1) 거버넌스 체계 개요
(1) 분석 거버넌스 체계 개요
- 거버넌스(Governance)는 '통치'라는 뜻으로 기업에서 의사결정을 위한 데이터의 분석과 활용을 위한 체계적인 관리를 의미한다.
- 이는 단순히 대용량 데이터를 수집, 축적하는 것보다는 어떤 목적으로 어떤 분석을 수행하고, 분석을 위해 어떻게 데이터를 활용할 것인지 결정하고, 데이터 분석을 기업의 문화로 정착시키고 데이터 분석 업무를 지속적으로 고도화하기 위해 데이터 관리 체계를 수립하는 것이다.
(2) ⭐분석 거버넌스 체계 구성요소
- 조직(Organiztion) : 분석 기획 및 관리를 수행
- 과제 기획 및 운영 프로세스(Process)
- 분석 관련 시스템(System)
- 데이터(Data)
- 분석 관련 교육 및 마인드 육성 체계(Human Resource)
2) 데이터 분석 성숙도 모델 및 수준 진단
(1) 분석 수준 진단 프레임 워크
- 최근 들어 데이터를 어떻게 활용하느냐가 기업의 경쟁력을 좌우하는 궁극적 요소로 자리 잡고 있다.
- 이에 따라 기업들은 데이터 분석의 도입 여부와 활용 여부에 대한 명확한 분석 수준을 점검할 필요가 있다.
- 분석 준비도와 분석 성숙도를 통하여 데이터 분석 수준을 진단하고 데이터 분석 기반을 구현하기 위해 무엇을 준비하고 보완해야 하는지 등 분석의 유형 및 분석의 방향성을 결정할 수 있다.
(2) ⭐분석 준비도⭐
- 분석 준비도는 기업의 데이터 분석 도입의 수준을 파악하기 위한 진단 방법이다.
(3) ⭐분석 성숙도⭐
- 소프트웨어 공학에서는 개발 업무능력과 조직, 프로세스 자체의 성숙도와 업무 프로세스 개선을 위한 조직 역량 등을 CMMI(Capability Maturity Model Integration) 모델을 활용하여 조직의 성숙도를 평가한다.
- 같은 맥락으로 데이터 분석 성숙도를 비즈니스 부문, 조직 및 역량 부문, IT 부문의 3개 부문을 대상으로 성숙도 수준을 나누어 볼 수 있다.
(4) ⭐분석 수준 진단 결과⭐ 
3) 분석 지원 인프라 방안 수립
(1) 플랫폼으로 인프라 구축
- 분석 과제 단위별로 별도의 분석 시스템을 구축하는 경우, 관리의 복잡도 및 비용의 증대라는 부작용이 나타난다.
- 분석 마스터플랜을 기획하는 단계부터 장기적으고 안정적으로 활용할 수 있는 확장성을 고려한 플랫폼 구조를 도입하는 것이 적절하다.
4) 데이터 거버넌스 체계 수립
(1) 데이터 거버넌스 구성요소
1. 개요
- 데이터 거버넌스란 전사 차원의 모든 데이터에 대해 정책 및 지침, 표준화, 운영 조직 및 책임 등의 표준화된 관리 체계를 수립하고 운영을 위한 프레임워크 및 저장소를 구축하는 것을 말한다.
- 한국데이터산업진흥원에서는 이를 '기업에서 보유하고 있는 데이터의 관리 정책, 지침, 표준, 전략 및 방향을 수립하고, 데이터를 관리할 수 있는 조직 및 서비스를 구축하는 정책과 프로세스 관점에서의 IT 관리 체계'라고 정의한다.
- 마스터 데이터, 메타데이터, 데이터 사전 등은 데이터 거버넌스의 중요한 관리 대상이다.
- 데이터 거버넌스 구성요소
- 원칙(Principle) : 데이터를 유지 관리하기 위한 지침과 가이드
- 조직(Organiztion) : 데이터를 관리할 조직의 역할과 책임
- 프로세스(Process) : 데이터 관리를 위한 활동과 체계
(2) 데이터 거버넌스 체계
1. 데이터 표준화
- 데이터 표준화는 데이터 표준 용어 설정, 명명 규칙(Name Rule) 수립, 메타데이터(Metadata) 구축, 데이터 사전(Data Dictionary) 구축 등의 업무로 구성된다.
- 데이터 표준 용어는 표준 단어 사전, 표준 도메인 사전, 표준 코드 등으로 구성되며 사전 간 상호 검증이 가능하게 점검 프로세스를 포함해야 한다.
- 데이터 관리 체계
- 데이터 정합성 및 활용의 효율성을 위하여 표준 데이터를 포함한 메타데이터와 데이터 사전의 관리 원칙을 수립한다.
- 수립된 원칙에 근거하여 항목별 상세 프로세스를 만들고 관리와 운영을 위한 담당자 및 조직별 역할과 책임을 상세하게 준비한다.
- 빅데이터의 경우 데이터 양의 급증으로 데이터의 생명 주기 관리 방안(Data Life Cycle Management)을 수립하지 않으면 데이터 가용성 및 관리 비용 증대 문제에 직면할 수도 있다.
- 데이터 저장소 관리(Repository)
- 메타데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성한다.
- 저장소는 데이터 관리 체계 지원을 위한 워크플로 및 관리용 응용 소프트웨어를 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제가 이루어져야 한다.
- 또한 데이터 구조 변경에 따른 사전 영향 평가도 수행돼야 효율적인 활용이 가능하다.
- 표준화 활동
- 데이터 거버넌스 체계를 구축한 후 표준 준수 여부를 주기적으로 점검하고 모니터링을 실시한다.
- 거버넌스의 조직 내 안정적인 정착을 위한 지속적인 변화 관리 및 주기적인 교육을 진행한다.
- 지속적인 데이터 표준화 개선 활동을 통해 실용성을 높여야 한다.
5) 데이터 조직 및 인력방안 수립
(1) 데이터 분석 조직 및 인력방안 개요
1. 데이터 분석 조직
- 분석 조직은 기업 내에 존재하는 빅데이터 속에서 가치를 찾아 전파하고 이를 행동화하는 역할을 한다.
- 따라서 분석 방법에 대한 지식과 분석 경험을 가지고 있는 인력으로 구성되어 기업의 경쟁력 확보를 위해 비즈니스 질문에 부합하는 가치를 찾고 비즈니스를 최적화하는 것이 목표다.
- 조직 및 인력 구성시 고려사항
(2) ⭐데이터 분석 조직 유형⭐
1. 집중적 조직 구조
- 조직 내에 별도의 독립적인 분석 전담 조직을 구성하고, 회사의 모든 분석 업무를 전담 조직에서 담당한다.
- 분석 전담 조직 내부에서 전사 분석 과제의 전략적인 중요도에 따라 우선순위를 정해 추진할 수 있다.
- 일부 현업 부서와 분석 업무가 중복 또는 이원화될 가능성이 있다.(단점)
- 기능 중심의 조직 구조
- 일반적으로 분석을 수행하는 형태이며, 별도로 분석 조직을 구성하지 않고 각 해당 업무 부서에서 직접 분석하는 형태다.
- 이러한 특징으로 인해 전사적 관점에서 핵심 분석이 어려우며, 특정 업무 부서에 국한된 분석을 수행할 가능성이 높거나 일부 중복된 분석 업무를 수행할 수 있는 조직 구조다.
- 분산형 조직 구조
- 분석 조직의 인력을 현업 부서에 배치해 분석 업무를 수행하는 형태다.
- 전사 차원에서 분석 과제의 우선순위를 선정해 수행이 가능하며, 분석 결과를 신속하게 실무에 적용할 수 있다는 장점이 있다.
6) 분석 과제 관리 프로세스 수립
- 분석 과제 관리 프로세스 수립 개요
- 분석 마스터플랜이 수립되고 분석 과제가 성공적으로 수행되었다면 지속적인 분석 니즈(needs) 및 기회가 분석 과제 형태로 도출될 수 있다.
- 이렇게 도출된 분석 과제들을 체계적으로 관리하기 위한 프로세스가 요구된다. 체계적인 분석 과제 관리 프로세스를 수행함으로써 기업 내 분석 문화를 내재화할 수 있다.
- 분석 과제 관리 프로세스
- 분석 과제 관리 프로세스는 크게 과제 발굴과 과제 수행으로 나뉜다. 과제 발굴 단계에서는 개별 조직 혹은 개인이 과제를 발굴하고 이를 과제화하여 POOL(사용 가능한 데이터의 집합)로 관리하고 분석 과제를 선정한다.
- 과제 수행 단계에서는 선정된 과제에 대하여 팀을 구성하고 분석 과제를 수행하면서 지속적인 모니터링 작업을 병행하고 그 결과를 공유 및 개선하는 절차를 수행한다.
7) 분석 교육 및 변화관리
- 분석 교육 및 변화관리의 개요
- 빅데이터의 등장은 많은 비즈니스 영역에서 변화를 가져왔다. 이러한 변화에 대응하기 위해 기업은 적합한 분석 업무를 도출하고, 가치를 높여줄 수 있도록 분석 조직 및 인력에 대한 지속적인 교육과 훈련을 실시해야 한다.
- 분석 도입에 대한 문화적 대응
- 과거에는 분석 업무를 기업의 분석가가 담당하였지만 현재는 모든 구성원이 데이터를 분석하고 이를 업무에 즉시 활용할 수 있도록 분석 문화를 정착시키려는 움직임이 있다.
- 하지만 새로운 체계를 도입할 때 도입 이전의 과거로 되돌아가려는 관성 또한 존재하기 때문에 분석과 관련된 교육 및 마인드 육성을 위한 변화관리가 필요하다.
- 분석 교육
- 분석 교육의 목적은 단순한 툴(R, Python, SAS 등) 교육이 아닌 분석 역량 확보 및 강화에 초점을 맞추어서 진행해야 한다.
뭐든 열심히