[BDA x 영진닷컴] ADsP 3주차 스터디, 데이터 분석 기획

2024.04.15 3주차 스터디

 

오늘도 이번주의 시작을 ADsP 스터디로 시작했습니다.

금주 배운 내용은 아래와 같습니다. 

PART 2 데이터 분석 기획(p65~p116)

 

그동안 했던 내용들은 데이터 분석의 방법에 대해서 배웠다면, 이번주는 데이터 분석을 하기 전, 기획을 어떻게 하고 어떤 식으로 프로젝트를 관리해야 하는지를 분석 과제를 어떻게 도출해야 하는지 중점적으로 배웠습니다. 

 

오늘 배웠던 것 들 중 암기요소들을 따로 정리해보았습니다.

---

분석 주제 유형

	분석 대상(what)
분석 방법 (how)		Known	Unknown
	Known	최적화(Optimization)	통찰(Insight)
	Unknown	솔루션(Solution)	발견(Discovery)

 

---

분석 방법론의 적용 업무 특성에 따른 모델

1. 폭포수 모델 - 한단계가 완료되면, 다음 단계로 넘어가 진행하는 모델

2. 나선형 모델 - 처음 시작하는 모델을 대상으로, 절차를 반복함을 통해 점층적으로 개발하는 방법

3. 프로토타입 모델 - 일단 분석을 시도해보고 결과를 확인해가면서 반복적으로 개선해나가는 방법. 요구사항을 분석하는데 도움이 되는 방법.

---

데이터 마이닝 분석 방법론

1. SEMMA 분석 방법론

- 문제 정의 자체가 어려운 경우, 데이터를 기반으로 문제의 재정의 및 해결방안을 탐색하여 개선하는 방식이다.

2. KDD(Knowledge Discovery in Database, 지식 탐색 중심) 분석 방법론 ⭐️⭐️

- insight 추출(분석 방법 Known,분석대상 Unknown)을 위한 절차와 단계를 정의한 데이터 마이닝 기법.

1. 데이터셋 선택
2. 데이터 전처리
3. 데이터 변환
4. 데이터 마이닝
5. 데이터 마이닝 결과 평가

3. CRISP-DM  ⭐️⭐️

- 전세계 비즈니스 현장에서 가장 많이 사용되는 데이터 마이닝 표준

6단계 프로세스

1. 업무 이해 -> KDD와의 차이점
2. 데이터 이해 -> KDD에서 데이터셋 선택과 대응
3. 데이터 준비 -> KDD에서 데이터 변환과 대응
4. 모델링
5. 평가
6. 전개

---

빅데이터 분석 방법

분석 절차	Keyword
분석 기획	SOW(작업 명세서) WBS(활동, 업무 세분화하는 문서) 위험 계획 대응 방법(회피, 전이, 완화, 수용)
데이터 준비	필요데이터 정의(메타데이터 정의서, ERD) 데이터 스토어 설계 데이터 수집 및 정합성 점검
데이터 분석	분석용 데이터 준비 텍스트 분석 탐색적 분석(EDA) 모델링 모델 평가 및 검증
시스템 구현	기획과 설계에 따른 모델 도출, 프로토 타입 시스템 구현
평가 및 전개	모델 발전 계획 프로젝트 평가 및 보고

 

---

분석 과제 도출 방법

1. 하향식 접근 방법 - 분석 문제가 확실할 때 사용, 지도 학습

2. 상향식 접근 방법 - 문제의 정의 자체가 어려운 경우 사용, 비지도 학습

3. 디자인 싱킹 - 최근 발생하는 복잡하고 다양한 환경에서 논리적인 단계별 접근법에 기반한 문제 해결 방식은 적합하지 않아, 위 두개 방식을 결합해 상향신 접근의 발산 단계와 하향식 접근의 수렴 단계를 반복적으로 수행한다. 

 

1. 하향식 접근 방법

1) 문제 탐색 단계

1. 비즈니스 모델 기반 문제 탐색 <- 비즈니스 모델 캔버스 사용

비즈니스 모델 캔버스

2. 거시적 관점 분석 모델(STEEP)

 STEEP = Social, Technology, Economic, Environmental, Political

3. 경쟁자 확대 관점 분석 모델

대체재, 경쟁자, 신규 진입자 관점에서 분석

4. 시장의 니즈 탐색 관점 분석 모델

고객, 채널 영향자 관점에서 분석

5. 역량의 재해석 관점 분석 모델

내부 역량, 파트너 네트워크 관점에서 분석

2) 문제 정의 단계

3) 해결 방안 탐색 단계

4) 타당성 검토 단계

 

2. 상향식 분석 방법

1. 프로토타이핑 모델 (나선형 모델과 구분 중요!! 나선형 <- 주로 처음이라는 키워드가 등장)

 먼저 분석을 시도해보고 결과를 확인해가며 반복적으로 모델을 개선해나가는 방법. 

2. 비지도 학습

레이블을 제공하지 않고 인공지능이 입력 데이터셋에서 패턴과 상관관계를 찾아내는 머신러닝 알고리즘.

3. 디자인 싱킹

인간과 사물을 관찰하고 공감, 이해하고 다양한 방법을 찾는 창의적 문제 해결 방법.

디자인 싱킹의 5단계 과정

1. 공감하기 <- 다른 분석 방법과는 다르게 공감하기가 들어가 있음

2. 정의하기

3. 아이디어 내기

4. 프로토타입 만들기

5. 테스트하기

 

---

분석 프로젝트 관리 방안

1. 분석 과제 관리 영역

1) 데이터 영역

2) 데이터 복잡도

3) 속도

4) 분석 복잡도

5) 정확도 & 정밀도 (나만의 암기 방식 - 정확도 = T/ALL 정밀도 = TP/P)

2. 주제별 프로젝트 관리 체계(방안)

---

분석 마스터 플랜

- 과제의 우선순위를 결정하고 단기 및 중장기로 나누어 계획을 수립하는 방법

---

ISP(Information Strategy Planning) - 기업의 경영목표 달성에 필요한 전략적 주요 정보를 포착하고, 주요 정보를 지원하기 위해 전사적 관점의 정보 구조를 도출, 이를 수행하기 위한 전략 및 실행계획을 수립하는 전사적인 종합추진 계획

---

분석 마스터플랜 수립 프레임워크

1) 분석 마스터 플랜 수립 ⭐️⭐️⭐️

• 분석 마스터 플랜 수립 기준

구분	내용
우선순위 고려 요소	실행 용이성, ROI, 전략적 중요도
적용 우선순위 결정 고려 요소	기술 적용 수준, 분석 데이터 적용 수준, 업무 내재화 적용 수준

 

• 빅데이터 특징을 고려한 ROI 요소

1. 크기, 다양성, 속도 (Volume, Variety, Velocity - 3V)

2. 가치 (Value)

1+2 = 4V, ROI 4V로 암기

 

2) 분석 과제 도출 및 우선순위 평가 방법과 절차

3) 로드맵 수립

4) 세부 이행 계획 수립

---

분석 거버넌스 체계

1) 분석 거버넌스의 정의

거버넌스 - 기업, 비영리 기관 등에서 규칙, 규범 및 행동이 구조화, 유지, 규제되고 책임을 지는 프로세스

기업의 문화에 어떻게 데이터 분석을 녹일 것인가가 핵심이다.

 

분석 거버넌스의 체계 구성 요소

구성 요소	설명
Process	과제 기획 및 운영 프로세스
Organization	분석 기획 관리 및 추진 조직
System	분석 관련 IT 기술과 프로그램
Human Resource	분석 관련 교육
Data	데이터 거버넌스

 

2) 데이터 분석 준비도

데이터 분석 준비도의 6가지 영역 ⭐️⭐️⭐️ (세부내용까지 잘 알고 있어야 함!)

• 분석 업무 파악
• 인력 및 조직
• 분석 기법
• 분석 데이터
• 분석 문화
• IT 인프라(분석 인프라)

3) 데이터 분석 성숙도

CMMI 모델을 기반으로

시스템 개발 업무 능력과 조직의 성숙도 파악을 하게 된다.

 

분석 성숙도 4단계

도입단계 -> 활용단계 -> 확산 단계 -> 최적화 단계

 

데이터 거버넌스

1) 데이터 거버넌스 개념

전사적 차원에서 데이터 관리 체계를 구축하는 활동

데이터 거버넌스의 주요 관리 대상

• 데이터 사전
• 마스터 데이터
• 메타 데이터

2) 데이터 거버넌스 구성요소

원칙, 조직, 프로세스 - Principle, Organization, Process (POP)

 

데이터 분석 조직

1) 분석 조직

비즈니스의 변화를 인식하고 기업의 차별화된 경쟁력을 확보하는 수단.

2) 분석 조직의 구조 유형

구조 유형	특징 (군대로 비유)
집중형 조직 구조	부대 1개에 한가지 특기 몰아넣기
기능 중심 조직 구조	각 부대마다 특정 특기가 꼭 있는 것 (EX) 취사병)
분산 조직 구조	부대 1개에 한가지 특기를 몰아넣지만, 타 부대에 파견 보내 각 부대마다 파견 인원을 가지도록 하는 것

 

3주차 스터디 후기

이번주는 공부 범위에 암기가 많아 힘들었지만, 스터디장님이 팀원들이 암기할 수 있도록 문제도 만들어오셔서 같이 공부하면서 몰랐던 부분들을 알게 되었습니다. 특히 암기 과목에서는 외울 수 있도록 스토리나 꿀팁을 아는게 중요한데, 이런 부분들을 알 수 있어서 좋았습니다. 매주 유익한 스터디를 할 수 있어서 감사합니다!