데이터 분석 준전문가 자격증 시험_#2-2. 분석 마스터 플랜

 

 

▼ 데이터분석 준전문가 시험 과목 및 내용은 아래 접은 글 참고

과목 1_데이터 이해 

1장. 데이터의 이해

 

• 데이터와 정보
• 데이터베이스의 정의와 특징
• 데이터베이스 활용

2장. 데이터의 가치와 미래

• 빅데이터의 이해
• 빅데이터의 가치와 영향
• 비즈니스 모델
• 위기 요인과 통제 방안
• 미래의 빅데이터

3장. 가치 창조를 위한 데이터 사이언스와 전략 인사이트

• 빅데이터분석과 전략 인사이트
• 전략 인사이트 도출을 위한 필요 역량
• 빅데이터 그리고 데이터 사이언스의 미래

과목 2_데이터분석 기획 

1장. 데이터분석 기획의 이해

• 분석 기획 방향성 도출
• 분석 방법론
• 분석 과제 발굴
• 분석 프로젝트 관리 방안

2장. 분석 마스터 플랜

• 마스터 플랜 수립
• 분석 거버넌스 체계 수립

과목 3_데이터분석 

1장. R기초와 데이터 마트

 

• R기초
• 데이터 마트
• 결측값 처리와 이상값 검색

2장. 통계분석

• 통계학 개론
• 기초 통계분석
• 다변량 분석
• 시계열 예측

3장. 정형 데이터 마이닝

• 데이터 마이닝 개요
• 분류분석(Classification)
• 군집분석(Clustering)
• 연관분석(Association Analysis

 

---

마스터 플랜 수립

분석 마스터 플랜 수립 프레임 워크

 

ISP(Information Strategy Planning) : 정보 기술/시스템의 전략적 활용을 위해 조직 내/외부 환경을 분석하여 기회, 문제점 도출하고 사용자 요구사항 분석해 시스템 구축 우선순위를 결정하는 등 중장기 마스터 프랜을 수립하는 절차

분석 마스터 플랜 : 일반적인 ISP 방법론 활용하되, 데이터 분석기회 특성 고려해 데이터 분석과제 도출 후 과제 우선순위 결정, 단기 및 중.장기 계획 나누어 수립

 

 

수행과제 도출 및 우선순위 평가

 

• 분석과제 도출
• 우선순위 평가:정의된 데이터 과제에 대한 실행순서를 정하는것.
  • ROI 관점에서 본 빅데이터의 4V
    • 투자비용 요소 : Voulume, Variety, Velocity
    • 비즈니스 효과 요소 : Value
  • ROI 요소를 고려해 우선순위 평가기준 정의
    • 시급성 : 전략적 중요도가 핵심 판단기준. 현재의 관점에 전략적 가치를 둘 것인지 미래의 중/장기적 관점에 전략적 가치를 둘 것인지에 대한 적정 시기를 고려해 판단
    • 난이도 : 데이터를 생산/저장/가공/분석하는 비용과 현재 기업의 분석수준을 고려. 비용/범위 측면에서 바로 적용하기 쉬운것인지 또는 어려운 것인지에 대한 판단기준
• 우선순위 정렬

 

포트폴리오 사분면 분석(분석과제 우선순위 선정 매트릭스)

• 난이도, 시급성을 고려하여 우선 추진해야 하는 분석과제와 제한된 자원을 고려해 단기적 또는 중장기적으로 추진해야 하는 분석과제 등 4가지 유형으로 구분하여 분석 과제의 우선순위를 결정함.
• 사분면 영역에서 가장 우선적인 분석과제 적용이 필요한 영역은 3사분면
  • 분석과제 우선순위 기준을 시급성에 둔다면 3, 4, 2 영역 순
  • 분석과제 우선순위 기준을 난이도에 둔다면 3, 1, 2영역 순

 

 

이행계획 수립

• 로드맵 수립 : 포트폴리오 사분면 분석을 통해 결정된 과제 우선순위를 토대로 분석과제별 적용범위/방식을 고려해 최종적인 실행 우선순위를 결정한 후 단계적 구현 로드맵을 수립함
• 세부이행계획 수립 : 데이터 분석 체계는 고전적 폭포수 방식도 있지만, 반복적 정련과정을 통해 프로젝트 완성도를 높이는 방식을 주로 사용.

 

분석 구현 로드맵 수립 : 적용범위/방식 고려요소(업무 내재화 적용 수준, 분석 데이터 적용 수준, 기술 적용 수준)

 

---

분석 거버넌스 체계 수립

거버넌스 체계

• 단순 대용량 데이터 수집/축적보다 "어떤 목적으로 어떤 데이터를 어떻게 분석에 활용할 것인가"가 더 중요
• 데이터 분석을 기업 문화로 정착, 데이터 분석업무를 지속적으로 고도화하기 위해 조직 내 분석 관리 체계 수립 필요
•  거버넌스 체계 구성요소
  • • 분석기획/관리 조직(Organization)
    • 과제기획/운영 프로세스(Process)
    • 분석관련 IT/시스템(System)
    • 데이터 거버넌스(Data)
    • 분석교육 및 마인드 육성체계(Human Resource)

 

데이터 분석 성숙도 모델 및 수준진단

• 목표
  • 기업의 현재 분석 수준을 객관적으로 이해하고 수준진단 결과를 토대로 미래의 목표 수준을 정의함
  • 유사업종/경쟁사 대비 수준을 파악하고 데이터 활용 분석 경쟁력 확보 위해 선택/집중할 영역 및 개선방안 도출
• 분석 준비도 : 기업의 데이터 분석 도입 수준을 파악하기 위한 진단 방법
  • 분석 업무 파악
  • 인력 및 조직
  • 분석 기법
  • 분석 데이터
  • 분석 문화
  • IT 인프라
• 분석 성숙도 모델
  • 조직의 성숙도 평가 도구 : 능력성숙도 통합 모델 (CMMI : Capability Maturity Model Integration)
    • 도입단계 : 환경과 시스템 구축
    • 활용단계 : 분석결과를 실제 업무에 적용
    • 확산단계 : 전사 차원에서 분석 관리, 공유
    • 최적화단계 : 분석 진화시켜 혁신 및 성과 향상에 기여
• 분석 수준 진단 결과 : 분석 관점에서의 사분면 분석(X축 준비도, Y축 성숙도). 유형별 특성에 따른 목표 방안 및 개선방안 수립
  
  • 준비형(준비도 낮음, 성숙도 낮음) : 기업에 필요한 데이터, 인력, 조직, 분석업무, 분석기법 등이 적용되어 있지 않아 사전 준비가 필요한 기업
  • 도입형(준비도 높음, 성숙도 낮음) : 기업에서 활용하는 분석업무, 기법 등은 부족하지만 적용조직 등 준비도가 높아 바로 도입할 수 있는 기업
  • 정착형(준비도 낮음, 성숙도 높음) : 준비도는 낮으나 조직, 인력, 분석업무, 분석기법 등을 기업 내부에서 제한적으로 사용하고 있어 1차적으로 정착이 필요한 기업
  • 확산형(준비도 높음, 성숙도 높음) : 기업에 필요한 6가지 분석 구성요소를 갖추고 있고, 현재 부분적으로 도입되어 지속적인 확산이 필요한 기업

 

능력 성숙도 통합 모델(CMMI) : 소프트웨어 개발 및 전산장비 운영 업체들의 업무 능력 및 조직의 성숙도를 평가하기 위한 모델

 

 

분석지원 인프라 방안 수립

• 개별시스템 vs 플랫폼 구조:분석마스터플랜을 기획하는 단계서부터 장기적/안정적으로 활용할 수 있는 확장성을 고려한 플랫폼구조 도입이 적절
  • 개별시스템 : 시스템간 자체적인 데이터 교환, 세스템별 독립적인 데이터 관리, 확장시 시스템 간 인터페이스 폭증
  • 플랫폼 구조 : 분석 플랫폼을 활용한 공동기능 활용, 중앙집중적 데이터 관리, 시스템간 인터페이스 최소화

 

플랫폼

• 단순한 분석 응용프로그램뿐만 아니라 그 실행의 기초를 이루는 컴퓨터 시스템
• 새로운 분석 니즈 존재 시 개별 분석 시스템 추가 방식이 아니라 서비스 추가 제공 방식으로 확장성 높일 수 있음.

 

데이터 거버넌스 체계 수립

• 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
• 구성요소 : 아래 세 가지를 유기적으로 조합, 효과적 관리 > 비즈니스 목적에 최적화된 정보서비스를 제공할 수 있도록 함 
  • 원칙 : 데이터 유지 관리하기 위한 지침과 가이드
  • 조직 : 데이터를 관리할 조직의 역할과 책임
  • 프로세스 : 데이터 관리를 위한 활동과 체계
• 체계
  • 데이터 표준화 : 표준용어 설정(사전 간 상호검증 가능하도록 점검 프로세스 포함), 명명규칙 수립, 메타데이터/데이터 사전 구축
  • 데이터 관리체계 : 데이터 정합성 및 활용의 효율성을 위해 표준데이터를 포함한 메타데이터와 데이터 사전의 관리 원칙 수립 + 항목별 상세 프로세스 + 관리 및 운영 담당자/조직별 역할, 책임 명시
  • 데이터 저장소 관리 : 메타데이터 및 표준데이터를 관리하기 위한 전사 차원의 저장소를 구성함
  • 표준화 활동 : 데이터 거버넌스 체계를 구축한 후 표준 준수 여부를 주기적으로 점검하고 모니터링을 실시

마스터 데이터 : 자주 변하지 않고 자료 처리 운용에 기본 자료로 제공되는 자료의 집합

메타 데이터 : 데이터에 관한 구조화된 데이터로, 다른 데이터를 설명해 주는 데이터

데이터 사전(data dictionary) : 데이터베이스에 저장되는 데이터에 관한 정보를 저장하는 곳

 

 

데이터 조직 및 인력방안 수립

• 3가지 조직구조
  • 집중구조 : 전사 분석업무를 별도 분석 전담 부서에서 담당
  • 기능구조 : 별도 분석조직 없이 해당 업무 부서에서 분석 수행
  • 분산구조 : 분석 조직 인력을 현업부서로 직접 배치하여 분석 업무 수행
• 인력구성 : 비즈니스 인력+IT기술 인력+분석전문 인력 + 변화관리 인력 + 교육담당 인력

 

 

분석 과제 관리 프로세스 수립

• 분석 마스터 플랜이 수립되고 초기 데이터 분석과제를 성공적으로 수행되는 경우, 지속적인 분석 니즈 및 기회가 분석 과제 형태로 도출될 수 있음. 이를 체계적으로 관리하기 위한 프로세스 수립 필요
• 과제 관리 프로세스
  • 과제발굴 : 개별 조직이나 개인이 도출한 분석 아이디어를 발굴 및 과제화하여 분석과제풀로 관리하면서 분석 프로젝트를 선정하는 작업 수행. 분석 아이디어 발굴, 분석과제 후보제안, 분석과제 확정의 단계가 있음
  • 과제수행 : 분석을 수행할 팀을 구성하고 분석과제 실행시 지속적인 모니터링과 과제결과를 공유하고 개선하는 절차 수행

 

분석 교육 및 변화 관리

• 빅데이터의 등장으로 인한 비즈니스 영역에서의 변화에 보다 적극적으로 대응하기 위해 기업에 맞는 적합한 분석 업무를 도출하고 가치를 높여줄 수 있도록 분석 조직 및 인력에 대한 지속적 교육과 훈련을 실시하여야 함
• 단순한 툴 교육이 아닌 분석 역량 확보, 강화에 초점을 맞추고 진행해야 함.
• 분석내재화 단계 : 준비기 > 도입기 > 안정추진기