CRISP-DM (Cross-Industry Standard Process for Data Mining)

1. 데이터 마이닝 방법론, CRISP-DM의 개념

CRISP-DM (Cross-Industry Standard Process for Data Mining): 데이터 마이닝을 위한 산업 간 표준 절차

개념	비즈니스 이해를 바탕으로 데이터를 분석하기 위해 6단계 프로세스 기반 비즈니스 상황에 따른 통계적 규칙, 패턴을 찾아내는 데이터 마이닝 방법론
특징	6단계 프로세스	① 비즈니스 이해 ② 데이터 이해 ③ 데이터 준비 ④ 모델링 ⑤ 평가 ⑥ 배포
	4계층 모델	① 최상위 레벨 ② 일반 과제 ③ 전문 과제 ④ 구체적 실행

• 유럽에서 시작된 프로젝트에 SPSS 등 참여하여 1999년 초기 버전이 출시되었고, 데이터 분석과 비즈니스 이해 기반 6단계 절차로 수행

 

2. CRISP-DM 수행 프로세스

(1) CRISP-DM 수행 절차도

(2) CRISP-DM 수행 단계 별 과제/산출물

단계	과제	산출물
① 비즈니스 이해	①-1 비즈니스 목표 결정	Success Criteria
	①-2 상황 평가	Costs and Benefits
	①-3 데이터 마이닝 목적 결정	Goals and Criteria
	①-4 프로젝트 계획 생성	Initial Assessment
② 데이터 이해	②-1 초기 데이터 수집	Initial Data Report
	②-2 데이터 설명	Describe Report
	②-3 데이터 탐색	Explore Report
	②-4 데이터 품질 확인	Quality Report
③ 데이터 준비	③-1 데이터 선택	Rationale
	③-2 데이터 정리	Cleaning Report
	③-3 데이터 구축	Attributes/Records
	③-4 데이터 통합	Merged Data
	③-5 데이터 형식화	Reformatted Data
④ 모델링	④-1 모델링 기법 선택	Tech.&Assumptions
	④-2 테스트 설계 생성	Test Design
	④-3 유효 모델 작성	Parameter Settings
	④-4 모델 평가/순위 지정	Model Assessment
⑤ 평가	⑤-1 측정 모델링 결과 평가	Approved Models
	⑤-2 프로세스 검토	Review Report
	⑤-3 다음 단계 결정	List of Actions
⑥ 배포	⑥-1 배포 계획 수립	Plan Report
	⑥-2 모니터링 및 유지보수 계획	Detail Plan
	⑥-3 최종 보고서 생성	Final Report
	⑥-4 최종 프로젝트 검토 수행	Final Documentation

• 각 단계들은 순차적으로 진행되는 것이 아니라, 필요에 따라 단계 간 반복 수행 통해 분석 품질 향상

 

3. CRISP-DM 기준 데이터 마이닝 방법론 비교

비교 항목	CRISP-DM	SEMMA	KDD
특징	비즈니스 문제인식 및 비즈니스 상황에 따른 마이닝 결과 해석	기술적 관점 마이닝 집중으로 비즈니스 관점 분석 미약	기술과 데이터베이스를 중심으로 지식 발견 위한 절차와 전 단계 정리
프로세스	① 비즈니스 이해 ② 데이터 이해 ③ 데이터 준비 ④ 모델링 ⑤ 평가 ⑥ 배포	① Sampling ② Explore ③ Modify ④ Modeling ⑤ Assessment	① 데이터셋 선택 ② 데이터 전처리 ③ 데이터 변환 ④ 데이터 마이닝 ⑤ 마이닝 결과 평가
활용 동향	– IBM SPSS중점추진 – SPSS Modeler	– SAS통계패키지 활용 – SAS Enterprise Miner	– 연구활용 (Fayyad 등) – OracleData Mining

 
[참고]

• 한국 IBM, IBM SPSS Modeler CRISP-DM 안내서
• Ana Azevedo, KDD, SEMMA AND CRISP-DM: A PARALLEL OVERVIEW, 2008