KR20180004638A - 안내형 분석 시스템 및 방법 - Google Patents

Abstract

안내형 분석 시스템이 제공된다. 약술하면, 예시적인 일 실시 예에 따라서, 안내형 분석 시스템이 제공된다. 상기 안내형 분석 시스템은 컴퓨터로 독출 가능한 명령들을 저장하는 메모리를 포함한다. 상기 시스템은 문제를 정의하고, 상기 문제와 연관된 하나 또는 다수의 데이터 세트들을 식별 및 준비하고, 상기한 하나 또는 다수의 데이터 세트들을 분석하여 하나 또는 다수의 모델들을 생성하고, 또한 안내형 분석 워크플로우를 이용하여 상기 하나 또는 다수의 모델들에 기초한 상기 문제에 대한 하나 또는 다수의 해결책들을 결정하도록 구성되는 프로세서를 포함한다. 상기 안내형 분석 워크플로우는 상기 안내형 분석 워크플로우의 다수의 단계들 중의 각각에 연관된 다수의 워크플로우 자원들을 포함하되, 상기 다수의 워크플로우 자원들은 하나 또는 다수의 단계들에서 사용자에게 제시될 수 있는 것으로서, 상기 다수의 단계들 중의 해당하는 하나에 관련된 분석적 및 통계적 정보 중의 적어도 하나를 제공하고, 또한 상기 해당하는 단계에 대한 하나 또는 다수의 분석 기법들 및 관련된 파라미터들에 대한 사용자의 선택을 가능하게 한다.

Description

안내형 분석 시스템 및 방법{GUIDED ANALYTICS SYSTEM AND METHOD}

본 출원은 이에 의하여 2016년 7월 4일자로 출원된 인도 특허출원번호 제201641022847호에 대해 우선권을 주장하며, 그것의 전체 내용은 참조로서 본 명세서에 통합된다.

적어도 하나의 예시적인 실시 예는, 일반적으로는, 비즈니스 문제와 연관된 하나 또는 다수의 데이터 세트들을 식별하기 위한 안내형 분석 시스템(guided analytics system)에 관한 것으로서, 더 상세하게는, 그 데이터 세트들을 분석하여 모델들을 생성하고 그 생성된 모델들을 활용하여 비즈니스 문제에 대한 해결책을 제공하기 위한 시스템 및 방법에 관한 것이다.

현대의 비즈니스 기업의 주요 관심사들 중의 하나는 광범위한 비즈니스 이슈들 또는 문제들을 체계적이고 효율적인 방식으로 처리하는 것이다. 그러한 비즈니스 문제들을 효과적으로 처리하는 것은 특정 비즈니스 문제들에 해당하는 데이터 세트들의 식별(identification)을 필요로 한다. 게다가, 특정 비즈니스 문제들에 대한 해법은 그 식별된 데이터 세트들을 사용하여 결정될 필요가 있다.

기존의 문제 해결 기법들의 대부분은 비즈니스 문제 해결에 대한 안내형의 접근(guided approach)을 가능하게 하는 전체론적인 환경을 제공하지는 않는다. 예를 들면, 비즈니스 기업에 관련된 문제를 식별하고 분석하기 위해서는, 시간 소모적이거나 비효과적일 수도 있는 여러 가지의 기법들의 미묘한 차이(nuances)에 대해 심층적인 이해력을 갖고 있는 분석전문가가 필요하다. 게다가, 기존의 문제 해결 기법들은 분석전문가에게 분석을 위한 로드맵이나 특정한 문제 해결 기법들에 관한 적절한 가이드를 제공하지는 않는다. 어떤 경우에는, 분석전문가는 특정한 비즈니스 상의 문제에 대한 효과적인 기법을 결정하기 위하여 다양한 문제-해결 기법들로써 실험하는 것이 필요할지도 모른다. 이것은 시간 소모적이고 비용이 많이 들 수도 있다.

하기의 요약은 단지 예시적인 것으로서 어떤 방식으로든 제한하기를 의도하는 것은 아니다. 예시적인 측면들, 예시적인 실시 예들, 및 전술한 특징들에 더하여, 추가적인 측면들, 예시적인 실시 예들, 및 특징들이 후술하는 상세한 설명과 도면들을 참조함으로써 더욱 명료하게 이해될 것이다.

예시적인 실시 예들은 문제 해결의 과정, 정확성 및 속도를 촉진하기 위한 하나의 안내형 분석 시스템을 제공한다.

간략하게 설명하면, 예시적인 실시 예에 따른 안내형 분석 시스템(guided analytics system)이 제공된다. 상기한 안내형 분석 시스템은 컴퓨터로 독출 가능한(computer-readable) 명령들을 저장하고 있는 메모리를 포함한다. 상기 시스템은 또한, 어떤 하나의 문제를 정의하고, 그 문제와 연관된 하나 또는 다수의 데이터 세트들을 식별 및 준비하고, 상기한 하나 또는 다수의 데이터 세트들을 분석하여 하나 또는 다수의 모델들을 생성하고, 그리고 안내형 분석 워크플로우(guided analytic workflow)를 이용하여, 상기한 하나 또는 다수의 모델들에 기초하는 상기 문제에 대한 하나 또는 다수의 해결책들을 결정하도록 구성된 프로세서를 포함한다. 상기한 안내형 분석 워크플로우는 그 안내형 분석 워크플로우의 다수의 단계들 중의 각각에 연관된 다수의 워크플로우 자원(workflow resources)들을 포함하는데, 상기 다수의 워크플로우 자원들은 하나 또는 다수의 단계들에서 사용자에게 제시 가능한 것으로서 상기 다수의 단계들 중의 해당하는 하나에 관련된 분석적 및 통계적 정보 중의 적어도 하나를 제공하고 또한 상기 해당하는 단계에 대한 하나 또는 다수의 분석 기법들 및 연관된 파라미터들에 대한 사용자의 선택을 수월하게 가능하게 해준다.

또 다른 하나의 예시적인 실시 예에 따르면, 어떤 기관(establishment)에서 사용하도록 구성된 안내형 분석 시스템이 제공된다. 상기한 안내형 분석 시스템은 안내형의 워크플로우(guided workflow)를 실행하여 상기 기관에 관련된 문제에 대해 하나 또는 다수의 해결책들을 만들어내도록 구성된 프로세서를 포함한다. 상기 시스템은 또한, 다수의 단계들 및 상기 안내형 분석 워크플로우의 다수의 단계들 의 각각에 연관된 다수의 워크플로우 자원들을 포함하는 안내형의 워크플로우를 포함한다. 상기 다수의 워크플로우 자원들은, 하나 또는 다수의 단계에서 사용자에게 제시 가능한 것으로서 상기 다수의 단계들 중의 해당하는 하나에 관련된 분석적 및 통계적 정보 중의 적어도 하나를 제공하고, 또한 상기 해당하는 단계에 대하여 하나 또는 다수의 분석 기법들 및 연관된 파라미터들에 대한 사용자의 선택을 용이하게 가능하게 해준다.

또 다른 하나의 예시적인 실시 예에 따르면, 안내형 분석 시스템이 제공된다. 상기 안내형 분석 시스템은 컴퓨터로 독출 가능한 명령들을 저장하고 있는 메모리를 포함한다. 상기 안내형 분석 시스템은 또한, 데이터 세트에 대한 반복적인 안내형 분석 워크플로우를 실행하여 어떤 문제에 대해 하나 또는 다수의 해결책들을 만들어내도록 구성된 프로세서를 포함한다. 상기 반복적인 안내형 분석 워크플로우의 각각의 반복에 관련된 데이터는 메모리에 저장된다. 상기 메모리는 사용자에 의해 접속되어 그 워크플로우의 반복에 해당하는 데이터를 살펴봄으로써 비즈니스 문제에 대한 맞춤형(customized) 분석 워크플로우를 결정하도록 한다. 상기 안내형 분석 시스템은 또한 상기 반복적인 안내형 분석 워크플로우의 상기 다수의 단계들의 각각과 연관되는 다수의 워크플로우 자원들을 포함하며, 상기 다수의 워크플로우 자원들은 하나 또는 다수의 단계들에서 사용자에게 제시될 수 있는 것으로서 상기 다수의 단계들 중의 해당하는 하나에 관련된 분석적 및 통계적 정보 중의 적어도 하나를 제공하고 또한 상기 해당하는 단계에 대한 하나 또는 다수의 분석 기법들 및 연관된 파라미터들에 대한 사용자의 선택을 가능하게 해준다.

상기한 예시적인 실시 예들의 전술한 및 기타의 특징들, 측면들 및 이점들은 첨부한 도면들을 참조하여 후술하는 상세한 설명을 읽을 때 더 잘 이해될 수 있을 것이다. 도면에서, 같은 참조 문자들은 도면 전체에 걸쳐서 같은 구성요소들을 나타낸다.
도 1은 예시적인 실시 예에 따른, 안내형 분석 시스템의 블록도이다;
도 2는 예시적인 실시 예에 따른, 도 1의 시스템을 이용하여 비즈니스 문제에 대한 해결책을 제공하기 위한 안내형 분석 워크플로우를 결정 및 실행하기 위한 과정을 예시하는 흐름도이다;
도 3은 예시적인 실시 예에 따른 도 1의 시스템을 이용하여 비즈니스 문제에 대한 해결책을 제공하기 위하여 비즈니스 문제와 연관된 하나 또는 다수의 데이터 세트들을 식별하고 그 데이터 세트들 분석하기 위한 과정을 예시하는 흐름도이다;
도 4는 예시적인 실시 예에 따른, 비즈니스 문제를 해결하기 위해 실행되는 안내형 분석 워크플로우의 단계들을 갖는 레이아웃(layout)을 예시하는 스크린의 일례를 도시한다;
도 5는 예시적인 실시 예에 따른, 도 1의 시스템의 사용자에게 제시되는 데이터 세트 보기(viewing) 스크린의 일례를 도시한다;
도 6은 예시적인 실시 예에 따른, 비즈니스 문제와 연관된 하나 또는 다수의 데이터 세트들을 식별하고 준비하기 위한 데이터 준비 스크린의 일례를 도시한다;
도 7은 예시적인 실시 예에 따른, 하나 또는 다수의 데이터 세트들의 새로운 변수들 및/또는 속성들을 생성하고 각각의 상기 데이터 세트들 내에서 복수의 상관관계들을 결정하기 위한 데이터 준비 스크린의 일례를 도시한다;
도 8은 예시적인 실시 예에 따른, 데이터 세트 동작들을 가능하게 하기 위한 탐색적인(exploratory) 데이터 분석 스크린의 일례를 도시한다;
도 9는 예시적인 실시 예에 따른, 비즈니스 문제에 대해 하나 또는 다수의 모델들을 생성하기 위한 모델링 스크린의 일례를 도시한다;
도 10은 예시적인 실시 예에 따른, 모델링 안내 스크린의 일례를 도시한다;
도 11은 예시적인 실시 예에 따른, 하나의 모델을 구축하기 위해 사용자에게 제시된 로지스틱 회귀(logistic regression) 스크린의 일례를 도시한다;
도 12는 예시적인 실시 예에 따른, 하나의 모델을 위한 반복 및 체크 포인트들로써 사용자에게 제시되는 스크린의 일례를 도시한다;
도 13a 내지 13l은 예시적인 실시 예에 따른, 비즈니스 문제 해결 프로젝트와 같은 프로젝트의 업무 자동화(job automation)를 예시하는 스크린의 일례를 도시한다;
도 14a 내지 14b는 예시적인 실시 예에 따른, 도 1의 안내형 분석 시스템의 여러 가지의 모듈들 간의 교차-모듈(cross-module) 상호작용을 예시하는 스크린들의 일례를 도시한다;
도 15a 내지 15d는 예시적인 실시 예에 따른, 도 1의 안내형 분석 시스템에 의해 구현되는 안내형 분석 워크플로우의 하나 또는 다수의 단계들 중의 다수의 사용자들 간의 협업을 예시하는 스크린들의 일례를 도시한다;
도 16은 예시적인 실시 예에 따른, 가정들을 생성된 리포트들과 맵핑하기 위한 가정-분석 링크(hypotheses-analysis linkage)를 예시하는 스크린의 일례를 도시한다;
도 17은 예시적인 실시 예에 따른, 비즈니스 문제와 연관된 구조화 및 비구조화 데이터 세트들을 통합하기 위한 텍스트 마이닝(text mining) 스크린의 일례를 도시한다; 그리고
도 18은 예시적인 실시 예에 따른, 어떤 비즈니스 문제를 해결하기 위한 안내형 분석 워크플로우를 실행하기 위한 컴퓨팅 장치의 일 실시 예의 블록도이다.

상기한 도면들은 개략적인 표현인 것으로 간주 될 것이며, 또한 도면들에 예시된 구성요소들은 반드시 축적에 맞춰 작도된 것은 아니다. 오히려, 여러 가지의 구성요소들은 그것들의 기능과 일반적인 목적이 당해 기술분야의 전문가에게는 자명하게 되도록 표현된다. 도면들에 도시되거나 본 명세서에 기술된 기능적 블록들, 장치들, 구성요소들 또는 기타 물리적 또는 기능적 유닛들 간의 어떤 접속 또는 연결은 간접적인 접속 또는 연결에 의해서도 또한 구현될 수도 있다. 구성요소들 간의 연결은 무선 접속을 통해서도 또한 이루어질 수도 있다. 기능적 블록들은 하드웨어, 펌웨어, 소프트웨어 또는 그것들의 조합으로 구현될 수도 있다.

이하, 단지 몇몇 예시적인 실시 예들이 도시되어 있는 첨부한 도면들을 참조하여 다양한 예시적인 실시 예들이 더 상세히 기술될 것이다. 여기에서 개시된 특정한 구조적 및 기능상의 세부사항들은 단지 그러한 예시적인 실시 예들을 설명하기 위한 목적으로서 표현되는 것이다. 그러나 예시적인 실시 예들은 수많은 교호적인 형태로써 구체화될 수도 있으며, 여기에 개시된 그러한 예시적인 실시 예들에만 한정되는 것으로 해석되어서는 안 될 것이다.

따라서, 예시적인 실시 예들은 다양한 변형들이나 교호적인 형태로 가능하기는 하지만, 그러한 예시적인 실시 예들은 도면에서 예로서 도시되어 있으며 여기서 상세하게 기술될 것이다. 그러나 개시된 특정한 형태에만 그 예시적인 실시 예들을 한정하는 의도는 없다는 것을 이해하여야 할 것이다. 반대로, 그러한 예시적인 실시 예들은 그것들의 모든 변형들, 등가물들, 및 대안들도 포함하여야 할 것이다. 도면 중의 같은 번호들은 그 도면들에 관련한 설명의 전체에 걸쳐서 같은 구성요소들을 지칭할 것이다.

예시적인 실시 예들을 더 상세히 설명하기 전에, 어떤 예시적인 실시 예들은 흐름도(플로우차트)로서 묘사되는 과정(프로세스)들이나 방법들로서 설명된다는 것을 유의하여야 할 것이다. 그러한 흐름도들은 순차적인 과정들로서 동작들을 기술하고 있지만, 그러한 동작들의 많은 것들은 병렬로, 동시 발생적으로, 또는 동시적으로 수행될 수도 있다. 부가적으로, 동작들의 순서는 재배열될 수도 있다. 그 과정들은 그것들의 동작이 완료될 때 종료될 수도 있지만, 도면에는 포함되지 않은 부가적인 단계들을 또한 가질 수도 있다. 상기한 과정들은 방법들, 기능들, 절차들, 서브루틴들, 서브프로그램들 등에 해당할 수도 있다.

여기에 개시된 특정한 구조 및 기능들의 세부사항은 예시적인 실시 예들을 설명하기 위한 목적으로만 단지 표현되는 것이다. 그러나 발명의 개념은 수많은 선택적인 형태들로 구현될 수도 있으며, 여기에 개시된 예시적인 실시 예들에만 한정되는 것으로 해석되어서는 안 될 것이다.

제1, 제2 등과 같은 용어들은 다양한 구성요소들을 기술하기 위해 여기서 사용될 수도 있을지라도, 이 구성요소들은 이러한 용어들에 의해 한정되어서는 안 된다는 것을 이해하여야 할 것이다. 이러한 용어들은 단지 하나의 구성요소를 또 다른 것과 구별하기 위해 사용되고 있는 것이다. 예컨대, 제1요소가 제2요소로 지칭될 수도 있고, 마찬가지로, 예시적인 실시 예의 영역으로부터 벗어남이 없이 제2요소가 제1요소로 지칭될 수도 있다. 여기서 사용된 바와 같이, "및/또는(and/or)"이라는 용어는 열거된 관련 항목들 중의 어떤 것 및 하나 또는 다수의 모든 조합들을 총망라하는 것이다. "적어도 하나의(at least one of)"라는 어구는 "및/또는"과 같은 의미를 갖는다.

또한, '제1', '제2' 등과 같은 용어들이 여기에서 여러 가지의 구성요소들, 부품들, 영역들, 계층들 및/또는 부분들을 기술하기 위해 사용될 수도 있지만, 이러한 구성요소들, 부품들, 영역들, 계층들 및/또는 부분들은 이러한 용어들에 의해 제한되어서는 안 된다는 것을 이해하여야 할 것이다. 이러한 용어들은 단지 하나의 구성요소, 부품, 영역, 계층 또는 부분을 또 다른 영역, 계층 또는 부분으로부터 구별하기 위하여 사용되는 것이다. 따라서, 아래에 설명되는 제1 구성요소, 부품, 영역, 계층 또는 부분은 발명의 개념의 영역으로부터 벗어남이 없이 제2 구성요소, 부품, 영역, 계층 또는 부분으로 지칭될 수도 있을 것이다.

구성요소들 사이의(예를 들어, 모듈들 사이의) 공간적 및 기능적 관계는 "접속되는(connected)", "맞물린(engaged)", "인터페이스 되는(interfaced)", 및 "연결된(coupled)"을 포함하는 다양한 용어들을 사용하여 기술된다. 제1 및 제2 구성요소들 사이의 관계가 본 개시에서 기술될 때, "직접적(direct)"이라고 명시적으로 기술되어 있지 않다면, 그 관계는 어떤 다른 개재하는 요소들도 그 제1 및 제2 구성요소들 사이에 존재하지 않는 것인 직접적인 관계와, 그리고 하나 또는 다수의 개재하는 요소들이 그 제1 및 제2 구성요소들 사이에 (공간적으로든 아니면 기능적으로든) 존재하는 간접적인 관계의 양자를 포함하는 것이다. 반대로, 한 구성요소가 직접적으로 다른 구성요소에 접속, 맞물림, 인터페이스, 또는 연결되는 것으로 지칭될 때에는, 어떤 개재하는 요소도 존재하지 않는 것이다. 구성요소들 간의 관계를 기술하기 위해 사용된 다른 용어들은 동일한 양태로(예를 들어, "사이에" 대 "직접적으로 사이에", "인접한" 대 "직접적으로 인접한" 등과 같이) 해석되어야 할 것이다.

여기에서 사용된 용어들은 단지 특정한 예시적인 실시 예들을 기술하는 목적을 위한 것으로서 한정하는 것을 의도하지 않는다. 여기에 사용된 것과 같이, 단수 표현들(a, an 및 the 와 같은)은, 문맥상 명백하게 달리 지시하지 않는 한, 복수 표현들도 포함하는 것으로 의도된다. 여기서 사용된 것과 같이, "및/또는" 그리고 "적어도 하나의"라는 용어들은 열거된 관련 항목들 중의 어느 것 및 하나 또는 다수의 조합들을 포함하는 것이다. 게다가, "포함한다(comprise)", "포함하는(comprising)", "갖는다(include)", 및/또는 "갖는(including)"과 같은 용어들이 여기서 사용될 때, 그것들은 기술된 특징들, 개체(integer)들, 단계들, 동작들, 구성요소들 및/또는 부품들의 존재를 열거하고 있지만, 그것의 하나 또는 다수의 특징들, 개체들, 단계들, 동작들, 구성요소들, 부품들 및/또는 그룹들의 존재 또는 추가를 배제하지는 않는 것이다.

어떤 선택적인 실행의 경우에는, 언급된 그러한 기능들/행위들은 도면에서 지적한 순서에서 벗어나서 이루어질 수도 있음을 또한 유념하여야 할 것이다. 예를 들면, 연속적인 것으로 도시된 두 개의 도면들은 실제로는 본질적으로 동시에 실행될 수도 있거나, 또는 때로는 수반된 기능/행위들에 따라서는 역순으로 실행될 수도 있을 것이다.

달리 정의되지 않는다면, 여기에 사용된 모든 용어들(기술적 및 과학적 용어들을 포함하여)은 그 예시적인 실시 예들이 속하는 기술분야에서의 통상의 지식을 갖는 사람에 의해 공통으로 이해되는 것과 동일한 정의를 갖는다. 그 용어들, 예컨대, 공통으로 사용되는 사전적 정의를 갖는 것들은 관련 기술의 맥락에서의 그것들의 의미와 일치하는 정의를 갖는 것으로서 해석되어야 할 것이며, 여기에서 명백하게 그렇게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되어서는 안 될 것임을 더한층 이해하여야 할 것이다.

"아래에(beneath)", "밑에(below)", "하부(lower)", "위에(above)", "상부(upper)" 등과 같은 공간적으로 상대적인 용어들이 어느 한 구성요소 또는 또 다른 구성요소에 대한 특징적 관계, 또는 도면들에서 예시된 것과 같은 특징(들)을 기술하기 위하여, 설명의 편의상 여기에서 사용될 수도 있다. 그러한 공간적으로 상대적인 용어들은 도면에 묘사된 방향에 추가하여 사용 또는 동작 시 해당 장치의 상이한 방향들을 포함하는 것으로 의도된다는 것을 이해하여야 할 것이다. 예를 들면, 만일 도면에 있는 장치가 뒤집힌다면, 다른 구성요소들 또는 특징들의 "밑에" 또는 "아래에" 위치한 것으로 기술된 요소들은 다른 구성요소들 또는 특징들의 "위에"에 방향이 설정될 수도 있을 것이다. 따라서, "하부에" 같은 용어는 상부 또는 하부의 방향을 모두 포함할 수도 있다. 상기한 장치는 다르게 방향이 설정될 수도 있으며(예컨대, 90도 회전하거나 다른 배향으로), 그리고 본 명세서에서 사용된 공간적으로 상대적인 기술은 그와 상응하게 해석될 것이다.

그러한 예시적인 실시 예들과 해당하는 상세한 설명의 부분은 소프트웨어, 알고리즘 및 컴퓨터 메모리 내의 데이터 비트 상에서의 동작의 기호(symbolic) 표현들의 견지에서 제공될 수도 있다. 이러한 기술 및 표현들은 당해 기술분야의 전문가가 그 기술분야의 통상의 지식을 갖는 다른 사람에게 그의 작업의 본질을 효과적으로 전달하기 위한 것들이다. 알고리즘은, 그 용어가 본 명세서에서 사용되는 바와 같이, 또한 그것이 일반적으로 사용되는 바와 같이, 원하는 결과를 도출하는 일관성 있는 일련의 과정들인 것으로 이해된다. 상기 과정들은 물리적 양에 대한 물리적 조작을 요구하는 과정들이다. 통상적으로, 필연적인 것은 아니지만, 이러한 양들은 저장, 전달, 결합, 비교 및 다른 방법으로 조작 가능한 광학적, 전기적 또는 자기적 신호들의 형태를 취한다. 주로 일반적인 용도의 이유로, 비트, 값, 요소, 기호, 문자, 조건, 숫자 등으로서 이러한 신호들을 지칭하는 것이 때로는 편리한 것으로 입증되었다.

여기에 기술된 장치(들)/기계(들)는 하드웨어 요소들, 소프트웨어 요소들 및/또는 그것의 조합에 의해 구현될 수도 있다. 예를 들면, 발명 개념의 실시 예들에 예시된 장치들 및 요소들은 프로세서, 컨트롤러, 산술논리연산 장치(ALU), 디지털 신호처리장치, 마이크로컴퓨터, 필드 프로그래머블 어레이(field programmable array: FPA), 프로그래머블 논리장치(programmable logic unit: PLU), 마이크로프로세서 또는 명령들을 실행하고 응답할 수도 있는 임의의 장치와 같은, 하나 또는 다수의 범용 컴퓨터들 또는 특수 용도의 컴퓨터들로써 구현될 수도 있다. 중앙처리장치는 오퍼레이팅 시스템(OS) 또는 그 OS 상에서 동작하는 하나 또는 다수의 소프트웨어 애플리케이션들을 구현할 수도 있다. 더욱이, 상기 처리장치는 소프트웨어의 실행에 응답하여 데이터에 접속하고, 데이터를 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의상, 하나의 처리장치가 예시되어 있을 수도 있지만, 그 처리장치는 다수의 처리장치 구성요소들 및/또는 다수의 종류의 처리장치 구성요소들을 포함할 수도 있다는 것을 당해 기술분야의 전문가라면 이해할 수 있을 것이다. 예를 들면, 중앙처리장치는 단일한 프로세서 및 컨트롤러 또는 다수의 프로세서들을 포함할 수도 있다. 또한, 그 처리장치는 병렬 프로세서와 같은 상이한 프로세서 구성을 가질 수도 있을 것이다.

소프트웨어는 컴퓨터 프로그램들, 코드들, 명령들 또는 그것들의 하나 또는 다수의 조합들을 포함할 수도 있으며, 처리장치를 원하는 방식으로 동작하도록 구성하거나 또는 그 처리장치를 독립적으로 또는 집합적으로 제어할 수도 있다. 소프트웨어 및/또는 데이터는 그 처리장치에 의해 해석되거나 또는 그 처리장치에 명령들 또는 데이터를 제공하도록, 어떤 유형의 기계, 부품들, 물리적 장치, 가상의 장치, 컴퓨터 저장 매체 또는 장치들 또는 전송된 신호파들로써 영구적으로 또는 일시적으로 구체화될 수도 있다. 소프트웨어는 네트워크들을 통해서 접속되는 컴퓨터 시스템들 전체에 걸쳐서 분산될 수도 있고, 분산 방식으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 또는 다수의 컴퓨터로 독출 가능한(computer-readable) 저장 매체에 기록될 수도 있다.

발명의 개념의 전술한 예시적인 실시 예들에 따른 방법들은 컴퓨터 또는 프로세서에 의해 실행되고 컴퓨터로 독출 가능한 매체에 기록될 수도 있는 프로그램 명령들로써 실행될 수도 있다. 상기한 매체는 또한 프로그램 명령들과 조합하여, 또는 단독으로, 데이터 파일들, 데이터 구조들 등을 포함할 수도 있다. 매체에 기록된 프로그램 명령들은 발명의 개념의 예시적인 실시 예들을 위해 특별히 설계되거나 구성될 수도 있고, 또는 컴퓨터 소프트웨어에 대한 전문가들에게 알려지거나 입수 가능할 수도 있다. 컴퓨터로 독출 가능한 매체는 하드 디스크, 플로피 디스크, 및 자기 테이프와 같은 자기적 매체; 컴팩트 디스크-독출 전용 메모리(compact disc-read only memory: CD-ROM) 디스크 및 DVD(digital versatile disc) 디스크와 같은 광학적 매체; 플롭티컬 디스크와 같은 자기-광학적 매체; 및 독출 전용 메모리(ROM), 랜덤 액세스 메모리(RAM), 플래시 메모리 등과 같은 프로그램 명령들을 저장 및 수행하도록 특별히 구성된 하드웨어 장치들을 포함한다. 프로그램 명령들은 컴파일러(compiler)에 의해 생성되는 것과 같은 기계어 코드들, 및 인터프리터(interpreter)를 이용하여 컴퓨터에 의해 실행될 수도 있는 더 높은 레벨의 코드들 모두를 포함한다. 전술한 하드웨어 장치들은 발명의 개념의 상기한 예시적인 실시 예들의 동작을 수행하기 위하여 하나 또는 다수의 소프트웨어 모듈들을 실행하도록 구성될 수도 있으며, 또한 그 역도 가능하다.

그러나 이러한 용어들 및 유사한 용어들 모두는 적절한 물리적 양들과 연관되는 것으로서 이러한 양들에 적용되는 단지 편리한 명칭표시(라벨)라는 것을 염두에 두어야 할 것이다. 특별하게 달리 기술되지 않는다면, 또는 관련되는 설명으로부터 명백한 바와 같이, "프로세싱(processing)" 또는 "컴퓨팅(computing)" 또는 "계산(calculating)" 또는 "결정(determining)" 또는 "표시(displaying)" 등과 같은 용어들은, 그 컴퓨터 시스템의 레지스터들과 메모리들 내에서의 물리적, 전자적 양(quantity)들로서 표현되는 데이터를 컴퓨터 시스템 메모리들 또는 레지스터들 또는 기타의 그러한 정보 저장, 전달 또는 디스플레이 장치들 내에서의 물리적 양으로서 유사하게 표현되는 다른 데이터로 조작 및 변환하는, 컴퓨터 시스템 또는 유사한 전자 컴퓨팅 장치/하드웨어의 동작 및 과정들을 지칭한다.

적어도 하나의 예시적인 실시 예는 일반적으로 비즈니스 문제와 관련된 하나 또는 다수의 데이터 세트들을 식별하고 또한 그 데이터 세트들을 분석하여 상기 비즈니스 문제에 대한 해결책들을 제공하는 모델들을 생성하는 안내형 분석 시스템 및 방법에 관한 것이다. 본 기술의 예시적인 실시 예들은 다양한 비즈니스 문제들을 해결하기 위한 안내형 접근(guided approach)을 가능하게 하는 통합형의 분석론-대-통찰력(integrated analytics-to-insight)의 구조를 제공하는 것이다.

도 1은 예시적인 실시 예에 따른 안내형 분석 시스템(guided analytics system)의 블록도이다. 안내형 분석 시스템(100)(이하, 간단하게 시스템(100)으로서 지칭될 수도 있음)은 정의자(definer) 모듈(102), 데이터 준비 모듈(104), 분석 모듈(106), 워크플로우 엔진(workflow engine)(108), 엔터프라이즈(enterprise) 메모리(110) 및 리포팅(reporting) 모듈(112)을 포함한다. 각각의 구성요소에 대해서는 아래에서 더 상세히 설명된다.

도 1은 상기 시스템(100)의 여러 가지의 구성요소들/모듈들을 예시하며 또한 하기의 설명은 그것들에 대해 상세한 설명을 제공하고 있지만, 그러한 예시적인 실시 예들은 그것에만 한정되지는 않는다. 예를 들면, 상기 시스템(100)의 전술한 모듈들은 하나 또는 다수의 프로세서들(예컨대, 프로세서(114))을 통해 구현될 수도 있는데, 여기서 상기한 하나 또는 다수의 프로세서들은 메모리(예컨대, 엔터프라이즈 메모리(110))에 저장된 컴퓨터로 독출 가능한 명령들을 실행하여 상기한 모듈들 각각의 기능을 실행하도록 구성되는데, 이것에 대해서는 아래에서 더 상세히 설명될 것이다.

예시적인 일 실시 예에 있어서, 상기 정의자 모듈(102)은 어떤 하나의 문제(예컨대, 비즈니스 문제)를 정의한다. 예시적인 일 실시 예에 있어서, 상기한 문제는 사업장/독립체가 경험한 다양한 비즈니스 문제들을 포함할 수도 있다. 예를 들어, 하나의 문제는 생산제품의 예상보다 낮은 판매량으로 정의될 수도 있다. 비즈니스 문제가 정의되는 방식은 나중에 설명된다.

예시적인 일 실시 예에서, 문제와 연관된 입력 데이터가 수신된다. 상기 입력 데이터는 원하는 해결책(예컨대, 원하는 수준의 제품 판매)을 달성하기 위해 공식화되고 분석될 그 문제의 세부 사항들을 포함할 수도 있다. 상기 입력 데이터는 문제에 영향을 미치는 모든 가능한 요인들과 파라미터들을 또한 포함할 수도 있다(예컨대, 계절적 요인, 휴일, 분기 판매실적, 제품이 판매되는 지리적인 위치 등). 하나 또는 다수의 예시적인 실시 예들에서, 이러한 입력 데이터는 여론조사, 평가 등과 같은 다양한 데이터 수집 메커니즘을 통해서 각각의 운영 환경과 연관된 사람들 및/또는 시스템들로부터 획득될 수도 있다. 예시된 실시 예에서, 상기 정의자 모듈(102)은 입력 데이터에 기초하여 문제를 특징화하는 초기의 문제 서술을 정의한다. 예시적인 일 실시 예에 있어서, 상기 정의자 모듈(102)은 문제에 영향을 미치는 복수의 요인들을 확인한다.

또 다른 예시적인 실시 예에 있어서, 정의자 모듈(102)은 상기 비즈니스 문제와 연관된 다수의 가정(hypotheses)들을 생성한다. 예를 들면, 하나의 가정은 어떤 제품의 판매고가 예상보다 낮은 이유에 대한 시나리오를 정의하는 것일 수도 있다. 상기 문제와 연관된 다수의 가정들이 상기 확인된 요인들과 입력 데이터에 기초하여 생성된다. 이 예에서, 다수의 가정들은 "상호 배타적이고 완전히 소모적인(mutually exclusive and completely exhaustive: MECE)" 가정들을 포함한다. 예시적인 실시 예에서, 탐색적 데이터 분석(exploratory data analysis: EDA) 기법이 수행되어 다수의 가정들을 생성한다. 예를 들어, 그러한 가정들을 생성하기 위하여 입력 데이터의 추세적 분석이 수행될 수도 있다. 더욱이, 예시적인 실시 예에서, 상기 정의자 모듈(102)은 초기의 문제 서술, 확인된 요인들 및 상기한 다수의 가정들을 반복해서 업데이트하여 하나의 업데이트 된 문제 서술을 형성하게 된다.

예시적인 일 실시 예에서, 상기한 데이터 준비 모듈(104)은 비즈니스 문제와 관련된 하나 또는 다수의 데이터 세트들을 식별 및 준비한다. 예시적인 일 실시 예에서, 상기 데이터 준비 모듈(104)은 상기한 하나 또는 다수의 데이터 세트들의 속성을 결정하고 그 데이터 세트들 각각 내에서의 다수의 상관관계(correlation)들을 결정한다. 상기 데이터 세트들은 다양한 사회적 매체 플랫폼들로부터 수신된 데이터, 제품의 판매에 관한 데이터 세트들, 특정 제품의 마케팅 활동 중에 수집된 마케팅 데이터 등을 포함할 수도 있다. 예시적인 일 실시 예에서, 사용자는 그로부터 데이터 세트들이 획득될 입력 데이터 소스를 선택할 수도 있다. 여기에서 사용된 바와 같이, "사용자(user)"라는 용어는 자연인 및 사용자로서 동작하는 다른 독립체들 모두를 포함한다. 이것들의 예는 법인, 조직, 기업, 팀 또는 기타 사람들의 그룹 등을 포함한다. 상기한 사용자는 다른 채널들을 통해 수신된 데이터 세트들에 대한 데이터 분석을 수행하도록 훈련된 데이터 분석가를 지칭할 수도 있다는 것을 또한 유념하여야 할 것이다.

예시적인 일 실시 예에 있어서, 상기 분석 모듈(106)은 상기한 하나 또는 다수의 데이터 세트들을 분석하여 하나 또는 다수의 모델들을 생성하고, 그 하나 또는 다수의 모델들을 이용하여 상기 비즈니스 문제에 대하여 하나 또는 다수의 해결책들을 제공한다. 상기 분석 모듈(106)은 통계적 과정들을 실행하여 출력 데이터를 생성할 수도 있는 복수의 모듈들을 포함한다. 이러한 출력 데이터는 중요한 비즈니스 결정들을 실행하면서 사용자에 의해 활용될 수도 있다. 분석 모듈(106)은 여러 가지의 특징들을 구현할 수도 있으며, 또한 이러한 특징들은 달성될 목표에 대해 또는 해결될 문제에 대해 사용자가 필요하다고 믿는 임의의 순서로 조합될 수도 있다는 것을 유념하여야 할 것이다. 더욱이, 예시적인 일 실시 예에 있어서, 상기 분석 모듈(106)은 상기한 하나 또는 다수의 데이터 세트들에 대해 수행된 분석의 시각적인 표현들을 만들어준다.

상기 워크플로우 엔진(108)은 상기한 정의자 모듈(102), 데이터 준비 모듈(104) 및 분석 모듈(106)에 서로 통신이 되도록 접속된다. 예시적인 일 실시 예에서, 상기 워크플로우 엔진(108)은 상기한 정의자 모듈(102), 데이터 준비 모듈(104) 및 분석 모듈(106)에 걸쳐서 하나의 안내형 분석 워크플로우(guided analytic workflow)를 구현하여 상기한 하나 또는 다수의 해결책들을 결정하는 적어도 하나의 프로세서(114)를 포함한다. 예시적인 일 실시 예에서, 상기한 안내형 분석 워크플로우는 다수의 단계들을 포함한다. 예시적인 일 실시 예에어서, 상기 프로세서(114)는 반복적인 분석 워크플로우를 수행하되, 여기서 상기 워크플로우의 하나 또는 다수의 단계들이 반복적으로 실행되어 상기한 하나 또는 다수의 해결책들을 결정한다.

상기 워크플로우 엔진(108)은 또한 안내형 분석 워크플로우의 각각의 단계와 연관된 다수의 워크플로우 자원들을 포함한다. 본 예에서, 상기한 다수의 워크플로우 자원들은 하나 또는 다수의 단계들에서 사용자에게 제시되어 각각의 단계에 관련된 분석적 및/또는 통계적 정보를 제공하고 또한 상기 각각의 단계에 대한 하나 또는 다수의 분석적 기법들 및 관련 파라미터들에 대한 사용자의 선택을 가능하게 해준다. 예시적인 일 실시 예서, 상기한 다수의 워크플로우 자원들은 안내형 분석 워크플로우의 상기한 다수의 단계들의 각각에 관련된 통계적 및/또는 분석적 기법들, 그 통계적 및/또는 분석적 기법들의 각각에 관련된 실행 파라미터들, 상기 안내형 분석 워크플로우의 다수의 단계들 각각에 관련된 다수의 체크 리스트들, 또는 그들의 조합에 대한 정보를 갖는 다수의 가이드를 포함한다.

예시적인 일 실시 예에서, 상기 워크플로우 엔진(108)은 그 워크플로우의 이전의 반복에 기초하여 상기 안내형 분석 워크플로우의 하나 또는 다수의 단계들의 실행의 자동화를 용이하게 한다. 상기 예시된 실시 예에 있어, 상기 워크플로우 엔진(108)은 상기 안내형 분석 워크플로우의 다수의 단계들 중의 하나 또는 다수에 대해 상기한 정의자 모듈(102), 데이터 준비 모듈(104) 및 분석 모듈(106) 사이의 교차-모듈(cross-module) 상호작용을 가능하게 해준다.

또 다른 예시적인 실시 예에서, 상기 워크플로우 엔진(108)은 또한 텍스트 마이닝(text mining) 모듈(도시되지 않음)을 포함하는데, 이것은 비즈니스 문제와 연관된 구조화(structured) 및 비구조화(unstructured) 데이터 세트들을 통합한다. 상기한 텍스트 마이닝 모듈은 텍스트 분류(text categorization)의 특징을 포함할 수도 있다. 이러한 특징은 사용자가 분석론적 텍스트 세트의 다수의 모델들을 생성하는 것을 가능하게 한다. 상기한 텍스트 분류는, 기계 학습 모델들을 이용하여 모델 구축(model building), 모델 진단(model diagnostics), 예측(predict) 및 반복 이력(iteration history)과 같은 여러 가지의 동작들을 실행할 수도 있다.

예시적인 일 실시 예에서, 상기 엔터프라이즈 메모리(110)는 안내형 분석 워크플로우의 다수의 단계들 각각에 관련된 다수의 워크플로우 자원들을 저장하도록 구성된다. 부가적으로, 상기 엔터프라이즈 메모리(110)는 상기한 안내형 분석 워크플로우의 다수의 단계들 각각에 그리고 상기 비즈니스 문제에 대해 하나 또는 다수의 해결책들에 관련된 데이터를 저장한다. 예시적인 일 실시 예에서, 상기 엔터프라이즈 메모리(110)는 하나의 완전한 문제 해결의 주기에 걸쳐서 생성 및/또는 활용되는 데이터를 저장한다. 상기한 안내형 분석 워크플로우의 다수의 단계들의 각 단계 중에 실행되는 각각의 동작 및/또는 과정의 개요(summary)와 함께 생성된 리포트는 상기 엔터프라이즈 메모리(110)에 저장된다. 상기 엔터프라이즈 메모리(110)는 비즈니스/조직의 다수의 주주들과 공유될 수도 있는 관련 리포트들의 목록을 생성하도록 접속될 수도 있다. 상기 엔터프라이즈 메모리(110)는 또한 어느 한 조직을 위한 다양한 비즈니스 문제들을 해결하는 동안 영향력이 행사될 수도 있는 해결책들의 라이브러리를 생성하는 것을 가능하게 해준다. 예시적인 일 실시 예에서, 상기 엔터프라이즈 메모리(110)는 또한 상기 시스템(100)의 전기한 모듈들 각각에 대한 컴퓨터로 독출 가능한 명령들을 저장할 수도 있다. 따라서, 상기한 프로세서(114)와 같은, 하나 또는 다수의 프로세서는 상기한 모듈들의 기능들을 수행하기 위하여 상기 엔터프라이즈 메모리(110)에 저장된 컴퓨터로 독출 가능한 명령들을 실행하도록 구성된다.

예시적인 일 실시 예에서, 상기 리포팅 모듈(112)은 다수 단계의 워크플로우의 각각에 해당하는 다수의 리포트들을 생성한다. 예시적인 일 실시 예에서, 상기 리포팅 모듈(112)은 비즈니스 문제의 하나 또는 다수의 해결책들을 하나 또는 다수의 비즈니스 관련 행위들로 변환하고, 그리고 상기한 하나 또는 다수의 비즈니스 관련 행위들을 비즈니스 측정 기준(metrics)과 통합함으로써 그 비즈니스 문제에 대하여 최적의 해결책들을 선택하도록 한다. 더욱이, 하나의 예시적인 실시 예에 있어서, 상기 리포팅 모듈(112)은 상기 정의자 모듈(102)에 의해 생성된 상기한 다수의 가정들을 상기 생성된 보고들과 맵핑(mapping)함으로써 안내형 분석 워크플로우의 진행을 추적한다.

상기한 안내형 분석 시스템(100)은 워크플로우의 각 단계에서 이용 가능한 여러 가지의 분석 기법들에 대해 사용자를 교육하고 또한 그 사용자가 적합한 기법들을 선택하는 것을 가능하게 하는 문제 해결을 위한 안내형 분석 구조를 제공한다. 상기 안내형 분석 시스템(100)이 분석전문가로 하여금 다양한 데이터 동작들과 분석적 기법들을 실행하여 비즈니스 문제들을 해결하는 것을 용이하게 가능하게 하는 방식에 대하여 아래에서 더 상세히 기술한다.

도 2는 예시적인 일 실시 예에 따른, 도 1의 시스템을 이용하여 비즈니스 문제에 대한 해결책들을 제공하기 위한 안내형 분석 워크플로우를 결정하고 실행하기 위한 하나의 과정(프로세스)을 예시하는 흐름도이다. 도 2는 도 1에 도시된 시스템(100)의 전술한 모듈들의 기능을 수행하기 위한 컴퓨터로 독출 가능한 명령들을 실행하도록 구성되는 프로세서(프로세서 114)의 관점에서 설명될 것이다.

과정 202에서, 상기 프로세서(114)는 하나의 문제(예컨대, 비즈니스 문제)를 정의한다. 예시적인 일 실시 예에서, 상기한 비즈니스 문제는 사업장에서 경험한 다양한 비즈니스 문제들을 포함할 수도 있다. 상기한 사업장은 비즈니스 조직, 소매점, 소비자 아웃렛, 호텔 또는 그것들의 조합들을 포함할 수 있다. 그러나 다른 환경에서의 다양한 다른 문제들이 유사한 방식으로 정의되어도 좋다. 비즈니스 문제들의 예로서는 한 제품의 판매량으로부터 핵심적인 동인을 결정하는 것, 교차-판매(cross-sell) 분석, 고객의 구매 특성에 영향을 미치는 핵심 요인들을 결정하는 것 등을 들 수도 있지만, 이것들에만 한정되는 것은 아니다.

과정 204에서, 상기 프로세서(114)는 비즈니스 문제를 해결하기 위한 안내형 분석 워크플로우를 결정한다. 예시적인 일 실시 예에서, 상기 안내형 분석 워크플로우는 다수의 단계들과 다수의 워크플로우 자원들을 포함한다.

과정 206에서, 상기 프로세서(114)는 워크플로우 자원들을 상기 안내형 분석 워크플로우의 단계들과 연관시킨다. 예시적인 일 실시 예에서, 상기 워크플로우 자원들은 하나 또는 다수의 단계들에서 사용자에게 제시되어 각각의 단계에 관련된 분석적 및/또는 통계적 정보를 제공하고 또한 각각의 단계에 대하여 하나 또는 다수의 분석적 기법들 및 관련 파라미터들에 대한 사용자의 선택을 가능하게 해준다. 예시적인 일 실시 예에서, 상기 안내형 분석 워크플로우의 하나 또는 다수의 단계들의 실행의 자동화는 그 워크플로우의 이전의 반복에 기초하여 가능하게 된다.

과정 208에서 상기 프로세서(114)는 안내형 분석 워크플로우를 실행한다. 예시적인 일 실시 예에서, 상기 안내형 분석 워크플로우는 여러 개의 단계에 걸쳐서 처리되고 실행된다. 상기한 단계들 중의 하나는 문제의 정의 단계일 수도 있다. 또 다른 단계는 그 비즈니스 문제와 연관된 하나 또는 다수의 데이터 세트들의 식별(identification)과 준비(preparation)를 포함할 수도 있다. 게다가, 상기한 안내형 분석 워크플로우는 하나 또는 다수의 모델들을 생성하기 위한 하나 또는 다수의 데이터 세트들의 분석을 포함할 수도 있다.

과정 210에서, 상기 프로세서(114)는 그 비즈니스 문제에 대해 하나 또는 다수의 해결책들을 결정한다. 예시적인 일 실시 예에서, 상기 프로세서(114)는 데이터 모델들을 생성하여 하나 또는 다수의 해결책들을 결정한다.

도 3은 예시적인 일 실시 예에 따른, 하나의 비즈니스 문제와 연관된 하나 또는 다수의 데이터 세트들을 식별하고, 그리고 상기 데이터 세트들을 분석함으로써 도 1의 시스템을 이용하여 그 비즈니스 문제에 대한 해결책들을 제공하기 위한 과정을 예시하는 흐름도이다. 각각의 단계가 아래에서 더 상세하게 설명된다. 도 3은 도 1에 도시된 시스템(100)의 상기한 모듈들의 기능을 수행하기 위한 컴퓨터로 독출 가능한 명령들을 실행하도록 구성된 프로세서(프로세서 114)의 관점에서 설명될 것이다.

과정 302에서, 상기 프로세서(114)는 비즈니스 문제와 연관된 하나 또는 다수의 데이터 세트들을 식별하고 준비한다. 예시적인 일 실시 예에서, 상기 데이터 세트들은 사회적 매체 플랫폼들로부터 수신된 데이터, 어느 한 제품의 판매에 관한 데이터, 특정 제품에 대하여 마케팅 활동 중에 수집된 마케팅 데이터 등을 포함할 수도 있지만, 이것들에만 한정되는 것은 아니다. 일반적으로, 데이터 세트는 어떤 제품에 대한 키워드, 그 제품 명칭, 비즈니스 또는 조직의 명칭 등을 포함할 수도 있다. 예시적인 일 실시 예에서, 데이터 세트들은 텍스트 열(text strings) 및 수치 데이터를 포함한다. 예시적인 일 실시 예에서, 상기한 데이터 세트들의 식별 및 준비는 복수 소스들로부터 입력된 다수의 데이터 세트들을 분석 데이터 세트에다가 조합하는 것을 포함한다. 상기한 분석 데이터 세트는 추가적인 분석을 위해 적절한 포맷으로 준비될 수도 있다. 상기한 데이터 세트들은 한 또는 다수의 입력 데이터 소스들로부터 가져오게 된다.

과정 304에서, 상기 프로세서(114)는 상기한 하나 또는 다수의 데이터 세트들을 분석하여 하나 또는 다수의 모델들을 생성한다. 예시적인 일 실시 예에 있어서, 상기 생성된 모델들은 비즈니스 문제에 대해 하나 또는 다수의 해결책들을 제공하기 위해 활용된다. 더욱이, 상기한 모델 생성은 회귀(regression) 기법의 심층적인 분석을 제공하고 전-모델(pre-model) 프로세싱을 포함할 수도 있다. 어떤 예시적인 실시 예들에서는, 상기한 모델들은 분석 데이터 세트의 평균, 분산(variance) 및 공분산(co-variance)에 기초하여 생성된다.

과정 306에서, 상기 프로세서(114)는 상기한 하나 또는 다수의 생성된 모델들을 이용하여 비즈니스 문제에 대한 하나 또는 다수의 해결책들을 제공한다. 문제 해결을 위해 사용되는 모델들의 예는 선형 회귀(liner regression), 로지스틱 회귀(logistic regression), 멀티- 로지스틱 회귀(multi-logistic regression), 일반 선형 모델링(general linear modeling), 일반화 선형 모델링(generalized linear modeling), 또는 그들의 조합을 포함한다.

과정 308에서, 상기 프로세서(114)는 하나 또는 다수의 단계들에서 사용자에게 다수의 워크플로우 자원들을 제시하여 그 각각의 단계에 관련된 분석적 및/또는 통계적 정보를 제공하게 된다.

과정 310에서, 상기 프로세서(114)는 각각의 단계에 대하여 관련 파라미터들과 하나 또는 다수의 분석 기법들에 대한 사용자의 선택을 용이하게 가능하게 해준다. 도 3에 예시된 바와 같이, 상기한 과정들 308 및 310은 상기한 방법(300)의 과정 302, 과정 304 및 과정 306과 같은 각 과정에서 사용자에게 제시된다.

예시된 일 실시 예에서, 도 2 및 도 3의 전술한 방법의 흐름은 기관(establishment)에서 사용하기 위하여 구현된다. 상기한 방법의 흐름은 그 기관에 관련된 비즈니스 문제에 대해 하나 또는 다수의 해결책들을 생성하기 위해 안내형 워크플로우를 실행하기 위한 과정들을 포함한다. 더욱이, 상기 방법은 다수의 단계들을 포함하는 안내형 분석 워크플로우를 실행하는 것을 포함한다. 부가하여, 상기 방법은 다수의 워크플로우 자원들을 상기 안내형 분석 워크플로우의 단계들의 각각과 연관시키는 것을 포함한다. 상기 다수의 워크플로우 자원들은 하나 또는 다수의 단계들에서 사용자에게 제공되어 상기 각각의 단계에 관련된 분석적 및/또는 통계적 정보를 제공하도록 하며, 또한 그 각각의 단계에 대해 하나 또는 다수의 분석 기법들 및 관련 파라미터들에 대한 사용자의 선택을 가능하게 해준다.

비즈니스 문제를 해결하기 위한 안내형 워크플로우를 실행하기 위한 전술한 시스템 및 방법은 사용자가 비즈니스 문제와 연관된 데이터 세트들을 분석하고, 모델들을 생성하고, 그리고 그 생성된 모델들을 이용하여 상기 비즈니스 문제에 대한 해법들을 제공하는 것을 가능하게 하기 위하여 여러 가지의 사용자 인터페이스들을 활용할 수도 있다. 어떤 예시적인 인터페이스들은 예시적인 비즈니스 문제에 관하여 아래에서 더 상세히 기술된다. 본 기법은 이러한 예시적인 실시 예들에만 한정하는 것을 의도하는 것은 결코 아니라는 점을 유념하여야 할 것이다.

비즈니스 문제의 일례로서, 어떤 컴퓨터 하드웨어 및 서비스 회사의 이전의 랩톱 및/또는 데스크톱의 B2B(business-to-business) 고객들에게 워크스테이션을 구매할 것을 유인하는 하나 또는 다수의 요인들을 확인하기를 희망하는 회사를 위하여 교차-판매 분석(across-sell analysis)이 수행된다. 여기에 기술된 바와 같은 상기한 안내형 분석 시스템은 고객들에게 워크스테이션의 교차 판매에 영향을 미치는 요인들을 판단하기 위하여 안내형 분석 워크플로우를 실행함으로써 종단간(end-to-end) 문제 해결을 용이하게 가능하게 해준다.

도 4는 예시적인 실시 예에 따른, 비즈니스 문제를 해결하기 위해 안내형 분석 워크플로우의 단계들이 실행되는 레이아웃(layout)을 예시하는 스크린의 일례를 도시한다. 본 예에서, 일단 사용자에 의해 문제가 정의되고 나면, 이와 같은 레이아웃(400)이 사용자에게 제시된다. 예시된 바와 같이, 수평 바(402)는 상기 분석 워크플로우 전체에 걸쳐서 사용자를 안내하기 위한 많은 수의 메뉴 옵션들을 포함하고 있다. 수평 바(402)에서의 메뉴 옵션들은 '프로젝트 설정(Project Setup)' (탭 406), '데이터 준비(Data Preparation)' (탭 408), '데이터 품질 분석 (Data quality analysis)' (탭 410), '탐색적 데이터 분석(Exploratory Data analysis)'(탭 412), '시각화(Visualizations)' (탭 414), '세분화(Segmentation)' (탭 416), '모델링(Modeling)' (탭 418), 및 '텍스트 마이닝(Text mining)' (탭 420)을 포함한다. 전술한 바와 같은 상기 메뉴 옵션들의 각각은 안내형 옵션 (404)와 같은 수직형 안내 옵션을 또한 포함하고 있는데, 그것의 일례가 탭 404에 관하여 예시되어 있다. 이 안내 옵션들(404)의 예는 'data set view', 'data dictionary', 'panel configuration', 'variable configuration', 'filters', 'sampling' 등을 포함한다(도면에서 참조 번호 404-A 내지 404-N에 의해 표현되는 것과 같음). 일례로서, 상기한 안내 옵션(404)은 워크플로우의 실행 중 임의의 단계에서 사용자가 데이터 세트를 추가하고(Add Dataset 404-A) 넘겨주는 것을 가능하게 하는 탭을 포함하고 있다.

교차 판매(cross-sell) 분석의 예를 계속 들면, 비즈니스 문제와 연관되는 데이터 세트들은 상응한 목표 플래그(target flag)와 함께 노트북 및 데스크톱 고객들에 관한 다양한 데이터 포인트들을 포함할 수도 있다. 본 예에서, 상기한 목표 플래그는 고객에 의한 워크스테이션의 구매에 관련된 데이터를 제공한다. 그러한 데이터 세트들은 워크스테이션의 교차 판매를 이끄는 적절한 요인들을 결정하도록 선택된다. 상기한 메뉴 옵션들 각각은 여러 개의 서브-옵션들을 가질 수도 있을 것이다. 예를 들면, 상기한 '프로젝트(Project Setup)' 메뉴(탭 406)에서, 사용자에게는 '데이터 세트 보기(viewing the data set)', '카테고리 변수 변환(categorical variable conversion)', '데이터 사전 업로딩(data dictionary upload)' 등의 옵션들이 제공되며, 그 각각은 논리적 순서로 배열된다(드롭-다운 메뉴 404에 의해 도시된 바와 같이). 다른 옵션들도 유사한 드롭-다운 메뉴를 가짐으로써 사용자에게 추가적인 정보 또는 옵션들을 제공할 수도 있다.

도 5는 예시적인 일 실시 예에 따른 도 1의 시스템(100)의 사용자에게 제시되는 스크린 데이터 세트 보기(viewing) 스크린(500)의 일례를 나타내고 있다. 상기 스크린(500)에서 'Data set View'(드롭-다운 메뉴 404에서부터의 옵션 404-C)를 선택할 시, 데이터 세트 보기 스크린(502)이 사용자에게 제시된다. 예시된 바와 같이, 상기 스크린(502)은 비즈니스 문제와 연관된 데이터 세트들에 관한 세부사항을 제공한다.

예시된 예에 있어서, 일단 관련된 데이터 세트가 시스템에 들어오면, 사용자는 그 데이터 세트를 볼 수 있고(드롭-다운 메뉴 404에서 옵션 404-C) 또한 필요한 데이터 동작들을 수행할 수도 있다. 본 예에서, 사용자는 어느 특정 산업에 한 고객이 소속됨을 나타내는 플래그(flag)들을 결정한다. 어떤 예에서는, 사용자는 이 스크린에서 데이터의 보기 옵션들을 바꿀 수도 있다. 예를 들면, 사용자는 소속에 대하여 2진법의 변수(binary variable)들을 각기 갖는 'n' 개의 칼럼들보다는 'n' 카테고리의 산업 변수들을 갖는 하나의 '산업' 칼럼으로서 상기 플래그들을 볼 수도 있다. 사용자는 후속해서 상기 데이터를 상응하게 배열하는 것을 선택할 수도 있다. 이러한 예시적인 실시 예에서, 드롭-다운(404)에서의 다른 수직형 메뉴 옵션들은 밑바탕이 되는 비즈니스 문제에 관하여 부적절하거나 또는 중요하지 않은 것으로 간주 될 수도 있다. 따라서, 사용자는 다음의 수평형 메뉴 옵션으로 진행할 수도 있다. 이러한 예시적인 실시 예에서, 사용자에게는 데이터 준비(Data Preparation)를 위한 다음 탭이 제시된다(탭 408).

도 6은 예시적인 실시 예에 따른, 비즈니스 문제와 연관된 하나 또는 다수의 데이터 세트들을 식별하고 준비하기 위한 데이터 준비 스크린(600)의 일례를 도시하고 있다. 상기한 'Data Preparation View' (탭 408) 및 수직형 옵션 'New variable creation'(참조 번호 602에 의해 표현된 것과 같은)을 선택할 경우, 사용자에게는 새로운 변수 보기 스크린(604)이 제시된다. 상기 스크린(604)에서, 사용자에게는 그 문제에 대해 생성된 상태 생성기(conditions generator), 다수의 상태들의 리스트 및 새로운 변수들에 대한 세부 사항들이 제공된다. 전술한 바와 같이, 상기 스크린들의 각각에 있어, 사용자에게는 다양한 워크플로우 자원들이 제공되어 워크플로우의 실행에 대하여 사용자를 돕는다. 예를 들어, 상기한 데이터 준비 탭(408)에서 사용자에게 제시된 'help' 매뉴얼은 교차 판매 분석의 비즈니스 문제를 해결하기 위해 조건적인 새로운 변수가 필요한 것인지 여부를 결정함에 있어 사용자에게 도움을 준다.

이러한 예시적인 실시 예에서, 교차 판매 분석에 관하여 문제 해결 및 해결책 제공을 위해 필요한 상기한 새로운 변수는 'New variable creation'(탭 602)을 사용하여 생성된다. 더욱이, 새 변수의 생성을 위하여 수행되는 동작들은 상기 생성된 리포트들과 함께 도 1의 엔터프라이즈 메모리(110)에 저장된다. 도 1의 엔터프라이즈 메모리(110)에서의 상기 저장된 동작들과 과정들은 나중의 참조를 위하여 사용자에 의해 활용될 수도 있다.

도 7은 예시적인 실시 예에 따른, 하나 또는 다수의 데이터 세트들의 새로운 변수들 및/또는 속성들을 생성하고 또한 각각의 상기 데이터 세트들 내에서의 상관관계들을 결정하기 위한 데이터 준비 스크린(700)의 일례를 도시한다. 상기 스크린(700)에서 'Data Preparation View' (tab 408) 및 변수 생성 보기(variable creation viewing) (셀 706)을 선택할 경우, 사용자에게는 변수 보기 스크린이 제시된다. 상기 생성된 변수들은 보기 옵션(viewing option)(탭 708)을 이용하여 보일 수도 있다.

본 예에서, 데이터 품질 분석 및 탐색적 데이터 분석이 데이터의 품질을 검증하기 위해 수행된다. 상기 예시된 예에서, 품질 확인이 수행되고 또한 그 데이터는 이상점(outlier)들과 누락된 값들이 없는 분석적 형태로 결정된다. 어떤 예들에서는, 상기 데이터는 '데이터 품질 분석(Data Quality Analysis)'(탭 410)을 이용하여 처리된다. 상기한 'Data Quality Analysis'(탭 410)에 의해 안내되는 단계들에 후속하여, 사용자는 '탐색적 데이터 분석(Exploratory Data Analysis)' 탭(412)으로 안내된다.

도 8은 예시적인 실시 예에 따른, 데이터 세트 동작들을 용이하게 하기 위한 탐색적 데이터 분석(Exploratory data analysis) 스크린(800)의 일례를 도시한다. 본 예에서, 상기한 탐색적 데이터 분석 탭(412) 및 이변량분석(bivariate analysis) 탭(옵션 802)이 선택되고, 상기 사용자에게는 수치 변수들(804), 변수에 대한 옵션들(806) 및 리포트들(808)이 제시된다.

상기 예시된 실시 예에서, 탐색적 데이터 분석 탭(412)은 사용자가 상기한 '플래그들'과 다른 변수들 사이의 관계를 결정하고 검증하도록 안내한다. 상기 플래그들은 고객에 의해 구매된 워크스테이션을 나타낸다.

예시된 일 실시 예에서, 상기 시스템(100)의 분석 모듈(106)은 데이터 세트의 변수들을 통한 데이터 분석을 용이하게 해준다. 탐색적 데이터 분석(탭 412)에 있어서의 변수 프로세싱은 어느 한 변수에서의 다른 값들에 기초한 수치적, 스트링 및 수동적 범주화(categorization)로의 변수들의 이름 바꾸기(renaming) 및 분류(classification)와 같은 데이터 프로세싱 단계들을 포함한다. 부가적으로, 그것은 카테고리 인디케이터들(categorical indicators), 이벤트 인디케이터들(event indicators), 비닝(binning), 애드 스톡 변수들(ad stock variables), 래그/리드 변환(lag/lead transformations), 이동 평균 등을 포함하는 새로운 변수들의 생성을 또한 포함한다.

탐색적 데이터 분석(탭 412)의 다른 기능으로서는 분석 데이터 세트의 시각적 표현, 어느 한 변수에서의 고유의 값들의 카운트, 및 통계적 요약(806)을 갖는 데이터 요약(data summary)을 제공하는 것이 포함된다(그러나 이것에만 한정되는 것을 아니다). 계속해서, 데이터 탐색은 또한 상기한 탐색적 데이터 분석(탭 412)을 이용하여 수행될 수도 있다. 또한, 사용자는 '리포트 보기(report viewing)' 탭(812)을 선택하여 빈도 분석(frequency analysis)과 같은 다른 분석 리포트들과 함께 차트와 같은 시각적 데이터 표현을 포함하는 리포트들을 볼 수도 있다.

예시적인 일 실시 예에 있어, 상기 프로세서(114)는 상기한 탐색적 데이터 분석을 수행하여 단변량(univariate), 다변량(multivariate), 누락(missing), 이상점(outlier) 및 변환(transformation) 처리를 위해 데이터를 처리한다는 것을 유념하여야 할 것이다. 예시적인 일 실시 예에서, 상기한 탐색적 데이터 분석(탭 412)은 분석 데이터 세트를 위한 단변량 및 이변량 분석을 수월하게 가능하게 한다. 예시적인 일 실시 예에서, 정량(예컨대, 통계적) 분석이 상기한 분석 데이터 세트에 대해 수행된다. 본 예에서, 단변량 분석은 위치의 측정, 분산(dispersion)의 측정, 정규성 테스트(normality tests), 분포(distribution), 백분율 값, 및 이들의 조합과 같은 속성들을 포함한다(그러나 이것들에만 한정되지는 않음). 또 다른 예시적인 실시 예에 있어서, 다변량 분석이 상기한 분석 데이터 세트에 대해 수행된다. 상기한 이변량 분석은 하나 또는 다수의 통계적 속성들에 관한 변동(variation)을 결정하는 것을 포함한다.

상기한 분석 동작들 동안에 생성된 리포트들(서브-스크린 808에 도시된 것과 같은)은 도 1의 엔터프라이즈 메모리(110)에 저장된다. 상기 저장된 리포트들은 어느 시점에서도 사용자에 의해 접근이 될 수가 있다. 일단 데이터가 준비되고 조건이 설정되고 나면, 사용자는 워크플로우의 모델링 단계와 같은 안내형 분석 워크플로우의 다음 단계로 안내될 수도 있다.

도 9는 예시적인 일 실시 예에 따른, 모델들을 생성하기 위한 모델링 스크린(900)의 일례를 도시하고 있다. 사용자가 모델링 옵션(탭 418)을 선택할 때, 스크린 상에서는 모델링 기법들이 디스플레이된다. 다시 한번, 모델링 가이드와 같은 자원들은 상기 정의된 문제에 대하여 적합한 모델링 기법에 관하여 사용자에게 도움을 제공한다.

각각의 모델링 기법(칼럼 902)은 'What it does' (칼럼 904), 'When is it used (칼럼 906)', 'Assumptions/Prerequisites' (칼럼 908) 및 'Business examples' (칼럼 910) 같은 세부항목들을 포함한다. 본 예에서, 상기한 모델링 기법들은 참조 번호들 902-A 내지 902-N에 의해 표현된다. 모델링 기법들의 예는 'Linear Regression'(902-A), 'Logistic Regression'(902-B), 'Multi-logistic regression'(902-C), 'General Linear Modeling'(902-D), 'Generalize Liner Modeling'(902-E), 또는 그들의 조합을 포함한다. 상기한 모델링 기법들 각각의 기능은 칼럼(904)에 예시되며, 또한 그것들은 참조 번호들 904-A 내지 904-N에 의해 표현된다.

예를 들면, 선형 회귀 모델링 기법(linear regression modeling technique)에 대하여, 상기한 칼럼(904-A)은 선형 회귀 모델의 기능을 제공한다. 부가하여, 모델링 가이드(900)는 특정한 모델이 사용될 수도 있는 상황들에 대한 정보를 제공한다(칼럼 906). 예를 들면, 선형 회귀 모델링(904-A)에 대하여, 셀 906-A는 종속 변수가 연속적이고, 선형 회귀 모델이 사용될 수도 있는 경우에 대한 정보를 포함한다. 또한, 각 모델에 대한 가정/전제조건(presumption/prerequisites)들은 칼럼 908에 도시되어 있다. 부가적으로, 비즈니스의 예들은 칼럼 910에 도시되어 있고, 또한 열(row) 910-A 내지 910-N에 기술되어 있다. 초기의 분석 단계에 후속하여, 사용자는 모델링 탭(418)으로 안내된다.

예시적인 일 실시 예에 있어서, 스크린(900)에 도시된 것과 같은 상기한 모델링 가이드는 사용자에 의해 지정된 문제에 대한 하나 또는 다수의 해결책들을 나타내는 하나 또는 다수의 모델들을 생성하는 데에 사용자에게 도움이 된다. 예를 들어, 상기한 모델링 가이드는 회귀 기법들을 이용하여 심층적인 분석을 제공할 수도 있다. 일례를 들면, 모델들은 분석 데이터 세트의 평균, 분산(variance) 및 공분산(co-variance)에 기초하여 생성된다.

도 10은 예시적인 실시 예에 따른, 교차 판매 분석의 비즈니스 문제에 대한 고객들의 예측(prediction) 및/또는 활성화(activation)를 예시하는 모델링 안내 스크린(1000)의 일례를 도시한다. 'Modeling' 탭(418)을 선택할 경우, 스크린 상에는 여러 개의 모델링 기법들이 표시된다. 더욱이, 특정 모델링 기법이 실행되는 것을 선택할 경우, 그 스크린(1000)이 사용자에게 제시된다. 상기 스크린(1000)은 분석을 위한 처리 과정 및 데이터 세트에 대한 세부항목들과 입력들을 제공한다. 본 예에서, 로지스틱 회귀분석(logistic regression) 기법이 선택된다.

도 10에 도시된 워크플로우는 사용자에게 모델링을 위한 단계들을 이해하기 위한 가이드를 제공한다. 사용자는 옵션 1002를 이용하여 분석을 위한 데이터 세트 및 처리 과정을 선택할 수도 있다. 또한, 상기 모델에 대하여 필요한 독립 변수들은 옵션 1004를 이용하여 선택된다. 상기한 독립 변수들은 드래그(dragged) 되어 윈도우 1006에 놓인다. 상기 필요한 등급 변수(class variable)들과 같은 기타 변수들은 드래그 되어 윈도우 1008에 놓임으로써 상기 등급 변수에 대한 파라미터화(parameterization) 방법을 지정하고 기준 변수를 선택하도록 할 수도 있다.

게다가, 사용자는 옵션 윈도우 1010을 이용하여 모델 출력 옵션들(Model Output Options)과 부가적인 옵션들(Additional Options)을 선택한다. 또한, 사용자는 'Build Model' 옵션(tab 1012)을 이용하여 모델을 구축하기를 진행할 수도 있다. 이러한 모델은 전술한 교차 판매 분석과 같은 비즈니스 문제에 대해 하나 또는 다수의 해결책들을 제공하도록 활용될 수도 있다.

어떤 예에서는, 상기 안내형 분석 시스템(100)은 문제 해결을 위한 안내형 분석 체계 내에서 여러 경우의 모델들을 위한 스코어링 구조(scoring mechanism)를 포함하고 있다. 상기 시스템(100)은 사용자가 상기 안내형 분석 워크플로우에 의해 생성되고 활용되는 하나 또는 다수의 모델들에 점수를 부여하는 것을 가능하게 한다. 일례로서, 사용자는 각각의 비즈니스 문제를 위한 모델을 선택할 수도 있다. 예를 들면, 선형 모델, 로지스틱 모델(logistic model), 일반화 선형 모델(generalized linear model: GLM) 등과 같은 하나의 모델을 선택하도록 드롭-다운(drop-down) 리스트가 사용자에게 제공될 수도 있다. 또한, 사용자는 그 모델에 대하여 필요한 대로 데이터 세트들을 선택하고 그 데이터 세트를 검증할 수도 있다. 사용자에게는 또한 수정 옵션(modify option)이 제공되어 어떤 모델에 관하여 득점을 수정할 수 있도록 해준다.

도 11은 예시적인 실시 예에 따른, 상기 시스템(100)의 사용자에 의해 선택된 로지스틱 회귀(Logistic Regression)(1102) 스크린에 대한 세부항목들을 갖는 스크린(1100)에 대한 세부항목들을 표시하는 모델링 스크린(1000)의 일례를 도시한다. 상기 스크린(1100)은 체크리스트(1104)와 같은 워크플로우 자원들을 사용자에게 제시한다. 상기 체크리스트(1104)는 모델을 생성하기 위하여 사용자가 참조할 수도 있는 최선의 업계 관행들의 세트와 같은 가이드라인을 포함할 수도 있다. 예를 들면, 상기 체크리스트는 파라미터에 대한 다중 공선성(multi-collinearity) 검사를 포함할 수도 있다. 상기한 모델은 체크리스트에 따른 변수들로써 구축된다. 상기한 스크린(1100)은 또한 사용자에 의해 선택될 다양한 모델 출력 옵션들(1106)을 제공한다.

도 12는 예시적인 실시 예에 따른, 하나의 모델을 위한 반복 및 체크 포인트들의 세부사항을 사용자에게 제시하는 스크린(1200)의 일례를 도시한다. 예시된 바와 같이, 참조 번호(1202)에 의해 표현되는 것과 같은 복수의 반복들이 상기 안내형 분석 워크플로우의 여러 가지의 단계들에 대해 수행될 수도 있으며, 그러한 반복에 관련된 데이터는 도 1의 엔터프라이즈 메모리(110)에 저장된다.

일례로서, 상기한 드롭-다운(1202)은 다수의 반복 회수들을 예시하고 있다. 일단 사용자가 그 드롭-다운(1202)에서 특정 반복 회수를 선택하고 나면, 각각의 반복 값에 대한 모델 통계가 서브-스크린(1203)을 통해 사용자에게 제공된다. 본 예에서, 반복 회수 4에 대하여, 상기 모델 통계는 변수들의 수에 대하여 16의 값을 포함한다. 마찬가지로, 상기 드롭-다운(1202)으로부터 선택된 각각의 반복에 대한 MAPE 및 R-제곱, 관찰 횟수, 변수들의 수에 대한 통계 값들과 같은 다른 통계적 정보가 '모델 통계(Model Statistics)' 서브-스크린(1203)을 통해 디스플레이될 수도 있다. 또한, 각각의 반복들(예컨대, t-값, p-값, VIF 값 등)에 대하여 각 변수에 관련된 통계가 서브-스크린(1205)을 통해 사용자에게 제시된다. 또한, 만일 상기 변수들의 값들이 일정 범위에서 벗어난다면, 경고 수단이 활용될 수도 있다. 예를 들어, 만일 p-값(참조 번호 1204로 표현되는)이 지정된 범위에서 벗어나면, 사용자에게 경고가 제공되어 적절한 변화를 주도록 할 수도 있다. 어떤 실시 예들에서는, 상기한 반복은 이전의 반복에 기초하여 변화를 가하거나 또는 어떤 변수들을 제거함으로써 수행될 수도 있다.

전술한 바와 같이, 상기 안내형 분석 시스템(100)은 비즈니스 문제를 해결하기 위한 반복형(iterative) 분석 워크플로우의 실행을 용이하게 가능케 해준다. 상기한 반복형 분석 워크플로우의 각각의 반복을 위한 관련 및/또는 생성되는 데이터는 저장되며, 또한 상기 시스템의 사용자들에 의해 접속되고 공유될 수도 있다. 어떤 예시적인 실시 예에서는 다수의 반복 과정들에 걸쳐서 생성된 출력 데이터가 활용되어 전체적인 문제 해결 과정을 자동화하도록 할 수도 있다.

도 13a 내지 13l은 예시적인 실시 예에 따른, 비즈니스 문제 해결 프로젝트와 같은 프로젝트의 업무 자동화(job automation)를 예시하는 스크린(1300-A 내지 1300-L)의 예들을 도시한다. 도 13a는 예시적인 실시 예에 따른 비즈니스 문제 해결 프로젝트와 같은 프로젝트의 업무 자동화를 예시하는 스크린(1300-A)의 일례이다. 상기 스크린(1300-A)은 한 프로젝트에서 실행되는 특정한 워크플로우의 자동화를 위한 '업무 자동화(job automation)' 탭(1302)을 포함한다. 도시된 바와 같이, 사용자에게는 업무 자동화를 위한 프로젝트(탭 1304)를 생성하기 위한 옵션이 제공된다.

예시적인 일 실시 예에 있어서, 상기 프로젝트는 문제 해결을 위해 실행되는 하나 또는 다수의 단계들을 갖는 안내형 분석 워크플로우를 포함한다. 예를 들면, 상기한 안내형 분석 워크플로우의 단계들은 데이터 준비, 데이터 품질 분석, 탐색적 데이터 분석, 시각화, 및 수행될 수도 있는 세분화(segmentation)를 포함할 수도 있다. 더욱이 이러한 단계들 각각에 관련된 데이터는 상기한 엔터프라이즈 메모리(110), 또는 시스템(100)의 사용자들에 의해 접속될 수도 있는 다른 저장 공간에 저장된다. 사용자는, 이전의 반복에 대한 데이터가 일단 이용 가능하면, 안내형 분석 워크플로우의 실행을 자동화할 수도 있다. 상기한 업무 자동화는 입력 데이터 세트들의 다양한 변수들과 다수의 데이터 세트들에 대한 워크플로우의 실행을 용이하게 가능케 할 수도 있다.

도 13b는 예시적인 일 실시 예에 따른 프로젝트의 업무 자동화를 위한 프로젝트 설정의 세부항목들을 예시하는 스크린(1300-B)의 일례이다. 본 예에서, 상기한 프로젝트 설정은 기존의 서버들로부터 데이터세트를 들여오는 옵션들 또는 상기 프로젝트에 대한 새로운 데이터 세트를 추가하는 것을 포함한다. 일례를 들어, 상기 데이터 세트는 다양한 데이터 포인트들을 갖는 비즈니스 문제와 연관될 수도 있는 입력 변수들을 포함한다. 사용자가 메뉴에서 '프로젝트 설정(project setup)' 옵션(탭 1306)을 선택할 때, 사용자에게는 데이터 세트(1308)를 추가하고 데이터 세트(1310)를 선택하는 옵션이 제시된다. 사용자는 원하는 데이터 세트(1312)를 선택하여 상기 프로젝트에 대한 데이터 세트를 들여올 수도 있다.

도 13c 내지 도 13d는 예시적인 실시 예들에 따라 도 13b의 데이터 세트(1312)와 같은 선택된 데이터 세트에 대하여 탐색적 데이터 분석을 예시하는 스크린들(1300-C 및 1300-D)의 예이다.

상기한 데이터 준비, 데이터 품질 분석 및 탐색적 데이터 분석은 데이터 세트 동작들, 변수 프로세싱, 데이터 탐색 및 데이터 세트를 위한 처리를 가능하게 한다. 본 예에서, 사용자는 데이터의 품질을 검증하기 위해 데이터 품질 분석을 수행하는 것을 선택한다. 일례로서, 사용자가 'Exploratory data analysis' 탭(1314)을 선택할 때, 사용자에게는 분석을 위한 여러 가지의 옵션들이 제시된다. 예를 들면, '단변량 분석(univariate analysis)' 1316-A, '빈도 및 속성 분석(frequency and property analysis)' 1316-B, '이변량 분석(bivariate analysis)' 1316-C, '프로파일링(profiling)' 1316-D, '진보형 활성화(vitalization advanced)' 1316-E, '교차 탭들(cross tabs)' 1316-F, 상관관계( correlation)' 1316-G, '타임 시리즈(time series)' 1316-H, '가정 테스팅(hypothesis testing)' 1316-I 및 유클리드 거리 결정(Euclidean distance making)' 1316-J 과 같은 옵션들이 사용자에게 제시된다. 상기 스크린(1300-C)은 분석 데이터 세트에 대해 수행된 단변량(탭 1316-A) 분석을 예시한다. 탐색적 데이터 분석(탭 1314)의 다른 기능들은 '리포트 생성(report generation)' 탭(1318)을 선택함으로써 분석 데이터 세트의 시각적 표현, 한 변수에서 고유의 값들의 카운트 및 광범위한 옵션들을 갖는 통계적 요약으로써 데이터 요약(data summary)을 제공하는 것을 포함한다. 도시된 바와 같이, 수치 변수들(탭 1320)이 데이터 구성 및 분석을 위한 다양한 옵션들(탭 1322)과 함께 사용자에게 디스플레이된다.

또한, 상기 리포트들(탭 1324)은, 스크린(1300-C)에 예시된 바와 같이, 임의의 시점에서 사용자에 의해 생성, 저장 및 접속될 수도 있다. 사용자는 리포트 보기 탭(1326)을 사용하여 상기 리포트들을 볼 수도 있다. 일례로서, 리포트는 사용자에 의해 보일 수 있는 선택된 변수들에 대하여 타임 시리즈 구성도(time series plot)(1332), 일반성 구성도(generality plot)(1328) 및 정규성 구성도(normality plot)(1330)와 같은 여러 가지의 구성도들을 포함할 수도 있다. 또한, 상기한 일반성 구성도(1328)와 같은 이러한 구성도들을 선택할 경우, 사용자는 박스 구성도(box plot)(1328-A) 및 실행 순서 구성도(Run Sequence Plot)(1328-B)와 같은 다른 구성도들을 볼 수가 있다. 따라서, 사용자에게는 데이터 세트에 대해 상기 생성된 리포트들을 보는 다수의 옵션들이 제공된다.

상기한 리포트들은 상이한 데이터 세트들 또는 유사한 데이터 세트들에 대해 생성될 수 있다. 일례를 들면, 다수의 리포트들이 두 가지 방식으로 접근될 수 있다. 리포트에 접속하는 하나의 방식은 상기 리포트들(탭 1324)을 이용하는 것이다. 사용자가 그 리포트들(탭 1324)에 존재하는 리포트에 대해 클릭할 때, 스크린(1300-D)이 사용자에게 제시된다. 리포트에 접속하는 또 다른 방식은 스크린(1300-D)에 예시된 것과 같이 리포트 보기(Report Viewing) 탭(1326)을 사용하는 것이다. 드롭-다운(1325)은 사용자가 상이한 리포트들에 걸쳐서 스위칭하는 것을 가능하게 한다. 본 예에서, 사용자는 상기 드롭-다운(1325)에서 리포트 R1을 보는 것을 선택하였다. 상기 리포트 R1은 매출(revenue), 용처(usage)_L1, 및 용처_L2와 같은 변수들(1327)에 대해 생성된다. 본 예에서는, 상기 리포트 R1에 대한 박스 구성도(1328-A) 및 실행 순서(Run Sequence) 구성도(1328-B)가 도시되어 있다.

전술한 안내형 분석 시스템(100)은 사용자가 반복적인 디스커버리 메커니즘을 이용하여 하나의 문제를 해결하기 위한 하나 또는 다수의 분석 워크플로우를 발견하는 것을 가능하게 한다. 사용자는 문제를 해결하기 위한 적절한 분석 워크플로우를 생성, 편집, 삭제 및 선택하는 것이 허용된다. 전술한 바와 같이, 상기한 분석 워크플로우는 하나 또는 다수의 단계들을 포함하며, 이것들은 문제 해결을 위해 실행된다. 예를 들어, 안내형 분석 워크플로우의 상기 단계들은 데이터 준비, 데이터 품질 분석, 탐색적 데이터 분석, 시각화, 및 실행될 수도 있는 세분화(segmentation)를 포함할 수도 있다.

일례로서, 상기한 하나 또는 다수의 워크플로우의 반복이 캡처되어(captured) 도 1의 엔터프라이즈 메모리(110)에 저장된다. 상기 안내형 분석 시스템(100)의 반복적인 디스커버리 메커니즘은 사용자가 이전의 반복에 기초하여 최적의 분석 워크플로우를 결정하는 것을 가능하게 해준다.

예를 들면, 사용자는 데이터 준비와 같은 분석 워크플로우의 단계를 수행하고, 이어서 그 분석 워크플로우의 다음 단계로 계속 진행하여 탐색적 데이터 분석을 수행할 수도 있다. 사용자는 상기한 탐색적 데이터 분석 단계에서 여러 가지의 리포트들을 생성할 수도 있다. 다수의 반복에 대해 상기 생성된 리포트들에 기초하여, 사용자는 상기한 분석 워크플로우를 수정하거나 또는 적절한 단계들을 선택함으로써 새로운 분석 워크플로우를 생성할 수도 있다. 예를 들면, 사용자는 상기한 데이터 준비 단계를 선택하거나 또는 버릴 수도 있고, 또한 분석 워크플로우를 생성하기 위해 탐색적 데이터 분석에서 최적 리포트를 선택할 수도 있다.

전술한 바와 같이, 상기 안내형 분석 워크플로우의 다수의 단계들 각각에 관련된 체크리스트와 같은 워크플로우 자원들은 그 워크플로우의 실행 내내 사용자를 안내한다. 또한, 상기 안내형 분석 시스템(100)의 반복적인 디스커버리 메커니즘은 상기한 다수의 분석 모듈들 중의 하나 또는 다수의 모듈들의 활용 및/또는 비-활용에 대하여 사용자를 안내한다. 상기 분석 워크플로우의 반복적 디스커버리 메커니즘의 과정은 상기한 다수의 분석 모듈들 내에서 또는 상기한 다수의 분석 모듈들 전체에 걸쳐서 반복적이다. 여러 번의 반복 후에, 사용자는 문제를 해결하기 위해 수행 및 실행할 최적의 체계적인 분석 워크플로우를 찾아내고 그것을 최종적으로 할 수도 있다.

어떤 예시적인 실시 예들에서는, 사용자는 상기한 분석 워크플로우의 하나 또는 다수의 단계들이 실행될 때 임의의 시점에서 프로젝트 워크플로우를 볼 수도 있다. 도 13e는 예시적인 일 실시 예에 따른 임의의 시점에서 '프로젝트 워크플로우(project workflow)' 보기 옵션들을 예시하는 스크린(1300-E)의 일례이다. 사용자는 탭 1334를 사용하여 프로젝트 워크플로우를 보는 것을 선택할 수도 있으며, 또한 그 시점에서 프로젝트 워크플로우를 갖는 팝-업(pop-up) 스크린(1336)이 사용자에게 제시된다. 본 예에서 이해될 수 있듯이, 상기한 프로젝트 워크플로우는 데이터 세트의 추가(도 13b에 기술된 바와 같은) 및 상기 스크린(1336) 상에 디스플레이되는 단변량 분석(도 13c에 기술된 바와 같은)에 의한 탐색적 데이터 분석을 포함한다.

도 13f는 예시적인 실시 예에 따른, 데이터 세트에 대한 세분화(segmentation) 동작을 예시하는 스크린(1300-F)의 일례이다. 본 예에서, 세분화(탭 1338)는 사용자에게 '클러스터링 옵션들(clustering Options)'(1344) 및 수치 변수들(탭 1342)의 세부 항목들을 갖는 클러스터 생성(탭 1340)과 같은 다른 옵션들을 제시한다. 그러한 단계들에 관련된 모든 데이터는 엔터프라이즈 메모리(110)와 같은 저장소에 저장된다.

전술한 바와 같이, 사용자는 비즈니스 문제를 해결하기 위한 프로젝트를 생성할 수도 있으며, 또한 상기 문제를 해결하기 위해 실행되는 안내형 워크플로우의 단계들의 각각에 관련된 데이터가 저장된다. 상기 안내형 워크플로우의 단계들 중의 몇몇은 도 13a-13f에 관하여 설명된다. 상기 안내형 워크플로우의 하나 또는 다수의 단계들은 반복되며 그 반복들 각각과 관련된 데이터는 저장될 수도 있음을 유념하여야 할 것이다. 어떤 예들에서는, 상기 워크플로우의 실행은 상이한 변수들과 데이터 세트들에 대해 이전의 반복에 기초하여 자동화될 수도 있다.

도 13g는 예시적인 실시 예에 따른 프로젝트의 업무 자동화를 예시하는 스크린(1300-G)의 일례이다. 사용자는 '업무 자동화(Job Automation)' 탭(1346)을 이용하여 프로젝트의 업무 자동화를 개시할 수도 있다. 본 예에서 사용자는 탭(1348)을 이용하여 그 프로젝트가 자동화되는 것을 선택할 수도 있으며, 그러면 상기 프로젝트에 저장된 단계들은 업무 자동화 모드에서 실행될 것이다. 사용자는 탭(1350)을 이용하여 프로젝트를 로딩할 수도 있고, 또한 탭(1352)를 이용하여 그 프로젝트를 삭제할 수도 있다.

예시적인 실시 예에 있어서, 일단 사용자가 탭(1346)을 이용하여 업무 자동화 옵션을 선택하면, 도 13h의 또 다른 스크린(1300-H)이 사용자에게 제시된다. 도시된 바와 같이, 사용자는 버튼(1352)(from Project)을 클릭함으로써 드롭-다운 메뉴(1354)에서 어느 특정한 프로젝트를 선택할 수도 있다. 상기한 업무 자동화 스크린(1300-F)은 사용자에게 'define job' (1356), 'verify job' (1358), 'apply job' (1360), 'execute job' (1362) 등과 같은 옵션들을 제시한다. 어떤 예에서는, 사용자는 탭(1364)를 이용하여 데이터 세트들을 상기 선택된 프로젝트에 맵핑할 수도 있다.

도 13i는 예시적인 실시 예에 따른 업무 자동화와 연관된 작업들을 예시하는 스크린(1300-I)의 일례이다. 상기 스크린(1300-I)은 자동화를 위하여 상이한 작업들(1366)을 정의하기 위해 활용될 수도 있다. 예를 들어, 현재의 프로젝트는 선택된 데이터 세트들에 대해 실행될 수도 있는 세분화 단계, 단변량 분석, 및 데이터 세트들의 추가와 같은 작업들을 포함한다. 상기와 같이 정의된 작업들은 그 프로젝트의 업무 자동화의 일부로서 실행될 수도 있다.

도 13j는 예시적인 실시 예에 따른 업무 자동화와 연관된 작업들의 검증을 예시하는 또 다른 스크린(1300-J)의 일례이다. 도시된 바와 같이, 사용자는 탭(1358)을 이용하여 작업들을 검증(verify) 및/또는 맞춤형으로(customized) 만들 수도 있으며, 그 다음에는 탭(1368)을 이용하여 선택된 데이터 세트에 그 작업을 적용할 수도 있다. 도 13k는 예시적인 실시 예에 따른 업무 자동화의 실행을 예시하는 스크린의 예이다. 도시된 바와 같이, 상기 스크린(1300-K)은 프로젝트의 다양한 작업들 및 그 작업들과 연관된 서브-모듈들을 갖는 모듈들을 제시한다. 상기 탭(1370)으로써, 사용자는 하나 또는 다수의 데이터 세트들에 대해 프로젝트에 저장된 작업들/단계들의 실행을 개시할 수도 있다. 상기한 다양한 작업들의 실행의 상태는 예시적인 스크린(1300-L)에서 볼 수 있는 것과 같이 사용자에게 제시된다. 팝-스크린(1372)는 상기 작업들의 각각의 상태를 보여주고 사용자에게 그 결과를 제시한다.

도 1에서 전술한 바와 같이, 예시적인 일 실시 예에서, 상기 워크플로우 엔진(108)은 상기 안내형 분석 워크플로우의 다수의 단계들 중의 하나 또는 다수에 대하여 상기 안내형 분석 시스템(100)의 분석 모듈(106), 데이터 준비 모듈(104) 및 정의자 모듈(102) 사이와 같은 여러 가지의 모듈들 사이에서의 교차-모듈 상호작용을 용이하게 가능하게 한다. 또한, 상기 안내형 분석 워크플로우의 다수의 단계들의 각각에 대해 생성 및/또는 활용되는 데이터는 상기 엔터프라이즈 메모리(110)에 저장된다. 그러한 데이터는 상기 안내형 분석 시스템(100)의 여러 기능들에 걸쳐서 확장될 수도 있다는 것을 유념하여야 할 것이다. 예시적인 일 실시 예에서, 상기 모듈들 간의 교차-모듈 상호작용은 저장된 데이터의 활용을 촉진함으로써 안내형 분석 시스템(100)의 효율을 향상시킨다. 특히, 상기한 교차-모듈의 상호작용은 각 기능에 걸쳐서 데이터/메타데이터(metadata)의 레버리징(leveraging) 및 임의의 다른 기능에 걸쳐서의 그것의 활용을 가능하게 하는 것을 용이하게 해준다. 예를 들면, 상기 워크플로우 엔진(108)은 상기 안내형 분석 워크플로우의 다수의 단계들의 각각에서 사용자가 견해(remarks)를 기록하고, 나중의 어느 시점에서 필요 시에는 언제나 그것들을 참조하는 것을 용이하게 만들어 준다.

하나 또는 다수의 예시적인 실시 예들에서, 그러한 견해들은 상기 안내형 분석 시스템(100)에 의해 실행되는 하나의 문제 해결 사이클 동안에 활용되는 변수들에 해당할 수도 있다. 또한, 사용자는 그 견해가 안내형 분석 워크플로우의 모델링 또는 분석 단계에서 생성되는지의 여부와 같은 견해의 발생 원인을 기록할 수도 있다. 하나 또는 다수의 예시적인 실시 예들에 있어서, 반복적으로 필요한 데이터 세트 또는 변수에 관련한 메타데이터는 캐시(cache)와 같이 유지된다. 이것은 메타데이터에 대해 빠른 접속을 가능하게 한다.

도 14a는 예시적인 실시 예에 따른 도 1의 안내형 분석 시스템(100)의 여러 가지의 모듈들 간의 교차-모듈 상호 작용을 용이하게 하기 위한 입력 캡처(capture) 메커니즘을 예시하는 스크린(1400-A)의 예를 도시하고 있다. 일례를 들면, 상기 시스템(100)에 의해 실행되는 안내형 분석 워크플로우의 단계들의 각각에 있어서, 상기 입력들은 우측 클릭 기능을 이용하여 캡처될 수도 있다. 그러나 다른 적절한 기술이 활용될 수도 있다. 예를 들면, 데이터 품질 분석 중에, 특정한 변수, 또는 데이터 세트에서 우측 클릭을 하면, 참조번호 1402에 의해 표현되는 것과 같은 여러 가지의 옵션들이 사용자에게 제시된다. 예를 들면, 변수에 관련된 옵션들(1402)은 'concentration', 'outlier', 'missing', 'distribution' 등을 포함할 수도 있다. 사용자는 기록을 위한 옵션을 선택할 수도 있다. 그 다음으로는, 사용자는 이전의 사용자의 선택에 기초하여 후속적인 옵션들이 제공될 수도 있다. 예를 들어, 더한층 우측 클릭 시에는 'Too high', 'Normal', 'Low', 'custom' 등과 같은 옵션들을 포함하는 전후관계 상의 메뉴(1404)가 보이게 된다. 참조 번호 1404에 의해 표시되는 것과 같은 상기 옵션들은 어떤 기능에 대해 특정적이다. 예시적인 일 실시 예에서, 그러한 모든 사용자 선택은 하나의 기록이다.

도 14b는 예시적인 실시 예에 따른 도 1의 안내형 분석 시스템(100)의 여러 가지의 모듈들 사이의 교차-모듈 상호 작용을 용이하게 가능하게 하기 위하여 저장되는 데이터의 활용을 예시하는 스크린(1400-B)의 일례를 도시하고 있다. 상기 저장된 데이터는 견해들이 안내되는 기능들 내부에서 사용자에게 제시될 수도 있다. 부가적으로, 사용자는 기록된 데이터를 갖는 공동 저장소에서 상기 저장된 데이터를 접속할 수도 있다. 상기 예시된 실시 예에 있어서, 모든 테이블(1406)은 변수 이름을 나타내는 칼럼(참조 번호 1408에 의해 도시되는 것과 같은)을 갖는데, 이것은 각각의 변수에 관련된 견해들을 사용자가 보기 위한 터치 포인트로서 사용될 것이다. 스크린(1400-B) 상에 도시된 것과 같은 버튼(1410)을 이용함으로써 사용자에게는 이전에 기록되었던 모든 견해들이 제공된다. 어떤 실시 예들에서는, 상기한 견해를 갖는 팝-업 스크린(1408)은 사용자가 그 옵션들을 필터링 할 때 리스트의 크기를 간략하게 할 수 있는 체크-박스(참조 번호 1412-A 내지 1412-F에 의해 표현되는 것과 같은)의 형태로 된 필터 옵션을 포함할 수도 있다.

예시적인 실시 예에서, 상기한 교차-모듈 상호 작용은 또한 기록된 데이터의 지능형 조사(intelligence collation)를 가능하게 한다. 데이터는 상기 안내형 분석 워크플로우의 상이한 기능들에 걸쳐서 생성되고 소비되기 때문에, 예시적인 일 실시 예에 있어서, 상기 워크플로우 엔진(108)은 캡처 된 데이터를 조사한다. 예시적인 실시 예에서, 여러 가지의 필터들을 포함할 수도 있는 분리된 탭이 제공될 수도 있다. 상기 필터는 'User', 'Functionalities', 'Time', 'Importance level' 및 Navigation 과 같은 파라미터들에 관하여 생성된다. 따라서, 상기한 안내형 분석 시스템(100)에 의해 실행되는 안내형 분석 워크플로우의 다수의 단계들의 각각에 관련된 데이터를 저장하기 위하여 다양한 메커니즘들이 활용될 수도 있다. 바람직하게는, 그러한 데이터는 안내형 분석 워크플로우의 다른 관련된 단계들에서 활용되어 상기 시스템(100)의 효율을 향상시킨다.

하나 또는 다수의 예시적인 실시 예에서, 여기에 기술된 안내형 분석 시스템(100)은 상기 시스템(100)의 다수의 사용자들 간의 협동을 촉진한다. 상기 시스템(100)은, 다수의 사용자들이 하나의 프로젝트에 대해 동시에 작업을 하고 또한 상기 안내형 분석 워크플로우의 실행 중 생성된 다른 관련 데이터와 함께 분석 결과를 공유하는 것을 가능하게 한다. 상기 시스템(100)은 사용자들의 접속 제어를 가능하게 하도록 하나 또는 다수의 사용자들에 의해 동작이 될 수도 있다. 관리자는, 각 사용자에 의해 사용될 수 있는 기계들 또는 운영 시스템과 같은, 사용자들의 허가 레벨들을 통제할 수도 있다. 예시적인 일 실시 예에서, 사용자들의 협동은 '프로젝트 외부' 및 '프로젝트 내부'와 같은 상이한 레벨에서 처리될 수도 있다. 전술한 바와 같이, 하나의 비즈니스 문제 해결 사이클 동안에 생성된 출력 및 기타 데이터는 엔터프라이즈 메모리(108)에 저장되고 유지된다. 그러한 데이터는 사용자들에 의해 접속되며 상기한 비즈니스 문제 해결 사이클의 여러 경우의 단계들을 통해서 활용된다.

도 15a는 예시적인 실시 예에 따른, 탐색적 데이터 분석에 대해 작업하는 다수의 사용자들 사이의 협력관계를 예시하는 스크린(1500-A)의 예를 도시하고 있다. 이러한 예에서, 상기 시스템(100)은 참조 번호 1502에 의해 표현되는 것과 같은 2인의 사용자들에 대해 접속을 제공한다. 도시된 바와 같이, 각각의 '탐색적 데이터 분석'의 리포트들(1504)은 상기 2인의 사용자들에게 접근 가능하다. 추가하여, 다른 드롭-다운 옵션들(참조 번호 1506-C에 의해 표현되는 것과 같이)이 상기한 접속 제어에 기초하여 다른 사용자들의 리포트들을 통해 안내(navigate)하도록 사용자들에게 제공된다. 어떤 예시적인 실시 예들에서는 필터링 옵션이 사용자에게 제공되어 그 리포트들을 선택하고 볼 수 있도록 할 수도 있다. 덧붙여서, 사용자는 또한 그 리포트가 자신의 리포트들의 리스트에 추가되도록 현재의 리포트를 복사할 수도 있다.

도 15b는 예시적인 실시 예에 따른, 도 1의 안내형 분석 시스템에 의해 실행되는 안내형 분석 워크플로우의 모델링 단계 중에 다수의 사용자들 간의 협동관계를 예시하는 스크린(1500-B)의 예를 도시하고 있다. 이러한 예시적인 실시 예에서, 사용자에게는 상기 시스템(100)의 모델링 단계 중 다른 사용자들에 의해 수행되는 반복을 볼 수 있는 옵션이 제공된다. 본 예에서, 상기한 스크린(1500-B)은 두 사용자들(일반적으로는 참조 번호 1502에 의해 표현됨)에게 이용 가능한 특정한 모델의 반복 스크린이다. 이러한 예에서, 반복(1508)은 각각의 사용자에 대해 보이게 된다. 더욱이, 반복 드롭-다운(1510)은 선택된 사용자에 대한 동기화(synced) 된 반복들에 의해 실장(populated) 될 것이다. 어떤 예들을 들면, 사용자는 또 다른 사용자에 의해 수행되었던 반복에 대해 그 자신의 반복을 수행할 수도 있다. 또한, 특정한 반복들을 선택하기 위하여 반복 드롭-다운(1510)을 위한 필터가 활용될 수도 있다.

예시적인 일 실시 예에서, 상기 안내형 분석 시스템(100)은 다수의 사용자들 사이의 데이터의 동기화(synchronization)를 용이하게 가능하게 한다. 예시적인 일 실시 예에서, 상기한 동기화는 다른 사용자들에 의해 생성된 프로젝트 관련 내용과 같은 상기 시스템(100)에 의해 생성된 결과들 및/도는 출력들의 동기화를 포함한다. 또 다른 예에서는, 상기한 동기화는 다른 사용자들에 의해 생성된 메타데이터와 같은 주변 데이터의 동기화를 포함한다.

상기 동기화는 애플리케이션 레벨 동기화, 프로젝트 레벨 동기화, 또는 기능내(in-functionality) 동기화일 수도 있다. 상기한 안내형 분석 시스템(100)은 또한 모든 동기화 관련 동작들을 수집하기 위해 '동기화 이력(synchronization history)'의 생성을 가능하게 한다. 상기한 동기화 이력은 기능에 의해 또는 사용자에 의해 분류하는 것과 같은 상이한 관점을 가질 수도 있다. 부가적으로, 사용자들은 동기화 실패를 보기 위한 옵션들을 가질 수도 있다. 예시적인 실시 예에 있어서, 사용자는 상이한 사용자들에 의해 생성된 리포트들을 동기화할 수도 있다. 예를 들면, 한 사용자는 몇몇 사용자들 또는 모든 사용자들 전체에 대하여 리포트들을 선택적으로 동기화할 수도 있다.

상기한 동기화 동작은 안내형 분석 워크플로우의 실행의 다양한 단계들 중에 실행될 수도 있다. 도 15c는 예시적인 일 실시 예에 따른 모델링 동작에 대한 동기화를 예시하는 스크린(1500-C)의 일례를 나타내고 있다. 이러한 예에서, 사용자와 연관된 반복들은 트리 계층 구조(tree structure hierarchy)로 예시되며, 동기화 또는 비-동기화 반복의 반복 횟수들은 참조 번호 1512에 의해 표현된다. 여기서, 동기화 탭(1516)은 각 열의 끝에 배치되어 있다. 반복의 중요성(참조 번호 1514에 의해 표현되는)에 기초하여, 사용자는 반복의 동기화를 선택할 수도 있다. 어떤 예시적인 실시 예들에서는, 선택된 또는 모든 사용자들의 동기화를 위한 배치 모드(batch mode)가 실행된다.

예시적인 실시 예에 있어서, 상기 안내형 분석 시스템(100)은 하나의 프로젝트에 대해 동시에 작업을 하는 동안에 복수의 사용자들의 협력을 가능하게 해준다. 사용자들은 그 프로젝트에 대해 작업을 하면서 실시간으로 의사소통 및 협동을 수행할 수도 있다.

도 15d는 예시적인 실시 예에 따른, 도 1의 안내형 분석 시스템(100)에 의해 실행되는 안내형 분석 워크플로우의 모델링 단계에서 작업하는 동안의 다수의 사용자의 협동을 예시하는 스크린(1500-D)의 일례를 도시하고 있다. 예시적인 일 실시 예에서, 사용자는 워크플로우의 실행 중 생성된 상이한 출력에 대해 다른 사용자들에게 코멘트 및/또는 메시지를 전달한다(포스팅). 예를 들어, 사용자들은 출력으로 생성된 그래프 또는 결과치의 테이블(1518)에 대해 코멘트를 할 수도 있다. 사용자들은 어느 특정한 프로젝트의 다른 사용자들에게 실시간으로 메시지를 전송할 수도 있다.

예시적인 일 실시 예에서, 모든 또는 선택된 세트의 사용자들로부터의 코멘트가 수집되어 임의의 시점에서 그 사용자들 중의 임의의 사용자에 의해 참조될 수도 있다. 또 다른 예시적인 실시 예에서, 상기 시스템에 의해 생성된 자동 통보(automatic notifications)의 수집과 같은 업데이트들이 저장된다. 이러한 업데이트들은 상기 시스템(100)의 다른 사용자들이 볼 수도 있다.

전술한 바와 같이, 상기한 예시적인 실시 예들은 결정전문 과학자(decision scientist)들과 같은 분석전문가가 광범위한 비즈니스 문제들을 다루는 것을 가능하게 할 수 있는 통합형의 분석론-대-통찰력 구조를 제공한다. 상기한 안내형 분석 워크플로우는 사용자가 데이터 준비, 데이터 품질 분석, 탐색적 데이터 분석, 및 모델링과 같은 문제 해결의 다양한 단계들을 실행하는 것을 가능하게 하고, 이러한 단계들의 각각에 따라서 사용자를 안내한다. 또한, 예시적인 실시 예들은 문제 해결 단계들의 이전에 경험한 반복으로부터의 교훈에 기초하여 새로운 리포트들을 용이하게 반복하고 생성하는 능력을 제공한다.

또한, 상기한 안내형 분석 시스템은 통계적 결과들을 비즈니스 결과로 변환함으로써 분석적 및 비즈니스적 시각들을 일치시키도록 한다. 분석전문가는 비즈니스 측정 기준과 함께 상기한 분석적 해결책을 평가하여 그 비즈니스 문제에 대해 최적의 해법을 결정할 수도 있다. 상기 시스템은 전체적인 문제 해결의 행로에 대해 엔터프라이즈 메모리를 생성한다. 상기 엔터프라이즈 메모리는 그 문제 해결의 행로를 통해서 생성된 데이터와 리포트들을 저장한다. 이러한 엔터프라이즈 메모리는 복수의 이해관계자들과 접속 및 공유될 수도 있다.

도 16은 예시적인 실시 예에 따른, 다수의 가정들을 상기 생성된 리포트들 및 하나 또는 다수의 문제들과 맵핑하기 위한 '가정-분석 링크(Hypotheses-Analysis Linkage)'를 예시하는 스크린(1600)의 일례를 도시하고 있다. 예시적인 실시 예에서, 문제 정의 단계 탭(1602)에서의 상기한 가정 링크는 문제에 대한 기술을 상기한 분석과 연결한다(2011년 6월 22일자로 출원된 "System and method for formulating a problem"이라는 명칭의 미국특허출원 제13/166,251호 및 2013년 3월 28일자로 출원된 "Data Solutions System"이라는 명칭의 미국특허출원 제13/852,835호에 기술된 바와 같으며, 이것들의 전체 내용은 문헌참조로서 본 명세서에 통합됨). 상기한 문제 정의 단계에서 제안된 가정을 입증(proving) 및/또는 반증(disproving)하는 과정 중에 수행된 전체적인 분석은 적절한 분석에 연결된다.

도 17은 예시적인 실시 예에 따른, 비즈니스 문제와 연관된 구조화 및 비구조화 데이터 세트들을 통합하기 위한 텍스트 마이닝 스크린(1700)의 예를 도시한다. 사용자가 'Text Mining'(탭 420)을 선택할 경우, 텍스트 분류(text categorization)(탭 1704)에 관한 모델 빌딩 옵션이 스크린에 디스플레이된다. 상기 모델 빌딩(탭 1706)은 사용자에게 어느 한 모델을 생성하고 검증하는 것을 가능하게 해준다(버튼 1708을 사용하여). 모델 통계가 스크린(1710) 상에 디스플레이된다. 상기한 텍스트 분류(탭 1704)는 탐색적 분석의 결과에 기초하여 분석적 텍스트 세트의 다수의 모델들을 생성한다. 예시적인 일 실시 예에서, 상기 분석적 텍스트세트는 분류된 텍스트 세트 또는 비-분류된 텍스트 세트일 수도 있다. 상기 텍스트 분류는 기계 학습 모델들을 사용하여 모델 빌딩, 모델 진단, 예측 및 반복 이력과 같은 여러 가지 동작들을 수행한다.

따라서, 상기한 안내형 분석 시스템(100)은 분석론의 이용을 대중화하고 평가하여 복수의 비즈니스 문제들을 해결한다. 더욱이, 상기 시스템(100)은 효율적인 데이터 취급을 보장하고, 최선의 관례를 적용하며, 그리고 화이트 박스(white box) 환경에서 품질 검사를 실현함으로써 생산성을 향상시키고 통찰력 주기에 대해 분석을 촉진한다. 부가적으로, 상기 시스템(100)은 광범위한 비즈니스 문제들을 해결하기 위한 구조화된 문제 해결 접근방식을 마련한다.

여기에 기술된 상기한 안내형 분석 시스템(100)의 모듈들은 컴퓨팅 장치들에서 구현된다. 컴퓨팅 장치(1800)의 일례는 도 18에서 아래에 설명된다. 상기한 컴퓨팅 장치는 하나 또는 다수의 버스들(1808) 상에 하나 또는 다수의 프로세서(1802), 하나 또는 다수의 컴퓨터로 독출 가능한 RAM들(1804), 및 하나 또는 다수의 컴퓨터로 독출 가능한 ROM들(1806)을 포함하고 있다. 또한, 상기 컴퓨팅 장치(1800)는 오퍼레이팅 시스템들(1820) 및 안내형 분석 시스템(100)을 실행하기 위해 사용될 수 있는 유형의 저장장치(1810)를 포함한다. 정의자 모듈(102), 데이터 준비 모듈(104), 분석 모듈(106), 워크플로우 엔진(108), 엔터프라이즈 메모리(110) 및 리포팅 모듈(112)을 포함하는 상기 안내형 분석 시스템(100)의 다양한 모듈들은 상기한 유형의 저장장치(1810)에 저장될 수도 있다. 상기한 오퍼레이팅 시스템(1820)과 안내형 분석 시스템(100) 모두는 하나 또는 다수의 각각의 RAM들(1804)(캐시 메모리를 전형적으로 포함함)을 통해 프로세서(1802)에 의해 실행된다. 상기 프로세서(1802)에 의한 오퍼레이팅 시스템(1820) 및/또는 안내형 분석 시스템(100)의 실행은, 전술한 바와 같이, 상기 오퍼레이팅 시스템들(1820) 및/또는 안내형 분석 시스템(100)의 기능들을 수행하도록 구성된 특수한 목적의 프로세서로서 상기 프로세서(1802)를 구성한다.

저장장치(1810)의 예로서는 ROM(1806), EPROM, 플래시 메모리 또는 컴퓨터 프로그램 및 디지털 정보를 저장할 수도 있는 임의의 기타의 컴퓨터로 독출 가능한 유형의 저장장치와 같은 반도체 저장장치들을 포함한다.

컴퓨팅 장치는 또한 CR-ROM, DVD, 메모리 스틱 또는 반도체 저장장치와 같은 하나 또는 다수의 휴대용 컴퓨터로 독출 가능한 유형의 저장장치들(1828)에 읽기 및 쓰기를 수행하기 위한 R/W 드라이브 또는 인터페이스(1814)를 포함하고 있다. 또한, TCP/IP 어댑터 카드, 무선 Wi-Fi 인터페이스 카드, 또는 3G 또는 4G 무선 인터페이스 카드 또는 기타의 유선 또는 무선 통신 링크들과 같은 네트워크 어댑터들 또는 인터페이스들(1812)이 컴퓨팅 장치에 포함된다.

예시적인 일 실시 예에서, 상기한 정의자 모듈(102), 데이터 준비 모듈(104), 분석 모듈(106), 워크플로우 엔진(108), 엔터프라이즈 메모리(110) 및 리포팅 모듈(112)을 포함하는 상기한 안내형 분석 시스템(100)은 유형의 저장장치(1810)에 저장될 수도 있으며, 네트워크(예컨대, 인터넷, 근거리 통신망(LAN), 원거리 통신망(WAN) 등) 및 네트워크 어댑터 또는 인터페이스(1812)를 통해 외부 컴퓨터로부터 다운로드 될 수도 있다.

컴퓨팅 장치는 입력 및 출력 장치들과 인터페이스 하기 위한 장치 드라이버들(1816)을 더 포함한다. 상기 입력 및 출력 장치들은 컴퓨터 디스플레이 모니터(1818), 키보드(1824), 키패드, 터치 스크린, 컴퓨터 마우스(1826), 및/또는 기타의 적절한 입력 장치를 포함할 수도 있다.

일반적으로, 본 명세서 및 첨부한 특허청구범위(예컨대, 첨부한 청구항의 본체)에서 특히 사용된 용어들은 "개방형" 용어로서 사용되는 것을 총괄적으로 의도하는 것임을 당해 기술분야의 전문가라면 이해하여야 할 것이다(예를 들면, "~을 포함하는"이라는 용어는 "~을 포함하되 그것에만 한정되지는 않는"의 의미로 해석되어야 하며, "~을 갖는"이라는 용어는 "~을 적어도 갖는"이라는 의미로 해석되어야 할 것이며, "~을 포함한다"라는 용어는 "~을 포함하지만 그것에만 한정되지는 않는다"는 의미로 해석되어야 할 것이다). 만일 특정한 번호가 삽입된 청구항 인용이 의도된다면, 그러한 의도는 그 청구항에서 명시적으로 인용될 것이며, 그러한 인용의 부재 시에는 어떠한 그러한 의도도 존재하지 않는다는 것을 당해 기술분야의 전문가라면 이해하여야 할 것이다.

예를 들면, 이해하는 데에 도움을 주기 위하여, 후술하는 첨부한 특허청구범위는 청구범위 인용을 개재하기 위한 "적어도 하나의" 및 "하나 또는 다수의"와 같은 도입구의 사용을 포함할 수도 있다. 그러나 이러한 어구들의 사용이, 같은 청구범위가 "하나 또는 다수의" 또는 "적어도 하나의"와 같은 도입구들 및 부정관사들("a" 또는 "an" 같은)을 포함할 때조차도(예를 들면, "a" 및/또는 "an"은 "적어도 하나의" 또는 "하나 또는 다수"를 의미하는 것으로 해석되어야 한다), 그러한 부정관사("a" 또는 "an"과 같은)에 의해 청구범위 인용의 개재가 그렇게 개재된 청구범위 인용만을 포함하는 어떤 특정한 청구범위를 단지 그러한 인용을 포함하는 실시 예들로 한정한다는 것을 의미하는 것으로 해석되어서는 안 된다. 청구범위 인용을 도입하기 위해 사용되는 정관사들의 사용에 대해서도 같은 원리가 유효하게 유지된다. 부가적으로, 특정한 수가 개재된 청구범위 인용이 명시적으로 인용된다고 하더라도, 당해 기술분야의 전문가들이라면 그러한 인용이 적어도 그 인용된 수를 의미하는 것으로 해석되어야 한다는 것을 잘 인식할 수 있을 것이다(예를 들어, 다른 한정어가 없는 "둘(two)"의 단순한 인용은 "적어도 두 개"의 인용, 또는 "두 개 또는 그 이상의" 인용을 의미한다).

본 명세서에서는 다수의 실시 예들 중의 단지 어떤 특징들만 예시 및 기술되었지만, 수많은 수정 및 변형이 당해 기술분야의 전문가들에게 일어날 수 있을 것이다. 따라서, 첨부한 특허청구범위들은 발명의 개념들의 진실한 정신의 범위 내에 속하는 모든 그러한 수정 및 변형을 총망라하는 것으로 의도된다는 점을 이해하여야 할 것이다.

전술한 설명은 단지 예시적인 성격의 것으로서 그 개시, 그의 응용 또는 용도를 제한하는 것을 의도하지는 않는다. 그 개시의 광의의 교훈이 다양한 형태로 구현될 수도 있을 것이다. 따라서, 본 개시가 특정한 예들을 포함하고 있더라도, 그 개시의 진정한 영역은, 다른 변형이 도면, 명세서 및 후술하는 청구범위의 검토 시 명백하게 될 것이기 때문에, 그렇게 제한되어서는 안 될 것이다. 하나의 방법 내에서 하나 또는 다수의 단계들은 본 개시의 원리를 변경함이 없이도 다른 순서로(또는 동시에) 실행될 수도 있다는 것을 이해하여야 할 것이다. 또한, 예시된 실시 예들의 각각이 어떤 특징들을 갖는 것으로 위에서 기술되었지만, 그 개시의 어떤 예시된 실시 예에 관하여 기술된 그러한 특징들 중의 어떤 하나 또는 다수는, 설사 어떤 조합이 명시적으로 기술되지는 않았을지라도, 다른 실시 예들 중의 어떤 것의 특징들로써 구현되거나 및/또는 그것들과 조합될 수도 있을 것이다. 달리 설명하면, 상술한 예시적인 실시 예들은 상호 배타적인 것이 아니라, 하나 또는 다수의 예시적인 실시 예들의 상호간의 치환도 본 개시의 영역 내에서 유지될 것이다.

본 출원에서 제출된 특허청구범위들은 더 광범위한 특허 보호범위를 획득하기 위한 어떤 편견도 없는 공식화된 제안인 것으로 간주 된다. 본 출원인은 상세한 설명 및/또는 도면에서만 이전에 기술된 특징들의 또 다른 조합들을 권리로서 청구할 권한을 유보한다.

상기한 예시적인 실시 예들 또는 각각의 예시적인 실시 예는 발명의 개념들을 제한/한정하는 것으로 이해되어서는 안 될 것이다. 오히려, 수많은 변종들과 변형들이 본 개시의 전후 관계에서 가능할 것인바, 특히 명세서의 특정 일부 또는 전반적인 설명과 관련하여 기술되고 또한 청구범위들 및/또는 도면들에 포함되어 있는 개별적인 특징들 또는 구성요소들 또는 방법적인 과정들의 조합 또는 변화에 의해 예시적인 목적을 달성하는 것에 관련하여 당해 기술분야의 전문가에 의해 추정될 수도 있는 그러한 변종 및 조합들이 가능하며, 그리고 조합 가능한 특징에 의하여, 제조, 시험 및 동작 방법들에 관한 한 그들을 포함하여 새로운 방법상의 과정들 또는 방법상의 과정들의 순서들 또는 새로운 주제에 도달할 수도 있는 그러한 변종 및 조합들이 가능하다. 더욱이, 상이한 예시적인 실시 예들의 구성요소들 및/또는 특징들이 본 개시 및 첨부한 특허청구범위의 영역 내에서 서로 조합되거나 그리고/또는 대체될 수도 있을 것이다.

종속 청구항들에서 사용되는 선행 참조(reference back)는 각각의 종속 청구항의 특징들에 의한 주 청구항의 주제에 대한 추가적인 실시 예를 나타내되, 그것들은 선행 참조된 종속 청구항들에 있는 특징들의 조합들에 대한 발명주제의 독립적인 보호를 획득하는 것을 면제하는 것으로 해석되어서는 안 될 것이다. 더욱이, 청구범위의 해석에 관하여, 어느 한 특징이 종속 청구항에서 더 구체적인 세부사항으로 구체화될 경우, 그러한 한정은 각각의 선행 청구항들에서는 존재하지 않는다고 간주 되어야 할 것이다.

우선일자에 대한 종래기술과 관련하여 종속 청구항들의 주제가 개별적이고 독립적인 발명들을 형성할 수도 있기 때문에, 본 출원인은 그것들을 독립 청구항들의 주제로 하거나 분할 선언을 하는 권리를 유보한다. 그것들은 또한 선행하는 종속 청구항들의 주제와는 독립적인 구성을 가지는 독립적인 발명들을 포함할 수도 있을 것이다.

더한층, 예시적인 실시 예들의 전술한 그리고 다른 예시적인 특징들 중의 어느 것은 장치, 방법, 시스템, 컴퓨터 프로그램, 유형의 컴퓨터로 독출 가능한 매체 및 유형의 컴퓨터 프로그램 제품의 형태로 구현될 수도 있다. 예를 들면, 전술한 방법들 중의 어떤 것은 도면들에 예시된 방법론을 수행하기 위한 구조 중의 어떤 것을 포함하는(그것에만 한정되지는 않음) 시스템이나 장치의 형태로 구현될 수도 있을 것이다.

본 출원에서, 후술하는 정의를 포함하여, '모듈(module)' 또는 '컨트롤러(controller)'라는 용어는 '회로'라는 용어로 대체될 수도 있다. '모듈'이라는 용어는 코드를 실행하는 프로세서 하드웨어(공유, 전용 또는 그룹 형태의) 및 프로세서 하드웨어에 의해 실행되는 코드를 저장하는 코드 및 메모리 하드웨어(공유, 전용 또는 그룹 형의) 또는 그의 일부를 지칭할 수도 있다.

상기한 모듈은 하나 또는 다수의 인터페이스 회로들을 포함할 수도 있다. 어떤 예에서는, 인터페이스 회로들은 LAN, 인터넷, WAN, 또는 그들의 조합들에 접속되는 유선 또는 무선의 인터페이스들을 포함할 수도 있다. 본 개시에서의 소정의 모듈의 기능은 인터페이스 회로들을 통해 접속되는 다수의 모듈들 사이에서 분배될 수도 있다. 예를 들면, 다수의 모듈들은 부하 밸런싱(load balancing)을 허용할 수도 있다. 또 다른 예로서는, 어떤 서버 모듈(원격 또는 클라우드 서버로도 알려진)이 클라이언트 모듈 대신에 어떤 기능을 달성할 수도 있다.

또한, 적어도 하나의 예시적인 실시 예는 전기적으로 독출 가능한 제어 정보(예를 들어, 컴퓨터로 독출 가능한 명령)를 저장하는 비-일시적인(non-transitory) 컴퓨터로 독출 가능한 저장 매체에 관련되는바, 그것은 상기 저장 매체가 자기적 공명 장치의 컨트롤러에서 사용될 때, 상기 방법의 적어도 하나의 예시적인 실시 예가 수행되도록 구성된다.

더한층, 전술한 방법들 중의 어떤 것은 프로그램의 형태로 구현될 수도 있다. 상기 프로그램은 컴퓨터 장치(예컨대, 프로세서) 상에서 작동될 때, 그 컴퓨터 장치가 전기한 방법들 중의 어느 것을 수행하는 것을 가능하게 하도록 비-일시적인 컴퓨터로 독출 가능한 매체에 저장되어도 좋다. 따라서, 상기한 비-일시적인 유형의 컴퓨터로 독출 가능한 매체는 정보를 저장하도록 구성되고 또한 전술한 실시 예들 중의 어느 것의 프로그램을 실행하고 및/또는 전술한 실시 예들 중의 어느 것의 방법을 수행하도록 데이터 프로세싱 설비 또는 컴퓨터 장치와 상호 작용하도록 구성된다.

상기한 컴퓨터로 독출 가능한 매체 또는 저장 매체는 컴퓨터 장치의 본체 내부에 설치된 내장형 매체 또는 그것이 컴퓨터 장치의 본체로부터 분리될 수도 있도록 배열된 탈착 가능한 매체일 수도 있다. 본 명세서에서 사용된 것과 같은, 컴퓨터로 독출 가능한 매체라는 용어는 하나의 매체를 통해 전파하는(반송파 상에서와 마찬가지로) 일시적인 전기적 또는 전자기적 신호들을 총망라하지는 않으며, 따라서 컴퓨터로 독출 가능한 매체라는 용어는 유형의 것으로서 비-일시적인 것으로 고려된다. 상기한 비-일시적인 컴퓨터로 독출 가능한 매체의 비-한정적인 예들로서는 다시 쓰기 가능한(rewriteable) 비휘발성 메모리 장치들(예를 들면, 플래시 메모리 장치, 소거 가능한 프로그램 가능형(erasable programmable) 독출전용 메모리(EPROM) 장치 또는 마스크 ROM 장치를 포함함), 휘발성 메모리 장치들(예를 들면, 스태틱 RAM(random access memory) 장치들 또는 다이내믹 RAM 장치들을 포함함), 자기 저장 매체(예를 들어, 아날로그 또는 디지털 자기 테이프 또는 하드 디스크 드라이브를 포함함), 그리고 광학적 저장 매체들(예를 들어, CD, DVD, 또는 Blu-ray 디스크를 포함함)이 포함되지만, 그것들에만 한정되는 것은 아니다. 내장형 다시 쓰기 가능한(rewritable) 비-휘발성 메모리를 갖는 매체들의 예로는 ROM 카세트 등을 포함하여(이것에만 한정되지는 않음) 메모리 카드, 및 내장형 ROM을 갖는 매체가 포함되지만, 그것들에만 한정되는 것은 아니다. 또한, 저장된 이미지, 예컨대, 재산 정보에 관한 다양한 정보가 임의의 다른 형태로 저장될 수도 있으며, 또는 그것은 다른 방식들로 제공될 수도 있다.

전술한 바와 같은 코드라는 용어는 소프트웨어, 펌웨어, 및/또는 마이크로코드를 포함할 수도 있으며, 또한 프로그램, 루틴, 기능, 등급, 데이터 구조 및/또는 대상들을 지칭할 수도 있다. 공유형 프로세서 하드웨어는 다수의 모듈들로부터 모든 코드 또는 그것의 일부를 실행하는 하나의 마이크로프로세서를 총망라할 것이다. 그룹형 프로세서 하드웨어는 하나 또는 다수의 모듈들로부터 모든 코드 또는 그의 일부를 부가적인 마이크로프로세서들과 결합하여 실행하는 하나의 마이크로프로세서를 포함한다. 다수의 마이크로프로세서들에 대한 언급은 분리된 다이(die)들 상의 복수의 마이크로프로세서들, 단일한 다이 상의 다수의 마이크로프로세서들, 하나의 마이크로프로세서의 다수의 코어들, 하나의 마이크로프로세서의 다수의 쓰레드(thread)들, 또는 이들의 조합을 총망라하는 것이다.

공유형 메모리 하드웨어는 다수의 모듈들로부터 모든 코드 또는 그의 일부를 저장하는 단일한 메모리 장치를 포함한다. 그룹형 메모리 하드웨어는 하나 또는 다수의 모듈들로부터 모든 코드 또는 그의 일부를 다른 메모리 장치들과 조합하여 저장하는 메모리 장치를 포함한다.

메모리 하드웨어라는 용어는 컴퓨터로 독출 가능한 매체라는 용어의 하나의 부분 집합(subset)이다. 본 명세서에서 사용된 것과 같은 컴퓨터로 독출 가능한 매체라는 용어는 한 매체를 통해 전파하는(반송파 상에서와 같은) 일시적인 전기적 또는 전자기적 신호들을 포함하지는 않으며, 따라서 상기한 컴퓨터로 독출 가능한 매체라는 용어는 유형의 것 그리고 비-일시적인 것으로 간주 된다. 상기한 비-일시적인 컴퓨터로 독출 가능한 매체의 비-한정적인 예로서는, 다시 쓰기 가능한(rewriteable) 비-휘발성 메모리 장치들(예를 들면, 플래시 메모리 장치, 소거 가능한 프로그램 가능형 독출-전용 메모리(EPROM) 장치, 또는 마스크 ROM 장치를 포함함), 휘발성 메모리 장치들(예를 들면, 스태틱 RAM(random access memory) 장치들 또는 다이내믹 RAM 장치들을 포함함), 자기 저장 매체(예를 들어, 아날로그 또는 디지털 자기 테이프 또는 하드 디스크 드라이브를 포함함), 그리고 광학적 저장 매체들(예를 들어, CD, DVD, 또는 Blu-ray 디스크를 포함함)이 포함되지만, 그것들에만 한정되는 것은 아니다. 내장형으로 다시 쓰기 가능한 비-휘발성 메모리를 갖는 매체들의 예로는, ROM 카세트 등을 포함하여(이것에만 한정되지는 않음), 메모리 카드, 및 내장형 ROM을 갖는 매체가 포함되지만, 그것들에만 한정되는 것은 아니다. 또한, 저장된 이미지, 예를 들어, 재산 정보에 관한 다양한 정보가 임의의 다른 형태로 저장될 수도 있거나, 또는 그것은 다른 방식들로 제공될 수도 있다.

본 출원에서 기술된 장치들과 방법들은 컴퓨터 프로그램으로 구현되는 하나 또는 다수의 특정 기능들을 수행하도록 범용 컴퓨터를 구성함으로써 제작되는 특수 목적의 컴퓨터로써 부분적으로 아니면 완전하게 구현될 수도 있을 것이다. 전술한 기능적인 블록들과 흐름도 요소들은 소프트웨어 사양서로서의 역할을 할 것이며, 이것은 당해 기술자 또는 프로그래머의 일상적인 작업에 의해 컴퓨터 프로그램으로 변환될 수도 있을 것이다.

상기한 컴퓨터 프로그램들은 적어도 하나의 비-일시적인 컴퓨터로 독출 가능한 매체에 저장되는 프로세서로 실행 가능한 명령들을 포함하고 있다. 상기 컴퓨터 프로그램들은 저장된 데이터를 포함하거나 그에 의존할 수도 있을 것이다. 상기 컴퓨터 프로그램들은 특수 목적의 컴퓨터의 하드웨어, 그러한 특수 목적의 컴퓨터의 특정 장치들과 상호 작용하는 장치 드라이버, 하나 또는 다수의 오퍼레이팅 시스템들, 사용자 애플리케이션들, 백그라운드 서비스들, 백그라운드 애플리케이션들과 상호 작용하는 기본 입출력 시스템(basic input/output system: BIOS)을 포함할 수도 있다.

상기한 컴퓨터 프로그램들은 (i) HTML (hypertext markup language) or XML (extensible markup language)과 같은 분석될(parsed) 서술형 텍스트, (ii) 어셈블리 코드(assembly code), (iii) 컴파일러에 의해 소스 코드로부터 생성되는 오브젝트 코드(object code), (iv) 해석기(interpreter)에 의한 실행을 위한 소스 코드, (v) JIT 컴파일러(just-in-time compiler)에 의한 컴파일링 및 실행을 위한 소스 코드 등을 포함할 수도 있다. 단지 예를 들면, 소스 코드는 C, C++, C#, Objective-C, Haskell, Go, SQL, R, Lisp, Java®, Fortran, Perl, Pascal, Curl, OCaml, Javascript®, HTML5, Ada, ASP (active server pages), PHP, Scala, Eiffel, Smalltalk, Erlang, Ruby, Flash®, Visual Basic®, Lua, 및 Python®를 포함하는 언어들로부터의 문법을 이용하여 쓰여질 수도 있다.

청구범위에 인용된 구성요소들 중의 어느 것도, 어느 한 구성요소가 명시적으로 "~하기 위한 수단(means for)"과 같은 어구를 이용하여 인용되거나, 아니면 방법 청구항의 경우, "~하기 위한 동작(operation for)" 또는 "~하는 과정(step for)"과 같은 어구들을 이용하여 인용되지 않는다면, 미국특허법 제112(f)조(35 U.S.C.§112(f))의 의미에서 해석되는 기능+수단(means-plus-function) 요소인 것으로 의도되지 않을 것이다.

이상 예시적인 실시 예들이 기술되었는바, 동일한 실시 예가 여러 가지 방식으로 변화될 수도 있다는 것은 명백할 것이다. 이러한 변화는 발명의 개념들의 정신과 그 영역으로부터 이탈하는 것으로 간주 되어서는 아니 될 것이며, 또한 당해 기술분야의 전문가에게 자명할 것인 모든 그러한 변형들은 후술하는 특허청구범위들의 영역 내에 포함되는 것으로 의도된다.

Claims (19)

1. 안내형 분석 시스템에 있어서,
   컴퓨터로 독출 가능한 명령들을 저장하는 메모리; 및
   프로세서를 포함하되, 상기 프로세서는,
   문제를 정의하고,
   상기 문제와 연관된 하나 또는 다수의 데이터 세트들을 식별 및 준비하고,
   상기한 하나 또는 다수의 데이터 세트들을 분석하여 하나 또는 다수의 모델들을 생성하고, 그리고
   안내형 분석 워크플로우를 이용하여 상기 하나 또는 다수의 모델들에 기초하여 상기 문제에 대한 하나 또는 다수의 해결책들을 결정하도록 구성되며;
   상기 안내형 분석 워크플로우는 상기 안내형 분석 워크플로우의 다수의 단계들 중의 각각에 연관된 다수의 워크플로우 자원들을 포함하되, 상기 다수의 워크플로우 자원들은 하나 또는 다수의 단계들에서 사용자에게 제시될 수 있는 것으로서, 상기 다수의 단계들 중의 해당하는 하나에 관련된 분석적 및 통계적 정보 중의 적어도 하나를 제공하고 또한 상기 해당하는 단계에 대한 하나 또는 다수의 분석 기법들 및 관련된 파라미터들에 대한 사용자의 선택을 가능하게 하는 것인 안내형 분석 시스템.
2. 제1항에 있어서,
   상기 메모리는,
   상기 안내형 분석 워크플로우의 상기 다수의 단계들의 각각에 연관되는 상기 다수의 워크플로우 자원들;
   상기 안내형 분석 워크플로우의 상기 다수의 단계들의 각각에 관련된 데이터; 및
   상기 문제에 대한 하나 또는 다수의 해결책들을 저장하도록 구성되는 것인 안내형 분석 시스템.
3. 제1항에 있어서,
   상기 프로세서는, 컴퓨터로 독출 가능한 명령들을 실행하여 상기 하나 또는 다수의 데이터 세트들의 속성들을 결정하고 또한 상기 각각의 데이터 세트 내에서 다수의 상관관계를 결정하는 것인 안내형 분석 시스템.
4. 제1항에 있어서,
   상기 프로세서는 컴퓨터로 독출 가능한 명령들을 실행함으로써 반복적인 분석 워크플로우를 수행하도록 구성되며, 상기 워크플로우의 하나 또는 다수의 단계들은 상기한 하나 또는 다수의 해결책들을 결정하기 위하여 반복적으로 실행되는 것인 안내형 분석 시스템.
5. 제5항에 있어서,
   상기 프로세서는 컴퓨터로 독출 가능한 명령들을 실행하여 상기 워크플로우의 이전의 반복에 기초하여 상기 안내형 분석 워크플로우의 상기 다수의 단계들 중의 하나 또는 다수의 자동화 실행을 가능하게 하도록 구성되는 것인 안내형 분석 시스템.
6. 제1항에 있어서,
   상기 프로세서는 컴퓨터로 독출 가능한 명령들을 실행하여 상기 워크플로우의 상기 다수의 단계들의 각각에 해당하는 다수의 리포트들을 생성하도록 구성되는 것인 안내형 분석 시스템.
7. 제6항에 있어서,
   상기 프로세서는 컴퓨터로 독출 가능한 명령들을 실행하여 상기한 문제의 하나 또는 다수의 해결책들을 상기 문제를 다루기 위한 하나 또는 다수의 행위들로 변환하도록 구성되는 것인 안내형 분석 시스템.
8. 제1항에 있어서,
   상기 프로세서는 컴퓨터로 독출 가능한 명령들을 실행하여 상기 안내형 분석 워크플로우의 상기 다수의 단계들 중의 하나 또는 다수에 대해 교차 모듈 상호작용을 가능하도록 구성되는 것인 안내형 분석 시스템.
9. 제1항에 있어서,
   상기 프로세서는 컴퓨터로 독출 가능한 명령들을 실행하여 상기 문제와 연관된 다수의 가정들을 생성하고 상기 다수의 가정들을 상기 생성된 리포트들과 맵핑함으로써 상기 안내형 분석 워크플로우의 진행을 추적하도록 구성되는 것인 안내형 분석 시스템.
10. 제1항에 있어서,
    상기 프로세서는 컴퓨터로 독출 가능한 명령들을 실행하여 상기 문제와 연관된 구조화 및 비구조화 데이터 세트들을 통합하도록 구성되는 것인 안내형 분석 시스템.
11. 제1항에 있어서,
    상기 다수의 워크플로우 자원들은,
    상기 안내형 분석 워크플로우의 상기 다수의 단계들 중의 각각에 관련된 통계적 및 분석적 기법들 중의 상기한 적어도 하나,
    상기 통계적 및 분석적 기법들 중의 상기한 적어도 하나의 각각에 연관된 실행 파라미터들, 및
    상기 안내형 분석 워크플로우의 상기 다수의 단계들의 각각에 관련된 다수의 체크리스트들,
    중의 적어도 하나에 대한 정보를 갖는 다수의 가이드들을 포함하는 것인 안내형 분석 시스템.
12. 기관에서 사용하도록 구성된 안내형 분석 시스템에 있어서,
    안내형 워크플로우를 실행하여 상기 기관에 관련된 문제에 대한 하나 또는 다수의 해결책들을 생성하도록 구성된 프로세서를 포함하되,
    상기 안내형 워크플로우는,
    다수의 단계들, 및
    상기 안내형 분석 워크플로우의 상기 다수의 단계들 중의 각각에 연관된 다수의 워크플로우 자원들을 포함하되,
    상기 다수의 워크플로우 자원들은 하나 또는 다수의 단계에서 사용자에게 제시될 수 있는 것으로서, 상기 다수의 단계들 중의 해당하는 하나에 관련된 분석적 및 통계적 정보 중의 적어도 하나를 제공하고 또한 상기 해당하는 단계에 대한 하나 또는 다수의 분석 기법들 및 관련된 파라미터들에 대한 사용자의 선택을 가능하게 하도록 하는 것인 안내형 분석 시스템.
13. 제12항에 있어서,
    상기 프로세서는 사용자가 상기 안내형 분석 워크플로우의 상기 다수의 단계들에 따라서 상기 안내형 분석 시스템을 안내하는 것을 가능하게 하도록 구성되는 것인 안내형 분석 시스템.
14. 제12항에 있어서,
    상기 기관은 하나 또는 다수의 조직, 하나 또는 다수의 소매점들, 하나 또는 다수의 소비자 아웃렛, 및 하나 또는 다수의 호텔들 중의 적어도 하나인 것인 안내형 분석 시스템.
15. 제12항에 있어서,
    상기 프로세서는,
    문제를 정의하고,
    상기 문제와 연관된 하나 또는 다수의 데이터 세트들을 식별 및 준비하고,
    상기한 하나 또는 다수의 데이터 세트들을 분석함으로써 하나 또는 다수의 모델들을 생성하고, 그리고 상기한 하나 또는 다수의 모델들을 이용하여 상기 문제에 대한 상기한 하나 또는 다수의 해결책들을 제공하도록 구성되는 것인 안내형 분석 시스템.
16. 안내형 분석 시스템에 있어서,
    컴퓨터로 독출 가능한 명령들을 저장하는 메모리; 및
    데이터 세트에 대한 반복적인 안내형 분석 워크플로우를 실행하여 문제에 대한 하나 또는 다수의 해결책들을 생성하도록 구성된 프로세서를 포함하되;
    상기 반복적인 안내형 분석 워크플로우는 다수의 단계들을 포함하고, 상기 반복적인 안내형 분석 워크플로우의 각각의 반복에 관련된 데이터는 상기 메모리에 저장되며, 상기 메모리는 사용자에 의해 접속되어 상기 워크플로우의 반복에 해당하는 데이터를 보게 함으로써 상기 비즈니스 문제에 대한 맞춤형의 분석 워크플로우를 결정하도록 하며;
    상기 안내형 분석 시스템은 또한, 상기 반복적인 안내형 분석 워크플로우의 상기 다수의 단계들의 각각에 연관되는 다수의 워크플로우 자원들을 포함하되, 상기 다수의 워크플로우 자원들은 하나 또는 다수의 단계들에서 사용자에게 제시될 수 있는 것으로서, 상기 다수의 단계들 중의 해당하는 하나에 관련된 분석적 및 통계적 정보 중의 적어도 하나를 제공하고 또한 상기 해당하는 단계에 대한 하나 또는 다수의 분석 기법들 및 관련된 파라미터들에 대한 사용자의 선택을 가능하게 하는 것인 안내형 분석 시스템.
17. 제16항에 있어서,
    사용자는 상기한 이전의 반복들에 기초하여 상기 안내형 분석 워크플로우의 하나 또는 다수의 단계들을 선택 및/또는 수정함으로써 상기한 맞춤형의 분석 워크플로우를 결정하도록 하는 것인 안내형 분석 시스템.
18. 제16항에 있어서,
    상기 프로세서는 상기한 맞춤형의 분석 워크플로우의 다수의 선택된 단계들 중의 각각에 해당하는 하나 또는 다수의 작업들을 실행함으로써 상기 맞춤형 분석 워크플로우의 실행을 자동화하도록 구성되는 것인 안내형 분석 시스템.
19. 제16항에 있어서,
    상기 프로세서는,
    문제를 정의하고,
    상기 문제와 연관된 하나 또는 다수의 데이터 세트들을 식별 및 준비하고,
    상기한 하나 또는 다수의 데이터 세트들을 분석함으로써 하나 또는 다수의 모델들을 생성하고, 또한 상기한 하나 또는 다수의 모델들을 이용하여 상기 문제에 대해 상기한 하나 또는 다수의 해결책들을 제공하도록 구성되는 것인 안내형 분석 시스템.

Images