분석 프로젝트 관리
IT 위키
더 많은 작업
- Analytics Project Management; 분석 프로젝트 관리 방안
- 데이터 분석 과제를 프로젝트로 수행할 때, 일반 프로젝트 관리 영역에 분석 과제 고유의 특성을 더해 관리하는 방법
분석 과제도 기간, 비용, 인력이 들어가는 프로젝트이므로 프로젝트 관리가 필요하다. 다만 분석 프로젝트는 처음부터 결과를 정확히 정할 수 없고, 데이터를 보고 모델을 돌려 본 뒤에야 방향이 잡히는 경우가 많다. 그래서 일반 IT 프로젝트 관리에 분석 고유의 관리 영역을 더해 관리한다. ADsP 과목 2 '데이터분석 기획의 이해'의 세부항목 '분석 프로젝트 관리 방안'에서 다룬다.
- 반복적 정련 : 분석 결과를 해석하고 다시 데이터와 모델을 다듬는 과정을 반복하며 정확도를 높인다. 한 번에 끝나는 순차 진행보다 애자일처럼 프로토타입을 만들어 보며 개선하는 방식이 잘 맞는다.
- 도메인 전문가와 분석가의 협업 : 분석 전문가 혼자서는 업무 의미를 판단하기 어렵다. 업무를 아는 도메인 전문가, 데이터를 아는 데이터 전문가, 시스템 전문가가 함께 문제를 정의하고 결과를 해석해야 한다.
- 데이터 영역의 불확실성 : 필요한 데이터가 실제로 있는지, 품질이 충분한지는 분석을 시작해 봐야 알 수 있는 경우가 많다. 이 불확실성이 범위·일정·원가 관리에 그대로 영향을 준다.
- 분석가의 조정자 역할 : 분석가는 분석 기술뿐 아니라 이해관계자 사이의 의견과 요구를 조율하는 프로젝트 관리 역량도 갖춰야 한다.
분석 과제에는 일반 프로젝트에 없는 다음 다섯 가지 특성이 있어, 기획 단계부터 이를 따져 관리한다. 분석 과제 발굴에서도 같은 내용을 요약한다.
| 영역 | 관리 내용 |
|---|---|
| Data Size | 분석할 데이터의 양. 하루에 쌓이는 로그처럼 양이 많으면 저장·처리 방식부터 달라진다 |
| Data Complexity | 정형 데이터뿐 아니라 텍스트·이미지 같은 비정형 데이터, 여러 시스템에 흩어진 원천 데이터를 통합해야 하는 정도. 복잡할수록 데이터에 맞는 분석 모델 선정이 중요하다 |
| Speed | 분석 결과가 필요한 시점. 실시간 처리가 필요한지 일·주 단위 배치로 충분한지에 따라 설계와 성능 요구가 달라진다 |
| Analytic Complexity | 분석 모델의 복잡도. 모델이 복잡할수록 정확도는 오를 수 있지만 해석이 어려워지므로, 정확도와 해석 가능성 사이의 기준점을 정해야 한다 |
| Accuracy & Precision | Accuracy(정확도)는 모델 예측값과 실제 값의 차이가 작은 정도, Precision(정밀도)은 모델을 반복 적용했을 때 결과가 일관되게 나오는 정도다. 둘은 트레이드오프 관계인 경우가 많으므로, 모델 활용 목적에 맞춰 어느 쪽을 우선할지 정한다 |
위 다섯 영역은 우리말로 데이터 크기(규모), 데이터 복잡도, 속도, 분석 복잡도, 정확도와 정밀도라고 부른다.
- 다섯 가지 외의 항목, 예를 들어 데이터 분류, 데이터 가치, 데이터 보안 등급은 이 관리 영역에 들지 않는다.
- "복잡도" 는 두 번 나온다. 데이터 쪽(Data Complexity, 원천·형태가 얼마나 복잡한가)과 분석 쪽(Analytic Complexity, 모델이 얼마나 복잡한가)을 구분한다.
- 속도(Speed)는 분석 처리 속도가 아니라 결과가 필요한 시점(실시간인지 배치인지)을 말한다.
ISO 21500(2012)은 프로젝트 관리 프로세스를 10개 주제 그룹(subject group)으로 나눈다. PMBOK의 지식 영역과 구성이 비슷하다. 분석 프로젝트에서는 각 주제 그룹을 다음과 같이 해석한다.
| 주제 그룹 | 분석 프로젝트에서의 의미 |
|---|---|
| 통합(Integration) | 프로젝트 관리의 각 프로세스가 서로 연계되어 돌아가도록 통합 관리한다 |
| 이해관계자(Stakeholder) | 데이터 전문가, 비즈니스 전문가, 분석 전문가, 시스템 전문가 등 이해관계자가 다양하므로 이들을 식별하고 관리한다 |
| 범위(Scope) | 분석 기획 때 정한 범위가 데이터의 형태와 양, 모델 결과에 따라 자주 바뀐다. 최종 결과물이 분석 보고서인지 시스템인지에 따라서도 범위가 크게 달라지므로 사전에 명확히 정의한다 |
| 자원(Resource) | 고급 분석이나 빅데이터 아키텍처 경험을 갖춘 인력이 부족하므로, 프로젝트 초기에 필요한 전문 인력을 확보한다 |
| 시간(Time) | 원하는 모델이 쉽게 나오지 않아 일정이 계속 늘어나기 쉽다. 정해진 기간 안에 결과를 내도록 기간을 고정하는 타임 박싱(Time Boxing) 방식으로 일정을 관리한다 |
| 원가(Cost) | 외부 데이터 구매, 상용 분석 도구의 라이선스 등 일반 프로젝트에 없는 비용이 생길 수 있으므로 미리 조사해 반영한다 |
| 리스크(Risk) | 필요한 데이터를 확보하지 못하거나 품질이 낮을 위험, 보안·개인정보 문제 등을 미리 식별하고 대응 방안을 세운다 |
| 품질(Quality) | 분석 결과의 품질 목표를 정하고, 품질 통제(Quality Control)와 품질 보증(Quality Assurance)으로 나누어 관리한다 |
| 조달(Procurement) | 외부 소싱이나 개념 검증(PoC) 과제라면 장비를 구매하기보다 클라우드 등을 이용하는 방안도 검토한다 |
| 의사소통(Communication) | 분석 결과는 전문적이어서 이해하기 어렵다. 모든 이해관계자가 이해할 수 있는 형태로 결과를 공유하고, 프로젝트 진행 상황을 주기적으로 알리는 체계를 둔다 |
위 해석은 ADsP 교재 분류를 따른 것이다. 일정 관리 기법은 프로젝트 일정 관리, 이해관계자 관리는 프로젝트 이해관계자 관리를 참고한다.
- 분석 과제 5가지 관리 영역의 이름과, Accuracy와 Precision의 차이 및 트레이드오프 관계
- ISO 21500의 10개 주제 그룹과 분석 프로젝트에서의 의미 짝짓기(예: 시간 = 타임 박싱, 조달 = PoC는 클라우드 검토)
- 분석 프로젝트가 반복적 정련과 협업을 특징으로 한다는 점