[논문 리뷰] Data Mining for Actionable Knowledge: A Survey

Zengyou He, Xiaofei Xu외 1명|ArXiv.org|2005. 01. 27.

Big Data and Business Intelligence인용 수 30

한 줄 요약

이 논문은 의사결정자가 구체적이고 수익성 있는 조치를 취할 수 있도록 도와주는 행동 가능 지식(행동 가능한 패턴)을 생성하기 위한 데이터 마이닝 기법을 조사한다. 행동 가능한 지식 마이닝을 위한 두 가지 암묵적 프레임워크를 제안하고, 작업 기반 및 프레임워크 기반의 시각에서 기존 연구를 분석하며, 분야에서 미처 다루어지지 않은 문제를 규명하여 실용적 데이터 마이닝 응용에 관한 문헌에서 중요한 격차를 메운다.

ABSTRACT

The data mining process consists of a series of steps ranging from data cleaning, data selection and transformation, to pattern evaluation and visualization. One of the central problems in data mining is to make the mined patterns or knowledge actionable. Here, the term actionable refers to the mined patterns suggest concrete and profitable actions to the decision-maker. That is, the user can do something to bring direct benefits (increase in profits, reduction in cost, improvement in efficiency, etc.) to the organization's advantage. However, there has been written no comprehensive survey available on this topic. The goal of this paper is to fill the void. In this paper, we first present two frameworks for mining actionable knowledge that are inexplicitly adopted by existing research methods. Then we try to situate some of the research on this topic from two different viewpoints: 1) data mining tasks and 2) adopted framework. Finally, we specify issues that are either not addressed or insufficiently studied yet and conclude the paper.

연구 동기 및 목표

• 데이터 마이닝에서 발견된 패턴이 조직에 직접적인 이익을 가져다주는 행동 가능한 지식에 대한 종합적인 서베이가 부족한 문제를 해결한다.
• 기존 연구에서 사용되는 행동 가능한 지식 생성을 위한 두 가지 암묵적 프레임워크를 식별하고 체계화한다.
• 행동 가능한 지식에 관한 기존 연구를 데이터 마이닝 작업 및 적용된 프레임워크의 두 가지 관점에서 분류하고 분석한다.
• 행동 가능한 지식 마이닝 분야에서 미흡하게 다뤄지거나 충분히 연구되지 않은 문제를 부각시켜 향후 연구를 안내한다.
• 이론적 데이터 마이닝과 실무적 비즈니스 의사결정 간 격차를 해소하기 위해 행동 가능성은 핵심 목표로 강조한다.

제안 방법

• 형식적인 모델로 명시되지 않은 채로, 발견된 패턴을 행동 가능한 지식으로 전환하기 위한 두 가지 개념적 프레임워크를 제안한다.
• 데이터 마이닝 작업 유형(예: 분류, 군집화, 연관 규칙)과 적용된 프레임워크를 기반으로 기존 데이터 마이닝 연구를 분류한다.
• 행동 가능한 지식 생성 관점에서 체계적인 리뷰 접근법을 사용하여 문헌을 분석하며, 의사결정 지원 관련성을 중점으로 한다.
• 기존 방법이 단순한 패턴 탐지 외에도 직접적이고 수익성 있는 조치를 지원하는 정도를 평가한다.
• 연구 설계, 평가 또는 응용 맥락에서 행동 가능성 문제를 다루었는지 여부를 분석하여 연구 격차를 규명한다.
• 의사결정자가 조직적 영향을 측정할 수 있도록 지식에 기반한 조치를 취할 수 있도록 하는 것을 목표로 분석을 틀어잡는다.

실험 결과

연구 질문

• RQ1 일반적인 데이터 마이닝 패턴과 행동 가능한 지식을 구분하는 데 핵심적인 특성은 무엇인가?
• RQ2 기존 데이터 마이닝 방법은 행동 가능한 지식 생성을 암묵적 또는 명시적으로 어떻게 지원하는가?
• RQ3 다양한 데이터 마이닝 작업(예: 분류, 군집화)은 행동 가능한 통찰을 생성하는 데 어떤 방식으로 기여하거나 방해하는가?
• RQ4 발견된 패턴을 행동 가능한 결정으로 전환하기 위해 일반적으로 사용되는 프레임워크 또는 설계 원칙은 무엇인가?
• RQ5 현재 연구에서 미흡하게 다루어지거나 충분히 다루어지지 않은 행동 가능한 지식 마이닝의 어떤 측면이 남아 있는가?

주요 결과

• 이 논문 이전까지 데이터 마이닝 분야에서 행동 가능한 지식에 대한 종합적인 서베이는 존재하지 않았으며, 이는 상당한 연구 격차를 의미한다.
• 기존 데이터 마이닝 연구는 일반적으로 발견된 패턴이 어떻게 구체적이고 수익성 있는 조치로 이어지는지 명시적으로 다루지 못하고 있다.
• 행동 가능한 지식 마이닝을 위한 두 가지 암묵적 프레임워크가 연구 간에 널리 공통적으로 사용되고 있으나, 공식적으로 인정되거나 표준화되어 있지 않다.
• 행동 가능한 지식에 관한 연구는 데이터 마이닝 작업 간으로 분산되어 있으며, 통합적이거나 다중 작업 분석이 부족하다.
• 행동 가능성 평가, 피드백 루프, 실세계 구현과 같은 핵심 문제들이 현재 문헌에서 미흡하게 다뤄지고 있다.
• 이 논문은 행동 가능한 지식를 데이터 마이닝의 독립적이고 핵심적인 차원으로 규명함으로써 향후 연구의 기반을 마련한다.