기업에서 가장 가치 있는 데이터는 어디에 있습니까?

현재 전통적인 (비인터넷) 기업들은 이미 큰 데이터의 가치를 인식하고 있지만, 기업 현황과 결합하여 큰 데이터를 효과적으로 적용하는 방법은 여전히 혼란스럽다. 이 경우 HCR 은 엔터프라이즈 대용량 데이터 응용 프로그램의 관련 서비스 경험을 바탕으로 엔터프라이즈 고객이 이해하고 구현할 수 있도록 몇 가지 실행 가능한 아이디어와 권장 사항을 제시합니다.

이 문서는 더 많은 고객 자원 (ToC 및 일부 ToB) 과 내부 데이터를 보유한 중대형 기업을 대상으로 하며, 대량의 기업/개인 관리 데이터를 보유한 정부 기관 (예: 세금) 의 대규모 데이터 애플리케이션에도 도움이 됩니다.

1. 기업에서 가장 가치 있는 데이터는 어디에 있습니까?

큰 데이터의 가치는 데이터에서 비롯됩니다. Dell 은 기업에서 가장 가치 있는 데이터를 위해 다음과 같은 두 가지 사항을 고려합니다.

1) 내부 비즈니스 대용량 데이터 (외부 대용량 데이터 아님) 어플리케이션 가치가 가장 높습니다.

기업의 큰 데이터는 내부 (자체 업무 생산 운영에서 발생하는 모든 데이터) 와 외부 (외부 (예: 제 3 자/인터넷) 로 나눌 수 있습니다. 현재 기업들은 외부 (예: 인터넷/전자 상거래/모바일 인터넷) 에서 대용량 데이터 및 관련 서비스 응용 프로그램을 도입하는 데 열중하고 있으며, 기존의 내부 비즈니스 빅 데이터를 무시하는 것이 가장 큰 가치 마이닝 목표입니다.

정보화 및 데이터 응용 과정에서 대부분의 중대형 기업은 1 단계 (정보 시스템 구축 및 비즈니스 데이터 수집의 자동화/표준화) 를 완료했습니다. 여러 해 동안 건립된 각종 업무 정보 시스템은 대량의 업무 데이터를 축적했다. 하지만 2 단계 (데이터 발굴, 기업 경영 관리 향상) 에 들어서면서 진행이 더디다. 외부 데이터에 비해 내부 비즈니스 데이터는 엔터프라이즈 빅 데이터의 주체로, 데이터의 양, 내용 다양성, 시간이 길다. 기업의 특성과 직접적으로 관련되고 운영의 모든 측면을 포괄하기 때문에 다양한 외부 데이터보다 기업에 더 큰 가치를 제공합니다. 하지만 이 수치들은 정당한 가치를 발휘하지 못하고 대부분 잠을 자거나 부담이 되기도 한다.

2) 내부 업무 빅 데이터 중 고객서비스와 관련된 데이터를 우선적으로 고려해야 합니다.

내부 비즈니스 빅 데이터는 논리적 속성에 따라 두 가지 범주로 나눌 수 있습니다.

1) 제품/서비스 관련: 엔터프라이즈 제품/서비스와 관련된 데이터 (R&D/ 설계/원자재/생산/제조/피드백).

2) 고객 서비스: 관련 데이터 (사전 판매/판매/고객 서비스/운영 유지 보수/이벤트 /CRM 등). ) 대상 고객 (b 또는 c) 을 중심으로 합니다.

위의 두 데이터 중 고객 서비스와 관련된 업무 행동은 기업 운영에 큰 영향을 미칩니다. 그 데이터도 기업 내 빅 데이터의 주체이므로 내부 빅 데이터 마이닝 응용 프로그램의 대상으로 우선 순위를 부여해야 합니다.

둘째, 구현 프로세스

다음으로 기업에서 가장 가치 있는 내부 비즈니스 데이터 세트에 대한 소비자 연구 및 레이블 지정 연구 방법을 결합하여 큰 데이터 가치를 효과적으로 발굴하는 방법을 설명합니다.

먼저 주요 프로세스를 제시한 다음 각 단계를 자세히 설명하겠습니다.

출처: 빅 데이터 플랫폼 부서 @HCR

Step 1 전체 시스템 설계: 기존 내부 데이터를 재구성합니다.

실제 상황과 향후 애플리케이션 목표에 따라 기존 비즈니스 데이터 시스템을 재구성하고 계획합니다. 이 과정에서 두 가지 점에 유의해야 한다.

포인트 1: 데이터 조직은 기능 지향에서 고객 대면 (라이프 사이클 조직) 으로 전환해야 합니다. 현재 기업 내부의 업무 데이터는 대부분 업무 기능 (시스템) 을 중심으로 조직되어 있으며, 서로 완전히 연결되어 있지 않다. 가치 마이닝을 위한 비즈니스 데이터는 각 고객 중심, 사용자 수명 주기, 모든 비즈니스 기능 단계의 데이터를 연결합니다.

요점 2: 향후 파노라마 데이터 통합을 위한 프레임워크로 고객의 데이터 설명 시스템을 구축합니다. 시스템을 설명하는 소스 데이터에는 내부 데이터뿐 아니라 외부 데이터 (보조) 도 포함됩니다. 실제 데이터 통합 처리는 기존 데이터를 직접 가져올 수 있고 누락된 데이터 컨텐츠가 후속 수집/아웃소싱의 주요 목표라는 시스템을 기반으로 합니다.

한 자동차 기업 고객을 예로 들자면, 관련 빅데이터는 내부 9 개 비즈니스 시스템에서 생성되어 서로 독립적이다. 데이터 시스템 변환 및 통합에서 변환 다이어그램은 다음과 같습니다.

출처: 빅 데이터 플랫폼 부서 @HCR

2 단계 데이터 통합 및 중앙 집중화: 기존 데이터를 실제로 통합하고 통합된 대규모 데이터 플랫폼을 구축합니다.

Step 1 획득된 계획 시나리오를 기반으로 기존 비즈니스 데이터를 각 비즈니스 시스템에서 통합된 대규모 데이터 플랫폼으로 기술적 수단을 통해 통합합니다. 플랫폼은 데이터 분석 플랫폼으로서 운영 비즈니스 시스템과 분리되어 데이터 웨어하우스/정형/비정형 데이터를 지원합니다.

통합에 주의해야 합니다.

(1) 데이터 모델 설계 및 데이터 ETL (청소/변환) 은 고객 중심의 통합 계획이 필요합니다.

(2) 새로운 데이터 시스템에서 데이터 컨텐츠가 누락/부족한 향후 통합 및 통합 메커니즘을 충분히 고려합니다.

3 단계 레이블 분석: 고객에 대한 종합적인 레이블 분석을 수행하여 레이블 설명 결과를 생성합니다.

2 단계 통합 사용자 중심 다차원 데이터 공간에서 소비자 연구 및 비즈니스 특성을 기반으로 사용자 레이블 시스템을 구축하여 고객에 대한 실제 레이블 지정 분석을 수행합니다. 레이블 시스템의 정의는 사용자의 기본 정보, 비즈니스 특성 및 향후 애플리케이션 목적을 고려하여 지속적으로 확장되어야 합니다.

예를 들어 앞서 언급한 자동차 기업 고객의 경우 사용자 레이블에 대해 기본 속성 (성별, 나이, 구매력, 직업계층 ...), 가족 상황 (가정에 아이가 있고, 두 번째 차가 있음), 모델/운전 선호도 (예: SUV 에 대한 선호도, 안전에 대한 선호도, 안전 선호도

Step4 비즈니스의 실제 응용/마이닝: 비즈니스 활동을 통해 고객의 큰 데이터 가치를 실제로 발굴하고 적용합니다.

통합 고객 분석 플랫폼을 통해 모든 고객 분석에서 얻은 태그 지정 설명 결과를 실제 적용을 위해 기업 내 모든 부서에 제공할 수 있습니다. 각 부서는 실제 비즈니스 요구 사항에 따라 대상 고객을 유연하고 정확하게 선별할 수 있습니다 (예: 마케팅 부서는 80 명의 후생, 구매력이 강한 대상 고객을 찾아 MPV 가정용 모델을 홍보할 수 있음). 또는 제품 고객층의 심층적인 특징을 발견할 수 있습니다 (제품 설계 부서는 모델 대상 고객이 실제 고객과 일치하는지 여부를 분석할 수 있음).

셋째, 구현 방법

내부 빅 데이터 애플리케이션 프로세스의 폐쇄 루프를 닫는 5 가지 주요 단계 중 각 단계는 서로 다른 초점을 가지고 있습니다.

Step 1 의 전반적인 시스템 설계

전반적인 시스템 설계는 향후 기업 내 빅 데이터 어플리케이션이 발휘할 수 있는 가치 공간을 결정하므로 높은 중시가 필요하다. 전기에는 착실해야지, 서둘러 성공을 추구하지 마라.

주요 작업은 다음과 같습니다.

● 기업의 기존 데이터를 철저히 조사하여 각 비즈니스 시스템에서 고객과 관련된 데이터 (배포/데이터 속성/상관 관계/데이터 품질 등) 를 파악합니다. ).

● 각 사업부에서의 조사 및 인터뷰, 사용자 연구의 추세를 통해 향후 각 사업부의 전체 애플리케이션 요구 사항 목표를 파악하고 고객 속성/레이블에 대한 관련 요구 사항으로 추상화합니다.

● 처음 두 단계를 토대로 사용자 연구원과 대규모 데이터 아키텍처/분석가의 협력을 통해 전반적인 설계를 완료합니다.

출력에는 최소한 다음이 포함됩니다.

● 새로운 데이터 시스템의 설계 및 재구성 시나리오, 기존 데이터의 통합 메커니즘 및 누락된 데이터 속성의 수집 및 융합 메커니즘 (레이블 시스템 요구 사항 기반) 을 포함한 새로운 고객 중심 데이터 모델의 추상/상관 관계/속성 소스/생성 메커니즘 정의

● 고객 태그 시스템 프레임워크 및 분류 체계, 주요 태그 설계 및 분석 아이디어, 향후 애플리케이션 모델 등을 포함한 고객 태그 애플리케이션 시스템 프레임워크 구현 시나리오

2 단계 데이터 통합 ​​집중

새 데이터 시스템의 설계 요구 사항에 따라 관련 데이터를 효과적으로 통합 및 관리할 수 있는 통합 내부 대형 데이터 플랫폼을 구축합니다.

주요 작업은 다음과 같습니다.

● 통합 대형 데이터 플랫폼 하드웨어 및 소프트웨어/네트워크 인프라 (애플리케이션 및 데이터베이스 시스템 포함) 구축

● 기존 데이터의 경우 새로운 데이터 시스템 설계를 기반으로 데이터 물리적 모델 및 도킹 시나리오를 설계하고 기술 수단 (ETL/ 프로그래밍) 을 통해 내부 비즈니스 시스템을 도킹하여 각 비즈니스 시스템의 관련 데이터를 대형 데이터 플랫폼에 통합합니다.

● 누락된 데이터 및 외부 소스의 대용량 데이터에 대한 메커니즘을 구축하여 향후 이러한 데이터의 지속적이고 효과적인 통합을 보장합니다.

출력 결과는 다음과 같습니다.

● 기업 내외부의 모든 사용자 관련 데이터 자원을 지속적으로 통합하고 관리할 수 있는 통합 대형 데이터 플랫폼.

● 데이터 통합 및 수집의 지속 가능성과 효율성을 보장하는 기술 및 비즈니스 구현 메커니즘.

기존 데이터를 통합할 때 기업 내에는 다양한 IT 개발자를 대상으로 하는 많은 비즈니스 정보 시스템이 있습니다. 다중 비즈니스 시스템 데이터 통합의 정확성과 효율성을 보장하기 위해 이 단계의 구현자는 기업 내 기존 비즈니스 정보 시스템의 핵심 IT 개발자를 우선적으로 고려하거나 기업의 정보 센터에서 수행할 것을 권장합니다. 참고: 구현 과정에서 대규모 데이터 아키텍처 및 데이터 전문가가 조언과 지침을 제공해야 합니다.

3 단계 사용자 레이블 분석

이 단계의 작업은 데이터의 미래 가치에 가장 큰 영향을 미친다. 실제 집행에서는 단번에 이루어지는 과정이 아니라 장기적이고 점진적인 과정이다. 비즈니스 변화와 애플리케이션 요구 사항에 따라 사용자 레이블 시스템을 지속적으로 최적화하고 확장해야 합니다. 관련 작업은 주로 업계에 익숙한 사용자 연구원과 데이터 마이닝/알고리즘 엔지니어가 기업의 비즈니스 요구 사항에 따라 수행합니다.

● 사용자 연구원: 전체 고객 레이블 시스템을 기반으로 데이터에 반영된 사용자 행동에 대한 심층적인 연구와 분석을 통해 비즈니스 요구 사항에 따라 높은 가치의 레이블을 정의하여 관련 분석 법칙을 파악합니다.

● 데이터 마이닝/알고리즘 엔지니어: 대용량 데이터 기술 (데이터 마이닝/기계 학습 등) 을 종합적으로 활용합니다. ) 방법, 연구원과 협력하여 발굴하고, 레이블 분석 알고리즘 프로그래밍을 완료하고, 대량의 레이블 분석 처리를 자동화하여 실현할 수 있습니다.

출력 결과는 다음과 같습니다.

● 모든 고객의 라벨 분석 및 설명 결과.

● 특정 고객 기반/비즈니스 요구 사항과 관련된 심층 분석 보고서.

단계 4 서비스의 실제 적용

3 단계에서 생성된 고객 라벨 분석 결과에 따라 필요한 콘텐츠를 추출 및 분석하고 후속 업무 활동 (예: 선택한 고객에 대한 광고 및 마케팅 ...) 및 의사 결정 분석에 적용합니다.

실제 사용을 용이하게 하기 위해 3 단계의 분석 결과에 대한 통합 애플리케이션 분석 플랫폼을 구축하고, 모든 고객의 태그 지정 속성을 유연하게 필터링/분석하고, 심층적인 연구 보고서와 최신 시각화 분석 도구를 제공하여 기업의 더 깊은 데이터 애플리케이션을 지원합니다.

비즈니스 인력의 경우 분석 결과를 활용하는 아이디어와 아이디어가 부족하면 교육 및 사례를 통해 아이디어를 확장할 수 있습니다. 또한 사용 후 데이터 연구자와 의사 소통이 필요하며, 비즈니스 상황에 따라 지속적으로 피드백하여 레이블 분석 모델의 정확성을 높일 수 있습니다.

5 단계 적용 결과에 대한 피드백

각 부서가 데이터를 이용하여 업무를 진행한 후, 접촉한 고객의 피드백을 가능한 한 많이 수집해야 한다. 피드백 결과 수집은 글로벌 데이터 시스템의 정의를 참조하고 큐알（QR）코드 설문지와 같은 편리한 스프레드시트를 통해 완료 및 제출해야 합니다. 이러한 피드백 폐쇄 루프 메커니즘은 고객의 장기적인 실제 인식을 효과적으로 방지하고 사용자 태그 지정 초상화의 정확도와 후속 응용 가치를 향상시킬 수 있습니다. 우리는 외자약 기업의 고객이 이미 관련 시도를 하기 시작하여 좋은 효과를 거두었다.

넷째, 주목해야 할 문제와 해결책

현재, 기업에 있는 큰 데이터의 통합 발굴과 응용은 이미 많은 업계 선두 기업들의 관심을 끌며 시도하기 시작했다. 하지만 체계적인 사고와 경험이 부족해 많은 어려움을 겪었다. 기업은 계획을 구현할 때 먼저 다음과 같은 문제에 주의를 기울여야 합니다.

1, 건설 아이디어 및 구현자 선택

앞의 설명에서 알 수 있듯이 내부 빅 데이터 통합 및 애플리케이션 마이닝의 본질은 사용자의 심층 연구 및 관련 애플리케이션입니다. 데이터 구성 및 마크업 시스템뿐만 아니라 IT 관련 데이터 플랫폼의 통합 및 구축은 사용자 연구의 아이디어에 따라 수행됩니다. 사용자 연구/대규모 데이터 마이닝 기술 (예: 데이터 마이닝/알고리즘) 인력은 구현의 핵심 팀입니다.

유감스럽게도, 우리가 접촉한 일부 기업들 중에서 건설 아이디어는 여전히 큰 편차가 있다. IT 시스템 구축의 사고방식을 답습하여 IT 기업이 해야 한다고 생각하는 사람들도 있다. 실제로 it 기업은 구현 시 사용자 연구/데이터 마이닝과 같은 가장 중요한 전문 역량을 보유하고 있지 않습니다 (step2/4 요구 사항과 관련된 IT 플랫폼 개발에 더 적합). 일부 기업들은 CRM 비즈니스의 확장으로 CRM 서비스 업체에 적합하다고 생각합니다. 이것도 옳지 않다. CRM 데이터/비즈니스는 기업 사용자의 대용량 데이터/어플리케이션의 하위 집합일 뿐이며, CRM 직원은 창업자가 아닌 사용자 연구 결과의 사용자입니다.

이러한 오해는 많은 기업에서 대규모 데이터 마이닝 및 관련 응용 프로그램의 효과적인 보급에 직접적인 영향을 미칩니다. 한 주류 휴대전화 제조업체는 기술 플랫폼에만 치중하고 심층 연구에는 치중하지 않는다. 대량의 데이터를 수집하고 통합한 후 응용가치가 자연스럽게 오는 것 같다. 모 합자차업체는 국제적으로 유명한 it 서비스 컨설팅사가 프로젝트를 완성할 예정이다. (사실 컨설팅회사는 자동차 업계의 산업법과 사용자 특징을 깊이 이해할 수 없다고 생각한다.) 모 성의 모바일 사업자는 그룹 고객에게 대규모 데이터 통합 및 마케팅 지원 서비스를 제공할 때 한 상장 it 회사에서 실시한다. 이 기업은 it R&D 능력이 강하지만 기존의 비즈니스 프로세스 관리 아이디어로 인해 일선 계정 관리자는 서비스되는 그룹 고객을 시스템에서 심층적으로 파악할 수 없어 대상 비즈니스 프로모션을 수행하기가 어렵습니다.

따라서 기업 내에서 대용량 데이터 애플리케이션을 구현하기 위해서는 포괄적인 구현자를 선택하는 것이 중요합니다. 구현자는 기업의 비즈니스 특성, 전문 사용자 연구 능력, 대형 데이터 관련 기술 (플랫폼 아키텍처 설계/데이터 마이닝/빅 데이터 알고리즘 분석) 에 익숙해야 합니다.

2. 데이터 통합은 어려울 수 있습니다.

기업은 step2 (데이터 통합 및 중앙 집중화) 를 구현할 때 대부분 같은 문제를 겪습니다. 즉, 진도가 지연되고 데이터 세트에서 설계 목표를 달성하지 못하여 후속 데이터 어플리케이션에 큰 영향을 미칩니다.

주된 이유는 다음과 같습니다.

● 데이터는 내부 비즈니스 시스템을 많이 포함하고 있으며, 개발자는 종종 다르며, 각 시스템은 일반적으로 서로 다른 사업부에 의해 관리됩니다. 따라서 각 부서와 비즈니스 시스템의 데이터 통합에는 여러 부서 (관리자와 개발자) 의 권한, 이익 및 노력이 포함됩니다. 관련 조정/추진은 일반적으로 비효율적입니다.

● 통합을 구현하는 it 회사는 내부 데이터의 세부 사항을 잘 알고 있지만 대부분 개발 능력이 뛰어나 대용량 데이터를 통합하는 주요 작업 (도킹, 동기화, 데이터 정리 등) 에 대한 경험과 최적화 방법이 부족합니다. ).

이러한 이유와 전체적인 목표가 불분명하여 통합과 집중이 기업 데이터 가치 응용에 가장 큰 걸림돌이 되고 있습니다. 한 성급 사업자의 경우, 내부 사용자 대용량 데이터 통합이 거의 2 년 동안 간헐적으로 진행되어 예상 목표를 달성하지 못했다.

이런 상황을 피하기 위해서, 우리는 다음 두 가지를 해야 한다.

● 고위층은 강력한 내부 집행 통제를 중시해야 한다. 회사 수준에 초점을 맞추는 것은 각 비즈니스 시스템의 데이터 장벽을 깨는 데 도움이 되며, 전문 총통제팀은 진도와 효과에 큰 영향을 미칩니다. 한 대기업 고객을 예로 들면, 6 개 부서 9 개 시스템을 포괄하는 데이터 통합은 상당히 어렵다. 회사는 부사장이 멋을 맡고, 정보센터는 전문팀을 구성해 실제 조정과 심사를 담당한다. 결국 계획대로 관련 일을 마치고 동행의 선두에 섰다.

● 대규모 데이터 처리 및 통합 기술 전문가는 컨설팅/교육을 통해 it 구축 기업이 데이터 통합 기술 역량을 향상시킬 수 있도록 지원합니다.

3. 내부 비즈니스 데이터 개선 임중 지원.

데이터 속성 누락 및 데이터 품질 문제는 엔터프라이즈 비즈니스 데이터의 가장 일반적인 문제이며 향후 애플리케이션 가치에 큰 영향을 미칩니다. 이와 함께 대규모 데이터 환경에서는 고객 데이터의 세분성/깊이 부족도 점차 두드러지고 있습니다. 예를 들어, 상장 제약 회사에 대한 관련 데이터를 검색한 결과, 고객 관련 데이터는 채널 수준에만 도달하고 최종 사용자에게는 도달하지 않아 가장 가치 있는 내용이 많이 누락되는 것으로 나타났습니다. 이러한 문제의 핵심 원인은 글로벌하고 체계적인 데이터 프레임워크와 구현 메커니즘이 결여되어 있고, 비즈니스 전반에 걸쳐 데이터 수집을 위한 목표, 방법 및 조치가 부족하기 때문입니다. 이러한 변화는 하루아침에 이뤄질 수 있는 것이 아닙니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 성공명언)

이에 대해 기업은 다음 사항에 유의해야 한다.

● 고객 식별/연락 체계가 미비한 경우 가능한 한 빨리 통일된 고객 체계 (예: 회원제) 를 구축해야 합니다.

● 명확한 글로벌 데이터 시스템을 지침으로 삼아 제도화된 수집 통합 메커니즘을 구축하여 각 분야의 업무 인력을 자발적으로 자각하게 해야 한다.

● 외부 빅 데이터/애플리케이션 피드백 데이터도 데이터 시스템에 통합되어 관련 수집 메커니즘 및 통합 방식을 통일적으로 계획해야 합니다.

● 이 과정에서 너무 많이 펴지 말고 상황에 따라 점진적으로 실시하여 가장 중요하고 쉬운 데이터 자원을 우선적으로 고려한다.

셋째, HCR 은 기업 내에서 대용량 데이터 응용 프로그램을 지원합니다

기업 내 빅 데이터의 연구 및 응용은 구현자가 업계/애플리케이션 연구 및 빅 데이터 애플리케이션 기술 분야에서 포괄적이고 심층적인 종합 기능을 갖추어야 합니다. 현재 연구업계든 it 산업이든 관련 요구 사항을 충족하는 구현 기업은 매우 적다.

큰 데이터와 작은 데이터를 결합한 선도적인 데이터 연구 업체인 HCR 은 다음과 같은 기능을 완벽하게 갖추고 있습니다.

● 10 이상 업계 선임 연구원, 장기 기업 연구, 업계/사용자 연구 경험. Bdu 와 Q 그룹을 대표하는 연구팀은 국내외에서 기업을 도와 빅 데이터 연구를 하는 데 풍부한 경험을 가지고 있다.

●hcr 빅 데이터 플랫폼 부서는 업계에서 가장 강력한 데이터 기술 기능을 갖추고 있습니다. 데이터 아키텍처 그룹은 기업이 비즈니스 데이터를 파악하고, 비즈니스 특성에 적합한 대규모 데이터 시스템 및 플랫폼을 설계/계획하고, 실제 기술 구현 기능을 갖추도록 지원합니다. 마이닝 알고리즘 그룹은 대규모 데이터 환경에서 마이닝 알고리즘/기계 학습/구조화되지 않은 텍스트 분석 분야에서 강력하며 사용자 태그 지정 분석 분야에서 연구원과 협력하여 풍부한 성과를 거두었습니다.

연구 및 기술의 포괄적인 이점 덕분에 HCR 은 현재 여러 고객 기업이 내부 비즈니스 빅데이터의 가치 마이닝을 실현할 수 있도록 돕고 있으며, 이를 통해 고객은 대용량 데이터 애플리케이션을 통해 비즈니스 운영을 개선할 수 있습니다.

변쇼가 여러분에게 공유하는 기업의 가장 가치 있는 데이터가 어디에 있는지에 대한 내용입니다. 더 많은 정보는 글로벌 아이비리그가 더 많은 건품을 공유하는 것에 집중할 수 있다.