분석 과제 발굴
더 많은 작업
- Analytics Task Discovery; 분석 과제 발굴
- 풀어야 할 비즈니스 문제를 데이터 분석 과제로 정의하고, 그 과제들의 실행 순서를 정하는 데이터 분석 기획 활동
문제를 먼저 정하고 답을 찾아 내려가는 하향식 접근법과, 데이터를 먼저 들여다보며 문제를 찾아 올라가는 상향식 접근법이 있다. 실무에서는 두 방식을 섞어 쓴다.
문제가 주어지고 해법을 찾는 방식(Top-down)이다. 4단계로 진행한다.
- 문제 탐색(Problem Discovery) : 비즈니스 모델 캔버스로 업무(Operation), 제품(Product), 고객(Customer), 규제와 감사(Regulation & Audit), 지원 인프라(IT & Human Resource) 영역의 문제를 빠짐없이 찾는다. 분석 기회 발굴 범위를 거시적 관점(STEEP), 경쟁자 확대, 시장 니즈 변화, 역량의 재해석으로 넓히고, 외부 참조 모델(동종 업계 사례)도 활용한다
- 문제 정의(Problem Definition) : 비즈니스 문제를 데이터 문제로 바꾼다. 예를 들어 "고객 이탈 증가"를 "이탈 가능성이 높은 고객 예측"으로 정의한다
- 해결방안 탐색(Solution Search) : 분석 기법·시스템(기존 시스템 활용 / 신규 도입)과 분석 역량(확보 / 미확보)의 조합에 따라 기존 시스템 개선, 교육 및 채용, 시스템 고도화, 전문 업체 소싱 중에서 고른다
- 타당성 검토(Feasibility Study) : 경제적 타당성(비용 대비 편익)과 데이터·기술적 타당성을 검토한다
문제 정의 자체가 어려울 때, 데이터를 먼저 분석해 문제를 찾는 방식(Bottom-up)이다. "왜(Why)" 대신 "무엇(What)"이 데이터에 있는지부터 본다.
- 디자인 사고(Design Thinking) : 가능한 옵션을 넓게 도출하는 발산(Diverge)과 그중 쓸 만한 것을 추리는 수렴(Converge)을 반복한다
- 비지도 학습 : 목표 변수 없이 군집화, 연관 규칙 등으로 데이터 속 패턴을 찾는다
- 프로토타이핑 접근법 : 일단 분석을 시도해 결과를 보고 반복 개선한다. 가설 생성 → 디자인에 대한 실험 → 실제 환경 테스트 → 테스트 결과에서 통찰 도출 및 가설 확인 순으로 돈다. 문제가 불명확하거나 필요한 데이터가 있는지 확실하지 않을 때 쓴다
분석 대상(What)과 분석 방법(How)을 아는지 모르는지로 나눈다.
| 분석 대상을 앎 | 분석 대상을 모름 | |
|---|---|---|
| 분석 방법을 앎 | 최적화(Optimization) | 통찰(Insight) |
| 분석 방법을 모름 | 솔루션(Solution) | 발견(Discovery) |
평가 기준은 전략적 중요도, 비즈니스 성과·ROI, 실행 용이성이다. 이를 시급성(현재 ↔ 미래)과 난이도(쉬움 ↔ 어려움) 두 축의 사분면으로 정리한다.
| 시급성 | 난이도 | 의미 |
|---|---|---|
| 현재 | 쉬움 | 가장 먼저 수행한다 |
| 현재 | 어려움 | 지금 중요하지만 바로 하기 어렵다. 데이터·범위를 조정해 난이도를 낮추면 앞당길 수 있다 |
| 미래 | 쉬움 | 급하지 않지만 쉽게 할 수 있다 |
| 미래 | 어려움 | 중장기 과제. 가장 나중에 수행한다 |
- 현재·쉬움이 처음, 미래·어려움이 마지막이다.
- 두 번째·세 번째 순서는 시급성과 난이도 중 무엇을 우선하느냐에 따라 달라진다. 교재는 이를 사분면 번호(Ⅰ~Ⅳ)로 적는데, 번호를 붙이는 방식이 자료마다 달라 속성만으로 옮기면 어긋날 수 있다. 공부하는 교재의 그림에서 번호와 속성을 함께 확인한다.
빅데이터 관점에서는 투자비용 요소(Volume, Variety, Velocity)와 비즈니스 효과 요소(Value)로 ROI를 따진다. 자세한 내용은 비즈니스 기여도 평가를 본다.
| 단계 | 추진 내용 |
|---|---|
| 1단계 데이터 분석 체계 도입 | 분석 기회 발굴, 분석 과제 정의, 로드맵 수립 |
| 2단계 데이터 분석 유효성 검증 | 분석 알고리즘 설계, 분석 아키텍처 설계, 분석 과제 파일럿 수행 |
| 3단계 데이터 분석 확산 및 고도화 | 변화 관리, 시스템 구축, 유관 시스템 고도화 |
- Data Size : 분석할 데이터의 양
- Data Complexity : 정형·비정형 등 데이터 형태와 원천의 복잡도
- Speed : 결과가 필요한 시점(실시간, 일 단위 배치 등)
- Analytic Complexity : 모델의 복잡도. 정확도와 해석 가능성 사이에서 균형을 잡아야 한다
- Accuracy & Precision : Accuracy는 실제 값과의 차이가 작은 정도, Precision은 반복했을 때 결과가 일관된 정도다. 둘은 트레이드오프 관계일 때가 많다
- 하향식 4단계 순서와 상향식 접근법(디자인 사고, 비지도 학습, 프로토타이핑)의 구분
- 분석 주제 4유형 표에서 칸 채우기(대상 모름 + 방법 앎 = 통찰 등)
- 사분면 우선순위: 현재·쉬움이 처음, 미래·어려움이 마지막
- 분석 과제 관리 5영역 명칭, Accuracy와 Precision의 차이
하향식 문제 탐색에서 비즈니스 모델 캔버스를 쓸 때 과제를 찾는 영역은 다음 다섯 가지다.
| 영역 | 보는 것 | 과제 예 |
|---|---|---|
| 업무(Operation) | 제품을 생산·운영하는 내부 프로세스와 주요 자원 | 생산 공정 최적화, 재고 최소화 |
| 제품(Product) | 생산·제공하는 제품과 서비스의 개선·개발 | 제품의 주요 기능 개선, 서비스 모니터링 지표 도출 |
| 고객(Customer) | 제품·서비스를 받는 고객과 고객 접점 채널 | 고객 대기 시간 최소화, 영업점 위치 최적화 |
| 규제와 감사(Regulation & Audit) | 제품 생산·전달 과정에서 생기는 규제와 보안 | 서비스 품질 이상 징후 관리 |
| 지원 인프라(IT & Human Resource) | 분석을 수행하는 시스템과 이를 운영·관리하는 인력 | 데이터 웨어하우스 최적화, 적정 운영 인력 도출 |
- 다섯 영역은 업무·제품·고객·규제와 감사·지원 인프라다. 혁신은 이 영역에 들지 않는다.
업무 프로세스에서 출발해 분석 요건을 끌어올리는 방식은 다음 4단계로 진행한다.
- 프로세스 분류 : 전사 업무 프로세스를 가치사슬, 메가 프로세스, 메이저 프로세스, 프로세스 단계로 구조화해 업무 프로세스를 정의한다
- 프로세스 흐름 분석 : 프로세스별로 업무 흐름을 프로세스 맵으로 상세히 표현한다
- 분석 요건 식별 : 각 프로세스 맵에서 주요 의사결정 지점을 찾는다
- 분석 요건 정의 : 의사결정 지점마다 무엇을 알면 결정을 내릴 수 있는지, 분석 요건을 정의한다
분류가 먼저 있어야 흐름을 그릴 수 있고, 흐름이 있어야 의사결정 지점이 보인다. 그래서 순서는 분류 → 흐름 분석 → 요건 식별 → 요건 정의로 고정된다.
발굴한 과제는 분석 과제 정의서로 정리해 이후 프로젝트 수행 계획의 입력물로 쓴다. 정의서에는 다음을 적는다.
- 분석명과 분석 정의(무엇을 왜 분석하는가)
- 필요한 소스 데이터. 내부의 정형 데이터뿐 아니라 비정형 데이터, 소셜 미디어·오픈 데이터 같은 외부 데이터까지 넓게 검토한다
- 데이터 입수 난이도와 분석 적용 난이도
- 분석 방법
- 분석 수행 주기
- 분석 결과에 대한 검증 오너십
- 상세 분석 과정
정의서는 과제의 범위와 실행 조건을 정하는 문서다. 구체적인 상세 분석 알고리즘은 데이터를 준비한 뒤 모델링 단계에서 정하는 것이라 정의서의 필수 항목이 아니다.