[ADsP] 데이터 분석 기획 : 분석 마스터 플랜

데이터 분석 기획 : 분석 마스터 플랜

분석 마스터 플랜 수립

분석 마스터 플랜 수립 프레임워크

분석 과제	▶	우선순위 고려 요소	▶	적용 우선순위 결정	적용 범위 / 방식 고려 요소	▶	분석 구현 로드맵 수립
		- 전략적 중요도 - ROI(투자자본수익률) - 실행 용이성			- 업무 내재화 적용 수준 - 분석 데이터 적용 수준 - 기술 적용 수준

 

• 중장기적 마스터 플랜 수립을 위해서는 분석 과제를 대상으로 다양한 기준을 고려해 적용할 우선순위를 설정할 필요가 있음.
• 분석 과제 수행의 선/후행 관계를 고려하여 우선순위를 조정해 나감.
• 분석 과제의 적용 범위 및 방식에 대해서도 종합적으로 고려하여 결정함.

 

수행 과제 도출 및 우선순위 평가

우선순위 평가 방법 및 절차

분석 과제 도출	▶	우선순위 평가	▶	우선순위 정련
		과제 우선순위 기준 수립		분석 과제 수행의 선/후 관계 분석을 통해 순위 조정

 

ROI(Return On Investment) 관점에서의 빅데이터 4V

Volume	데이터의 크기/양	투자 비용 요소
Variety	데이터 종류/유형
Velocity	데이터 생성/처리 속도
Value	분석 결과 활용 및 실행을 통한  비지니스 가치	비지니스 효과 요소

 

분석 과제 우선순위 선정 기법

포트폴리오 사분면을 통한 과제 우선순위 선정

	- 3사 분면 : 일반적으로 가장 먼저 하는 것 - 우선순위를 ‘시급성’에 둔다면 Ⅲ - Ⅳ - Ⅱ순서 진행 - 우선순위를 ‘난이도’에 둔다면 Ⅲ - Ⅰ - Ⅱ순서 진행
	시급성 판단 기준 : 전략적 중요도 및 목표가치
	- 난이도는 현시점에서 과제를 추진하는 것이 분석 비용과 적용 범위 측면에서 쉬운(Easy) 것인지 어려운(Difficulty)것인지에 대한 판단 기준 - 시급성이 높고 난이도가 높은 영역(1사분면)은 경영진 또는 실무 담당자의 의사결정에 따라 적용 우선순위를 조정할 수 있음.

 

이행 계획 수립

① 로드맵 수립

• 결정된 과제의 우선순위를 토대로 분석 과제별 적용 범위 및 방식을 고려하여 최종적인 실행 우선순위를 결정 후 단계적 구현 로드맵 수립

 

② 세부 이행 계획 수립

• 반복적인 정렬 과정을 통해 프로젝트의 완성도를 높이는 방식을 주로 사용
• 모든 단계 반복보다 데이터 수집 및 확보와 분석 데이터를 준비하는 단계를 순차적 진행하고 모델링 단계는 반복적으로 수행하는 혼합형을 많이 적용함.

 

분석 거버넌스 체계 수립

① 거버넌스 체계 개요

요소	설명
거버넌스 (Governance)	-Government와 같은 어원 - 더 폭넓은 의미로 진화하여 기업, 비영리 기관 등에서 규칙, 규범 및 행동이 구조화, 유지, 규제되고 책임을 지는 방식 및 프로세스를 지칭함.
분석 거버넌스	기업에서 데이터가 어떻게 관리, 유지, 규제되는지에 대한 내부적인 관리 방식이나 프로세스
데이터 거버넌스	- 데이터의 품질보장, 프라이버시 보호, 데이터 수명 관리, 전담조직과 규정정립, 데이터 소유권과 관리권 명확화 등을 통해 데이터가 적시에 필요한 사람에게 제공되도록 체계를 확립하는 것 - 데이터 거버넌스가 확립되지 못하면 빅브라더의 우려가 현실화될 가능성이 높음. - 빅브라더 : 정보의 독점으로 사회를 통제하는 관리 권력 혹은 그러한 사회체계

 

분석 거버넌스 체계 구성 요소

• 분석 비용 및 예산 없음에 주의!

구성 요소	설명
Process	과제 기획 / 운영 프로세스
Organization	분석 기획 / 관리 및 추진 조직
System	IT기술 / 프로그램
Human Resource	분석 교육
Data	데이터 거버넌스

 

② 데이터 분석 준비도

데이터 분석 수준 진단

• 데이터 분석 기법을 구현하기 위해 무엇을 준비하고 보완해야 하는지 등 분석의 유형 및 분석의 방향성 결정
• 분석 준비도와 분석 성숙도를 함께 평가함으로써 수행될 수 있음.
  • 분석 준비도 : 분석 업무 파악, 인력 및 조직, 분석 기법, 분석 데이터, 분석 문화, 분석 인프라
  • 분석 성숙도 : 비즈니스 부문, 조직/역량 부문, IT 부문을 대상으로 도입단계, 활용 단계, 확산 단계, 최적화 단계로 구분해 살펴 볼 수 있음.

 

분석 준비도

• 데이터 분석 준비도 프레임워크

프레임워크	설명
분석 업무 파악	- 발생한 사실 분석 업무 - 예측 분석 업무 - 시뮬레이션 분석 업무 - 최적화 분석 업무 - 분석 업무 정기적 개선
인력 및 조직	- 분석 전문가 직무 존재 - 분석 전문가 교육 훈련 프로그램 관리자의 기본 분석 능력 - 전사 분석 업무 총괄 조직 존재 - 경영진 분석 업무 이해 능력
분석 기법	- 업무별 적합한 분석 기법 사용 - 분석 업무 도입 방법론 - 분석 기법 라이브러리 - 분석 기법 효과성 평가 - 분석 기법 정기적 개선
분석 데이터	- 분석 업무를 위한 데이터 충분성 및 신뢰성 - 적시성 - 비구조적 데이터 관리 - 외부 데이터 활용 체계 - 기준 데이터 관리
분석 문화	- 사실에 근거한 의사 결정 - 관리자의 데이터 중시 - 회의 등에서 데이터 활용 - 경영진의 직관보다 데이터의 활용 - 데이터 공유 및 협업 문화
분석 인프라	- 운영 시스템 데이터 통합 - EAI, ETL 등 데이터 유통체계 - 분석 전용 서버 및 스토리지 - 빅데이터 분석 환경 - 비주얼 분석 환경

 

728x90

 

③ 분석 성숙도 모델

단계	도입 단계	활용 단계	확산 단계	최적화 단계
설명	분석을 시작하여 환경과 시스템 구축	분석 결과를 실제 업무에 적용	전사 차원에서 분석을 관리하고 공유	분석을 진화 시켜 혁신 및 성과 향상에 기여
비지니스 부문	- 실적분석 및 통계 - 정기보고 수행 - 운영 데이터 기반	- 미래 결과 예측 - 시뮬레이션 - 운영 데이터 기반	- 전사 성과 실시간 분석 - 프로세스혁신 3.0 - 분석 규칙 관리 - 이벤트 관리	- 외부환경 분석 활용 - 최적화 업무 적용 - 실시간 분석 - 비즈니스 모델 진화
조직 역량 부문	- 일부 부서에서 수행 - 담당자 역량에 의존	- 전문 담당부서에서 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 부문	- 데이터 웨어하우스 - 데이터 마트 - ETL/EAI, - OLAP	- 실시간 대시보드 - 통계분석 환경	- 빅데이터 관리 환경 - 시뮬레이션/최적화 - 비주얼 분석 - 분석 전용 서버	- 분석 협업 환경 - 분석 Sandbox - 프로세스 내재화 - 빅데이터 분석

 

능력 성숙도 통합 모델(Capability Maturity Model Integration, CMMI)

• 소프트웨어 개발 및 전산장비 운영 업체들의 업무 능력 및 조직의 성숙도를 평가하기 위한 모델

 

소프트웨어 프로세스 성숙도 레벨 5단계

Initial – Managed – Defined – Quantitatively Managed - Optimizing

 

 

④ 분석 수준 진단 결과

사분면 분석

• 분석 수준 진단 결과를 구분하여 향후 고려해야 하는 데이터 분석 수준에 대한 목표 방향을 정의하고 유형별 특성에 따라 개선 방안을 수립할 수 있음.

 

높은 성숙도			높은 준비도
정착형	▲	확산형
준비도는 낮으나 기업 내부에서 제한적으로 사용하고 있어 1차적으로 정착이 필요한 기업		기업에 필요한 6가지 분석 구성요소를 갖추고 있고, 부분적으로도 도입되어 지속적 확산이 필요한 기업
◀		▶
준비형		도입형
기업에 필요한 데이터, 인력, 조직, 분석 업무 등이 적용되어 있지 않아 사전 준비가 필요한 기업	▼	기업에서 활용하는 분석 업무, 기법 등은 부족하지만 적용 조직 등 준비도가 높아 바로 도입할 수 있는 기업

 

⑤ 분석 지원 인프라 방안 수립

• 장기적, 안정적으로 활용할 수 있는 확장성을 고려한 플랫폼 구조를 도입하는 것이 적절함.

분석 서비스 제공 엔진		광의의 분석 플랫폼
분석 애플리케이션
분석 서비스 제공 API
데이터처리 프레임워크	협의의 분석 플랫폼
분석 엔진, 분석 라이브러리
운영체제
하드웨어

 

⑥ 데이터 거버넌스 체계 수립

데이터 거버넌스 체계 요소

체계 요소	설명
데이터 표준화	데이터 표준용어 설정, 명명규칙 수립, 메타 데이터 구축, 데이터 사전 구축
데이터 관리 체계	메타데이터와 데이터 사전(Data Dictionary)의 관리 원칙 수립
데이터 저장소 관리	메타데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성
표준화 활동	데이터 거버넌스 체계 구축 후, 표준 준수 여부를 주기적으로 점검, 모니터링

 

데이터 거버넌스의 데이터 저장소 관리

• 메타데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성
• 저장소는 데이터 관리 체계 지원을 위한 워크프로우 및 관리용 응용 소프트웨어를 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제가 이루어져야 함.
• 데이터 구조 변경에 따른 사전 영향 평가도 수행되어야 효율적인 활용이 가능함.

 

데이터 거버넌스 구성 요소

구성 요소	설명
원칙	데이터를 유지 관리하기 위한 지침과 가이드 및 보안, 품질 기준, 변경 관리
조직	데이터를 관리할 조직의 역할과 책임 및 데이터 관리자, 데이터 아키텍트
프로세스	데이터 관리를 위한 활동과 체계 및 작업 절차, 모니터링 활동

 

⑦ 데이터 조직 및 인력 방안 수립

데이터 분석을 위한 조직 구조

구조	설명
집중형 조직 구조	- 조직내에 별도의 독립적인 분석 전담 조직 구성 - 분석 전담조직에서 회사의 모든 분석 업무를 담당함. - 일부 협업 부서와 분석 업무가 중복 또는 이원화될 가능성이 있음.
기능 중심 조직 구조	- 별도로 분석 조직을 구성하지 않고 각 해당 업무부서에서 직접 분석하는 형태 - 일반적인 분석 수행구조, 전사적 핵심 분석이 어려움.
분산 조직 구조	- 조직의 인력들이 협업부서에 배치 되어 신속한 업무에 적합 - 전사 차원의 우선순위 수행, 부서 분석 업무와 역할 분담 명확히 해야 함.

 

⑧ 분석 과제 관리 프로세스 수립

분석 과제 관리 프로세스

프로세스	설명
과제 발굴	- 분석 아이디어 발굴 - 분석 과제 후보 제안 - 분석 과제 확장
과제 수행	- 팀 구성 - 분석 과제 실행 - 분석 과제 진행 관리 - 결과 공유/개선

 

⑨ 분석 교육 및 변화 관리

• 예전에는 기업 내 데이터 분석가가 담당했던 일 → 모든 구성원이 데이터를 분석하고 이를 바로 업무에 활용할 수 있도록 조직 전반에 분석 문화를 정착 시키고 변화시키려는 시도
• 분석 조직 및 인력에 대한 지속적인 교육과 훈련이 필요함.

 

빅데이터 거버넌스의 특징

• 기업이 가진 과거 및 현재의 모든 데이터를 분석하여 비즈니스 인사이트를 찾는 노력은 비용면에서 효율적이지 못함.
  • 분석 대상 및 목적을 명확히 정의하고, 필요한 데이터를 수집, 분석하여 점진적으로 확대해 나가는 것이 좋음.
• 빅데이터 분석에서 품질관리도 중요하지만, 데이터 수명주기 관리방안을 수립하지 않으면 데이터 가용성 및 관리 비용 증대 문제에 직면할 수 있음.
• ERD는 운영 중인 데이터베이스와 일치하기 위해 계속해서 변경사항을 관리하여야 함.
• 산업 분야별, 데이터 유형별, 정보 거버넌스 요소별로 구분하여 작성함.
• 적합한 분석 업무를 도출하고 가치를 높여줄 수 있도록 분석 조직 및 인력에 대해 지속적인 교육과 훈련을 실시함.
• 개인정보보호 및 보안에 대한 방법을 마련해야 함.

 

관련 용어

용어	설명
Servitization	- 제조업과 서비스업의 융합을 나타내는 용어 - 예) 웅진 코웨이의 코디
CoE (Center of Excellence)	구성원들이 비즈니스 역량, IT 역량 및 분석 역량을 고루 갖추어야 하며, 협업 부서 및 IT 부서와의 지속적인 커뮤니케이션을 수행하는 조직 내 분석 전문 조직을 말함.
ISP (정보전략계획)	기업의 경영 목표 달성에 필요한 전략적 주요 정보를 포착하고, 주요 정보를 지원하기 위해 전사적 관점의 정보 구조를 도출하며, 이를 수행하기 위한 전략 및 실행 계획을 수립하는 전사적인 종합 추진 계획
Sandbox	보안모델, 외부 접근 및 영향을 차단하여 제한된 영역 내에서만 프로그램을 동작시키는 것