KR101986655B1 - 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법 및 시스템 - Google Patents

머신 러닝을 이용하여 사업의 영속성을 예측하는 방법 및 시스템 Download PDF

Info

Publication number
KR101986655B1
KR101986655B1 KR1020170086975A KR20170086975A KR101986655B1 KR 101986655 B1 KR101986655 B1 KR 101986655B1 KR 1020170086975 A KR1020170086975 A KR 1020170086975A KR 20170086975 A KR20170086975 A KR 20170086975A KR 101986655 B1 KR101986655 B1 KR 101986655B1
Authority
KR
South Korea
Prior art keywords
business
analysis
question
area
category
Prior art date
Application number
KR1020170086975A
Other languages
English (en)
Other versions
KR20190006246A (ko
Inventor
양효욱
Original Assignee
양효욱
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 양효욱 filed Critical 양효욱
Priority to KR1020170086975A priority Critical patent/KR101986655B1/ko
Publication of KR20190006246A publication Critical patent/KR20190006246A/ko
Application granted granted Critical
Publication of KR101986655B1 publication Critical patent/KR101986655B1/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
    • G06Q10/06—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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 실시예에 따른 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법은, 사용자 단말기로부터 사업 유형에 대한 정보와 미리 정해진 질문 세트에 대한 응답 정보를 수신하는 사업 진단 단계로서, 상기 사업 유형에 대한 정보와 무관하게 모든 사용자 단말기에 동일한 상기 미리 정해진 질문 세트가 제공되는 것인 사업 진단 단계; 갱신된 사업 평가 모델에 상기 사업 유형에 대한 정보와 상기 응답 정보를 반영하여 사업을 분석함으로써 사업의 영속성 예측하는 사업 분석 단계; 및 상기 응답 정보 및 상기 사업 분석 단계의 분석 결과와 이미 저장된 응답 정보 및 사업 분석 단계의 분석 결과에 머신 러닝 알고리즘을 적용하여 상기 사업 평가 모델을 갱신하는 갱신 단계를 포함한다.

Description

머신 러닝을 이용하여 사업의 영속성을 예측하는 방법 및 시스템{METHOD AND SYSTEM FOR PREDICTING PERMANENCE OF BUSINESS USING MACHINE LEARNING}
본 발명은 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법 및 시스템에 관한 것으로, 보다 자세하게는 머신 러닝 알고리즘을 적용하여 사업 평가 모델을 지속적으로 갱신함으로써 예측 정확도를 높일 수 있는 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법 및 시스템에 관한 것이다.
현재 다양한 컨설팅 기업이나 연구소에서 기업의 전략적 의사 결정을 돕기 위해 각자의 방식을 이용하여 사업을 진단/분석하고 있으며, 이러한 과정에서 문제점이 발견된 경우 이에 대한 해결책을 제시하고 있다.
다만, 사업을 진단하고 분석하는 방법과 관련하여, 각각의 컨설팅 기업이나 연구소가 집중하고 있는 분야(예컨대, 기술, 재무 또는 HR 등)가 상이하기 때문에 어느 컨설팅 기업이나 연구소의 사업을 진단하고 분석하는 방법이 우수한지를 판단하기가 쉽지 않다.
더욱이, 사업을 진단하고 분석하는 방법 자체가 컨설팅 기업이나 연구소의 노하우로서 기업비밀이기 때문에 해당 방법에 대한 구체적인 내용과 해당 방법을 적용하였을 때의 정확도 등에 정보는 외부에서 알기 어려워 비교 연구가 진행되지 못하고 있는 실정이다.
한국 특허등록공보 제10-1691894호
그러나, 사업을 운영하기 위해서는 확인해야 할 사항이 너무 많으며 사회가 고도화될 수록 경영자는 불확실성을 최소화하여 사업을 진행시키기를 원하기 때문에 사업을 진단하고 분석하는 경영 컨설팅에 대한 수요는 지속적으로 늘고 있는 현실이다.
이에 따라, 특정한 분야에 대해서만 사업을 진단하고 분석하는 방법이 아닌 사업 전체를 조망할 수 있도록 사업을 진단하고 분석하는 방법이 절실한 상황이며, 이와 동시에 높은 정확도로 사업을 진당하고 분석하는 방법이 필요한 상황이다.
본 발명이 해결하고자 하는 과제는, 여러 개의 영역으로 나누어서 사업을 분석함으로써 사업 전체를 조망하여 사업의 영속성을 예측할 수 있는 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법 및 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는, 머신 러닝 알고리즘을 적용하여 사업 평가 모델을 지속적으로 갱신함으로써 사업의 영속성에 대한 예측 정확도를 높일 수 있는 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법 및 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 과제는, 미리 정해진 질문 세트에 대해 응답을 하는 간편한 방식으로 사업에 대한 진단을 하면서도 높은 정확도의 사업 분석이 가능한 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법 및 시스템을 제공하는 것이다.
다만, 본 발명이 해결하고자 하는 전술한 내용에 제한되지 않는다.
상기 기술적 과제를 해결하기 위한 본 발명의 일 실시예에 따른 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법은, 사용자 단말기로부터 사업 유형에 대한 정보와 미리 정해진 질문 세트에 대한 응답 정보를 수신하는 사업 진단 단계로서, 상기 사업 유형에 대한 정보와 무관하게 모든 사용자 단말기에 동일한 상기 미리 정해진 질문 세트가 제공되는 것인 사업 진단 단계; 갱신된 사업 평가 모델에 상기 사업 유형에 대한 정보와 상기 응답 정보를 반영하여 사업을 분석함으로써 사업의 영속성 예측하는 사업 분석 단계; 및 상기 응답 정보 및 상기 사업 분석 단계의 분석 결과와 이미 저장된 응답 정보 및 사업 분석 단계의 분석 결과에 머신 러닝 알고리즘을 적용하여 상기 사업 평가 모델을 갱신하는 갱신 단계를 포함한다.
상기 기술적 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 머신 러닝을 이용하여 사업의 영속성을 예측하는 시스템은, 사용자 단말기로부터 사업 유형에 대한 정보와 미리 정해진 질문 세트에 대한 응답 정보를 수신하는 사업 진단 모듈로서, 상기 사업 유형에 대한 정보와 무관하게 모든 사용자 단말기에 동일한 상기 미리 정해진 질문 세트가 제공되는 것인 사업 진단 모듈; 갱신된 사업 평가 모델에 상기 사업 유형에 대한 정보와 상기 응답 정보를 반영하여 사업을 분석함으로써 사업의 영속성 예측하는 사업 분석 모듈; 및 상기 응답 정보 및 상기 사업 분석 단계의 분석 결과와 이미 저장된 응답 정보 및 사업 분석 단계의 분석 결과에 머신 러닝 알고리즘을 적용하여 상기 사업 평가 모델을 갱신하는 갱신 모듈을 포함한다.
우선, 본 발명에 따르면, 여러 개의 영역으로 나누어서 사업을 분석함으로써 사업 전체를 조망하여 사업의 영속성을 예측할 수 있다.
또한, 본 발명에 따르면, 머신 러닝 알고리즘을 적용하여 사업 평가 모델을 지속적으로 갱신함으로써 사업의 영속성에 대한 예측 정확도를 높일 수 있다.
이 밖에, 본 발명에 따르면, 미리 정해진 질문 세트에 대해 응답을 하는 간편한 방식으로 사업에 대한 진단을 하면서도 높은 정확도의 사업 분석이 가능하다.
본 발명의 효과는 이상에서 언급한 효과들로 제한되지 않으며 이외의 발명의 효과도 청구범위의 기재로부터 명확하게 이해될 수 있다.
도 1은 본 발명의 실시예에 따른 사업 영속성 예측 시스템의 연결되는 네트워크를 예시적으로 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 사업의 영속성을 예측하는 방법의 순서도이다.
도 3은 도 2의 사업 진단 단계(S10)에서의 미리 정해진 질문 세트에 대한 구성도이다.
도 4는 도 2의 사업 분석 단계(S20)의 순서도이다.
도 5는 도 4의 카테고리 분석 값을 산출하는 단계(S21)의 순서도이다.
도 6은 카테고리 분석 값을 설명하기 위한 도면이다.
도 7은 도 1의 제어부의 구성도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 아래 첨부된 도면을 참조하여 본 발명의 실시를 위한 구체적인 내용을 상세히 설명한다. 도면에 관계없이 동일한 부재번호는 동일한 구성요소를 지칭하며, "및/또는"은 언급된 아이템들의 각각 및 하나 이상의 모든 조합을 포함한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 도면을 참조하여 본 발명의 실시예들을 설명한다.
도 1을 참조하여, 본 발명의 실시예에 따른 사업 영속성 예측 시스템(100)을 설명한다. 도 1은 본 발명의 실시예에 따른 사업 영속성 예측 시스템(100)의 연결되는 네트워크를 예시적으로 나타내는 도면이다.
도 1을 참조하면, 사업 영속성 예측 시스템(100)은 통신망(300)을 통해 사업 영속성 예측 시스템(100)을 이용하려는 사용자가 사용하는 사용자 단말기(200)와 연결될 수 있다.
사업 영속성 예측 시스템(100)은 예컨대 적어도 하나의 서버를 포함하도록 구성될 수 있으며, 통신망(300)을 통해 사용자 단말기(200)와 정보를 주고 받을 수 있다. 사업 영속성 예측 시스템(100)은 머신 러닝(machine learning)을 이용하여 사업의 영속성을 예측하는 시스템으로서, 예컨대 사용자 단말기(200)로부터 사업 유형에 대한 정보와 미리 정해진 질문 세트에 대한 응답 정보를 수신하며, 수신된 정보를 이용하여 사업을 진단하고 분석함으로써 사업의 영속성을 예측할 수 있다. 그리고, 사업 영속성 예측 시스템(100)은 응답 정보 및 사업 분석 단계의 분석 결과와 이미 저장된 응답 정보 및 사업 분석 단계의 분석 결과에 머신 러닝 알고리즘을 적용하여 사업 평가 모델을 갱신함으로써 사업의 영속성에 대한 예측 정확도를 높일 수 있다.
사업 영속성 예측 시스템(100)은 제어부(110) 및 데이터베이스(120)를 포함할 수 있다. 제어부(110)는 일종의 프로세서로서 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법이 수행되도록 사업 영속성 예측 시스템(100)을 제어할 수 있다. 데이터베이스(120)는 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법의 수행을 위해 필요한 정보를 저장할 수 있으며 예컨대 사용자 단말기(200)로부터 수신된 미리 정해진 질문 세트에 대한 응답 정보, 사업 영속성 예측 시스템(100)을 통해 도출된 사업 분석 결과, 머신 러닝 알고리즘 등이 데이터베이스(120)에 저장될 수 있지만 이에 제한되지 않는다. 사업 영속성 예측 시스템(100)의 세부적인 구성에 대해서는 후술한다.
사용자는 사용자 단말기(200)를 통해 사업 영속성 예측 시스템(100)에 접속하고, 사업 영속성 예측 시스템(100)이 제공하는 페이지를 수신하거나, 사업 영속성 예측 시스템(100)에 필요한 정보를 송신할 수 있다.
여기서, 사용자 단말기(200)는 통신망(300)을 통해 웹 서비스를 이용할 수 있는 통신 단말기를 의미할 수 있으며, 몇몇 실시예에서 사용자 단말기(200)는 통신망(300)을 통해 애플리케이션 서비스를 이용할 수 있는 통신 단말기를 의미할 수도 있다. 예컨대, 사용자 단말기(200)는 컴퓨터(예컨대, 데스크톱, 랩톱, 태블릿 등), 미디어 컴퓨팅 플랫폼(예컨대, 케이블, 위성 셋톱박스, 디지털 비디오 레코더), 핸드헬드 컴퓨팅 디바이스(스마트폰, PDA, 이메일 클라이언트 등), 핸드폰의 임의의 형태, 또는 다른 종류의 컴퓨팅 또는 커뮤니케이션 플랫폼의 임의의 형태를 포함할 수 있으나, 본 발명이 이에 한정되지 않고 웹 브라우징이 가능한 애플리케이션을 탑재한 단말기는 제한없이 차용될 수 있다.
이 밖에, 통신망(300)은 복수의 사용자 단말기(200)와 사업 영속성 예측 시스템(100)을 연결하는 역할을 수행한다. 즉, 통신망(300)은 사용자 단말기(200)가 사업 영속성 예측 시스템(100)에 접속한 후 데이터를 송수신할 수 있도록 접속 경로를 제공하는 통신망(300)을 의미한다. 통신망(300)은 예컨대 LANs(Local Area Networks), WANs(Wide Area Networks), MANs(Metropolitan Area Networks), ISDNs(Integrated Service Digital Networks) 등의 유선 네트워크나, 무선 LANs, CDMA, LTE, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
도 2 내지 도 6을 참조하여, 본 발명의 실시예에 따른 사업의 영속성을 예측하는 방법을 설명한다. 도 2는 본 발명의 실시예에 따른 사업의 영속성을 예측하는 방법의 순서도이고, 도 3은 도 2의 사업 진단 단계(S10)에서의 미리 정해진 질문 세트에 대한 구성도이고, 도 4는 도 2의 사업 분석 단계(S20)의 순서도이고, 도 5는 도 4의 카테고리 분석 값을 산출하는 단계(S21)의 순서도이고, 도 6은 카테고리 분석 값을 설명하기 위한 도면이다. 여기서, 사업의 영속성을 예측하는 방법은 사업 영속성 예측 시스템(100)을 통해 구현되고, 제어부(110)를 통해 수행될 수 있다.
사업의 영속성을 예측하는 방법은 사업 진단 단계(S10), 사업 분석 단계(S20) 및 갱신 단계(S30)를 포함할 수 있다.
[ S10 ]
우선, 도 2를 참조하여, 사업 영속성 예측 시스템(100)은 사용자 단말기(200)로부터 사업 유형에 대한 정보와 미리 정해진 질문 세트에 대한 응답 정보를 수신하는 사업 진단 단계를 수행할 수 있다(S10). 여기서, 미리 정해진 질문 센트에 대한 응답 정보는 사업 분석 단계를 수행하기 위한 원시 자료(raw data)가 될 수 있다.
사업 진단 단계에서 사업 영속성 예측 시스템(100)은 사업 진단 및 사업 분석을 위해 사용자 단말기(200)로부터 필요한 정보를 수신한다.
예컨대, 사업 영속성 예측 시스템(100)은 사용자 단말기(200)로부터 사업 유형에 대한 정보를 수신할 수 있다. 사용자는 예컨대 브랜딩, 소셜, 이커머스, 콘텐츠, 커뮤니티 등 사업 영속성 예측 시스템(100)에서 분류한 사업 유형 중에 하나를 선택할 수 있으며, 몇몇 실시예에서 사용자가 임의로 사업 유형을 입력하면 사업 영속성 예측 시스템(100)은 사업 영속성 예측 시스템(100)에서 분류한 사업 유형 중에서 입력된 사업 유형과 가장 근접한 하나의 사업 유형을 선택할 수 있다.
여기서, 사업 유형에 대한 정보는 후술하는 사업 분석 단계에서 활용될 수 있으며, 구체적으로 사업 유형에 따라 사업의 영속성을 예측하기 위해 이용되는 가중치가 달라질 수 있다. 본 실시예에 따른 사업의 영속성을 예측하는 방법에서 사업 유형에 대한 정보와 무관하게 모든 사용자 단말기(200)에 동일한 미리 정해진 질문 세트가 제공되더라도, 사업 유형에 대한 정보를 활용하여 사업 분석 단계에서 상이한 가중치를 부여함으로써 각 사업 유형에 맞는 분석을 진행하여 사업의 영속성에 대한 예측 정확도를 높일 수 있다.
또한, 전술한 바와 같이 사업 영속성 예측 시스템(100)은 사업 유형에 대한 정보와 무관하게 모든 사용자 단말기(200)에 동일한 미리 정해진 질문 세트를 제공하고, 미리 정해진 질문 세트에 대한 응답 정보를 수신할 수 있다. 예컨대, 각 질문마다 복수의 보기가 주어지는 객관식 형태의 질문 세트가 사용자 단말기(200)에 제공될 수 있다.
여기서, 미리 정해진 질문 세트는 사업 분석 단계에서 이용되는 사업 평가 모델을 반영하여 사업의 전 분야를 고루 평가할 수 있도록 구성된다. 사업 평가 모델은 사업 전체를 조망하기 위해 미리 정해진 개수의 영역으로 나누어서 사업을 분석하는 모델일 수 있으며, 각 영역은 적어도 영역의 하위 개념인 하나의 카테고리를 포함할 수 있다. 도 3을 참조하면, 미리 정해진 질문 세트는 사업과 관련하여 각 영역 그리고 각 카테고리에 해당하는 부분에 대한 정보를 얻을 수 있도록 구성된다.
예컨대, 사업 평가 모델은 8개의 미리 정해진 개수의 영역으로 나누어서 사업을 분석하는 모델일 수 있고, 8개의 영역은 혁신 영역, 유지관리 영역, 수익성 영역, 커뮤니케이션 영역, 인터페이스 영역, 시스템 아키텍쳐 영역, 정책 영역 및 비즈니스/서비스 모델 영역을 포함할 수 있다. 혁신 영역은 사업의 영속성 및 혁신성을 분석하기 위한 영역이고, 유지관리 영역은 서비스 품질 및 운영 현황을 검토하기 위한 영역이고, 수익성 영역은 수익 건정성을 분석하기 위한 영역이고, 커뮤니케이션 영역은 온라인과 오프라인을 포함하여 광고 및 고객과의 소통에 대한 부분을 분석하기 위한 영역이고, 인터페이스 영역은 고객과의 접점으로서 웹, 모바일, 소셜 등의 채널의 운영 현황을 분석하기 위한 영역이고, 시스템 아키텍쳐 영역은 하드웨어 및 소프트웨어를 포함하여 운영되고 있는 시스템과 기술 분석을 위한 영역이고, 정책 영역은 사업 전반에 걸친 정책을 검토하기 위한 영역이고, 비즈니스/서비스 모델 영역은 사업 목표, 타겟 고객 및 서비스 모델을 정의하고 분석하기 위한 영역일 수 있다.
이 밖에, 사업 영속성 예측 시스템(100)은 사업에 대한 기본적인 정보를 사용자 단말기(200)로부터 수신할 수 있다. 여기서 사업에 대한 기본적인 정보는 사업 분석을 위해 이용되는 정보는 아니지만 사용자 특정을 위해 필요한 정보나 사업 유형에 대한 정보와 미리 정해진 질문 세트에 대한 응답 정보로부터 얻기 어려운 정보일 수 있다.
[ S20 ]
이어서, 도 2를 참조하여, 사업 영속성 예측 시스템(100)은 갱신된 사업 평가 모델에 사업 유형에 대한 정보와 응답 정보를 반영하여 사업을 분석함으로써 사업의 영속성 예측하는 사업 분석 단계를 수행할 수 있다(S20).
사업 분석 단계는 사업 평가 모델을 이용하여 사업의 영속성을 예측하는 단계로서, 사업 평가 모델은 원시 자료를 이용하여 사업의 영속성을 예측하는 모델이다. 구체적으로, 사업 평가 모델은 미리 정해진 개수의 영역으로 나누어서 사업을 분석하고 각 영역에 대해 산출된 영역 분석 값을 이용하여 사업의 영속성을 예측하는 모델이다. 다만, 사업 평가 모델에서 각 영역은 적어도 하나의 카테고리를 포함하고 각 영역의 영역 분석 값은 각 영역에 포함되는 카테고리의 카테고리 분석 값을 이용하여 산출될 수 있다.
사업 분석 단계에서 사업 영속성 예측 시스템(100)은 갱신된 사업 평가 모델을 이용하는데, 갱신된 사업 평가 모델은 가장 최근에 축적된 정보를 머신 러닝 알고리즘을 적용하여 갱신된 것일 수 있으며, 구체적으로 사업 분석 단계에서 갱신된 사업 평가 모델은 바로 직전 머신 러닝을 이용하여 사업의 영속성을 예측 결과를 반영하여 갱신된 사업 평가 모델일 수 있다. 따라서 사업 영속성 예측 시스템(100)에 의해 사업의 영속성이 예측되는 방법이 수행됨에 따라 매번 사업 평가 모델은 갱신되도록 설계되어 있으므로, 사업 평가 모델을 지속적으로 사업 영속성 예측의 정확도를 높일 수 있다.
구체적으로, 도 4 내지 도 6을 참조하여, 도 2의 사업 분석 단계(S20)를 설명한다. 사업 분석 단계(S20)는 카테고리 분석 값을 산출하는 단계(S21), 영역 분석 값을 산출하는 단계(S22) 및 사업의 영속성을 예측하는 단계(S23)를 포함할 수 있다.
우선, 도 4를 참조하여, 사업 영속성 예측 시스템(100)은 각 카테고리에 대한 카테고리 분석 값을 산출하는 단계를 수행할 수 있다(S21).
하나의 영역은 적어도 하나의 카테고리를 포함할 수 있는데, 카테고리 분석 값은 영역 분석 값을 얻기 위해 산출되는 것일 수 있으며, 카테고리 분석 값은 각 카테고리와 관련된 질문마다 응답에 대한 질문 분석 값을 이용하여 산출될 수 있다.
구체적으로, 카테고리 분석 값을 산출하기 위해 도 5를 참조하면, 사업 영속성 예측 시스템(100)은 미리 정해진 질문 세트 중 각 카테고리와 관련된 질문마다 응답에 대한 질문 분석 값을 산출하는 단계를 수행할 수 있다(S21a). 질문마다 사용자가 어떠한 응답을 했는지에 따라 점수가 미리 정해져 있을 수 있으며, 도 6을 참조하면, 각 질문마다 사용자 단말기(200)로부터 수신된 응답 정보에 기초하여 질문 분석 값이 산출될 수 있다.
또한, 카테고리 분석 값을 산출하기 위해 도 5를 참조하면, 사업 영속성 예측 시스템(100)은 각 질문마다 설정된 기준 설정 값을 이용하여 각 질문마다의 질문 분석 값을 보정하는 보정된 질문 분석 값을 산출하는 단계를 수행할 수 있다(S21b). 질문 분석 값을 산출하는 단계(S21a)에서 질문마다 사용자 응답에 따라 정해지는 점수는 사업 영속성 예측 시스템(100)에 대한 설계자의 판단에 따라 설정된 것일 수 있다. 그러나 설계자는 특정 질문에 대한 각 보기마다의 응답율이 정규분포를 형성할 것이라는 가정 하에 각 보기의 응답에 따라 점수를 정했는데, 실제로 특정 질문에 대한 응답이 특정한 보기에 편중이 되는 경우 설계자의 가정이 잘못되었기 때문에 질문 분석 값을 보정할 필요가 있다. 따라서 본 실시예에 따른 사업의 영속성을 예측하는 방법에 따르면, 질문 분석 값을 보정하기 위하여 각 질문마다 기준 설정 값을 설정하기 때문에, 사용자의 실제 경향에 맞도록 기준 설정 값을 이용하여 질문 분석 값을 보정하고 보정된 질문 분석 값을 산출할 수 있다. 이러한 기준 설정 값은 후술하는 사업 평가 모델을 갱신하는 단계에서 매번 갱신될 수 있으며, 이를 통해 사업 영속성 예측 시스템(100)은 실제적인 경향에 맞는 보정된 질문 분석 값을 도출할 수 있으므로, 사업의 영속성을 예측하는 정확도를 높일 수 있다.
예컨대, 도 6을 참조하면, 질문 분석 값과 보정된 질문 분석 값의 수치가 차이가 있는 이유는 질문 분석 값이 기준 설정 값을 이용하여 보정되었기 때문이다.
이 밖에, 카테고리 분석 값을 산출하기 위해 도 5를 참조하면, 사업 영속성 예측 시스템(100)은 각 카테고리와 관련된 질문마다의 질문 분석 값을 이용하여 카테고리 분석 값을 산출하는 단계를 수행할 수 있다(21c). 예컨대, 도 6을 참조하면, 카테고리 A의 카테고리 분석 값을 산출하기 위해 카테고리 A와 관련된 Q1, Q2, Q3, Q4의 보정된 질문 분석 값을 이용할 수 있다.
도 4를 참조하여, 사업 영속성 예측 시스템(100)은 사업 유형에 대한 정보와 응답 정보를 이용하여 각 영역에 대한 영역 분석 값을 산출하는 단계를 수행할 수 있다(S22). 여기서, 영역 분석 값을 산출하는 단계(S22)는, 각 영역에 포함되는 카테고리의 카테고리 분석 값을 이용하여 각 영역에 대한 영역 분석 값을 산출하는 것일 수 있다.
이어서, 도 4을 참조하여, 사업 영속성 예측 시스템(100)은 각 영역에 대한 영역 분석 값을 이용하여 사업의 영속성을 예측하는 단계를 수행할 수 있다(S23).
예컨대, 사업 영속성 예측 시스템(100)은 각 영역에 대한 영역 분석 값을 이용하여 산출되는 값에 기초하여 사업의 영속성을 예측할 수 있다.
여기서, 사업 유형에 대한 정보에 따라 각 영역의 영역 분석 값에 적용되는 가중치가 다를 수 있다. 예컨대, 사업의 영속성을 예측하기 위해 각 영역에 대한 영역 분석 값의 합을 이용할 수 있는데, 이 때 일부 영역의 영역 분석 값에 대해서는 가중치가 부가될 수 있다. 다만, 가중치가 부가된 영역의 종류와 가중치의 정도는 사업 유형에 따라 다를 수 있다.
예컨대, 사업 유형이 브랜딩인 경우, 혁신 영역, 유지관리 영역, 수익성 영역 및 커뮤니케이션 영역의 영역 분석 값에 50%의 가중치가 부여될 수 있으며, 사업 유형이 이커머스인 경우, 인터페이스 영역, 시스템 아키텍쳐 영역, 정책 영역 및 비즈니스/서비스 모델 영역의 영역 분석 값에 50%의 가중치가 부여될 수 있지만, 본 발명은 이에 제한되지 않는다.
본 실시예에 따른 사업의 영속성을 예측하는 방법은 사업 유형에 따라 각 영역의 영역 분석 값에 적용되는 가중치를 변경시키기 때문에, 사업의 특성을 반영하여 사업의 영속성을 예측할 수 있기 때문에, 사업의 영속성을 예측하는 정확도를 높일 수 있다.
몇몇 실시예에서, 사업의 영속성을 예측하는 단계에서 사업 영속성 예측 시스템(100)은 진단결과 보고서를 생성할 수 있으며, 예컨대 진단결과 보고서에는 자가진단 시 선택한 답변을 기반으로 분석된 사업의 현재 상태가 수치 및 그래프화되어 포함될 수 있다. 또한, 사업의 영속성을 예측하는 단계에서 사업 영속성 예측 시스템(100)은 결과분석 보고서를 생성할 수 있으며, 결과분석 보고서는 진단결과를 바탕으로　사용자의 사업의 강점 및 취약점 등 분석된 결과를 포함할 수 있고, 특히　사용자의 비즈니스 타입에서 중요도 높은 분야가 집중적으로 분석되어 포함될 수 있다. 이 밖에, 사업의 영속성을 예측하는 단계에서 사업 영속성 예측 시스템(100)은 대응/가이드 보고서를 생성할 수 있으며, 대응/가이드 보고서는 분석 결과를 토대로　비즈니스 진단 구간 및 상세 분류별 강점 및 취약점에 대한 다양한 가이드를 포함할 수 있고, 특히　취약한 부분을 보완할 수 있도록 경쟁력 있는 서비스를 추천하는 내용이 포함될 수 있다.
[ S30 ]
이어서, 도 2를 참조하여, 사업 영속성 예측 시스템(100)은 응답 정보 및 사업 분석 단계의 분석 결과와 이미 저장된 응답 정보 및 사업 분석 단계의 분석 결과에 머신 러닝 알고리즘을 적용하여 사업 평가 모델을 갱신하는 갱신 단계를 수행할 수 있다(S30).
여기서, 사업 영속성 예측 시스템(100)은 응답 정보 및 상기 사업 분석 단계의 분석 결과와 이미 저장된 응답 정보 및 사업 분석 단계의 분석 결과에 머신 러닝 알고리즘을 적용하여 각 질문마다 설정된 기준 설정 값 중 적어도 하나를 변경할 수 있다. 즉, 매번 사업의 영속성을 예측하는 분석이 이루어질 때마다 기준 설정 값이 실시간으로 변경되기 때문에, 본 실시예에 따라 사업의 영속성을 예측하는 방법은 기존의 자료가 모두 수집되는 경우에 제한적으로 갱신을 수행하는 기존의 시스템에 비해 예측 정확도가 높을 수 있다.
더욱이, 본 실시예에 따라 사업의 영속성을 예측하는 방법의 사업 평가 모델에 실제적인 데이터가 반영되어 갱신되기 때문에, 사업 평가 모델은 단순히 설계자의 경험과 판단에 근거한 가상의 모델이 아니라 실제적인 데이터를 반영하는 현실화된 모델이 될 수 있다. 따라서, 본 실시예에 따라 사업의 영속성을 예측하는 경우 정확도가 높아질 수 있다.
이하, 도 7을 참조하여, 제어부(110)의 구성을 설명한다. 도 7은 도 1의 제어부(110)의 구성도이다. 다만, 사업의 영속성을 예측하는 방법에서 설명한 내용은 생략한다.
제어부(110)는 사업 진단 모듈(120), 사업 분석 모듈(130) 및 갱신 모듈(140)을 포함할 수 있다.
사업 진단 모듈(120)은 사용자 단말기(200)로부터 사업 유형에 대한 정보와 미리 정해진 질문 세트에 대한 응답 정보를 수신하는 것으로서, 사업 유형에 대한 정보와 무관하게 모든 사용자 단말기(200)에 동일한 미리 정해진 질문 세트가 제공될 수 있다.
사업 분석 모듈(130)은 갱신된 사업 평가 모델에 사업 유형에 대한 정보와 응답 정보를 반영하여 사업을 분석함으로써 사업의 영속성 예측할 수 있다.
여기서, 사업 분석 모듈(130)은 카테고리 분석 값 산출 모듈(131), 영역 분석 값 산출 모듈(132) 및 사업 영속성 예측 모듈(133)을 포함할 수 있으며, 카테고리 분석 값 산출 모듈(131)은 질문 분석 값 산출 모듈(131a), 보정된 질문 분석 값 산출 모듈(131b) 및 카테고리 분석 값 산출 모듈(131c)을 포함할 수 있다.
갱신 모듈(140)은 응답 정보 및 사업 분석 단계의 분석 결과와 이미 저장된 응답 정보 및 사업 분석 단계의 분석 결과에 머신 러닝 알고리즘을 적용하여 사업 평가 모델을 갱신할 수 있다.
이상 본 발명의 실시예들을 설명하였으나, 본 발명은 상기 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 제조될 수 있으며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
100: 사업 영속성 예측 시스템 110: 제어부
120: 데이터베이스
200: 사용자 단말기
300: 통신망

Claims (9)

  1. 서버에 의해 수행되는 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법에 있어서,
    사용자 단말기로부터 사업 유형에 대한 정보와 미리 정해진 질문 세트에 대한 응답 정보를 수신하는 사업 진단 단계로서, 상기 사업 유형에 대한 정보와 무관하게 모든 사용자 단말기에 동일한 상기 미리 정해진 질문 세트가 제공되고, 상기 질문 세트는 각 질문마다 복수의 보기가 주어지는 객관식 형태인 것인 사업 진단 단계;
    갱신된 사업 평가 모델에 상기 사업 유형에 대한 정보와 상기 응답 정보를 반영하여 사업을 분석함으로써 사업의 영속성을 예측하는 사업 분석 단계; 및
    상기 응답 정보 및 상기 사업 분석 단계의 분석 결과와 이미 저장된 응답 정보 및 사업 분석 단계의 분석 결과에 머신 러닝 알고리즘을 적용하여 상기 사업 평가 모델을 갱신하는 갱신 단계
    를 포함하고,
    상기 사업 평가 모델은 미리 정해진 개수의 영역으로 나누어서 사업을 분석하고 각 영역에 대해 산출된 영역 분석 값을 이용하여 사업의 영속성을 예측하는 모델이고, 각 영역은 적어도 하나의 카테고리를 포함하고,
    상기 사업 분석 단계는,
    각 카테고리에 대한 카테고리 분석 값을 산출하는 단계와,
    각 영역에 포함되는 카테고리의 카테고리 분석 값을 이용하여 각 영역에 대한 영역 분석 값을 산출하는 단계와,
    각 영역에 대한 상기 영역 분석 값을 이용하여 사업의 영속성을 예측하는 단계로서, 상기 사업 유형에 대한 정보에 따라 각 영역의 영역 분석 값에 적용되는 가중치가 다른 것인, 사업의 영속성을 예측하는 단계
    를 포함하고,
    상기 카테고리 분석 값을 산출하는 단계는,
    상기 미리 정해진 질문 세트 중 각 카테고리와 관련된 질문마다 응답에 대한 질문 분석 값을 산출하는 단계로서, 각 질문마다 선택된 보기에 따른 점수가 미리 정해진 것인, 질문 분석 값을 산출하는 단계와,
    각 질문마다 설정된 기준 설정 값을 이용하여 각 질문마다의 상기 질문 분석 값을 보정하는 보정된 질문 분석 값을 산출하는 단계와,
    각 카테고리와 관련된 질문마다의 상기 질문 분석 값을 이용하여 상기 카테고리 분석 값을 산출하는 단계
    를 포함하고,
    상기 사업 평가 모델을 갱신하는 갱신 단계에서,
    상기 응답 정보 및 상기 사업 분석 단계의 분석 결과와 이미 저장된 응답 정보 및 사업 분석 단계의 분석 결과에 머신 러닝 알고리즘을 적용하여 각 질문마다 설정된 기준 설정 값 중 적어도 하나를 변경하는 것인, 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 사업 평가 모델은 8개의 미리 정해진 개수의 영역으로 나누어서 사업을 분석하는 모델이고,
    상기 8개의 영역은 혁신 영역, 유지관리 영역, 수익성 영역, 커뮤니케이션 영역, 인터페이스 영역, 시스템 아키텍쳐 영역, 정책 영역 및 비즈니스/서비스 모델 영역을 포함하는 것인, 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법.
  6. 제1항에 있어서,
    상기 사업 분석 단계에서 갱신된 사업 평가 모델은, 바로 직전 머신 러닝을 이용하여 사업의 영속성을 예측 결과를 반영하여 갱신된 사업 평가 모델인 것인, 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법.
  7. 사용자 단말기로부터 사업 유형에 대한 정보와 미리 정해진 질문 세트에 대한 응답 정보를 수신하는 사업 진단 모듈로서, 상기 사업 유형에 대한 정보와 무관하게 모든 사용자 단말기에 동일한 상기 미리 정해진 질문 세트가 제공되고, 상기 질문 세트는 각 질문마다 복수의 보기가 주어지는 객관식 형태인 것인 사업 진단 모듈;
    갱신된 사업 평가 모델에 상기 사업 유형에 대한 정보와 상기 응답 정보를 반영하여 사업을 분석함으로써 사업의 영속성을 예측하는 사업 분석 모듈; 및
    상기 응답 정보 및 상기 사업 분석 모듈의 분석 결과와 이미 저장된 응답 정보 및 사업 분석 단계의 분석 결과에 머신 러닝 알고리즘을 적용하여 상기 사업 평가 모델을 갱신하는 갱신 모듈
    을 포함하고,
    상기 사업 평가 모델은 미리 정해진 개수의 영역으로 나누어서 사업을 분석하고 각 영역에 대해 산출된 영역 분석 값을 이용하여 사업의 영속성을 예측하는 모델이고, 각 영역은 적어도 하나의 카테고리를 포함하고,
    상기 사업 분석 모듈은,
    각 카테고리에 대한 카테고리 분석 값을 산출하는 카테고리 분석 값 산출 모듈과,
    각 영역에 포함되는 카테고리의 카테고리 분석 값을 이용하여 각 영역에 대한 영역 분석 값을 산출하는 영역 분석 값 산출 모듈과,
    각 영역에 대한 상기 영역 분석 값을 이용하여 사업의 영속성을 예측하는 사업 영속성 예측 모듈로서, 상기 사업 유형에 대한 정보에 따라 각 영역의 영역 분석 값에 적용되는 가중치가 다른 것인, 사업 영속성 예측 모듈
    을 포함하고,
    상기 카테고리 분석 값 산출 모듈은,
    상기 미리 정해진 질문 세트 중 각 카테고리와 관련된 질문마다 응답에 대한 질문 분석 값을 산출하는 질문 분석 값 산출 모듈로서, 각 질문마다 선택된 보기에 따른 점수가 미리 정해진 것인, 질문 분석 값 산출 모듈과,
    각 질문마다 설정된 기준 설정 값을 이용하여 각 질문마다의 상기 질문 분석 값을 보정하는 보정된 질문 분석 값을 산출하는 보정된 질문 분석 값 산출 모듈과,
    각 카테고리와 관련된 질문마다의 상기 질문 분석 값을 이용하여 상기 카테고리 분석 값을 산출하는 카테고리 분석 값 산출 모듈
    을 포함하고,
    상기 사업 평가 모델을 갱신하는 갱신 모듈은,
    상기 응답 정보 및 상기 사업 분석 단계의 분석 결과와 이미 저장된 응답 정보 및 사업 분석 단계의 분석 결과에 머신 러닝 알고리즘을 적용하여 각 질문마다 설정된 기준 설정 값 중 적어도 하나를 변경하는 것인, 머신 러닝을 이용하여 사업의 영속성을 예측하는 시스템.
  8. 제1항에 있어서,
    상기 사업 진단 단계에서,
    상기 사용자 단말기로부터 사업 유형에 대한 정보가 입력되면, 미리 정해진 사업 유형 중 어느 하나가 상기 입력된 사업 유형에 대응되는 것으로 선택되는 것인, 사업의 영속성을 예측하는 방법.
  9. 제1항에 있어서,
    상기 사업의 영속성을 예측하는 단계에서 진단결과 보고서가 생성될 수 있고,
    상기 진단결과 보고서는, 분석 결과에 따른 수치 및 그래프, 사업의 강점 및 취약점, 취약점을 보완할 수 있는 추천 서비스에 대한 내용을 포함하는 것인, 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법.
KR1020170086975A 2017-07-10 2017-07-10 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법 및 시스템 KR101986655B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170086975A KR101986655B1 (ko) 2017-07-10 2017-07-10 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170086975A KR101986655B1 (ko) 2017-07-10 2017-07-10 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법 및 시스템

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020190004830A Division KR20190007086A (ko) 2019-01-14 2019-01-14 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20190006246A KR20190006246A (ko) 2019-01-18
KR101986655B1 true KR101986655B1 (ko) 2019-09-30

Family

ID=65323803

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170086975A KR101986655B1 (ko) 2017-07-10 2017-07-10 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101986655B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003216804A (ja) * 2002-01-24 2003-07-31 Teikoku Databank Ltd 定性データを使用した倒産確率予測システム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120075537A (ko) * 2010-11-23 2012-07-09 한국과학기술정보연구원 기업의 경쟁력 진단 시스템 및 방법
KR101691894B1 (ko) 2015-01-26 2017-01-02 안성렬 사업 타당성 분석을 위한 정보 제공 시스템
KR20170000952A (ko) * 2015-06-25 2017-01-04 김용찬 BM Canvas를 활용한 설문으로 창업 성공가능 여부를 가려주는 시뮬레이션 분석 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003216804A (ja) * 2002-01-24 2003-07-31 Teikoku Databank Ltd 定性データを使用した倒産確率予測システム

Also Published As

Publication number Publication date
KR20190006246A (ko) 2019-01-18

Similar Documents

Publication Publication Date Title
US10824120B2 (en) Diagnostics in building automation
JP2021009721A (ja) パフォーマンスモデル悪影響補正
Ganguly et al. A fuzzy AHP approach for inbound supply risk assessment
US8794971B2 (en) Method and system for assigning a task to be processed by a crowdsourcing platform
US10255585B2 (en) System and method for determining candidates for a role in an organization
Jiang et al. Choose to fight or choose to flee? A network embeddedness perspective of executive ship jumping in declining firms
Deif Dynamic analysis of a lean cell under uncertainty
Faleye The costs of a (nearly) fully independent board
US20190034843A1 (en) Machine learning system and method of grant allocations
CN112669084B (zh) 策略确定方法、设备及计算机可读存储介质
Papadopoulos et al. Big data and RFID in supply chain and logistics management: A review of the literature and applications for data driven research
US20220327455A1 (en) Information processing system and information processing method
Nikolakis et al. A machine learning approach for improved shop-floor operator support using a two-level collaborative filtering and gamification features
Dror Linking operation plans to business objectives using QFD
Rodriguez et al. Geographical reconfiguration in global value chains: Search within limited space?
US8065174B2 (en) Systems and methods for evaluating business-critical criteria relating to exploring entity mobility/productivity opportunities
Myllärniemi et al. Performance variability in software product lines: proposing theories from a case study
Visani et al. Business performance analytics: Level of adoption and support provided to performance measurement systems
US8000995B2 (en) System and method for assessing customer segmentation strategies
EP3871171A1 (en) System and method for adapting an organization to future workforce requirements
US20140297334A1 (en) System and method for macro level strategic planning
KR101986655B1 (ko) 머신 러닝을 이용하여 사업의 영속성을 예측하는 방법 및 시스템
US7684993B2 (en) Value diagnostic tool
Alnoukari et al. BSC-SI, A framework for integrating strategic intelligence in corporate strategic management
Carmona et al. Applying case based reasoning for prioritizing areas of business management

Legal Events

Date Code Title Description
A201 Request for examination
A107 Divisional application of patent
E701 Decision to grant or registration of patent right