Electronic marketplaces are becoming important players in several industries because they promise to greatly improve economic efficiency, reduce margins between price and cost, and speed up complicated business deals. The services they provide will expand many companies' purchasing and selling abilities, and will make prices more dynamic and responsive to economic conditions. This thesis proposes several knowledge-based systems using data mining techniques and two new business models in B2B EC.
The proposed business models have deep knowledge bases of application domains based on close relation with buyers or suppliers then support them useful information that shapes the transaction -- price, availability, quality, quantity, and so on. The specialist originator and the sell-side asset exchange are developed to support for buyers and suppliers, respectively.
We propose a hybrid prediction system of neural network (NN) and memory based reasoning (MBR) with self-organizing map (SOM) and knowledge augmentation technique using qualitative reasoning (QR). A SOM augmented NN and MBR expert system have good strengths in prediction and in learning the dynamic behavior over a period of time. A QR system rebuilds static knowledge into time-dependent knowledge using QR processes that are easily describes by common sense from qualitative characteristics.
기업간 전자상거래를 촉진하기 위한 인터넷의 활용은 극적인 비용절감, 구매자와 판매자에 대한 접근의 용이성, 시장유동성의 개선, 효율적이고 유연한 완전히 새로운 거래방법 등 막대한 이점을 제공한다. 전자상거래의 참여는 기업들의 공급망(supply chains), 제품전략 및 마케팅 전략, 프로세스와 운영, 비즈니스 모델까지도 B2B 관계를 형성하고 거래를 수행하는 형태로 변화될 것이다. 지금까지 대부분의 B2B 활동은 온라인 거래와 경매에 집중되어 왔다. 그리고 대부분의 전문가들은 e-마켓플레이스(electronic marketplaces)가 B2B 미래의 핵심이 될 것이라고 생각해 왔다.
하지만 현재의 B2B 모델은 세가지 치명적인 약점을 가지고 있다. 첫째, 구매자들에게 가능한 한 가장 낮은 가격으로 구매할 수 있도록 하는 공급자간 경쟁입찰 같은 거래를 통해 얻을 수 있는 가치가 최선의 구매자-공급자 관계를 지향하는 생각에 반대된다는 점이다. 둘째, 온라인 거래소는 판매자에게 거의 이득이 없다. 즉, 공급자들은 적은 마케팅 비용으로 보다 많은 구매자들과 접촉할 수 있지만 가격인하 압력 때문에 거의 이득이 없다. 마지막으로, 대부분의 B2B 거래소 비즈니스 모델은 불완전 할 수 밖에 없다. 온라인화를 지향하는 과정에서 거래소를 운영하려는 기업들은 자사 고객의 우선순위를 깊이 생각하고, 독특한 제안을 할 시간을 갖지도 못했을 뿐만 아니라 수익성 있는 방안을 제시하지도 못했다.
본 논문에서는 기업간 전자상거래의 두가지 차세대 비즈니스 모델을 제시하였다. 창설 전문가(specialist originator)는 복잡한 제품 거래를 위한 표준 설정, 고객을 위한 온라인 실시간 지원 제공 등을 해준다. 창설자는 경쟁자보다 복잡한 제품 카테고리와 고객 의사결정 파라메터를 더 잘 이해함으로써 이점을 누릴 수 있다. 그러기 위해서는 제품에 대한 깊이 있는 지식을 가지고, 밀접한 고객 관계(customer relations)를 가지면서, 고객의 거래량을 묶을 수 있는 능력을 가져야 한다. 한편, 시장이 구매자 중심과 판매자 중심으로 크게 구분되어 지리적인 이유나 정보불균형 때문에 수요와 공급이 균형을 이루지 못하고, 공급자들이 값비싼 고정자산의 완전 가동을 유지함으로써 엄청난 이득을 볼 수 있는 곳에서 판매자 중심의 거래는 가장 가치가 있다. 이러한 거래를 중개하기 위해서 판매자 중심의 자산 거래소(sell-side asset exchange) 비즈니스 모델을 제시하였다. 자산 거래소 모델을 지향하고자 하는 기업은 공급자 커뮤니티와 밀접한 공급자 관계(supplier relations)를 구축하고 부가적인 관련 서비스를 제안할 수 있는 능력을 가지면서 핵심 공급자와 협력할 수 있는 체제를 갖춤으로써 충분한 공급자거래를 확보하고 공급자들이 안고 있는 문제를 충분히 이해해야 성공할 수 있다.
창설 전문가나 판매자 중심의 자산 거래소 모델의 핵심은 관련 고객과 밀접한 관계를 가지고, 심도 있는 지식을 가지고 상품과 함께 부가 정보를 서비스하는 것이다. 그래서 본 논문에서는 이러한 비즈니스 모델을 인공지능(artificial intelligence) 도구들과 질적 추론(qualitative reasoning)을 통합한 형태로 구성하였다.
자기조직화시스템(SOM)으로 확장된 메모리(memory)와 신경회로망을 기반으로 한 전문가 시스템(expert system)은 동적인 환경을 가지고 복잡한 도메인 지식(domain knowledge)을 가지는 영역에서 효과적으로 지식 기반(knowledge bases)을 구축하는 시스템이다. 이 시스템은 인간두뇌의 학습 능력을 모방한 신경회로망에, 인간두뇌의 가장 기본적인 속석인 기억과의 결합을 한 것이다. 자기조직화 시스템이 입력 패턴의 변화를 감시하면서 외부 환경의 변화를 모니터하고, 신경회로망과 기억기반 추론은 입력 패턴으로부터 지식 기반을 구축한다. 다양한 종류의 자료로부터 학습하는 데이터 마이닝 도구는 많이 존재한다. 대부분의 도구들은 특정 분야에서 정적인 상황에서는 좋은 결과를 보여주지만 본질적으로 한계를 가진다. 게다가 응용분야의 지식이 시간에 따라서 변화하는 경우에는 도구들로부터 얻어진 지식을 수정하는 데는 비효율적이다. 이러한 한계를 극복하고 동적인 환경에서 자료로부터 더 좋은 지식을 얻기 위해서는 인공지능도구들의 통합이 필요하다.
질적 추론을 사용한 지식 확장 시스템은 동적으로 변화하는 상황에서 자연적으로 휘발성을 가지고 불완전한 지식에 질적 추론 접근 방법에 의해서 확장된 메타-지식을 제공함으로써 지식기반 의사결정시스템의 성능을 제고하는 시스템이다. 이 시스템은 지식기반의 완결성(completeness)에 대한 잠재적인 문제점을 극복하고자 한다. 귀납 학습(inductive learning)으로 얻은 지식과 질적 추론 모듈로부터 통합된 심도있는 메타-지식을 사용하여 현재 진행되는 프로세스를 알아내고, 각각의 프로세스의 효과를 특성값에 증폭시킨다.
그외에 자기조직화시스템을 이용한 자료 명시화 시스템(data visualization system) 및 원류품질관리시스템(material quality control system) 등이 제시되었다.
