◽ 거버넌스 체계 개요
기업에서 의사결정을 위한 데이터를 어떻게 관리, 유지 및 규제 하는지에 대한 내부적인 관리 방식, 프로세스
- 데이터 분석과 활용에 대한 체계적인 관리의 중요성으로 분석 관리체계 수립이 필요하다.
- 지속적 분석 고도화, 분석과제 추가발굴 등 기업 문화로 정착, 안정적으로 분석운영에 필요하다.
- 지속적 분석 고도화, 분석과제 추가발굴 등 기업 문화로 정착, 안정적으로 분석운영에 필요하다.
- 분석의 지속적인 개발, 확산 및 서비스 관리를 위한 분석 거버넌스 체계는 기업의 현 분
석수준을 정확히 진단 , 분석 조직 및 분석 전문인력 배치, 분석 관련 프로세스 및 분석
교육 등 의 관점에서 정의 가능하다.
- 분석의 지속적 개선/개발, 확산 및 서비스관리를 위한 거버넌스 체계
- COA(Center Of Analysis) : 분석조직, 분석 수준진단, 분석교육, 분석 개발확산/평가 프로세스, 분석전문 인력
- COA(Center Of Analysis) : 분석조직, 분석 수준진단, 분석교육, 분석 개발확산/평가 프로세스, 분석전문 인력
◽ 분석 거버넌스 체계 구성요소
지속적인 데이터 분석의 적용과 확산을 위한 거버넌스 체계
-
단순히 대용량 데이터를 수집/축적하는 것보다는 어떤 목적 으로 어떤 데이터 를 어떻게 분석에 활용할 것인가가 더욱 중요하다.
➡️ 기업에서 데이터를 이용한 의사결정 시, 데이터 분석과 활용을 위한 체계적인 관리 가 중요하다.
➡️ 데이터 분석을 기업의 문화로 정착하고 데이터 분석업무를 지속적으로 고도화하기 위해서 조직 내 분석 관리 체계 "분석 거버넌스 체계"가 필요하다.
-
분석 거버넌스 체계를 수립하기 위해서는 기업 내의 전체적인 분석 기준들과 환경들을 분석해 우리가 가지고 있는 현재 자원이 타경쟁사 와 유사업종 과 비교해 어느정도 수준에 있는지 평가 해야한다.
➡️ 고품질의 데이터 확보/관리를 통해 기업에 제공할 수 있는 정보 활용을 극대화하여 가치창출에 기여한다.
➡️ 분석의 지속적인 개발 및 확산, 고도화로 안정적인 서비스 를 운영 가능하다.
-
분석 거버넌스에서 데이터 분석 효과를 지속가능하게 유지하려면 분석조직 및 인력/제도적 준비가 필요하다.
◽ 데이터 분석 수준 진단
분석 거버넌스 체계 수립 시, 분석준비도와 분석성숙도를 통해 기업의 분석수준을 파악하는 것이 가장 먼저 선행되어야 한다.
◾ (1) 분석 성숙도 & 분석 준비도 ➡️ 분석 유형 및 방향성 결정
◾ (2) 분석 준비도 | 데이터 분석 도입 수준을 파악하기 위한 진단방법
분석 준비도 (Readiness)
- 기업의 데이터 분석 도입의 수준을 파악하기 위한 진단 방법
- 분석 업무 파악, 인력 및 조직, 분석 기법, 분석 데이터, 분석문화, IT 인프라
- 분석 준비도 평가: 분석 업무 파악, 분석 인력 및 조직, 분석 기법, 분석 데이터, 분석 문화, IT 인프라
◾ (3) 분석 성숙도 | 3부문 대상으로 평가 - 비즈니스, 조직 및 역량, IT 부문
분석 성숙도 모델 (Maturity)
- 최종 목표: 기업이 수행하는 현재의 분석 수준 을 명확히 이해하고, 수준진단 결과 를 토대로 미래의 목표 수준을 정의 하는 것이다.
- 수준 분류: 도입 ➡️ 활용 ➡️ 확산 ➡️ 최적화
- 진단 분류: 비즈니스 부문, 조직·역량 부문, IT 부문
| 1단계: 도입 | 2단계: 활용 | 3단계: 확산 | 4단계: 최적화 |
| - 분석 시작 - 환경, 시스템 구축 |
분석 결과를 업무에 적용 |
전사 차원에서 분석 관리, 공유 |
분석을 진화시켜 혁신, 성과향상에 기여 |
◾ (4) 분석 수준 진단 결과 | 분석 준비도 & 분석 성숙도 진단 결과를 4분면 구분
| 확산형 | 도입형 | 정착형 | 준비형 |
| - 높은 준비도 - 높은 성숙도 - 지속적 확산이 가능하다. |
- 높은 준비도 - 낮은 성숙도 - 데이터 분석 도입이 가능하다. |
- 낮은 준비도 - 높은 성숙도 - 분석의 정착이 필요하다. |
- 낮은 준비도 - 낮은 성숙도 - 사전 준비가 필요하다. |
◽ 분석지원 인프라 방안 수립
분석 과제 별로 분석 시스템을 구축하는 경우, 관리의 복잡도 및 비용의 증대라는 부작용이 나타난다. 따라서 분석 마스터 플랜을 기획하는 단계에서부터 장기적 이고 안정적 으로 활용할 수 있는 확장성 을 고려한 플랫폼 구조를 도입하는 것이 적절하다.
- 플랫폼이란 단순한 분석 응용프로그램뿐만 아니라 분석 서비스를 위한 프로그램이 실행될 수 있는 컴퓨터 시스템을 의미한다.
- 일반적으로 하드웨어에 탑재되어 데이터 분석에 필요한 프로그래밍 환경과 서비스 환경을 제공하는 역활을 수행한다.
◽ 데이터 거버넌스 체계 수립
◾ 데이터 거버넌스
- 전사 차원 모든 데이터에 대해 표준화된 관리 체계 수립
- 운영을 위한 프레임워크 및 저장소를 구축하는 것
- 중요한 관리대상: 마스터 데이터, 메타데이터 , 데이터 사전 등
- 마스터 데이터(Master Data): 마스터 파일의 내용을 뜻하기도 하며, 자료가 자주 변하지 않아 자료 처리 운용에 기본 자료 로 제공되는 자료의 집합 을 말한다.
- 데이터 사전(Data Dictionary): DBMS를 효율적으로 사용하기 위해 데이터베이스에 저장된 정보를 요약한 것으로 데이터 해석상의 오류 또는 어려움 을 제거하기 위해 사용된다.
- 구성요소: 원칙 (Principle) , 조직 (Organization) , 프로세스 (Process)
◾ 원칙 (Principle)
- 데이터를 유지·관리하기 위한 지침과 가이드
- 보안, 품질 기준, 변경 관리
◾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 조직 및 인력방안 수립
| 집중구조 | 기능구조 | 분산구조 |
|
|
|
본 게시물에 포함된 내용은 한국데이터산업진흥원에서 발행한]
[데이터 분석 전문가 가이드, 2019년 2월 8일 개정], 2021 ADsP 데이터분석 준전문가_위키북스에 근거한 것임을 알립니다.