[ADsP 정리] 2. 데이터 분석기획(2)

1. 분석 마스터 플랜 수립 프레임워크

1. 분석 마스터 플랜 수립 프레임워크

- 분석 과제를 대상으로 다양한 기준을 고려해 적용 우선순위를 설정하고, 데이터 분석 구현을 위한 로드맵을 수립한다.

- 적용 범위 및 방식에 대한 고려 요소(3가지)

  1) 업무 내재화 적용 수준

  2) 분석 데이터 적용 수준

  3) 기술 적용 수준

 

2. ISP(Information Strategy Planning, 정보화전략기획)

- 기업 및 공공기관에서 시스템 중장기 로드맵 정의하는 절차

- 정보 기술 또는 정보시스템을 전략적으로 활용하기 위하여 조직 내・외부 환경을 분석하여 기회나 문제점을 도출하고 사용자의 요구사항을 분석하여 시스템 구축 우선순위를 결정하는 등 중장기 마스터 플랜을 수립하는 절차

 

3. 마스터 플랜 수행 과제 우선순위 평가 기준(2가지)

- 우선순위 평가: 정의된 데이터 과제에 대한 실행 순서를 정하는 것

- 1) 일반적인 IT 프로젝트 우선순위 평가 기준 – 전략의 중요도, 실행 용이성

- 2) ROI요소/분석우선순위 기준 – 시급성, 난이도

 

① 일반적인 IT 프로젝트 우선순위 평가 기준 

② 우선순위 평가에 활용하기 위한 ROI(투자대비수익률) 관점에서 빅데이터의 핵심 특징 

 

4. 마스터 플랜 분석 과제 우선순위 선정

- 과제분석 우선순위 선정기준인 난이도(Easy, Difficult)와 시급성(현재, 미래)을 고려

- Value → 시급성: 전략의 중요도, 목표가치가 평가요소

- 3V(Volume, Variety, Velocity) → 난이도: 데이터 획득/저장/가공 비용, 분석 적용 비용, 분석수준이 평가 요소

 

5. “포트폴리오 사분면(Quadrant) 분석”을 통한 과제 우선 순위 선정

→ 4가지 유형으로 구분 

- 가장 우선적인 분석 과제 적용이 필요한 영역 : 3사분면

- 우선순위가 가장 낮은 영역 : 2사분면

- 적용 우선순위 기준: 시급성 ⇒ III → IV → II

- 적용 우선순위 기준: 난이도 ⇒ III → I → II

- 적용 우선순위 조정 가능

  -- 경영진/실무 담당자 의사결정에 따라 난이도 조절

  -- 기술적 요소에 따라 우선순위 조정

  -- 분석범위에 따라 우선순위 조정

 

6. 이행계획 수립

1) 로드맵 수립

  ① 분석과제에 대한 포트폴리오 사분면 분석을 통해 과제의 1차적 우선순위를 결정한다.

  ② 분석 과제별 적용 범위 및 방식을 고려하여 최종적인 실행 우선순위를 결정한 후 단계적 구현 로드맵을 수립한다.

  ③ 단계별로 추진하고자 하는 목표를 정의한다.

  ④ 추진 과제별 선・후행 관계를 고려하여 단계별 추진 내용을 정렬한다.

 

2) 세부 이행 계획 수립

  - 데이터분석체계는 고전적인 폭포수(Water-Fall) 방식도 있으나 반복적인 정련과정을 통하여 프로젝트의 완성 도를 높이는 방식을 주로 사용한다.

  - 반복적인 분석체계는 모든 단계를 반복하기 보다 데이터 수집과 확보 분석 데이터를 준비하는 단계는 순차적 으로 진행하고, 모델링 단계는 반복적으로 수행하는 혼합형을 많이 적용하며, 이러한 특징을 고려하여 세부 적인 일정계획도 수립해야 한다.

 

2. 분석 거버넌스 체계 수립

1. 분석 거버넌스 개요

- 기업에서 데이터를 이용한 의사결정이 강조될수록 분석과 활용을 위한 체계적인 관리가 중요해지고, 어떤 데이터를 어떻게 분석에 활용할 것인가가 중요 해진다.

- 데이터 분석을 기업의 문화로 정작하고 데이터 분석업무를 지속적으로 고도화하기 위해서는 조직 내 분석 관리체계를 수립해야 한다.

- 기업 내의 전체적인 분석 기준과 환경 등을 분석하여 타 경쟁사와 유사업종과 비교하여 어느 수준에 있는지 평가도 필요하다.

- 분석을 할 수 있는 분석 조직, 분석 인력에 대한 교육을 통해 분석 거버넌스를 수립하는 것도 중요 하다.

 

2. 분석 거버넌스 체계 구성 요소(5가지) 

① 조직(Organization) - 분석 기획 및 관리를 수행하는 조직

② 프로세스(Process) - 과제 기획 및 운영 프로세스

③ 시스템(System) - 분석 관련 IT 시스템과 프로그램

④ 데이터(Data) - 데이터 거버넌스

⑤ Human Resource – 분석 관련 교육 및 마인드 육성 체계

 

3. 데이터 분석 수준 진단 프레임워크

⇒ 분석 준비도(6개 영역) + 분석 성숙도(3개부문, 4단계)

 

4. 분석 준비도(6가지 영역)

- 기업의 데이터 분석 도입의 수준을 파악하기 위한 진단방법

- 총 6가지: 분석업무 파악, 인력 및 조직, 분석기법, 분석 데이터, 분석문화, IT인프라

1) 분석업무 파악

  - 발생한 사실 분석업무

  - 예측 업무 분석

  - 시뮬레이션 분석 업무

  - 최적화 분석 업무

  - 분석 업무 정기적 개선

 

2) 인력 및 조직

  - 분석 전문가 직무 존재

  - 분석 전문가 교육 훈련 프로그램

  - 관리자들의 기본적 분석 능력

  - 전사 분석업무 총괄 조직 존재

  - 경영진의 분석 업무 이해 능력

 

3) 분석기법

  - 업무별 적합한 분석기법 사용

  - 분석업무 도입방법론

  - 분석기법 라이브러리

  - 분석기법 효과성 평가

  - 분석기법 정기적 개선

 

4) 분석 데이터

  - 분석업무를 위한 데이터 충분성

  - 분석업무를 위한 데이터 신뢰성

  - 분석업무를 위한 데이터 적시성

  - 비구조적 데이터관리

  - 외부 데이터 활용 체계

  - 기준 데이터 관리(MDM)

 

5) 분석 문화

  - 사실에 근거한 의사결정

  - 관리자의 데이터 중시 정도

  - 회의 등에서 데이터 활용 상황

  - 경영진의 직관 vs 데이터 기반의 의사결정

  - 데이터 공유 및 협업 문화

 

6) IT 인프라

  - 운영시스템 데이터 통합

  - EAI, ETL 등 데이터 유통체계

  - 분석 전용 서버 및 스토리지

  - 빅데이터 분석 환경

  - 통계 분석 환경

  - 비쥬얼 분석 환경

 

5. 조직의 분석 성숙도 평가 도구

- CMMI(Capability Maturity Model Integration) 모델

  → 소프트웨어공학에서 시스템 개발 업무 능력과 조직의 성숙도를 파악하기 위해서 사용하는 모델

- 성숙도 진단(3개 부문) : 비즈니스 부문, 조직역량부문, IT 부문

- 성숙도 수준(4단계) : 도입단계, 활용단계, 확산단계, 최적화단계

단계	도입	활용	확산	최적화
	분석 시작, 환경과 시스템구축	분석결과를 업무에 적용	전사차원에서 분석 관리, 공유	분석을 진화시켜 혁신 및 성과향상에 기여
비즈니스 부문	• 실적분석 및 통계 • 정기보고 수행 • 운영 데이터 기반	• 미래결과예측 • 시뮬레이션 • 운영데이터 기반	• 전사성과 실시간분석 • 프로세스혁신3.0 • 분석규칙관리 • 이벤트관리	• 외부환경분석 활용 • 최적화업무 적용 • 실시간 분석 • 비즈니스모델진화
조직‧역량 부문	• 일부부서에서 수행 • 담당자역량에 의존	• 전문담당부서수행 • 분석기법 도입 • 관리자가 분석수행	• 전사 모든 부서 수행 • 분석 COE 운영 • 데이터사이언티스트 확보	• 데이터사이언스 그룹 • 경영진 분석 활용 • 전략 연계
IT 부문	• 데이터웨어하우스 • 데이터 마트 • ETL/EAI • OLAP	• 실시간대시보드 • 통계분석 환경	• 빅데이터 관리 환경 • 시뮬레이션‧ 최적화 • 비쥬얼 분석 • 분석 전용 서버	• 분석 협업환경 • 분석 SandBox • 프로세스 내재화 • 빅데이터 분석

        

6. 분석 준비도 및 성숙도 진단 결과

  - 기업의 현재 분석 수준을 객관적으로 파악

  - 경쟁사의 분석 수준 비교 평가를 통해 분석 경쟁력 확보 및 강화를 위한 목표 수준 설정 가능

 

7. 분석 관점에서의 사분면 분석(Analytics Quadrant) : 준비형, 정착형, 도입형, 확산형

① 준비형 : 낮은 준비도, 낮은 성숙도 수준에 있는 기업들

  - 분석을 위한 데이터, 조직 및 인력, 분석 업무 등이 적용되지 않음으로 인해 사전준비가 필요한 유형

 

② 정착형 : 낮은 준비도, 높은 성숙도

  - 준비도는 낮은 편이지만 조직, 인력, 분석업무 등을 기업 내부에서 제한적으로 사용하고 있는 기업들

  → 우선적으로 정착이 필요한 기업

 

③ 도입형 : 높은 준비도, 낮은 성숙도

  - 기업에서 활용하는 분석 업무 및 분석 기법 등은 부족한 상태이지만, 조직 및 인력 등 준비도가 높은 유형

  → 바로 데이터 분석을 도입할 수 있는 기업

 

④ 확산형 : 높은 준비도, 높은 성숙도

  - 데이터 분석을 위해 기업에 필요한 6가지 분석 구성요소를 모두 갖추고 있으며, 현재 부분적으로 도입해 지속적인 확산이 가능한 기업

 

8. 데이터 거버넌스 체계 수립

1) 데이터 거버넌스 개요

  - 전사 차원의 모든 데이터에 대하여 정책 및 지침, 표준화, 운영조직 및 책임 등의 표준화 된 관리 체계를 수립 하고 운영을 위한 프레임워크(Framework) 및 저장소(Repository)를 구축하는 것을 말함

  - 마스터 데이터(Master Data), 메타 데이터(Meta Data), 데이터 사전(Data Dictionary)은 데이터 거버넌스의 중요 한 관리 대상

 

2) 데이터 거버넌스의 구성요소(3가지): 원칙, 조직, 프로세스

① 원칙(Principle)

  - 데이터를 유지 관리하기 위한 지침과 가이드

  - 보안, 품질기준, 변경관리

 

② 조직(Organization)

  - 데이터를 관리할 조직의 역할과 책임

  - 데이터 관리자, 데이터베이스 관리자, 데이터 아키텍트

 

③ 프로세스(Process)

  - 데이터 관리를 위한 활동과 체계

  - 작업 절차, 모니터링 활동, 측정 활동

 

3) 데이터 거버넌스 체계(4가지)

- 데이터의 표준화, 데이터의 관리체계, 데이터 저장소 관리, 표준화 활동 

① 데이터 표준화

  - 데이터 표준용어 설정, 명명규칙, 메타데이터 구축, 데이터 사전 구축등의 업무로 구성

 

② 데이터 관리 체계

  - 데이터 정합성 및 활용이 효율성을 위하여 표준 데이터, 메타 데이터, 데이터 사전의 관리 원칙을 수립

  - 빅데이터의 경우 데이터의 생명주기 관리방안(Data Life Cycle Management) 수립하지 않으면 데이터 가용성 및 관리비용 증대 문제에 직면하게 될 수 있다.

 

③ 데이터저장소 관리(Repository)

  - 메타 데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성한다.

  - 저장소는 데이터 관리 체계 지원을 위한 워크플로우(Workflow) 및 관리용 응용 소프트웨어를 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제가 이루어져야 한다.

  - 데이터 구조 변경에 따른 “사전영향평가”도 수행되어야 효율적인 활용이 가능하다.

 

④ 표준화 활동

  - 데이터거버넌스 체계를 구축한 후 표준 준수 여부를 주기적으로 점검하고 모니터링을 실시한다.

9. 데이터 분석을 위한 조직구조의 형태(3가지)

- 집중구조, 기능구조, 분산구조

1) 집중 조직 구조

‧ 전사 분석업무를 별도의 분석 조직에서 담당

‧ 전략적 중요도에 따라 분석조직이 우선순위를 정해 진행

‧ 현업 업무부서와 이원화/이중화 가능성 높음

 

2) 기능중심 조직구조

‧ 일반적 분석수행구조

‧ 별도 분석조직 없고 해당 업무부서에서 분석 수행

‧ 전사적 핵심 분석 어려움

‧ 과거실적에 국한된 분석 수행 가능성 높음

 

3) 분산된 조직

‧ 분석조직인력을 현업부서로 직접 배치해 분석업무 수행

‧ 전사차원의 우선순위 수행 ‧분석결과에 따른 신속한 Action가능

‧ 베스트 프랙티스 공유 가능

‧ 부서 분석업무와 역할분담 명확화 필요 

 

10. 분석과제 관리 프로세스 수립

- 분석 과제 관리 프로세스 : 1) 과제 발굴 → 2) 과제 수행 

- 1) 과제 발굴: 분석 아이디어 발굴 – 분석 과제 후보 제안  – 분석 과제 확정

- 2) 과제 수행: 팀 구성 – 분석과제 실행 – 분석과제 진행관리 – 결과 공유/개선