 우선 앞에서 언급한 것과 같은 이상현상이 존재합니다. Value Line 등급 1 주식은 등급 5보다 성과가 좋고, 또한 1월 효과나 주말효과도 있는 것 같습니다. 적은 수의 기업분석가가 분석하는 기업은 많은 수의 기업분석가가 분석하는 기업에 비해 성과가 높은 경향이 있죠. 그리고 어떤 기간에서는 소규모 기업이 대규모 기업보다 성과가 좋고, PER가 낮은 주식과 장부가치, 시장가치 비율이 높은 주식이 성과가 나은 경향이 있다는 것이 연구에서 알 수 있습니다.
전반적으로 이러한 이상현상이 존재한다는 결과가 증권시장이 완전히 효율적인 시장은 아니라고 말하고 있지만, 그래도 대부분의 검증 결과는 이용 가능한 정보가 주가에 충분히 반영되고 있음을 나타내어 증권시장이 상당히 효율적이라고 볼 수 있습니다. 따라서 기본적 분석을 통해 비정상적인 수익률을 획득하는 것이 현실적으로 어렵기는 하지만 완전히 불가능한 일은 아닌 것으로 보입니다.
소극적 투자와 적극적 투자
소극적 Passive 투자란 증권시장의 효율성을 인정하고 시장에 비해 초과수익을 얻기보다 포트폴리오의 수익률이 시장의 수익률에 따라가도록 관리하는 방법을 말합니다. 적극적 Active 투자는 시장수익률보다 더 높은 수익률 획득 Beat The Market을 목표로 투자하는 방법을 말합니다. 단순히 시장보다 높은 수익률 획득이 아니라 위험을 조정한 수익률이 시장수익률보다 높아야 합니다.
효율적 시장가설에 의하면 인덱스펀드와 같이 소극적인 투자보다 나은 것은 없어 보입니다. 펀드의 과반수 이상이 시장지수보다 나은 성과를 얻지 못한다는 연구결과들을 보면 이러한 결론이 틀린 것은 아닌 듯 보입니다.
또 전문가들이 자주 인용하는 Brinson, Hood와 Beebower의 연구에 의하면, 포트폴리오 수익률의 변동성은 90% 이상이 포트폴리오의 자산배분에 의해 결정되며, 종목 선택이나 시장 타이밍은 그 영향이 아주 적다고 합니다.
이러한 연구결과에도 불구하고 적극적인 포트폴리오 관리는 계속해서 널리 활용되고 있죠. 수많은 펀드, 연금기금 관리자, 그리고 개인 계정 관리자들이 지수보다 높은 성과를 얻기 위해 노력하고 있습니다.
오랜 기간 동안 훌륭한 성과를 달성한 포트폴리오 관리자들도 존재합니다. 그러나 이들 대부분은 높은 성과를 달성한 기간 뒤에는 낮은 실적의 기간을 경험합니다.
증권분석에서의 패턴분석, 추세, 파동이론 등 기술적지표
기술적 지표 역사 현대적인 기술적 분석의 역사는 19세기 말 미국의 찰스 다우로부터 시작됐습니다. 다우가 월스트리트 저널에 연재한 논설에서 전개한 기법을 묶어 다우이론이라 하며, 추세의
메가레이더 답있는주식이야기
"톱다운(Top down:"하향식")과 "바텀업(Bottom up:"상향식")" 으로 나눌 수 있습니다.
톱다운은 경제분석 ->산업분석->기업분석 순으로 접근하는 방식 입니다. 가장 큰 범주의 경제 분석을 통해 주식시장 기술 분석의 개념 전체가 어떻게 움직일 것인지 대세를 파악한 뒤 산업 분석을 통해 유망한 업종을 선택하고 해당 업종 내에서 저평가된 종목을 가려내 투자하는 방식입니다.
예를들어 여러분이 올해 하반기 내수 경기가 회복될 것이라는 판단 아래 내수 회복시 수혜가 클것으로 기대되는 금융업종을 선택하고 그 중 상대적으로 주가가 덜 올랐거나 이익 증가가 두드러질 것으로 기대되는 A은행 주식을 골랐다면 톱다운 방식으로 종목 선택을 한것입니다.
반면 바텀업 방식은 개별 기업의 가치 분석을 우선하는 투자를 말합니다.
전 세계를 대상으로 돈을 굴리는 글로벌 투자가들은 대개 세계경제 흐름을 전망하고 투자유망 국가를 선정하고 해당 국가 산업 중 유망업종을 선택하고 그 업종 내에서 선두에 있는 유망기업을 찾아 투자하는 톱다운 방식을 따르는 경우가 많습니다.
그러나 워런 버핏과 같은 가치 투자를 중시하는 사람들은 시장 여건보다 기업의 내재가치를 분석하고 저평가된 종목을 찾아내는 바텀업 방식을 선호합니다. 이들은 시장이나 산업의 변동에 민감하게 반응하지 않고 주식을 장기보유하는 기술 분석의 개념 성향이 강합니다.
경제분석은 경기순환과 금리, 물가. 환율, 유가 등에 대한 분석을 말합니다. 모든 기업에 영향을 미치기 때문에 시장 전체의 주가, 즉 종합주가지수의 흐름을 파악하는데 필요합니다.
산업분석은 특정 산업의 경기 전망과 구조변화 등을 진단하고 전망하는 것입니다.
기업분석은 개별 기업의 재무요인과 경영요인에 초점을 맞춰 분석하는 것입니다.
기업분석은 또 양적분석과 질적 분석으로 나뉘는데
양적분석은 재무제표 상의 각종수치를 분석하는 것입니다. 재무비율과 주가수익비율(PER), 주가순자산비율(PBR), 주가현금흐름비율(PCR)등 평가배율 분석이 여기에 속합니다.
데이터 분석이란?
데이터 분석은 원시 데이터에서 실행 가능한 인사이트를 추출하는 프로세스입니다. 이는 적절한 분석 기법을 적용해 비즈니스 개선에 활용할 수 있는 숨겨진 패턴과 추세를 파악하는 것을 의미합니다.
데이터 분석의 다양한 유형
비즈니스를 개선하기 위해선 성과 측정이 반드시 필요하기 때문에 데이터 분석이 중요합니다. 기업들은 데이터 분석을 통해 제품과 서비스를 개선하고, 고객의 요구를 충족시키며, 조직 내 문제를 진단합니다.
비즈니스 측면에서 데이터 분석은 크게 네 가지 범주로 분류할 수 있습니다.
- 서술 분석(Descriptive analytics): 시간의 흐름에 따라 사건의 특징을 묘사하는 데 사용 (예: 차량의 주행 거리)
- 진단 분석(Diagnostic analytics): 사건의 발생 원인을 파악하는 데 사용 (예: 이벤트 로그 파일을 활용해 충돌의 근본 원인을 파악)
- 예측 분석(Predictive analytics): 향후의 사건을 전망 또는 예측하는 데 사용 (예: 데이터 스토리지 요구에서 병목 현상 예측)
- 처방 분석(Prescriptive analytics): 예상 시나리오에 기반해 적절한 조치를 제안하는 데 사용 (예: 향후 스토리지 병목 현상을 예측하고 이를 방지하기 위해 추가 용량 구매 제안)
플래시블레이드(FlashBlade) 무료 체험 하기
업계에서 가장 고도화된 네이티브 스케일-아웃 파일, 오브젝트 스토리지 제공 솔루션인 퓨어스토리지 플래시블레이드(FlashBlade™)기술 분석의 개념 를 관리할 수 있는 퓨어1(Pure1®) 셀프-서비스 인스턴스를 체험하세요.
현대적 데이터 분석에 퓨어스토리지를 사용해야 하는 이유
기업에게 빅데이터는 시장에서의 우위를 확보할 수 있는 금광과도 같습니다. 그러나 기술 분석의 개념 안타깝게도 대부분의 경우 데이터는 고립된 사일로, 웨어하우스 및 데이터 레이크에 갇혀 있기 때문에, 기업은 인사이트를 신속하게 확보할 수 없고 혁신이 제한되며 IT 운영이 복잡해집니다.
필요한 것은 오늘날의 빅 데이터 분석 플랫폼 및 알고리즘을 따라잡을 수 있을 정도로 민첩하고 강력한 현대적인 데이터 인프라입니다. 이것이 퓨어스토리지®가 Splunk, Elastic, Vertica와 협력해 최신 분석 기능을 갖춘 기술 분석의 개념 Modern Data Experience™을 제공하는 이유입니다.
퓨어스토리지로 애널리틱스를 구동할 때의 장점:
- 대규모 병렬화 및 속도 등 100% NVMe 스토리지 어레이의 모든 장점 활용 가능
- 클라우드의 경제성과 온프레미스의 제어 및 효율성이 결합된 간소화된 데이터 관리 시스템
- 다운타임이나 데이터 마이그레이션이 필요하지 않은 무중단 업그레이드가 가능한 에버그린Evergreen™ 아키텍처
800-379-7873 +44 2039741869 +43 720882474 +32 (0) 7 84 80 560 +33 1 83 76 42 54 +49 89 12089253 +353 1 485 4307 +39 02 9475 9422 +31 202457440 +46850541356 +45 2856 6610 +47 2195 4481 +351 210 006 108 +966112118066 +27 87551 7857 +34 51 889 8963 +41 43 505 28 17 +90 850 390 21 64 +971 4 5513176 +7 916 716 7308 +65 3158 0960 +603 2298 7123 +66 (0) 2624 0641 +84 43267 3630 +62 21235 84628 +852 3750 7835 +81-3-4563-7443 +82 2 6001-3330 +886 2 8729 2111 +61 1800 983 289 +64 21 536 736 +55 11 2655-7370 +52 55 9171-1375 +56 2 2368-4581 +57 1 383-2387 +48 22 343 36 49
집단 분석이란?
집단 보고서를 만들면 그 구성 요소(특정 차원, 지표 및 필터)를 조정한 다음, 모든 사람과 집단 보고서를 공유할 수 있습니다. 큐레이션 및 공유를 참조하십시오.
집단 분석으로 수행할 수 있는 작업의 예:
- 원하는 작업에 박차를 가할 수 있도록 설계된 캠페인 시작.
- 고객 라이프사이클에서 적시에 마케팅 예산 전환.
- 체험판이나 오퍼를 종료하여 가치를 극대화할 시점 인식.
- 가격 책정, 업그레이드 경로 등과 같은 분야에서 A/B 테스트를 하기 위한 아이디어 얻기.
- 안내가 있는 분석 보고서 내에서 집단 분석 보고서 보기.
집단 분석은 Analysis Workspace에 대한 액세스 권한이 있는 모든 Customer Journey Analytics 고객이 사용할 수 있습니다.
필터링할 수 없는 지표(계산된 지표 포함), 정수가 아닌 지표(매출액 등) 또는 발생 횟수를 지원하지 않습니다. 필터에서 사용할 수 있는 지표만
집단 분석, 한 번에 1씩만 증분할 수 있습니다.
집단 분석 기능
다음 기능을 통해 생성 중인 집단에 대해 세밀하게 제어할 수 있습니다.
유지 테이블
유지 집단 보고서는 방문자 수를 반환합니다. 각 데이터 셀에는 해당 기간 동안 작업을 수행한 집단에 있는 방문자들의 원시 수와 백분율 보여 줍니다. 최대 3개의 지표와 10개의 필터를 포함할 수 있습니다.
이탈 테이블
이탈 집단은 유지 테이블의 역버전이며 시간 경과에 따라 집단에 대한 반환 기준을 충족하지 않은 방문자를 표시합니다. 최대 3개의 지표와 10개의 필터를 포함할 수 있습니다.기술 분석의 개념
순환 계산
포함된 열이 아니라 이전 열에 따라 유지 또는 이탈을 계산할 수 있습니다.
지연 테이블
포함 이벤트가 발생한 이전 및 이후에 경과한 시간을 측정합니다. 이는 이전/이후 분석을 위한 훌륭한 도구입니다. 포함 열은 테이블의 중앙에 있으며 포함 이벤트 전후의 기간이 양쪽에 표시됩니다.
사용자 정의 차원 집단
기본값인 시간 기반 집단이 아닌 선택된 차원에 따라 집단을 생성합니다. 마케팅 채널, 캠페인, 제품, 페이지, 영역 또는 Customer Journey Analytics의 다른 차원과 같은 차원을 사용하여 이러한 차원의 다양한 값을 기준으로 유지 변경 방법을 보여 줍니다.
0 개 댓글