ADsP 시험준비 2과목 데이터 분석 기획(2)

728x90

01. 분석 마스터플랜 수립

분석 마스터플랜은 분석 대상이 되는 과제를 도출하고, 우선순위를 계산하여 세부 이행 계획을 수립하는 로드맵을 작성하는 것을 의미한다. 또한 분석 로드맵상의 과제가 잘 수행되기 위하여 분석 거버넌스의 체계를 수립하는 것을 의미한다.

1. 분석 마스터플랜 수립 프레임 워크

중 장기적인 관점의 마스터플랜을 수립하기 위해서 분석과제를 대상으로 전략적 중요도, 비즈니스의 성과 및 ROI(투자 회수율), 분석과제의 난이도 등의 다양한 기준을 고려해 우선순위를 선정해야한다.
그 외에 분석 데이터를 내부 데이터를 사용할지 혹은 외부 데이터를 사용할지, 분석 기술은 어느 기술 요소까지 적용할 것인지 등 분석의 적용 범위 및 방식에 대하여도 종합적으로 고려해 로드맵을 수립해야한다.
(마스터플랜 수립 개요)
우선순위의 고려요소 : 전략적 중요도, 비즈니스 성과 ROI, 실행의 용이성
-> 적용 우선순위를 결정
적용 범위/방식 고려요소 : 업무 내재화 적용 수준, 분석 데이터 적용 수준, 기술 적용 수준
-> 분석 구현 로드맵 수립

2. 수행 과제 도출 및 우선 순위 평가

우선순위 평가는 과제에 대한 실행 순서를 정하는 것이다. 분석과제의 우선순위 평가 기준에 따른 평가를 수행하고, 해당 과제들의 선후행 관계를 고려하여 최종적으로 실행순서를 결정하게 된다.

1) ROI 관점에서 보는 빅 데이터 4V

ROI는 총 누적된 효과를 총 비용으로 나눈 값을 의미한다.
4V에서 Volume, Variety, Velocity는 투자 비용이며 Value는 목표가치로 비즈니스의 효과를 의미하게 된다.

2) ROI 관점에서의 분석 과제 우선순위 평가 기준

시급성
전략적 중요도를 판단기준으로 삼는다. 현재 중요한지 미래에 중요한지로 판단을 한다. 다라서, 현재 전략적 중요도가 중요한 것이 미래보다 우선시 된다.
난이도
현 시점에서 과제를 수행할 때, 비용과 범위 측면을 고려했을 때, 적용이 쉬운지 어려운지 판단한다. 쉬운 것을 우선시 수행한다.

3) 포트폴리오 사분면 분석을 통한 과제 우선순위 선정하는 기법

위에서 설명한 난이도와 시급성을 고려해 4가지 유형으로 구분하여 분석 과제의 우선순위를 결정한다.

난이도\시급성	현재	미래
어려움	1사분면	2사분면
쉬 움	3사분면	4사분면

1 사분면  전략적 중요도는 높은데, 난이도가 높아 현재 수준에서 적용하기 어려움.
2 사분면  현재 시점에서는 전략적 중요도가 높지 않고, 어려운데 중장기적 관점에서는 필요함.
3 사분면  전략적 중요도가 높으며, 난이도는 쉬운편이라 우선적으로 바로 적용할 수 있음.
4사 분면  전략적 중요도가 높지 않지만, 과제를 적용하는데는 어렵지 않음

분석과제의 우선 순위를 고려하기 위해 시급성과 난이도를 활용해 위 처럼 4가지 유형으로 구분할 수 있다.
시급성이 중요할 경우 3 1 4 2 사분면의 순서로 우선순위가 선정될 것이다.
난이도가 중요할 경우 3 4 1 2 사분면의 순서로 우선순위가 선정될 것이다.

4) 분석 과제 우선순위 조정 Case

시급성과 난이도가 높은 1사분면은 경영진 또는 실무 담당자의 의사결정에 따라 적용 우선순위를 조정할 수 있다.
기술적 요소에 따라 조정이 가능하다.
분석의 범위에 따라 조정이 가능하다.

3. 이행계획 수립

1) 로드맵 수립

분석 과제에 대한 사분면 분석을 통하여 결정된 우선순위와 과제별 적용 범위 및 방식을 고려하여 최종적인 우선순위를 결정하고 단계적 구현 로드맵을 수립한다.

2) 세부 이행계획 수립

반복적인 정련 과정을 통해 프로젝트의 완성도를 높이는 방식을 주로 사용한다.
보통 모든 단계를 반복하지는 않고, 데이터 수집 및 확보와 데이터 준비 단계는 순차적으로 진행하고 모델링 단계를 반복적으로 수행하는 혼합형을 많이 사용한다.

02. 분석 거버넌스 체계 수립

1. 거버넌스 체계 개요

분석 거버넌스는 기업에서 데이터가 어떻게 관리되고, 유지되고, 규제되는지에 대한 내부적인 관리 방식이나 프로세스를 의미한다.
데이터 거버넌스는 데이터의 품질보장, 프라이버시 보호, 데이터 수명관리, 전담 조직과 규정정립, 데이터 소유권과 관리권 명확화 등을 통하여 데이터가 적시에 필요한 사람에게 좋은 품질의 상태로 제공되도록 체계를 확립하는 것이다. 데이터 거버넌스가 확립되지 못하면 품질이 낮은 데이터를 중요한 의사결정에 활용함으로 심각한 문제를 야기할 수도있다. 그리고 개인 프라이버시 관련 데이터로 인해 ‘빅브라더’의 우려가 현실화 될 가능성이 높다.

분석 거버넌스 체계의 구성 요소는 아래 5가지가 있다.

Process (과제 기획 / 운영 프로세스)
System ( IT / 프로그램 )
Data (데이터 거버넌스)
Human Resource (분석 교육)
Organization ( 분석 기획 / 관리 및 추진 조직)

2. 데이터 분석 성숙도 모델 및 수준 진단

데이터 분석의 수준 진단을 통하여 데이터 분석 기법을 구현하기 위해 무엇을 준비해야하고 보완해야하는지 등 분석의 유형 및 분석의 방향성을 결정할 수 있다.
데이터 분석의 수준 진단은 6개의 영역의 분석 준비도와 3개 영역에서의 분석 성숙도를 함께 평가하며 수행될 수 있다. 수준 진단을 통해 각 기업이 수행하는 현재의 분석 수준을 명확하게 이해하고, 수준 진단 결과를 활용하여 미래의 목표 수준을 정의할 수 있다. 또한 어떠한 영역에 대해 선택과 집중을 해야하는지, 어떤점을 보완해야 하는지 등의 개선 방안을 도출할 수 있다.

1) 분석 준비도

(분석 준비도의 6개의 진단 영역)

분석 업무
분석 인력 조직
분석 기법
분석 데이터
분석 문화
분석 인프라
분석 준비도는 위 6가지 영역을 진단하여 일정 수준 이상을 충족하면 분석 업무를 도입하고 충족하지 못하면 분석 환경을 조성하도록 한다.

2) 데이터 분석 준비도 프레임 워크

분석 업무 파악
발생한 사실 분석 업무, 예측 분석 업무, 시뮬레이션 분석 업무, 최적화 분석 업무, 분석 업무 정기적 개선
인력 및 조직
분석 전문가 직무 존재, 분석 전문가 교육 훈련 프로그램, 관리자의 기본 분석 능력, 전사 분석 업무 총괄 조직 존재, 경영진 분석 업무 이해 능력
분석 기법
업무별 적합한 분석 기법 사용, 분석 업무 도입 방법론, 분석 기법 라이브러리, 분석 기법 효과성 평가, 분석 기법 정기적 개선
분석 데이터
분석 업무를 위한 데이터의 충분성 및 신뢰성, 적시성, 비구조적 데이터 관리, 외부 데이터 활용 체계, 기준 데이터 관리
분석 문화
사실에 근거한 의사결정, 관리자의 데이터 중시, 회의 등에서 데이터 활용, 경영진의 직관보다 데이터를 활용하는지, 데이터 공유 및 협업 문화
분석 인프라
운영 시스템 데이터 통합, EAI, ETL 등 데이터 유통체계, 분석 전용 서버 및 스토리지, 빅 데이터 분석 환경, 비쥬얼 분석 환경

3. 분석 성숙도 모델

분석 성숙도 모델은 비즈니스 부문, 조직 역량 부문, IT 부문으로 평가하며 성숙도 수준에 따라 도입단계, 활용단계, 확산단계, 최적화 단계로 구분할 수 있다.

(분석 성숙도 모델)

단계	도입	활용	확산	최적화
설명	분석을 시작하여 환경과 시스템을 구축	분석 결과를 실제 업무에 적용	전사 차원에서 분석을 관리하고 공유	분석을 진화시켜 혁신 및 성과 향상에 기여
비즈니스 부문	실적분석 통계, 정기보고 수행, 운영 데이터 기반	미래 결과 예측, 시뮬레이션, 운영 데이터 기반	전사 성과 실시간 분석, 프로세스 혁신 3.0, 분석 규칙 관리, 이벤트 관리	외부 환경 분석 활용, 최적화 업무 적용, 실시간 분석, 비즈니스 모델 진화
조직 역량 부문	일부 부서에서 수행, 담당자 역량에 의존	전문 담당부서에서 수행, 분석 기법 도입, 관리자가 분석 수행	전사 모든 부서 수행, 분석 COE(분석 업무 총괄) 조직 운영, 데이터 사이언티스트 확보	데이터 사이언스 그룹, 경영진 분석 활용, 전략 연계
IT 부문	데이터 웨어하우스, 데이터 마트, ETL/EAI, OLAP	실시간 대시보드, 통계분석 환경	빅 데이터 관리 환경, 시뮬레이션 최적화, 비주얼 분석, 분석 전용 서버	분석 협업 환경, 분석 Sandbox(보안 모델), 프로세스 내재화, 빅 데이터 분석

4. 분석 수준 진단 평가

4가지 유형으로 분석 수준 진단 결과를 구분하여 향후 고려해야 하는 데이터 분석 수준에 대한 목표방향을 정의하고, 유형별 특성에 따라 개선 방안을 수립할 수 있다. 이는 준비도와 성숙도로 4가지 유형을 나누게 된다.

(사분면 분석)

.	낮은 준비도	높은 준비도
높은 성숙도	정착형	확산형
낮은 성숙도	준비형	도입형

정착형 : 준비도는 낮으나 조직, 인력, 분석 업무, 분석 기법등을 기업 내부에서 제한적으로 사용하고 있는 상태로 1차적으로 정착이 필요한 기업이다.
확산형 : 기업에 필요한 6가지 분석 구성 요소를 모두 갖추었고, 현재 부분적으로 도입되어 지속적인 확산이 필요한 기업이다.
준비형 : 기업에 필요한 데이터, 인력, 조직, 분석업무, 분석 기법 등이 적용되어 있지 않아 사전 준비가 필요한 기업
도입형 : 기업에서 활용하는 분석 업무, 기법 등은 부족하지만 적용 조직 등 준비도가 높아 바로 도입을 할 수 있는 기업이다.

5. 분석 지원 인프라 방안 수립

분석 과제별로 별도의 분석 시스템을 구축하면, 관리가 복잡하고, 많은 비용이 요구된다. 따라서 분석 마스터플랜을 기획하는 단계에서 장기적이고 안정적으로 사용할 수 있는 ‘확장성을 고려한 플랫폼 구조’를 도입하는 것이 좋다.

(넓은 의미의 분석 플랫폼)

분석 서비스 제공 엔진
분석 애플리케이션
분석 서비스 제공 API

(좁은 의미의 분석 플랫폼)

데이터 처리 프레임 워크
분석엔진, 분석 라이브러리

6. 데이터 거버넌스 체계 수립

실시간으로 생성되는 비 정형 그리고 반 정형 데이터는 조직이나 프로젝트 단위의 데이터 관리 체계로는 해결할 수 없다. 따라서 전사 차원의 체계적인 데이터 거버넌스의 필요성이 부각된다.
데이터 거버넌스란 전사차원의 모든 데이터에 대하여 정책 및 지침, 표준화, 운영조직 및 책임 등의 표준화된 관리 체계를 수립하고 운영을 위한 프레임 워크 및 저장소를 구축하는 것을 말한다. 특히 마스터 데이터(자주 변하지 않고 자료 처리 운용에 기본 자료로 제공되는 데이터), 메타 데이터, 데이터 사전(데이터에 관한 정보를 수집 보관 제공하기 위한 장치)은 데이터 거버넌스의 중요한 관리 대상이다.

1) 거버넌스 구성 요소

원칙
데이터를 유지 관리하기 위한 지침과 가이드 및 보안, 품질 기준, 변경 관리.
조직
데이터를 관리할 때 조직의 역할과 책임 및 데이터 관리자, 데이터 아키텍트
프로세스
데이터 관리를 위한 활동과 체계 및 작업 절차, 모니터링 활동

2) 데이터 거버넌스 체계 요소

데이터 표준화 : 데이터 표준 용어 설명 ,명명 규칙, 메타 데이터 구축, 데이터 사전 구축
데이터 관리 체계 : 메타 데이터와 데이터 사전의 관리 원칙을 수립
데이터 저장소 관리 : 메타 데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소 구성된다. 저장소는 데이터 관리 체계 지원을 위한 워크플로우 및 관리용 소프트웨어를 지원하고 관리 대상 시스템과 인터페이스를 통한 통제가 이루어져야한다. 데이터 구조 변경에 따른 사전 영향평가도 수행되어야 효율적으로 활용이 가능함.
표준화 활동 : 데이터 거버넌스 체계를 구축한 후 표준 준수 여부를 주기적으로 점검하고 모니터링 실시

7. 데이터 조직 및 인력 방안 수립

데이터를 효과적으로 분석활용하기 위해 기획 및 운영을 관리할 수 있는 전문 분석조직이 필요하다.(CoE)
이는 다양한 분야의 지식과 경험을 가진 인력과 업무 담당자 등으로 구성된 전사 혹은 부서 내 조직으로 구성할 수 있다.

( 조직 구조의 세가지 유형)

집중 구조
전사 분석 업무를 별도의 분석 전담 조직에게 담당하는 것.
전략적 중요도에 따라서 분석 조직이 우선순위를 정해 진행이 가능하다.
현업 업무 부서의 분석 업무와 이중화 될 가능성이 크다.(문제점)
기능 구조
일반적인 분석 수행 구조로 별도의 분석 조직이 없고 해당 업무 부서에서 분석을 수행한다.
전사적인 핵심 분석이 매우 어렵고, 부서 현황 및 실적 통계 등 과거 실적에 따른 분석에 국한될 가능성이 높다. (문제점)
분산 구조
분석조직 인력들을 편성하고 현업부서로 직접 배치하여 분석 업무를 수행하는 구조.
전사적 핵심 분석도 가능하며, 이원화 될 가능성도 없다.( 위 두개의 단점 모두 커버가능)
부서 분석 업무와 여겨할 분담을 명확히 해야할 필요가 있다.

8. 분석 과제 관리 프로세스 수립

과제 발굴과 과제 수행 그리고 모니터링으로 나누어진다.

과제 발굴 : 분석 아이디어 발굴 -> 분석 과제 풀 관리 -> 분석 프로젝트 확정
과제 수행 : 분석을 수행할 팀 구성 -> 분석 과제 모니터링 -> 과제 결과를 공유 및 개선

분석조직이 지속적으로 관리 프로세스를 수행함으로 조직내 분석 문화 내재화를 확보 할 수 있다. 그리고 해당 과제를 진행하며 생겨난 시사점을 포함한 결과물을 풀에 축적하여 추후 유사한 분석 과제 수행시 참고하여 시행착오를 최소화 할 수 있다.

9. 분석 교육 및 변화 관리

과거에는 데이터 분석가가 담당한 일들을 이제 모든 구성원이 데이터를 분석하고 이를 바로 업무에 적용할 수 있도록 분석 문화를 정착시키고 변화시키려고 시도한다.
분석의 가치를 극대화하고 내재화하기 위해 분석에 관련된 교육 및 마인드 육성을 위한 적극적인 변화관리가 필요하다.
빅 데이터의 등장은 많은 비즈니스 영역에서 변화를 가져온다. 이러한 변화에 적극적으로 대응하기 위해 기업에 맞는 적합한 분석 업무를 도출하고 가치를 높여줄 수 있도록 분석조직 및 인력에 대한 지속적인 교육과 훈련을 실시해야한다.

포스팅을 마치며

분석 기획에 대하여 알아보는 마지막 시간이였습니다! 다음부터는 이제 본격적인 데이터 분석 과목을 공부해야하는데요!.. 이번주 부터 OBC 심화 수업 중 제가 제일 어려워하는 부분에 들어가게 되서, 공부를 할 수 있는 시간이 얼마나 있을지 모르겠습니다 ㅜㅜ.. 그래도 시간 날때마다 공부해서 포스팅하도록 하겠습니다. 감사합니다.