분석 기획 방향성 도출
분석 기획이란
- 실제 분석을 수행하기 앞서 분석을 수행할 과제를 정의하고, 의도했던 결과를 도출할 수 있도록 이를 적절하게 관리할 수 있는 방안을 사전에 게획하는 일련의 작업
분석 대상과 방법
- 분석은 분석의 대상과 분석의 방법에 따라서 4가지로 나누어 짐
| 분석의 방법 \ 분석의 대상 | Known | Un-Known |
|---|---|---|
| Known | Optimization | Insight |
| Un-Known | Solution | Discovery |
목표 시점 별 분석 기획 방안
-
과제 중심적인 접근 방식 : 당면한 과제를 빠르게 해결
-
장기적인 마스터 프랜 방식 : 지속적인 분석 내재화가 중점
-
분석 기획에서는 문제해결을 위한 단기적인 접근방식과 분석과제 정의를 위한 중장기적인 마스터 플랜 접근방식을 융합하여 적용하는 것이 중요
| 과제 | 당면한 분석 주제의 해결 | 지속적 분석 문화 내재화 |
|---|---|---|
| 1차 목표 | Speed & Test | Accuaracy & Deploy |
| 과제의 유형 | Quick & Win | Long Term & View |
| 접근 방식 | Problem Solving | Problem & Definition |
분석 기획시 고려사항
Avaiable Data
- 분석의 기본인 가용 데이터에 대한 고려가 필요하다
- 분석을 위한 데이터의 확보가 우선적이며, 데이터의 유형에 따라 적용 가능한 솔루션 및 분석 방법이 다르기 때문에 유형에 대한 분석이 선행적으로 이루어져야 한다
Proper Business Use Case
- 분석을 통해 가치가 창출될 수 있는 적절한 활용방안과 유즈 케이스 탐색이 필요하다
- 기존에 잘 구현되어 활용되고 있는 유사 분석 시나리오 및 솔루션을 최대한 활용하는 것이 중요
Low Barrier of Execution
- 분석 수행시 발생하는 장애 요소들에 대한 사전계획 수립이 필요하다
- 일회성 분석으로 그치지 않고 조직의 역량으로 내재화하기 위해서는 충분하고 계속적인 교육 및 활용방안 등의 변호 관리가 고려되어야 한다
분석 방법론
분석 방법론 개요
개요
- 방법론은 상세한 절차, 방법, 도구와 기법, 템플릿과 산출물로 구성되어 어느 정도의 지식만 있으면 활용이 가능함
방법론의 적용 업무의 특성에 따른 모델
-
폭포수 모델
- 단계를 순차적으로 진행하는 방법
- 이전 단계가 완료되어야 다음 단계로 진행될 수 있음
- 문제 발견될 시 피드백 과정이 수행
-
프로토 타입 모델
- 점진적으로 시스템을 개발해 나가는 접근 방식
- 고객의 요구를 완전하게 이해하고 있지 못하거나 완벽한 요구 분석의 어려움을 해결하기 위해 일부분을 우선 개발하여 사용자에게 제공
- 시험 사용 후 사용자의 요구를 분석하거나 요구 정당성을 정검, 성능을 평가하여 그 결과를 통한 개선 작업을 시행하는 모델
-
나선형 모델
- 반복을 통해 점증적으로 개발하는 방법
- 처음 시도하는 프로젝트에 적용이 용이
- 관리 체계를 효과적으로 갖추지 못한 경우 복잡도가 상승하여 프로젝트 진행이 어려울 수 있음
방법론의 구성
-
단계별 완료 보고서
- 최상위 계층으로서 프로세스 그룹을 통하여 완성된 단계별 산출물이 생성
- 각 단계는 기준선으로 설정되어 관리되어야 하며, 버전 관리 등을 통하여 통제됨
-
보고서
- 단계를 구성하는 단위 활동으로써 물리적 또는 논리적 단위로 품질 검토의 항목이 됨
-
보고서 구성 요소
- WBS (Work Breakdown Structure)의 워크 페키지에 해당됨
- 입력 자료, 처리 및 도구, 출력 자료로 구성된 단위 프로세스이다
KDD 분석 방법론
개요
- 1996년 Fayyad가 프로파일링 기술을 기반으로 데이터로부터 통계적 패턴이나 지식을 찾기 위해 활용할 수 있도록 체계적으로 정리한 데이터 마이닝 프로세스
KDD 분석 절차
-
데이터 셋 선택
-
데이터 셋 선택에 앞서 분석 대상의 비즈니스 도메인에 대한 이해와 프로젝트 목표 설정이 필수이며 데이터 베이스 또는 윈시 데이터에서 분석에 필요한 데이터를 선택하는 단계
-
데이터 마이닝에 필요한 Target Data를 구성하여 분석에 활용한다
-
-
데이터 전처리
-
추출된 분석 대상용 데이터 셋에 포함되어 있는 Noise, Outlier, Missing Value를 식별하고 필요시 제거하거나 의미있는 데이터로 재처리하여 데이터 셋을 정제하는 단계
-
추가로 요구되는 데이터 셋이 필요한 경우 데이터 선택 프로세스를 재실행한다
-
-
데이터 변환
-
정제된 데이터에 분석 목적에 맞게 변수를 생성, 선택하고 데이터의 차원을 축소하여 효율적으로 데이터 마이닝을 할 수 있도록 데이터를 변경하는 단계
-
Training Data와 Test Data로 데이터를 분리하는 단계
-
-
데이터 마이닝
-
학습용 데이터를 이용하여 분석 목적에 맞는 데이터 마이닝 기법을 선택하고, 적절한 알고리즘을 적용하여 데이터 마이닝을 작업을 실행하는 단계
-
필요에 따라 데이터 전처리와 데이터 변환 프로세스를 추가로 실행하여 최적의 결과를 산출
-
-
데이터 마이닝 결과 평가
-
데이터 마이닝에 결과에 대한 해석과 평가, 그리고 분석 목적과의 일치성을 확인
-
데이터 마이닝을 통해 발견한 지식을 업무에 활용하기 위한 방안 마련의 단계
-
필요에 따라 데이터 선택 프로세스에서 데이터 마이닝 프로세스를 반복 수행
-
CRISP - DM 분석 방법론
CRISP - DM 4레벨 구조
-
최상위 레벨은 여러 개의 단계로 구성되고 각 단계는 일반화 태스크를 포함한다
-
일반화 태스크는 데이터 마이닝의 단일 프로세스를 완전하게 수행하는 단위이며, 이는 다시 구체적인 수행 레벨인 세분화 태스크로 구성된다
-
마지막 레벨인 프로세스 실행은 데이터 마이닝을 위한 구체적인 실행을 포함한다
CRISP - DM의 프로세스
-
6단계로 구성되어 있으며, 각 단계는 단방향으로 구성되어 있지 않고 단계 간 피드백을 통하여 단계별 완성도를 높이게 됨
-
업무 이해
-
비즈니스 관점에서 프로젝트의 목적과 요구사항을 이해하기 위한 단계
-
도메인 지식을 데이터 분석을 위한 문제 정의로 변경하고 초기 프로젝트 계획을 수립하는 단계
-
업무 목적 파악, 상황 파악, 데이터 마이닝 목표 설정, 프로젝트 계획 수립
-
-
데이터 이해
-
분석을 위한 데이터를 수집하고 데이터 속성을 이해하기 위한 단계
-
데이터 품질에 대한 문제점을 식별하고 숨ㅁ겨져 있는 인사이트를 발견하는 단계
-
초기 데이터 수집, 데이터 기술 분석, 데이터 탐색, 데이터 품질 학인
-
-
데이터 준비
-
분석을 위하여 수집된 데이터에서 분석 기법에 적합한 데이터를 편성하는 단계
-
분석용 데이터 셋 선택, 데이터 정재, 분석용 데이터 셋 편성, 데이터 통합, 데이터 포맷팅
-
-
모델링
-
다양한 모델링 기법과 알고리즘을 선택하고 모델링 과정에서 사용되는 파라미터를 최적화해 나가는 단계
-
모델링 과정에서 데이터 셋이 추가로 필요한 경우 데이터 준비 단계를 반복 수행할 수 있음
-
모델링 결과를 테스트용 데이터 셋으로 평가하여 모델의 과적합 문제를 확인
-
모델링 기법 선택, 모델 테스트 게획 설계, 모델 작성, 모델 평가
-
-
평가
-
모델링 결과가 프로젝트 목적에 부합하는지 평가하는 단계로 데이터 마이닝 결과를 최종적으로 수용 할 것인지 판단
-
분석 결과 평가, 모델링 과정, 모델 적용성 평가
-
-
전개
-
모델링과 평가 단계를 통하여 완성된 모델을 실 업무에 적용하기 위한 계획을 수립하는 단계
-
모니터링과 모델의 유지 보수 계획 마련
-
전개 계획 수립, 모니터링과 유지보수 계획 수립, 프로젝트 종료 보고서 작성, 프로젝트 리뷰
-
빅데이터 분석 방법론
빅데이터의 분석의 계층적 프로세스
-
단계
- 프로세스 그룹을 통하여 완성된 단계별 산출물이 생성
- 각 단계는 기준선으로 설정되어 관리되어야 하며, 버전 관리 등을 통하여 통제가 이루어짐
-
태스크
- 각 단계는 여러 개의 태스크로 구성
- 각 태스크는 단계를 구성하는 단위 활동이며, 물리적 또는 논리적 단위로 품질 검토의 항목이다
-
스탭
- WBS의 워크 패키지에 해당되고 입력 자료, 처리 및 도구, 출력 자료로 구성된 단위 프로세스이다
빅데이터 분석 방법론 - 5 단계
-
분석 기획
- 비즈니스 도메인과 문제점을 인식하고 분석 계획 및 프로젝트 수행 계획을 수립하는 단계
-
데이터 준비
- 비즈니스 요구사항과 데이터 분석에 필요한 원천 데이터를 정의하고 준비하는 단계
-
데이터 분석
- 원천 데이터를 분석용 데이터 셋을 편성하고 다양한 분석 기법과 알고리즘을 이용하여 데이터를 분석하는 단계
- 분석 단계를 수행하는 과정에서 추가적인 데이터 확보가 필요한 경우 데이터 준비 단계로 피드백하여 두 단계를 반복하여 진행
-
시스템 구현
- 분석 기획에 맞는 모델을 도출하고 이를 운영 중인 가동 시스템에 적용하거나 시스템 개발을 위한 사전 검증으로 프로토타입 시스템을 구현
-
평가 및 전개
- 데이터 분석 및 시스템 구현 단계를 수행한 후, 프로젝트의 성과를 평가하고 정리하거나 모델의 발전 계획을 수립하여 차기 분석 기획으로 전달하고 프로젝트를 종료하는 단계
단계별 세부 단계 및 실제 업무
-
분석 기획
-
비즈니스 이해 및 범위 설정
-
비즈니스 이해
- 비즈니스 이해 및 도메인 문제점
-
프로젝트 범위 설정
- 프로젝트 범위 정의서 (SOW)
-
-
프로젝트 정의 및 계획 수립
-
데이터 분석 프로젝트 정의
- 프로젝트 정의서, 모델 운영 이짐 설계서, 모델 평가 기준
-
프로젝트 계획 수립
- 프로젝트 수행 계획서, WBS
-
-
프로젝트 위험 계획 수립
-
데이터 분석 위험 식별
- 식별된 위험 목록
-
위험 대응 계획 수립
- 위험 관리 계획서
-
-
-
데이터 준비
-
필요 데이터 정의
-
데이터 정의
- 데이터 정의서
-
데이터 획득 방안 수립
- 데이터 획득 계획서
-
-
데이터 스토어 설계
-
정형 데이터 스토어 설계
- 정형 데이터 스토어 설계서, 데이터 매핑 정의서
-
비정형 데이터 스토어 설계
- 비정형 데이터 스토어 설계서, 데이터 매핑 정의서
-
-
데이터 수집 및 정합성 정검
-
데이터 수집 및 저장
- 수집된 분석용 데이터
-
데이터 정합성 정검
- 정합성 점검 보고서
-
-
-
데이터 분석
-
분석용 데이터 준비
-
비즈니스를 확인
- 비즈니스 룰, 분석에 필요한 데이터 범위
-
분석용 데이터 셋 준비
- 분석용 데이터 셋
-
-
텍스트 분석
-
텍스트 데이터 확인 및 추출
- 분석용 텍스트 데이터
-
텍스트 데이터 분석
- 텍스트 분석 보고서
-
-
탐색적 분석
-
탐색적 데이터 분석
- 데이터 탐색 보고서
-
데이터 시각화
- 데이터 시각화 보고서
-
-
모델링
-
데이터 분할
- 훈련용 데이터, 테스트용 데이터
-
데이터 모델링
- 모델링 결과 보고서
-
모델 적용 및 운영 방안
- 알고리즘 설명서, 모니터링 방안
-
-
모델 평가 및 검증
-
모델 평가
- 모델 평가 보고서
-
모델 검증
- 모델 검증 보고서
-
-
-
시스템 구현
-
설계 및 구현
-
시스템 분석 및 설계
- 시스템 분석 및 설계서
-
시스템 구현
- 구현 시스템
-
-
시스템 테스트 및 운영
-
시스템 테스트
- 시스템 테스트 결과 보고서
-
시스템 운영 계획
- 운영자 메뉴얼, 사용자 메뉴얼, 시스템 운영 계획서
-
-
-
평가 및 전개
-
모델 발전 계획 수립
-
모델 발견 계획
- 모델 발전 계획서
-
-
프로젝트 평가 및 보고
-
프로젝트 성과 평가
- 프로젝트 성과 평가서
-
프로젝트 종료
- 프로젝트 최종 보고서
-
-
분석 과제 발굴
개요
-
분석 과제는 풀어야 할 다양한 문제를 데이터 분석 문제로 변환한 후 관계자들이 이해하고 프로젝트를 수행할 수 있는 과제 정의서 형태로 도출
-
크게 하향식 접근 방법과 상향식 접근 방법이 있음
-
최정의 의사결정은 두 접근 장식이 상호 보완 고나계이 있을 때 가능
디자인 사고
-
상향식 접근 방식의 발산 단계와 하향식 접근 방식의 수렴 단계를 반복적으로 수행
-
상호 보완적인 동적 환경을 통해 분석의 가치를 높일 수 있는 최적의 의사결정 방식
하향식 접근법
문제 탐색 단계
-
비즈니스 기반 문제 탐색
-
기업 내외부 환경을 포괄하고 있는 비즈니스 모델이라는 Frame을 활용하여 비즈니스 모델 캔버스의 9가지 블록을 단순화하여 업무, 제품, 고객, 단위로 문제를 발굴
-
업무 : 제품 및 서비스를 생산하기 위해서 운영하는 내부 프로세스 및 주요 자원 관련 주제 도출
-
제품 : 생산 및 제공하는 제품 및 서비스를 개선하기 위한 관련 주제 도출
-
고객 : 제품 및 서비스를 제공받는 사용자 및 고객에게 제공하는 채널의 관점에서 주제 도출
-
-
이를 관리하는 두 가지 영익인 규제와 감사 영역과 지원 인프라 영역에 대한 기회를 추가로 도출하는 작업을 수행
-
규제와 감사 : 제품 생산 및 전달 과정 프로세스 중에서 발생하는 규제 및 보안의 관점에서 주제 도출
-
지원 인프라 : 분석을 수행하는 시스템 영역 및 및 이를 운영 / 관리하는 인력의 관점에서 주제 도출
-
-
새로운 관점의 접근을 통해 새로운 유형의 분석 기획 및 주제 발굴을 수행해야 함
-
-
분석 기회 발굴의 범위 확장
-
거시적 관점의 메가 트렌드
-
사회 : 사회적, 문화적 구조적 트랜드 변화에 기반한 분석 기회를 도출
-
기술 : 변화에 따른 역량 내 재화와 상품 및 서비스 개발에 대한 분석 기회 도출
-
경제 : 산업과 금융 전반의 변동성 및 경제 구조 변화 동향에 대한 분석 기회 도출
-
환경 : 환경과 관련된 정부, 사회 단체, 시민 사회의 관심과 규제 동향에 대한 분석 기회 도출
-
정치 : 주요 정책 방향, 정세, 지정학적 동향에 대한 분석 기회 도출
-
-
경쟁자 확대 관점
-
대체재 : 용합적인 경쟁 환경에서 제품 및 서비스에 대한 탐색 및 잠재적 위험을 파악
-
경쟁자 : 주요 경쟁자에 대한 동향을 고려한 분석 기회를 도출
-
신규 진입자 : 신규 진입자에 대한 동향을 파악하여 이를 고려한 분석 기회를 도출
-
-
시장의 니즈 탐색 관점
-
고객 : 고객의 구매 동향 및 컨텍스트를 이해하여 제품 및 서비스의 개선에 필요한 분석 기회 도출
-
채널 : 경로에 존재한는 채널별로 분석 기회를 확대하여 탐색
-
영향자 : 이해 관계자의 주요 관심사항에 대하여 파악하여 분석 기회 도출
-
-
역량의 재해석 관점
-
내부 역량 : 노하우와 인프라적인 유형 자산에 대해서 재해석하여 분석 기회 도출
-
파트너와 네트워크 : 관계사 및 공급사의 역량을 파악하여 분석 기회 도출
-
-
-
외부 참조 모델 기반 문제 탐색
-
유사 / 동종 / 사례 벤치마킹을 통한 분석 기회 발굴은 제공되는 산업별, 업무 서비스 별 분석 테마 후보 그룹을 통해 Quick & Easy 방식으로 필요한 분석 기회가 무엇인지에 대한 아이디어를 얻음
-
기업에 적용할 분석 테마 후보 목록을 워크숍 형태의 브레인 스토밍을 통해 빠르게 도출하는 방법
-
-
분석 유즈 케이스
- 풀어야 할 문제에 대한 상세한 설명 및 해당 문제를 해결했을 때 발생하는 효과를 명시함으로써 향후 분석 문제로의 전환 및 적합성 평가에 활용하도록 함
문제 정의
-
식별된 비즈니스 문제를 데이터의 문제로 변환하여 정의하는 단계
-
분석을 수행하는 당사자뿐만 아니라 해당 문제가 해결되었을 때 효용을 얻을 수 있는 최종 사용자 관점에서 이루어져야 함
-
정확한 분석의 관점으로 문제를 재정의할 필요가 있음
해결 방안 탐색
-
정의된 데이터 분석 문제를 해결하기 위한 다양한 방안이 모색
분석 기법 및 시스템 / 분석 역량 확보 미확보 기존 시스템 기존 시스템 개선 활용 교육 및 채용을 통한 역량 확보 신규 도입 시스템 고도화 전문 업체
타당성 검토
-
경제적 타당성
- 비용대비 편익 분석 관점의 접근
-
데이터 및 기술적 타당성
- 역량 확보 방안을 사전에 수립하고 이를 효과적으로 평가하기 위해서는 비즈니스 지식과 기술적 지식이 요구
상향식 접근법
-
답을 미리 내는 것이 아니라 사물을 있는 그대로 인식하는 What 관점에서 봐야 한다
-
객관저긍로 존재하는 데이터 그 자체를 관찰하고 실제적으로 행동에 옮김으로써 대상을 좀 더 잘 이해하는 방식으로의 접근을 수행하는 것
비지도 학습과 지도 학습
-
비지도 학습
-
일반적으로 상향식 접근 방식의 데이터 분석은 비지도 학습 방법에 의해 수행
-
데이터 분석의 목적이 명확히 정의된 형태의 특정 필드의 값을 구하는 것이 아니라 데이터 자체의 결합, 연관성, 유사성 등을 중심으로 데이터의 상태를 표현하는 것
-
-
지도 학습
-
명확한 목적 하에 데이터 분석을 실시하는 것
-
분류 / 추측 / 예측 / 최적화를 통해 사용자의 주도하에 분석을 실시하고 지식을 도출한는 것
-
시행 착오를 통한 문제 해결
-
정의
-
프로토타이핑 접근법은 사용자가 요구사항이나 데이터를 정확히 규정하기 어렵고 데이터 소스도 명확히 파악하기 어려운 상황에서 일단 분석을 시도해보고 그 결과를 확인해 가면서 반복적으로 개선해 나가는 방법
-
프로토타이핑 방법론은 비록 완전하지 못하다 해도 신속하게 해결책이나 모형을 제시함으로써, 이를 바탕으로 문제를 좀 더 명확하게 인식하고 필요한 데이터를 식별하여 구체화할 수 있게 하는 상향식 접근 방식이다
-
-
빅데이터 분석 환경에서 프로토타이핑의 필요성
-
문제에 대한 인식 수준
- 문제 정의가 불명확하거나 이전에 접해보지 못한 새로운 문제일 경우 사용자 및 이해 관계자는 프로토 타입을 이용하여 문제를 이해하고, 이를 바탕으로 구체화하는데 도움을 받을 수 있다
-
필요 데이터 존재 여부의 불확실성
- 사용자와 분석가 간의 반복적이고 순환적인 협의 과정이 필요
-
데이터 사용 목적의 가변성
- 기존의 데이터 정의를 재검토하여 데이터의 사용 목적과 범위를 확대할 수 있다
-
분석 과제의 정의
-
분석 과제 정의서를 통해 분석별로 필요한 소스 데이터, 분석 방법, 데이터 입수 및 분석의 난이도, 분석 수행 주기, 분셕 결과에 대한 검증 오너십, 상세 분석 과정 등을 정의
-
분석 데이터 소스는 내외부의 비구조적인 데이터와 소셜 미디어 및 오픈 데이터까지 범위를 확장하여 고려하고 분석 방법 또한 상세히 정의
분석 프로젝트 관리 방안
분석 과제 관리를 위한 5가지 주요 영역
Data Size
- 분석하고자 하는 데이터 양을 고려한 관리 방안 수립이 필요
Data Complexity
- 초기 데이터의 확보와 통합 뿐 아니라 해당 데이터에 잘 적용될 수 있는 분석 모델의 선정 등에 대한 사전 고려가 필요
Speed
-
분석 결과가 도출되었을 때 이를 활용하는 시나리오 측면에서의 속도를 고려해야 한다
-
프로젝트 수행 시 분석 모델의 성능 및 속도를 고려한 개발 및 테스트가 수행되어야 한다
Analytic Complexity
- 해석이 가능하면서도 정확도를 올릴 수 있는 최적 모델을 찾는 방안을 사전에 모색해야 한다
Accuracy & Precision
-
Accuracy : 모델과 실제 값 사이의 차이가 적다는 정확도
-
Precision : 모델을 지속적으로 반복했을 떄의 편차 수준으로써의 일관적으로 동일한 결과를 제시
분석 프로젝트의 관리 방안
범위
-
분석 기회 단계의 프로젝트 범위가 분석을 진행하면서 데이터의 형태와 양 또는 적용되는 모델의 알고리즘에 따라 범위가 빈번하게 변경됨
-
분석의 최종 결과물이 분석 보고서 형태인지 시스템인지에 따라서 투입되는 자원 및 범위 또한 크게 변경되므로 사전에 충분한 고려가 필요
시간
-
초기에 의도했던 결과가 나오기 쉽지 않기 때문에 지속적으로 반복되어 많은 시간이 소요될 수 있음
-
분석 결과에 대한 품질이 보장된다는 전제로 Time Boxing 기법으로 일정 관리를 진행하는 것이 필요
원가
-
외부 데이터를 활용한 데이터 분석의 경우 고가의 비용이 소요될 수 있으므로 사전에 충분한 조사가 필요
-
오픈 소스 도구 외에 프로젝트 수행 시 의도했던 결과를 달성하기 위하여 상용 버전의 도구가 필요할 수 있음
품질
-
분석 프로젝트를 수행한 결과에 대한 품질 목표를 사전에 수립하여 확정해야 함
-
프로젝트 품질은 품질 통제와 품질 보증으로 나누어 수행되어야 함
통합
- 프로젝트 관리 프로세스들이 통합적으로 운영될 수 있도록 관리해야 함
조달
-
프로젝트 목적성에 맞는 외부 소싱을 적절하게 운영할 필요가 있음
-
PoC 형태의 프로젝트는 인프라 구매가 아닌 클라우드 등의 다양한 방안을 검토할 필요가 있음
자원
- 고급 분석 및 빅데이터 아키텍쳐링을 수행할 수 있는 인력의 공급이 부족하므로 프로젝트 수행 전 전문가 확보에 대한 검토가 필요
리스크
-
분석에 필요한 데이터 미확보로 분석 프로젝트 진행이 어려울 수 있으므로 관련 위험을 식별하고 대응 방안을 사전에 수립해야 함
-
데이터 및 분석 알고리즘의 한계로 품질 목표를 달성하기 어려울 수 있어 그에 따른 대응 방안을 수립할 필요
의사소통
-
전문성이 요구되는 데이터 분석의 결과를 모든 프로젝트 이해관계자가 공유할 수 있도록 해결해야 함
-
프로젝트의 원할한 진행을 위한 다양한 의사소통 체계 마련이 필요
이해 관계자
- 다양한 전문가가 참여하므로 이해관계자의 식별과 관리가 필요
