°æ¿µÁö¿ø(°æ·Â)
µö¼¼ÀÏÁ ¼Ò°³ÇÕ´Ï´Ù
µö¼¼ÀÏÁî´Â ¸Ó½Å·¯´× (Machine Learning)°ú ¼¼ÀÏÁî °ü·Ã ºòµ¥ÀÌÅÍ(Big Data)¸¦ ±â¹ÝÀ¸·Î ±Ã±ØÀûÀÎ ¼¼ÀÏÁî ÀÎÅÚ¸®Àü½º(Sales Intelligence: SI)À» ±¸ÇöÇÏ´Â °ÍÀ» ¹Ì¼ÇÀ¸·Î, ¾à 3³â °£ÀÇ R&D¸¦ ÅëÇØ Ãâ½ÃµÇ¾ú¾î¿ä. ¿µ¾÷ ´ã´çÀÚÀÇ Á¤º¸¸¦ ±â¹ÝÀ¸·Î °Å·¡ ¼º»çÀ²ÀÌ ³ôÀº ÀáÀç ¹ÙÀ̾ ¿¹ÃøÇØ ±â¾÷µéÀÇ ¿µ¾÷À» Áö¿øÇÏ´Â ÀÏÀ» ÇÏ°í ÀÖ¾î¿ä. Ãâ½Ã 1³â ¸¸¿¡ ÈæÀÚ¸¦ ±â·ÏÇÏ°í ¸Å´Þ ºü¸£°Ô ¼ºÀåÇÏ°í ÀÖ½À´Ï´Ù. ÀΰøÁö´É »ê¾÷¿¡¼ ºü¸£°Ô ¼ºÀå ÁßÀÎ µö¼¼ÀÏÁî¿Í ÇÔ²²ÇÒ ÀÎÀç¶ó¸é Áö±Ý ¹Ù·Î Áö¿øÇØÁÖ¼¼¿ä!
½ÃÀå¹®Á¦
³»¼ö½ÃÀåÀÌ Çù¼ÒÇÑ Çѱ¹ °æÁ¦ ¿©°Åᆫ »çᆼ ³»¼ö¿¡¸¸ ´ëÀÀÇÏ´Â ±â¾÷Àº »ç½Ç»ó »ýÁ¸ÀÌ ºÒ°¡´ÉÇÑ »óȲÀÌ¿¡¿ä. ±×·¯³ª ¼Ò±Ô¸ð Á¦Á¶»ç³ª Áß¼Ò±â¾÷ÀÇ ¿µ¾÷ ´ã´çÀÚµéÀº ÇØ¿ÜÆǷθ¦ °³Ã´ÇÒ ¶§ ´Ù¾çÇÑ ¹®Á¦¿¡ Á÷¸éÇÏ°í Àִµ¥¿ä, ´Ù¾çÇÑ ¹®Á¦ Áß ¾ÐµµÀûÀ¸·Î 1À§¿¡ ²ÅÈ÷´Â°Ç ¹Ù·Î ÀáÀç ¹ÙÀ̾ ´ëÇÑ Á¤º¸ ºÎÁ·ÀÌ¿¡¿ä.ÀϹÝÀûÀ¸·Î ÇØ¿Ü¿µ¾÷ ´ã´çÀÚµéÀº ¾÷¹«½Ã°£ÀÇ ¾à 33%¸¦ ÀáÀç ¹ÙÀ̾î DB¸¦ ¸¸µå´Âµ¥ »ç¿ëÇÏ°í ÀÖ°í , Á¦Á¶»ç°¡ ¹ÙÀ̾ ã±â À§ÇÑ ÁöÃâ ºñ¿ëÀº ¿¬Æò±Õ 920¸¸¿ø¿¡ À̸£´Â »óȲÀ¸·Î ¿µ¾÷ ´ã´çÀÚµéÀÌ ÀáÀç ¹ÙÀ̾ È¿À²ÀûÀ¸·Î ¹ß±¼ ÇÒ ¼ö ÀÖ´Â ÀÌ·¸´Ù ÇÒ ¹æ¹ýÀº ¾ø´Â »óȲÀÌ¿¡¿ä.
»ç¾÷¸ñÇ¥
¡¤ ÀúÈñÀÇ ÁÖ¿ä ¸ñÇ¥´Â ¸Ó½Å·¯´× (Machine Learning)°ú ¼¼ÀÏÁî °ü·Ã ºòµ¥ÀÌÅÍ(Bigdata)¸¦ ±â¹ÝÀ¸·Î ±Ã±ØÀûÀÎ ¼¼ÀÏÁî ÀÎÅÚ¸®Àü½º(Sales Intelligence: SI)À» ±¸ÇöÇÏ´Â °ÍÀÌ¿¡¿ä.
¡¤ Àü ¼¼°è¿¡¼ »ê¹ßÀûÀ¸·Î ¹ß»ýµÇ´Â ¼¼ÀÏÁî µ¥ÀÌÅ͸¦ È¿À²ÀûÀ¸·Î Á¤¸®ÇÏ´Â°Í »Ó¸¸ ¾Æ´Ï¶ó ±â¾÷ °£ °Å·¡(B2B) ¼º»çÀÇ ±Ã±ØÀûÀÎ ÀÌÇظ¦ ÅëÇØ, ±¹³»¿Ü ¿µ¾÷ ´ã´çÀÚµéÀÇ ¼¼ÀÏÁî ÆÄ¿ö¸¦ ÁõÆø(Amplifying) ½ÃÅ°°íÀÚ ÇÕ´Ï´Ù
¡¤ ¼ºñ½º ½½·Î°Ç "Guess less, Win more."
¼¼ÀÏÁî ´ã´çÀÚµéÀÌ Ã³À½ ´ë»ó °í°´ ¹ß±¼À» ÇÒ ¶§, ¡°´Ü¼øÈ÷ °¨À¸·Î ÇÏ´Â°Ç ÁÙÀÌ°í, Á¤È®ÇÑ µ¥ÀÌÅ͸¦ ÅëÇØ ¿µ¾÷ ¼º»çÀ²À» ³ôÀÌÀÚ¡° ¶ó´Â Àǹ̷Î, ±â¾÷ÀÇ ¿µ¾÷ ½ÃÀåÀ» ¹Ù²ã°¡ÀÚ´Â ¸ñÇ¥ ¾Æ·¡ ¸ðÀÎ ÀúÈñÀÇ À̾߱⸦ ¿©·¯ºÐµé²² Á÷Á¢ ÀüÇص帮°í ½Í¾î¿ä!!
¸ðÁýºÎ¹® ¹× ÀÚ°Ý¿ä°Ç
¸ðÁýºÎ¹® | ´ã´ç¾÷¹« | ÀÚ°Ý¿ä°Ç | Àοø |
---|---|---|---|
°æ¿µÁö¿ø(°æ·Â) |
[ÁÖ¿ä ¾÷¹« - ¿À½Ã¸é ÀÌ·± ¾÷¹«¸¦ ÇÏ°Ô µÇ½Ç°Å¿¡¿ä! ] - Àλç (ä¿ë, ¿Âº¸µù, ±Þ¿©) - ȸ°è/¼¼¹« (¼¼¹«´ë¸®ÀÎ Ä¿¹Â´ÏÄÉÀÌ¼Ç ¹× Çù¾÷) - À繫(ȸ»ç ºñ¿ë °ü¸® ¹× Áö±Þ) - ÀÚ»ê °ü¸® ¹× Ãѹ«(»ç¹«½Ç ¹× ¾÷¹« ȯ°æ °ü¸®, À¯¹«Çü ÀÚ»ê°ü¸®, °è¾à¼ °ü¸®) - Á¤ºÎ Áö¿ø »ç¾÷ °ü·Ã ÇàÁ¤ ¾÷¹« Áö¿ø - ¿î¿µ Àü¹Ý¿¡ ´ëÇÑ »ç¹« ¾÷¹« Áö¿ø [ÀÚ°Ý ¿ä°Ç - ÀÌ·±ºÐÀ» ã°í ÀÖ¾î¿ä!] - ´õÁ¸, ÇѱÛ, ¿¢¼¿ µî ¿ÀÇǽº ÇÁ·Î±×·¥ »ç¿ë °¡´ÉÇϽźР- IT ¾÷Á¾, ½ºÅ¸Æ®¾÷ °æ¿µÁö¿ø ¾÷¹« °æ·ÂÀÚ
- ¾÷¹«¿ë ±â±â Áö¿ø (°³¹ß¿ë MacBook Pro M2, »ç¹«¿ë windows 11_i7 ³ëÆ®ºÏ, Ãß°¡ ¸ð´ÏÅÍ Á¦°ø, ¸ð´ÏÅÍ¾Ï µî) - ÅðÁ÷±Ý ¹× ¸íÀý »óÇ°±Ç Áö±Þ - Culture-Fit°ú On boardingÀ» À§ÇÑ ¼ö½À±â°£ 6°³¿ù (±Þ¿©´Â 100% Áö±Þ) - ½Ã°£ : ¿ù~±Ý, 09 : 00 ~ 18 : 00 - ÀÔ»ç Áö¿ø ½Ã Èñ¸Á ¿¬ºÀ ÇÊÈ÷ ±âÀç ¿ä¸Á
(Èñ¸Á ¿¬ºÀÀ» ±âÀçÇÏÁö ¾ÊÀ» °æ¿ì, ºÎµæÀÌÇÏ°Ô °ËÅä ´ë»ó¿¡¼ Á¦¿ÜµÉ ¼ö ÀÖ´Â Á¡ ¾çÇØ ¹Ù¶ø´Ï´Ù.) |
[ÀÚ°Ý¿ä°Ç] - °æ·Â»çÇ×: °æ·Â(3³â ÀÌ»ó) - Çз»çÇ×: °íµîÇб³Á¹¾÷ ÀÌ»ó [¿ì´ë »çÇ× - ÀÌ·±ºÐÀÌ¸é ´õ ÁÁ¾Æ¿ä!]] - ¼ýÀÚ¿¡ ´ëÇÑ °¨°¢ÀÌ ÀÖÀ¸½Å ºÐ - ȸ°è ¼¼¹« Àü°øÀÚ ¶Ç´Â °ü·Ã ÀÚ°ÝÁõ º¸À¯ÀÚ - Á¤ºÎÁö¿ø»ç¾÷ À¯°æÇèÀÚ (SMTech, Iris µî) - À¯¿¬ÇÏ°í Á¤È®ÇÏ°Ô ¼ÒÅëÇÒ ÁÙ ¾Æ½Ã´Â ºÐ - ¸ñÇ¥¸¦ ´Þ¼ºÇϱâ À§ÇÑ Ã¥ÀÓ°¨°ú ²ö±â°¡ ÀÖÀ¸½Å ºÐ - ÇÔ²² ¼ºÀåÇÏ·Á´Â ½ºÅ¸Æ®¾÷ ¸¶Àε带 °¡Áø ºÐ |
±Ù¹«Á¶°Ç
ÀüÇü´Ü°è ¹× Á¦Ãâ¼·ù
Á¢¼ö¹æ¹ý
±âŸ À¯ÀÇ»çÇ×
00