데이터 분석 기획
더 많은 작업
Data Analytics Planning
어떤 분석 과제를 어떤 방식으로, 어떤 순서로 수행할지 사전에 정의하는 단계
무엇(What)을 분석할지 정하는 분석 대상과 어떻게(How) 분석할지 정하는 분석 방법의 파악 여부에 따라 접근 방식이 달라진다.
| 분석 방법을 안다 | 분석 방법을 모른다 | |
|---|---|---|
| 분석 대상을 안다 | 최적화 (Optimization) | 해결 (Solution) |
| 분석 대상을 모른다 | 통찰 (Insight) | 발견 (Discovery) |
- Top-Down Approach
문제가 주어지고 그에 대한 해법을 찾아 나가는 전통적인 방식이다. 분석 대상이 명확할 때 쓴다.
| 순서 | 단계 | 하는 일 |
|---|---|---|
| 1 | 문제 탐색 | 비즈니스 모델 기반 문제 탐색, 외부 참조 모델 기반 문제 탐색, 분석 유즈 케이스 정의 |
| 2 | 문제 정의 | 식별한 비즈니스 문제를 데이터 분석 문제로 변환한다 |
| 3 | 해결방안 탐색 | 분석 기법, 시스템, 인력 확보 방안을 검토한다 |
| 4 | 타당성 검토 | 경제적 타당성과 데이터·기술 적용 타당성을 평가해 과제를 확정한다 |
- 비즈니스 모델 기반 문제 탐색 : 자기 조직의 업무·제품·고객·규제·감사·지원 인프라 다섯 영역을 훑어 문제를 찾는다. 내부를 본다.
- 외부 참조 모델 기반 문제 탐색 : 유사·동종 업계의 사례를 벤치마킹해 분석 기회를 발굴한다. 외부를 본다.
두 가지를 뒤바꾼 서술이 자주 출제된다. 벤치마킹은 외부 참조 모델 기반이지 내부 참조 모델 기반이 아니다.
풀어야 할 문제에 대한 상세 설명과, 그 문제를 해결했을 때 발생하는 효과를 명시한 것. 향후 데이터 분석 문제로의 전환과 적합성 평가에 활용한다.
- Bottom-Up Approach
문제가 무엇인지 모르는 상태에서 데이터를 먼저 보며 통찰을 끌어내는 방식이다.
- 탐색적 데이터 분석으로 데이터의 특징을 훑는다.
- 비지도 학습, 연관 규칙, 군집 분석으로 숨은 패턴을 찾는다.
- 프로토타이핑(시행착오)을 반복해 문제 자체를 정의해 간다.
- 디자인 싱킹의 발산-수렴 과정과 통한다.
도출한 과제를 시급성과 난이도 두 축의 매트릭스에 놓고 순서를 정한다.
- 시급성 : 전략적 중요도와 목표 가치에 따라 판단한다. 지금 당장 필요한가
- 난이도 : 데이터 획득·저장·가공 비용과 분석 수준의 복잡도로 판단한다. 기업의 현 상황에 따라 조율할 수 있다.
| 사분면 | 시급성 | 난이도 | 의미 |
|---|---|---|---|
| III | 현재 | 쉬움 | 가장 먼저 적용한다 |
| IV | 현재 | 어려움 | 시급하지만 준비가 필요하다 |
| II | 미래 | 쉬움 | 여력이 되면 한다 |
| I | 미래 | 어려움 | 가장 나중에 적용한다 |
- 시급성을 우선한다면 III → IV → II 순
- 난이도를 우선한다면 III → II → IV 순
우선순위 판단의 핵심 요소는 전략적 중요도에 따른 시급성이다. 난이도는 조정 가능한 값이므로 기준을 완화해 순서를 바꿀 수 있다.
확정한 과제들을 언제 어떤 순서로 이행할지 계획으로 정리한 것이다. 우선순위 기준(전략적 중요도, ROI, 실행 용이성)과 적용 범위·방식 기준(업무 내재화 정도, 분석 데이터 적용 수준, 기술 적용 수준)을 함께 고려한다.
분석 기획 단계에서 미리 따져 볼 것은 세 가지다.
- 가용 데이터의 고려 : 분석에 쓸 수 있는 데이터가 있는지, 정형·비정형·반정형 중 어떤 유형인지 확인한다. 데이터 유형에 따라 쓸 수 있는 솔루션과 분석 방법이 달라진다.
- 적절한 유스케이스 탐색 : 비슷한 분석 사례나 솔루션이 있으면 적극 활용한다. 사용자의 공감대를 얻고 원활한 도입에 도움이 된다.
- 장애요소에 대한 사전 계획 수립 : 비용, 분석 결과의 정확도와 이해도, 조직 역량, 일회성으로 끝나지 않도록 하는 변화 관리 등 장애요소를 미리 따져 대비한다.
"가용 인력에 대한 고려" 는 세 가지 고려사항에 들지 않는다.
사용자가 요구사항이나 데이터를 정확히 정의하기 어렵고 데이터 소스도 명확하지 않은 상황에서, 일단 분석을 시도해 보고 결과를 확인하며 반복적으로 개선해 나가는 방법이다. 시행착오를 통한 문제 해결이다.
프로세스는 다음 순서로 진행한다.
- 가설의 생성
- 디자인에 대한 실험
- 실제 환경에서의 테스트
- 테스트 결과에서 인사이트 도출 및 가설 확인
- 문제가 무엇인지 모를 때 문제를 구체화하고, 필요한 데이터가 있는지 확인하는 데 쓴다.
- 하향식(문제가 주어진 경우)과 대비되는 상향식 접근에서 쓰며, 둘을 반복해서 함께 쓰는 것이 좋다.
하향식 접근의 해결방안 탐색 단계에서는 분석 기법 및 시스템(How)을 기존 시스템으로 할 수 있는지와, 분석 역량(Who)을 갖추고 있는지에 따라 방안이 달라진다.
| 분석 역량 확보 | 분석 역량 미확보 | |
|---|---|---|
| 기존 시스템 활용 가능 | 기존 시스템 개선 활용 | 교육 및 채용을 통한 역량 확보 |
| 신규 도입 필요(기존 시스템으로 불가) | 시스템 고도화 | 전문 업체 활용(Sourcing, 아웃소싱) |
- 기존 시스템으로는 불가능하지만 분석 역량은 있다면 시스템을 새로 갖추면 되므로 시스템 고도화이다.
- 교육·채용은 시스템은 되지만 사람이 없을 때, 아웃소싱은 시스템도 사람도 없을 때의 방안이다. 기존 시스템과 인력을 그대로 활용하는 것은 둘 다 갖춘 경우이다.
분석 활용 시나리오는 데이터 분석 결과를 특정 목적에 맞게 어떻게 활용할지 정한 방법 또는 계획이다. 분석 목표와 분석 방법을 설명하고 예상 결과(기대 효과)를 제시하는 문서로 작성하며, 분석 과제를 정의하고 이해관계자와 방향을 맞추는 데 쓴다.
- 시나리오의 중심은 분석 목적과 결과의 활용 방안이다. 필요한 데이터는 시나리오를 실행하기 위해 검토하는 요소 가운데 하나일 뿐이다. "분석 활용 시나리오에서는 데이터 확보가 가장 중요하다" 는 틀리다.
- 한 번 정하면 고정되는 것이 아니라, 프로젝트를 진행하면서 데이터 상황이나 업무 요구가 바뀌면 수정될 수 있다.