[ADsP] 분석 마스터 플랜

당당·2023년 7월 15일

ADsP 분석 마스터 플랜

ADsP

목록 보기

6/13

📔설명

데이터 분석을 위한 마스터 플랜 수립을 알아보고, 분석과제의 시급성과 난이도에 따른 분석과제 우선순위 선정 방법을 알아보자.
데이터 분석 거버넌스 체계를 알고, 데이터 분석 조직구조와 교육 내용을 알아보자!

데이터분석을 위한 마스터 플랜 수립이 필요한 이유

데이터분석을 구현하기 위한 다양한 기준들을 통해 데이터 분석을 위한 로드맵 수립

분석과제의 우선순위 선정

비즈니스 관점에서 도출된 다양한 분석과제들을 기업에 적용시키기 위해서는 적용 우선순위를 평가해야 함

데이터 분석 거버넌스 체계가 필요한 이유

분석 거버넌스 체계를 통하여 기업의 현 분석수준을 정확히 진단하고 분석 조직 및 분석 전문인력 배치, 분석 관련 프로세스 및 분석 교육등의 관점에서 정의

데이터 분석 조직구조와 교육 내용

데이터 분석 조직은 기업의 경쟁력확보를 위해 필요
데이터 분석을 통해 의미있는 인사이트를 찾아 실행하는 역할
데이터 분석 교육을 통해 조직원의 분석 역량 향상 도모

🧂마스터 플랜 수립 프레임 워크

분석 마스터 플랜 수립 프레임 워크

마스터 플랜 수립

데이터 기반 구축을 위해서 분석 과제를 대상으로 전략적 중요도, 비즈니스 성과 및 ROI, 분석 과제의 실행 용이성 등 다양한 기준을 고려해 적용 우선순위 결정
업무내재화 적용 수준, 분석데이터 적용 수준, 기술적용 수준 등 분석 적용 범위 및 방식에 대해서 종합적으로 고려해야 하며 데아터 분석 구현을 위한 로드맵 수립

기업 및 공공기관에서는 시스템의 중장기 로드맵 정의를 위한 정보전략계획인 ISP 수행
*ISP(Information Strategy Planning)
: 정보기술 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

*분석 마스터 플랜
: 일반적인 ISP 방법론을 활용하되 데이터 분석 기획의 특성을 고려하여 수행, 기업에서 필요한 데이터 분석 과제를 빠짐없이 도출한 후 과제의 우선순위를 결정하고 단기 및 중/장기로 나누어 계획 수립

수행 과제 도출 및 우선순위 평가

우선순위 평가 방법 및 절차

정의된 데이터 과제에 대한 실행 순서를 정하는 것
업무별 도출된 분석과제를 우선순위 평가 기준에 따라 평가한 뒤, 과제 수행의 선/후행 관계를 고려하여 적용 순위조정 후 최종 확정

일반적인 IT 프로젝트의 우선순위 평가 예시

정보전략계획(ISP)와 같은 일반적인 IT 프로젝트 과제의 우선순위 평가를 위해 전략적 중요도, 실행 용이성 등 기업에서 고려하는 중요 가치기준에 따라 다양한 관점에서 우선순위 기준 수립하여 평가

ROI관점에서 빅데이터의 핵심 특징
(ROI(Return on Investment) : 투자 수익률)

투자비용(Investment) 요소 (난이도)
- 크기(Volume)
  - 데이터의 규모 및 양
  - 대용량 데이터 저장/처리/관리를 위해선 새로운 투자 필요
- 다양성(Variety)
  - 다양한 종류와 형태를 가진 데이터 입수에 투자 필요
- 속도(Velocity)
  - 데이터 생성 속도 및 처리속도를 빠르게 가공/분석 기술 요구
비즈니스 효과(Return) 요소 (시급성)
- 가치(Value)
  - 분석 결과를 활용하거나 실질적 실행을 통해 얻게 되는 비즈니스 효과 측면 요소
  - 기업데이터 분석을 통해 추구하거나 달성하고자 하는 목표 가치

데이터 분석과제 추진시 고려해야 할 우선순위 평가 기준

시급성
- 전략적 중요도와 목표가치에 부합하는지에 따른 시급성이 가장 중요한 기준
- 판단 기준은 전략적 중요도가 핵심
- 현재의 관점에서 전략적 가치를 둘 것인지, 미래의 중장기적 관점에 전략적인 가치를 둘 것인지 고려
- 분석 과제의 목표가치(KPI)를 함께 고려하여 시급성 여부 판단
난이도
- 데이터를 생성/저장/가공/분석하는 비용과 현재 기업의 분석 수준을 고려
- 현 시점에서 과제를 추진하는 것이 적용 비용 측면과 범위 측면에서 바로 적용하기 쉬운 것인지 어려운 것인지 판단
- 데이터 분석 적합성 여부

포트폴리오 사분면 분석을 통한 과제 우선순위 결정

우선순위 선정 기준을 토대로 난이도또는 시급성을 고려하여 분석 과제를 4가지 유형으로 구분하여 분석 과제의 적용 우선순위 결정

사분면 영역에서 가장 우선적인 분석 과제 적용이 필요한 영역은 3사분면
전략적 중요도가 현재시점에서는 상대적으로 낮은편이지만, 중장기적으로는 경영에 미치는 영향도가 높고, 분석과제를 바로 적용하기 어려워 우선순위가 낮은 영역은 2사분면
우선순위 기준이 시급성 : 3->4->2
우선순위 기준이 난이도 : 3->1->2
9번 과제와 같이 1사분면에 위치한 분석과제
- 데이터 양, 데이터 특성, 분석범위 등에 따라 난이도 조율로 적용 우선순위 조정 가능
  ex) 분석에 필요한 데이터 양이 TB규모라면, 분석 대상이 되는 소스 데이터를 내부 데이터 관점에서 우선 분석할 수 있도록 데이터 양을 줄여 난이도를 낮춤
- 궁극적으로 1사분면->3사분면으로 분석 적용 우선순위 조정하여 추진 가능

이행계획 수립

로드맵 수립

분석 과제에 대한 포트폴리오 사분면 분석을 통해 과제의 1차적 우선순위 결정
분석 과제별 적용범위 및 방식을 고려하여 최종적인 실행 우선순위를 결정한 후 단계적 구현 로드맵 수립
단계별로 추진하고자 하는 목표 정의
추진 과제별 선/후행 관계를 고려하여 단계별 추진 내용 정렬

세부 이행계획 수립

데이터 분석체계는 고전적인 폭포수 방식도 있으나 반복적인 정련과정을 통하여 프로젝트 완성도를 높이는 방식 사용
반복적인 분석체계는 모든 단계 반복X
데이터 수집/확보와 분석 데이터를 준비하는 단계를 순차적으로 진행
모델링 단계는 반복적으로 수행하는 혼합형

🌸분석 거버넌스 체계 수립

거버넌스 체계

기업에서 데이터 이용 의사결정 강조될 수록 데이터 분석/활용을 위한 체계적 관리 중요
단순히 대용량 데이터 수집/축적 X
어떤 목적으로 어떤 데이터를 어떻게 분석에 활용할 것이 중요
데이터 분석을 기업의 문화로 정착하고 데이터 분석업무를 지속적으로 고도화하기 위해 조직 내 분석 관리체계 수립 필요

구성요소

거버넌스 체계: 마스터 플랜 수립 시점에서 데이터 분석의 지속적인 적용과 확산을 위한 것
- 조직(Organization) : 분석 기획 및 관리를 수행
- 프로세스(Process) : 과제 기획 및 운영 프로세스
- 시스템(System) : 분석 관련 시스템
- 데이터(Data)
- 분석교육(Human Resource) : 분석 관련 교육 및 마인드 육성 체계

데이터 분석 수준진단

기업은 데이터 분석의 도입 여부와 활용에 명확한 분석 수준을 점검 할 필요
데이터 분석의 수준진단을 통해 데이터 분석 기반을 구현하기 위해서는 무엇을 준비하고 보완해야 하는지 등 분석의 유형 및 분석 방향성 결정 가능
데이터 분석 수준 진단 : 분석 준비도(Readiness), 분석 성숙도(Maturity)

수준 진단 목표 2가지

정의

기업의 현재 분석 수준을 명확히 이해하고, 수준진단 결과를 토대로 미래 목표수준 정의
데이터 분석을 위한 기반 또는 환경이 유사업종 또는 타 경쟁사에 비해 어느 정도 수준이고, 데이터를 활용한 분석의 경쟁력 확보를 위해 어떠한 영역에서 선택과 집중을 해야 하는지, 어떤 관점을 보완해야 하는지 등 개선방안 도출

분석 준비도

목표 : 기업의 데이터 분석 도입의 수준을 파악
구성 : 6가지(분석업무파악, 인력 및 조직, 분석기법, 분석 데이터, 분석문화, IT인프라)
진단 과정
- 영역별로 세부항목에 대한 수준 파악
- 진단결과 전체 요건 중 일정 수준이상 충족하면 분석업무 도입
- 충족하지 못할 시 분석 환경 조성

분석 성숙도 모델

조직의 성숙도 평가 도구
- CMMI(Capability Maturity Model Integration) 모델
성숙도 수준분류 : 도입단계, 활용단계, 확산단계, 최적화단계
분석 성숙도 진단 분류 : 비즈니스 부문, 조직/역량부문, IT부문

분석 수준 진단 결과

기업의 현재 분석 수준을 객관적으로 파악
경쟁사의 분석 수준과 비교하여 분석 경쟁력 확보 및 강화를 위한 목표 수준 설정 가능
- 분석 관점에서의 사분면 분석
  - 분석 수준 진단결과를 구분
  - 데이터 분석 수준에 대한 목표 방향 정의
  - 유형별 특성에 따른 개선방안 수립

분석지원 인프라 방안 수립

분석과제 단위별로 별도의 분석시스템 구축시, 관리의 복잡도 및 비용증대라는 부작용 발생
-> 분석마스터 플랜 기획단계에서부터 장기적이고 안정적으로 활용할 수 있는 확장성 고려 플랫폼 구조 도입

플랫폼

단순한 분석 응용프로그램뿐만 아니라 분석 서비스를 위한 응용프로그램이 실행될 수 있는 기초를 이루는 컴퓨터 시스템
하드웨어에 탑재되어, 데이터 분석에 필요한 프로그래밍 환경과 실행 및 서비스 환경제공
분석플랫폼 구성시 새로운 데이터 분석 니즈가 존재하면 개별적인 분석 시스템을 추가하는 방식이 아닌 서비스를 추가적으로 제공하는 방식으로 확장성 높이기 가능

데이터 거버넌스 체계 수립

전사 차원의 모든 데이터에 대하여 정책 및 지침, 표준화, 운영조직 및 책임 등의 표준화된 관리체계를 수립하고 운영을 위한 프레임워크 및 저장소를 구축하는 것
관리 대상 : 마스터 데이터(Master Data), 메타 데이터(Meta Data) ,데이터 사전(Data Dictionary)
데이터의 가용성, 유용성, 통합성, 보안성, 안전성 확보 가능
독자적으로 수행될 수 있으나 전사 차원의 IT 거버넌스나 EA(Enterprise Architecture)의 구성요소로서 구축되는 경우 존재
빅데이터 거버넌스는 데이터 거버넌스 체계에 빅데이터의 효율적인 관리, 다양한 데이터 관리체계, 데이터 최적화, 정보보호, 데이터 생명주기 관리, 데이터 카테고리별 관리 책임자 지정 포함

데이터 거버넌스 구성요소

원칙(Principle), 조직(Organization), 프로세스(Process)를 유기적으로 조합하고 효과적으로 관리하여 데이터를 비즈니스 목적에 부합하도록 하고 최적의 정보 서비스 제공

구성3요소

원칙(Principle)
- 데이터 유지/관리 지침 및 가이드
- 보안, 품질, 기준, 변경관리
조직(Organization)
- 데이터를 관리할 조직의 역할과 책임
- 데이터 관리자, 데이터베이스 관리자, 데이터 아키텍트
프로세스(Process)
- 데이터 관리를 위한 활동과 체계
- 작업 절차, 모니터링 활동, 측정 활동

데이터 거버넌스 체계

데이터 표준화

데이터 표준 용어 설정, 명명 규칙 수립, 메타 데이터 구축, 데이터 사전 구축으로 구성
데이터 표준용어
- 표준 단어사전, 표준 도메인사전, 표준 코드로 구성
- 사전간 상호검증 가능하도록 점검 프로세스 포함해야 함
명명 규칙
- 필요시 언어별로 작성되어 매핑 상태 유지

데이터 관리 체계

데이터 정합성 및 활용의 효율성을 위하여 표준 데이터를 포함한 메타 데이터와 데이터 사전의 관리 원칙 수립
수립된 원칙에 근거하여 항목별 상세한 프로세스 만들고 관리와 운영을 위한 담당자 및 조직별 역할과 책임을 상세하게 준비
빅데이터의 경우 데이터양 급증으로 데이터 생명 주기 관리방안을 수립하지 않으면 데이터 가용성 및 관리비용 증대문제에 직면 가능

데이터 저장소 관리(Repository)

메타데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소 구성
데이터 관리 체계 지원을 위한 워크플로우 및 관리용 응용 소프트웨어를 지원하고 관리 대상 시스템과 인터페이스를 통한 통제가 이루어져야 함
데이터 구조 변경에 따른 사전 영향 평가 수행 필요

표준화 활동

데이터 거버넌스 체계를 구축 후 표준 준수 여부를 주기적으로 점검 및 모니터링 실시
거버넌스의 조직 내 안정적 정착을 위한 계속적인 변화 관리 및 주기적인 교육 진행
지속적인 데이터 표준화 개선 활동을 통해 실용성 높여야 함

데이터 조직 및 인력방안 수립

현황

기업의 차별화된 경쟁력 확보 수단으로 데이터 과제 발굴, 기술 검토 및 전사 업무적용계획 수립 등 데이터를 효과적으로 분석/활용하기 위해 기획/운영/관리를 전담하는 전문 분석 조직 필요성 제기

분석 조직 개요

데이터 분석 조직
- 기업의 경쟁력 확보를 위해 데이터 분석의 가치를 발견하고 이를 활용하여 비즈니스 최적화하는 목표 가지고 구성
- 기업의 업무 전반에 걸쳐 다양한 분석과제를 발굴해 정의하고 데이터 분석을 통해 의미있는 인사이트를 찾아 실행하는 역할 수행
- 다양한 분야의 지식과 경험을 가진 인력과 업무 담당자 등으로 구성된 전사 또는 부서 내 조직으로 구성

조직 및 인력 구성 시 고려사항

주요 고려사항

분석을 위한 3가지 조직 구조

분석조직의 인력구성

전문역량을 갖춘 각 분야의 인재들을 모아 조직을 구성하여 분석조직 경쟁력 극대화

분석 과제 관리 프로세스 수립

현황

분석 마스터 플랜 수립 후 초기 데이터 분석 과제가 성공적으로 수행된 경우,
지속적인 분석 니즈 및 기회가 분석 과제 형태로 도출
분석조직의 주요 역할 중 하나인 분석 과제의 기획 및 운영이므로 이를 체계적으로 관리하기 위한 프로세스 수립 필요

과제 관리 프로세스

과제 발굴

개별 조직 또는 개인이 도출한 분석 아이디어를 발굴하고 이를 과제화하여 분석 과제 풀(Pool)로 관리하면서 분석 프로젝트 선정작업 수행

과제 수행

분석을 수행할 팀 구성
분석 과제 실행 시 지속적인 모니터링과 과제결과를 공유하고 개선하는 절차
분석조직이 지속적이고 체계적인 분석 관리 프로세스를 수행함으로써 조직 내 분석 문화 내재화 및 경쟁력 확보 가능
해당 과제를 진행하면서 만들어진 시사점을 포함한 결과물을 풀(Pool)에 잘 축적 및 관리함으로써 향후 유사한 분석과제 수행 시 시행착오 최소화 및 프로젝트 효율적 진행 가능

분석 교육 및 변화관리

기업에 맞는 적합한 분석 업무를 도출하고, 가치를 높여줄 수 있도록 분석 조직 및 인력에 대한 지속적인 교육과 훈련 실시 필요
경영층이 사실 기반 의사결정을 할 수 있는 문화 정착
새로운 체계 도입시 저항 및 기존 형태로 되돌아가려는 관성이 존재하므로 분석의 가치를 극대화하고 내재화하는 안정적인 추진기로 접어들기 위해 분석에 관련된 교육 및 마인드 육성을 위한 적극적 변화관리 필요

분석 교육의 목표

단순한 툴 교육이 아닌 분석역량을 확보하고 강화하는 것이 초점
- 분석 기획자 : 데이터 분석 큐레이션 교육
- 분석 실무자 : 데이터 분석 기법 및 툴에 대한 교육
- 업무 수행자 : 분석기회 발굴, 구체화, 시나리오 작성법 등
분석적인 사고를 업무에 적용할 수 있도록 다양한 교육을 통해 조직구성원 모두에게 분석기반 업무 정착
데이터를 바라보는 관점, 데이터 분석과 활용 등이 기업 문화로 자연스럽게 확대되어야 함