ADP 3과목 데이터 분석 기획
1장. 데이터 분석 기획의 이해
1절. 분석 기획 방향성 도출
----- 분석 기획의 특징 -----
분석 기획 : 실제 분석을 수행하기에 앞서 분석을 수행할 과제를 정의하고 , 의도했던 결과를 도출할 수 있도록 이를 적절하게 관리할 수 있는 방안을 사전에 계획하는 일련의 작업
데이터 사이언티스트의 역량 : 수학 / 통계학적 지식, 정보기술, 비즈니스에 대한 이해와 전문성
----- 분석 대상과 방법 -----
| 분석 주제 유형 | 분석의 대상(What) | ||
| Known | Unknown | ||
| 분석의 방법(How) | Known | optimization | Insight |
| Unknown | solution | discovery | |
----- 목표 시점별 분석 기회 방안 ---
당면한 분석 주제의 해결 (과제 단위) : Speed &Test / Quick-Win / ProblemSolving
지속적 분석 문화 내재화(마스터플랜 단위) : Accuracy & Deploy / LongTermView / ProblemDefinition
----- 분석 기획 시 고려사항 -----
분석의 기본인 가용 데이터에 대한 고려가 필요
분석을 통해 가치가 창출될 수 있는 적절한 활용방안과 유즈케이스 탐색이 필요
분석 수행 시 발생하는 장애요소들에 대한 사전계획 수립이 필요
2절. 분석 방법론
----- 분석 방법론의 개요 -----
기업의 합리적인 의사결정을 가로막는 장애요소 : 고정관념, 편향된 생각, 프레이밍 효과
방법론의 적용업무의 특성에 따른 모델
폭포수 모델
프로토타입 모델
나선형 모델
----- KDD 분석 방법론 -----
데이터셋 선택 (Selection)
데이터 전처리 (Preprocessing)
데이터 변환 (Transformation)
데이터 마이닝 (Data Mining)
결과 평가 (Interpretation / Evaluation)
----- CRISP-DM 분석 방법론 -----
업무 이해 (Business Understanding)
데이터 이해 (Data Understanding)
데이터 준비 (Data Preparation)
모델링 (Modeling)
평가 (Evaluation)
전개 (Deployment)
----- 빅데이터 분석 방법론 -----
빅데이터 분석의 계층적 프로세스
단계 (Phase)
태스크 (Task)
스텝 (Step)
----- 빅데이터 분석 방법론의 5단계 -----
1. 분석 기획
비즈니스 이해 및 범위 설정
프로젝트 정의 및 계획 수립
프로젝트 위험계획 수립
2. 데이터 준비
필요 데이터 정의
데이터 스토어 설계
데이터 수집 및 정합성 점검
3. 데이터 분석
분석용 데이터 준비
텍스트 분석
탐색적 분석
모델링
모델 평가 및 검증
모델 적용 및 운영방안 수립
4. 시스템 구현
설계 및 구현
시스템 테스트 및 운영
5. 평가 및 전개
모델 발전계획 수립
프로젝트 평가 및 보고
3절. 분석 과제 발굴
----- 분석과제 발굴 방법론 -----
하향식 접근 방식 : 분석 과제가 주어지고 이에 대한 해법을 찾기 위하여 각 과정이 체계적으로 단계화되어 수행하는 방식
상향식 접근 방식 : 문제의 정의 자체가 어려운 경우 데이터를 기반으로 문제를 지속적으로 개선하는 방식
----- 하향식 접근 방식 -----
문제 탐색 -> 문제 정의 -> 해결방안 탐색 -> 타당성 검토
문제 탐색
비즈니스 모델 기반 문제 탐색 : 업무, 제품, 고객, 규제와 감사, 지원 인프라 등 5가지 영역으로 기업의 비즈니스를 분석
분석 기회 발굴의 범위 확장
거시적 관점
경쟁자 확대 관점
시장니즈 탐색 관점
역량의 재해석 관점
외부 참조 모델 기반의 문제 탐색 : 유사, 동종 사례를 벤치마킹을 통해 분석 기회를 발굴
문제 정의 : 비즈니스 문제를 데이터의 문제로 변환하여 정의하는 단계
해결방안 탐색 : 분석역량, 분석기법 및 시스템으로 해결 방안 탐색
타당성 검토 : 경제적 타당성, 데이터 및 기술적 타당성 검토 – 분석역량
----- 상향식 접근 방식 -----
기업이 보유하고 있는 다양한 원천 데이터로부터 분석을 통하여 통찰력과 지식을 얻는 접근 방법 / 다양한 원천 데이터를 대상으로 분석을 수행하여 가치 있는 모든 문제를 도출하는 일련의 과정
하향식 접근법은 논리적 단계별 접근법으로 최근의 복잡하고 다양한 환경에서 발생하는 문제를 해결하기 어렵기 때문에 디자인적 사고 접근법을 통해 WHY -> What 관점으로 존재하는 데이터 그 자체를 객관적으로 관찰하여 문제를 해결하려는 접근법을 사용
상향식 접근 법은 비지도 학습 방법으로 수행되며, 데이터 자체의 결합, 연관성, 유사성을 중심으로 접근
시행착오를 통한 문제 해결 : 프로토타이핑 접근법
분석과제 정의 : 분석과제 정의서를 통해 분석별 필요 소스 데이터, 분석 방법, 데이터 입수 및 분석의 난이도, 분석 수행주기, 검증 오너십, 상세 분석 과정 등을 정의
4절. 분석 프로젝트 관리 방안
-- 분석과제 관리를 위한 5가지 주요 영역 ---
분석프로젝트는 범위, 일정, 품질, 리스크, 의사소통 등 영역별 관리가 수행되어야 할 뿐 아니라 데이터에 기반한 분석 기법을 적용한다는 특성 때문에 5가지 주요 속성을 고려하여 추가적인 관리가 필요
Data Size / Data Complexity / Speed / Analytic Complexity / Accuracy & Precision
----- 분석 프로젝트의 특성 -----
분석가의 목표 : 개별적인 분석업무 수행뿐만 아니라 전반적인 프로젝트 관리 또한 중요
분석가의 입장 : 데이터 영역과 비즈니스 영역의 현황을 이해하고, 프로젝트의 목표인 분석의 정확도 달성과 결과에 대한 가치 이해를 전달하는 조정자로서의 분석가 역할이 중요
분석 프로젝트는 도출된 결과의 재해석을 통한 지속적인 반복 및 정교화가 수행되는 경우가 대부분이므로 프로토타이핑 방식의 애자일 프로젝트 관리방식에 대한 고려도 필요
2장. 분석 마스터플랜
1절. 마스터플랜 수립 프레임워크
----- 마스터플랜 수립 프레임워크 -----
우선순위 고려요소 : 전략적 중요도 / 비즈니스 성과, ROI / 실행 용이성
적용범위/ 방식 고려요소 : 업무 내재화 적용 수준 / 분석 데이터 적용 수준 / 기술 적용 수준
Volume / Variety / Velocity -> 투자비용 요소
Value -> 비즈니스 효과
2절. 분석 거버넌스 체계 수립
----- 분석 거버넌스 체계 구성요소 -----
Data -> Human Resource -> Organization -> Process -> System
----- 데이터 분석 수준 진단 -----
분석 준비도(Readiness)
분석 업무 / 분석인력, 조직 / 분석 기법 / 분석 데이터 / 분석 문화 / 분석 인프라
분석 성숙도(Maturity)
도입 -> 활용 -> 확산 -> 최적화
조직의 성숙도 평가 도구 : CMMI
분석 수준 진단 결과 : 정착형 / 확산형 / 준비형 / 도입형
----- 데이터 거버넌스 체계 수립 -----
데이터 거버넌스 개요
전사 차원의 모든 데이터에 대하여 정책 및 지침, 표준화, 운영조직 및 책임 등의 표준화된 관리 체계를 수립하고 운영을 위한 프레임워크 및 저장소를 구축하는 것을 말함
마스터 데이터, 메타 데이터, 데이터 사전은 데이터 거버넌스의 중요한 관리 대상
데이터 거버넌스 구성요소 : 원칙, 조직, 프로세스
데이터 거버넌스 체계 : 데이터 표준화 / 데이터 관리 체계 / 데이터 저장소 관리 / 표준화 활동
출처 : 데이터 에듀 - 데이터분석 전문가 필기