[ADsP - 3과목] 제1장 데이터 분석 기획의 이해 -2

과목Ⅲ. 데이터 분석 기획 

제1장. 데이터 분석 기획의 이해 

제3절 분석과제 발굴

◆하향식 접근 방식: 문제가 주어지고 해결하기 위해 각 과정이 체계적으로 단계화 되어 수행하는 방식

◆상향식 접근 방식: 문제의 정의가 어려운 경우, 데이터 기반으로 문제의 재정/해결방안 탐색하고 지속적으로 개선하는 방식

◆실제 분석 과정에서 혼용되어 활용경우가 많음(디자인 사고 프로세스)

1. 하향식 접근법(Top Down Approach)

- 문제 탐색 → 문제 정의 → 해결방안 탐색 → 타당성 검토

1) 문제 탐색

◆비즈니스 모델 기반 문제 탐색

- 비즈니스 모델 캔버스를 활용한 과제 발굴을 위한 5가지 영역: 업무, 제품, 고객, 규제와 감사, 지원 인프라

업무: 생산하기 위해 운영하는 내부 프로세스 및 주요 자원 관련 주제 도출

제품: 제품서비스 개선하기 위한 관련 주제 도출(제품 주요 기능 개선, 서비스 모니터링 지표도출 등)

고객: 고객, 채널의 관점에서 주제 도출(Call 대기 시간 최소화, 영업점 위치 최적화)

규제와 감사: 생산 및 전달과정 프로세스 중 발생하는 규제 및 보완 관점에서 주제 도출(품질 이상 징후 관리, 새로운 규제 시 예상되는 제품)

지원 인프라: 분석하는 시스템, 인력 관점 주제 도출(EDW 최적화, 적정 운영 인력 도출 등)

- 새로운 관점의 접근을 통해 새로운 유형 분석 기회 발굴

(a, b, c, d의 큰 제목 외우기)

a) 거시적 관점(STEEP)

사회(Social): 현재 고객을 확장하여 전체 시장을 대상으로 사회적, 문화적, 구조적 트렌드 변화에 기반한 분석 기회 도출(노령화, 저출산에 따른 해당 사업 모델의 변화)

기술(Technological): 최신 기술 등장 및 변화에 따른 역량 내재화에 제품서비스 개발에 대한 분석 기회

경제(Economic): 산업과 금융 전반 변동, 경제 구조 변화에 따른 시장 흐름을 통해 분석 기회 도출(원자재 가격/환율/금리 변동에 따른 구매 전략의 변화 등)

환경(Environmental): 탄소 배출 규제 및 거래 시장 등장에 따른 원가 절감 및 정보 가시화 등

정치(Political): 대북관계 동향에 따른 원자재 구매 거래 선의 다변화 등

b) 경쟁자 확대 관점에서 기회 발굴

대체재: 자사 제품·서비스를 온라인으로 제공하는 것에 대한 탐색 및 잠재적 위험 파악

경쟁자: 식별된 주요 경쟁사의 제품·서비스 카탈로그 및 전략 분석하고 이에 대한 잠재적 위협 파악

신규 진입자

c) 시장 니즈 탐색 관점

고객: 고객 구매 동향 및 컨텍스트 이해로 제품·서비스 개선에 필요한 분석 기회 도출(철강은 조선 산업과 자동차 산업 탐색)

채널: 자체 운영 채널+경로에 존재하는 채널별로 분석 기회 탐색(은행은 인터넷 전문은행 등 온라인 채널 탐색)

영향자들: 주주·투자자·협회 등(M&A 시장 확대에 따른 유사 업종의 신규 기업 인수 기회 탐색 등)

d) 역량의 재해석 관점

내부 역량: 지적 재산권, 기술력, 지식·스킬·노하우 재해석, 분석 기회 탐색 (자사 소유 부동산을 활용한 부가가치 창출 기회 발굴 등)

파트너와 네트워크: 관계사, 공급사 역량 활용을 통해 분석 기회 도출(수출입·통관·노하우를 활용한 추가 사업기회 탐색 등)

◆외부 참조 모델 기반

- 필요 분석기회에 대한 아이디어(산업별, 업무 서비스 별 분석 테마 후보 그룹을 통해 Quick & Easy 방식)를 얻고 기업에 적용한 분석테마 후보 목록을 브레인스토밍을 통해 빠르게 도출

- 가치 발굴 사례를 풀로 만들어 놓으면 과제 발굴 및 탐색 시 빠르고 의미 있는 분석 기회 도출 가능

◆분석 유즈 케이스 정의

- 도출한 분석 기회들을 구체적인 과제로 만들기 전 분석 유즈 케이스 정의

- 풀어야 할 문제에 대한 상세한 설명 및 해당 문제를 해결 시 발생하는 효과 명시

- 향후 데이터 분석 문제로의 전환 및 적합성 평가에 활용

 Ex. 재무(자금 시재 예측, 구매 최적화), 고객(서비스 수준 유지, 고객만족 달성), 판매(파이프라인 최적화, 영업성과 분석)

2) 문제 정의

- 식별된 비즈니스 문제를 데이터의 문제로 변환하여 정의하는 단계

- 필요한 데이터 및 기법(how)을 정의하기 위한 데이터 분석의 문제로의 변환

- 고객 이탈 증대 → 이탈 영향을 미치는 요인 식별, 이탈 가능성 예측으로 변환

- 재고관리 및 적정 가격 어려움 → 수요 예측 가능한 인자 추출 및 모델링을 통한 수요 예측으로 변환

3) 해결방안 탐색

- 기존 정보시스템의 단순환 보완으로 분석 가능 고려

- 엑셀 등 간단한 도구로 분석 가능 고려

- 하둡 등 분산병렬처리를 활용한 빅데이터 분석 도구를 통해 보다 체계적이고 심도 있는 방안 고려

4) 타당성 평가

- 경제적 타당성: 비용대비 편익 분석 관점 접근(ROI)

- 데이터 및 기술적 타당성: 비즈니스 지식과 기술적 지식 요구; 우월한 대안 선택 / 솔루션 방안 포함 / 후속작업(분석과제 정의서 형태) 시행 / 프로젝트 계획의 입력물로 활용

 

2. 상향식 접근법(Bottom Up Approach)

- 문제 정의가 어려운 경우, 데이터 기반으로 문제의 재정/해결방안을 탐색하고 지속적으로 개선하는 방식

1) 기존 하향식 접근법의 한계를 극복하기 위한 분석 방법론

◆ 문제 구조가 분명, 데이터 분석가 및 의사결정자에게 주어져 있음을 가정 → 새로운 문제 탐색에 한계

◆디자인 사고 접근법

- 분석적으로 사물을 인식하려는 why강조(우리가 안다는 가정) → 문제와 맞지 않은 솔루션인 경우 오류 발생

- 미리 답을 내는 것이 아니라 사물 있는 그대로 인식하는 what관점

- 데이터 그 자체를 관찰하고 실제적 행동으로 옮김(대상을 좀 더 잘 이해하는 방식으로 접근)

- 감정이입을 특히 강조

◆비지도 학습 방법에 의해 수행

- 데이터 자체 결합, 연관성, 유연성 등을 중심으로 데이터 상태 표현

- 목표값을 사전에 정의 안 함, 해석은 용이하지 않지만 새로운 유형의 인사이트 도출에 유용

 ex. 장바구니 분석, 군집 분석, 기술 통계 및 프로파일링 등

◆지도 학습

- 명확한 목적 하에 데이터 분석

- 결과로 도출되는 값에 대해 사전 인지, 어떠한 데이터를 넣었을 때 어떠한 결과가 나올지 예측 

 Ex. 분류

◆다량의 데이터 분석을 통해 왜 그런 일이 발생하는지 역으로 추적하면서 문제를 도출하거나 재정의 할 수 있는 접근 방식

2) 시행 착오를 통한 문제 해결

◆프로토타이핑 접근법

- 요구사항이나 데이터를 정확히 규정 어렵고 데이터 소스도 명확히 파악하기 어려운 상황에서 일단 분석 시도, 그 후 결과를 확인하면서 반복적으로 개선해 나가는 방법

- 신속하게 해결책이나 모형 제시 – 문제를 명확하게 인식하고 필요한 데이터 식별하여 구체화하는 상향식 접근 방법

- 프로토타이핑 접근법의 기본 프로세스 구성: 가설 생성→디자인에 대한 실험→실제 환경 테스트 결과에서 통찰 도출 및 가설 확인

- 빅데이터 분석 환경에서의 프로토타이핑 필요성 대두

문제에 대한 인식 수준: 문제 정의가 불명확하거나 이전에 접해보지 못한 새로운 문제일 경우

필요 데이터 존재 여부의 불확실성

데이터 사용 목적의 가변성: 기존의 데이터 정의 재검토로 데이터의 사용목적과 범위 확대 가능 

Ex. 이동통신사 위치추적: 사용자의 호출의 효율적 처리 → 특정시간 인구 유동성 분석 정보

3. 분석 과제 정의

◆분석 과제 정의서

- 분석별 필요한 소스 데이터, 분석방법, 데이터 입수 및 분석의 난이도 분석 수행주기, 분석결과에 대한 검증 오너쉽, 상세 분석 과정 등을 정의

 

제4절 분석 프로젝트 관리 방안

◆범위, 일정, 품질, 리스크, 의사소통 영역별 관리 + 5가지 주요 속성(Data Size, Data Complexity, Speed, Analytic Complexity, Accuracy & Precision)

◆분석 프로젝트 관리를 위한 5가지 주요 속성

- 데이터 크기

- 데이터 복잡성: 원천 데이터 확보, 통합 + 잘 적용되는 분석 모델 선정에 대한 사전 고려 필요

- 속도: 실시간 탐지, 개인화 추천

- 분석 복잡성: 모델 복잡 – 정확도 향상(트레이드 오프 관계) – 해석 어려움

- 정확도와 정밀성: 모델과 실제 값 차이가 적다(활용성), 반복시 동일한 결과 제시(안전성) – 트레이드 오프

1. 분석 프로젝트의 특성

◆분석가 목표: 분석의 정확도+사용자의 활용 – 개별 분석 업무+전반적인 프로젝트 관리 필요

◆분석가 입장: 데이터 영역과 비즈니스 영역의 중간(조정자 역할) – 데이터, 비즈니스 영역에 대한 이해

◆지속적 개선 및 변경을 염두에 두고 기간 내에 가능한 최선의 결과 도출

2. 분석 프로젝트 관리 방안

◆프로젝트관리 지침의 프로젝트 관리 체계: 10개 주체 그룹

- 통합(활동+프로세스), 이해관계자, 범위, 자원, 시간, 원가, 리스크, 품질, 조달, 의사소통(정보 계획, 관리, 배포)

*출처: '데이터 분석 전문가 가이드, 한국데이터진흥원'