머신 러닝 예측 살펴보기
학습 목표
이 유닛을 완료하면 다음을 수행할 수 있습니다.
- 머신 러닝을 통해 CRM 데이터로 할 수 있는 일을 이해할 수 있습니다.
- 머신 러닝 예측을 사용하는 방법을 파악할 수 있습니다.
데이터의 힘 활용하기
오늘날에는 수조 기가바이트에 달하는 데이터가 존재합니다. 인공지능(AI) 시대를 향유하고 있는 기업이라면 보유한 데이터를 통해 미래의 결과를 예측하고 의사결정을 내릴 수 있습니다. 그러나 Salesforce의 Untapped Data Research에 따르면, 비즈니스 리더 5명 중 4명(80%)이 데이터가 의사결정에 중요하다고 답했음에도 불구하고 대부분의 기업은 데이터의 잠재력을 활용하지 못하고 있는 것으로 나타났습니다.
머신 러닝(ML)이라는 일종의 AI를 사용하면 과거 데이터를 예측 가능한 인사이트로 전환할 수 있습니다. 이를 예측형 AI라고 하며, 생성형 AI와는 다른 개념입니다.
- 예측형 AI는 기존 데이터를 사용하여 데이터에서 새로운 것을 발견하고 정보를 제공합니다. 예를 들어, 고객 이탈이나 사기의 가능성을 추정하는 것입니다.
- 생성형 AI는 기존 데이터를 사용하여 이미 존재하는 데이터와 유사한 새로운 데이터를 생성합니다. 예를 들어, 새로운 텍스트와 이미지를 생성하는 것입니다.
예측형 AI와 생성형 AI에 대해 자세히 알아보려면 AI를 위한 데이터 기초의 AI 기술 및 애플리케이션 알아보기 유닛을 참조하세요.
비즈니스에 머신 러닝 도입하기
머신 러닝의 예측 인사이트를 통해 비즈니스 사용자는 더 빠르게 더 나은 의사결정을 할 수 있습니다. 머신 러닝의 예측형 AI를 사용하여 조직 전반의 혁신, 효율성, 전략적 의사결정을 도모하세요. 다음은 예측 인사이트의 주요 사용 사례입니다. (이 외에도 더 많은 사례가 있습니다.)
팀 | 사용 사례 |
---|---|
영업 |
|
서비스 |
|
재무 |
|
Analytics |
|
인사 |
|
마케팅 |
|
운영 |
|
데이터 사이언스 경험 없이 머신 러닝의 이점 누리기
데이터 과학자가 아니어도 머신 러닝을 활용할 수 있습니다. ML 모델을 훈련하고 개선하는 것은 데이터 과학자들의 몫이지만, 모델에서 얻은 인사이트는 비즈니스 사용자를 위한 것입니다. 하지만 Harvard Business Review에 따르면, 데이터 과학자들은 ML 인사이트의 가치를 전달하는 데 어려움을 겪고 있으며, '의사결정권자가 사용하지 않는 결과'를 ML이 해결해야 할 큰 과제로 꼽았습니다.
Salesforce에 ML을 추가하면 데이터 과학자와 비즈니스 간의 간극을 좁힐 수 있습니다. Salesforce에서 사용자는 데이터 사이언스 보고서를 읽지 않고도 ML 인사이트에 대한 의사결정을 내리고 조치를 취할 수 있습니다.
Einstein을 사용하면 과거의 데이터를 조직에 의미 있는 인사이트로 바꿀 수 있습니다.
- Einstein Studio: 데이터 사이언스 팀에서 구축한 모델에 연결하고 해당 모델의 인사이트를 Salesforce로 가져와 Data Cloud의 ML 기반 인사이트를 활용해 보세요. 모델을 그대로 두고(예: AWS SageMaker) Salesforce 내에서 ML 기반 인사이트를 활용할 수 있습니다.
- Einstein Discovery: Einstein 가이드에 따라 CRM Analytics에서 처음부터 자신만의 ML 모델을 구축하세요. Data Cloud에서 ML 모델을 구축하고, 학습하고, 평가하고, 활성화하는 방법을 Einstein이 안내해 줍니다.
이제 여러분은 머신 러닝이 데이터에 어떤 역할을 하는지, 조직이 머신 러닝 기반 예측을 사용해 어떤 이점을 누릴 수 있는지 알게 되었습니다.