제 2 장 분석 마스터플랜
: 지속적으로 분석이 주는 가치를 체계적으로 관리하고 분석 역량을 내재화하려고 하면 단기적인 과제 수행뿐만 아니라 중/장기적 관점의 마스터플랜 수립이 필요
-> 마스터플랜은 분석 대상이 되는 과제를 도출 -> 우선순위 평가 -> 단기적 세부 이행 계획 & 중. 장기적 로드맵 작성
: 로드맵 과제들이 잘 수행되도록 하기 위해 "분석 거버넌스 체계 수립"이 필수적!
분석 역량을 높이기 위해 분석 성숙도 측정이 필요 + 분석 거버넌스 체계의 주요 구성 요소인 인프라, 데이터, 조직 및 인력, 관리 프로세스 , 교육 및 변화관리에 대한 방안도 다룰 예정!
제1절 마스터플랜 수립
1. 분석 마스터 플랜 수립 프레임 워크
:" 전략적 중요도, 비즈니스 성과 및 ROI, 분석 과제의 실행 용이성 "를 고려하여 적용 우선순위 설정
-> 업무 내재화 적용 수준, 분석 데이터 적용 수준 (내부/외부 데이터) , 분석기술의 적용 수준 고려 => 로드맵 수립
: 기업 및 공공기관에서는 시스템의 중장기 로드맵을 정의하기 위해 '정보전략계획(ISP)'를 수행
*ISP는 정보기술 또는 정보시스템을 전략적으로 활용하기 위해
조직 내/외부 환경을 분석하여 기회나 문제점을 도출하고
사용자의 요구사항을 분석하여 시스템 구축 우선순위를 결정하는 등 중장기 마스터플랜을 수립하는 절차
: 분석 마스터플랜은 일반적 ISP방법론 활용 , 기업에서 필요한 데이터 분석 과제를 빠짐없이 도출한 후 과제의 우선순위를 결정하고 단기 및 중-장기로 나누어 계획 수립
2. 수행과제 도출 및 우선순위 평가 (일반적 - 전략적, 실행 용이성 / RoI관점)
1) ISP 같은 일반적인 IT 프로젝트 : 전략적 중요도, 실행 용이성 등 기업의 중요 가치 기준에 따라
2) 빅데이터의 4V를 ROI 관점으로 -> 이를 고려하여 우선순위 평가기준 정의
- 시급성 : 전략적 중요도가 핵심, 전략적 가치를 현재 혹은 미래 어느 시점에 둘 것인가에 따라 시급성 여부 결정
- 난이도 : 비용 측면과 범위 측면에서 바로 적용 가능한지 어려운지에 대한 판단 기준
: 시범과제 일부 수행 or 전체 수행/ 내부, 외부 데이터
-> 난이도는 분석 준비도 및 성숙도 진단 결과에 따라 분석 수준을 파악하고 분석 적용범위 및 방법에 따라 난이도 조정 가능
**우선순위 정하는 방법 - 4분면
: 시급성 중점 : 3 - 4 -2 / 난이도 중점 : 3- 1 - 2
: 우선순위 조정 - 데이터의 양, 특성, 범위를 조율함으로써 조정 가능(기술적 요소에 따라서도 가능 -운영시스템 적용범위)
3. 이행계획 수립
A. 로드맵 수립
: 사분면 분석을 통해 결정된 과제의 우선순위를 토대로
분석 과제별 적용범위 및 방식을 고려하여 최종적인 실행 우선순위를 결정한 후 단계적 구현 로드맵을 수립한다.
B. 세부 이행계획 수립 : 반복적인 정련 과정을 통하여 프로젝트의 완성도를 높이는 분석 방식 주로 사용
-> 모든 단계를 반복하기보다
"데이터 수집 및 확보"와 "분석 데이터 준비" 단계를 순차적으로 진행하고
"모델링 단계"는 반복적으로 수행하는 혼합형을 많이 적용하며 이를 고려한 일정계획도 수립해야 한다.
제2절 분석 거버넌스 체계 수립 (Governance)
1. 거버넌스 체계 개요 : 좋은 품질의 데이터를 위한 체계
**기업에서는 어떤 목적으로 어떤 데이터를 어떻게 분석에 활용할 것인가가 더욱 중요하기 때문에 체계적인 관리가 중요해졌다.
**거버넌스 체계의 구성요소
1) 조직 : 분석 기획 및 관리 수행
2) 프로세스 : 과제 기획 및 운영
3) 시스템 : 분석 관련 tool
4) 데이터
5) Human resource(인력자원) : 분석 관련 교육 및 마인드 육성 체계
2. 데이터 분석 성숙도 모델 및 수준진단
: 분석의 유형 및 방향성을 결정하기 위해 기업은 명확히 분석 수준을 점검할 필요가 있다.
: 궁극적인 목표는 각 기업이 수행하는 현재의 분석 수준을 명확히 이해 + 결과를 토대로 미래의 목표 수준 정의
: 현 수준은 어떠한지, 필요한 부문은 어디인지, 명확한 방향을 수립하기 위해 평가!
**분석 수준 진단 : 6개 영역에서 분석 준비도 평가 + 3개 영역에서 분석 성숙도 평가
A. 분석 준비도 (업무, 인력, 기법, 데이터, 문화, 인프라)
: 기업의 데이터 분석 도입의 수준을 파악하기 위한 진단 방법
1) 분석 업무
- 발생한 사실 분석 업무
- 예측/시뮬레이션 분석 업무
- 최적화 분석 업무
- 분석 업무 정기적 개선
2) 인력 및 조직
- 분석 전문가 직무 존재/정의
- 전사 차원의 분석 전담 조직 존재
- 관리자들/경영진 분석 업무 이해 능력
- 분석 전문가 교육 프로그램
3) 분석기법
- 분석 기법 정기적 개선
- 라이브러리 관리
- 특화된 분석기법(업무별 적합한 분석기법)
- 도입 방법론
- 효과성 평가
4) 분석 데이터
- 충분성, 신뢰성, 적시성
- 비구조적 데이터 관리
- 외부 데이터 활용 체계
- 기준 데이터 관리 (MDM)
5) 분석 문화
- 사실에 근거하여 의사결정
- 관리자의 데이터 중시
- 직관보다 사실/데이터 중요시
- 회의 등에서 분석 결과/데이터 활용
- 데이터 공유 및 협업 문화
6) IT 인프라
- 운영시스템 데이터 통합
- 실시간 분석 및 피드백
- 비주얼 , 데이터 통계, 비구조적 데이터 분석 환경
- 빅데이터 분석 처리 환경
- 분석 전용 서버 및 스토리지
- 데이터 전송 자동화 체계 (EAI, ETL 등 데이터 유통체계)
- 제공하는 데이터 품질 수준
B. 분석 성숙도 모델 : CMM모델을 기반으로 평가 (비즈니스, 조직, IT)
**각 영역별 평가 기준
1) 비즈니스 부문
- 비즈니스 모델 최적화 및 혁신에 활용
- 이벤트 발생하면 분석업무 자동실행
- 분석업무 시작 이벤트 관리
- 분석업무 유형별 분석 패턴 관리
- 분석업무 유형별 분석 규칙 관리
- 영업, 상담 등에서 분석 결과 실시간 활용
- 데이터 정기 추출 및 분석 업무 활용
- 미래 예측 및 비즈니스 전략에 반영
- 고객 포트폴리오, 상품 포트폴리오 등 최적화
- 비즈니스 전략과 방향성 결정에 적용
- 대시보드 형태 분석 정보 활용
- 사업부 단위 시뮬레이션 활용
- 과거 실적 분석 및 원인 파악
- 실적 및 통계업무
2) 조직-역량 부문
- 분석 결과와 전사 경영전략과 연계
- 경영진은 데이터 분석 결과 신뢰 및 의사결정에 활용
- 경영진 스스로 분석 결과 활용 가능
- 모든 관리자들은 기본적 데이터 분석 수행 가능
- 일부 관리자들은 기본적 데이터 분석 수행 가능
- 전문 기법 및 도구를 사용하여 분석업무 수행
- 담당자의 지식과 경험에 의하여 수행
- 데이터 사이언티스트 충분하게 확보
- 데이터 사이언티스트 직무 운영
- 전사 분석 확산 및 개선을 위한 조직 운영
- 전사 모든 부서가 분석 업무 수행
- 마케팅, 리스크 등 특정 부서만 분석 업무 수행
3) IT 인프라
- 고객, 상품, 채널 등 주요 데이터 통합 관리
- 외부 데이터 활용 자동화
- 구조적 데이터와 비구조적 데이터 통합 분석 환경
- 비구조적 데이터 분석 환경
- 대규모 데이터 분석 환경
- 분석 결과와 운영 프로세스 실시간 연동 환경
- 분석 실험 환경
- 분석 결과 공유를 위한 분석 협업 환경
- 비주얼 애널리틱스
- OLAP환경
- 시뮬레이션 및 최적화 분석 환경
- 전사 상황 실시간 모니터링 대시보드
- 통계 분석 환경
- 기준 데이터 관리체계
- 데이터 전송 자동화 환경
- 데이터 마트 구축
- 데이터웨어하우스 구축
C. 분석 수준 진단 결과
1) 준비형 : 낮은 준비도, 낮은 성숙도 -> 사전 준비 필요
2) 정착형 : 낮은 준비도 , 높은 성숙도 -> 분석의 정착이 필요
3) 도입형 : 높은 준비도, 낮은 성숙도 -> 데이터 분석 바로 도입 가능
4) 확산형 : 높은 준비도, 높은 성숙도 -> 6가지 분석 구성요소 모두 갖추고, 지속적 확산 가능
3. 분석지원 인프라 방안 수립
: 분석 과제 단위 별로 관리의 복잡도 및 비용의 증대라는 부작용이 나타날 수 있다.
-> 기획단계부터 장기적으로 안정적으로 활용할 수 있는 "확장성"을 고려한 플랫폼 구조를 도입하는 것이 적절하다.
- 활용 가능한 플랫폼 구조로 개발!
**플랫폼 : 컴퓨터 시스템 + 하드웨어 탑재되어 프로그래밍 환경과 실행 및 서비스 환경 제공하는 역할
-> 새로운 분석 시스템을 추가하는 것이 아니라 서비스만을 추가로 제공하는 방식으로 확장성 높일 수 있음
4. 데이터 거버넌스 체계 수립
**필요성 : 엄청난 양의 데이터 + 다양한 형태의 데이터 (정형/비정형 등)
**이점 : 데이터 중복 방지, 정합성 오류와 데이터 활용 저하의 문제점 해결 , 빅 테디 어를 효과적으로 추진, 지속적 효과 얻음
: 데이터의 가용성, 유용성, 통합성, 보안성, 안정성을 확보할 수 있다.
**정의 : 전사 차원의 모든 데이터에 대하여 정책 및 지침, 표준화, 운영조직 및 책임 등의 표준화된 관리체계 수립
+ 운영을 위한 프레임워크 및 저장소 구축하는 것
**중요 관리 대상 : 마스터 데이터, 메타 데이터, 데이터 사전
**빅데이터 거버넌스
: 데이터 거버넌스 체계
+ 빅데이터의 효율적 관리, 다양한 데이터 관리체계 + 데이터 최적화 + 정보보호+데이터 생명주기 관리 + 카테고리별 관리 책임자 지정 등을 포함
**데이터 거버넌스의 구성요소 : 원칙, 조직, 프로세스
- 원칙 : 데이터 유지 관리 지침 가이드, 보안, 품질기준, 변경관리
- 조직 : 조직의 역할과 책임, 데이터 관리자, 데이터베이스 관리자, 데이터 아키텍트
- 프로세스 : 데이터 관리를 위한 활동과 체계 , 작업 절차, 모니터링 활동, 측정 활동
**데이터 거버넌스 체계 : 데이터 표준화, 데이터 관리 체계, 데이터 저장소 관리, 표준화 활동
- 데이터 표준화 : 표준 용어 설정, 명명 규칙 수립, 메타데이터 구축, 데이터 사전 구축 업무
: 데이터 구조 체계나 메타 엔티티 관계 다이어그램을 제공
- 데이터 관리체계 : 데이터 정합성 및 활용의 효용성을 위해 메타데이터와 데이터 사전의 관리 원칙 수립
: 빅데이터의 경우 , 데이터의 생명 주기 관리방안 수립해야 함
- 데이터 저장소 관리 : 전사 차원의 저장소
: 워크플로우, 관리용 응용 소프트웨어를 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제 필요
: 데이터 구조 변경에 따른 사전 영향 평가도 수행
- 표준화 활동 : 표준 준수 여부를 주기적으로 점검 , 모니터링 실시
: 안정적 정착을 위한 계속적인 변화 관리 및 주기적인 교육 진행
5. 데이터 조직 및 인력 방안 수립
: 데이터를 효과적으로 분석/활용하기 위해 기획, 운영 및 관리를 전달할 수 있는 전문 분석 조직의 필요성이 제기
1) 분석 조직의 개요
**목표
: 기업의 경쟁력 확보를 위하여 비즈니스 질문 (Question)과 이에 부합하는 가치 Value)를 찾고 비즈니스를 최적화
(Optimization) 하는 것
**역할
: 전사 및 부서의 분석 업무를 발굴하고 전문적 기법과 분석 도구를 활용하여 기업 내 존재하는 빅데이터 속에서 Insight를 찾아 전파하고 이를 Action화 하는 것
**구성
: 기초통계학 및 분석 방법에 대한 지식과 분석 경험을 가지고 있는 인력으로 전사 또는 부서 내 조직으로 구성하여 운영
2) 분석 조직 및 인력 구성시 고려사항 (조직 구조와 인력 구성)
*분석업무 수행 주체에 따른 3가지 유형의 조직구조
1) 집중 구조 : 독립적인 분석 전담조직 구성
- 분석 전담조직 내부에서 전략적인 중요도에 다라 우선순위 정하여 추진,
- 현업 부서와 분석 업무가 중복 또는 이원화될 가능성 높음
2) 기능 구조 : 각 해당 업무 부서에서 직접 분석
- 전사적 관점에서 해석 분석이 어려움
- 특정 업무 부서에 국한된 분석 혹은 일부 중복된 업무 수행 가능성 높음
3) 분산 구조 : 분석 조직 인력을 현업부서에 배치
- 전사 차원의 우선순위 선정 및 수행 가능
- 신속하게 결과를 실무에 적용할 수 있음
- 베스트 프렉티스 공유 가능
- 부서 분석업무와 역할 분담 명확히 해야 한다 -> 헷갈리지 않게
*분석조직 인력 구성 (비즈니스, IT기술, 분석 전문 + 변화관리, 교육담당 인력)
6. 분석 과제 관리 프로세스 수립
1) 과제 발굴
- 분석 아이디어 발굴 -> 과제화 -> 분석 과제 풀로 관리 -> 분석 프로젝트 선정
2) 과제 수행 및 모니터링
- 팀 구성 -> 지속적인 모니터링과 과제 결과를 공유, 개선
7. 분석 교육 및 변화관리
: 데이터 활용을 통한 비즈니스 가치를 전사적으로 확대하기 위하여
: 단순 틀 교육인 아닌 분석 역량을 확보하고 강화하는 것에 초점
: 분석 기획자 - 데이터 분석 큐레이션 교육
/ 분석 실무자 - 데이터 분석 기법 및 도구에 대한 교육
/ 업무 수행자 - 분석 기회 발굴 및 시나리오 작성법 등 분석적인 사고를 업무에 적용할 수 있도록
[연습문제]
1. 빅데이터 특징 중 투자비용 측면 요소가 아닌 것은 -> 가치
2. 분석 과제의 우선순위 선정 매트릭스에서 일반적으로 데이터 분석 과제를 가장 먼저 추진해야 하는 영역은?
: 시급성 - 현재 + 난이도 - EASY
3. 분석 거버넌스 체계의 구성 요소가 아닌 것은?
: 시스템, 데이터, 비용, 조직
조직 (Organization) ， 과제 기획 및 운영 프로세스(Proecess) , 분석 관련 시스템(System) , 데이터 (Data) , 분석 관련 교육 및 마인드 육성 체계 (Human Resource)로 구성
4. 데이터 거버넌스의 구성요소가 아닌 것은?
: 원칙, 조직, 프로세스, 활동
5. 분석 성숙도 모델 중 빅데이터 관리를 위한 환경이 갖추어지고, 전사 차원에서 분석을 관리하고 공유하며, 이를 위해 분석 전문 조직을 운영하는 수준의 성숙단계는? : 확산단계?
분석을 시작하여 환경과 시스템을 구축하는 도입단계，
분석 결과를 실제 업무에 적용하는 활용단계，
전사 차원에서 분석을 관리하고 공유하는 확산단계，
분석을 진화시켜서 혁신 및 성과 향상에 기여하는 최적화 단계
6. 분석 조직 구조의 유형 중 기업 내 별도의 독립적인 전담조직이 전략적 중요도에 따라 분석 우선순위를 정해서 추진할 수 있는 조직 구조는? : 분산형 구조
별도의 독립적인 분석 전담조직을 구성하고 모든 분석업무를 전담하는 ’ 집중형 조직 '
별도의 분석 조직을 구성하지는 않고 해당 업무부서에서 직접 분석을 수행하는 기능 중심 조직
분석 전문가를 현업부서에 배치하여 분산 형태로 조직을 운영하는 ’ 분산된 조직’
'Professional Engineering > 데이터분석준전문가(ADsP)' 카테고리의 다른 글
| [ADsP] 3과목 제 1장 데이터 분석 기획의 이해 (0) | 2022.10.23 |
|---|---|
| [ADsP] 1과목 제 3장 데이터 사이언스와 전략 (0) | 2022.10.23 |
| [ADsP] 1과목 제 2장 데이터의 가치와 미래 (0) | 2022.10.23 |
| [ADsP] 1과목 제 1장 데이터 이해 (1) | 2022.10.23 |
