매트릭스를 이용한 스프레드 시트상의 데이터 분류 방법{A data sorting method on spreadsheet using matrices}

본 발명은 매트릭스를 이용한 자료분류 방법에 대한 것이다. 특히 본 발명은 자료의 새로운 분류필드를 만드는 방법 즉 숫자로 된 필드들을 가진 레코드들을 분류하는 방법에 관한 것이다.

이 분야의 종래 기술로는 1997년 8월 22일 출원되어 2000년 7월 25일 특허가 허여된 IBM사의 미국 특허 제 6,094,651 호 "Discovery-driven exploration of OLAP(On-line Analytical Processing) data cubes"가 있다.

이 특허는 k 차원 데이터 큐브(data cube)의 데이터 변칙(data anomalies)을 찾아내는 방법으로서, 놀람값(surprise value)을 데이터 큐브의 각 셀과 관련지어 이 데이터 큐브의 다른 셀들의 내용의 변칙의 정도를 나타내는 셀과 관련을 짓는 단계와, 셀(cell)과 관련된 놀람값이 소정의 예외 임계값(predetermined exception threshold)을 초과하는 경우에 데이터 변칙을 나타내는 단계를 포함하여 이루어진다.

이 특허는 데이터 마이닝(data mining)을 위한 것으로 고차원 데이터의 자동 서브스페이스 클러스터링에 관한 것이다. 그러나 상기한 종래 기술에 의해서는 데이터베이스를 모르는 일반인은 업무시에 주어진 데이터들로부터 새로운 데이터를 분류하기가 매우 어렵다. 그래서 데이터베이스나 통계적 지식이 부족한 사용자들은 사용자 임의로 자료를 분류할 수 없다.

또한 매트릭스차트 개념을 이용하는 다른 기존의 방법들도 대부분 종이 위에서 그림을 그려서 표현하는 방법이 그리고 이 분야의 또 다른 방법으로는 숫자 필드를 포함한 레코드들을 분류하는 통계적인 군집분석 방법이 있다. 그러나 이 발명도 사용자가 통계적인 지식을 가지고 있어야 분석결과를 이해하고 사용할 수 있다는 단점이 있었다. 이뿐만 아니라 이 방법은 사용자가 원하는 임의의 구간과 개수로 지정할 수 없어 유연성이 부족하였다.

본 발명은 상기한 종래 기술들의 문제점을 해결하기 위하여 고안된 것으로서 데이터베이스를 모르는 사용자도, 데이터베이스에서 이미 정의된 필드 외의 새로운 분류를 매트릭스 차트라는 시각적인 환경을 통하여 손쉽고 정확하게 할 수 있도록 하고, 새로운 필드를 생성시켜 또 다른 분석에 파생시켜 활용할 수 있도록 하는 방법을 제공하는데 목적이 있다

도 1은 서울시의 구별, 행정동별 세대수 등의 분포를 수치로 나타낸 스프레트 쉬트의 예시도.

도 2는 문자필드의 그룹을 재분류 하는 과정의 시작단계 예시도.

도 3은 새로이 생성된 아이템 입력란에 사용자가 지정하는 그룹명을 입력하면 새로운 아이템 목록이 생성되는 과정의 예시도.

도 4는 새 그룹 아이템 목록의 설정이 완료된 뒤 각각의 새그룹 아이템 목록속에 그룹화된 기존의 아이템 목록을 매칭시키는 과정 예시도.

도 5는 새 그룹 아이템 목록과 기존의 아이템 목록의 매칭을 완료한 상태의 예시도.

도 6은 문자 그룹화 과정을 거친 후 다시 스프레드 시트로 재출력한 화면의 예시도.

도 7은 수치특성을 가진 스프레드 시트의 예시도.

도 8은 수치성을 가진 스프레드 시트상의 각 필드목록 예시도.

도 9는 사용자가 지정한 수치필드 1개의 항목을 분석 버튼을 이용하여 산포도로 표현한 예시도.

도 10은 값이동 버튼을 이용하여 분석라인을 추가시키고 분석라인을 이동하여 정렬시키는 과정의 예시도.

도 11은 수치데이터들을 특성별로 그룹화 하는 초기단계를 나타내는 예시도.

도 12는 그룹화한 새 그룹명과 산포도상에 분류되어 있는 그룹명 등을 매칭시켜 그룹명과 그에 속할 산포도 데이터 값들을 연결시킨 후의 화면 예시도.

도 13은 수치성을 가진 단일필드 1개의 값과 각 항목값을 연계시켜 그룹화 한 후 사용자가 지정한 그룹명으로 재분류된 스프레드 시트의 예시도.

도 14는 수치성 2개 필드 데이터의 그룹화 시작단계인 스프레드 시트를 나타내는 화면이다.

도 15는 매트릭스 기본 쉬트에서 매트릭스 챠트로 분석하려는 필드목록의 수치성 데이터를 2개 선택한 화면을 나타낸다.

도 16은 선택된 2개의 필드를 상호 연관성 수치에 따라 분류된 산포도를 나타내는 예시도.

도 17은 사용자가 원하는 분석라인의 수를 추가 생성하여 분석의 유연성을 제고시키는 화면의 예시도.

도 18은 추가시킨 분석라인을 수치필드 값의 산포도에 따라 정렬시키는 과정을 나타낸다.

도 19는 매트릭스 챠트에서 분석라인으로 분류되어진 셀을 유사영역별로 문자를 이용하여 그룹핑하는 초기화면.

도 20은 새로이 분류된 6개의 그룹명과 그룹명 중 기타지역에 포함되는 G7, G8, G9의 매트릭스 셀을 나타낸 화면.

도 21은 분류과정을 거친 데이터 그룹들이 재분류되어 스프레드 시트로 재출력된 예시도.

도 22는 분석의 시작단계인 스프레드 시트를 나타낸다.

도 23은 산포도로 표현될 2개 필드목록을 선택한 화면이다.

도 24는 2개의 수치성필드를 분석하여 산포도로 표현한 화면.

도 25는 각 데이터 값의 산포도를 x, y 축의 직선 분석라인을 이용하지 않고 사선을 사용하여 분석한 화면.

도 26은 데이터 값의 산포 위치에 따라 원형이나 자유도형 기법을 이용하여 매트릭스 산포도 상에서 그룹화 한 예시도.

도 27은 분류할 필드명의 데이터 항목을 사용자가 원하는 새 그룹으로 입력하는 단계를 표현한 것.

도 28은 그룹명과 항목간의 매칭을 통한 그룹핑 과정을 표현한 것.

도 29는 그룹화 할 목록별로 재분류된 스프레드 시트를 재출력한 것

도 30은 본 발명에 따른 데이터 분류방법을 나타내는 순서도.

데이터를 이용하여 새로운 분석필드를 만드는 방법에는 문자형 데이터의 그룹화 방법, 수치성 단일필드 데이터의 그룹화 방법 및 수치성 2개 필드 데이터의 그룹화 방법이 있다.

첫째, 문자형 데이터의 그룹화 방법은, 스프레드 시트에 추출된 데이터의 필드가 직업필드인 경우에 통상 의사, 변호사, 약사, 회사원, 공무원, 상인, 학생, 주부로 분류되어 있는데 사용자가 특정목적으로 직업필드의 구성 데이터를 이용하여 새로운 그룹으로 필드를 그룹화할 경우 의사, 변호사, 약사를 전문가집단으로,회사원, 공무원을 봉급생활자집단으로, 상인을 자영업자집단으로, 학생과 주부를 기타집단으로 그룹화 하여 스프레드 시트상에서 각 집단별 특성 분석에 활용할 수 있게 해주는 방법이다.

문자형 데이터의 그룹화 방법은 스프레드 시트에 추출된 문자 데이터를 사용자의 특정목적에 따라 그룹화 하여 분석에 용이하도록 설계되어 있다. 도 1은 서울시의 구별, 행정동별 가구수 등의 분포를 수치로 나타낸 것이다. 스프레드 시트의 사용자는 임의로 그룹화한 필드명으로 스프레드 시트의 문자 필드를 그룹화 하여 분석함으로써 구성데이터를 구분지을 수 있다. 또한 구성데이터를 그룹화할 때 이에 연동되는 수치데이터 그룹은 사용자의 임의 그룹화 필드로 연동 계산되어 구분되어지므로 사용자가 그룹화한 필드의 수치상 데이터를 신속하게 비교 분석한다.

도 2는 문자필드의 그룹을 재분류 하는 과정의 시작단계로서 스프레드 시트가 가지고 있는 문자데이터의 항목(도면 가운데 그룹명에 해당)을 보여주고 있다.

도 3은 새 아이템 목록에 입력하는 특성에 따라 사용자가 그룹명을 지정하는 과정을 보여주고 있다. 즉 새로이 생성된 아이템 입력란에 사용자가 그룹명을 입력하면 새로운 아이템 목록이 생성되는 과정을 나타낸다.

도 4는 도3의 과정을 통해 새 그룹 아이템 그룹명을 지정한 후 각각의 새 그룹 아이템 목록속에 그룹화된 기존의 아이템 목록을 매칭시키는 과정을 보여주고 있다.

도 5는 그룹화 과정에서 지정한 새 그룹 아이템 목록인 기타구, 우수구, 일반구를 기존 그룹의 아이템 목록과 매칭한 상태를 나타낸다

도 6은 일련의 문자형 데이터의 그룹화를 완료한 후, 스프레드 시트 상에 재출력한 화면을 나타낸다.

둘째, 수치성 단일필드 데이터의 그룹화 방법은, 스프레드 시트에 추출된 데이터의 필드가 매출액인 경우에 매출액 필드의 값 범위가 1부터 1,000까지의 산포도를 갖는 값으로 구성되어 있는데 사용자가 특정목적으로 매출액필드의 값 데이터를 이용하여 새로운 그룹으로 필드를 그룹화 할 경우 1부터 50까지를 매출액 저조 집단으로, 51부터 100까지를 매출액 보통 집단으로, 101부터 250까지를 매출액 양호 집단으로, 251부터 500까지를 매출액 우수 집단으로, 501이상을 매출액 최상 집단으로 그룹화 하여 각 집단별 특성 분석에 활용할 수 있고, 스프레드 시트 상에서 각 집단별 특성 분석에 활용할 수 있도록 하는 방법이다.

수치성 단일필드 데이터의 그룹화 방법은 스프레드 시트에 추출된 데이터의 필드가 수치의 특성을 지니고 있을 경우 이를 매트릭스 쉬트에서 동일한 특성을 가진 그룹의 형태로 그룹화하는 작업이다. 도 7은 수치특성을 가진 스프레드 시트를 보여준다. 일반적인 스프레드 시트는 아래 설명될 일련의 과정을 거쳐 사용자가 원하는 산포도를 얻을 수 있으며 이러한 결과값을 지닌 산포도는 사용자의 정의에 따라 그룹화 하여 분석에 이용된다. 도 8은 수치성을 가진 스프레드 시트상의 각 필드목록을 나타낸다. 사용자는 수치성의 각 필드항목에서 1개의 수치필드 항목을 선택한다. 도 9는 사용자가 지정한 수치필드 1개의 항목을 분석 버튼을 이용하여 산포도로 표현한 것이다. 이때 분석라인은 y값을 가진 1개의 분석 라인이 생성된다. 도 10은 값이동 버튼을 이용하여 분석라인을 추가시키고 분석라인을 이동하여 정열시키는 과정을 표현한 것이다. 사용자가 지정하는 수치데이터 값을 산포도를 통해 시각적 분석을 가능하게 하고 이를 다시 분석라인을 추가, 이동, 정열시켜 그룹화하여 특정 값을 나타내는 데이터를 분석할 수 있게 된다. 도 11은 수치데이터들의 특성별로 그룹화하는 초기단계를 표현한 것으로 수치데이터 값을 2.5미만집단, 7이상집단, 2.5-6.9집단으로 사용자가 임의 분류하여 그룹화할 새 그룹명을 입력하는 화면이다. 도 12는 상기와 같이 그룹화한 새 그룹명과 산포도상에 분류(도면상 아직 지정되지 않은 매트릭스 셀)되어 있는 그룹명(G1, G2)등을 매칭시켜 그룹명과 그에 속할 산포도 데이터 값들을 연결시킨 후의 화면을 나타내고 있다. 도 13은 수치성을 가진 단일필드 1개의 값과 각 항목값을 연계시켜 그룹화 한 후 사용자가 지정한 그룹명으로 재분류된 스프레드 시트를 나타낸다. 사용자는 원하는 임의의 그룹명으로 수치데이터를 재분류하여 분석에 활용할 수 있다.

셋째, 수치성 2개 필드 데이터의 그룹화 방법은, 스프레드 시트에 추출된 데이터의 필드가 매출액 및 수익인 경우에 매출액 필드의 값 범위가 1부터 1,000까지, 수익 필드의 값 범위가 1부터 100까지의 산포도를 갖는 값으로 구성되어 있는 데, 사용자가 특정목적으로 매출액필드 및 수익필드의 값 데이터를 이용하여 새로운 그룹으로 필드를 그룹화 할 경우 매출액 필드의 값의 기준 라인을 250으로, 수익필드 값 의 기준 라인을 50으로 설정한 후 사용자가 특정목적으로 매출액필드 및 수익필드 기준 라인 값을 이용하여 데이터를 새로운 그룹으로 필드를 그룹화할 경우 매출액이 250이하이면서 수익이 50이하인 집단을 매출액 및 수익 모두 저조 집단으로, 매출액이 251이상이면서 수익이 50 이하인 집단을 매출액은 우수하나 수익은 저조한 집단으로, 매출액이 250이하이면서 수익은 51이상인 집단을 매출액은 저조하나 수익은 우수한 집단으로, 매출액이 251이상이면서 수익은 51이상인 집단을 매출액 및 수익 모두 우수한 집단으로 그룹화 하여 스프레드 시트 상에서 각 집단별 특성 분석에 활용할 수 있다.

수치성 2개 필드 데이터의 그룹화 방법은 스프레드 시트에서 추출된 데이터의 필드를 2개 선택하여 각 필드별 연관성을 시각적으로 즉시 분석할 수 있는 매트릭스 분석 기법이다. 도 14는 수치성 2개 필드 데이터의 그룹화의 시작단계인 스프레드 시트를 보여준다. 도 15는 매트릭스 기본 쉬트에서 매트릭스 챠트로 분석하려는 필드목록의 수치성 데이터를 2개 선택한 화면을 나타낸다. 사용자는 사용자의 필요로 수치성 데이터를 2개 선택하여 각 수치 필드의 연관성을 분석할 수 있게 된다.

본 화면은 주택수와 평균연령 2개의 필드를 사용자가 선택하였다. 도16은 선택된 2개의 필드를 상호 연관성 수치에 따라 분류된 산포도를 나타낸다. 선택된 수치필드가 2개 이므로 x, y 좌표에 각 1개씩 분석라인이 자동으로 설정되어 진다. 도 17은 사용자가 원하는 분석라인의 수를 추가 생성하여 분석의 유연성을 제고시키는 화면을 나타낸다. 사용자는 산포도로 표현된 2개 이상의 수치필드 값을 분석라인을 추가시켜 임의의 구간으로 정할 수 있으며 데이터 분석라인을 데이터의 값에 따라 이동시킬 수 있다. 도18은 추가시킨 분석라인을 수치필드 값의 산포도에 따라 정열시키는 과정이다. 사용자는 수치필드의 산포도 값을 분석라인을 이용하여 정열함으로써 유사한 수치데이터 필드의 값으로 매트릭스 도면상에 그룹핑할 수 있으며 문자형 데이터의 분류에서 사용되었던 도 10번의 "라인 이동'기능을 이용하여 값의 수치를 입력함으로써 정열시킬 수도 있다. 도 19는 매트릭스 챠트에서 분석라인으로 분류되어진 셀을 유사영역별로 문자를 이용하여 그룹핑하는 초기화면을 나타낸다. 사용자가 원하는 그룹명을 새 그룹 입력창을 이용하여 입력하고 지정되지 않은 매트릭스 셀의 항목과 매칭시켜 그룹화를 하게된다. 도 20은 새로이 분류된 6개의 그룹명과 그룹명 중 기타지역에 포함되는 G7, G8, G9의 매트릭스 셀을 나타낸다. 각 그룹명을 선택하면 그 그룹명 안에 포함되어진 매트릭스 셀의 항목들이 표현되어 진다.

이러한 분류과정을 거친 데이터 그룹들은 도 21과 같이 재분류된 스프레드 시트로 재 출력됨으로써 사용자가 원하는 형태로 분석을 할 수 있는 분석의 유연성을 제공한다.

넷째, 수치성 데이터분포의 사선 및 자유형 그룹화 방법은, 단일 수치데이터의 분류 및 2개 수치데이터 분류에 의하여 매트릭스 쉬트 상에 산포도로 표현되어진 데이터의 값을 유사한 군으로 재분류하는 기법이다. 단일수치 및 2개 수치의 산포도 분류에서는 x, y 좌표를 가로 및 세로의 수치선을 설정하는데 이용하였지만 사선 및 자유형 그룹화 방법에서는 분포도로 표현된 데이터 값의 유사성을 x, y 좌표 값을 이용한 분석라인 설정 이외에 데이터값의 유사성을 시각적으로 확인한 후 원하는 사선 혹은 자유도형으로 그룹화하고, 그룹화된 데이터의 값을 토대로 스프레트 쉬트에 재분류하여 분석할 수 있는 그룹화 방법이다. 가령 데이터의 분포도가 중앙 및 좌우측에 밀접하게 분류되어 있는 경우 자유형 데이터 분류기법중의 사선분석라인을 선택하여 시각적으로 판단한 유사분포 데이터 수치를 사선분석라인을 통하여 그룹화를 할 수 있으며 이렇게 분류된 사선분류기법의 각각 영역을 스프레트 쉬트로 재 분류 통합하여 분석에 활용한다.

또한 산포도로 표현된 데이터의 값이 원형 또는 자유형태의 도형으로 분포되어있는 경우 혹은 산포된 데이터의 값이 분포되어 있는 특정 영역을 분석해 보고자 할 때에 원형 혹은 자유영역 분석라인을 선택하여 유저가 원하는 분포도상의 데이터 값을 선택하면 중요분포 영역의 데이터 값을 스프레트 쉬트로 분석할 수 있도록 재분류 및 그룹화 하는 기법이다.

도 22는 분석의 시작단계인 스프레드 시트를 나타낸다. 도 23은 산포도로 표현될 2개 필드목록을 선택한 화면이다. 수치성 데이터 분포의 사선 및 자유형 그룹화 방법에서는 1개의 수치성 필드를 선택하는 것에도 똑같이 적용하여 활용할 수 있으며 본 면에서는 2개의 수치성 필드를 선택한 화면을 예로 들어 설명한다.

도 24는 2개의 수치성필드를 분석하여 산포도로 표현한 화면이다 2개의 수치성 필드를 선택하였으므로 x, y 축에 각 1개씩의 분석라인이 자동으로 생성되었다. 도 25는 각 데이터 값의 산포도를 x, y 축의 직선 분석라인을 이용하지 않고 사선을 사용하여 분석한 화면이다. 데이터의 산포 모양에 따라 x, y 직선 분석라인은 분석의 정밀도에서 다소 부족함을 나타낼 수 있는데 이러한 한계를 사선을 통해 데이터 분포 유사성의 분석 정확도를 높인 것이다. 데이터의 x좌표 값에 따라 동일 x좌표 값인 경우 y값의 높낮이에 따라 G1, G2 등 산포영역명이 자동으로 생성된다. 도 26은 데이터 값의 산포 위치에 따라 직선 분석라인, 사선 분석라인과는 별도의자유 도형의 형태로 산포도상의 데이터 값을 그룹화 하는 장면을 표현한 것이다. 데이터 값에 따라 분포형태는 직선 및 사선의 형태로 제한이 있을 수 있는데 이러한 경우 자유도형의 그룹화방법을 이용하여 산포도를 묶을 수 있다. 도 27은 분류할 필드명의 데이터 항목을 사용자가 원하는 새 그룹으로 입력하는 단계를 표현한 것이다. 도 28은 그룹화명과 항목간의 매칭을 통한 그룹화 과정을 표현한 그림이다. 이러한 과정을 거쳐 도 29에서 그룹화 할 목록별로재 분류된 스프레드 시트를 재출력함으로써 분석에 활용할 수 있다.

한편 데이터를 분류할 때 문자형 데이터의 그룹화 방법에 의할 경우에는 문자별로 새로운 필드명과 메핑하여 분류하며 수치성 단일 필드 데이터의 그룹화 방법에 의할 경우에는 산포도를 작성한 후 사용자가 지정하는 해당 값의 라인을 이용하여 데이터를 세분화한 후 각 라인 영역별로 새로운 필드명과 메핑하여 분류하며, 수치성 2개 필드 데이터의 그룹화 방법에 의할 경우에는 매트릭스 산포도를 작성한 후 사용자가 지정하는 각 필드별 해당 값의 라인을 이용하여 데이터를 세분화한 후 각 영역별로 새로운 필드명과 메핑하여 분류한다.

도 30 은 본 발명에 따른 데이터 분류방법의 내용을 전체적으로 나타내는 순서도이다.

본 발명을 이용하여 자료를 분류하면, 데이터베이스를 잘 모르는 사용자라도 손쉽게 숫자 필드를 포함한 자료들을 분류 할 수 있다. 또한 매트릭스 차트를 이용하여 시각적으로 데이터들의 산포도를 보면서 적당한 개수와 적당한 간격으로 분류기준을 지정할 수 있으므로, 최적으로 자료를 분류 할 수 있다.

그리고 데이터베이스를 설계할 때, 이미 분류된 필드만 사용하던 기존 분석환경과 달리, 사용자 임의로 숫자 필드들을 분류할 수 있고, 또한 이렇게 분류된 내용을 새로운 필드로 생성함으로써, 파생된 분석에 사용하여 기존환경에서는 어려웠던, 새로운 분석을 할 수 있게 된다.

본 발명은 자료를 분류하는 기술을 기반으로 하는 분야에서 많이 사용될 수 있으며, 시프레드쉬트 상에서 데이터를 활용하여 분석하는 EXCEL, 통계패키지, OLAP(On-line Analytical Processing) 분석 등에 적용 가능하다.