ADsP - Part 2 데이터 분석 기획 / 2장 데이터 분석 기획의 이해

Namwoo Kwon·2022년 8월 19일
0

ADsP

목록 보기
6/7
post-thumbnail

마스터 플랜 수립 프레임 워크


분석 마스터 플랜 수립 프레임 워크

마스터 프랜 수립 개요

  • 데이터 기반 구축을 위해서 분석 과제를 대상으로 다양한 기준을 고려해 적용 우선순위를 설정

    • 전략적 중요도 / 비지니스 성과 / 실행 용이성
  • 분석 적용 범위 및 방식에 대해서 종합적으로 고려하여 데이터 분석 구현을 위한 로드맵을 수립

    • 업무 내재화 적용 수준 / 분석 데이터 적용 수준 / 기술 적용 수준

수행 과제 도출 및 우선순위 평가

  • 우선 순위 평가 방법 및 절차

    • 우선 순위 평가의 경우 정의된 데이터 과제에 대한 실행 순서를 정하는 것

    • 업무별 도출된 분석 과제를 우선 순위 평가 기준에 따라 평가한 뒤, 과제 수행의 선/후행 관계를 고려하여 적용 순위를 조정해 최종 확정

  • 일반적인 IT 프로젝트의 우선순위 평가 예시

    • 전략적 중요도

      • 전략적 필요성

        • 전략적 목표 및 본완적 업무에 직접적인 연관 관계가 밀접한 정도

        • 이슈 미해결시 발생하게 될 위험 및 손실에 대한 정도

      • 시급성

        • 사용자 요구사항, 업무 능률 향상을 위해 시급히 수행되어야 하는 지에 대한 정도

        • 향후 경쟁 우위를 확보를 위한 중요성 정도

    • 실행 용이성

      • 투자 용이성

        • 기간 및 인력 투입 용이성 정보

        • 비용 및 투자 예산 확보 가능성 정도

      • 기술 용이성

        • 적용 기술의 안정성 검증 정보

        • 응용 시스템, H/W 유지 보수 용이성 정도

        • 개발 스킬 성숙도 및 신기술 적용성 정도

  • ROI 관점에서 빅데이터의 핵심 특징

    • 투자 비용 요소 (3V)

      • 크기 : 대용량 데이터를 저장 / 처리하고 관리하기 위해선는 새로운 투자가 필요

      • 다양성 : 다양한 종류와 형태를 가진 데이터를 입수하는데에 있어 투자가 필요

      • 속도 : 데이터 생성 속도 및 처리속도를 빠르게 가공/분석하는 기술이 요구

    • 비즈니스 효과 요소 (4V)

      • 가치 : 기업 데이터 분석을 통해 추구하거나 달성하고자 하는 목표 가치를 의미
  • 데이터 분석 과제 추진시 고려해야 하는 우선 순위 평가 기준

    • 시급성 : 전략적 중요도, 목표 가치

    • 난이도 : 데이터 획득 / 저장 / 가공 비용, 분석 적용 비용, 분석 수준

  • 포트폴리오 사분면 분석을 통한 과제 우선 순위 선정

    • 우선 순위 선정 기준을 토대로 난이도 또는 시급성을 고려하여 분석 과제를 4가지 유형으로 구분하여 분석 과제의 적용 우선순위를 결정

    • 시급성 : 3 -> 4 -> 2 -> 1

    • 난이도 : 3 -> 1 -> 2 -> 4

    • 1 사분면

      • 전략적 중요도가 높아 경영에 미치는 영향이 크므로 현재 시급하게 추진이 필요

      • 난이도가 높아 현재 수준에서 과제를 바로 적용하기에 어려움

    • 2 사분면

      • 현재 시점에서는 전략적 중요도가 높지 않지만 중장기적 관점에서는 반드시 추진되어야 함

      • 분석 과제를 바로 적용하기에는 난이도가 높음

    • 3 사분면

      • 전략적 중요도가 높아 현재 시점에 전략적 가치를 두고 있음

      • 과제 추진의 난이도가 어렵지 않아 우선적으로 바로 적용 가능할 필요성이 있음

    • 4 사분면

      • 전략적 중요도가 높지 않아 중장기적 관점에서 과제 추진이 바람직함

      • 과제를 바로 적용하는 것은 어렵지 않음

이행 계획 수립

  • 로드맵 수립

    • 분석 과제에 대한 포트폴리오 사분면 분석을 통해 과제의 1차적 우선 순위를 결정

    • 분석 과제별 적용 범위 및 방식을 고려하여 최종적인 실행 우선순위를 결정한 후 단계적 구현 로드맵을 수립

    • 단계별로 추진하고자 하는 목표를 정의

    • 추진 과제별 선/후행 관계를 고려하여 단계별 추진 내용을 정렬

  • 세부 이행 계획 수립

    • 데이터 분석 체계는 고전적인 폭포수 방식도 있으나 반복적인 정련과정을 통하여 프로젝트의 완성도를 높이는 방식을 주로 사용

    • 반복적인 분식 체계는 모든 단계를 반복하기보다 데이터 수집 및 확보의 분석 데이터를 준비하는 단계를 순차적으로 진행하고, 모델링 단계는 반복적으로 수행하는 혼합형을 많이 적용하며, 이러한 특성을 고려하여 세부적인 일정 계획도 수립


분석 거버넌스 체계 수립


거버넌스 체계

구성 요소

  • 분석 기획 및 관리를 수행하는 조직

  • 과제 기획 및 운영 프로제스

  • 분석 관련 시스템

  • 데이터

  • 분석 관련 교육 및 마인드 육성 체계

데이터 분석 수준 진단

분석 준비도

  • 분석 업무

  • 분석 인력 / 조직

  • 분석 기법

  • 분석 데이터

  • 분석 문화

  • 분석 인프라

분석 성숙도

  • 도입 -> 활용 -> 확산 -> 최적화

  • 비즈니스 / 조직 및 역량 / IT

수준 진단 목표 2가지

  • 정의

    • 기업의 현재 분석 수준을 명확히 이해하고, 수준진단 결과를 토대로 미래의 목표수준을 정의
  • 분석 준비도

    • 목표 : 기업의 데이터 분석 도입의 수준을 파악하기 위한 진단 방법

    • 구성 : 분석 업무 파악, 인력 및 조직, 분석 기법, 분석 데이터, 분석 문화, IT 인프라

    • 진단 과정

      • 영역별로 세부 항목에 대한 수준 파악

      • 진단 결과 전체 요건 중 일정 수준 이상 충족하면 분석 업무 도입

      • 충족하지 못할 시 분석 환경 조성

  • 분석 성숙도 모델

    • 조직의 성숙도 평가 도구

      • CMMI (Capability Maturity Model Integration) 모델
    • 성숙도 수준 분류

      • 도입 단계, 활용 단계, 확산 단계, 최적화 단계
    • 분석 성숙도 진단 분류

      • 비즈니스 부문, 조직 / 역량 부문, IT 부문

      단계도입 단계활용 단계확산 단계최적화 단계
      설명분석을 시작하여 환경과 시스템을 구축분셕 결과를 실제 업무에 적용전사 차원에서 분석을 관리하고 공유분석을 진화시켜서 혁신 및 성과 향상에 기여
      비즈니스 부문* 실전분석 및 통계
      * 정기 보고 수행
      * 운영 데이터 기반
      * 미래 결과 예측
      * 시뮬레이션
      * 운영 데이터 기반
      * 전사 성과 실시간 분석
      * 프로세스 혁신 3.0
      * 분석 규칙 관리
      * 이벤트 관리
      * 외부 환경 분석 활용
      * 최적화 업무 적용
      * 실시간 분석
      * 비즈니스 모델 진화
      조직 역량 부문* 일부 부서에서 수행
      * 담당자 역량에 의존
      * 전문 담당 부서에서 수행
      * 분석 기법 도입
      * 관리자가 분석 수행
      * 전사 모든 부서 수행
      * 분석 COE 조직 운영
      * 데이터 사이언티스트 확보
      * 데이터 사이언스 그룹
      * 경영진 분석 활용
      * 전략 연계
      IT 부문데이터 웨어하우스
      * 데이터 마트
      * ETL/EAL
      * OLAP
      * 실시간 대시보드
      * 통계 분석 환경
      * 빅데이터 관리 환경
      * 시뮬레이•최적화
      * 비주얼 분석
      * 분석 전용 서버
      * 분석 협업 환경
      * 분석 Sandbox
      * 프로세스 내재화
      * 빅데이터 분석
  • 분석 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 진단 결과를 구분

      • 데이터 분석 수준에 대한 목표 방향을 정의

      • 유형별 특성에 따른 개선 방안 수립


분석 지원 인프라 방안 수립

개요

  • 분석 마스터 플랜을 기획하는 단계에서부터 장기적이고 안정적으로 활용할 수 있는 확장성을 고려한 고려한 플랫폼 구조를 도입하는 것이 적절

    개별 시스템플랫폼 구조
    시스템 간 자체적인 데이터 교환분석 플랫폼을 활용한 공동기능 활용
    시스템 별 독립적인 데이터 관리중앙집중적 데이터 관리
    확장시 시스템 간 인터페이스 폭증시스템 간 인터페이스 최소화

플랫폼

  • 분석 서비스를 위한 응용 프로그램이 실행될 수 있는 기초를 이루는 컴퓨터 시스템을 의미

  • 일반적으로 하드웨어에 탑재되어 데이터 분석에 필요한 프로그래밍 환경과 실행 및 서비스 환경을 제공하는 역할을 수행

  • 분석 플랫폼이 구성되어 있는 경우에는 새로운 데이터 분석 니즈가 존재하는 경우 개별적인 분석 시스템을 추가하는 방식이 아닌 서비스를 추가적으로 제공하는 방식으로 확장성을 높일 수 있다

데이터 거버넌스 체계 수립

  • 데이터 거버넌스 개요

    • 전사 차원의 모든 데이터에 대하여 정책 및 지침, 표준화, 운영 조직 및 책임 등의 표준화된 관리 체계를 수립하고 운영을 위한 프레임워크 및 저장소를 구축하는 것

    • 마스터 데이터, 메타 데이터, 데이터 사전은 데이터 거버넌스의 중요한 관리 대상이다

  • 데이터 거버넌스 구성요소

    • 원칙, 조직, 프로세스는 유기적으로 조합하고 효과적으로 관리하여, 데이터를 비즈니스 목적에 부합하도록 하고 최적의 정보 서비스를 제공할 수 있다

    • 원칙

      • 데이터를 유지•관리하기 위한 지침과 가이드
      • 보안, 품질 기준, 변경 관리
    • 조직

      • 데이터를 관리할 조직의 역할과 책임
      • 데이터 관리자, 데이터 베이스, 데이터 아키텍트
    • 프로세스

      • 데이터 관리를 위한 활동과 체계
      • 작업 절차, 모니터링 활동, 측정 활동
  • 데이터 거버넌스 체게

    • 데이터 표준화

      • 데이터 표준 용어 설정, 명명 규칙 수립, 메타 데이터 구축, 데이터 사전 구축 등의 업무로 구성

      • 데이터 표준 용어는 표준 단어 사전, 표준 도메인 사전, 표준 코드 등으로 구성되며 사전간 상호 검증이 가능하도록 점검 프로세스를 포함해야 함

      • 명명 규칙은 필요시 언어별로 작성되어 매핑 상태를 유지해야 함

    • 데이터 관리 체계

      • 데이터 정합성과 활용의 효율성을 위하여 표준 데이터를 포함한 메타 데이터와 데이터 사전의 관리 원칙을 수립함

      • 수립된 원칙에 근거하여 항목별 상세한 프로세스를 만들고 관리와 운영을 위한 담당자 및 조직별 역할과 책임을 상세하게 준비한다

      • 데이터의 생맹 주기 관리 방안을 수립하지 않으면 데이터 가용성 및 관리 비용 증대 문제에 직면하게 될 수 있다

    • 데이터 저장소 관리

      • 메타 데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성한다

      • 저장소는 데이터 관리 체계 지원을 위한 워크플로우 및 관리용 응용 소프트웨어를 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제가 이루어져야 한다

      • 데이터 구조 변경에 따른 사전 영향 평가도 수행되어야 효율적인 활용이 가능하다

    • 표준화 활동

      • 데이터 거버넌스 체계를 구축한 후 표준 준수 여부를 주기적으로 점검하고 모니터링을 실시한다

      • 거버넌스의 조직 내 안정적 정착을 위한 계속적인 변화 관리 및 주기적인 교육을 진행한다

      • 지속적인 데이터 표준화 개선 활동을 통하여 실용성을 높여야 한다

데이터 조직 및 인력 방안 수립

  • 분석 조직의 개요

    • 목표

      • 기업의 경쟁력 확보를 위하여 비즈니스 질문과 이에 부합하는 가치를 찾고 비즈니스를 최적화하는 것
    • 역할

      • 전자 및 부서의 분석 업무를 발굴하고 전문적 기법과 분석 도구를 활용하여 기업 내 존재하는 빅데이터 속에서 Insight를 전파하고 이를 Action화 하는 것
    • 구성

      • 기초 통계학 및 분석 방법에 대한 지식과 분석 경험을 가지고 있는 인력으로 전사 또는 부서 내 조직으로 구성하여 운영
  • 분석을 위한 3가지 조직 구조

    • 집중 구조

      • 전사 분석 업무를 별도의 분석 전담 조직에서 담당

      • 전략적 중요도에 따라 분석 조직이 우선 순위를 정해서 진행 가능

      • 현업 업무 부서의 분석업무와 이중화 / 이원화 가능성 높음

    • 기능 구조

      • 일반적인 분석 수행 구조

      • 별도 분석 조직이 없고 해당 업무 부서에서 분석 수행

      • 전사적 핵심 분석이 어려우며, 부서 현황 및 실적 통계 등 과거 실적에 국한된 분석 수행 가능성 높음

    • 분산 구조

      • 분석 조직 인력들을 현업 부서로 직접 배치하여 분석 업무 수행

      • 전사 차원의 우선순위 진행

      • 분석 결과에 따른 신속한 Action 가능

      • 베스트 프랙티스 공유 가능

      • 부서 분석 업무와 역할 분담 명확히 해야 함

분석 과제 관리 프로세스 수립

  • 과제 관리 프로세스

    • 과제 발굴

      • 개별 조직이나 개인이 도출한 분석 아이디어를 발굴하고 이를 과제화하여 분석 과제 Pool로 관리하면서 분석 프로젝트를 선정하는 작업을 수행
    • 과제 수행

      • 분석을 수행한 팀을 구성하고 분석 과제 실행 시 지속적인 모니터링과 과제결과를 공유하고 개선하는 절차를 수행한다

      • 분석 조직이 지속적이고 체계적인 분석 관리 프로세스를 수행함으로써 조직 내 분석 문화 내재화 및 경쟁력을 확보

      • 해당 과제를 진행하면서 만들어진 시사점을 포함한 결과물을 Pool에 잘 축적하고 관리함으로써 향후 유사한 분석과제 수행 시 시행착오를 최소화하고 프로젝트를 효율적으로 진행할 수 있음

profile
🌳가 되기 위해 🌱부터 시작

0개의 댓글