데이터 마이닝은 크게 기술적(서술적) 데이터 마이닝과 예측적 데이터 마이닝으로 나눌 수 있습니다. 두 기법은 모두 대량의 데이터에서 가치 있는 정보를 발견한다는 공통 목표를 가지지만, 분석의 방향과 활용 목적에서 뚜렷한 차이를 보입니다. 이 글에서는 두 기법의 개념과 특징, 그리고 핵심 차이점을 비교표와 함께 자세히 살펴보겠습니다.
기술적 데이터 마이닝(Descriptive Data Mining)이란?
기술적 데이터 마이닝은 주로 상관관계 분석, 교차표(cross-tabulation), 빈도 분석 등에 활용됩니다. 이러한 방법은 데이터 속 규칙성을 파악하고 숨겨진 패턴을 드러내는 데 사용되며, 보고 및 모니터링을 위해 데이터를 의미 있는 정보로 요약하고 변환하는 데 중점을 둡니다.
기술적 데이터 마이닝은 말 그대로 데이터를 "기술(describe)"합니다. 데이터가 수집되면 이를 사람이 쉽게 해석할 수 있는 형태로 변환할 수 있습니다. 대표적인 예로, Apriori 알고리즘을 활용한 연관 분석 기법을 통해 학생 성적 데이터를 분석하고 항목 집합 간의 상관관계를 찾아내는 것이 있습니다.
Apriori 알고리즘은 여러 학생의 학업 기록이 담긴 데이터베이스에 적용되어, 시험 점수, 과제 성적, 출석률, 실습 평가 등 다양한 매개변수를 기반으로 연관 규칙을 추출함으로써 학생별 프로파일을 작성하는 데 활용됩니다.
예측적 데이터 마이닝(Predictive Data Mining)이란?
'예측(Predictive)'이라는 단어는 무언가를 미리 짐작한다는 의미를 담고 있습니다. 따라서 예측적 데이터 마이닝은 미래의 사건, 데이터 또는 추세를 예측하기 위해 수행되는 분석입니다. 이 기법은 비즈니스 애널리스트가 합리적인 의사결정을 내리고 분석 팀의 노력에 실질적인 가치를 더할 수 있도록 지원하며, 예측 분석(predictive analytics)의 기반이 됩니다.
예측적 마이닝의 핵심 목표는 현재의 행동을 설명하는 것이 아니라 미래의 결과를 예측하는 것입니다. 이를 위해 목표 값(target value)을 예측하는 데 사용되는 지도 학습(supervised learning) 기법이 활용됩니다.
이 범주에 속하는 대표적인 접근 방식으로는 분류(classification), 시계열 분석(time-series analysis), 회귀(regression)가 있습니다. 데이터 모델링은 예측 분석의 근간으로, 일부 변수를 사용해 다른 변수의 미지의 미래 값을 추정하는 방식으로 작동합니다.
또한 각 지도 학습 방법의 강점과 약점에 대한 통찰을 얻기 위해 여러 기법을 상호 비교하기도 합니다. 이러한 전체 과정은 원하는 지식을 추출하기에 가장 적합한 기법을 선정하기 위해 수행됩니다.
기술적 데이터 마이닝 vs 예측적 데이터 마이닝 비교
두 기법의 차이점을 한눈에 파악할 수 있도록 아래 표로 정리했습니다.
| 구분 | 기술적 데이터 마이닝 | 예측적 데이터 마이닝 |
|---|---|---|
| 핵심 기능 | 상관관계, 교차표, 빈도 분석 등을 통해 데이터의 패턴과 규칙성을 밝혀냄 | 미래의 사건, 데이터, 추세를 예측하기 위한 분석 수행 |
| 역할 | 대상 데이터셋에 포함된 데이터의 특징을 정의함 | 현재와 과거의 기록에 대해 귀납적 추론을 수행하여 예측을 도출함 |
| 필요 요소 | 데이터 집계(data aggregation)와 데이터 마이닝 기법 | 통계학과 데이터 예측 절차 |
| 분석 관점 | 상황에 대응하는 수준에 머묾 | 상황에 대응하는 동시에 능동적으로 통제까지 수행함 |
| 정확성 | 정확한 기록과 결과를 제공할 수 있음 | 결과의 정확성은 보장되지 않음 |
마무리
요약하자면, 기술적 데이터 마이닝은 이미 존재하는 데이터를 요약하고 패턴을 밝혀 '무엇이 일어났는지'를 설명하는 데 초점을 맞추는 반면, 예측적 데이터 마이닝은 과거와 현재의 데이터를 바탕으로 '앞으로 무엇이 일어날 것인지'를 예측하는 데 초점을 맞춥니다. 두 기법은 상호 보완적인 관계이므로, 분석 목적에 따라 적절히 조합하여 활용하면 데이터로부터 더 큰 비즈니스 가치를 얻을 수 있습니다.