기출 BI 에서 data mining, text mining 비교

---

■ 문제

BI에서 Data Mining과 Text Mining을 비교 설명하시오.

---

■ 답안

1. 서론 – BI와 고급 분석 기법의 역할

BI(Business Intelligence, 비즈니스 인텔리전스)는 조직의 의사결정을 지원하기 위해 내부 및 외부 데이터를 수집·통합·분석하여 인사이트를 제공하는 기술 및 시스템을 의미한다.
최근 기업들은 대량의 데이터를 바탕으로 경쟁력을 확보하고자 하며, 이에 따라 고급 분석(Advanced Analytics) 기법 중 **Data Mining(데이터 마이닝)**과 **Text Mining(텍스트 마이닝)**의 활용이 증가하고 있다.
이 두 기법은 모두 BI의 핵심 분석 기술이지만 데이터 형태, 분석 방법, 적용 대상 측면에서 차이를 가진다.

---

2. 본론 – Data Mining과 Text Mining의 비교

(1) 정의 및 개념

항목	Data Mining (데이터 마이닝)	Text Mining (텍스트 마이닝)
정의	정형 데이터(Structured Data)로부터 통계적, 기계학습적 방법을 이용하여 유용한 정보를 도출하는 분석 기법	비정형 데이터(Unstructured Text)인 자연어 텍스트로부터 의미 있는 정보를 추출하는 분석 기법
분석 대상	DB, 데이터웨어하우스(DW), Excel 등 정형 데이터	이메일, 보고서, 소셜미디어, 뉴스, VOC 등 비정형 텍스트
주요 목적	숨겨진 패턴, 예측 모델, 연관 규칙 추출	문서 분류, 감성 분석, 키워드 추출, 주제 분석 등
기반 기술	통계학, 기계학습, 패턴 인식	자연어처리(NLP: Natural Language Processing), 언어학, 통계학

(2) 분석 기법 및 기술

항목	Data Mining	Text Mining
주요 기법	분류(Classification), 군집화(Clustering), 연관규칙(Association Rule), 회귀분석(Regression)	형태소 분석, 단어 빈도 분석(TF-IDF), 감성 분석, 토픽 모델링(LDA)
분석 도구	Weka, RapidMiner, SAS Miner, R, Python(scikit-learn) 등	Python(NLTK, spaCy), R(tm, text2vec), IBM Watson, Google Cloud NLP 등

(3) 활용 사례

항목	Data Mining	Text Mining
활용 사례	- 카드사: 거래패턴 분석 통한 이상 거래 탐지 - 마트: 연관규칙 기반 상품 추천	- SNS 기업: 여론 분석을 통한 마케팅 전략 수립 - 제조사: 고객 VOC 분석 통한 품질 개선

(4) 장·단점 비교

항목	Data Mining	Text Mining
장점	정형화된 대규모 데이터에 대해 정확한 통계 기반 분석 가능	기존에 활용이 어려웠던 비정형 텍스트 데이터에서 인사이트 추출 가능
단점	비정형 데이터에 대한 처리 어려움	자연어의 중의성, 문맥 이해의 어려움 등 분석 복잡도 높음

---

3. 결론 – 통합적 관점의 활용

• Data Mining과 Text Mining은 각각 정형·비정형 데이터를 분석하기 위한 BI의 핵심 기술로, 서로 보완적 관계에 있다.
• 정형 데이터 분석을 통해 예측 모델, 패턴 규명이 가능하고, 텍스트 마이닝을 통해 고객 의견, 트렌드, 감성 정보를 파악할 수 있다.
• 최근에는 정형과 비정형을 통합 분석하는 하이브리드 분석 기반 BI가 주목받고 있으며, 이는 전사적 데이터 기반 의사결정을 가능하게 한다.

---

■ 참고 정리 – 핵심 비교 요약

구분	Data Mining	Text Mining
데이터 형태	정형 (표 형태)	비정형 (자연어 텍스트)
기반 기술	통계, 기계학습	자연어처리, 언어학
주요 기법	분류, 군집, 회귀, 연관 분석	감성 분석, 키워드 추출, 토픽 모델링
적용 분야	고객 세분화, 사기 탐지, 예측 분석	VOC 분석, 여론 분석, 문서 분류
도구	Weka, RapidMiner, Python	NLTK, spaCy, Watson NLP

---