(1) 분석 과제 발굴
- 해결해야 할 다양한 기업의 문제를 '데이터 분석 문제'로 변환하는 것을 포함
- 분석 과제는 프로젝트 수행 목저의 과제 정의서 형태로 도출
- 분석과제 탐색 방법은
하향식 접근법과상향식 접근법으로 나뉨.
(2) 분석 과제 탐색 방법
<1> 상향식 접근법 (Bottom-Up) - 분석 대상이 무엇인지 모름
-
{1} 지도 . 비지도 학습
- 지도 학습 - 정답이 있는 데이터를 활용하여 분석 모델을 학습시키는 것
- 머신러닝, 의사결정 트리, 인공신경망 분석, 분류분석
- 비지도 학습 - 정답을 알려주지 않고 학습, 정답 레이블이 없는 데이터를 비슷한 특징을 가진 데이터끼리 군집화하여 새로운 데이터에 대한 결과를 예측
- 장바구니 분석, 기술통계, 프로파일링, 군집 분석, 주성분 분석, 다차원 척도
- 지도 학습 - 정답이 있는 데이터를 활용하여 분석 모델을 학습시키는 것
-
{2} 프로토 타이핑 접근법 (시행착오 해결법)
- 필요한 상황 : 문제에 대한 인식 수준이 낮거나 불명확, 필요 데이터 존재 여부가 불확실, 데이터 사용 목적이 고정되지 않고 변화
<2> 하향식 접근법 (Top-Down) - 분석 대상이 무엇인지 알음
- Problem Discovery -> Problem Difinition -> Solution Search -> Feasibility Study
- {1} 문제 탐색 단계 (Problem Discovery)
- 비지니스 모델 탐색 기법
- 비지니스 모델 9가지 블록을 5가지로 단순화한 탐색 기법
- (1) 규제와 감사, (2) 업무, (3) 제품, (4) 고객, (5) 지원 인프라
- 비지니스 모델 9가지 블록을 5가지로 단순화한 탐색 기법
- 분석 기회 발굴 및 범위 확장
- 거시적 관점, 경쟁자 확대 관점, 시장의 니즈 탐색, 역량의 재해석
- 외부 참조 모델 기반 문제 탐색
- 분석 유스케이스
- 비지니스 모델 탐색 기법
- {2} 문제 정의 단계 (Problem Difinition)
- {3} 해결방안 탐색 단계 (Solution Search)
- {4} 타당성 검토 단계 (Feasibility Study)
- {1} 문제 탐색 단계 (Problem Discovery)
(3) 분석 과제 정의서
- 분석명, 분석 정의, 소스 데이터, 데이터 입수 난이도, 데이터 입수 사유, 분석 방법, 분석 적용 난이도, 분석 적용 난이 사유, 분석 주시, 분석결과 검증 Owner
(4) 분석 과제의 5가지 주요 속성을 고려한 관리
- {1} 데이터의 양 (Data Size)
- {2} 데이터 복잡도 (Data Complexity)
- {3} 분석 속도 (Analytic Speed)
- {4} 분석 복잡도 (Analytic Complexity)
- 복잡도가 올라갈수록 정확도가 올라가지만 해석이 어려워짐.
- 모델의 정확도가 높으면서 해석이 편리한 최적 모델을 탐색해야 함
- {5} 정확도 & 정밀도 (Accuracy & Precision)
- 정확도 : 모델과 실제 값 간의 차이가 적다.
- 정밀도 : 반복적으로 모델을 사용했을 때 모델 값들의 편차 수준을 나타냄.
- Time Boxing 기법 : 현재 할당된 작업이 주어진 시간 동안 완수되지 못하였더라도 다음 작업으로 넘어가는 방법
(5) 분석 프로젝트 관리 방안과 항목
- 통합, 이해관계자, 범위, 자원, 시간, 원가, 리스크, 품질, 조달, 의사소통
(6) CMMI (능력 성숙도 통합 모델) -> 5단계가 가장 좋음
- 1단계 : 개인의 역량이 프로젝트의 성공과 실패를 나누는 주요 요인, 프로젝트 개발 프로세스가 거의 없음.
- 2단계 : 일정이나 비용과 같은 요소가 프로세스 중심으로, 약간의 개발 프로세스하에서 통제되는 상태
- 3단계 : 2단계에서 존재하지 않는 조직을 관리하기 위한 프로세스가 존재
- 4단계 : 체계적인 관리하에 프로젝트 및 산출물 등에 대한 정량적인 측정이 가능
- 5단계 : 조직적으로 최적화된 프로세스 보유, 지속적 개선을 목표
