[ADsP] (2과목) 데이터분석 기획 - 분석마스터 플랜 요약

 

<분석 마스터플랜>

1. 분석마스터 플랜

ㅇ 하나의 프로젝트를 수행하기 위한 전체 설계도이며, 분석 프로젝트의 체계적인 관리와 더불어 역량 내재화를 통해 중장기적 관점에서 지속적으로 문제를 해결하는 것으로 목표로 함
ㅇ 분석 마스터 플랜은 분석 대상이 되는 과제를 도출하고, 우선순위를 평가하여 단기적인 세부 이행 계획과 중장기적인 로드맵을 작성
ㅇ 분석 로드맵의 과제들이 잘 수행되도록 하기 위해서는 분석 거버넌스 체계 수립이 필요하다. 분석 거버넌스 역량을 높이기 위해 현재 분석 수준이 어떤지 살펴보는 분석 성숙도 측정이 필요하다.

2. 분석 마스터 플랜 수립 프레임워크

ㅇ 발굴된 분석 과제에 대한 우선순위 결정 : 전략적 중요도, 비즈니스 성과, ROI, 실행용이성
ㅇ 발굴된 분석 과제의 적용 범위와 방식을 결정 후 이행계획 수립 : 업무 내재화 적용수준, 분석 데이터 적용 수준, 기술 적용 수준
* 정보전략계획(ISP, Information Strategy Planning) : 정보 기술 또는 정보 시스템을 전략적으로 활용하기 위해 조직 내/외부 환경을 분석하여 기회나 문제점을 도출하고, 사용자 요구사항을 분석하여 시스템 구축 우선순위를 결정하는 중장기 마스터 플랜을 수립하는 절차

 * 분석마스터플랜 : 일반적인 ISP 방법론을 활용하되, 데이터 분석 기획의 특성을 고려하여 수행하고 기업에서 필요한 데이터 분석 과제를 빠짐없이 도출한 후 과제의 우선순위를 결정하고 단기 및 중/장기로 나누어 계획을 수립한다.

3. 일반적인 IT프로젝트 우선순위 선정

ㅇ 전략적 중요도
 - 전략적 필요성 : 전략적 목표 및 본원적 업무에 직접적인 연관관계 밀접한 정도, 이슈 미해결 시 발생하게 될 위험 및 손실에 대한 정도
 - 시급성 : 사용자 요구사항, 업무능률 향상을 위해 시급히 수행되어야 하는지에 대한 정도, 향후 경쟁우위 확보를 위한 중요성 정도
ㅇ 실행 용이성
 - 투자 용이성 : 기간 및 인력 투입 용이성 정도, 비용 및 투자예산 확보 가능성 정도
 - 기술 용이성 : 적용 기술의 안정성 검증 정도, 응용시스템, HW유지보수 용이성 정도, 개발 Skill 성숙도 및 신기술 적용성 정도

4. 빅데이터 특징과 ROI를 고려한 우선순위 선정

ㅇ Volume(규모/양), Variety(종류/유형), Velocity(생성속도/처리속도) : 투자비용 요소로 난이도
ㅇ Value(가치) : 비즈니스 효과로 시급성

5. ROI 요소를 고려한 우선순위 선정(포트폴리오 사분면)

ㅇ 우선순위 기준을 난이도와 시급성을 고려하여 우선 추진해야 하는 분석과제와 제한된 자원을 고려하여 단기적 또는 중장기적으로 추진해야하는 분석과제 등을 4개 유형으로 구분하여 우선순위 결정
ㅇ 시급성 : 판단 기준은 전략적 중요도가 핵심이며, 전략적 중요도가 시점에 따라 시급성 여부를 고려 할 수 있다는 뜻이다.(현재가 미래보다 시급성이 높다)
ㅇ 난이도 : 현 시점에서 과제를 추진하는 것이 비용과 범위 측면을 고려했을 때, 바로 적용하기 쉬운 것인지 또는 어려운 것인지를 판단하는 것이다.

(어려움) 난이도 (쉬움)	Ⅰ	Ⅱ
	Ⅲ	Ⅳ
	----------(현재)-------------------시급성-----------------------(미래)---------

   - 시급성을 중요시 할 때 : Ⅲ > Ⅳ > Ⅱ

   - 난이도를 중요시 할 때 : Ⅲ > Ⅰ > Ⅱ

6. 이행 계획 수립(로드맵 수립 프로세스)

ㅇ 단계적 구현 로드맵 수립
 - 데이터 분석 체계 도입
 - 데이터 분석 유효성 검증
 - 데이터 분석 확산 및 고도화
ㅇ 단계별 추진 목표 정의
ㅇ 추진 과제별 선후행 관계를 고려하여 추진 내용 정렬

7. 세부 이행 계획 수립 방식

ㅇ 과거 : 고전적인 폭포수 방식 활용
ㅇ 최근 : 지속적인 반복적인 모델링 (학습) 과정을 통해 프로젝트 완성도를 높이는 방식 활용

320x100

<분석 거버넌스>

1. 분석 거버넌스

ㅇ 거버넌스는 정부라는 의미의 Government와 같은 어원을 가지고 있는 단어인데 더 폭넓은 의미로 진화하여 기업, 비영리기관 등에서 규칙, 규범 및 행동이 구조화되고, 유지되고, 규제되고 책임을 지는 방식 및 프로세스를 지칭
ㅇ 분석 거버넌스는 기업에서 데이터가 어떻게 관리되고 유지되고 규제되는지에 대한 내부적인 관리방식이나 프로세스를 의미한다.

2. 분석 거버넌스 체계 구성요소

ㅇ 데이터를 수집, 축적하는 것보다는 어떤 목적으로 어떤 데이터를 어떻게 분석에 활용할 것인가가 더욱 중요하기 때문에 분석 관리체계를 수립해야 한다.
ㅇ 조직(Organization), 과제기획 및 운영프로세스(Process), 분석 관련 시스템(System), 데이터(Data), 분석 관련 교육 및 마인드 육성체계(Human Resource)

3. 데이터 분석 성숙도 모델 및 수준 진단

ㅇ 기업들은 데이터 분석의 도입 여부와 활용에 대해 명확하게 분석 수준을 점검할 필요가 있다.
ㅇ 데이터 분석 수준 진단은 6개 영역의 분석준비도와 3개 영역의 분석성숙도를 평가하여 수행한다.

4. 분석준비도(6개 영역)

ㅇ 분석업무 : 발생한 사실 여부 파악, 예측 분석 업무, 시뮬레이션 분석업무, 최적화 분석업무, 분석 업무 정기적 개선
ㅇ 인력 및 조직 : 분석 전문가 직무 존재, 분석전문가 교육 훈련 프로그램, 관리자들의 기본적 분석 능력, 전사 분석 업무 총괄 조직 존재, 경영진 분석업무 이해 능력
ㅇ 분석기법 : 업무별 적합한 분석기법 사용, 분석업무 도입 방법론, 분석기법 라이브러리, 분석기법 효과성 평가, 분석기법 정기적 개선
ㅇ 분석 데이터 : 분석 업무를 위한 데이터 충분성, 신뢰성, 적시성, 비구조적 데이터 관리, 외부 데이터 활용 체계, 기준데이터관리
ㅇ 분석문화 : 사실에 근거한 의사결정, 관리자의 데이터 중시, 회의 등에서 데이터 활용, 경영진의 직관보다 데이터, 데이터 공유 및 협업문화
ㅇ IT인프라 : 운영시스템 데이터 통합, EAI/ETL 등 데이터 유통체계, 분석 전용 서버 및 스토리지, 빅데이터 분석 환경, 통계분석환경, 비주얼 분석환경

5. 분석 성숙도 모델

ㅇ 시스템 개발 업무능력과 조직 성숙도를 파악하기 위해 CMMI모델(Capability Maturity Model Integraion)을 기반으로 조직의 성숙도를 평가한다.
ㅇ 분석 성숙도 진단은 비즈니스 부문, 조직/역량부문, IT부문 대상으로 수준에 따라 도입단계, 활용단계, 확산단계, 최적화 단계 구분한다.
ㅇ CMMI(Capability Maturity Model Integration)는 직역하면 능력 성숙모델통합이다. 프로젝트를 하는 능력이 얼마나 성숙되었는지 알 수 있도록 만든 모델이다.

단계	내용	비즈니스 부문	조직 및 역량 부문	IT부문
[1단계] 도입	- 분석시작 - 환경 및 시스템 구축	- 실적분석 및 통계 - 정기 보고 수행 - 운영 데이터 기반	- 일부 부서에서 수행 - 담당자 역량에 의존	- DW - 데이터마트 - OLAP
[2단계] 활용	- 분석 결과를 업무에 적용	- 미래 결과 예측 - 시뮬레이션 - 운영 데이터 기반	- 전문담당부서에서 수행 - 분석 기법 도입 - 관리자가 분석 수행	- 실시간 대시보드 - 통계 분석 환경
[3단계] 확산	- 전사 차원에서 분석관리 및 공유	- 전사성과 실시간 분석 - 프로세스 혁신 3.0 - 분석 규칙 관리	- 전사 모든 부서 수행 - 분석 COE운영 - 데이터 사이언티스트 확보	- 빅데이터 관리환경 - 시뮬레이션 및 최적화 - 비주얼 분석
[4단계] 최적화	- 분석을 통한 혁신 - 성과 향상에 기여	- 외부 환경 분석 활용 - 최적화 업무 적용 - 실시간 분석	- 데이터 사이언스 그룹 - 경영진 분석활용 - 전략 연계	- 분석 협업환경 - 프로세스 내재화 - 빅데이터 분석

6. 분석 수준 진단 결과(성숙도와 준비도에 따라)

ㅇ 정착형 : 준비도 낮음, 성숙도 높음

 - 준비도는 낮으나 조직, 인력, 분석업무, 분석기법 등을 기업 내부에서 제한적으로 사용하고 있어 1차적으로 정착이 필요한 기업

ㅇ 준비형 : 준비도 낮음, 성숙도 낮음

 - 인력, 조직, 분석업무, 분석기법 등이 적용되지 않아 사전 준비가 필요한 기업 

ㅇ 도입형 : 준비도 높음, 성숙도 낮음

 - 기업에서 활용하는 분석업무, 분석기법, 조직 등 준비도가 높아 데이터 분석을 도입할 수 있는 기업

ㅇ 확산형 : 준비도 높음, 성숙도 높음

 - 기업이 필요한 6가지 분석 구성요소가 구비되어 있고, 지속적인 확산이 필요한 기업

7. 데이터 거버넌스

ㅇ 전사 차원의 모든 데이터에 대해 정책 및 지침, 표준화, 운영조직 및  책임 등의 표준화된 관리체계를 수립하고 운영을 위한 프레임워크, 저장소를 구축하는 것
ㅇ 마스터 데이터, 메타 데이터, 데이터 사전은 데이터 거버넌스의 중요한 관리 대상이다.
ㅇ 데이터 거버넌스를 구축함으로써 데이터의 가용성, 유용성, 통합성, 보안성, 안정성을 확보
ㅇ 빅데이터 거버넌스와 데이터 거버넌스 차이점
 - 빅데이터 거버넌스는 이러한 데이터 거버넌스의 체계에 더하여 빅데이터의 효율적인 관리, 다양한 데이터의 관리체계, 데이터 최적화, 정보보호, 데이터 생명주기 관리, 데이터 카테고리 별 관리 책임자(Data Steward)지정 등을 포함한다.

반응형

8. 데이터 거버넌스 구성요소

ㅇ 원칙 : 데이터를 유지 관리하기 위한 지침과 가이드 보안, 품질관리, 변경관리

ㅇ 조직 : 데이터 관리자, 데이터베이스 관리자, 데이터 아키텍트
ㅇ 프로세스 : 데이터 관리를 위한 활동과 체계, 작업절차 모니터링 활동, 측정활동

9. 데이터 거버넌스 체계 수립

ㅇ 데이터 표준화 : 데이터 표준 용어 설명, 명명규칙, 메타 데이터 구축, 데이터 사전 구축
ㅇ 데이터 관리체계 : 데이터 정합성 및 활용의 효율성을 위해 표준 데이터를 포함한 메타데이터와 데이터 사전 관리 원칙수립 또한 데이터 생명주기 관리 방안을 수립
ㅇ 데이터 저장소관리 : 메타 데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성. 저장소는 데이터 관리 체계 지원을 위한 워크플로우 및 관리용 SW를 지원하고 관리 대상 시스템과의 I/F를 통한 통제가 이루어져야 한다. 또한 데이터 구조 변경에 따른 사전영향평가도 수행되어야 효율적인 활용 가능
ㅇ 표준화 활동 : 데이터 거버넌스 체계를 구축한 후 표준 준수 여부를 주기적으로 점검하고 모니터링 시행

10. 데이터 분석 업무 주체에 따른 3가지 조직구조

* DSCoE (Data Science Center of Excellence) : 분석조직
ㅇ 집중형 조직구조 : 전사 분석 업무를 별도의 분석 전담 조직에서 담당, 전략적 중요도에 따라 분석 조직이 우선순위를 정해서 진행 가능, 현업 업무부서의 분석업무와 이중화/이원화 가능성 높음
ㅇ 기능형 조직구조 : 일반적인 분석 수행 구조로 별도 분석조직이 없고 해당 업무 부서에서 분석 수행, 전사적 핵심분석이 어려우며 부서 현황 및 실적통계 등 과거 실적에 국한된 분석수행 가능성 높음
ㅇ 분산형 조직구조 : 분석조직 인력들을 현업부서로 직접 배치하여 분석 업무 수행, 전사 차원의 우선순위 수행, 분석 결과에 따른 신속한 Action 가능, BP 공유 가능, 부서 분석 업무와 역할 분담 명확히 해야함

 11. 분석 과제 관리 프로세스 수립

ㅇ 분석과제 관리 프로세스는 과제 발굴과 과제수행 및 모니터링으로 나누어진다.
ㅇ 과제발굴
 - 분석 아이디어 발굴 : 조직 또는 개인이 필요 과제를 발견
 - 분석 과제 후보 제안 : 분석 과제를 Pool로 관리
 - 분석과제 확정 : 분석 프로젝트 관리
ㅇ 과제수행 및 모니터링
 - 팀 구성 : 분석 과제를 수행하기 위한 팀 구성
 - 분석 과제 실행 : 지속적인 모니터링 작업 병행
 - 분석 과제 진행 관리 : 지속적인 모니터링 작업 병행
 - 결과 공유/개선 : 과제 수행 중 발생된 시사점과 결과물을 Pool에 저장

12. 분석교육 및 변화관리

ㅇ 분석교육의 목표는 단순히 툴 교육이 아닌 분석 역량을 확보하고 강화하는 것에 초점
ㅇ 분석기획자 : 데이터 분석 큐레이션 교육
ㅇ 분석실무자 : 데이터 분석 기법 및 도구 교육
ㅇ 업무수행자 : 분석 기회 발굴 및 시나리오 작성법 교육

13. 기타 용어관리

ㅇ 마스터데이터 : 기업의 핵심 데이터인 기준정보를 생성하고 이를 일관성 있게 유지하며 비즈니스 프로세스 흐름에 맞춰 정확하게 관리하기 위한 솔루션
ㅇ 메타데이터 : 메타데이터 관리는 종종 마스터데이터관리(MDM)와 혼동되곤 한다. 메타데이터라는 것 역시 기준정보로 이해할 수 있기 때문이다. 그러나 MDM으로 통칭하는 마스터 데이터, 즉 기준정보는 메타데이터와 구분되어야 한다. 쉽게 말해 메타데이터관리는 데이터를 구성하는 정보를 관리하는 것이고 MDM은 실제 데이터를 관리하는 것이다. 이 때문에 MDM을 위해서는 메타데이터를 먼저 수집해야 한다.
ㅇ 데이터사전 : 데이터베이스관리시스템(DBMS)을 효율적으로 사용하기 위해 DB에 저장된 정보를 요약한 것이다. 즉, 일련의 데이터를 정의하고 설명해주는 메타데이터를 유지하는 것을 의미한다. 데이터 사전은 데이터 정보를 분류하고 처리하기 위한 시스템과 절차로서 데이터를 이해하는 과정에서 발생하는 오류 또는 데이터 해석상의 어려움을 제거하기 위해 사용된다.

 

<관련기출문제>

2023.02.15 - [자격증공부] - [ADsP] (2과목) 데이터분석 기획 - 분석마스터 플랜 기출문제

[ADsP] (2과목) 데이터분석 기획 - 분석마스터 플랜 기출문제

 

<ADsP 요약+기출문제 자료 다운로드(바로가기)>

ADsP 빅데이터분석준전문가 자격증 대비 요약 및 기출 | 10000원부터 시작 가능한 총 평점 0점의 자