41회 2과목 10문제
11. 분석 대상과 방법
| 최적화 | 분석 대상과 방법을 모두 알고 있다. |
| 통찰 | 분석 방법만 알고 있다. (분석 대상을 모르니 통찰력 필요) |
| 솔루션 | 분석 대상만 알고 있다. |
| 발견 | 완전히 모르는 상태다. |
12. 프로젝트 위험 계획 수립
1. 분석 기획
- 비즈니스 이해 및 범위 설정: SOW(Statement of Works) - 구조화된 프로젝트 정의서
- 프로젝트 위험 계획 수립 : 회피, 전이, 완화, 수용
13. KDD 분석 방법론
KDD 분석 방법
데이터 선택 → 전처리 → 변환 → 마이닝 → 마이닝 결과 평가
1. 데이터 선택: 원시 데이터나 DB에서 필요한 데이터 선택
2. 전처리: 이상값, 잡음 식별, 결측치 제거 및 데이터 가공
3. 변환: 변수 선택 및 차원 축소
4. 마이닝: 알고리즘을 선택하여 분석 수행
5. 결과 평가: 결과에 대한 해석, 결과가 충족되지 않으면 절차를 반복 수행
14~15. 접근법, 접근 방법, 하향식 접근법의 문제 탐색 기법
1. 하향식 접근 방법
- 문제가 주어지고 해답을 찾기 위해 진행
- 문제 탐색 → 문제 정의 → 해결 방안 → 타당성 검토
(1) 문제 탐색
- 빠짐없이 문제를 도출하고 식별
- 솔루션보다는 가치에 초점
- 비즈니스 모델 탐색 기법: OPC(업무, 제품, 고객) 단위로 문제 발굴 및 관리하는 규제와 감사, 지원 인프라 작업 수행
① 거시적 관점: STEEP(사회, 기술, 경제, 환경, 정치)
② 경쟁자 확대 관점: 대체자, 경쟁자, 신규 진입자
③ 시장의 니즈 탐색 관점: 고객, 채널, 영향자
④ 역량의 재해석: 내부 역량, 파트너 네트워크
- 외부 참조 모델 기반 탐색
① 새로운 문제를 탐색하는 단계에서 유사 또는 동종 사례의 벤치마킹을 통해 호보그룹을 추출
② "Quick&Easy" 방식으로 필요한 분석 기회가 무엇인지에 대한 아이디어를 획득
③ 기업에 적용할 분석 테마 후보 목록을 워크숍 형태의 브레인스토밍을 통해 빠르게 도출하는 방법
- 분석 유스케이스 정의
① 빠짐없이 도출한 분석 기회들을 구체적인 과제로 만들기에 앞서 분석 유스케이스로 표기
② 풀어야 할 문제에 대한 상세 설명 및 해당 문제를 해결했을 때 발생하는 효과를 명시
③ 향후 데이터 분석 문제로의 전환 및 적합성 평가에 분석 유즈케이스를 활용
(2) 문제 정의
- 비즈니스 문제를 데이터 문제로 변환하여 정의
(3) 해결 방안
- 기존 시스템 활용, 시스템 고도화, 인적 자원 확보, 아웃소싱 등
(4) 타당성 검토
도출된 분석 문제에 대한 대안을 과제화하기 위해서는 다각적 타당성 검토가 필요하다.
- 경제적 타당성: ROI(비용 대비 편익) 분석 관점 접근
- 데이터 타당성: 데이터 존재 여부, 분석 역량이 필요
- 기술적 타당성: 역량 확보 방안 사전에 수립
2. 상향식 접근 방법
- 문제가 정의되어 있지 않거나 분석과제가 주어지지 않은 경우에 적합한 접근법이다.
- 주로 비지도학습 활용
- 복잡하고 다양한 환경에서 발생하는 문제 해결에도 적용
- EX) 군집분석, 주성분 분석(PCA), 다차원척도, 연관 분석, 프로파일링, 머신러닝, 의사결정트리, 인공신경망, 분류 분석
3. 혼합 접근 방법
- 발산 단계: 상향식 접근 방법으로서, 가능한 방안들을 도출
- 수렴 단계: 하향식 접근 방법으로서, 도출된 방안들을 분석
- EX) 디자인 싱킹
(1) Why보다 What
(2) 감정이입을 강조
(3) 사용자에 공감으로 시작해서 아이디어 발산/수렴 과정을 통한 피드백으로 발전하는 과정
(4) 공감하기 → 문제 정의 → 아이디어 도출 → 프로토타입 → 테스트
16. 분석 프로젝트 관리 지식 체계 10가지 영역
| 프로젝트 관리 지식 체계 분석 수행 방법론 구축 시 프로젝트 관련 지식 체계를 참조 및 활용 | |
| 범위(Scope) | 분석 기획 단계의 프로젝트 범위가 분석을 진행하며 데이터의 형태와 향 또는 적용되는 모델의 알고리즘에 따라 범위가 빈번하게 변경됨. 분석의 최종 결과물이 분석 보고서 형태인지 시스템인지에 따라서 투입되는 자원 및 범위가 크게 변경되므로 사전에 충분한 고려가 필요함. |
| 시간(Time) | 초기에 의도한 모델이 쉽게 나오지 않기 때문에 많은 시간이 소요될 수 있음. 분석 결과에 대한 품질이 보장된다는 전제로 Time Boxing 기법으로 일정관리를 진행하는 것이 필요함. |
| 원가(Cost) | 외부 데이터를 활용한 분석의 경우 고가의 비용이 소요될 수 있으므로 사전에 충분한 조사가 필요함. 오픈 소스 도구 외에 프로젝트 수행 시 의도했던 결과를 달성하기 위해 상용 버전의 도구가 필요할 수 있음. |
| 품질(Quality) | 분석 결과에 대한 품질 목표를 사전에 수립하여 확정해야 함. 품질은 품질 통제와 품질 보증으로 나누어 수행되어야 함. 품질을 평가하기 위해 SPICE를 활용 가능 |
| 통합(Integration) | 프로젝트 관리 프로세스들이 통합적으로 운영될 수 있도록 관리함. |
| 조달(procurement) | 프로젝트 목적성에 맞는 외부 소식을 적절하게 운영할 필요가 있으며 특히, PoC 형태의 프로젝트는 인프라 구매가 아닌 클라우드 등의 다양한 방안을 검토할 필요가 있음. *PoC(Proof of Cencept - 개념 증명): 기존 시장에 없었던 신기술을 도입하기 전에 이를 검증하기 위해 사용하는 |
| 자원(Resource) | 고급 분석 및 빅데이터 아키텍쳐링을 수행할 수 있는 인력의 공급이 부족하므로 프로젝트 수행 전 전문가 확보 검토 필요 |
| 리스크(Risk) | 분석에 필요한 데이터 미확보로 분석 프로젝트 진행이 어려울 수 있어 관련 위험을 식별하고 대응방안을 가전에 수립해야 함. 데이터 및 분석 알고리즘의 한계로 품질목표를 달성하기 어려울 수 있어 대응 방안을 수립할 필요가 있음. |
| 의사소통(Communication) | 전문성이 요구되는 데이터 분석의 결과를 모든 프로젝트 이해관계자가 공유할 수 있도록 해야 함. 프로젝트의 원활한 진행을 위한 다양한 의사소통 체계 마련 필요. |
| 이해관계자(Stakeholder) |
데이터 분석 프로젝트는 데이터 전문가, 비즈니스 전문가, 분석 전문가, 시스템 전문가 등 다양한 전문가가 참여하므로 이해관계자의 식별과 관리가 필요함. |
17. 단계적 구현 로드맵
단계적 구현 로드맵
| 1. 데이터 분석 체계 도입 | 2. 데이터 분석 유효성 검증 | 데이터 분석 확산과 고도화 |
| 분석 기회 발굴 및 분석 과제 정의 | 분석 알고리즘 및 아키텍처 설계 | 업무 프로세스에 내재화하기 위한 PI 수행 |
| 마스터플랜 수립 | 분석 과제 Pilot 수행 | 변화 관리 |
| 빅데이터 분석- 활용 시스템 구축 | ||
| 유관 시스템 고도화 |
각 용어 설명
| 마스터 플랜 수립 | 데이터 분석 과제를 도출하고, 전략적 중요도(시급성), ROI(비용 대비 편익), 실행 용이성을 기준으로 로드맵을 수립하는 과정 |
| PI 수행 | 업무 프로세스에 내재화하기 위한 프로세스 혁신 수 |
| 유관 시스템 고도화 | 분석과 연계된 시스템의 기능 및 성능을 향상시키는 단계 |
| 파일럿 테스트 | 분석 유효성 검증: 빅데이터 분석에서 분석 모델(알고리즘 및 아키텍처)을 실제 업무에 적용하기 전, 소규모 환경에서 시범적으로 운영하여 타당성을 검증하는 과정 |
18. 분석 거버넌스 체계의 구성요소
분석 거버넌스 체계 구성요소 5가지
조직, 프로세스, 시스템, 데이터, 분석 관련 교육 및 마인드 육성 체계
19. 조직 및 인력 방안 수립
조직 및 인력방안 수립 (DSCoE : 분석조직)
1. 집중 구조: 독립적인 부서가 분석 업무를 전담. 현업 업무부서의 분석 업무와 이중화/이원화 가능
2. 기능 구조: 별도의 DSCoE가 없고, 각 업무 부서에서 직접 분석
3. 분산 구조: 분석 조직 인력을 현업 부서에 배치
분석 과제 관리 프로세스
1. 과제 발굴: 분석 아이디어 발굴 → 분석 과제 후보 제안 → 분석 과제 확장
2. 과제 수행: 팀 구성 → 분석 과제 실행 → 결과 공유/개선
20. 분석 수준 결과 진단
1. 준비형: 데이터, 인력, 조직, 분석 업무, 분석 기법 등이 적용되어 있지 않아 사전 준비가 필요한 기업
2. 도입형: 조직 및 인력 등 준비도는 높으나 분석 업무 및 기법이 부족
3. 정착형: 인력, 조직, 분석업무, 분석 기법 등을 제한적으로 사용
4. 확산형: 6가지 분석 구성요소를 모두 갖추고 있으며 지속적 확산이 가능
'자격증 따기 > ADSP' 카테고리의 다른 글
| [ADsP 공부] [41회 3과목-데이터 분석 개념] (0) | 2026.02.05 |
|---|---|
| [ADsP 공부] [41회 1과목-데이터 이해 개념] DIKW 피라미드, 용어 풀이, ERP, 빅데이터가 만들어내는 변화, 빅데이터 가치 산정, 위기 요인과 통제 방안, 데이터 사이언스의 요구 역량, 빅데이터 가치 패러다임 (0) | 2026.02.05 |