KR101761746B1 - 서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법 - Google Patents

서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법 Download PDF

Info

Publication number
KR101761746B1
KR101761746B1 KR1020160115686A KR20160115686A KR101761746B1 KR 101761746 B1 KR101761746 B1 KR 101761746B1 KR 1020160115686 A KR1020160115686 A KR 1020160115686A KR 20160115686 A KR20160115686 A KR 20160115686A KR 101761746 B1 KR101761746 B1 KR 101761746B1
Authority
KR
South Korea
Prior art keywords
margin
data
rate
item
calculated
Prior art date
Application number
KR1020160115686A
Other languages
English (en)
Inventor
김인교
박영원
Original Assignee
주식회사 모비즈
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 모비즈 filed Critical 주식회사 모비즈
Priority to KR1020160115686A priority Critical patent/KR101761746B1/ko
Application granted granted Critical
Publication of KR101761746B1 publication Critical patent/KR101761746B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/12—Accounting

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Technology Law (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

본 발명은 아이템 서비스 사업을 위해 하나 이상의 신청자 단말기로부터 재무재표와 사업 아이템, 수수료 등의 신청 데이터를 수신하여, 각 신청자 별로 마진율에 따른 영업 이익률을 예측하고, 예측된 영업 이익률에 근거해 아이템 서비스 사업을 실행하는 사업체를 선정할 수 있도록 하는, 서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법이 개시된다. 개시된 서비스 서버의 아이템 서비스 사업체 선정 방법은, (a) 마이크로프로세서가 하나 이상의 신청자 단말기로부터 통신부를 통해 재무재표 데이터와, 아이템 데이터 및 수수료 데이터를 수신하여 데이터베이스(DB)에 저장하는 단계; (b) 상기 마이크로프로세서가 재무재표 데이터를 이용하여 일정 기간의 마진율에 따른 영업 이익률을 신청자 별로 각각 산출하는 단계; (c) 상기 마이크로프로세서가 마진율과 영업 이익률 간의 관계를 추정하여 선정 모델을 생성하는 단계; (d) 상기 마이크로프로세서가 신청자 별 마진율을 각각 선정 모델에 대입하여 신청자 별로 각각의 영업 이익률을 산출하는 단계; 및 (e) 상기 마이크로프로세서가 신청자 별로 산출된 각각의 영업 이익률을 비교하여 영업 이익률과 수수료 데이터가 가장 높은 신청자를 아이템 서비스 사업체로 선정하는 단계를 포함할 수 있다.

Description

서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법{Service server, and item service company selecting method thereof}
본 발명은 서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법에 관한 것으로서, 더욱 자세하게는 아이템 서비스 사업을 위해 하나 이상의 신청자 단말기로부터 재무재표와 사업 아이템, 수수료 등의 신청 데이터를 수신하여, 각 신청자 별로 마진율에 따른 영업 이익률을 예측하고, 예측된 영업 이익률에 근거해 아이템 서비스 사업을 실행하는 사업체를 선정할 수 있도록 하는, 서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법에 관한 것이다.
일반적으로 인터넷 웹사이트(Web Site)를 통해 아이템 서비스를 제공하기 위해서는 개인용 컴퓨터 등과 같은 다수의 가입자 통신 단말기들과, 웹사이트를 제공하는 IP(Internet Provider) 서버가 인터넷을 통해 연결 접속되어 있어야 한다.
IP 서버는 다양한 정보들을 검색 및 제공할 수 있는 메뉴를 웹사이트를 통해 제공하고, 가입자 통신 단말기들은 해당 메뉴를 통해 정보들을 용이하게 검색 및 제공받게 된다.
그런데, 종래 개인 사업자 등이 인터넷 서버를 통해 아이템 서비스를 제공하는 경우에는, 오프 라인 상에서 인터넷 서버를 운영하는 운영자와 개인 사업자 간에 구두나 서류 상으로 합의하거나 계약을 통해 제공하는 방식이었다.
따라서, 개인 사업자나 소규모 사업체 등이 1,000 개 이상이나 10,000 개 이상으로 많은 업체들이 인터넷 서버 상에 아이템 서비스를 제공하고자 할 경우에는 해당 아이템을 등록받고 심사하는데 많은 인력과 비용이 소요되고, 아이템을 선정하여 서비스 제공하기까지는 수많은 기간이 소요되는 문제점이 있다.
한국 공개특허공보 제10-2003-0094796호(공개일 : 2003.12.18)
전술한 문제점을 해결하기 위한 본 발명의 목적은, 아이템 서비스 사업을 위해 하나 이상의 신청자 단말기로부터 재무재표와 사업 아이템, 수수료 등의 신청 데이터를 수신하여, 각 신청자 별로 마진율에 따른 영업 이익률을 예측하고, 예측된 영업 이익률에 근거해 아이템 서비스 사업을 실행하는 사업체를 빠른 기간 내에 선정할 수 있도록 하는, 서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법을 제공함에 있다.
전술한 목적을 달성하기 위한 본 발명에 따른 서비스 서버는, 하나 이상의 신청자 단말기로부터 통신 네트워크를 통해 재무재표 데이터와, 아이템 데이터 및 수수료 데이터를 수신하는 통신부; 재무재표 데이터를 이용하여 일정 기간의 마진율에 따른 영업 이익률을 신청자 별로 각각 산출하고, 마진율과 영업 이익률 간의 관계를 추정하여 선정 모델을 생성하며, 신청자 별 마진율을 각각 선정 모델에 대입하여 신청자 별로 각각의 영업 이익률을 산출하며, 신청자 별로 산출된 각각의 영업 이익률을 비교하여 영업 이익률과 수수료 데이터가 가장 높은 신청자를 아이템 서비스 사업체로 선정하는 제어부; 및 수신된 재무재표 데이터와, 아이템 데이터 및 수수료 데이터를 저장하고, 산출된 마진율에 따른 영업 이익률과, 생성된 선정 모델 및 선정 모델에 마진율을 대입하여 신청자 별로 산출된 각각의 영업 이익률을 저장하기 위한 데이터베이스를 포함할 수 있다.
여기서, 재무재표 데이터는 원가(s)와 판매가(p)를 포함하고, 아이템 데이터는 대표자(r)와 사업 아이템(e)을 포함하며, 아이템 데이터는 사업 아이템에 대한 제품명, 업종, 제품성격, 시장규모를 더 포함하고, 제품성격은 소비재, 기능재, 일상재를 포함하며, 시장규모는 이용자가 100만명 미만인 시장과, 이용자가 100만명 이상 1000만명 미만인 시장, 이용자가 1000만명 이상인 시장을 포함할 수 있다.
또한, 제어부는, 재무재표 데이터에 근거해 원가(s)와 판매가(p)를 이용하여 대표자(r) 별로 일정 기간의 마진율(x)과 영업이익률(y)을 각각 산출하고, 산출된 마진율(x)과 영업이익률(y)을 대표자(r)와 사업 아이템(e)에 매칭시켜 학습 데이터로 데이터베이스에 저장할 수 있다.
또한, 제어부는, 학습 데이터에 대해 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류할 수 있다.
또한, 제어부는, 모델링 데이터군에 대해, 대표자(r) 또는 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 산출할 수 있다.
이어, 제어부는, 대표자(r) 별 각 영업이익률(y) 데이터와, 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 산출할 수 있다.
이어, 제어부는, 산출된 기울기(a) 값과 절편(b) 값을 추정 함수식에 대입해 선정 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하기 위한 선정 모델을 생성할 수 있다.
그리고, 제어부는, 대표자(r) 별로 산출한 각 마진율(x)을 선정 모델에 각각 대입하여 사업 아이템(e) 별로 영업이익률(y)을 각각 산출하고, 대표자(r) 또는 사업 아이템(e) 별로 영업이익률(y) 및 수수료 데이터를 비교하여 내림차순으로 리스팅(listing)하며, 리스팅의 결과에 따라, 영업이익률(y)과 수수료 데이터가 가장 최상위에 해당되는 대표자(r) 또는 사업 아이템(e)의 사업체를 선정할 수 있다.
또한, 제어부는, 검증 데이터군에 대해, 대표자(r) 별로 각각의 마진율(x)을 산출하고, 산출된 각 마진율(x)을 선정 모델에 각각 대입하여 영업이익률(y)을 각각 산출하고, 대표자(r) 또는 사업 아이템(e) 별로 산출된 각각의 마진율(x) 및 영업이익률(y)에 대해, 추정 함수식의 그래프와의 거리값들을 산출하며, 산출된 거리값들에 대한 거리 평균값을 산출하고, 산출된 거리 평균값을 최소가 되는 거리값과 비교하고, 비교 결과에 근거해, 산출된 거리 평균값과 최소가 되는 거리값의 차이가 오차 범위 이내인가의 여부에 따라 선정 모델을 검증할 수 있다.
또한, 제어부는, 모델링 데이터군을 제품성격에 따라 소비재, 기능재, 일상재의 3 가지 분야로 재분류하고, 재분류된 각각의 모델링 데이터군에 대해, 대표자(r) 또는 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 제품성격의 3가지 분야 별로 각각 산출할 수 있다.
이어, 제어부는 제품성격의 3가지 분야 별로 대표자(r) 별 각 영업이익률(y) 데이터와, 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 제품성격의 3 가지 분야에 따라 각각 산출할 수 있다.
이어, 제어부는 제품성격의 3가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 제품성격의 3가지 분야 별로 추정 함수식에 대입해 선정 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하는 선정 모델을 제품성격의 소비재, 기능재, 일상재에 따라 각각 생성할 수 있다.
또한, 제어부는, 분류된 모델링 데이터군을 시장규모에 따라 소규모 시장, 중규모 시장, 대규모 시장의 3 가지 분야로 재분류하고, 재분류된 각각의 모델링 데이터군에 대해, 대표자(r) 또는 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 시장규모의 3가지 분야 별로 각각 산출할 수 있다.
이어, 제어부는 시장규모의 3가지 분야 별로 대표자(r) 별 각 영업이익률(y) 데이터와, 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 시장규모의 3 가지 분야에 따라 각각 산출할 수 있다.
그리고, 제어부는 시장규모의 3가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 시장규모의 3가지 분야 별 추정 함수식에 각각 대입해 선정 함수식(y=ax+b)을 각각 결정하여, 마진율에 따른 영업이익률을 산출하는 선정 모델을 시장규모의 소규모 시장, 중규모 시장, 대규모 시장에 따라 3 가지 분야 별로 각각 생성할 수 있다.
한편, 전술한 목적을 달성하기 위한 본 발명에 따른 아이템 서비스 사업체 선정 방법은, 하나 이상의 신청자 단말기와 통신 네트워크를 통해 데이터를 송수신하는 서비스 서버의 아이템 서비스 사업체 선정 방법으로서, (a) 마이크로프로세서가 하나 이상의 신청자 단말기로부터 통신부를 통해 재무재표 데이터와, 아이템 데이터 및 수수료 데이터를 수신하여 데이터베이스(DB)에 저장하는 단계; (b) 상기 마이크로프로세서가 재무재표 데이터를 이용하여 일정 기간의 마진율에 따른 영업 이익률을 신청자 별로 각각 산출하는 단계; (c) 상기 마이크로프로세서가 마진율과 영업 이익률 간의 관계를 추정하여 선정 모델을 생성하는 단계; (d) 상기 마이크로프로세서가 신청자 별 마진율을 각각 선정 모델에 대입하여 신청자 별로 각각의 영업 이익률을 산출하는 단계; 및 상기 (e) 마이크로프로세서가 신청자 별로 산출된 각각의 영업 이익률을 비교하여 영업 이익률과 수수료 데이터가 가장 높은 신청자를 아이템 서비스 사업체로 선정하는 단계를 포함할 수 있다.
(a) 단계에서, 재무재표 데이터는 원가(s)와 판매가(p)를 포함하고, 아이템 데이터는 대표자(r)와 사업 아이템(e)을 포함할 수 있다. 아이템 데이터는, 사업 아이템에 대한 제품명, 업종, 제품성격, 시장규모를 더 포함하고, 제품성격은 소비재, 기능재, 일상재를 포함하며, 시장규모는 이용자가 100만명 미만인 시장과, 이용자가 100만명 이상 1000만명 미만인 시장, 이용자가 1000만명 이상인 시장을 포함할 수 있다.
또한, (b) 단계에서, 상기 마이크로프로세서는 재무재표 데이터에 근거해 원가(s)와 판매가(p)를 이용하여 일정 기간의 마진율(x)과 영업이익률(y)을 대표자(r) 별로 각각 산출하며, 산출된 마진율(x)과 영업이익률(y)을 대표자(r)와 사업 아이템(e)에 매칭시켜 학습 데이터로 데이터베이스에 저장할 수 있다.
또한, (c) 단계에서 상기 마이크로프로세서는, 학습 데이터에 대해, 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류할 수 있다.
또한, (c) 단계에서 상기 마이크로프로세서는 모델링 데이터군에 대해, 대표자(r) 또는 사업 아이템(e) 별로 마진율(x)과 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 산출할 수 있다.
또한, (c) 단계에서 상기 마이크로프로세서는 대표자(r) 별 각 영업이익률(y) 데이터와, 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 산출할 수 있다.
또한, (c) 단계에서 상기 마이크로프로세서는 산출된 기울기(a) 값과 절편(b) 값을 추정 함수식에 대입해 선정 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하기 위한 선정 모델을 생성할 수 있다.
또한, (d) 단계에서 상기 마이크로프로세서는, 대표자(r) 별로 산출한 각 마진율(x)을 선정 모델에 각각 대입하여 사업 아이템(e) 별로 영업이익률(y)을 각각 산출할 수 있다.
또한, (e) 단계에서 상기 마이크로프로세서는, 대표자(r) 또는 사업 아이템(e) 별로 영업이익률(y) 및 수수료 데이터를 비교하여 내림차순으로 리스팅(listing)하여, 리스팅의 결과에 따라 영업이익률(y)과 수수료 데이터가 가장 최상위에 해당되는 대표자(r) 또는 사업 아이템(e)의 사업체를 선정할 수 있다.
한편, (f) 상기 마이크로프로세서가 검증 데이터군에 대해, 대표자(r) 별로 각각의 마진율(x)을 산출하고, 산출된 각 마진율(x)을 선정 모델에 각각 대입하여 영업이익률(y)을 각각 산출하는 단계; (g) 상기 마이크로프로세서가 대표자(r) 또는 사업 아이템(e) 별로 산출된 각각의 마진율(x) 및 영업이익률(y)에 대해, 추정 함수식의 그래프와의 거리값들을 산출하는 단계; (h) 상기 마이크로프로세서가 산출된 거리값들에 대한 거리 평균값을 산출하고, 산출된 거리 평균값을 (c) 단계의 최소가 되는 거리값과 비교하는 단계; 및 (i) 상기 마이크로프로세서가 비교 결과에 근거해, 산출된 거리 평균값과 최소가 되는 거리값의 차이가 오차 범위 이내인가의 여부에 따라 선정 모델을 검증하는 단계를 더 포함할 수 있다.
또한, (c) 단계에서 상기 마이크로프로세서가 모델링 데이터군을 제품성격에 따라 소비재, 기능재, 일상재의 3 가지 분야로 재분류하고, 재분류된 각각의 모델링 데이터군에 대해, 대표자(r) 또는 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 제품성격의 3가지 분야 별로 각각 산출할 수 있다.
또한, (c) 단계에서 상기 마이크로프로세서가 제품성격의 3가지 분야 별로 대표자(r) 별 각 영업이익률(y) 데이터와, 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 제품성격의 3 가지 분야에 따라 각각 산출할 수 있다.
또한, (c) 단계에서 상기 마이크로프로세서가 제품성격의 3가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 제품성격의 3가지 분야 별로 추정 함수식에 대입해 선정 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하는 선정 모델을 제품성격의 소비재, 기능재, 일상재에 따라 각각 생성할 수 있다.
또한, (c) 단계에서 상기 마이크로프로세서가 분류된 모델링 데이터군을 시장규모에 따라 소규모 시장, 중규모 시장, 대규모 시장의 3 가지 분야로 재분류하고, 재분류된 각각의 모델링 데이터군에 대해, 대표자(r) 또는 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 시장규모의 3가지 분야 별로 각각 산출할 수 있다.
이어, (c) 단계에서 상기 마이크로프로세서가 시장규모의 3가지 분야 별로 대표자(r) 별 각 영업이익률(y) 데이터와, 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 시장규모의 3 가지 분야에 따라 각각 산출할 수 있다.
그리고, (c) 단계에서 상기 마이크로프로세서가 시장규모의 3가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 시장규모의 3가지 분야 별 추정 함수식에 각각 대입해 선정 함수식(y=ax+b)을 각각 결정하여, 마진율에 따른 영업이익률을 산출하는 선정 모델을 시장규모의 소규모 시장, 중규모 시장, 대규모 시장에 따라 3 가지 분야 별로 각각 생성할 수 있다.
본 발명에 의하면, 아이템을 등록받고 심사하는데 많은 인력과 비용이 필요치 않고, 사업체의 재무재표 등을 이용하게 됨으로써 사업체를 빠른 시간 내에 선정할 수 있어, 아이템을 선정하여 서비스하기까지 많은 기간이 소요되지 않는 장점이 있다. 그리고, 사업체의 마진율에 따른 영업 이익률이 높은 사업체를 선정하게 됨으로써, 선정된 아이템을 통해 매출 발생 시에 고수익을 얻을 수 있다.
도 1은 본 발명에 따른 아이템 서비스 사업체 선정 방법이 적용되는 서비스 시스템의 전체적인 구성 예를 개략적으로 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 서비스 서버의 구성을 개략적으로 나타낸 구성도이다.
도 3은 본 발명의 실시예에 따른 서비스 서버의 아이템 서비스 사업체 선정 방법을 설명하기 위한 동작 흐름도를 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 신청자 단말기들이 아이템 서비스를 신청하기 위해 데이터를 입력하기 위한 신청 양식의 한 예를 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 선정 모델을 생성하는 과정을 나타낸 흐름도이다.
도 6은 본 발명의 실시예에 따른 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식을 산출하는 예를 나타낸 도면이다.
도 7은 본 발명의 실시예에 따라 생성된 선정 모델을 검증하는 과정을 나타낸 흐름도이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우 뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
어느 부분이 다른 부분의 "위에" 있다고 언급하는 경우, 이는 바로 다른 부분의 위에 있을 수 있거나 그 사이에 다른 부분이 수반될 수 있다. 대조적으로 어느 부분이 다른 부분의 "바로 위에" 있다고 언급하는 경우, 그 사이에 다른 부분이 수반되지 않는다.
제1, 제2 및 제3 등의 용어들은 다양한 부분, 성분, 영역, 층 및/또는 섹션들을 설명하기 위해 사용되나 이들에 한정되지 않는다. 이들 용어들은 어느 부분, 성분, 영역, 층 또는 섹션을 다른 부분, 성분, 영역, 층 또는 섹션과 구별하기 위해서만 사용된다. 따라서, 이하에서 서술하는 제1 부분, 성분, 영역, 층 또는 섹션은 본 발명의 범위를 벗어나지 않는 범위 내에서 제2 부분, 성분, 영역, 층 또는 섹션으로 언급될 수 있다.
여기서 사용되는 전문 용어는 단지 특정 실시예를 언급하기 위한 것이며, 본 발명을 한정하는 것을 의도하지 않는다. 여기서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다. 명세서에서 사용되는 "포함하는"의 의미는 특정 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분을 구체화하며, 다른 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분의 존재나 부가를 제외시키는 것은 아니다.
"아래", "위" 등의 상대적인 공간을 나타내는 용어는 도면에서 도시된 한 부분의 다른 부분에 대한 관계를 보다 쉽게 설명하기 위해 사용될 수 있다. 이러한 용어들은 도면에서 의도한 의미와 함께 사용 중인 장치의 다른 의미나 동작을 포함하도록 의도된다. 예를 들면, 도면 중의 장치를 뒤집으면, 다른 부분들의 "아래"에 있는 것으로 설명된 어느 부분들은 다른 부분들의 "위"에 있는 것으로 설명된다. 따라서 "아래"라는 예시적인 용어는 위와 아래 방향을 전부 포함한다. 장치는 90˚ 회전 또는 다른 각도로 회전할 수 있고, 상대적인 공간을 나타내는 용어도 이에 따라서 해석된다.
다르게 정의하지는 않았지만, 여기에 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미와 동일한 의미를 가진다. 보통 사용되는 사전에 정의된 용어들은 관련 기술문헌과 현재 개시된 내용에 부합하는 의미를 가지는 것으로 추가 해석되고, 정의되지 않는 한 이상적이거나 매우 공식적인 의미로 해석되지 않는다.
이하, 첨부한 도면을 참조하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
도 1은 본 발명에 따른 아이템 서비스 사업체 선정 방법이 적용되는 서비스 시스템의 전체적인 구성 예를 개략적으로 나타낸 도면이다.
도 1을 참조하면, 본 발명이 적용되는 서비스 시스템(100)은, 하나 이상의 신청자 단말기(110 ~ 114)와, 통신 네트워크(120), 및 서비스 서버(130)를 포함한다.
하나 이상의 신청자 단말기(110~114)는 사업체 대표자 또는 BP(Business Partner)들이 이용하는 예컨대, 컴퓨터 단말기로서, 아이템 서비스 사업을 신청하기 위해 서비스 서버(130)에 접속하여, BP가 입력한 재무재표 데이터와 아이템 데이터 및 수수료 데이터를 서비스 서버(130)에 전송한다. 여기서, 신청자는 사업체를 의미할 수 있고, 사업체 대표자를 의미할 수 있다.
또한, 하나 이상의 신청자 단말기(110~114)는 BP가 휴대하기에 용이한 스마트 단말기(Smart Phone)나, 휴대용 노트북 등이 될 수 있다. 여기서, 스마트 단말기는 가입자 유닛, 가입자국, 이동국, 모바일, 원격국, 원격 단말, 모바일 디바이스, 사용자 단말, 무선 통신 디바이스, 사용자 에이전트, 사용자 디바이스 또는 사용자 장비(UE)로도 지칭될 수 있다. 스마트 단말기는 셀룰러 폰, 무선 전화, 세션 시작 프로토콜(SIP) 전화, 무선 로컬 루프(WLL) 스테이션, 개인 디지털 보조기기(PDA), 무선 접속 능력을 가진 핸드헬드 디바이스, 연산 디바이스 또는 무선 모뎀에 접속된 다른 처리 디바이스일 수도 있다. 하지만, 이러한 용어에 국한되어 스마트 단말기를 제한해서는 아니된다.
통신 네트워크(120)는 인터넷(Internet)이나 공중 전화망(PSTN:Public Switched Telephone Network) 등의 유선 통신망을 포함하거나, 블루투스(Bluetooth), 지그비(Zigbee) 등의 근거리 통신망이나 이동 통신망 등의 무선 통신망을 포함할 수 있다.
서비스 서버(130)는 하나 이상의 신청자 단말기(110~114)로부터 재무재표 데이터와 아이템 데이터 및 수수료 데이터를 포함하는 신청 데이터를 각각 수신하고, 수신된 신청 데이터들을 각 신청자 별로 선정 모델에 대입하여, 선정 모델로부터 출력된 결과에 근거해 각 제품분야 별로 아이템 서비스 사업체를 선정한다.
여기서, 선정 모델은 서비스 서버(130)가 하나 이상의 신청자 단말기(110~114)로부터 수신한 재무재표 데이터에 근거해 각 신청자 별로 일정 기간 동안의 마진율과 영업 이익률을 산출하고, 각 신청자 별로 산출된 마진율과 영업 이익률을 학습하여 마진율과 영업 이익률 간의 관계를 나타내는 함수식을 도출하고, 도출된 함수식을 적용하여 생성하는 것이다.
도 2는 본 발명의 실시예에 따른 서비스 서버의 구성을 개략적으로 나타낸 구성도이다.
도 2를 참조하면, 본 발명에 따른 서비스 서버(130)는, 통신부(210)와 제어부(220) 및 데이터베이스(230)를 포함한다.
통신부(210)는 하나 이상의 신청자 단말기(110 ~ 114)로부터 통신 네트워크(120)를 통해 재무재표 데이터와, 아이템 데이터 및 수수료 데이터를 수신한다.
제어부(220)는 예컨대, 칩(Chip) 형태의 마이크로 프로세서(Micro Processor)나, 메인 컨트롤 유닛(Main Control Unit) 등으로 구현할 수 있으며, 재무재표 데이터를 이용하여 일정 기간의 마진율에 따른 영업 이익률을 신청자 별로 각각 산출하고, 마진율과 영업 이익률 간의 관계를 추정하여 선정 모델을 생성한다.
이어, 제어부(220)는 선정 모델에 신청자 별 마진율을 각각 대입하여 신청자 별로 각각의 영업 이익률을 산출하며, 신청자 별로 산출된 각각의 영업 이익률을 비교하여, 영업 이익률과 수수료 데이터가 가장 높은 신청자를 아이템 서비스 사업체로 선정하는 것이다.
여기서, 재무재표 데이터는 원가(s)와 판매가(p)를 포함하고, 아이템 데이터는 대표자(r)와 사업 아이템(e)을 포함하며, 아이템 데이터는 사업 아이템에 대한 제품명, 업종, 제품성격, 시장규모를 더 포함하고, 제품성격은 소비재, 기능재, 일상재를 포함하며, 시장규모는 이용자가 100만명 미만인 시장과, 이용자가 100만명 이상 1000만명 미만인 시장, 이용자가 1000만명 이상인 시장을 포함할 수 있다.
데이터베이스(230)는 수신된 재무재표 데이터와, 아이템 데이터 및 수수료 데이터를 저장하고, 산출된 마진율에 따른 영업 이익률과, 생성된 선정 모델 및 선정 모델에 마진율을 대입하여 신청자 별로 산출된 각각의 영업 이익률을 저장한다.
또한, 제어부(220)는, 재무재표 데이터에 근거해 원가(s)와 판매가(p)를 이용하여 대표자(r) 별로 일정 기간의 마진율(x)과 영업이익률(y)을 각각 산출하고, 산출된 마진율(x)과 영업이익률(y)을 대표자(r)와 사업 아이템(e)에 매칭시켜 학습 데이터로 데이터베이스(230)에 저장할 수 있다.
또한, 제어부(220)는, 학습 데이터에 대해 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류할 수 있다.
또한, 제어부(220)는, 모델링 데이터군에 대해, 대표자(r) 또는 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 산출할 수 있다.
이어, 제어부(220)는, 대표자(r) 별 각 영업이익률(y) 데이터와, 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 산출할 수 있다.
이어, 제어부(220)는, 산출된 기울기(a) 값과 절편(b) 값을 추정 함수식에 대입해 선정 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하기 위한 선정 모델을 생성할 수 있다.
그리고, 제어부(220)는, 대표자(r) 별로 산출한 각 마진율(x)을 선정 모델에 각각 대입하여 사업 아이템(e) 별로 영업이익률(y)을 각각 산출하고, 대표자(r) 또는 사업 아이템(e) 별로 영업이익률(y) 및 수수료 데이터를 비교하여 내림차순으로 리스팅(listing)하며, 리스팅의 결과에 따라, 영업이익률(y)과 수수료 데이터가 가장 최상위에 해당되는 대표자(r) 또는 사업 아이템(e)의 사업체를 선정할 수 있다.
한편, 제어부(220)는, 검증 데이터군에 대해, 대표자(r) 별로 각각의 마진율(x)을 산출하고, 산출된 각 마진율(x)을 선정 모델에 각각 대입하여 영업이익률(y)을 각각 산출하고, 대표자(r) 또는 사업 아이템(e) 별로 산출된 각각의 마진율(x) 및 영업이익률(y)에 대해, 추정 함수식의 그래프와의 거리값들을 산출하여, 산출된 거리값들에 대한 거리 평균값을 산출하고, 산출된 거리 평균값을 최소가 되는 거리값과 비교하고, 비교 결과에 근거해, 산출된 거리 평균값과 최소가 되는 거리값의 차이가 오차 범위 이내인가의 여부에 따라 선정 모델을 검증할 수 있다.
또한, 제어부(220)는, 모델링 데이터군을 제품성격에 따라 소비재, 기능재, 일상재의 3 가지 분야로 재분류하고, 재분류된 각각의 모델링 데이터군에 대해, 대표자(r) 또는 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 제품성격의 3가지 분야 별로 각각 산출할 수 있다.
이어, 제어부(220)는 제품성격의 3가지 분야 별로 대표자(r) 별 각 영업이익률(y) 데이터와, 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 제품성격의 3 가지 분야에 따라 각각 산출할 수 있다.
이어, 제어부(220)는 제품성격의 3가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 제품성격의 3가지 분야 별로 추정 함수식에 대입해 선정 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하는 선정 모델을 제품성격의 소비재, 기능재, 일상재에 따라 각각 생성할 수 있다.
또한, 제어부(220)는, 분류된 모델링 데이터군을 시장규모에 따라 소규모 시장, 중규모 시장, 대규모 시장의 3 가지 분야로 재분류하고, 재분류된 각각의 모델링 데이터군에 대해, 대표자(r) 또는 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 시장규모의 3가지 분야 별로 각각 산출할 수 있다.
이어, 제어부(220)는 시장규모의 3가지 분야 별로 대표자(r) 별 각 영업이익률(y) 데이터와, 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 시장규모의 3 가지 분야에 따라 각각 산출할 수 있다.
그리고, 제어부(220)는 시장규모의 3가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 시장규모의 3가지 분야 별 추정 함수식에 각각 대입해 선정 함수식(y=ax+b)을 각각 결정하여, 마진율에 따른 영업이익률을 산출하는 선정 모델을 시장규모의 소규모 시장, 중규모 시장, 대규모 시장에 따라 3 가지 분야 별로 각각 생성할 수 있다.
도 3은 본 발명의 실시예에 따른 서비스 서버의 아이템 서비스 사업체 선정 방법을 설명하기 위한 동작 흐름도를 나타낸 도면이다.
도 3을 참조하면, 본 발명에 따른 서비스 서버(130)는, 통신부(210)가 하나 이상의 신청자 단말기(110~114)로부터 재무재표 데이터와, 아이템 데이터 및 수수료 데이터를 수신한다(S310).
여기서, 재무재표 데이터는 원가(s)와 판매가(p)를 포함하고, 아이템 데이터는 대표자(r)와 사업 아이템(e)을 포함하며, 아이템 데이터는, 사업 아이템에 대한 제품명, 업종, 제품성격, 시장규모를 더 포함할 수 있다. 또한, 제품성격은 소비재, 기능재, 일상재 등을 포함하고, 시장규모는 이용자가 100만명 미만인 시장과, 이용자가 100만명 이상 1000만명 미만인 시장, 그리고 이용자가 1000만명 이상인 시장을 포함할 수 있다.
이때, 서비스 서버(130)는 하나 이상의 신청자 단말기들(110~114)이 BP(Business Partner) 또는 아이템 서비스를 신청할 수 있도록 도 4에 도시된 바와 같이 웹페이지 등을 통해 신청 양식을 하나 이상의 신청자 단말기들(110~114)에 제공한다. 도 4는 본 발명의 실시예에 따른 신청자 단말기들이 아이템 서비스를 신청하기 위해 데이터를 입력하기 위한 신청 양식의 한 예를 나타낸 도면이다. 따라서, 서비스 서버(130)는 도 4에 도시된 신청 양식에 따라 하나 이상의 신청자 단말기들(110~114)로부터 재무재표 데이터와, 아이템 데이터 및 수수료 데이터를 포함하는 신청 데이터를 수신하는 것이다.
또한, 아이템 데이터는 예를 들면, 스마트폰 판매 서비스, 생명보험 판매 서비스, 생활용품 판매 서비스, 운동기구 판매 서비스 등에 관한 판매 아이템 서비스를 포함한다.
또한, 수수료 데이터는 BP 또는 아이템 서비스가 선정되어, 서비스 서버(130)가 운영하는 판매 사이트를 통해 매출이 발생할 때, 하나의 제품에 대해 얼마 정도의 수수료를 분배(지급)할 것인가에 관한 데이터이다.
이어, 제어부(220)는 재무재표 데이터를 이용하여 일정 기간의 마진율에 따른 영업 이익률을 신청자 별로 각각 산출한다(S320).
여기서, 일정 기간은 하나의 사업체가 1년 동안 영업을 실행한 기간이나, 또는 3년 동안 영업을 실행한 기간 등이 될 수 있다.
따라서, 제어부(220)는 재무재표 데이터에 근거해 수학식 1에 따라 원가(s)와 판매가(p)를 이용하여 1년 또는 3년 동안의 마진율(x)과 영업이익률(y)을 대표자(r) 별로 각각 산출하며, 산출된 마진율(x)과 영업이익률(y)을 다음 표 1과 같이 대표자(r)와 사업 아이템(e)에 매칭시켜 학습 데이터로 데이터베이스(230)에 저장할 수 있다.
Figure 112016087852708-pat00001
신청자 사업아이템 제품성격 시장규모 원가 판매가 마진율 영업이익률
대표자1 통신 기능재 소규모 S1 P1 0.4 0.3
대표자2 보험 일상재 대규모 S2 P2 0.35 0.2
... ... ... ... ... ... ... ...
대표자n 금융 소비재 중규모 Sn Pn 0.5 0.35
이어, 제어부(220)는 마진율과 영업 이익률 간의 관계를 추정하여 아이템 서비스를 선정하기 위한 선정 모델을 생성한다(S330).
즉, 제어부(220)는 도 5에 도시된 바와 같은 과정으로 마진율과 영업 이익률 간의 관계를 추정하여 선정 모델을 생성하는 것이다.
이어, 제어부(220)는 신청자 별 마진율을 각각 선정 모델에 대입하여 신청자 별로 각각의 영업 이익률을 산출한다(S340).
즉, 제어부(220)는, 대표자(r) 별로 산출한 각 마진율(x)을 선정 모델에 각각 대입하여 신청자별 또는 사업 아이템(e) 별로 영업이익률(y)을 각각 산출하는 것이다.
그리고, 제어부(220)는 신청자 별로 산출된 각각의 영업 이익률을 서로 비교하여 영업 이익률이 가장 높은 신청자와, 수수료 데이터가 가장 높은 신청자를 아이템 서비스 사업체로 선정한다(S350).
즉, 제어부(220)는, 대표자(r) 또는 사업 아이템(e) 별로 영업이익률(y) 및 수수료 데이터를 비교하여 내림차순으로 리스팅(listing)하고, 리스팅의 결과에 따라 영업이익률(y)과 수수료 데이터가 가장 최상위에 해당되는 대표자(r) 또는 사업 아이템(e)의 사업체를 아이템 서비스 사업체로 선정하는 것이다.
도 5는 본 발명의 실시예에 따른 선정 모델을 생성하는 과정을 나타낸 흐름도이다.
도 5에서, 제어부(220)는 먼저 학습 데이터에 대해, 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류한다(S510).
예를 들면, 제어부(220)는 신청자가 1,000명인 경우에, 표 1에 나타낸 바와 같은 학습 데이터가 1,000개이므로, 신청자 800명에 해당하는 학습 데이터를 모델링 데이터군(80%)으로 설정하고, 신청자 200명에 해당하는 학습 데이터를 검증 데이터군(20%)으로 설정하는 것이다.
이어, 제어부(220)는 모델링 데이터군에 대해, 대표자(r) 또는 사업 아이템(e) 별로 마진율(x)과 영업이익률(y)을 학습하여, 도 6에 도시된 바와 같이 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 수학식 2의 추정 함수식(H(x))을 산출한다(S520).
Figure 112016087852708-pat00002
이어, 제어부(220)는 도 6에 도시된 바와 같이 대표자(r) 별 각 영업이익률(y) 데이터와, 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([d=H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값(d)들을 모두 합하여 대표자(r) 수에 따른 데이터 개수(m)로 나누어(평균) 수학식 3의 코스트 함수식(Cost Function)을 산출한다(S530).
Figure 112016087852708-pat00003
이어, 제어부(220)는 도 6에 도시된 바와 같이 산출된 거리값들 중 코스트 함수식에 따라 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식(나)의 기울기(a) 값과 절편(b) 값을 산출한다(S540). 도 6은 본 발명의 실시예에 따른 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식을 산출하는 예를 나타낸 도면이다. 도 6에 도시된 바와 같이, 제어부(220)는 추정 함수식 H(x)에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 (나) 그래프에 대해, 각각의 마진율(x)과 영업이익률(y) 값을 이용하여 (나) 함수식의 기울기(a) 값과 절편(b) 값을 산출하는 것이다.
이어, 제어부(220)는 산출된 기울기(a) 값과 절편(b) 값을 추정 함수식에 대입해 선정 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하기 위한 선정 모델을 생성한다(S550).
즉, 제어부(220)는 도 6에서 (나) 그래프에 해당하는 기울기(a) 값과 절편(b) 값을 수학식 2에 따른 추정 함수식(H(x))에 대입하여, 추정 함수식에 가장 근접하는 선정 함수식을 결정하고, 결정된 선정 함수식에 따른 선정 모델을 생성하게 되는 것이다.
도 7은 본 발명의 실시예에 따라 생성된 선정 모델을 검증하는 과정을 나타낸 흐름도이다.
도 7을 참조하면, 본 발명에 따른 서비스 서버(130)는 제어부(220)가 검증 데이터군에 대해, 대표자(r) 별로 각각의 마진율(x)을 산출하고, 산출된 각 마진율(x)을 선정 모델에 각각 대입하여 영업이익률(y)을 각각 산출한다(S710).
이어, 제어부(220)는 대표자(r) 또는 사업 아이템(e) 별로 산출된 각각의 영업이익률(y)과, 추정 함수식의 그래프 간의 거리값들을 산출한다(S720).
이어, 제어부(220)는 산출된 거리값들에 대한 거리 평균값을 산출하고, 산출된 거리 평균값을 S540 단계의 최소가 되는 거리값과 비교한다(S730).
그리고, 제어부(220)는 비교 결과에 근거해, 산출된 거리 평균값과 최소가 되는 거리값의 차이가 오차 범위 이내인가의 여부에 따라 선정 모델을 검증한다(S740).
즉, 제어부(220)는 거리값의 차이가 오차 범위 이내이면 선정 모델을 그대로 사용하는 것으로 결정하고, 오차 범위를 벗어나는 경우에 선정 모델을 버리고 새로운 선정 모델을 생성하는 것으로 검증하게 되는 것이다.
한편, 본 발명에 따른 서비스 서버(130)에서, 제어부(220)는 모델링 데이터군을 제품성격에 따라 소비재, 기능재, 일상재의 3 가지 분야로 재분류하고, 재분류된 각각의 모델링 데이터군에 대해, 대표자(r) 또는 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 도 6에 도시된 바와 같이 제품성격의 3가지 분야 별로 각각 산출할 수 있다.
이어, 제어부(220)는 제품성격의 3 가지 분야 별로 대표자(r) 별 각 영업이익률(y) 데이터와, 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 수학식 3에 따라 각각 산출된 거리값들을 모두 합하여 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 도 6에 도시된 바와 같이 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 제품성격의 3 가지 분야에 따라 각각 산출할 수 있다.
그리고, 제어부(220)는 제품성격의 3 가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 제품성격의 3가지 분야 별로 추정 함수식에 대입해 제품성격의 3 가지 분야별 선정 함수식(y=ax+b)을 각각 결정하고, 마진율에 따른 영업이익률을 산출하는 선정 모델을 제품성격의 소비재, 기능재, 일상재에 따라 각각 생성할 수 있다.
또한, 본 발명에 따른 서비스 서버(130)에서, 제어부(220)는 분류된 모델링 데이터군을 시장규모에 따라 소규모 시장, 중규모 시장, 대규모 시장의 3 가지 분야로 재분류하고, 재분류된 각각의 모델링 데이터군에 대해, 대표자(r) 또는 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 시장규모의 3가지 분야 별로 각각 산출할 수 있다.
이어, 제어부(220)는 시장규모의 3가지 분야 별로 대표자(r) 별 각 영업이익률(y) 데이터와, 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 수학식 3에 따라 각각 산출된 거리값들을 모두 합하여 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 도 6에 도시된 바와 같이 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 시장규모의 3 가지 분야에 따라 각각 산출할 수 있다.
그리고, 제어부(220)는 시장규모의 3 가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 시장규모의 3가지 분야 별 추정 함수식에 각각 대입해 선정 함수식(y=ax+b)을 각각 결정하여, 마진율에 따른 영업이익률을 산출하는 선정 모델을 시장규모의 소규모 시장, 중규모 시장, 대규모 시장에 따라 3 가지 분야 별로 각각 생성할 수 있다.
전술한 바와 같이 본 발명에 의하면, 아이템 서비스 사업을 위해 하나 이상의 신청자 단말기로부터 재무재표와 사업 아이템, 수수료 등의 신청 데이터를 수신하여, 각 신청자 별로 마진율에 따른 영업 이익률을 예측하고, 예측된 영업 이익률에 근거해 아이템 서비스 사업을 실행하는 사업체를 선정할 수 있도록 하는, 서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법을 실현할 수 있다.
본 발명이 속하는 기술 분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있으므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100 : 서비스 시스템 110 ~ 114 : 신청자 단말기
120 : 통신 네트워크 130 : 서비스 서버
210 : 통신부 220 : 제어부
230 : 데이터베이스

Claims (12)

  1. (a) 마이크로프로세서가 하나 이상의 신청자 단말기로부터 통신부를 통해 원가(s)와 판매가(p)를 포함하는 재무재표 데이터와, 대표자(r)와 사업 아이템(e)을 포함하는 아이템 데이터 및 수수료 데이터를 수신하여 데이터베이스(DB)에 저장하는 단계;
    (b) 상기 마이크로프로세서가 상기 재무재표 데이터에 근거해 상기 원가(s)와 판매가(p)를 이용하여 일정 기간의 마진율(x)과 영업이익률(y)을 상기 대표자(r) 별로 각각 산출하며, 산출된 마진율(x)과 영업이익률(y)을 상기 대표자(r)와 상기 사업 아이템(e)에 매칭시켜 학습 데이터로 상기 데이터베이스(DB)에 저장하는 단계;
    (c) 상기 마이크로프로세서가 상기 마진율과 상기 영업 이익률 간의 관계를 추정하여 선정 모델을 생성하는 단계;
    (d) 상기 마이크로프로세서가 상기 신청자 별 마진율을 각각 상기 선정 모델에 대입하여 상기 신청자 별로 각각의 영업 이익률을 산출하는 단계; 및
    (e) 상기 마이크로프로세서가 상기 신청자 별로 산출된 각각의 영업 이익률을 비교하여 영업 이익률과 수수료 데이터가 가장 높은 신청자를 아이템 서비스 사업체로 선정하는 단계를 포함하고,
    상기 (c) 단계는,
    (c-1) 상기 마이크로프로세서가 상기 학습 데이터에 대해, 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류하는 과정;
    (c-2) 상기 마이크로프로세서가 상기 모델링 데이터군에 대해, 상기 대표자(r) 또는 상기 사업 아이템(e) 별로 마진율(x)과 영업이익률(y)을 학습하여, 상기 마진율(x)과 상기 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 산출하는 과정;
    (c-3) 상기 마이크로프로세서가 상기 대표자(r) 별 각 영업이익률(y) 데이터와, 상기 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 상기 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 상기 산출된 거리값들 중 최소가 되고 상기 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 산출하는 과정;
    (c-4) 상기 마이크로프로세서가 상기 산출된 기울기(a) 값과 절편(b) 값을 상기 추정 함수식에 대입해 선정 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하기 위한 상기 선정 모델을 생성하는 과정을 포함하고,
    상기 (d) 단계는 상기 마이크로프로세서가 상기 대표자(r) 별로 산출한 각 마진율(x)을 상기 선정 모델에 각각 대입하여 상기 사업 아이템(e) 별로 영업이익률(y)을 각각 산출하고,
    상기 (e) 단계는 상기 마이크로프로세서가 상기 대표자(r) 또는 상기 사업 아이템(e) 별로 영업이익률(y) 및 수수료 데이터를 비교하여 내림차순으로 리스팅(listing)하여, 리스팅의 결과에 따라 영업이익률(y)과 수수료 데이터가 가장 최상위에 해당되는 대표자(r) 또는 사업 아이템(e)의 사업체를 선정하며,
    상기 아이템 데이터는, 상기 사업 아이템에 대한 제품명, 업종, 제품성격, 시장규모를 더 포함하고,
    상기 제품성격은 소비재, 기능재, 일상재를 포함하며,
    상기 시장규모는 이용자가 100만명 미만인 시장과, 이용자가 100만명 이상 1000만명 미만인 시장, 이용자가 1000만명 이상인 시장을 포함하는,
    서비스 서버의 아이템 서비스 사업체 선정 방법.
  2. 삭제
  3. 제 1 항에 있어서,
    (f) 마이크로프로세서가 상기 검증 데이터군에 대해, 상기 대표자(r) 별로 각각의 마진율(x)을 산출하고, 산출된 각 마진율(x)을 상기 선정 모델에 각각 대입하여 영업이익률(y)을 각각 산출하는 단계;
    (g) 마이크로프로세서가 상기 대표자(r) 또는 상기 사업 아이템(e) 별로 산출된 각각의 마진율(x) 및 영업이익률(y)에 대해, 상기 추정 함수식의 그래프와의 거리값들을 산출하는 단계;
    (h) 마이크로프로세서가 상기 산출된 거리값들에 대한 거리 평균값을 산출하고, 산출된 거리 평균값을 상기 (c) 단계의 최소가 되는 거리값과 비교하는 단계; 및
    (i) 마이크로프로세서가 상기 비교 결과에 근거해, 상기 산출된 거리 평균값과 상기 최소가 되는 거리값의 차이가 오차 범위 이내인가의 여부에 따라 상기 선정 모델을 검증하는 단계;
    를 더 포함하는, 서비스 서버의 아이템 서비스 사업체 선정 방법.
  4. 삭제
  5. 제 1 항에 있어서,
    상기 (c) 단계에서 상기 마이크로프로세서가 상기 모델링 데이터군을 상기 제품성격에 따라 소비재, 기능재, 일상재의 3 가지 분야로 재분류하고, 상기 재분류된 각각의 모델링 데이터군에 대해, 상기 대표자(r) 또는 상기 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 상기 마진율(x)과 상기 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 상기 제품성격의 3가지 분야 별로 각각 산출하고,
    상기 (c) 단계에서 상기 마이크로프로세서가 상기 제품성격의 3가지 분야 별로 상기 대표자(r) 별 각 영업이익률(y) 데이터와, 상기 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 상기 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 상기 산출된 거리값들 중 최소가 되고 상기 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 상기 제품성격의 3 가지 분야에 따라 각각 산출하며,
    상기 (c) 단계에서 상기 마이크로프로세서가 상기 제품성격의 3가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 상기 제품성격의 3가지 분야 별로 상기 추정 함수식에 대입해 선정 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하는 선정 모델을 상기 제품성격의 소비재, 기능재, 일상재에 따라 각각 생성하는, 서비스 서버의 아이템 서비스 사업체 선정 방법.
  6. 제 1 항에 있어서,
    상기 (c) 단계에서 상기 마이크로프로세서가 상기 분류된 모델링 데이터군을 상기 시장규모에 따라 소규모 시장, 중규모 시장, 대규모 시장의 3 가지 분야로 재분류하고, 상기 재분류된 각각의 모델링 데이터군에 대해, 상기 대표자(r) 또는 상기 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 상기 마진율(x)과 상기 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 상기 시장규모의 3가지 분야 별로 각각 산출하고,
    상기 (c) 단계에서 상기 마이크로프로세서가 상기 시장규모의 3가지 분야 별로 상기 대표자(r) 별 각 영업이익률(y) 데이터와, 상기 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 상기 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 상기 산출된 거리값들 중 최소가 되고 상기 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 상기 시장규모의 3 가지 분야에 따라 각각 산출하며,
    상기 (c) 단계에서 상기 마이크로프로세서가 상기 시장규모의 3가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 상기 시장규모의 3가지 분야 별 추정 함수식에 각각 대입해 선정 함수식(y=ax+b)을 각각 결정하여, 마진율에 따른 영업이익률을 산출하는 선정 모델을 상기 시장규모의 소규모 시장, 중규모 시장, 대규모 시장에 따라 3 가지 분야 별로 각각 생성하는, 서비스 서버의 아이템 서비스 사업체 선정 방법.
  7. 하나 이상의 신청자 단말기로부터 통신 네트워크를 통해 재무재표 데이터와, 아이템 데이터 및 수수료 데이터를 수신하는 통신부;
    상기 재무재표 데이터를 이용하여 일정 기간의 마진율에 따른 영업 이익률을 신청자 별로 각각 산출하고, 상기 마진율과 상기 영업 이익률 간의 관계를 추정하여 선정 모델을 생성하며, 상기 신청자 별 마진율을 각각 상기 선정 모델에 대입하여 상기 신청자 별로 각각의 영업 이익률을 산출하며, 상기 신청자 별로 산출된 각각의 영업 이익률을 비교하여 영업 이익률과 수수료 데이터가 가장 높은 신청자를 아이템 서비스 사업체로 선정하는 제어부; 및
    상기 수신된 재무재표 데이터와, 아이템 데이터 및 수수료 데이터를 저장하고, 상기 산출된 마진율에 따른 영업 이익률과, 상기 생성된 선정 모델 및 상기 선정 모델에 마진율을 대입하여 상기 신청자 별로 산출된 각각의 영업 이익률을 저장하기 위한 데이터베이스(DB)를 포함하고,
    상기 재무재표 데이터는 원가(s)와 판매가(p)를 포함하고, 상기 아이템 데이터는 대표자(r)와 사업 아이템(e)을 포함하며,
    상기 아이템 데이터는 상기 사업 아이템에 대한 제품명, 업종, 제품성격, 시장규모를 더 포함하고,
    상기 제품성격은 소비재, 기능재, 일상재를 포함하며, 상기 시장규모는 이용자가 100만명 미만인 시장과, 이용자가 100만명 이상 1000만명 미만인 시장, 이용자가 1000만명 이상인 시장을 포함하는,
    서비스 서버.
  8. 삭제
  9. 제 7 항에 있어서,
    상기 제어부는, 상기 재무재표 데이터에 근거해 상기 원가(s)와 판매가(p)를 를 이용하여 상기 대표자(r) 별로 일정 기간의 마진율(x)과 영업이익률(y)을 각각 산출하고, 산출된 마진율(x)과 영업이익률(y)을 상기 대표자(r)와 상기 사업 아이템(e)에 매칭시켜 학습 데이터로 상기 데이터베이스에 저장하며,
    상기 제어부는, 상기 학습 데이터에 대해 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류하며, 상기 모델링 데이터군에 대해, 상기 대표자(r) 또는 상기 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 상기 마진율(x)과 상기 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 산출하고,
    상기 제어부는, 상기 대표자(r) 별 각 영업이익률(y) 데이터와, 상기 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 상기 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 상기 산출된 거리값들 중 최소가 되고 상기 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 산출하며,
    상기 제어부는, 상기 산출된 기울기(a) 값과 절편(b) 값을 상기 추정 함수식에 대입해 선정 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하기 위한 상기 선정 모델을 생성하며,
    상기 제어부는, 상기 대표자(r) 별로 산출한 각 마진율(x)을 상기 선정 모델에 각각 대입하여 상기 사업 아이템(e) 별로 영업이익률(y)을 각각 산출하고, 상기 대표자(r) 또는 상기 사업 아이템(e) 별로 영업이익률(y) 및 수수료 데이터를 비교하여 내림차순으로 리스팅(listing)하며, 상기 리스팅의 결과에 따라, 영업이익률(y)과 수수료 데이터가 가장 최상위에 해당되는 대표자(r) 또는 사업 아이템(e)의 사업체를 선정하는, 서비스 서버.
  10. 제 9 항에 있어서,
    상기 제어부는, 상기 검증 데이터군에 대해, 상기 대표자(r) 별로 각각의 마진율(x)을 산출하고, 산출된 각 마진율(x)을 상기 선정 모델에 각각 대입하여 영업이익률(y)을 각각 산출하고,
    상기 대표자(r) 또는 상기 사업 아이템(e) 별로 산출된 각각의 마진율(x) 및 영업이익률(y)에 대해, 상기 추정 함수식의 그래프와의 거리값들을 산출하며,
    상기 산출된 거리값들에 대한 거리 평균값을 산출하고, 산출된 거리 평균값을 상기 (f) 단계의 최소가 되는 거리값과 비교하고, 상기 비교 결과에 근거해, 상기 산출된 거리 평균값과 상기 최소가 되는 거리값의 차이가 오차 범위 이내인가의 여부에 따라 상기 선정 모델을 검증하는, 서비스 서버.
  11. 제 9 항에 있어서,
    상기 제어부는, 상기 모델링 데이터군을 상기 제품성격에 따라 소비재, 기능재, 일상재의 3 가지 분야로 재분류하고, 상기 재분류된 각각의 모델링 데이터군에 대해, 상기 대표자(r) 또는 상기 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 상기 마진율(x)과 상기 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 상기 제품성격의 3가지 분야 별로 각각 산출하고,
    상기 제품성격의 3가지 분야 별로 상기 대표자(r) 별 각 영업이익률(y) 데이터와, 상기 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 상기 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 상기 산출된 거리값들 중 최소가 되고 상기 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 상기 제품성격의 3 가지 분야에 따라 각각 산출하며,
    상기 제품성격의 3가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 상기 제품성격의 3가지 분야 별로 상기 추정 함수식에 대입해 선정 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하는 선정 모델을 상기 제품성격의 소비재, 기능재, 일상재에 따라 각각 생성하는, 서비스 서버.
  12. 제 9 항에 있어서,
    상기 제어부는, 상기 분류된 모델링 데이터군을 상기 시장규모에 따라 소규모 시장, 중규모 시장, 대규모 시장의 3 가지 분야로 재분류하고, 상기 재분류된 각각의 모델링 데이터군에 대해, 상기 대표자(r) 또는 상기 사업 아이템(e) 별로 마진율(x), 영업이익률(y)을 학습하여, 상기 마진율(x)과 상기 영업이익률(y) 간의 관계를 나타내는 추정 함수식(H(x))을 상기 시장규모의 3가지 분야 별로 각각 산출하고,
    상기 시장규모의 3가지 분야 별로 상기 대표자(r) 별 각 영업이익률(y) 데이터와, 상기 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 상기 대표자(r) 수에 따른 데이터 개수(m)로 나누어, 상기 산출된 거리값들 중 최소가 되고 상기 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 상기 시장규모의 3 가지 분야에 따라 각각 산출하며,
    상기 시장규모의 3가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 상기 시장규모의 3가지 분야 별 추정 함수식에 각각 대입해 선정 함수식(y=ax+b)을 각각 결정하여, 마진율에 따른 영업이익률을 산출하는 선정 모델을 상기 시장규모의 소규모 시장, 중규모 시장, 대규모 시장에 따라 3 가지 분야 별로 각각 생성하는, 서비스 서버.
KR1020160115686A 2016-09-08 2016-09-08 서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법 KR101761746B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160115686A KR101761746B1 (ko) 2016-09-08 2016-09-08 서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160115686A KR101761746B1 (ko) 2016-09-08 2016-09-08 서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법

Publications (1)

Publication Number Publication Date
KR101761746B1 true KR101761746B1 (ko) 2017-07-26

Family

ID=59427147

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160115686A KR101761746B1 (ko) 2016-09-08 2016-09-08 서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법

Country Status (1)

Country Link
KR (1) KR101761746B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102110453B1 (ko) * 2019-09-06 2020-05-13 임주환 농산물 가공 유통 시스템 및 방법
CN113112314A (zh) * 2021-05-17 2021-07-13 北京猎豹移动科技有限公司 一种广告业务处理方法、装置、电子设备及介质
KR20210110000A (ko) * 2020-02-28 2021-09-07 한양여자대학교산학협력단 잉여 원단 공유 시스템 및 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102110453B1 (ko) * 2019-09-06 2020-05-13 임주환 농산물 가공 유통 시스템 및 방법
KR20210110000A (ko) * 2020-02-28 2021-09-07 한양여자대학교산학협력단 잉여 원단 공유 시스템 및 방법
KR102353391B1 (ko) * 2020-02-28 2022-01-20 한양여자대학교산학협력단 잉여 원단 공유 시스템 및 방법
CN113112314A (zh) * 2021-05-17 2021-07-13 北京猎豹移动科技有限公司 一种广告业务处理方法、装置、电子设备及介质

Similar Documents

Publication Publication Date Title
US20210073283A1 (en) Machine learning and prediction using graph communities
US11798088B1 (en) Optimized inventory analysis for insurance purposes
US20130066683A1 (en) Business to business dynamic pricing system
US20020133365A1 (en) System and method for aggregating reputational information
CN107220852A (zh) 用于确定目标推荐用户的方法、装置和服务器
KR101868583B1 (ko) 객관적 빅데이터 분석을 이용한 가맹점 추천 서비스 제공 방법
CN111552870A (zh) 对象推荐方法、电子装置及存储介质
KR102225246B1 (ko) 싱글뷰 인터페이스를 이용한 영업정보 관리 서비스 제공 방법
CN110674391B (zh) 基于大数据的产品数据推送方法、系统和计算机设备
CN104521225A (zh) 利用贝叶斯均值回归(bmr)的呼叫映射系统和方法
US8626604B1 (en) Aggregating product endorsement information
KR102295636B1 (ko) 빅데이터를 이용한 상권정보 제공 시스템 및 방법
US8135713B2 (en) Sourcing controller
CN113643103A (zh) 基于用户相似度的产品推荐方法、装置、设备及存储介质
KR20160124628A (ko) 사용자 유사도 기반의 보험 상품 추천 시스템
KR20160099692A (ko) 비지니스 관계 네트워크 발견 및 관계의 관련성 평가
KR101761746B1 (ko) 서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법
WO2014026274A1 (en) Promoter system and method for processing product and service data
CN111611496A (zh) 产品推荐方法及其装置
KR102320097B1 (ko) 소장품 자산화 관리 서비스 제공 시스템 및 그 서비스 제공 방법
US11663023B2 (en) Systems and methods for dynamic artificial intelligence (AI) graphical user interface (GUI) generation
CN107977876B (zh) 用于处理订单信息的方法及装置
CN105631732A (zh) 确定用户权限的方法和装置
US20210082059A1 (en) Asset reconfiguration and reassignment communication system and components thereof
US20180005282A1 (en) System for generating a phonebook directory and phone number evaluation

Legal Events

Date Code Title Description
GRNT Written decision to grant