4. 분석 마스터 플랜

4.1. 마스터플랜 수립 프레임워크

분석 마스터플랜 수립 프레임워크

마스터플랜 수립 개요

• 분석 대상을 도출하고 우선순위를 평가하여 세부 이행 계획과 로드맵을 작성
• 분석 마스터 플랜을 수립하는 가장 첫 번째 단계는 우선순위를 정하는 일이다.
• 우선순위는 전략적 중요도, 비즈니스 성과 및 ROI, 분석 과제의 실행 용이성을 기준으로 설정한다.
• 그다음, 분석 과제를 업무에 내재화할 것인지, 분석 데이터를 내부의 데이터로 한정할 것인지, 외부의 데이터까지 포함할 것인지 여부, 그리고 기술의 적용 수준까지의 설정을 포함하여 분석 과제의 적용 범위 및 방식을 설정한다.
• 분석 과제의 우선순위와 적용 범위 및 방식을 종합적으로 고려하여 최종적으로 분석 구현의 로드맵을 수립한다. 이러한 일련의 과정과 형식을 마스터플랜 수립 프레임워크라 부른다.

참고내용
기업 및 공공기관에서는 시스템의 중장기 로드맵을 정의하기 위한 정보전략계획인 ISP(Information Strategy Planning)를 수행한다. ISP는 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 절차이다.

분석 마스터 플랜은 일반적인 ISP(정보 전략 계획)방법론을 활용하되 데이터 분석 기획의 특성을 고려하여 수행하고 기업에서 필요한 데이터 분석 과제를 빠짐없이 도출한 후 과제의 우선순위를 결정하고 단기 및 중/장기로 나누어 계획을 수립한다.

수행 과제 도출 및 우선순위 평가

우선순위 평가는 정의된 데이터 과제에 대한 실행 순서를 정하는 것.
업무 영역별로 도출된 분석 과제를 우선순위 평가기준에 따라 평가하고,
과제 수행의 선/후행 관계를 고려하여 적용 순위를 조정해 최종 확정하면 된다.

일반적인 IT 프로젝트 우선순위 평가

정보전략계획(ISP)과 같은 일반적인 IT 프로젝트는 과제의 우선순위 평가를 위해 전략적 중요도, 실행 용이성 등 기업에서 고려하는 중요 가치 기준에 따라 다양한 관점에서의 우선순위 기준을 수립하여 평가한다.

• 일반적인 IT 프로젝트 우선순위 평가 예시
  

빅데이터의 특징을 고려한 분석 ROI 요소

빅데이터 특징을 고려한 분석 ROI 요소로는 크게 투자 비용 요소와 비즈니스 효과 요소가 있다.

빅데이터의 특징인 4V를 ROI 관점으로 살펴보면, 크기(Volume), 다양성(Variety), 속도(Velocity)의 3V는 투자 비용(Investment) 측면의 요소****라고 볼 수 있다.

• 크기 : 데이터의 규모 및 양을 의미, 대용량 데이터를 저장/처리하고 관리하기 위해서는 새로운 투자가 필요하다
• 다양성 : 다양한 종류의 형태를 가진 데이터를 입수하는 데에 있어 투자가 필요하다
• 속도 : 데이터 생성 속도 및 처리 속도를 빠르게 가공/분석하는 기술이 요구된다

석 결과를 활용하거나 실질적인 실행을 통해 얻게 되는 비즈니스 가치(Value)는 비즈니스 효과 측면의 요소라고 볼 수 있다.

• 기업 데이터 분석을 통해 추구하거나 달성하고자 하는 목표 가치를 의미한다

ROI를 활용한 우선순위 평가 기준

시급성

• 전략적 중요도와 목표 가치(KPI)에 부합하는지에 따른 시급성이 가장 중요한 기준이다.
• 시급성의 판단 기준은 전략적 중요도가 핵심이며, 이는 현재의 관점에서 전략적 가치를 둘 것인지, 미래의 중장기적 관점에 전략적인 가치를 둘 것인지를 고려하고, 분석 과제의 목표 가치(KPI)를 함께 고려하여 시급성 여부를 판단할 수 있다.
• Value, 비지니스 효과 측면과 연결

난이도

• 데이터를 생성, 저장, 가공, 분석하는 비용과 현재 기업의 분석 수준을 고려한 난이도 역시 중요한 기준이다. 난이도는 현시점에서 과제를 추진하는 것이 적용 비용 측면과 범위 측면에서 바로 적용하기 쉬운 것인지 또는 어려운 것인지에 대한 판단 기준으로서, 데이터 분석의 적합성 여부를 따져 살펴본다.
• 3V와 연결

포트폴리오 사분면 분석을 활용한 우선순위 평가 기준

• 우선순위 선정 기준을 토대로 난이도 또는 시급성을 고려하여 분석 과제를 4가지 유형으로 구분하여 분석 과제의 적용 우선순위를 결정한다.
• 사분면 영역에서 가장 우선적인 분석 과제 적용이 필요한 영역은 3사분면이다.
• 분석과제 적용 우선순위 기준을 ‘시급성’에 둔다면 ‘III → IV → II’ 영역 순서이며
  우선순위 기준을 ‘난이도’에 둔다면 ‘III → I → II’ 영역 순서로 의사결정을 할 수 있다.
• 이는 절대적인 것은 아니며, 시급성이 높고 난이도도 높은 ‘I’ 사분면의 경우 난이도를 낮추어 가장 먼저 우선순위를 정할 수도 있다. 또한 기술적인 난이도가 높다 하더라도 이를 조절하여 우선순위를 결정할 수도 있다. III (단기) → II (중장기)

이행 계획 수립

로드맵 수립

분석 과제에 대한 포트폴리오 사분면(Quadrant) 분석을 통해 결정된 과제의 우선순위를 토대로 분석 과제별 적용범위 및 방식을 고려하여 최종 우선순위를 결정한 뒤 단계적 구현 로드맵을 수립한다.

단계별로 추진하고자 하는 목표를 명확히 정의한 뒤 과제별 선/후행 관계를 고려하여 단계별 추진 내용을 정렬한다

세부 이행계획 수립

데이터 분석체계는 고전적인 폭포수(Water-Fall) 방식도 있으나 반복적인 정련과정을 통하여 프로젝트의 완성도를 높이는 방식을 주로 사용한다. 모든 단계를 반복하기 보다 데이터 수집 및 확보와 분석 데이터를 준비하는 단계를 순차적으로 진행하고 모델링 단계를 반복적으로 수행하는 혼합형(Analytics)을 많이 적용하며, 이러한 특성을 고려하여 세부적인 일정계획도 수립해야 한다.

• 반복적 정련 특성을 고려한 일정계획 수립
  
  

• 세부 일정 계획 추진 예시
  

4.2. 분석 거버넌스 체계 수립

거버넌스 체계 개요

분석 거버넌스 체계 개요

• 거버넌스(Governance)는 ‘통치’라는 뜻으로 Government ‘정부’와 같은 어원이다. 의사결정을 위한 데이터의 분석과 활용을 위한 체계적인 관리, 일정한 규칙과 규범을 의미한다.
• 단순히 대용량 데이터를 수집/축적하는 것보다는 어떤 목적으로 어떤 데이터를 어떻게 분석에 활용할 것인가가 더욱 중요하다.
• 조직 내 분석 관리체계를 수립해야 하는 이유는 데이터 분석을 기업의 문화로 정착시키고 데이터 분석 업무를 지속적으로 고도화하기 위해 데이터 관리 체계를 수립하는 것이다.

분석 거버넌스 체계 구성요소

• 마스터 플랜 수립 시점에서 데이터 분석의 지속적인 적용과 확산을 위한 거버넌스 체계는 분석 기획 및 관리를 수행하는 조직(Organization), 과제 기획 및 운영 프로세스(Process), 분석 관련 시스템 (System), 데이터(Data), 분석 관련 교육 및 마인드 육성 체계(Human Resource)로 구성된다.

데이터 분석 성숙도 모델 및 수준 진단

분석 수준 진단 프레임 워크

기업들은 데이터 분석의 도입 여부와 활용 여부에 대한 명확한 분석 수준을 점검할 필요가 있습니다. 데이터 분석의 수준 진단을 통해 데이터 분석 기반을 구현하기 위해 무엇을 준비하고 보완해야 하는지 등 분석의 유형 및 분석의 방향성을 결정할 수 있습니다.

분석 거버넌스 체계를 수립하기 위해 가장 먼저 선행되어야 하는 부분은 데이터 분석 수준을 진단하는 것입니다. 분석 수준 진단은 분석 준비도와 분석 성숙도를 통해 진단할 수 있습니다

분석 준비도

분석 준비도(Readiness)는 기업의 데이터 분석 도입의 수준을 파악하기 위한 진단 방법입니다. 진단 영역별로 세부 항목에 대한 수준을 파악하고, 진단 결과 전체 요건 중 일정 수준 이상 충족하면 분석 업무를 도입하고, 충족하지 못하면 먼저 분석 환경을 조성해야 합니다.

분석 성숙도

소프트웨어공학에서는 시스템 개발 업무능력과 조직의 성숙도(Maturity)를 파악하기 위해 CMMI(Capability Maturity Model Integration) 모델을 기반으로 조직의 성숙도를 평가합니다.

기업에서 분석 수준은 성숙 단계에 따라 점차 진화하며 기업 특성에 따라 내용은 상이할 수 있습니다. 분석 성숙도 진단은 비즈니스 부문, 조직 및 역량 부문, IT 부문의 3개 부문을 대상으로 성숙도 수준을 나누어 볼 수 있습니다.

CoE(Center of Excellence)는 특정 토픽이나 기술 또는 이니셔티브에 대한 지식과 지원의 주요 소스 역할을 하는 전문가와 실무자로 구성된 팀

분석 수준 진단 결과

분석 준비도와 성숙도 진단 결과를 토대로 기업의 현재 분석 수준을 객관적으로 파악할 수 있습니다. 이를 토대로 유관 업종 또는 경쟁사의 분석 수준과 비교해 분석 경쟁력 확보 및 강화를 위한 목표 수준을 설정할 수 있습니다.

분석 관점에서 4가지 유형으로 분석 수준 진단 결과를 구분해 향후 고려해야 하는 데이터 분석 수준에 대한 목표 방향을 정의하고, 유형별 특성에 따라 개선 방안을 수립.

거버넌스 체계 수립

분석 지원 인프라 방안 수립

분석 과제 단위별로 별도의 시스템을 구축하는 경우, 관리의 복잡도 및 비용의 증대라는 부작용이 나타납니다. 이에 분석 마스터 플랜을 기획하는 단계에서부터 장기적이고 안정적으로 활용할 수 있는 확장성을 고려한 플랫폼 구조를 도입하는 것이 적절하다.

플랫폼이란 단순한 분석 응용프로그램뿐만 아니라 분석 서비스를 위한 응용 프로그램이 실행될 수 있는 기초를 이루는 컴퓨터 시스템을 의미하며 일반적으로 하드웨어에 탑재되어 데이터 분석에 필요한 프로그래밍 환경과 실행 및 서비스 환경을 제공하는 역할을 수행합니다.

데이터 거버넌스 체계 수립

데이터 거버넌스란, 전사 차원의 모든 데이터에 대해 정책 및 지침, 표준화, 운영 조직 및 책임 등의 표준화된 관리 체계를 수립하고 운영을 위한 프레임워크(Framework) 및 저장소(Repository)를 구축하는 것을 말한다.

마스터 데이터(Master Data), 메타 데이터(Meta Data), 데이터 사전(Data Dictionary)은 데이터 거버넌스의 중요한 관리 대상이다.

데이터 거버넌스 구성요소
1. 원칙 (Principle)
- 데이터를 유지 관리하기 위한 지침과 가이드
- ex) 보완, 품질 기준, 변경 관리
2. 조직 (Organization)
- 데이터를 관리할 조직의 역할과 책임
- ex) 데이터 관리자, DB 관리자, 데이터 아키텍트(Data Architect)
3. 프로세스 (Process)
- 데이터 관리를 위한 활동과 체계
- ex) 작업 절차, 모니터링 활동, 측정 활동

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.
   • 명명 규칙은 필요시 언어별(한글, 영어 등)로 작성되어 매핑 상태를 유지해야 한다.

2. 데이터 관리 체계

   • 데이터 정합성 및 활용의 효율성을 위하여 표준 데이터를 포함한 메타 데이터와 데이터 사전의 관리 원칙을 수립한다.
   • 수립된 원칙에 근거하여 항목별 상세한 프로세스를 만들고 관리와 운영을 위한 담당자 및 조직별 역할과 책임을 상세하게 준비한다.
   • 빅데이터의 경우 데이터 양의 급증으로 데이터의 생명 주기 관리방안(Data Life Cycle Management)을 수립하지 않으면 데이터 가용성 및 관리비용 증대 문제에 직면할 수도 있다.

3. 데이터 저장소 관리(Repository)

   • 메타데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성한다.
   • 저장소는 데이터 관리 체계 지원을 위한 워크플로우 및 관리용 응용소프트웨어(Application)을 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제가 이루어져야 한다.
   • 데이터 구조 변경에 따른 사전 영향 평가도 수행돼야 효율적인 활용이 가능하다.

4. 표준화 활동

   • 데이터 거버넌스 체계를 구축한 후 표준 준수 여부를 주기적으로 점검하고 모티터링을 실시한다.
   • 거버넌스의 조직 내 안정적 정착을 위한 계속적인 변화관리 및 주기적인 교육을 진행한다.
   • 지속적인 데이터 표준화 개선 활동을 통하여 실용성을 높여야 한다.

데이터 조직 및 인력방안 수립

데이터 분석 조직

• 데이터 분석 조직은 기업의 경쟁력 확보를 위해 데이터 분석의 가치를 발견하고, 이를 활용하여 비즈니스를 최적화하는 목표를 갖고 구성되어야 한다.
• 기업의 업무 전반에 걸쳐 다양한 분석 과제를 발굴해 정의하고, 데이터 분석을 통해 의미 있는 인사이트를 찾아 실행하는 역할을 수행할 수 있어야 한다.
• 다양한 분야의 지식과 경험을 가진 인력과 업무 담당자 등으로 구성된 전사 또는 부서 내 조직으로 구성할 수 있다.

분석 조직 및 인력 구성 시 고려사항

데이터 분석 조직 유형
1. 집중형 조직 구조
- 조직 내에 별도의 독립적인 분석 전담조직을 구성하고, 회사의 모든 분석 업무를 전담 조직에서 담당한다.
- 분석 전담조직 내부에서 전사 분석 과제의 전략적인 중요도에 따라 우선순위 를 정하여 추진할 수 있다.
- 일부 현업 부서와 분석 업무가 중복 또는 이원화될 가능성이 있다는 단점이 있다.
2. 기능 중심의 조직 구조
- 일반적으로 분석을 수행하는 형태이며, 별도로 분석 조직을 구성하지 않고 각 해당 업무 부서에서 직접 분석하는 형태다.
- 전사적 관점에서 핵심 분석이 어려우며, 특정 업무 부서에 국한된 분석을 수행할 가능성이 높거나 일부 중복된 분석 업무를 수행할 수 있는 조직구조다.
3. 분산된 조직 구조
- 분석 조직의 인력들을 현업부서에 배치해 분석 업무를 수행하는 형태다.
- 전사 차원에서 분석 과제의 우선순위를 선정해 수행이 가능하며, 분석 결과를 신속하게 실무에 적용 할 수 있는 장점이 있다.

DSCoE : 분석조직 (Data Science Center of Excellence)

분석 과제 관리 프로세스 수립 및 교육/변화관리

분석 과제 관리 프로세스 수립

분석 마스터 플랜이 수립되고 초기 데이터 분석 과제가 성공적으로 수행되는 경우, 지속적인 분석 니즈 및 기회가 분석 과제 행태로 도출될 수 있다. 이런 과정에서 분석 조직이 수행할 주요한 역할 중의 하나가 분석 과제의 기획 및 운영이므로 이를 체계적으로 관리하기 위한 프로세스를 수립해야 한다.

분석 과제 관리 프로세스

• 과제 발굴 단계
  개별 조직이나 개인이 도출한 분석 아이디어를 발굴하고 이를 과제화하여 분석 과제 풀(Pool)로 관리하면서 분석 프로젝트를 선정하는 작업을 수행한다.
  
• 과제 수행 단계
  분석을 수행할 팀을 구성하고 분석 과제 실행 시 지속적인 모니터링과 과제 결과를 공유하고 개선하는 절차를 수행한다.

분석 교육 및 변화관리

빅데이터의 등장은 많은 비즈니스 영역에서 변화를 가져왔습니다. 이러한 변화에 대응하기 위해서는 기업에 맞는 적합한 분석 업무를 도출하고 가치를 높여줄 수 있도록 분석 조직 및 인력에 대한 지속적인 교육과 훈련을 실시하여야 합니다. 또한 경영층이 데이터에 기반 의사결정을 할 수 있는 기업 문화를 정착시키려는 변화관리를 지속적으로 계획하고 수행하여야 합니다. 분석 역량을 확보하는 것이 중요합니다.

분석 도입에 대한 문화적 대응

• 과거에는 분석 업무를 기업의 분석가가 담당했지만 최근 모든 구성원이 데이터를 분석하고 이를 업무에 즉시 활용할 수 있도록 분석 문화를 정착시키려는 움직임이 있다.
• 새로운 체계를 도입할 때 기존 행태로 되돌아가는 관성이 존재하기 때문에 분석과 관련된 교육 및 마인드 육성을 위한 적극적인 변화관리가 필요하다
  
  분석 도입에 대한 문화적 대응
  
• A : 분석 중심 문화가 미도입된 현재 균형상태 / 막연한 불안감 존재
• B : 기존 행태로 되돌아가려는 경향
• C : 성공 시 강한 탄성에 의해 변화 가속화
• D : 분석 활용이 일상화된 균형 상태

분석 굑육 목표

• 분석 기획자 : 데이터 분석 큐레이션 교육
• 분석 실무자 : 데이터 분석 기법 및 툴에 대한 교육
• 업무 수행자 : 분석기회 발굴, 구체화, 시나리오 작성법 등