시리즈: 침묵의 공장: 1편Business Decision Science
침묵의 공장: 진실을 조각하는 베이즈의 미학
직관의 영역을 수치화하다: 베이지안 업데이트를 활용한 동적 의사결정 사례. 불확실성이 지배하는 제조업 현장에서 데이터는 어떻게 의사결정의 무기가 되는가? 본 아티클은 사출 공장의 '쇼트샷' 불량 해결 과정을 통해 베이지안 통계의 실제 적용 사례를 생생하게 보여줍니다.
- Bayesian
- 베이즈인자
- 베이지안 업데이트
Skip to article library
Field Library
All Articles
Evidence, methods, and operating insight for decisions that must work in the field.
38Published articles
Business Decision Science
Page 4 of 537 articles in Business Decision Science
시리즈: 사이공의 확률: 2편Business Decision Science
사이공의 확률: 부동산 분양에서 직관과 데이터가 충돌한 날
호치민시 초고층 콘도 분양 시장. 직감파 에이스 영업맨과 데이터 기반 신입의 대결. 동남아 부동산 판매 경쟁에서 EXAWin 베이지안 엔진이 어떻게 승리의 도구가 되는지를 소설 형식으로 풀어낸다. 제1부: 폭풍 전야 — 사이공의 두 영업맨.
- Bayesian
- 소설
- 부동산영업
시리즈: 사이공의 확률: 3편Business Decision Science
사이공의 확률: 오래된 직관을 최신 증거로 다시 읽는 부동산 영업
호치민시 480세대 콘도 분양 전쟁의 결말. 판 사장의 계약, 투안의 각성, 그리고 박준혁의 EXAWin이 이끈 역전극. 직감과 데이터의 대결이 마침내 결론을 맺는다.
- Bayesian
- 소설
- 부동산영업
시리즈: 60일의 도박: 5편Business Decision Science
EXAWin Auto-Tuner: 데이터가 영업 엔진을 스스로 조율하게 된 날
EXA 베이지안 엔진은 수주 확률을 계산해 주었지만, 그 정밀도는 사람이 설정한 초기 파라미터에 달려 있었다. 100개의 과거 딜 데이터가 쌓였을 때, 엔진은 스스로 진화할 준비를 마쳤다. Grid Search, MCMC 앙상블 샘플링, 교차검증 — 세 개의 수학적 도구가 협업하여 최적의 파라미터를 찾아가는 과정을 소설로 그립니다.
- Bayesian
- Auto-Tuner
- Grid Search
시리즈: 60일의 도박: 6편Business Decision Science
EXAWin Auto-Tuner: Grid Search와 Youden's J로 최적 경계 찾기
3,240개의 파라미터 조합 중 어떻게 '최적'을 찾는가? Grid Search가 전수 탐색하고, Youden's J 지수가 민감도와 특이도의 균형점을 찾는 수학적 원리를 비즈니스 맥락과 함께 풀어낸다. 영업 단계 가중치(T)와 시그널 민감도(k)를 데이터가 스스로 조율하는 Auto-Tuner의 첫 번째 기둥.
- Bayesian
- Auto-Tuner
- Grid Search
시리즈: 60일의 도박: 7편Business Decision Science
EXAWin Auto-Tuner의 검증 원리: MCMC 앙상블과 교차검증
Grid Search가 '최적의 언덕'을 찾았다면, MCMC 앙상블 샘플러는 '그 언덕의 높이가 맞다'고 256명의 탐험가가 합의하는 과정이다. Emcee의 아핀 불변 워커, R̂ 수렴 진단, HDI 95% 신뢰구간, 그리고 5-Fold 교차검증과 Signal Lift 분석의 수학적 원리를 비즈니스 맥락과 함께 풀어낸다.
- Bayesian
- Auto-Tuner
- MCMC
시리즈: 자재 온타임 리스크: 2편Business Decision Science
On-Time Risk 엔진의 출발점: 관측 편차와 2-레짐 혼합분포
이 글은 소설 형식으로 연재된 [BA03 On-Time 자재입고: Bayesian MCMC]편에서 활약한 EXA 엔진의 작동 원리를 규명하는 기술 해설 시리즈의 첫 번째 글입니다. 이번 시리즈는 베이지안 추론 중에서도 고급 기법에 속하는 혼합분포(Mixture Distribution)와 MCMC(Markov Chain Monte Carlo) Gibbs Sampling을 다루는 만큼, 내용이 깊고 계산 과정이 다소 복잡할 수 있습니다. 따라서 이를 가능한 쉽게 소화할 수 있도록 단계별로 나누어 상세히 접근하고자 하며, 제법 긴 여정이 될 것으로 예상됩니다. 전체적인 맥락 이해를 위해 소설 원문을 먼저 일독을 권합니다. 아울러 베이지안 이론은 단계적으로 개념이 확장되므로, BA01 및 BA02의 에피소드와 수학 해설을 먼저 살펴본다면 이번 내용을 받아들이는 데 훨씬 도움이 될 것입니다. 앞선 수학적 개념과 논리들이 이어지고 있습니다.
- Bayesian
- Gidds Sampling
- likelihood
시리즈: 60일의 도박: 4편Business Decision Science
확률을 결단으로 바꾸는 의사결정 임피던스 매칭
[BA02.[Exa 베이지안 추론] 영업의 보이지 않는 손: 60일의 도박] 에피소드의 지난 [제1부]와 [제2부]를 통해 우리는 베이지안 엔진이 어떻게 '사전 믿음'을 세우고, '시그널'과 '침묵'을 통해 확률의 궤적을 추적하는지 살펴보았다. 이제 우리 손에는 베이지안 파라미터 α와 β에 의해 정교하게 계산된 순수 사후확률 $ P_{raw} $가 들려 있다. 하지만 아직 끊나지 않았다. 마지막 의사결정 과정이 남아있기 때문이다. 60%의 확률이라도, 그것이 단 한 번의 미팅으로 얻은 것인지, 아니면 수십 번의 협상 끝에 도출된 것인지에 따라 결단의 무게는 완전히 다를 수 있다.
- Bayesian
- likelihood
- 베이지안