2과목 - 데이터분석 기획
1. 데이터분석 기획의 이해
-분석 기획 방향성 도출
분석 대상과 방법
분석 기획 방안
분석 기획시 고려사항
(1)가용 데이터: 분석의 기본이 되는 데이터 확보 및 파악
(2)적절한 유스케이스 탐색: 기존에 잘 구현 되어있는 유사 시나리오 활용
(3)장애요소에 대한 사전계획 수립: 조직의 역량으로 내제화
의사결정을 가로막는 요소
-고정 관념, 편향된 생각
-프레이밍 효과: 동일 상황임에도 개인의 판단, 결정이 달라짐
-분석 방법론
분석 방법론의 구성요소
-절차, 방법, 도구와 기법, 템플릿과 산출물
분석 방법론 모델
(1)폭포수 모델: 이전 단계가 완료되어야 다음 단계 진행 (Top-Down)
(2)나선형 모델: 여러 개발과정 거쳐 점진적으로 완성, 위험요소 제거 초점
(3)프로토타입 모델: 일부분(프로토타입)을 우선 개발하고 보완
(4)애자일: 일정한 주기를 가지고 프로토타입을 끊임없이 수정하여 고객의 Needs 반영
KDD 분석 방법론
-데이터선택 -> 전처리 -> 변환 -> 마이닝 -> 결과 평가
1)전처리: 이상값, 잡음 식별 및 데이터 가공
2)변환: 변수 선택 및 차원축소
Crisp-DM 분석 방법론
-업무 이해 -> 데이터 이해 -> 데이터 준비 -> 모델링 -> 평가 -> 전개
->'업데데이트모델평가전'
1)모델링 단계에서 모델 평가 수행하고 평가 과정 단계에서 모델 적용성 평가 수행
2)평가 -> 전개에서 위대한 실패 발생 가능
빅데이터 분석 방법론(중요)
1)분석 기획
-비즈니스 범위 설정: SOW(Statement of Works) - 구조화된 프로젝트
정의서
-위험 계획 수립(회피, 전이, 완화, 수용)
->'회전완수'
2)데이터 분석
-추가적인 데이터 확보 필요 시, 데이터 준비 단계로 다시 진행
3)데이터 분석 모델링
-가설 설정 통해 통계 모델이나 기계학습을 이용한 분류, 예측 등의 모델을 만드는 과정
-의사 코드: 일반적인 언어로 프로그래밍 언어의 알고리즘을 유사한 형식으로 써 놓은 것
-분석 과제 발굴
디자인 싱킹
-사용자에 공감으로 시작해서 아이디어, 발산/수렴 과정을 통한 피드백으로 발전하는 과정
-공감하기 -> 문제정의 -> 아이디어 도출 -> 프로토타입 -> 테스트
하향식 접근 방법
-문제가 주어지고 해답을 찾기 위해 진행
-문제 탐색 -> 문제 정의 -> 해결방안 -> 타당성 검토
(1)문제탐색
1)빠짐없이 문제를 도출하고 식별하며, 솔루션 초점 보다는 가치에 초점
2)기존 시스템을 개선하여 사용 가능하면 활용
3)비즈니스 모델 캔버스 단순화 측면: 업무, 제품, 고객, 규제와 감사, 지원인프라
-> '지원인프라 업무 중에 고객이 제품을 규제와 감사했다.
4)관점
-거시적 관점: STEEP(사회, 기술, 경제, 환경, 정치)
-경쟁자 확대 관점: 대체자, 경쟁자, 신규 진입자
-시장의 니즈 탐색 관점: 고객, 채널, 영향자
5)분석 유스 케이스
-발굴한 분석 기회들을 구체적 과제로 만들기 전에 상세한 설명과 효과를 명시
(2)타당성 검토
-경제적 타당성: 비용대비 편익 분석관점 접근
-데이터 타당성: 데이터 존재여부, 분석역량이 필요
-기술적 타당성: 역량 확보 방안 사전에 수립
상향식 접근 방법
-문제 정의 자체가 어려울 때, 사물을 그대로 인식하는 What 관점
-주로 비지도 학습
지도학습, 비지도학습
(1)지도 학습
-정답이 있는 데이터를 학습
-분류분석, 회귀분석, 의사결정트리, KNN, SVM
(2)비지도 학습
-정답이 없는 데이터를 학습
-군집분석, 차원축소, 연관규칙분석
-분석 프로젝트 관리 방안
분석 과제에서 고려해야할 5가지 요소
-데이터 크기, 속도, 데이터 복잡도, 분석 복잡도, 정확도/정밀도
(정확도와 정밀도는 Trade-Off 관계)
프로젝트 관리 지식 체계 10가지 영역
-통합, 범위, 시간(일정), 원가(비용), 품질, 인적자원, 의사소통, 리스크(위험), 조달, 이해관계자
->'이범통이 의자에서 시원한 조리품을 먹었다.
2. 분석 마스터플랜
-마스터 플랜 수립
우선순위 선정
(1)전략적 중요도: 전략적 필요성, 시급성
(2)실행 용이성: 투자 용이성, 기술 용이성
ISP
-중장기 마스터 플랜을 수립하는 절차
ROI 관점(예전에 자주 출제되던)
(1)시급성 관점: 비즈니스 효과(Return) - Value
(2)난이도 관점: 투자비용 요소(Investment) - Volume, Variety, Velocity
-시급성이 중요하다면: 3 -> 4 -> 2
-난이도가 중요하다면: 3 -> 1 -> 2
-> 3과 2는 앞 뒤로 고정하고 가운데만 변경
-분석 거버넌스 체계 수립
분석 거버넌스 체계 구성요소
-조직, 프로세스, 시스템, 데이터, 분석관련 교육 및 마인드 육성체계
-> '시조프로마인드데'
데이터 분석 수준 진단(무조건 나옴)
(1)분석 준비도
1)분석업무파악: 사실 분석, 예측, 시뮬레이션, 최적화, 분석 업무 정기적 개선
2)분석 인력 및 조직: 분석전문가, 관리자, 조직, 경영진 이해
3)분석기법: 적합한 기법 사용, 분석기법 라이브러리/평가/개선
4)분석데이터: 데이터 관리, 외부데이터 활용, 기준데이터 관리(MDM)
5)분석문화: 의사결정, 회의에서 활용, 공유 및 협업 문화
6)IT 인프라: 운영 시스템 통합, 환경
-> 'IT문데기인파'
(2)분석 성숙도
CMMI 모델 기반 (1~5단계)
-비즈니스 / 조직, 역량 / IT 부문 관점으로 구분
1)도입: 환경, 시스템, 구축
2)활용: 업무에 적용
3)확산: 전사 차원 관리, 공유
4)최적화: 혁신, 성과향상에 기여
->'도활확최'
데이터 분석 성숙도 모델
1)준비형: 낮은 준비도, 낮은 성숙도
-데이터, 인력, 조직, 분석업무, 분석기법 적용 안되어 사전 준비 필요
2)정착형: 낮은 준비도, 높은 성숙도
-인력, 조직, 분석업무, 분석기법 등을 제한적으로 사용
3)도입형: 높은 준비도, 낮은 성숙도
-조직 및 인력 등 준비도는 높으나, 분석업무 및 기법 부족
4)확산형: 높은 준비도, 높은 성숙도
-6가지 분석 구성요소가 모두 갖추고 있으며, 지속적 확산이 가능
->'도준정확' 4사분면부터 시계방향으로 암기
분석 지원 인프라 방안 수립
-확장성을 고려한 플랫폼 구조 적용(중앙집중적 관리, 플랫폼에 모듈들이 붙어있는 구조)
데이터 거버넌스
(1)데이터 거버넌스
1)전사 차원에서 데이터에 대해 표준화된 관리 체계 수립
2)구성요소: 원칙, 조직, 프로세스
->'원조프'
3)중요 관리대상: 마스터 데이터, 메타데이터, 데이터 사전 등
-마스터 데이터: 자료 처리에 기준이 되는 자료
-메타데이터: 다른 데이터를 설명해 주는 데이터
-데이터 사전: DB에 저장된 정보를 요약
(2)데이터 거버넌스 체계
1)데이터 표준화: 메타데이터 및 사전 구속
2)데이터 관리 체계: 효율성을 위함
3)데이터 저장소 관리: 저장소 구성
4)표준화 활동: 모니터링, 표준 개선 활동
빅데이터 거버넌스
-데이터 거버넌스 체계 + 빅데이터 효율적 관리, 데이터 최적화, 정보보호, 데이터 카테고리 별 관리 책임자 지정 등을 포함
조직 및 인력방안 수립 (DSCoE: 분석조직) (시험에 자주 나옴)
-집중 구조: 독립적인 전담 조직 구성(중복 업무 가능성 존재)
-기능 구조: 해당 부서에서 직접 분석(DSCoE가 없음)
-분산 구조: 분석 조직 인력을 현업 부서에 배치
->'집기분'
[참고문헌]
https://bookk.co.kr/bookStore/65c2003025cad6232f26b446
