오픈소스 빅데이터 기술을 적용한 생명보험 예측모델 분석환경 구축에 관한 사례연구 : ING 예측모델을 중심으로

김성현; 천지원; 이미영

추천

검색

질문

자료유형: 학술저널

저자정보: 김성현 천지원 이미영

저널정보: 한국생산성학회 생산성연구: 국제융합학술지 생산성연구: 국제융합학술지 제32권 제1호

발행연도: 2018.3

수록면: 173 - 207 (35page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

The analysis target data, analysis algorithm, and analysis utilization scenario were defined and developed by identifying eight key analysis services by the value chain of the insurance business. Thus, the insurance big data strategy model was shared and diffused to enable small and medium-sized insurance companies to apply the analysis results to their business while minimizing trial and error in the field of big data adoption. Since most business is processed online in the domestic financial sector, the volume of accumulated internal data is enormous, and its types are diverse, and this has consequently improved the level of big data activation compared to other industries; hence the high potential value and possibilities for the utilization of data analysis. Large insurance companies such as S Life Insurance, H Life Insurance, and K Life Insurance have introduced big data analysis to the domestic insurance industry, which is experiencing continuous trial and error due to the lack of shared information on the effects of the introduction and application of big data analysis. The main contents of this case study are as follows. First, development of a strategy model that internalizes big data analysis based on the value chain of the insurance industry. Second, formation of big data analysis environment through the application of open source technology and STT/TA environment for unstructured text analysis. At last, Sharing of big data analysis strategy model that is suitable for the business and data management status of medium-sized insurance companies.

#Big data #Data analysis environment #Life insurance #Machine learning #Speech to Text #Text Analysis #Unstructured data analysis

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문과 함께 이용한 논문

빅데이터 환경에서 보험업상 개인정보의 보호와 활용

이희옥 소비자문제연구 2019 .08

학습 데이터에 따른 XGBoost 기반 실시간 전력수요예측 모델 성능 비교

송경민 , 김태근 , 윤성국 외 1명 대한전기학회 학술대회 논문집 2024 .07

기상 자료 공간 보간을 활용한 XGBoost 기반 풍력발전 출력 예측 모형에 관한 연구

조세빈 , 허진 대한전기학회 학술대회 논문집 2024 .07

Word2Vec 알고리즘과 XGBoost를 활용한 여행지 추천 시스템

고지영 , 변영철 Proceedings of KIIT Conference 2024 .05

XGBOOST 모형을 활용한 부동산 조각투자 가격 예측: 카사 TE 물류센터를 중심으로

이선구 , 유선종 GRI 연구논총 2024 .02

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-092242351

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)