ADSP 자격증 공부 두 번째 글,

---

ADSP 2과목

1. 데이터 분석 기획의 이해

분석 기획 방향성 도출

분석 기획

실제 분석을 수행하기에 앞서 분석을 수행할 과제를 정의하고, 의도했던 결과를 도출할 수 있도록 이를 적절하게 관리할 수 있는 방안을 사전에 계획하는 일련의 작업

분석 대상과 방법

분석 주제 유형	분석의 대상
분석의 방법(How)		Known	Unknown
	Known	Optimization	Insight
	UnKnown	Solution	Discovery

분석 기획시 고려사항

• 가용 데이터(Availiable data)에 대한 고려가 필요
• 분석을 통해 가치가 창출될 수 있는 적절한 활용 방안과 유즈케이스 탐색이 필요
• 분석 수행시 발생하는 장애 요소들에 대한 사전 계획 수립이 필요

분석 방법론

기업의 합리적 의사결정을 가로막는 장애요소

고정 관념, 편향된 생각, 프레이밍 효과

업무 특성에 따른 모델

• 폭포수 모델
• 나선형 모델
• 프로토타입 모델

KDD와 CRISP-DM 분석 방법론

KDD분석 방법론	CRISP-DM 분석 방법론
1. 데이터셋 선택	1. 업무 이해
2.데이터 전처리	2.데이터 이해
3.데이터 변환	3. 데이터 준비
4.데이터 마이닝	4. 모델링
5.결과 평가	5.평가
	6.전개

빅데이터 분석방법론

프로세스

• 단계 > 테스크 > 스텝

분석 방법론 5단계

• 분석 기획 > 데이터 준비 > 데이터 분석 > 시스템 구현 > 평가 및 전개

분석과제 발굴 방법론

하향식 접근 방식

분석 과제가 주어지고 이에 대한 해법을 찾기 위하여 각 과정이 체계적으로 단계화되어 수행하는 방식

상향식 접근 방식

문제의 정의 자체가 어려운 경우 데이터를 기반으로 문제를 지속적으로 개선하는 방식

하향식 접근 방식

문제 탐색	문제 정의	해결방안 탐색	타당성 검토
비즈니스 모델 기반 문제 탐색 외부사례 기반 문제탐색	데이터분석 문제 변환	수행 옵션 도출	타당성 평가 → 과제선정

1) 문제 탐색

• 업무(operation), 제품(product), 고객(customer), 규제와 감사(regulation & audit), 지원 인프라(IT & human resource)등 5가지 영역으로 기업의 비즈니스를 분석

2) 문제 정의

• 비즈니스 문제를 데이터의 문제로 변환하여 정의하는 단계

3) 해결방안 탐색

• 분석 역량, 분석기법 및 시스템으로 해결 방안 탐색, 비즈니스 모델 기반 문제 탐색

4) 타당성 검토

• 경제적 타당성, 데이터 및 기술적 타당성 검토

상향식 접근 방식

기업이 보유하고 있는 다양한 원천 데이터로부터 분석을 통하여 통찰력과 지식을 얻는 접근방법

특징

• 디자인적 사고 접근법을 통해 WHY → WHAT 관점으로 존재하는 데이터 그 자체를 객관적으로 관찰하여 문제를 해결하려는 접근법을 사용
• 시행착오를 통한 문제 해결 : 프로토타이핑 접근 법
• 비지도 학습 방법으로 수행되며, 데이터 자체의 결합, 연관성, 유사성을 중심으로 접근

분석과제 정의

• 분석 과제 정의서를 통해 분석별 필요 소스 데이터, 분석 방법, 데이터 입수 및 분석의 난이도, 분석 수행주기, 검증 오너십, 상세 분석 과정 등을 정의

프로젝트 관리 방안

분석과제 관리를 위한 5가지 주요 항목

• Data Complexity(데이터 복잡성)
• Speed(속도)
• Analytic Complexity(분석 복잡도)
• Accuracy & Precision(정확도와 정밀도)
• Data Size(데이터 크기)

분석 프로젝트의 특성

• 분석가의 목표: 개별적인 분석 업무 수행 뿐만 아니라 전반적인 프로젝트 관리 또한 중요
• 분석가의 입장: 데이터 영역과 비즈니스 영역의 현황을 이해, 분석의 정확도 달성과 결과에 대한 가치 이해를 전달하는 조정자로서의 역할
• 프로토타이핑 방식의 애자일 프로젝트 관리방식에 대한 고려도 필요

2. 분석 마스터 플랜

마스터 플랜 수립 프레임워크

우선순위 고려요소		적용범위/방식 고려요소
전략적 중요도	적용 우선 순위 설정	업무 내재화 적용 수준	Analytics 구현 로드 맵 수립
비즈니스 성과/ROI		분석 데이터 적용 수준
실행 용이성		기술 적용 수준

빅데이터의 핵심 특징

4V 비즈니스 효과	3V 투자비용 효과	크기 - Volume
		다양성 - Variety
		속도 - Velocity
		가치 - Value

분석 거버넌스 체계 수립

분석 거버넌스 체계 구성요소

• Process: 과제 기획 및 운영 프로세스
• System: 분석 관련 시스템
• Data: 데이터
• Human Resource:분석 교육/마인드 육성체계
• Organization: 분석 기획 및 관리 수행 조직

데이터 거버넌스

• 전사 차원의 모든 데이터에 대하여 정책 및 지침, 표준화, 운영조직 및 책임 등의 표준화 된 관리 체계를 수립하고 운영을 위한 프레임워크 및 저장소를 구축하는 것을 말함.
• 마스터 데이터, 메타 데이터, 데이터 사전은 데이터 거버넌스의 중요한 관리 대상

구성 요소

• 원칙, 조직, 프로세스

데이터 거버넌스 체계

• 데이터 표준화, 데이터 관리 체계, 데이터 저장소 관리, 표준화 활동

데이터 분석을 위한 3가지 조직 구조

---

---

분석 과제 관리 프로세스

1. 분석 아이디어 발굴
2. 분석 과제 후보 제안
3. 분석 과제 확정
4. 팀 구성
5. 분석 과제 실행
6. 분석 과제 진행 관리
7. 결과 공유/개선